关于「睡眠负债账本:三种损失模型夹出的区间」,《下午茶的睡眠负债》给出的定量结论是什么?

结论:一杯下午四点的红茶,在三种损失模型下的每晚损失是 0.0、22.8 与 42.8 分钟,十四天净负债从零到 141.7 分钟。负债按每晚偿还三成计算,第 7 晚即达稳态的九成。按中位模型,从下午四点的咖啡改为下午两点的红茶,每周省下 145 分钟;上午十点的一杯咖啡与下午四点的一杯红茶,每周损失几乎相同。区间之宽,正是需要第八章那种试验的理由。

数据口径:书中参数除标明出处者外均为示意;全部计算由书中程序生成。 本书不是医疗建议,不宣称任何健康效果;自我试验须先咨询执业医师。

English version

对照数据表

下表数字由本章 Python 程序原样打印,可重新运行复现。 程序只用 Python 标准库与结论吻合的打印值: 0.0, 141.7, 22.8, 42.8

B0 = 3.24 min; repayment R = 0.3 per night
scenariomodelL/nightdebt_d7debt_d14steady
tea 16:00LIN0.00.00.00.0
tea 16:00EMAX122.869.875.576.1
tea 16:00EMAX02542.8130.9141.7142.7
coffee 16:00LIN5.015.416.716.8
coffee 16:00EMAX139.2119.9129.8130.7
coffee 16:00EMAX02556.1171.6185.8187.0
tea 12:00LIN0.00.00.00.0
tea 12:00EMAX114.745.048.749.0
tea 12:00EMAX02532.699.7107.9108.7
tea 16:00, EMAX1: 14-night gross loss 319 min = 5.32 h
nights to reach 90% of the steady debt: 7
查看完整验算程序
# Chapter 6. p61: fourteen afternoons of tea as a sleep-debt ledger
# 每晚损失 L 用三种模型夹出区间:
#   下界 LIN:Gardiner 2023 斜率(0.2 min/mg,-2.8 min/h),截距 B0 使咖啡
#            107 mg 在 8.8 h 处为零:B0 = 2.8 x 8.8 - 0.2 x 107;负值截为零;
#   中位 EMAX1:Emax,EC50 = 1.0 mg/L,LMAX 由 Drake 6 小时条件定(p43);
#   上界 EMAX025:EC50 = 0.25 mg/L(p43 中唯一同时吻合 Drake 三个时点者)。
# 睡眠负债 D 按 D(n+1) = (1 - R) D(n) + L 累积,每晚偿还比例 R = 0.3(示意)。
# 对照(Gardiner 2023):总睡眠减 45.3 分钟,觉醒时间增 11.8 分钟,睡眠效率
# 降 7.0%,N1 浅睡增 6.1 分钟,N3 与 N4 深睡减 11.4 分钟。
import math

KA, V, TH, WIN, BED, R = 3.0, 0.6 * 70.0, 5.0, 4.0, 23.0, 0.3
B0 = 2.8 * 8.8 - 0.2 * 107.0


def win_mean(h, dose, th=TH, w=WIN):
    ke = math.log(2.0) / th
    a = dose * KA / (V * (KA - ke))
    pe = (math.exp(-ke * h) - math.exp(-ke * (h + w))) / ke
    pa = (math.exp(-KA * h) - math.exp(-KA * (h + w))) / KA
    return a * (pe - pa) / w


E6 = win_mean(6.0, 400.0)


def emax(e, ec50):
    return 69.0 * (E6 + ec50) / E6 * e / (e + ec50)


def nightly(dose, h):
    e = win_mean(h, dose)
    return [max(0.0, B0 + 0.2 * dose - 2.8 * h), emax(e, 1.0),
            emax(e, 0.25)]


print("B0 = {:.2f} min; repayment R = {} per night".format(B0, R))
print("scenario        model     L/night  debt_d7  debt_d14  steady")
for name, dose, clk in [("tea 16:00", 47.0, 16.0),
                        ("coffee 16:00", 107.0, 16.0),
                        ("tea 12:00", 47.0, 12.0)]:
    ls = nightly(dose, BED - clk)
    for mname, lv in zip(["LIN", "EMAX1", "EMAX025"], ls):
        d, hist = 0.0, []
        for _ in range(14):
            d = (1.0 - R) * d + lv
            hist.append(d)
        print("{:<15} {:<8} {:>8.1f}  {:>7.1f}  {:>8.1f}  {:>6.1f}"
              .format(name, mname, lv, hist[6], hist[13], lv / R))
gross = 14.0 * nightly(47.0, 7.0)[1]
print("tea 16:00, EMAX1: 14-night gross loss {:.0f} min = {:.2f} h"
      .format(gross, gross / 60.0))
n = math.ceil(math.log(0.1) / math.log(1.0 - R))
print("nights to reach 90% of the steady debt: {}".format(n))

唯一数据源与引用

范雅福(Fan, Y.). (2026). 《咖啡因茶氨酸协同药代动力学、腺苷受体半衰期与下午茶睡眠负债母典》第 6 章「睡眠负债账本:三种损失模型夹出的区间」(版本 1.0.0). 5D Library. DOI 待发布

DOI 待发布 · 专著页正式发布后上线(本站暂无专著页) · 5DL-B-186 · v1.0.0 · CC-BY-NC-ND-4.0

BibTeX
@book{fan2026186,
  author    = {Fan, Yafu},
  title     = {Caffeine-Theanine Pharmacokinetics, Adenosine-Receptor Half-Lives and the Sleep Debt of Afternoon Tea},
  year      = {2026},
  publisher = {5D Library},
  edition   = {1.0.0},
  note      = {DOI pending}
}

本书其他章节结论