目的：睡眠质量差在人群中普遍存在，可能对身心健康产生重大影响。然而，目前我们对睡眠质量不良背后复杂机制的理解仍不完整，尤其是在涉及各类影响因素方面。为此，我们采用数据驱动的因果发现分析（CDA）方法探索睡眠质量的因果路径。

研究对象与方法：我们依托人类连接组计划（HCP）的大样本健康年轻人数据集（n=1206，其中女性占54%，未婚/非同居者占56%），通过探索性因子分析将122个表型变量聚类为21个因子，并计算13个静息态脑网络的功能连接性。随后，利用贪婪快速因果推断算法（GFCI），将所得表型因子、脑网络连接性以及睡眠质量同步整合至因果发现分析，最终构建因果模型。

结果：该模型提出分层结构，因果效应通过跨多个领域的复杂交互作用进行传递，最终关联睡眠质量变化。因果模型识别出三个直接关联睡眠质量的表型因素（负性情绪、躯体化和延迟折扣）。此外，我们分别针对不同性别（男性、女性）及关系状态（未婚/非同居、已婚/同居）人群构建睡眠质量因果模型，发现了若干特定人口学特征相关的因果路径。

结论：我们的数据驱动模型揭示了不同领域因素影响睡眠质量的复杂机制，并强调若干关键影响因素，这对睡眠理论发展及睡眠质量改善具有重要启示意义。