Introducere

importanța dispozitivelor de urmărire a somnului pentru consumatori

a avea suficient somn restaurativ este esențial pentru sănătatea fizică și mentală . În ultimii ani, brățările de monitorizare a somnului consumatorilor și aplicațiile de telefonie mobilă asociate au creat o modalitate eficientă pentru indivizi de a înțelege tiparele personale de somn sau de a îmbunătăți calitatea somnului în setările zilnice . Aceste dispozitive sunt relativ accesibile, ușor de utilizat și gata de cumpărare pe piața de consum. Majoritatea mansetelor consumatorilor se bazeaza pe un mecanism similar de actigrafie clinica care deduce ciclurile de trezire si somn din miscarea membrelor . Modelele nou lansate încorporează, de asemenea, alte fluxuri de biosemnale, cum ar fi ritmul cardiac pentru măsurarea etapelor de somn. Utilizatorii pot vizualiza hipnograma de somn o noapte întreagă (secvența temporală a etapelor de somn) și parametrii de somn agregate, cum ar fi timpul total de somn (TST) și raportul dintre fiecare etapă de somn pe un tablou de bord . Există tot mai multe dovezi că brățările de monitorizare a somnului cresc gradul de conștientizare a sănătății somnului și au un impact pozitiv asupra igienei personale a somnului , deși impactul pe termen lung al acestor tehnologii nu a fost elucidat . Între timp, cercetătorii și clinicienii adoptă din ce în ce mai mult Brățări de consum, cum ar fi dispozitivele Fitbit, ca instrumente de măsurare a rezultatelor în studiile de cercetare . Comparativ cu polisomnografia tradițională (PSG), dispozitivele Fitbit reduc semnificativ timpul și costul monetar pentru colectarea datelor longitudinale de somn și ar putea oferi informații bogate care nu au fost posibile pentru a colecta laboratoare sau clinici de somn în afara în trecut. Participanții pot utiliza dispozitivele în condiții de viață liberă, fără a fi nevoie de suport tehnic constant. Noua generație de dispozitive Fitbit ar putea, de asemenea, să depășească actigrafia clinică, deoarece utilizează mai multe fluxuri de biosemnale pentru stadializarea somnului, în timp ce actigrafia este capabilă să detecteze trezirea și somnul doar pe baza mișcării membrelor .

precizia dispozitivelor de urmărire a somnului pentru consumatori

pe măsură ce brățările de monitorizare a somnului pentru consumatori continuă să câștige popularitate, limitarea lor în precizia măsurării a ridicat îngrijorări largi cu privire la calitatea datelor colectate folosind aceste dispozitive . Datele de calitate scăzută pot induce în eroare utilizatorii pentru a ajunge la concluzii greșite ale somnului lor. În plus, calitatea datelor este o prioritate pentru cercetătorii care intenționează să utilizeze aceste dispozitive în studii științifice. Prin urmare, înțelegerea valabilității trackerelor de somn ale consumatorilor are beneficii practice atât pentru utilizatorii individuali, cât și pentru comunitatea de cercetare. Ca răspuns la această nevoie, multe studii au examinat acuratețea trackerelor populare de somn în comparație cu dispozitivele medicale în ceea ce privește valorile agregate ale somnului, inclusiv TST, wake after sleep debut (WASO), eficiența somnului (SE) și etapele somnului, adică somn ușor, somn profund și somn rapid cu mișcare rapidă a ochilor (REM). Aceste studii arată că modelele anterioare de brățări de consum au o problemă comună de supraestimare a somnului și de subestimare a trezirii . Modelele recente, cum ar fi Fitbit Charge 2, care se bazează pe fluxuri multiple de biosemnale au performanțe satisfăcătoare în măsurarea TST și SE, dar nu reușesc să producă rezultate precise în clasificarea etapelor de somn .deși corpul principal al studiilor de validare a fost concentrat în mod dominant pe metrici polisomnografice (de exemplu, TST, WASO, sensibilitate și specificitate), performanța brățărilor de consum în măsurarea tranzițiilor în stadiul de somn rămâne necunoscută. Cercetările privind somnul au arătat că probabilitățile de tranziție în stadiul somnului cuprind informații bogate despre tiparele de somn, care au fost considerate mai eficiente decât parametrii polisomnografici în caracterizarea stabilității somnului . Anormalitatea tranziției în stadiul somnului este un indicator important al tulburărilor de somn . Unele studii s-au bazat, de asemenea, pe probabilitățile de tranziție în stadiul somnului pentru a evalua efectul tratamentului . Semnificația clinică a dinamicii tranziției în stadiul somnului sugerează necesitatea includerii unor valori relevante (probabilități de tranziție în stadiul somnului) ca parametri de somn rezultat în studiile de validare. În Figura 1, este prezentată o vizualizare a dinamicii tranziției în stadiul somnului. Probabilitatea totală de tranziție de la o singură stare la alte state (inclusiv șederea în aceeași stare) este întotdeauna 1. SX y reprezintă probabilitatea de tranziție de la stadiul de somn X la Y. { X, Y } sunt derivate din { W, L, D, R }, care sunt abrevieri pentru trezire, somn ușor, somn profund și somn REM. De exemplu, SW XV r denotă probabilitatea de tranziție de la trezire la somn REM, iar SW XV W denotă probabilitatea de a rămâne în veghe.

semnificația acestui studiu

acest studiu a urmărit să examineze dacă ar măsura cu exactitate tranzițiile etapei de somn (probabilitățile de tranziție între somnul treaz, ușor, profund și REM) folosind Fitbit Charge 2. În ciuda studiilor de validare abundente, precizia brățărilor consumatorilor în măsurarea tranziției în stadiul de somn nu a fost investigată. De asemenea, am examinat factorii care sunt asociați cu erorile de măsurare a probabilităților de tranziție în stadiul de somn. Studiile anterioare de validare pe alte tipuri de dispozitive purtabile au constatat că precizia dispozitivului ar putea varia în funcție de modelele de somn care stau la baza, de populația studiată și chiar de modul în care a fost definită măsura . Pe aceeași linie, am selectat un set de variabile independente (posibili predictori), inclusiv caracteristicile demografice ale participanților, calitatea subiectivă a somnului măsurată de Pittsburgh Sleep Quality Index (PSQI) și calitatea obiectivă a somnului derivată din datele medicale. Variabilele dependente au fost Erorile procentuale absolute ale Fitbit Charge 2 asupra probabilităților de tranziție în stadiul de somn comparativ cu dispozitivul medical. Rezultatele acestui studiu completează studiile anterioare de validare și contribuie la stabilirea unei viziuni holistice asupra capacității brățărilor consumatorilor în măsurarea structurii somnului în condiții de viață liberă. Acest studiu stabilește, de asemenea, o referință preliminară pentru cercetătorii care intenționează să utilizeze Fitbit pentru a măsura tranzițiile etapei de somn și pentru utilizatorii individuali care se bazează pe datele Fitbit sleep pentru a lua decizii de sănătate.

vezi această cifră

metode

recrutare

am recrutat participanți prin distribuirea de afișe în jurul campusul de la Universitatea din Tokyo. În total, 38 de persoane au înregistrat interes printr-un formular web, dintre care 28 (74%) au fost eligibile să participe la studiu. Criteriile de includere impuneau ca participanții să fie adulți (vârsta>18 ani), să nu aibă afecțiuni cronice diagnosticate și să poată participa la un briefing înainte de faza de colectare a datelor. Această cercetare a fost aprobată de Comitetul etic al Universității din Tokyo. Toți participanții și-au dat consimțământul în cunoștință de cauză.

proceduri de studiu

a avut loc o informare față în față cu fiecare participant individual înainte de faza de colectare a datelor. În cadrul acestei întâlniri, am instalat aplicația Fitbit pe telefoanele mobile ale participanților și am furnizat instrucțiuni verbale despre cum să folosiți dispozitivele și cum să sincronizați dispozitivul Fitbit cu aplicația sa de telefon mobil. Participanților li s-au oferit următoarele elemente pentru colectarea datelor: un Fitbit Charge 2, un dispozitiv medical numit Sleep Scope, electrozi, Încărcătoare și manuale. La sfârșitul briefingului, participanții au fost rugați să completeze un chestionar PSQI pentru a măsura calitatea somnului perceput. PSQI este un instrument utilizat pe scară largă pentru evaluarea calității subiective a somnului în medie în ultimele 1 lună, iar un psqi 5 este un indicator al somnului perceput slab. Am colectat PSQI, deoarece se poate asocia cu precizia de măsurare a Fitbit. Mai multe detalii despre factorii potențiali de asociere a preciziei măsurătorilor vor fi furnizate în secțiunea următoare.

după briefing, participanții și-au măsurat somnul folosind ambele dispozitive timp de 3 nopți consecutive în casele lor pentru a se asigura că Fitbit Charge 2 a fost evaluat într-un cadru valid din punct de vedere ecologic. Li s-a cerut să poarte Fitbit pe încheietura nedominantă în timpul colectării datelor. Toți participanții au primit o recompensă monetară atunci când au returnat dispozitivele după colectarea datelor.

colectarea datelor

în acest studiu, am colectat date despre somn simultan folosind Fitbit Charge 2 și un dispozitiv medical. Fitbit Charge 2 (Fitbit Inc) este o brățară de activitate Purtabilă cu un accelerometru triaxial încorporat. Acesta estimează etapele de somn pentru fiecare perioadă de 30 de secunde prin integrarea datelor privind mișcarea și ritmul cardiac ale unui utilizator. Cu progrese în software și hardware, Fitbit Charge 2 a depășit unele probleme ale modelelor anterioare și este capabil să măsoare TST și SE cu o precizie bună . Un monitor medical de somn numit Sleep Scope (Sleep Well Co) a fost folosit pentru a obține adevărul la sol pe hipnogramele de somn. Sleep Scope este o electroencefalogramă cu un singur canal de calitate clinică (certificarea dispozitivului medical Japonez 225ADBZX00020000), care a fost validată împotriva PSG (acord=86,9%, valoarea medie Cohen Kappa =0,75) . Scopul somnului a fost ales în locul PSG, deoarece a permis colectarea datelor în casele participanților, mai degrabă decât într-un laborator de somn. Acest lucru asigură că Fitbit Charge 2 a fost evaluat într-un cadru valid din punct de vedere ecologic; acest lucru asigură, de asemenea, minimizarea posibilei perturbări a somnului de către un mediu necunoscut.

în faza de colectare a datelor, participanții și-au urmărit somnul timp de 3 nopți consecutive în casele lor. Urmând practica obișnuită în știința somnului, am analizat a doua noapte pentru fiecare participant pentru a elimina primul efect de noapte . Dacă datele din a doua noapte nu erau valabile, atunci au fost analizate datele din a treia noapte. Datele din prima noapte au fost selectate numai atunci când nici a doua noapte, nici a treia noapte nu au fost valabile.

datele Fitbit sleep au fost preluate prin interfața programului de aplicație (API) a Fitbit. Fitbit Charge 2 oferă date de somn la 2 nivele prin API publice. Datele nivelului de etapă cuprind niveluri de etapă de somn, inclusiv trezire, somn ușor, somn profund și somn REM. Aceste date sunt agregate la granularitate de 30 de secunde, care respectă stadializarea standard a somnului în cadrul clinic. Dacă datele de nivel de etapă nu sunt disponibile, datele de nivel clasic vor fi furnizate ca alternativă. Datele de nivel clasic cuprind niveluri de model de somn, inclusiv adormit, neliniștit și treaz și sunt agregate la o granularitate mai grosieră de 60 de secunde. În acest studiu, am fost interesați de datele de somn la nivel de etapă, iar datele clasice de nivel au fost eliminate, deoarece nu conțineau informații despre somnul profund, somnul ușor și somnul REM.

datele dispozitivului medical au fost analizate de compania Sleep Well, folosind algoritmi de notare automată brevetați, urmate de inspecția vizuală epocă de epocă de către specialiști pe baza standardelor stabilite și au fost adăugate corecții , dacă este necesar. Datele Fitbit și datele medicale au fost sincronizate pentru a vă asigura că ora de începere a fost aliniată.

pentru a examina efectul factorilor specifici utilizatorului asupra preciziei măsurătorilor, am colectat, de asemenea, date privind factorii enumerați în tabelul 1. Vârsta și sexul s-au bazat pe auto-raportare, iar PSQI a fost măsurat prin chestionarul PSQI . Valorile calității somnului au fost toate derivate din datele medicale.

analiza statistică

Obiectivul general al analizei a fost de două ori. Ne-am propus să examinăm acuratețea Fitbit Charge 2 în măsurarea tranzițiilor etapei de somn în comparație cu un dispozitiv medical. Am fost, de asemenea, interesați de asociațiile de factori specifici utilizatorului cu precizia de măsurare a Fitbit Charge 2. Toate nivelurile de semnificație statistică raportate au fost 2 fețe, iar analiza statistică a fost efectuată utilizând software-ul statistic r versiunea 3.5.3 (Fundația R).în primul rând, statica descriptivă a parametrilor somnului a fost derivată din datele medicale. Testul t asociat cu 2 cozi a fost utilizat pentru a testa dacă au existat diferențe semnificative statistic privind modelele de somn între bărbați și femei, precum și între participanții cu vârsta sub 25 de ani și peste 25 de ani. În al doilea rând, probabilitățile de tranziție în stadiul de somn au fost calculate prin împărțirea numărului de tranziții de la o stare specifică de somn la o stare specifică de somn la numărul total de tranziții de la acea stare specifică la toate stările de somn (inclusiv șederea în aceeași stare). După cum se arată în Figura 2, { X, Y și B } sunt derivate din { W, L, D și R}, iar NX y este numărul de tranziții de la stadiul de somn X la Y în timpul somnului unei nopți întregi. W, L, D și R sunt abrevierile pentru trezire, somn ușor, somn profund și somn REM. Probabilitățile de tranziție în stadiul de somn au fost calculate din datele Fitbit și datele medicale pentru fiecare participant și apoi medii pe întreaga cohortă pentru a obține probabilitățile medii de tranziție în stadiul de somn. Diferența sistematică dintre cele 2 dispozitive a fost evaluată prin aplicarea testului t asociat pe probabilitățile de tranziție în stadiul de somn. O valoare P de mai jos .05 a fost considerată semnificativă statistic. Nivelul de acord între 2 dispozitive a fost examinat folosind parcelele Bland-Altman .

vizualizați această figură

vizualizați această cifră

eroarea procentuală absolută ex-x y a fost calculată folosind ecuația din Figura 3, Unde { X, Y și B } sunt derivate din { W, L, D și R}, SFX X Y și SMX X X Y sunt probabilitatea de tranziție de la stadiul de somn X la Y, derivat din datele Fitbit și datele medicale.

pentru a examina efectul factorilor specifici utilizatorului asupra erorii procentuale absolute, setul de date a fost împărțit în 2 subseturi în funcție de valorile pragului limită enumerate în tabelul 1. Testul de rang semnat Wilcoxon a fost efectuat pentru a examina dacă au existat diferențe semnificative între cele 2 subseturi în ceea ce privește valorile de somn rezultate (probabilități de tranziție în stadiul somnului). Selectarea valorilor pragului limită a fost în concordanță cu literatura din știința somnului .

rezultate

statistici Descriptive

Un total de 28 de adulți tineri fără boli cronice au participat la studiu. Un total de 5 participanți au fost excluși din analiză din cauza eșecului de a obține date de somn la nivel de etapă cu Fitbit. Adică, doar datele clasice de somn de nivel au fost obținute de la acești participanți; datele nu aveau informații despre somnul ușor, profund și REM. Prin urmare, nu a fost posibil să se calculeze probabilitățile de tranziție în stadiul de somn pentru acești participanți. Setul de date final cuprinde astfel date despre somn de la 23 de participanți (bărbați:femei=14:9). Acest număr de participanți este comparabil cu alte studii de validare . Toți participanții au fost studenți între 21 și 30 de ani (media 24,3, SD 2,7). Un total de 8 din cei 23 de participanți au avut un PSQI mai mare de 5, ceea ce indică o calitate nesatisfăcută a somnului. S-au constatat diferențe semnificative statistic între bărbați și femei în ceea ce privește timpul de veghe (femei: 9,7 min; bărbați: 22,8 min; P=.02) și raportul dintre stadiul de somn 1 (femei: 7,7 (%); bărbați: 14,3 (%); P=.02). De asemenea, am comparat modelele de somn între participanții de mai jos și peste 25 de ani. S-au constatat diferențe semnificative statistic în ceea ce privește TST (sub 25 de ani: 308,7 min; peste 25 de ani: 396,8 min; P=.03), probabilitatea de tranziție de la somn profund la somn ușor (sub 25 de ani: 5,5%; peste 25 de ani: 1,5%; P=.02) și probabilitatea de a rămâne în somn ușor (sub 25 de ani: 85,3 (%); peste 25 de ani: 94,8 (%); P=.008).

diferențe sistematice

Tabelul 2 prezintă probabilitățile estimate de tranziție în stadiul de somn derivate din datele medicale și datele Fitbit, precum și rezultatele testului t asociat. Am calculat probabilitățile de tranziție în stadiul de somn individual pentru fiecare participant și apoi am mediat rezultatele pe întreaga cohortă. Se arată că următoarele tranziții au avut loc rar: somn profund pentru a dormi și trezi REM, somn ușor pentru a dormi REM, somn REM pentru a dormi profund și somn REM pentru a dormi ușor. Rezultatele testului t au indicat că au existat diferențe semnificative între probabilitățile de tranziție în stadiul de somn măsurate de Fitbit și cele măsurate de dispozitivul medical. Fitbit s-a abătut de la dispozitivul medical pe toate probabilitățile de tranziție, cu excepția probabilității de tranziție de la somnul ușor la somnul REM (sFL XV r = 0,9%; SML XV r =1,7%), a probabilității de tranziție de la somnul profund la trezire (SFD XV w = SMD XV w =0.2%), precum și probabilitatea de a rămâne în stadiul de somn REM (rfsct.r = rfsct. r =96,9%). În general, Fitbit a subestimat dinamica tranziției etapei de somn. Probabilitățile de a rămâne într-o etapă specifică de somn au fost semnificativ supraestimate, în timp ce probabilitățile tranzițiilor de la o etapă specifică la o etapă diferită au fost în mare parte subestimate.

nivelul de acord și corelații

figurile 4-6 arată parcelele Bland-Altman care compară Fitbit Charge 2 cu dispozitivul medical. Discrepanțele dispozitivului pentru rezultatele somnului sunt reprezentate în funcție de rezultatele medicale pentru fiecare individ. Valoarea medie a părtinirii a variat de la 0% (sr int.r și sD int. w) la aproximativ 60% (sl int. d). Nu mai mult de 2 participanți au fost situați în afara limitei inferioare a acordului sau a limitei superioare a acordului.

în conformitate cu studiile anterioare , am definit intervalul de eroare acceptabil ca ei 5%, deoarece aceasta aproximează un standard larg acceptabil pentru semnificația statistică în literatură . Pe baza acestui criteriu, nici sistematică prejudecată a fost găsit între Fitbit și dispozitive medicale în măsurarea sW→L, sW→R, sL→R, sD→W, sR→L, sR→D, și sR→R.

Figura 4 arată că nici o tendință a fost găsit între diferență și de sR→L, sL→R și sR→R. În contrast, Figura 5 și Figura 6 arată tendințele clare că măsurarea diferențele au fost mai mari mai mici sL→L, sD→D, și sW→W, iar diferențele au fost mai mari pentru o mai mare sW→L,sW→R, sW→D, sL→W, sL→D, sD→W, sD→L, sD→R, sR→W, și sR→D. Aceste constatări sugerează faptul că precizia de Fitbit Charge 2 în măsurarea tranziții de fază de somn ar putea fi deteriorat ca somnul a devenit mult mai dinamic (mai multe tranziții între diferite etape de somn).

vizualizați această figură

vizualizați această figură

vizualizați această cifră

efectul factorilor specifici utilizatorului

rezultatele testului Wilcoxon semnat-rank au arătat că o bună calitate subiectivă a somnului indicată de PSQI ca fiind mai mică de 5 a fost asociată cu erori scăzute în probabilitatea de a rămâne în stadiul de somn profund (PSQI<5, 132.1 173,1%; Psqi 5, 346,8, 250,0%; P=.04), dar a fost asociat cu erori crescute în probabilitatea de tranziție de la trezire la somnul REM (PSQI<5, 100,0 0,0%, PSQI 5, 85,1 25,5%; p=.02).

timpul de trezire mai lung de 30 de minute a fost asociat cu erori crescute în probabilitatea de tranziție de la somnul ușor la somnul REM (WASO 30, 265,8, 176,5, WASO<30, 103,9, 49,1%, p=.02), dar a fost asociat cu scăderea erorilor în probabilitatea de tranziție de la somn ușor la trezire (WASO 30, 78.6 10.2%; WASO <30, 86.7 8.6%; p=.049), precum și probabilitatea de a rămâne în veghe (WASO 30, 117.3 269.5%; WASO <30, 125.2 103.6%; p=.006).

SE peste 90% a fost asociată cu creșterea erorilor de măsurare în probabilitatea de tranziție de la somnul REM la somnul ușor (SE>90, 107,1, 53,2%, se, 90%, 55,9, 40,4%, P=.047).

în plus, vârsta mai mică de 25 de ani (vârsta<25, 7.9 5.4%; vârsta 25, 3.1 2.3%; p=.01), latența la debutul somnului (SOL) mai mică de 30 min (SOL<30, 8,6, 5,8%, SOL, 30, 4,1, 3,4%, P=.02), și raportul de somn profund de peste 20% (somn cu unde lente; SWS<20%, 3,9, 3,5%; SWS, 20, 9,5, 5,2; P=.007) au fost asociate cu o ușoară eroare de măsurare crescută a probabilității de a rămâne în stadiul de somn ușor. Cu toate acestea, erorile medii nu au fost mai mari de 10% în toate cazurile corespunzătoare.nu s-au găsit asocieri semnificative între erorile de măsurare ale Fitbit și alți factori, inclusiv sexul, TST, SOL, raportul de somn ușor, raportul de somn REM și Tavg.

discuție

constatări principale

am demonstrat o comparație numerică privind probabilitățile de tranziție în stadiul de somn între Fitbit Charge 2 și dispozitivul medical. Nivelul și limitele Acordului dintre cele 2 tipuri de dispozitive au fost ilustrate folosind parcele Bland-Altman. Rezultatele testului Wilcoxon signed-rank au fost prezentate pentru a demonstra asocierile dintre factorii specifici utilizatorului și erorile de măsurare. Acest studiu a generat 2 constatări principale. În primul rând, am constatat că Fitbit Charge 2 a subestimat dinamica tranziției etapei de somn în comparație cu dispozitivul medical. În al doilea rând, precizia dispozitivului a fost asociată în principal cu 3 factori specifici utilizatorului: calitatea subiectivă a somnului măsurată de PSQI, WASO și SE.analiza tranziției în stadiul somnului a fost utilizată pentru a caracteriza continuitatea somnului și stabilitatea temporală a crizelor non-REM și REM în știința somnului . În acest studiu, probabilitățile de tranziție în stadiul de somn derivate din datele medicale au demonstrat modele interesante. Așa cum era de așteptat, probabilitatea ca orice etapă de somn să rămână în aceeași etapă a fost constant mai mare decât cea pentru ca această etapă să se schimbe într-o etapă diferită. Tranziția directă între somnul profund și somnul REM s-a întâmplat rar. Probabilitatea tranzițiilor de la trezire la somn profund sau de la trezire la somn REM a fost scăzută. În mod similar, probabilitatea de tranziție de la somn profund la trezire a fost, de asemenea, scăzută. Aceste caracteristici au fost în concordanță cu constatările raportate în studiile anterioare de somn privind modelele de tranziție în stadiul somnului la persoanele sănătoase .

tranziția în stadiul de somn este rezultatul interacțiunilor complexe dintre multe regiuni ale creierului. Nefiind capabili să detecteze markeri în undele cerebrale, cum ar fi complexele k , brățările consumatorilor au performanțe limitate în clasificarea etapelor de somn. Studiile anterioare arată că dispozitivele Fitbit Charge 2 au supraestimat semnificativ somnul ușor și au subestimat somnul profund atunci când au fost validate în setările de laborator , în timp ce au subestimat somnul profund și au supraestimat lumina și somnul REM atunci când au fost validate în condiții de viață liberă . Acest studiu completează constatările anterioare și contribuie cu noi perspective asupra capacității Fitbit de a capta tranzițiile în stadiul de somn. În general, am observat că Fitbit Charge 2 a deviat semnificativ de la dispozitivul medical în măsurarea dinamicii tranziției în stadiul de somn. În special, probabilitățile medii de a rămâne în stadiul de veghe și în stadiul profund măsurate de Fitbit au fost semnificativ mai mari decât cele măsurate de dispozitivul medical. În schimb, Fitbit a subestimat probabilitățile tranzițiilor scenice de la somnul ușor la trezire și de la somnul ușor la somnul profund. Acest lucru se datorează probabil clasificării greșite a epocilor de trezire și somn profund în somn ușor . Părtinirea sistematică (între 40% și 60%) a fost ilustrată în comploturile Bland-Altman asupra acestor probabilități de tranziție în stadiul somnului. Pe de altă parte, nu s-au observat prejudecăți sistematice și diferențe medii în măsurarea probabilității de a rămâne în stadiul de somn REM. Acest rezultat oferă dovezi complementare constatării din studiul realizat de De Zambotti și colab.că Fitbit Charge 2 a fost de acord cu dispozitivele medicale în detectarea somnului REM.

un aspect unic al acestui studiu este că am examinat, de asemenea, efectul factorilor specifici utilizatorului și am găsit mai multe asociații. Analiza noastră a arătat că calitatea subiectivă a somnului măsurată de PSQI, wake after WASO și SE au fost predictori semnificativ puternici ai erorilor de măsurare în probabilitățile de tranziție în stadiul somnului. Raportul de vârstă, SOL și somn profund au fost predictori semnificativi, dar slabi, în timp ce sexul, TST, raportul de somn ușor, raportul de somn REM și ciclul mediu de somn nu au fost asociate cu erorile de măsurare ale Fitbit.în ciuda constatării din studiile anterioare de validare că calitatea slabă a somnului este asociată cu performanța deteriorată a dispozitivelor de monitorizare a somnului în măsurarea valorilor de somn polisomnografice , acest studiu arată că relația este mai complicată între calitatea somnului și precizia dispozitivului în măsurarea tranzițiilor în stadiul somnului. Într-adevăr, am constatat că o bună calitate subiectivă a somnului (PSQI<5) a fost asociată cu scăderea erorii de măsurare a probabilității de a rămâne în stadiul de somn profund, iar somnul mai puțin fragmentat (WASO<30 min) a fost asociat cu scăderea erorilor în probabilitatea de tranziție de la somnul ușor la somnul REM. Cu toate acestea, se constată, de asemenea, că un somn bun caracterizat prin debutul rapid al somnului (SOL<30 min), un raport ridicat de somn profund (SWS>20%), un sentiment subiectiv bun (PSQI<5), treziri scurte (WASO<30 min) și se ridicat (se>90%) au fost asociate cu erori de măsurare crescute în diferite probabilități de tranziție a rezultatelor. Acest rezultat contrazice constatările anterioare privind actigrafia care au deteriorat somnul (de exemplu, WASO lung și SOL) au crescut erorile de măsurare . Această disparitate sugerează că constatările legate de actigrafia clinică nu ar trebui generalizate la brățările consumatorilor fără validare suplimentară.în plus, vârsta sa dovedit a fi un predictor semnificativ, dar slab al erorilor de măsurare. Participanții cu vârsta cuprinsă între 25 și 30 de ani au scăzut erorile de măsurare în probabilitatea de a rămâne în stadiul de somn ușor, comparativ cu cei mai tineri de 25 de ani. Deoarece vârsta a fost recunoscută pe scară largă ca un factor semnificativ care modifică modelele de somn , efectul vârstei poate fi, de asemenea, urmărit până la diferența dintre modelele de somn care stau la baza. Datele medicale privind somnul au arătat că participanții mai tineri au avut, în general, un somn mai scurt și o dinamică mai mare de tranziție a stadiului de somn (trecerea de la somnul profund la somnul ușor), ceea ce poate explica creșterea erorilor de măsurare. Cu toate acestea, această constatare nu ar trebui generalizată la o gamă largă de grupe de vârstă din cauza eșantionării limitate a vârstei în acest studiu. Sunt necesare studii suplimentare pentru a examina sistematic efectul vârstei asupra preciziei dispozitivului.

constatările noastre le completează pe cele ale studiilor anterioare de validare privind brățările consumatorilor pentru urmărirea somnului în general. Fitbit Charge 2 a demonstrat performanțe satisfăcătoare în măsurarea TST și SE, dar rămâne incapabil să clasifice etapele de somn cu o precizie bună . Constatările noastre arată că Fitbit Charge 2 poate subestima, de asemenea, dinamica tranziției somnului și, prin urmare, ar trebui utilizată cu prudență. Acest studiu stabilește o referință preliminară pentru cercetătorii care intenționează să utilizeze dispozitivul Fitbit pentru a măsura tranzițiile etapei de somn în studiile științifice, iar acest studiu sugerează că atât modelele de somn percepute, cât și cele obiective pot fi luate în considerare atunci când aleg instrumentele de monitorizare a somnului.

limitări

Acest studiu este supus următoarelor limitări. În primul rând, participanții reprezintă o populație tânără sănătoasă, lipsită de tulburări de somn sau boli cronice. Prin urmare, rezultatele nu pot fi generalizate la populațiile mai în vârstă sau clinice. În al doilea rând, faza de colectare a datelor nu a fost longitudinală și a fost analizată doar 1 noapte de somn de la fiecare participant. Astfel, rezultatele pot să nu numere variațiile intrapersonale. În al treilea rând, lista factorilor potențiali care afectează investigați în acest studiu nu a fost exhaustivă și poate fi afectată de eșantionarea limitată. Cercetările ulterioare ar trebui să abordeze aceste limitări prin includerea unei populații diverse, extinderea duratei de colectare a datelor și examinarea efectului altor predictori potențiali ai preciziei dispozitivului.

concluzii

am demonstrat că Fitbit Charge 2 a subestimat semnificativ dinamica tranziției stadiului de somn în comparație cu dispozitivul medical și că precizia măsurării ar putea fi afectată în principal de calitatea somnului percepută, continuitatea somnului și SE. În ciuda tendinței pozitive de precizie sporită pentru cele mai recente trackere de somn purtabile pentru consumatori, limitarea acestor dispozitive în detectarea dinamicii tranziției în stadiul de somn trebuie recunoscută. Ca instrument de măsurare a rezultatelor, Fitbit Charge 2 poate să nu fie potrivit pentru studii de cercetare legate de tranzițiile în stadiul somnului sau pentru luarea deciziilor în domeniul sănătății. Cercetările ulterioare ar trebui să se concentreze pe îmbunătățirea acurateței acestor brățări de consum în măsurarea nu numai a parametrilor polisomnografici, ci și a dinamicii tranziției în stadiul de somn.