Wearable Sleep Technology in Clinical and Research Settings (1)

Wearable Sleep Technology in Clinical and Research Settings

 

수면에 대한 정확한 평가는 건강과 질병에 대한 수면의 역할을 더 잘 이해하고 평가하기 위해 중요하다. 웨어러블 기술의 붐은 디지털 건강 혁명의 일부이며 여러 센서에서 데이터를 수집하고 수면을 포함한 사용자의 행동에 대한 정보를 추출한다고 주장하는 새롭고 매우 정교하며 상대적으로 저렴한 소비자 장치를 많이 생산하고 있다. 이 장치들은 이제 활동뿐만 아니라 심박수와 그 변동성, 피부 전도도 및 온도를 결정하기 위해 다양한 생체 신호를 캡처할 수 있다. 이들은 전례없는 24 / 7의 성능을 발휘하여 압도적인 빅 데이터를 생성하며, 사용자의 상태를 획기적으로 파악할 수 있는 창을 제공할 수 있다. 불행하게도, 과학 수면 공동체 안팎에는 그것들의 사용에 대한 지침이 거의 존재하지 않아, 그것들의 타당성과 적용에 대한 혼란과 논란으로 이어졌다. 현재의 최첨단 리뷰는 임상 실습 및 연구에서 소비자 웨어러블 수면 추적기의 사용, 검증 및 유용성을 강조하는 것을 목표로 한다. 장치 성능의 표준화된 평가를 위한 지침은 필요한 것으로 간주되며 임상 및 수면 연구 프로토콜에서 이러한 장치를 사용하기 전에 몇 가지 중요한 요소 (독자적 알고리즘, 장치 오작동, 펌웨어 업데이트)를 고려해야 한다. 궁극적으로 웨어러블 수면 기술은 수면 건강에 대한 이해를 증진시킬 수 있는 가능성을 가지고 있지만, 수면 연구 및 임상 수면 의학에 적용되는 이 기술의 이점과 함정을 이해하면서 신중한 길을 탐색할 필요가 있다.

 

Testing and understanding the performance of a consumer wearable sleep tracker

 

연구 간 비교를 돕기 위해 표준 타당성 테스트 수단을 사용하는 것이 좋다. 그림은 PSG에 대해 웨어러블의 성능 (유효성)을 평가하기 위해 권장되는 단계를 설명하고 이러한 단계는 여기에서 자세히 설명한다.

 

수면다원검사 (PSG)에 대한 소비자 웨어러블 수면 추적기의 성능 분석 및 평가를 위한 권장 사항

 

수면 장치를 검증할 때 제어된 실험실 내 PSG를 참조해야 한다. 그러나 실험실 내 PSG (유형 1)의 장벽과 한계 (ex: 비용, 시간, 인위적 설정) 및 보다 자연스러운 설정 (웨어러블이 사용되는 경우)에서 웨어러블 장치를 평가해야 할 필요성을 고려할 때 검증된 무인 보행 PSG (유형 2, 포괄적인 휴대용 PSG)도 적합하다. 이것은 수면 관련 호흡 장애의 평가 및 관리와 같이 보행 PSG가 일상적으로 사용되는 편리한 인구에서 웨어러블 장치의 성능을 평가할 때 특히 그렇다. 재택 환경에서 PSG 장치 비교의 주요 과제 중 하나는 비교를 위한 시간 창, 특히 일반적으로 참가자의 자체 보고 데이터에 의해 결정되는 취침 시간 (소등)을 정확하게 선택하는 것이다. 야간 및 주간 수면 모두에 대해 조명 끄기 및 켜기 시간을 기록하는 주의 깊은 지침은 부분적으로 제한을 극복할 수 있다. 장치 검증을 위해 웨어러블과 표준 액티그래피를 직접 비교하는 것은 피해야 한다. 실제로 이것은 결정적이지 않고 오해의 소지가 있는 결과를 초래할 수 있다. 웨어러블과 표준 액티그래피가 모두 PSG와 함께 사용되는 경우 두 장치를 모두 PSG와 직접 비교하고 그에 따라 데이터 결과를 해석해야 한다. 현재의 PSG 득점 시스템은 거의 50년 전에 도입된 것과 유사하며 수면 구성의 이산적인 임의와 시각적 결정에 의존한다. 이를 감안할 때 연구 검증에 사용된 PSG 기록은 결과에서 잠재적인 평가자별 편향을 피하기 위해 항상 이중 점수 (두 명의 독립적인 채점자)여야 한다고 생각한다. 높은 (보통 > 90%) 채점자 간 합의 (또는 평가자 간 신뢰도)를 설정해야 한다.

 

Synchronization

 

검증 연구에서 첫 번째 단계는 정확한 PSG 장치 동기화를 보장하는 것이다. 대부분의 웨어러블 장치는 수면 매개변수 또는 에포크별 스테이징 계산 방법 (ex: 서버 클록, 장치 클록)에 대한 특정 타이밍을 공개하지 않지만 특히 EBE (Epoch-by-Epoch) 분석을 수행할 때 동기화가 중요하다. 최근에는 PSG 장치 불일치에 대한 PSG 장치 동기화 불일치의 영향을 보여주었다.

 

최소한 PSG와 웨어러블 장치가 실행되는 컴퓨터 시간의 동기화가 수행되어야 한다. 그러나 이 절차는 자동 장치 수면 단계 알고리즘의 정확한 시작 / 오프셋이 알려지지 않은 경우 정확한 PSG와 웨어러블의 동기화를 보장하지 않는다. 연구에서는 수면 주기 (Rounded Time)를 예를 들면 22:32:00에 PSG 기록 (시간 0)을 시작하는 것이 일반적이다.

 

Direct comparison between PSG and wearable outcomes

 

통계 도구를 통해 장치에서 제공하는 PSG 결과와 PSG와 동등한 수면 결과를 비교하는 것은 모든 수면 추적기의 신뢰성을 평가하는 첫 번째 단계입니다. 개체 내 테스트 (ex: t-테스트, 반복 측정 ANOVA) 장치 대 PSG의 여러 결과의 평균 및 표준 편차 (SD)를 비교한다. 이 단계는 Bland-Altman 편향을 해석하기 위한 기초를 형성하는 장치에 의한 PSG 결과를 과대평가 / 과소평가할 때 잠재적인 중요성을 해석하는 데 기본적이다. 그러나 이러한 분석은 참가자 행동의 이질성, 즉 일부 피험자는 매우 높은 WASO를 갖고 다른 피험자는 매우 적은 양의 WASO를 갖는 것과 같은 행동의 높은 변동성을 설명하지 않는다. 후자의 문제는 평균 인구 행동과 참가자 결과의 자연스러운 이질성을 모두 설명할 수 있는 혼합 효과 모델을 사용하여 극복할 수 있다.

 

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6579636/

Wearable Sleep Technology in Clinical and Research Settings