远程睡眠监测技术在实际应用中显示出与认知能力下降相关的特定模式

《npj Digital Medicine》：Real-world deployment of remote sleep monitoring technologies reveals distinct patterns associated with cognitive decline

　　

摘要

研究睡眠模式与年龄增长及痴呆症之间的关系，可为风险筛查提供依据。将预测模型与远程睡眠监测相结合，可对高风险群体的认知功能衰退症状进行常规评估，从而帮助及早识别风险。我们开发了一种机器学习方法，利用普通人群和痴呆症患者群体（n = 1672；个体样本数 = 18,369）的长期床垫下睡眠传感器数据来估算睡眠年龄指数，以此判断痴呆症风险。风险评分被分为高、中、低三类，以辅助临床决策。研究表明，痴呆症患者的睡眠模式并不符合典型的衰老规律，预训练模型显示出比“正常”年龄相关模式更大的偏差。这些偏差表现为就床和起床时间不规律，以及深度睡眠的夜间差异性降低。在独立数据上，通过睡眠数据预测实际年龄的平均绝对误差为5.52（95%置信区间：5.37–5.67）。在未见过的数据中，经过风险分层后，该模型在痴呆症患者组中的灵敏度为75.7%（95%置信区间：71.4%–79.9%），特异性为74.7%（95%置信区间：69.2%–80.0%）。在一个小型高风险群体（n = 50）的试验中，模型预测结果相比临床判断存在轻微的正向偏差（平均差异为0.98，一致性范围为?0.83–2.78）。这些发现表明，远程睡眠监测和预测建模在识别那些可能需要进一步临床评估和早期干预的个体方面具有潜力。