《Chronobiology International》:Identifying IN and OUT of bedtimes in patients with advanced cancer using self-reported methods, accelerometry and automated algorithms: Implications for measures of sleep and circadian rhythmicity
编辑推荐:
该研究评估了识别入睡和起床时间的几种方法,比较了它们的可靠性、准确性以及对计算睡眠和昼夜节律参数的影响。在一项为期12个月的观察性研究中,72名晚期癌症成年患者佩戴了腕部和腿部加速度计(accelerometer)72小时,并完成了睡眠日记以及关于睡眠时型(c
该研究评估了识别入睡和起床时间的几种方法,比较了它们的可靠性、准确性以及对计算睡眠和昼夜节律参数的影响。在一项为期12个月的观察性研究中,72名晚期癌症成年患者佩戴了腕部和腿部加速度计(accelerometer)72小时,并完成了睡眠日记以及关于睡眠时型(chronotype)、睡眠质量和日间嗜睡(daytime sleepiness)的问卷。入睡和起床时间通过患者日记、腕部加速度计事件标记(event marker)和自动加速度计算法(automated accelerometry algorithm)确定。自动算法比患者自报告方法更一致地识别了入睡和起床时间(93–100%对比48–83%),尽管两种方法都存在时间低估和高估。所有方法的时间值显著相关(p?0.001)。患者自报告方法之间(患者日记和手表事件标记,组内相关系数ICC 0.829–0.877)以及患者自报告方法与腿部加速度计之间(ICC 0.892)观察到极好的一致性。事件标记比睡眠日记更准确,与相关的DOWN(卧位)和UP(直立位)时间表现出更接近的一致性。识别入睡和起床时间的方法选择影响了计算的睡眠潜伏期(sleep onset latency, SOL)、睡眠百分比(percent sleep, PSLP)和二分类指数(dichotomy index, I?**论文解读:晚期癌症患者入睡和起床时间识别方法的比较研究**
**研究背景与问题**
准确识别入睡时间(IN)和起床时间(OUT)是评估睡眠和昼夜节律的关键前提,直接影响睡眠效率(sleep efficiency, SE)和二分类指数(dichotomy index, I?
**研究内容与结论**
研究人员开展了一项为期12个月的观察性研究,纳入72名晚期癌症成年患者,同时佩戴腕部加速度计(MicroMotionlogger?)和腿部加速度计(ActivPAL?)72小时,并完成睡眠日记、睡眠时型(MEQ)、睡眠质量(bPSQI)和日间嗜睡(ESS)问卷。通过患者日记、腕部事件标记和两种自动算法(腕部Action-W2和腿部MATLAB)确定IN和OUT时间,并比较其可靠性、准确性及对睡眠参数(SOL、WASO、SE、PSLP、I?
**关键技术方法**
研究采用的方法包括:1)患者自报告方法:患者日记和腕部加速度计事件标记(手动记录IN和OUT时间);2)加速度计设备:腕部加速度计(MicroMotionlogger?)和腿部加速度计(ActivPAL?),后者提供体位数据(DOWN/UP);3)自动算法:腕部Action-W2(自动设置下床间隔功能)和腿部MATLAB算法(基于MATLAB软件处理加速度计数数据);4)数据对齐与验证:将自报告IN/OUT时间与最近DOWN/UP时间及活动周期结束/开始时间进行比对,利用组内相关系数(ICC)、Bland-Altman图和Mann-Whitney检验评估方法间一致性及对参数的影响。样本队列来源为St James’ Hospital – Tallaght University Hospital的晚期癌症门诊患者,研究注册于ClinicalTrials.gov(NCT06329479)。
**研究结果**
**IN和OUT时间的可用性**:72小时监测期内共有4次IN/OUT时间。自动算法(Action-W2 100%,MATLAB 93%)一致性最高,患者日记(83%)次之,事件标记(48%)最低。MATLAB无法计算最终OUT时间(因上午移除设备),但其余7个时间点93%的参与者可获得。
**方法间绝对时间差异的变异**:各方法间存在时间高估和低估,无一致模式。患者自报告方法之间(日记与事件标记)以及自报告方法与腿部MATLAB之间的中位绝对时间差更小(如IN时间中位差1–2分钟)。Bland-Altman图显示,自报告方法间一致性最佳,与腿部自动算法次之,与腕部自动算法差异最大。
**主观测量与腿部加速度计的时间差**:自报告IN时间与最近DOWN时间的中位绝对差,事件标记(1分钟)优于日记(5分钟);OUT时间与最近UP时间的中位差,事件标记(2分钟)优于日记(4分钟)。事件标记在确定IN和OUT时间上更准确,但日记的可用性更高。
**使用腿部加速度计数据调整自报告方法**:通过比对DOWN/UP和活动周期,确定最可能的IN/OUT时间。IN时间中,事件标记被优先采用(47.7%),日记为21.1%;OUT时间中,事件标记(44.5%)优于日记(27.7%)。事件标记在准确性上占优。
**不同方法时间值的相关性**:所有IN和OUT时间均显著正相关(p?0.001)。IN时间中,日记与事件标记一致性极好(ICC 0.829),事件标记与MATLAB(ICC 0.733)和日记与MATLAB(ICC 0.731)一致性良好。OUT时间中,日记与MATLAB(ICC 0.892)和日记与事件标记(ICC 0.877)极好,事件标记与MATLAB(ICC 0.738)良好,腕部自动算法与MATLAB(ICC 0.655)尚可。腿部自动算法与自报告方法更一致。
**IN和OUT时间对睡眠和昼夜节律参数计算的影响**:I?
**讨论与结论**
讨论部分指出,自动算法能更频繁地识别IN/OUT时间,但患者自报告方法(尤其是事件标记)与腿部加速度计的一致性更好。方法选择影响I?
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号