Estimación de la postura del sueño de forma discreta mediante sensores de presión en el hogar

Área de la Ciencia:

• Ingeniería Biomédica
• Ciencia del Sueño
• Tecnología Vestible

Sus antecedentes:

• La postura del sueño influye significativamente en la salud y la calidad del sueño, afectando los indicadores fisiológicos.
• Los métodos existentes de estimación de la postura a menudo carecen de validación en entornos del mundo real.
• La monitorización precisa y no invasiva del sueño es crucial para comprender los trastornos del sueño y mejorar los resultados de los pacientes.

Objetivo del estudio:

• Desarrollar y validar un método novedoso para determinar la postura del sueño en entornos reales utilizando datos de sensores de presión.
• Evaluar la viabilidad de implementar tecnologías de monitorización del sueño en la vida diaria y en contextos clínicos.
• Contribuir al desarrollo de sistemas de monitorización del sueño a largo plazo, no invasivos y explicables.

Principales métodos:

• Se entrenó un algoritmo de máquina de vectores de soporte (SVM) utilizando datos de resistencia sensible a la fuerza (FSR) de 22 participantes en un entorno de laboratorio.
• El SVM clasificó cuatro posturas de sueño (decúbito supino, decúbito lateral izquierdo, decúbito lateral derecho, prono) basándose en características extraídas (área, curvatura, relación de longitud de fila).
• Se evaluó el rendimiento del algoritmo utilizando datos FSR de 10 participantes en sus entornos domésticos.

Principales resultados:

• El modelo SVM logró una precisión del 78,1 % y un kappa de Cohen de 0,71 en datos de laboratorio.
• Cuando se aplicó a datos del entorno doméstico, el método demostró un mayor rendimiento con una precisión del 86,1 % y un kappa de Cohen de 0,76.
• El modelo clasificó con éxito cuatro posturas de sueño distintas en condiciones reales y no controladas.

Conclusiones:

• El modelo de estimación de la postura del sueño entrenado en un entorno de laboratorio mantiene un alto rendimiento en condiciones del mundo real.
• Esto valida la viabilidad de utilizar tecnología basada en sensores de presión para la monitorización del sueño no invasiva y a largo plazo.
• Los hallazgos respaldan el potencial de aplicaciones clínicas en sistemas integrados y entornos hospitalarios, enfatizando modelos explicables basados en características.