使用EEG特征对睡眠丧失的弹性和脆弱性的个性化预测
Manivannan Subramaniyan1,2, John D Hughes3, Tracy J Doty3
1Department of Defense Biotechnology High Performance Computing Software Applications Institute, Telemedicine and Advanced Technology Research Center, U.S. Army Medical Research and Development Command, Fort Detrick, Maryland, USA.
Journal of sleep research
|April 18, 2024
概括
现在可以利用常规睡眠的脑电图 (EEG) 来预测睡眠丧失的弹性. 这种方法分析慢波活动 (SWA) 功率和上升率,以将个人分类为有弹性或易受睡眠剥夺的影响.
科学领域:
- 神经科学是一个神经科学.
- 睡眠科学 睡眠科学
- 生物医学工程 生物医学工程
背景情况:
- 个人对睡眠不足的反应有很大差异.
- 目前的预测方法受到可扩展性和依赖于努力的测试的限制.
- 预测睡眠丧失表型对于个性化睡眠医学至关重要.
研究的目的:
- 开发一种可扩展的方法来预测睡眠丧失表型.
- 利用常规睡眠中的脑电图 (EEG) 功能进行预测.
- 确定与抗性或对睡眠剥夺的脆弱性相关的EEG标志物.
主要方法:
- 五项涉及96名健康年轻成年人的研究的回顾性分析.
- 从基线EEG提取慢波活动 (SWA) 功率和SWA上升率.
- 开发物流回归分类器来预测睡眠丧失表型.
- 使用独立测试数据集对分类器性能进行评估.
主要成果:
- 来自左脑半球的EEG特征是最有预测力的.
- 分类器实现了0.68的接收器运行特征曲线下的平均面积,用于弹性预测.
- 预测弹性的准确度为0.72,具有很高的特异性 (0.84).
- 在预测睡眠丧失的脆弱性方面也观察到类似的表现.
结论:
- 常规睡眠EEG特征,特别是SWA功率和上升率,可以预测一个人的睡眠丧失表型.
- 这种方法为当前的预测方法提供了一个可扩展和非侵入性的替代方案.
- 这些发现支持基于EEG分析的个性化睡眠干预的潜力.
