在儿童和青少年中,自动化睡眠评分方法对动图数据的性能
Pin-Wei Chen1, Erica C Jansen2, Christopher M Cielo3,4
1Department of Biomedical and Health Informatics, Children's Hospital of Philadelphia Research Institute, Philadelphia, PA, USA.
Sleep
|September 19, 2025
概括
GGIR R套件使用动图数据准确估计了儿童的睡眠. 它的算法表现良好,为儿科睡眠研究提供了基准数据.
科学领域:
- 儿科睡眠科学 儿科睡眠科学
- 生物医学数据处理
- 在健康领域的可穿戴技术.
背景情况:
- 准确的儿童睡眠估计对于了解健康至关重要.
- GGIR R包提供用于睡眠分析的原始加速数据的自动处理.
- 需要在儿科群体中验证GGIR算法.
研究的目的:
- 评估三个GGIR睡眠算法的标准有效性,与儿童的多睡眠学 (PSG) 相比.
- 从队列研究 (面部有效性) 中描述GGIR衍生的典型发育儿童的睡眠估计.
主要方法:
- 标准有效性:30名儿童 (8-16岁) 接受了实验室PSG和动图.
- 面部有效性:分析了4个社区数据集 (N=1202),其中包括3至18岁的儿童.
- GGIR (v.3.0-0) 使用Cole-Kripke (CK),Sadeh (S) 和van Hees (vH) 算法处理了原始加速数据.
主要成果:
- 在实验室的标准评估显示了0.80 (CK),0.76 (vH) 和0.67 (S) 的平衡精度.
- 阻塞性睡眠呼吸暂停 (OSA) 在60%的实验室队列中被诊断出.
- 来自队列数据的睡眠估计与实验室表现一致,算法之间存在差异 (例如,GGIR-S估计睡眠时间长达1小时).
结论:
- GGIR算法在估计儿童睡眠/清醒时表现出可接受的性能.
- 提供了基准数据,以确定GGIR在处理儿科加速数据中的适用性.
- 结果指导研究人员使用GGIR进行自动化儿科睡眠分析.
