使用大型社区数据集比较和验证actigraphy算法:算法验证研究研究
Darshan Panesar1, Aashish Vichare2, Jason Goncalves3
1Applied Psychology and Human Development, Ontario Institute for Studies in Education, University of Toronto, 252 Bloor Street West, Toronto, ON, M5S 1V6, Canada, 1 416 934 4503.
JMIR formative research
|December 11, 2025
概括
传统的动图算法可以准确地检测不同人群的睡眠和觉醒,但可能会在精确的睡眠指标评估中扎. 这项研究验证了它们在包括老年人在内的大量多样样样本中的使用.
科学领域:
- 睡眠科学 睡眠科学
- 生物医学工程 生物医学工程
- 老年学是一门学科.
背景情况:
- 基于手表的动图是临床睡眠监测的常见替代方案.
- 现有的动图算法主要在小,同质的年轻,健康个体群体上进行验证.
研究的目的:
- 在多样化的人口中,评估已建立的行为图算法与多梦图的准确性和一致性.
- 评估关键睡眠指标的协议,如总睡眠时间,睡眠效率和睡眠开始后的觉醒.
主要方法:
- 通过MESA睡眠数据集将五种传统的动图算法 (Cole-Kripke,UCSD,Kripke 2010,Philips-Respironics,Sadeh) 与多睡眠学进行了比较.
- 使用了1440名参与者 (平均年龄69.36) 的时代比较,混矩阵,ROC曲线,AUC和Bland-Altman分析.
主要成果:
- 所有算法都实现了78%至80%的准确性,其中Kripke 2010,Cole-Kripke和Philips-Respironics显示了最高的性能.
- 在所有算法中都观察到中度一致性 (Cohen κ) 和相关性 (Matthews).
- 在关键睡眠指标 (TST,SE,WASO) 中,在算法中发现了显著的平均差异.
结论:
- 传统的动图算法在包括老年人在内的庞大多样群体中显示出睡眠/清醒检测的高准确性.
- 这些算法在精确量化睡眠指标方面可能存在局限性,特别是对于睡眠障碍或不规则睡眠模式的人来说.
