著名医師による解説が無料で読めます
すると翻訳の精度が向上します
研究の目的：睡眠を監視すると主張するいくつかの安価で容易に入手可能なスマートフォンアプリは、患者の間で人気があります。ただし、それらの精度は不明であり、広範な臨床使用を制限しています。したがって、この研究を実施して、IPHONEの1つのアプリであるSleep Time App（Azumio、Inc.、Palo Alto、CA、USA）によって報告されたパラメーターの妥当性を評価しました。 方法：以前に診断された睡眠障害のない20人のボランティアが、アプリを同時に使用しながら、ラボリオムノグラフィ（PSG）を受けました。アプリによって報告されたパラメーターは、PSGによって取得されたパラメーターと比較されました。さらに、PSGとAPPグラフを15分のエポックに分割することにより、エポックごとの分析を実行しました。 結果：PSGとAPPの睡眠効率（r = -0.127、p = 0.592）、軽い睡眠率（r = 0.024、p = 0.921）、深い睡眠率（r = 0.181、p = 0.444）または睡眠の間に相関はありませんでしたレイテンシ（rs = 0.384、p = 0.094）。アプリは、睡眠効率をわずかに0.12％（95％信頼区間[CI] -4.9〜5.1％、P = 0.962）にわずかに過大評価していました。、深い睡眠を11.1％（CI 4.7-17.4％、p = 0.008）に著しく過大評価し、15.6分（CI 9.7-21.6、p <0.0001）までの睡眠遅延を有意に過大評価しました。エポックワイズの比較では、ステージ間の識別が不十分であるため、全体的な精度が低い（45.9％）が、睡眠覚醒検出の精度が高いことを示しました（85.9％）。このアプリは感度が高いが、睡眠の検出において特異性が低かった（それぞれ89.9％と50％）。 結論：我々の研究は、iPhoneのSleep Timeアプリ（Azumio、Inc。）によって報告された絶対パラメーターと睡眠のステージングがPSGとの相関が不十分であることを示しています。アプリの睡眠覚醒検出とアクチグラフィを比較するさらなる研究は、潜在的な臨床的有用性を解明するのに役立つ可能性があります。 解説：この記事の解説は、695ページのこの号に掲載されています。
研究の目的：睡眠を監視すると主張するいくつかの安価で容易に入手可能なスマートフォンアプリは、患者の間で人気があります。ただし、それらの精度は不明であり、広範な臨床使用を制限しています。したがって、この研究を実施して、IPHONEの1つのアプリであるSleep Time App（Azumio、Inc.、Palo Alto、CA、USA）によって報告されたパラメーターの妥当性を評価しました。 方法：以前に診断された睡眠障害のない20人のボランティアが、アプリを同時に使用しながら、ラボリオムノグラフィ（PSG）を受けました。アプリによって報告されたパラメーターは、PSGによって取得されたパラメーターと比較されました。さらに、PSGとAPPグラフを15分のエポックに分割することにより、エポックごとの分析を実行しました。 結果：PSGとAPPの睡眠効率（r = -0.127、p = 0.592）、軽い睡眠率（r = 0.024、p = 0.921）、深い睡眠率（r = 0.181、p = 0.444）または睡眠の間に相関はありませんでしたレイテンシ（rs = 0.384、p = 0.094）。アプリは、睡眠効率をわずかに0.12％（95％信頼区間[CI] -4.9〜5.1％、P = 0.962）にわずかに過大評価していました。、深い睡眠を11.1％（CI 4.7-17.4％、p = 0.008）に著しく過大評価し、15.6分（CI 9.7-21.6、p <0.0001）までの睡眠遅延を有意に過大評価しました。エポックワイズの比較では、ステージ間の識別が不十分であるため、全体的な精度が低い（45.9％）が、睡眠覚醒検出の精度が高いことを示しました（85.9％）。このアプリは感度が高いが、睡眠の検出において特異性が低かった（それぞれ89.9％と50％）。 結論：我々の研究は、iPhoneのSleep Timeアプリ（Azumio、Inc。）によって報告された絶対パラメーターと睡眠のステージングがPSGとの相関が不十分であることを示しています。アプリの睡眠覚醒検出とアクチグラフィを比較するさらなる研究は、潜在的な臨床的有用性を解明するのに役立つ可能性があります。 解説：この記事の解説は、695ページのこの号に掲載されています。
STUDY OBJECTIVES: Several inexpensive, readily available smartphone apps that claim to monitor sleep are popular among patients. However, their accuracy is unknown, which limits their widespread clinical use. We therefore conducted this study to evaluate the validity of parameters reported by one such app, the Sleep Time app (Azumio, Inc., Palo Alto, CA, USA) for iPhones. METHODS: Twenty volunteers with no previously diagnosed sleep disorders underwent in-laboratory polysomnography (PSG) while simultaneously using the app. Parameters reported by the app were then compared to those obtained by PSG. In addition, an epoch-by-epoch analysis was performed by dividing the PSG and app graph into 15-min epochs. RESULTS: There was no correlation between PSG and app sleep efficiency (r = -0.127, p = 0.592), light sleep percentage (r = 0.024, p = 0.921), deep sleep percentage (r = 0.181, p = 0.444) or sleep latency (rs = 0.384, p = 0.094). The app slightly and nonsignificantly overestimated sleep efficiency by 0.12% (95% confidence interval [CI] -4.9 to 5.1%, p = 0.962), significantly underestimated light sleep by 27.9% (95% CI 19.4-36.4%, p < 0.0001), significantly overestimated deep sleep by 11.1% (CI 4.7-17.4%, p = 0.008) and significantly overestimated sleep latency by 15.6 min (CI 9.7-21.6, p < 0.0001). Epochwise comparison showed low overall accuracy (45.9%) due to poor interstage discrimination, but high accuracy in sleep-wake detection (85.9%). The app had high sensitivity but poor specificity in detecting sleep (89.9% and 50%, respectively). CONCLUSIONS: Our study shows that the absolute parameters and sleep staging reported by the Sleep Time app (Azumio, Inc.) for iPhones correlate poorly with PSG. Further studies comparing app sleep-wake detection to actigraphy may help elucidate its potential clinical utility. COMMENTARY: A commentary on this article appears in this issue on page 695.
医師のための臨床サポートサービス
ヒポクラ x マイナビのご紹介
無料会員登録していただくと、さらに便利で効率的な検索が可能になります。