軽度の睡眠障害のモデルにおける年配の男性と女性の不均一なグループにおけるアクチグラフィとポリソムノグラフィと比較した3つの非接触睡眠技術：睡眠臨床研究

背景：非接触睡眠技術（CSTS）は、コミュニティおよび大規模な縦断的で目立たない睡眠監視の約束を保持しています。それらは、睡眠障害が身体的および精神的健康の劣化を示している可能性がある高齢の集団で特に有用である可能性がありますが、非常に一般的です。ただし、高齢者ではCSTが評価されていません。 目的：この研究では、高齢者のポリソムノグラフィ（PSG）とアクチグラフィと比較して、3つのCSTのパフォーマンスを評価しました。 方法：全体として、35人の年配の男性と女性（年齢：平均70.8、SD 4.9 y;女性：n = 14、40％）、そのうちのいくつかは睡眠時無呼吸を含む併存疾患を持っていましたが、研究に参加しました。睡眠は、ベッドサイドレーダー（ソムノフィ[重要なもの]：n = 17）、2つのアンダーマトレスデバイス（睡眠アナライザー[WSA; withings inc]：n = 35; emfit-qs [emfit; emfit ltd]：n = n =17）、PSG（n = 35）、およびActigraphy（Actiwatch Spectrum [Philips Respironics]：n = 18）睡眠研究所で実施された10時間のベッドプロトコルでの最初の夜。デバイスは、要約測定とエポックごとの分類については、パフォーマンスメトリックを通じて評価されました。PSGはゴールドスタンダードを務めました。 結果：プロトコルは、平均睡眠効率（SEFF）が70.9％（SD 10.4％、範囲52.27％-92.60％）の軽度の睡眠障害を誘発しました。3つのCSTはすべて、総睡眠時間（TST;バイアス：> 90分）とSEFF（バイアス：> 13％）を過大評価し、睡眠開始後のウェイクを過小評価しました（バイアス：> 50分）。睡眠開始レイテンシーは、ベッドサイドレーダー（バイアス：<6分）によって正確に検出されましたが、アンダーマットレスデバイス（バイアス：> 16分）によって過大評価されていました。CSTSは、一晩の睡眠概要の測定を推定する際に、行動することと同様に機能しませんでした。エポックバイエポックの一致分析では、ベッドサイドレーダーは、睡眠とウェイク（マシュー相関係数[MCC]：平均0.63、SD 0.12、95％CI 0.57-0.69）よりも優れた睡眠とウェイク（平均0.63、95％CI 0.57-0.69）（MCC of WSA：平均0.41、SD 0.15、95％CI 0.36-0.46; EMFITのMCC：平均0.35、SD 0.16、95％CI 0.26-0.43）。急速な眼球運動と軽い睡眠を特定する精度は、すべてのCSTで不十分でしたが、深い睡眠（つまり、波の睡眠の遅い睡眠）は、SomnofyとWSAの両方で中程度の精度（MCC：> 0.45）で予測されました。Somnofy相関の深い睡眠期間推定値（R2 = 0.60; P <.01）と脳波速度の低速波活動（0.75-4.5 Hz）とPSGに由来しますが、アンダーメイトレスデバイスでは、この相関は有意ではありませんでした（WSA：R2 = 0.0096、p = .21; emfit：r2 = 0.11、p = .58）。 結論：これらのCSTはTSTを過大評価し、SEFFが比較的低いこの高齢者グループでは、睡眠段階の予測は不十分でした。CSTは、特定のユースケースに役立つ可能性のあるベッド占有率に関する有用な情報を提供することが以前に示されていましたが、TSTおよび睡眠段階の推定に関するこれらのCSTのパフォーマンスは、推定においてPSGの代替として機能する前に改善が必要です。高齢者のほとんどの睡眠変数。

BACKGROUND: Contactless sleep technologies (CSTs) hold promise for longitudinal, unobtrusive sleep monitoring in the community and at scale. They may be particularly useful in older populations wherein sleep disturbance, which may be indicative of the deterioration of physical and mental health, is highly prevalent. However, few CSTs have been evaluated in older people. OBJECTIVE: This study evaluated the performance of 3 CSTs compared to polysomnography (PSG) and actigraphy in an older population. METHODS: Overall, 35 older men and women (age: mean 70.8, SD 4.9 y; women: n=14, 40%), several of whom had comorbidities, including sleep apnea, participated in the study. Sleep was recorded simultaneously using a bedside radar (Somnofy [Vital Things]: n=17), 2 undermattress devices (Withings sleep analyzer [WSA; Withings Inc]: n=35; Emfit-QS [Emfit; Emfit Ltd]: n=17), PSG (n=35), and actigraphy (Actiwatch Spectrum [Philips Respironics]: n=18) during the first night in a 10-hour time-in-bed protocol conducted in a sleep laboratory. The devices were evaluated through performance metrics for summary measures and epoch-by-epoch classification. PSG served as the gold standard. RESULTS: The protocol induced mild sleep disturbance with a mean sleep efficiency (SEFF) of 70.9% (SD 10.4%; range 52.27%-92.60%). All 3 CSTs overestimated the total sleep time (TST; bias: >90 min) and SEFF (bias: >13%) and underestimated wake after sleep onset (bias: >50 min). Sleep onset latency was accurately detected by the bedside radar (bias: <6 min) but overestimated by the undermattress devices (bias: >16 min). CSTs did not perform as well as actigraphy in estimating the all-night sleep summary measures. In an epoch-by-epoch concordance analysis, the bedside radar performed better in discriminating sleep versus wake (Matthew correlation coefficient [MCC]: mean 0.63, SD 0.12, 95% CI 0.57-0.69) than the undermattress devices (MCC of WSA: mean 0.41, SD 0.15, 95% CI 0.36-0.46; MCC of Emfit: mean 0.35, SD 0.16, 95% CI 0.26-0.43). The accuracy of identifying rapid eye movement and light sleep was poor across all CSTs, whereas deep sleep (ie, slow wave sleep) was predicted with moderate accuracy (MCC: >0.45) by both Somnofy and WSA. The deep sleep duration estimates of Somnofy correlated (r2=0.60; P<.01) with electroencephalography slow wave activity (0.75-4.5 Hz) derived from PSG, whereas for the undermattress devices, this correlation was not significant (WSA: r2=0.0096, P=.21; Emfit: r2=0.11, P=.58). CONCLUSIONS: These CSTs overestimated the TST, and sleep stage prediction was unsatisfactory in this group of older people in whom SEFF was relatively low. Although it was previously shown that CSTs provide useful information on bed occupancy, which may be useful for particular use cases, the performance of these CSTs with respect to the TST and sleep stage estimation requires improvement before they can serve as an alternative to PSG in estimating most sleep variables in older individuals.