Automatische Identifikation von Schlaf/Wach-Zuständen anhand von Handgelenksaktivität

Ziel dieser Studie war es, automatische Bewertungsmethoden zu entwickeln und zu validieren, um Schlaf von Wachheit basierend auf Handgelenksaktivität zu unterscheiden. Einundvierzig Probanden (18 Normale und 23 mit Schlaf- oder psychiatrischen Störungen) trugen während der nächtlichen Polysomnographie ein Handgelenksaktigraph. In einer zufällig ausgewählten Substichprobe von 20 Probanden wurden Kandidatenalgorithmen zur Schlaf/Wach-Vorhersage iterativ gegenüber den Standardwerten für Schlaf/Wach optimiert. Die optimalen Algorithmen, die für verschiedene Zeitintervalle der Datensammlung erhalten wurden, wurden dann prospektiv an den verbleibenden 21 Probanden getestet. Die endgültigen Algorithmen unterschieden Schlaf von Wachheit in etwa 88 % der Fälle korrekt. Der prozentuale Anteil des Schlafs und die Schläfrigkeitslatency in der Aktigraphie korrelierten in Höhe von 0,82 und 0,90 respektiv mit den entsprechenden Parametern, die aus dem Polysomnogramm ermittelt wurden (p < 0.0001). Die automatische Bewertung der Handgelenksaktivität liefert wertvolle Informationen über Schlaf und Wachheit, die sowohl in klinischen als auch in Forschungsanwendungen nützlich sein könnten.