CN102448368B - 用于提供失眠症的行为治疗的方法和系统 - Google Patents

用于提供失眠症的行为治疗的方法和系统 Download PDF

Info

Publication number
CN102448368B
CN102448368B CN201080024189.8A CN201080024189A CN102448368B CN 102448368 B CN102448368 B CN 102448368B CN 201080024189 A CN201080024189 A CN 201080024189A CN 102448368 B CN102448368 B CN 102448368B
Authority
CN
China
Prior art keywords
patient
sleep
processing unit
data
sensor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201080024189.8A
Other languages
English (en)
Other versions
CN102448368A (zh
Inventor
E·瑙约卡特
S·德沃特
W·霍斯
H·张
A·J·J·拉德马克斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN102448368A publication Critical patent/CN102448368A/zh
Application granted granted Critical
Publication of CN102448368B publication Critical patent/CN102448368B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4812—Detecting sleep stages or cycles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6804—Garments; Clothes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4815—Sleep quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

所公开的系统和方法提供对睡眠问题的存在/严重程度及其准确性质的自动评估。所述评估是以有关睡眠模式、失眠症相关因素和日间后果的定性信息以及有关通过传感器测量的睡眠模式的定量信息为基础的。通过组合不同的信息来源(主观和客观数据)，诊断将能够更加深入地洞察睡眠问题的本质，因此更加准确。此外，所公开的系统可用于选择所述系统的与个体在医疗上相关的特定部件，从而创建个性化程序。所述系统教导了对自我管理技能的选择，其能够帮助个体更好地应对睡眠干扰，并准确找到就特定患者而言使问题持续或者更加严重的那些因素。

Description

用于提供失眠症的行为治疗的方法和系统
本申请根据35 U.S.C.§119(e)要求2009年6月4日提交的发明名称为“System and Method for Managing Insomnia”的美国临时专利申请No.61/184165的优先权。
技术领域
本发明涉及被构造为促进具有失眠症的患者的认知行为治疗的系统和相关方法。
背景技术
睡眠障碍很普遍。至少10％的人患有临床显著的睡眠障碍，其对公众健康存在重要影响。至今，失眠症是最为普遍的睡眠困扰形式。
大多数失眠症定义包括对具体针对睡眠的带有相关的日间不适的症状的描述。睡眠症状通常包括入睡困难、维持睡眠困难、在比预期早得多的时间醒后无法再睡或者不可恢复的或质量总体很差的睡眠。醒时症状与日间不适相关，其涉及疲劳、困倦、情绪扰动、认知困难以及社会或职业妨碍。
在一般人群中孤立失眠症症状的流行程度大约为30％到50％，大约9％到15％报告由长期失眠问题导致的显著的日间妨碍。患者群的绝大部分当中是通过药物治疗失眠的。安眠药的市场规模大约为46亿美元。诸如睡眠限制治疗的其他治疗形式不太普及，尽管迹象表明从长期来看它们比单独的药物疗法更加有效。
最常见的情况是采用一种用于评估睡眠问题的性质和严重程度的标准诊断方法，即，通常具有纸上问卷的形式的所谓的睡眠日志或睡眠日记；也可以采用活动变化记录作为睡眠日志的替代。
这一睡眠日志的主要缺陷在于准确度受到患者主观偏见的影响，例如，对于患者来说经常很难准确地记得夜里睡着和醒着的时间段。
对睡眠和觉醒阶段的自动检测要求测量生命体征，但令人遗憾的是大多数现有的方案依赖于粘合电极，例如，将它们粘贴或胶粘到患者的皮肤上，从而将电极佩戴到(例如)头上，以获得EEG。由于连接至这些传感器的电缆和记录装置的原因，这些电极在睡眠过程中令患者不适故而吸引注意。此外，还有一个问题：在休息时间，电缆或电极可能发生连接松动，其将降低接收信号的质量。
在带有全套设备的睡眠实验室内通过自动睡眠日志诊断失眠花费高昂，不能在长时间段内占用位置，因而为失眠症患者进行诊断的能力有限。
此外，额外的传感器和沿患者布置的连线可能干扰患者的睡眠，因此影响夜间对睡眠和觉醒阶段的评估，其将导致对睡眠记录造成影响，从而可能导致错误的诊断。
美国专利申请公开文本No.2004/0225179公开了用于治疗失眠症的自动行为方法和系统，其采用了无源手段来确定觉醒/睡眠状态，在此通过引用将其并入本文。
失眠症是一般人群中普遍存在的睡眠障碍。然而，在实践当中，患者倾向于不寻求治疗，而且往往由非睡眠专家(例如，GP)进行诊断，而不是采用标准、正确的方法来评估睡眠问题的性质和严重程度。这通常导致了对睡眠问题的事实的低估和/或安眠药处方的开具，尽管已经证明无需药物的治疗，即，针对失眠症的认知行为治疗(CBT-I)同样有效，而且更加持久。此外，更加准确的评估和定制的治疗可以得到更高的顺从性，因而得到更好的医疗结果。
发明内容
所公开的理念的目的在于提供一种被构造为促进患有失眠症的患者的认知行为治疗的系统，所述系统包括：通信组件，其被构造为提供电子通信；传感器系统，其具有至少一个传感器，所述传感器系统被构造成检测睡眠活动数据并提供结合了所述睡眠活动数据的传感器系统信号，所述传感器系统耦合至所述通信组件并与之电子通信；第一处理单元，其耦合至所述通信组件并与之电子通信，所述第一处理单元被构造成接收传感器系统信号并将睡眠活动数据转换成睡眠模式数据；第二处理单元，其具有输入组件，所述第二处理单元被构造成汇集患者输入数据，并且所述第二处理单元耦合至所述通信组件并与之电子通信；第三处理单元，其耦合至所述通信组件并与之电子通信，所述第三处理单元被构造成接收睡眠模式数据和患者输入数据，并对其执行分析，从而创建患者睡眠概况；第四处理单元，其耦合至所述通信组件并与之电子通信，所述第四处理单元被构造成分析所述患者睡眠概况并提供与所述患者睡眠概况相关的治疗疗程；以及显示器，其耦合至所述通信组件并与之电子通信，所述显示器被构造成呈现用户界面。
所公开的理念的另一目的在于提供一种为失眠症提供认知行为治疗的方法，所述方法连的步骤有：利用具有至少一个不显眼的传感器的传感器系统监测患者的睡眠，所述传感器系统被构造成检测睡眠活动数据；汇集患者输入数据；合并患者输入数据和睡眠活动数据以创建患者睡眠概况；分析患者的睡眠概况以确定治疗疗程；以及将治疗疗程在显示器上呈现给患者。
如这里使用的，术语“患者”不仅适用于人类，还适用于动物。此外，术语“患者”并不表示相应的人/动物正在生病，因此，健康人也将被称为“患者”。
术语“睡眠/觉醒分类”是指对所研究的历元是“醒着的”还是“睡着的”分类，所述分类是由属于相应的类的概率得到的，或者作为分类器的输出给出的“真”或“假”分类，还是指在用户界面或任何装置上显示的分类器结果。
此外，术语“pNN50”是指相邻NN间隔的间隔差大于50ms的数量的百分比，术语“SDNN”是指所有NN间隔的标准差，术语“SDSD”是指相邻间隔之间的距离之间的标准差，术语“RR_mean”是指RR间隔的平均持续时间，术语“HR_mean”是指平均心率，术语“LF”是指心率变异性标准所定义的低频范围，术语“HF”是指心率变异性标准所定义的高频范围，术语“RMSSD”是指均方根递差，术语“HRV”是指心率变异性。
附图说明
参考下文描述的实施例，本发明的这些和其他方面将显而易见并得到阐述。
在附图中：
图1示意性地示出了本发明的一般原理；
图2示出了本发明的第一优选实施例的特征提取法的示意性流程图；
图3示出了本发明的第一优选实施例的睡眠/觉醒分类方法的示意性流程图；
图4示出了基于本发明的方法的睡眠限制算法；
图5示意性地示出了本发明的要素；
图6示出了为失眠症提供认知行为治疗的方法的示意性流程图；
图7示出了与睡眠时间安排模块相关的示意性流程图；
图8示出了与相关床上睡眠模块相关的示意性流程图；
图9示出了与认知重构模块相关的示意性流程图；
图10示出了与应对策略模块相关的示意性流程图；
图11示出了与放松模块相关的示意性流程图；以及
图12示出了与生活方式模块相关的示意性流程图。
具体实施方式
从图1可以看出，根据本发明的优选实施例的用于睡眠/觉醒分类的系统100包括不显眼的用于生命体征监测的床内传感器101，其由ECG监测心脏活动，和/或由床内箔式(foil)传感器监测身体移动，等等，下文中将对此予以说明。另一个步骤是由预处理单元102在信号的准备期间进行滤波和伪迹去除，由特征提取单元103特别地单独从ECG和/或身体移动信号或者从二者的组合中提取特征，之后，由睡眠/觉醒分类器单元104根据所有的输入特征对睡眠/觉醒状态进行分类，由睡眠效率计算单元105计算睡着的时间与在床上的时间的比较，其被用作患者睡眠限制算法的输入，装置106向患者提供(例如)获得更加健康的睡眠的规则。
可以采用睡眠/觉醒分类104、睡眠效率计算105和睡眠限制算法装置106的输出为患者107或医疗专业人员提供反馈，患者107或医疗专业人员还将从诸如睡眠日志问题的额外来源获得信息，以获得主观参数109。
就所提出的系统的传感器部分而言，下述实施例是可能的：传感器是放在患者胸部下面的铁驻极体箔，用于测量心率、呼吸和身体移动。
或者，在另一优选实施例中，可以采用胶粘到患者胸部区域的床垫下面的板条上的压电电阻应变仪来测量心率、呼吸和身体移动。
在另一优选实施例中，仅使用ECG，优选是与枕头和床内的底垫层(footmat)电极合并在一起的织物ECG。
作为铁驻极体箔或应变仪的替代，可以将ECG传感器与采用围绕胸部和/或腹部的标准(电感或压电电阻)带测量的呼吸信号组合。还可以将这种类型的传感器合并到织物(例如，T恤)内，从而使其更加不显眼。
或者，在替代铁驻极体箔或应变仪的另一实施例中，可以使ECG传感器与加速度计信号组合。所述装置可以是手腕佩戴装置，但是优选是位于患者躯干上的用来测量身体运动的2D或3D加速度计。也可以将这种类型的传感器合并到织物(例如，T恤)内，从而使其更加不显眼。
可以从图1中看出处理单元包括几个步骤。这些是对原始数据、特征提取以及睡眠/觉醒分类的预处理。在接下来的段落中，将更详细地描述这些步骤中的每者的不同备选方案。
图1的信号预处理装置102包括一个或多个下述步骤，可以顺次、并行或重复执行所述步骤：
对(一个或多个)信号适当滤波；以及
伪迹去除。
就ECG信号而言，异位心搏的去除可能是必须的。
就信号中的间隙而言，内插可能是必须的。
特征提取装置103包括从ECG和呼吸信号提取特征，包括：
从ECG导出下述特性：
时域的统计性心率变异性参数(例如，平均心率、SDNN、RMSSD等)；
来自心率变异性(HRV)谱(例如，LF，HF)的参数；
多尺度样本熵；以及
渐进趋势消除波动分析。
根据由铁驻极体箔、板条传感器或电感/压电电阻带测得的呼吸信号，计算谱，并提取LF和HF功率作为特征。此外，确定平均呼吸速率。
此外，特征提取装置103允许在ECG信号和呼吸信号二者均可用的情况下计算两个谱的相干功率作为额外的特征。此外，还可以导出心率和呼吸速率的比值作为额外特征。
此外，根据铁驻极体箔或板条传感器信号，将在大的身体移动的基础上导出活度指数。
本发明的优选实施例还提出，对于下一步骤，即睡眠/觉醒分类104而言，活度指数和与心脏和/或呼吸状态相关的至少一个额外特征优选组合起来作为分类过程的输入。
针对所研究的每一历元(epoch)，例如，数据的每一个1分钟的区段生成向量，该向量包括至少一个特征，优选所有上述特征或者至少上述特征的子集。
此外，将这一向量输送给睡眠/觉醒分类器104，该分类器是以具有监督学习能力的标准模式识别方案为基础的，将在图3中对此予以说明。对于分类器而言，优选采用下述方案：
贝叶斯线性或二次方程判别式分类器；
支持向量机；
K最近邻(kNN)法；
神经网络；以及
隐马尔可夫模型。
在大型的代表数据的数据库上训练分类器的参数。
为了接收患者的与睡眠日志、失眠症严重程度指数、失眠症频率问卷或其他评估中的主观问题相关的输入并向其提供反馈，在本发明的优选实施例中优选将输入单元和显示单元合并到一个用户接口装置107中。这一装置可以是普通的膝上型PC、具有触摸屏的平板PC、诸如PDA的手提装置或移动电话。根据这一装置的处理能力，所述处理单元也可以是这一装置的部分。向患者的反馈可以包含一项或多项下述参数：在床上的时间、总睡眠时间、总觉醒时间、睡眠效率、睡眠潜伏时间、醒来的次数和持续时间或简化的睡眠生理测定结果(hypnogram)。
可以通过同一用户接口108为医疗专业人员提供反馈。在另一实施例中，存在下载程序将患者的数据从患者用户接口转移至医生的PC(例如，通过USB线缆、蓝牙、ZigBee或任何其他通信标准或装置)。在又一实施例中，可以通过Internet或GSM、UMTS、EDGE、GPRS或者任何其他Internet或移动电话标准或系统将患者的数据(自动)发送给医生。
给医疗专业人员的反馈应当含有全部上述参数。此外，其还应当含有患者对主观睡眠日志问题的回答，从而使其能够对比主观和客观数据，这将为其提供重要的信息，以获得适当的治疗方案。这一点在睡眠状态错误感知的情况下尤其重要，睡眠状态错误感知是一种类型的失眠症，这时客观睡眠数据反映了正常睡眠模式，但是患者自身却没有意识到其已经睡着了。
从图2可以看出，ECG传感器200提供的ECG信号经历了预处理201，其中，预处理包括R峰检测、异位搏动去除、线性内插和以预定频率(优选为4Hz)重采样。之后，考虑所得到的PR间隔序列，并在频域和时域根据标准评估心率变异性参数。首先，优选采用具有先进的趋势消除的自回归模型计算预定时间周期上的功率谱计算202，所述时间周期是以所研究的1分钟的历元为中心的5分钟的时间序列区段。或者，可以采用其他的基于傅里叶分析、时间-频率分布、时变自回归模型的方法。在后两种情况下，在较短的时间尺度上，例如，每一个新检测到的ECG R峰上更新功率谱估算。
在203中，使用处于优选为0.04-0.15Hz的低频带LF以及优选为0.15-0.4的高频带HF内的功率谱定义谱特征：根据LF_norm＝LF/(LF+HF)使功率归一化，并计算LF/HF比值。此外，204中的优选为5分钟区段的预定时间周期上的RR间隔序列时间统计结果提供了205中得到的时域特征，例如，pNN 50(大于50ms的相邻NN间隔的间隔差的数量的百分比)、SDNN(所有NN间隔的标准差)、SDSD(相邻间隔之间的递差的标准差)、RMSSD(均方根递差)、RR_mean(RR间隔的平均持续时间)和HR_mean(瞬时心率的平均值)。
在206中，还通过应用两种方法从RR间隔时间序列提取非线性参数。在207中使用的第一种非线性计算方法是渐进趋势消除波动分析，其允许在长度为64的窗口上逐渐积分趋势消除前的信号。此外，接着考虑所述平方信号的部分和，其将在208中提供所得到的差分时间序列，将由其提取新的特征209，所述特征被定义为所考虑的历元上的最大值，所述历元优选是一分钟的历元，但其可以是任何预定的历元时长。
应用于RR间隔序列的第二种非线性计算方法提供了多尺度样本熵。首先，在210中所述序列是具有尺度1和2的粗粒度序列，因而考虑5分钟区段。在211中，在从1到10的几个级别上计算样本熵(下文称为sampen)。因而，在212中提供了下述特征：对于级别k＝1到10而言的sampen_scale1_k和对于级别k＝1到10而言的sampen_scale2_k。
从图2下面的部分可以看出，由床内箔式传感器213提供的床内箔信号经历了包括降噪和校准的预处理214。使用低通滤波215得到了呼吸信号。这一信号上的峰识别允许导出呼吸间隔序列，在216中还对所述序列进行线性内插，并以预定频率，优选以4Hz的频率对其重新采样。优选使用具有先进的趋势消除的自回归模型计算功率谱217。之后，在218中在低频带(0.04-0.15Hz)和高频带(0.15-0.4Hz)中对功率谱进行拆分并使其归一化，其被用来定义谱特征LF_norm_respi和LF/HF ratio_respi。此外，219中对小能量伪迹和大能量伪迹的检测允许定义一分钟历元上的试探(heuristic)活度指数，其又被用作220中的特征。此外，221中的带通滤波提供了所谓的心冲击描记图，其表示机械心脏活动。这一信号可以是一种有趣的对ECG信号的替代，以获得心率变异性信号。最后，在222中通过估算以所研究的一分钟历元为中心的5分钟历元上的平方相干函数来组合RR间隔和呼吸间隔序列。使这一相干函数与RR间隔序列的自谱相乘，并沿频率轴对其积分。在223中得到的特征是作为百分比的相干功率的量。我们还可以设想其他的评估心肺耦合的特征，例如，RR间隔/呼吸间隔比值。
从图2右边的部分可以看出，优选实施例含有特征203、205、209、212、223、218、220，所述特征形成了将在图3中进一步说明的分类过程中采用的特征向量的分量。
图3是睡眠/觉醒分类方法的优选实施例。步骤303表示来自特征提取过程的信息，提供了具有至少一个属于测试数据集的元的向量。判断是以采用训练数据集302训练的监督学习分类器301为基础的。分类器304基于贝叶斯线性或二次方程判别式分类器、支持向量机或k最近邻(kNN)分类器，采用以训练数据集为基础的监督学习方案判断患者是醒着还是睡着。训练数据越具代表性，分类304的准确度和性能就越高。
睡眠限制治疗是一种非药理学方法，可以单独采用其治疗失眠症，也可以将其与药理学治疗组合治疗失眠症。在睡眠差的人当中有一种花更多的时间在床上，从而努力提供更多的入睡机会的自然趋势，这种策略更可能导致睡眠零散、质量差。
睡眠限制治疗包括将花在床上的时间量缩减为实际的睡着时间。接下来基于给定时间段上的睡眠效率计算调整在床上的时间，所述时间段通常是前面的一星期。例如，如果一个人报告每晚花8小时在床上，平均睡眠时间为6小时，那么初始规定的睡眠窗口将为6小时。
当睡眠效率超过90％时，在给定的一周内允许在床上顺延大约15到20分钟的时间，如果睡眠效率低于80％，那么减少相同的时间量，如果睡眠效率落在80％和90％之间，那么保持稳定。或者，治疗医生可以设定85％的睡眠效率作为上限。可以周期性地实施调整，例如，每周调整，直到实现最佳睡眠持续时间。实施这一程序中的变型可以包括基于(例如)过去三到五天内睡眠效率的移动平均值改变在床上的时间，或者不管睡眠效率怎样变化都每周改变一次。这一程序通过温和的睡眠剥夺和降低睡眠预期焦虑而改善了睡眠连续性。为了避免过多的日间困倦，不应将床上时间降至不足每晚五小时。
从图4可以看出，存在一种基于本发明提供的睡眠效率计算的睡眠限制治疗方法的优选实施例。
在第一步骤401中，医疗从业者初始化醒来时间和上床时间。在步骤402中，收集五天的数据，其还包括来自问卷调查的信息。
在步骤403中，计算过去五天的平均睡眠效率。在步骤404中，做出情况判决，判断平均睡眠效率是低于80％，80到90％之间，还是大于90％。
假设平均睡眠效率低于80％，那么在步骤406中，要求患者将在床上的时间缩短15分钟，假设平均睡眠效率大于90％，那么在步骤405中，要求患者将在床上的时间延长15分钟。在收集了下一个五天的睡眠信息的情况下，在步骤402中重新继续这一过程。假设平均睡眠效率处于80到90％之间，那么在步骤407中给患者肯定反馈，并且在步骤408中，使醒来时间和上床时间再保持一天，继而再步骤403中继续该过程。
也可以将所公开的理念看作是系统1000，其被构造为促进患有失眠症的患者的认知行为治疗，并且其可以利用下述方法。在讨论系统1000和所述方法之前，注意下述定义。
文中是这样使用的，“不显眼的传感器”是指传感器是不直接附接至患者(例如，通过粘合剂)的身体的或者所述传感器是无线的。不耦合至患者身体的传感器包括(例如)被设置为与患者胸部紧密相邻或者发生接触的铁驻极体箔，这是一种“不显眼的传感器”，因为其未附接至患者，患者可以自由移动。其他的“不显眼的传感器”包括耦合至患者的床的压电电阻应变计、嵌入织物，例如枕头、被褥、睡衣、睡帽内的ECG传感器或者被构造为探测运动的雷达/视频系统。可以耦合至患者身体的“不显眼的传感器”包括任何可以安装到腕带或类似构造上的小型/轻型传感器。这样的不显眼的传感器的一个例子是加速度计。任何具有在患者和装置之间延伸的线的传感器都不是“不显眼的传感器”。
如文中采用的，“睡眠活动数据”是表示自主的或者无意识的可测量动作的数据，优选为生物测定数据，所述数据是患者意识状态，即，睡着了还是醒着的指征。
如这里使用的，“评估”是指一定的尺度上的，例如，每周1到5天上回答的诸如很困到完全清醒等的一个或多个问题/陈述。将这样的回答转换成“分”，例如，困＝1分，完全清醒＝5分。如果涉及不只一个问题，那么可以将所述分值合并成一个得分。合并所述分值的动作可以是简单的加法，也可以包括乘法器，以寻求协同组合。例如，评估可以包括下述三个问题/陈述：对下述项目的严重程度评分(1)入睡困难，1＝无，5＝严重，(2)保持睡眠困难，1＝无，5＝严重，(3)在6:00PM之后喝多少杯咖啡。这里，与问题(1)和(2)相关的“分”可以通过简单的加法合并，而诸如消耗的咖啡的杯数的“分”则可以是乘法。此外，我们知道，通常将评估的最终合并得分与一个或多个与所述评估相关联的预定阈值进行比较。例如，一项评估可以确定患者失眠症的级别或严重强度，另一项评估可以确定与患者相关联的失眠症的类型。经过命名的评估包括但不限于：嗜睡量表(ESS)、睡前的唤醒水平、睡眠扰动问卷、睡眠卫生习惯量表、咖啡因知识小测验、睡眠行为自评量表、格拉斯哥思想内容清单、格拉斯哥睡眠努力量表、匹兹堡睡眠质量指数(PSQI)和多维疲劳清单(MFI)。
如文中所使用的，“阈值”也可以是一个数值范围。也就是说，“阈值”可以作为最大值、最小值或(不)容许值的范围存在。
如图5所示，被构造为促进具有失眠症的患者的认知行为治疗的系统1000包括通信组件1002、传感器系统1004、第一处理单元1006、第二处理单元1008、第三处理单元1010、第四处理单元1012和显示器1014。通信组件1002被构造为在上面指出的部件之间提供电子通信。也就是说，每一部件都被耦合至通信组件1002，并与之电通信。通信组件1002和所述部件可以无线耦合至各种部件。优选将通信组件1002耦合至诸如但不限于Internet的电子通信网络1001并与之电通信。
传感器系统1004至少具有一个传感器1020。传感器系统1004被构造为检测睡眠活动数据，并提供结合了睡眠活动数据的传感器系统信号。如文中所采用的，“睡眠活动数据”至少包括心率数据、呼吸速率数据和患者身体移动数据。已知，可以将来自这样的传感器1020的数据，例如，活动变化记录仪检测的运动数据、ECG检测的心率数据合并，从而确定或估计患者是睡着还是醒着。再次指出，与所公开的方法相关联的ECG传感器是不显眼的传感器，即，结合到了患者衣物内的传感器，而不是传统的带有与粘附至患者皮肤的传感器耦合的电线/导联的ECG。其他可以采用的传感器包括但不限于被构造为检测呼吸动作的感应体积描记传感器以及被构造为测量投影心冲击描记(心脏活动、呼吸活动和人体运动活动)的Emfit箔。
传感器系统1004，即至少一个传感器1020中的每者耦合至通信组件1002，并与之电子通信。至少一个传感器1020中的每者均为不显眼的传感器，其被构造为产生具有至少一个上文阐述的特征的传感器信号。所述至少一个传感器1020可以是但不限于ECG传感器1022和/或活动变化记录传感器1024。ECG传感器1022被构造为检测心率数据和呼吸速率数据。心率数据和呼吸速率数据是结合到ECG传感器1022信号中的特征。活动变化记录传感器1024被构造为检测患者身体移动数据。患者身体移动数据是结合到活动变化记录传感器1024信号中的特征。上文讨论了至少一个传感器1020的具体类型。因而，所述至少一个传感器1020可以是单个加速度计、单个活动变化记录仪等。
每一处理单元，即，第一、第二、第三和第四处理单元1006、1008、1010、1012中的每者包括运算单元，例如其可以是但不限于可编程逻辑电路(PLC)和通信系统(两者都未示出)，这在本领域是公知的。每一处理单元1006、1008、1010、1012的运算单元还可以包括存储装置(未示出)，例如，其可以是但不限于随机存取存储器(RAM)、只读存储器(ROM)、闪速存储器和/或硬盘驱动器，上述存储器件可以是盘或固体元件。所述存储器件被构造为存储一组或多组可执行指令，下文称为例程1030，还存储着收集到的数据、采用例程1030提供的数据以及通过电子通信网络1001下载的数据。我们知道，存储在每一处理单元1006、1008、1010、1012上的任何数据均可以通过通信组件1002和电子通信网络1001发送至远程位置，例如但不限于医疗专业人员的办公室。类似地，可以将数据和/或例程1030从远程位置，例如但不限于医疗专业人员的办公室通过通信组件1002和电子通信网络1001下载到每一处理单元1006、1008、1010、1012。可以理解，每一处理单元1006、1008、1010、1012的运算单元均协同工作以执行所述处理单元被构造为要完成的任何功能。
优选将每一处理单元1006、1008、1010、1012的运算单元设置在外壳(给出了示意性图示)内。可以将两个或更多处理单元1006、1008、1010、1012的运算单元设置在共享的外壳(未示出)内，这些运算单元可以协同工作。也就是说，例如，可以将每一处理单元1006、1008、1010、1012的例程1030存储在单个存储装置上。然而，至少一个处理单元1006、1008、1010、1012具有PLC，所述PLC并非通用PLC。第一处理单元1006的PLC优选不是通用PLC。
第一处理单元1006对应于上文描述的预处理单元102。也就是说，第一处理单元1006被构造为执行与上文所述的预处理单元102相关联的步骤。第一处理单元1006耦合至通信组件1002并与之电子通信。第一处理单元1006被构造为通过通信组件1002接收传感器系统信号，并将睡眠活动数据转换为睡眠模式数据。睡眠模式数据包括患者在床上的时间、患者总的睡眠时间、患者总的觉醒时间、患者的睡眠效率、患者的入睡潜伏时间、患者开始入睡后的觉醒和患者的打盹时间。如文中所采用的，“在床上的时间”是指患者花在床上的时间，不管睡着还是醒着。如文中所采用的，“总睡眠时间”是在床上的时间中患者睡着的部分。如文中所采用的，“入睡潜伏时间”是患者上床到第一次睡着之间的时间。如文中所采用的，“入睡后的觉醒”是在床上的时间中患者从其第一次睡着后醒来直到其最后早上醒来的时刻的部分。如文中所采用的，“打盹时间”是指从最终醒来到患者起床的时间之间的持续时间。如文中所采用的，“总觉醒时间”是指在床上的时间中患者醒着的部分。如文中所采用的，“睡眠效率”是指总睡眠时间与在床上的时间的比值。如文中所采用的，“入睡后的觉醒”是指患者在第一次睡着后醒来的次数。因而，第一处理单元1006被构造为处理心率数据、呼吸速率数据和患者身体移动数据，以确定以下中的至少一个：患者在床上的时间、患者的总睡眠时间、患者的总觉醒时间、患者的睡眠效率、患者的入睡潜伏时间、患者入睡后的觉醒以及患者的打盹时间。
第二处理单元1008对应于上文所述的用户接口装置107。也就是说，第二处理单元1008被构造为执行与上文所述的用户接口装置107相关的步骤。第二处理单元1008优选包括显示器1014。第二处理单元1008包括被构造为在显示器1014上显示用户界面108的例程1030。第二处理单元1008优选包括输入组件1034，其具有一个或多个输入装置，例如其可以是但不限于键盘1036和鼠标1038(或者跟踪球、触摸屏或任何其他提供与鼠标类似的功能的装置)。已知，患者可以通过输入组件1034和用户界面108输入患者输入数据。用户界面108被构造为呈现下文讨论的一项或多项评估，并允许用户向睡眠日志中输入数据。第二处理单元1008耦合至通信组件1002并与之电子通信。
第三处理单元1010对应于上文所述的特征提取单元103、睡眠/觉醒分类器单元104和睡眠效率计算单元106。也就是说，第三处理单元1010被构造为执行与上述特征提取单元103、睡眠/觉醒分类器单元104和睡眠效率计算单元106相关联的步骤。第三处理单元1010耦合至通信组件1002并与之电子通信。第三处理单元1010被构造为通过通信组件1002接收睡眠模式数据和患者输入数据，并对其执行分析。所述分析创建了患者睡眠概况分析(profile)。如文中所采用的，“患者睡眠概况分析”是包括诸如患者的身体移动数据的客观数据和诸如患者输入数据的数据的主观数据。患者睡眠概况分析包括患者的睡眠历史、睡眠模式、失眠症的定性和定量度量、失眠症相关因素识别以及失眠症日间后果识别。失眠症的日间后果包括但不限于日间精力差、认知机能(例如，专心、关注、注意力和记忆力)差以及情绪和机动性差。
对失眠症的定性度量包括但不限于对睡眠质量的主观估计，例如，差到优，或者采取1到10的利克特量表。对失眠症的定量度量包括但不限于下文将详细讨论的失眠症严重性指数(ISI)得分、对入睡潜伏时间的主观和客观评估、入睡后的觉醒和打盹时间。可以将这样的失眠症定量度量与标准阈值进行比较，例如，将入睡潜伏时间阈值设为30分钟。可以使用这样的比较来评估睡眠困扰类型(入睡问题、睡眠保持问题或早醒问题等)。此外，可以将睡眠效率的主观和客观估计与标准阈值(例如90％)进行比较，以评估患者是否以巩固的方式睡眠。
第三处理单元1010被构造为通过电子通信网络1001将睡眠模式数据、患者输入数据和患者睡眠概况分析发送给医疗专业人员。
第四处理单元1012对应于上述睡眠限制算法装置106。也就是说，第四处理单元1012被构造为执行与上述睡眠限制算法装置106相关联的步骤。第四处理单元1012耦合至通信组件1002并与之电子通信。第四处理单元被构造为分析患者睡眠概况。下文将论述第四处理单元1012执行的分析。第四处理单元1012还被构造为提供与患者睡眠概况相关的治疗疗程。也就是说，第四处理单元1012包括存储装置1050，其具有存储于其上的多个交互式治疗指导模块1060、1062、1064、1066、1068、1070。
治疗指导模块1060、1062、1064、1066、1068、1070通常与失眠症相关因素相关。失眠症相关因素包括但不限于行为和认知因素。例如，行为因素包括但不限于睡眠限制、就寝时间安排和觉醒时间。行为因素可以指明患者模式的变化、不规律的睡眠/觉醒时间和/或患者何时进入了一种补偿策略，例如，早上床和/或晚起和/或小睡，从而对夜间没睡好觉做出补偿。行为因素还包括刺激控制，即，床-睡眠的关联性或者当床和睡眠之间的条件关系结束时。也就是说，床和上床时间变成了活动暗示而不是睡眠暗示。例如，患者可能躺在床上醒着，这混淆了床和睡眠在大脑中的联系，从而使人不能入睡。其他行为因素包括患者的睡前日常惯例和其他可能影响睡眠的习惯，例如，酒、咖啡、尼古丁、晚餐习惯、卧室环境等。认知因素包括但不限于患者夜间的头脑活动过度，即，就寝时间觉醒过度和/或烦恼、有关睡眠的焦虑，例如，对失眠症后果的放大、睡眠的觉察控制和预测能力、对睡眠的不切实际的预期。
每一交互式治疗指导模块1060、1062、1064、1066、1068、1070含有三个部分：(1)治疗建议，在患者访问模块的第一天给出，(2)在所述模块的剩余的各天以每日提示的形式递送的一般信息，以及(3)可以在患者访问所述模块的第一天使用的目标制定部分。治疗建议包括基于标准CBT-I的意见/干预。治疗建议和每日提示是准确找到就特定患者而言使问题持续或者更加严重的那些因素，并且可以与患者认定的目标相关。也就是说，尽管总体的或全局的目标在于改善睡眠，但是患者可以了解具体的问题，并认定与该问题相关的具体目标。例如，患者可能希望学习更加容易地入睡和/或学习在睡眠周期当中醒来之后更加容易地再次入睡。或者，患者可能希望学习怎样在早晨感到更加精神，提高他们的日间精力，改善他们的日间行为表现、提高他们的认知机能(专心、集中、注意力和记忆力)和/或改善他们的情绪和机动性。或者，作为另一种替代，患者可能希望认识他们的实际睡眠模式或者确定他们在夜间睡了多少个小时。所述辅导和/或其他建议可以与全局目标或者一个或多个更多的具体目标相关。
第四处理单元1012还被构造为基于患者的睡眠概况组织治疗指导模块的选择和顺序。最后，第四处理单元1012被构造为将经过组织的治疗指导模块呈现在显示器1014上。
显示器1014耦合至通信组件1002并与之电子通信。显示器1014被构造为呈现上文讨论的用户界面108以及任何其他信息。
在讨论与系统1000相关联的方法之前，注意下述评估。在下文讨论的各种分析过程中将使用所述评估或其各个部分。一项已知的评估是失眠症严重性指数(ISI)，其包括下述问题/陈述：
失眠症严重性指数
另一项已知的评估，即失眠症频率问卷(IFQ)包括表明患者每周遭受所指出的症状的困扰的天数的回答，还包括下述问题/陈述：
睡眠日志既包括按照一定的标尺进行评分的问题/陈述又包括对其的回答是按照小时和分钟计量的时间段的问题/陈述。睡眠日志包括下述问题/陈述：
睡眠日志
默认睡眠日志(基线评估和程序当中)：
1、请给您昨晚的睡眠质量评分：
采用标尺1-5，非常差...极好
2、今天早上醒来您感觉怎样？
采用标尺1-5，筋疲力尽...精神抖擞
3、昨晚您何时关掉灯开始睡觉？
→按照hh:mm输入时间
4、您用了多长时间睡着？→输入以分钟为单位的时间
5、您今天早上最终醒来是什么时间？→按照hh:mm输入时间
6、请估计您夜里醒着的总时间量(以分钟为单位)(从第一次您睡着到今天早上最终醒来的时刻)→以分钟为单位输入时间
7、今天早上您何时起床？→按照hh:mm输入时间
8、您昨天的疲劳程度是怎样的？
采用标度1-5，非常疲劳...非常清醒
9、昨天有异常的外界因素打扰了您的睡眠吗？(例如，健康、工作、家人、环境等)
采用标尺1-5：很多破坏性因素...没有破坏性因素
另一项睡眠评估是DBAS-16，其涉及患者关于睡眠的信心，并且包括患者对包括但不限于下述内容进行评分的陈述：
下面列举了几项反映人关于睡眠的观念和态度的陈述。请指出您个人对每一项陈述同意或不同意的程度。没有对或错的答案。对于每项陈述，请圈出对应于您的个人观念的数字。请回答所有的项目，即使一些项目可能不直接适用于您自身的情况。
强烈反对                                强烈赞同
1.我需要8小时睡眠才能在日间感到精神并良好并正常工作。
2.当我在给定的夜晚没有得到适量睡眠时必须第二天小睡或第二天晚上睡更长的时间补偿。
3.我担心长期的失眠症已经对我的身体健康造成了严重后果。
4.我担心可能失去对睡眠能力的控制。
5.在一夜没睡好之后，我知道这将会在第二天对我的日常活动造成干扰。
6.为了在日间清醒并良好地工作，我认为吃安眠药还是要比一夜睡得不好更好一些。
7.我在白天感到易被激怒、情绪低落或焦虑，其主要是因为我前一晚没睡好。
8.当我一个晚上没睡好时，我知道这将会对我整个一周的睡眠时间安排造成干扰。
9.晚上睡眠不足，第二天我几乎不能正常工作。
10.我总是不能预测晚上睡得好还是不好。
11.我几乎没有能力管理受到干扰的睡眠造成的负面后果。
12.当我白天感到累、没有精力或者只是看起来没有良好地工作时，其通常都是因为我前一晚没睡好。
13.我认为失眠症实质上是化学失衡的结果。
14.我感觉失眠症正在毁了我享受生活的能力，而且妨碍我做想要做的事。
15.药物可能是失眠的唯一解决办法。
16.我在一晚睡得不好之后避免或取消履行责任(社会、家庭)。
利用被构造为促进具有失眠症的患者的认知行为治疗的系统1000，患者可以收到根据具有下述步骤的方法的失眠症认知行为治疗。开始，所述方法包括利用传感器系统1004监测2000患者睡眠的步骤，所述传感器系统1004具有至少一个不显眼的传感器1020。如上所述，传感器系统1004被构造为检测睡眠活动数据。所述方法还包括汇集2002患者输入数据、合并2006患者输入数据和睡眠活动数据以创建患者睡眠概况、分析2008患者睡眠概况以确定治疗疗程、以及将所述治疗疗程为患者呈现2010到显示器1014上的步骤。
利用具有至少一个不显眼的传感器的传感器系统监测2000患者睡眠的步骤包括利用2020ECG传感器和活动变化记录传感器的步骤。如上所述，ECG传感器1022被构造为检测心率数据和呼吸速率数据，活动变化记录传感器1024被构造为检测患者身体移动数据。利用具有至少一个不显眼的传感器的传感器系统监测2000患者睡眠的步骤还包括处理2022心率数据、呼吸速率数据和患者身体移动数据以确定以下中的至少一个的步骤：患者在床上的时间、患者的总睡眠时间、患者的总觉醒时间、患者的睡眠效率、患者的入睡潜伏时间、患者入睡后的觉醒和患者的打盹时间。
汇集2002患者输入数据的步骤包括下述步骤：汇集2030有关患者睡眠历史的数据、汇集2032有关患者病史的数据、使患者完成2034失眠症严重程度指数评估以及使患者2036保存睡眠日志。如上所述，通过第二处理单元2008，更具体而言，通过输入组件1034和用户界面108输入患者输入数据。
分析2008患者睡眠概况以确定治疗疗程的步骤可以包括下述步骤：分析2038患者输入数据和睡眠活动数据以识别出造成患者失眠症的因素；识别2039与患者相关联的失眠症的类型；分析2040患者输入数据和睡眠活动数据以确定患者失眠症的严重程度；分析2042患者输入数据以确定患者失眠症对日间活动的影响的严重程度；分析2044患者输入数据以确定患者所患失眠症的类型；以及基于患者的失眠症的严重程度、患者的失眠症对日间活动的影响严重程度和患者所患失眠症的类型向患者建议2046以下中的一个：介绍医疗专业人员进行治疗、向患者建议交互式治疗疗程、不建议治疗。
如果向患者推荐了交互式治疗疗程，那么优选通过呈现用户界面108的显示器1014将所述治疗提供给患者。也就是说，分析2008患者睡眠概况以确定治疗疗程以及将所述治疗疗程呈现2010在显示器1014上的步骤包括的步骤有：基于患者睡眠概况提供2050多个交互式治疗指导模块，每一模块与失眠症的一方面相关；确定2052哪一交互式治疗指导模块与患者的失眠症相关；确定2054呈现给患者的交互式治疗指导模块的顺序；在显示器1014上将所述交互式治疗指导模块按照预定的顺序呈现给2056患者。
如上所述，每一交互式治疗指导模块1060、1062、1064、1066、1068、1070含有三个部分：(1)治疗建议，在患者访问模块的第一天给出，(2)在所述模块的剩余的各天以每日提示的形式递送的一般信息，以及(3)可以在患者访问所述模块的第一天使用的目标制定部分。所述多个交互式治疗指导模块包括睡眠时间安排模块1060、床-睡眠关联性模块1062、认知重构模块1064、应对策略模块1066、放松模块1068和生活方式模块1070。除了与上文讨论的每一交互式治疗指导模块1060、1062、1064、1066、1068、1070相关联的一般信息之外，所述具体模块中的每者还具有将在下文讨论的额外处理。还要指出，所述交互式治疗指导模块1060、1062、1064、1066、1068、1070可以被(1)存储在第四处理单元1012上，即，存储在第四处理单元1012的存储装置内，(2)通过电子通信网络1001和通信组件1002下载到第四处理单元1012内，或者(3)其组合。也就是说，第四处理单元1012可以存储每一交互式治疗指导模块1060、1062、1064、1066、1068、1070的部分，并且可以具有更新或者还具有下载的额外信息。
例如，如果向患者推荐了睡眠时间安排模块1060，那么提供失眠症的认知行为治疗的方法包括的进一步的步骤有：提供2060被构造为确定第一和第二睡眠时间安排得分的睡眠时间安排评估；确定2062患者的第一和第二睡眠时间安排得分；以及确定2064患者是否具有不规律的睡眠时间安排。患者的第一和第二睡眠时间安排得分的确定2062可以是以客观数据和主观数据二者为基础的。例如，如上文讨论的，客观数据例如是但不限于传感器收集的睡眠效率数据。主观数据可以是以评估为基础的，例如，所述评估可以是下述问题/陈述：
-我为自己设定每天早上的有规律的起床时间，不管我的睡眠质量和持续时间怎样(从强烈不同意到强烈赞同评分)；
-当我在指定的一晚没有得到适量睡眠时，我必须通过第二天小睡或者第二天晚上睡更长的时间来补偿(从强烈不同意到强烈赞同评分)；以及
-将评分进一步转换为得分。
通过(例如)为答案赋予得分并将所述得分与客观数据组合将这些评分转换为患者的第一和第二睡眠时间安排得分。基于所确定的因素，例如，如果患者的第一睡眠时间安排得分大于第一睡眠时间安排阈值，那么所述方法还包括提供2066睡眠时间安排辅导，以及/或者，如果患者具有不规律的睡眠时间安排并且如果患者的第二睡眠时间安排得分大于第二睡眠时间安排阈值，那么提供2068睡眠时间安排辅导。在这一模块1060以及所有的其他模块1062、1064、1066、1068、1070中，通过向患者提供信息完成辅导步骤。优选通过显示器1014以文本信息、e-mail、即时消息等形式提供信息。如上文讨论的，辅导消息优选具有提醒、推荐治疗动作、进度报告等形式，并且通常与目标相关。
如果向患者推荐床-睡眠关联性模块，那么提供失眠症的认知行为治疗的方法包括的额外步骤有：提供2070被构造为确定床-睡眠关联性得分的床-睡眠关联性评估；确定2072患者的床-睡眠关联性得分；以及如果患者的床-睡眠关联性得分大于床-睡眠关联性阈值，那么提供2074床-睡眠关联性辅导。床-睡眠关联性评估可以包括这样的问题/陈述，例如：
请指出在睡着之前您在床上或在卧室中多长时间做一次下面的事。请考虑平均一星期的是怎样做的，然后完成表格：
-看电视、工作、用PC、听收音机或音乐、与某人谈话、打电话、吃东西喝东西、看书或杂志：从不/很少/有时/经常/相当平常；
-我一上床就熄灯：从不/很少/有时/经常/相当平常；以及
-我晚上花很多时间躺在床上醒着：从不/很少/有时/经常/相当平常将其转换为患者的床-睡眠关联性得分。
如果将认知重构模块1064推荐给患者，那么为失眠症提供认知行为治疗的方法包括的进一步的步骤有：提供2080被构造为确定第一睡眠概念得分的第一睡眠概念评估以及确定2082患者的第一睡眠概念得分。如果患者的第一睡眠概念得分大于第一睡眠概念阈值，那么执行2084第二睡眠概念评估，以确定放大得分、觉察控制得分和不切实际的预期得分。提供与睡眠概念评估的任何方面相关的靶向辅导，其中，患者处于相关阈值之上。也就是说，如果患者的放大得分大于放大阈值，那么提供2086放大辅导。如果患者的觉察控制得分大于觉察控制阈值，那么提供2088觉察控制辅导。此外，如果患者的不切实际的预期得分大于不切实际的预期阈值，那么提供2089不切实际的预期辅导。睡眠概念评估可以包括这样的问题/陈述，例如：
Qa：“我在晚上做出太多的努力来入睡，而这本应是自然而然的事；”
Qb：“如果我晚上躺在床上无法入睡，就会担心自己睡不着；”以及
Qc：“我在晚上上床之前就开始担心睡眠”
以及来自ISI、IFQ和DBAS-16的问题，这些问题将被转换为患者的第一和第二睡眠概念得分。
如果向患者推荐了应对策略模块，那么提供失眠症的认知行为治疗的方法包括的进一步的步骤有：提供2090被构造为确定应对策略得分的第一应对策略评估；确定2092应对策略得分；以及如果患者的应对策略得分大于应对策略阈值，那么提供2094应对策略辅导。应对策略评估可以包括这样的问题/陈述，例如：
-我几乎没有能力克服受到困扰的睡眠导致的负面后果：决不是这样，很少这样，有时这样，经常这样，几乎总是这样；
-我感觉睡眠问题正在毁灭我享受生活的能力，并且妨碍我想要做的事(社会/职业/家庭责任)；以及
-我在经过一夜很差的睡眠之后避免或取消自己的责任(社会，家庭)其将被转换为患者的应对策略得分。
如果将放松模块推荐给患者，那么提供失眠症的认知行为治疗的方法包括的进一步的步骤有：提供2100被构造为确定过渡时间得分、担忧时间得分和行为得分的放松评估；确定2102过渡时间得分、担忧时间得分和行为得分。如果患者的过渡时间得分大于过渡时间阈值，那么所述方法包括提供2104过渡时间辅导的步骤。如果患者的担忧时间得分大于担忧时间阈值，那么所述方法包括提供2106担忧时间辅导的步骤。如果患者的行为得分大于行为阈值，那么所述方法包括提供2108行为辅导的步骤。放松评估可以包括这样的问题/陈述，例如：
Q1：在上床之前您通常做什么？看电视、读书、工作、使用PC、做家务，其他(复选框)；
Q2：您认为您上床前的活动是日常的惯例吗？是/否；
Q3：当您试图入睡时多长时间经历一次下述问题：
我的大脑一直在翻来覆去地想事情；
我的思绪总是要很长时间才能放松(unwind)；以及
我无法清空我的思想
(从不、很少、有时、经常、非常常见)
Q4：您多长时间感到一次难以在身体上“放手不管”并放松您的身体？从不、很少、有时、经常、非常常见
Q5：在您上床之前放松的程序？以及
Q6：您认为是高压力/高工作量导致了睡眠变差吗？
其将被转换为患者的放松得分。
如果向患者推荐生活方式模块，那么提供失眠症的认知行为治疗的方法包括的进一步的步骤有：提供2110被构造为确定身体活动得分、酒精得分、咖啡得分、小睡得分、尼古丁得分、摄入得分(即食物和/或热量摄入得分)和环境得分的生活方式评估；以及确定2111身体活动得分、酒精得分、咖啡得分、小睡得分、尼古丁得分、摄入得分和环境得分。如果患者的身体活动得分大于身体活动阈值，那么所述方法包括提供2112身体活动辅导的步骤。如果患者的酒精得分大于酒精阈值，那么所述方法包括提供2114酒精辅导的步骤。如果患者的咖啡因得分大于咖啡因阈值，那么所述方法包括提供2116咖啡因辅导的步骤。如果患者的小睡得分大于小睡阈值，那么所述方法包括提供2118小睡辅导的步骤。如果患者的尼古丁得分大于尼古丁阈值，那么所述方法包括提供2120尼古丁辅导的步骤。如果患者的摄入得分大于或小于摄入阈值(或范围)，那么所述方法包括提供2122摄入辅导的步骤。也就是说，如果患者吃得太多或太少，那么患者将超出摄入阈值范围。如果患者的环境得分大于环境阈值，那么所述方法包括提供2124环境辅导的步骤。生活方式评估可以包括但不限于这样的问题/陈述，例如：
Q1：您多长时间锻炼一次，锻炼多久？每周X次，y分钟；
Q2：您在上床前4小时内锻炼吗？
Q3：您晚上喝多少杯酒？
X杯啤酒-葡萄酒-更烈的酒(复选框)；
Q4：您每天喝多少杯含咖啡因的饮料(咖啡、茶、可乐)？X杯，其中y杯是在晚上；
Q5：您小睡吗？每周x次，y分钟；
Q6：您通常什么时间小睡？4pm以前/以后(复选框)；
Q7：您吸烟吗？每天x棵烟；
Q8：您在上床之前吸烟吗？夜间？是/否；
Q9：您在夜里醒来吗？您经常：
吃东西？；
喝点东西？；以及
上厕所？
Q10：您用餐时间规律吗？；
Q11：您是否有时感到床上太热或太冷？；
Q12：您喜欢您的卧室吗？；
Q13：您的睡眠有时受到噪声的打扰？；以及
Q14：您的睡眠有时受到灯光的干扰？
将其转换为患者的身体活动得分、酒精得分、咖啡因得分、小睡得分、尼古丁得分、摄入得分和环境得分。
如上所述，并且如图6所示，所述方法优选是迭代过程，其中，更新2130患者的睡眠概况，从而反映患者的当前失眠症水平。尽管可以每天更新患者输入数据和睡眠活动数据，但是优选规律地更新交互式治疗疗程，而不像每天更新那样频繁。优选每周更新一次交互式治疗疗程。一旦更新了患者的患者睡眠概况，就重复分析2008患者睡眠概况以确定治疗疗程的步骤。也就是说，可以重复下述步骤和任何子步骤：分析2040患者输入数据和睡眠活动数据以确定患者的失眠症的严重程度；分析2042患者输入数据以确定患者的失眠症对日间活动的影响的严重程度；分析2044患者输入数据以确定患者所患失眠症的类型；以及基于患者的失眠症的严重程度、患者的失眠症对日间活动的影响的严重程度以及患者所患失眠症的类型，向患者推荐2046下述内容之一：介绍医疗专业人员进行治疗；向患者推荐交互式治疗疗程；以及不建议治疗。
此外，由于第三处理单元1010被构造为通过电子通信网络1001向医疗专业人员发送睡眠模式数据、患者输入数据和患者睡眠概况，因而分析2008患者睡眠概况以确定治疗疗程的步骤还可以包括下述步骤：使医疗专业人员检查2050睡眠模式数据、患者输入数据和患者睡眠概况，并使医疗专业人员通过电子通信网络1001向患者提供2052直接反馈。可以在更新睡眠模式数据、患者输入数据和患者睡眠概况之后重复这些步骤。
本领域普通技术人员将认识到很多落在本发明的范围内的变化和修改。这一方法和系统优选主要用于家里的失眠症患者或者家里或旅馆里的患者，以及用于医院环境下、转运过程中或者家里的流动患者，但是也可能应用于住院患者。而且，以健康人乃至动物为对象的装置也可以利用本发明。此外，尽管已经通过附图和上述说明对本发明进行了详细的图示和描述，但是应当将这样的图示和描述看作是说明性和示范性的，而不是限制性的。本发明不限于所公开的实施例。
通过研究附图、说明书和所附权利要求，本领域技术人员能够在实践所要求保护的本发明的过程当中理解并实施针对所公开的实施例的其他变型。在权利要求中，“包括”一词不排除其他元件或步骤，不定冠词“一”不排除复数。在互不相同的从属权利要求中陈述某些措施不表示不能有利地采用这些措施的组合。权利要求中的任何附图标记不应被视为具有限制范围的作用。
尽管已经详细描述了本发明的具体实施例，但是本领域技术人员将认识到根据本公开的全面教导可以开发出对这些细节的各种修改和替代方案。相应地，就本发明的范围而言，所公开的具体布置只是示范性的而非限制性的，所述范围被赋予了权利要求及其等同要件的全部宽度。

Claims (5)

1.一种被构造为促进具有失眠症的患者的认知行为治疗的系统(1000)，所述系统包括：
通信组件(1002)，其被构造为提供电子通信；
具有至少一个传感器(1020)的传感器系统(1004)，所述传感器系统(1004)被构造为检测睡眠活动数据，并提供结合了所述睡眠活动数据的传感器系统信号，所述传感器系统(1004)耦合至所述通信组件(1002)并与之电子通信；
第一处理单元(1006)，其耦合至所述通信组件(1002)并与之电子通信，所述第一处理单元(1006)被构造为接收所述传感器系统信号，并将所述睡眠活动数据转换为睡眠模式数据；
第二处理单元(1008)，其具有输入组件(1034)并且被构造为汇集患者输入数据，所述第二处理单元(1008)耦合至所述通信组件(1002)并与之电子通信；
第三处理单元(1010)，其耦合至所述通信组件(1002)并与之电子通信，所述第三处理单元(1010)被构造为接收所述睡眠模式数据和所述患者输入数据，并对其执行分析由此创建患者睡眠概况；
第四处理单元(1012)，其耦合至所述通信组件(1002)并与之电子通信，所述第四处理单元(1012)被构造为分析所述患者睡眠概况，并提供与所述患者睡眠概况相关的治疗疗程；以及
显示器(1014)，其耦合至所述通信组件(1002)并与之电子通信，所述显示器(1014)被构造为呈现用户界面(107)。
2.根据权利要求1所述的系统，其中，所述传感器系统(1004)包括至少一个传感器(1020)，每一所述至少一个传感器(1020)是不显眼的传感器，其被构造成产生具有至少一个特征的传感器信号，并且其中所述不显眼的传感器是不直接附接至患者的身体或者是无线的传感器。
3.根据权利要求2所述的系统(1000)，其中：
所述至少一个传感器(1020)包括ECG传感器(1022)和活动变化记录传感器(1024)；
所述ECG传感器(1022)被构造为检测心率数据和呼吸速率数据，所述心率数据和呼吸速率数据是结合到ECG传感器信号中的特征；
所述活动变化记录传感器(1024)被构造成检测患者身体移动数据，所述患者身体移动数据是结合到活动变化记录传感器信号中的特征；
所述第一处理单元(1006)被构造成从所述ECG传感器信号提取所述心率数据和呼吸速率数据；
所述第一处理单元(1006)被构造成从所述活动变化记录传感器信号提取所述患者身体移动数据；并且
所述第一处理单元(1006)被构造成处理所述心率数据、呼吸速率数据和患者身体移动数据，以确定以下中的至少一个：所述患者在床上的时间、所述患者的总睡眠时间、所述患者的总觉醒时间、所述患者的睡眠效率、所述患者的入睡潜伏时间、所述患者入睡后的觉醒和所述患者的打盹时间。
4.根据权利要求1所述的系统(1000)，其中
所述第三处理单元(1010)耦合至电子通信网络(1001)并与之电子通信；并且
所述第三处理单元(1010)被构造为通过所述电子通信网络(1001)向医疗专业人员发送所述睡眠模式数据、所述患者输入数据和所述患者睡眠概况。
5.根据权利要求1所述的系统(1000)，其中：
所述第四处理单元(1012)包括具有存储于其上的多个治疗指导模块的存储装置(1050)，所述治疗指导模块(1060，1062，1064，1066)被构造成呈现在所述显示器(1014)上；
所述第四处理单元(1012)还被构造成基于所述患者睡眠概况组织所述治疗指导模块(1060，1062，1064，1066)；并且
所述第四处理单元(1012)还被构造成将经过组织的所述治疗指导模块呈现在所述显示器(1014)上。
CN201080024189.8A 2009-06-04 2010-06-01 用于提供失眠症的行为治疗的方法和系统 Active CN102448368B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US18416509P 2009-06-04 2009-06-04
US61/184,165 2009-06-04
PCT/IB2010/052440 WO2010140117A1 (en) 2009-06-04 2010-06-01 Method and system for providing behavioural therapy for insomnia

Publications (2)

Publication Number Publication Date
CN102448368A CN102448368A (zh) 2012-05-09
CN102448368B true CN102448368B (zh) 2015-05-27

Family

ID=42617401

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201080024189.8A Active CN102448368B (zh) 2009-06-04 2010-06-01 用于提供失眠症的行为治疗的方法和系统

Country Status (8)

Country Link
US (1) US8979730B2 (zh)
EP (1) EP2437652A1 (zh)
JP (1) JP5775868B2 (zh)
CN (1) CN102448368B (zh)
AU (1) AU2010255354A1 (zh)
BR (1) BRPI1009049A2 (zh)
RU (1) RU2568354C2 (zh)
WO (1) WO2010140117A1 (zh)

Families Citing this family (88)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI411426B (zh) * 2010-12-17 2013-10-11 Univ Nat Cheng Kung 睡眠分析方法、睡眠分析錶及睡眠分析系統
GB2488521A (en) * 2011-02-16 2012-09-05 Cascom Ltd Activity recognition in living species using tri-axial acceleration data
JP5803169B2 (ja) * 2011-03-14 2015-11-04 オムロンヘルスケア株式会社 睡眠評価装置および睡眠評価方法
JP2013031542A (ja) * 2011-08-02 2013-02-14 Sony Corp 睡眠補助装置および方法、プログラム、並びに記録媒体
US9152768B2 (en) * 2011-09-26 2015-10-06 Hill-Rom Services, Inc. Method and system for patient care management
JP5788293B2 (ja) * 2011-10-31 2015-09-30 オムロンヘルスケア株式会社 睡眠評価装置および睡眠評価用プログラム
CN102488495B (zh) * 2011-12-19 2014-09-10 陈心广 数字化智能尼古丁依赖性测评方法
US9339691B2 (en) 2012-01-05 2016-05-17 Icon Health & Fitness, Inc. System and method for controlling an exercise device
US10297140B2 (en) * 2012-01-06 2019-05-21 Signify Holding B.V. Emergency response and tracking using lighting networks
WO2013110118A1 (en) * 2012-01-27 2013-08-01 The University Of Sydney Estimating arousal states
US10856800B2 (en) * 2012-06-08 2020-12-08 United States Government As Represented By The Department Of Veterans Affairs Portable polysomnography apparatus and system
WO2014052394A1 (en) * 2012-09-26 2014-04-03 Feuerstein Seth D Combination methods and compositions including sleep therapeutics for treating mood
CN103892797B (zh) * 2012-12-31 2016-08-10 中国移动通信集团公司 一种用于睡眠结构分析的信号处理方法和装置
US9633175B2 (en) 2013-02-05 2017-04-25 Big Health Ltd Interactive system for sleep improvement
EP2969058B1 (en) 2013-03-14 2020-05-13 Icon Health & Fitness, Inc. Strength training apparatus with flywheel and related methods
US11883606B2 (en) 2013-03-15 2024-01-30 Sleep Solutions Inc. Stress reduction and sleep promotion system
US11602611B2 (en) 2013-03-15 2023-03-14 Sleepme Inc. System for enhancing sleep recovery and promoting weight loss
US11813076B2 (en) 2013-03-15 2023-11-14 Sleepme Inc. Stress reduction and sleep promotion system
US11896774B2 (en) 2013-03-15 2024-02-13 Sleep Solutions Inc. System for enhancing sleep recovery and promoting weight loss
EP3000105A4 (en) 2013-05-21 2016-12-21 Tomer Ben-Kiki SYSTEMS AND METHODS FOR PROVIDING ONLINE SERVICES
US20190129941A2 (en) 2013-05-21 2019-05-02 Happify, Inc. Systems and methods for dynamic user interaction for improving happiness
US10813584B2 (en) 2013-05-21 2020-10-27 Happify, Inc. Assessing adherence fidelity to behavioral interventions using interactivity and natural language processing
FR3008300B1 (fr) * 2013-07-12 2018-10-12 Soc Civ Marc Frouin Dispositif de surveillance d'un etat physiologique et d'alerte au travers d'un vetement intelligent avec capteurs biometriques integres, d'une application et d'un systeme cloud
CN104720746B (zh) * 2013-12-20 2017-06-20 中国移动通信集团公司 一种睡眠阶段确定方法和系统
EP3623020A1 (en) 2013-12-26 2020-03-18 Icon Health & Fitness, Inc. Magnetic resistance mechanism in a cable machine
US9655559B2 (en) * 2014-01-03 2017-05-23 Vital Connect, Inc. Automated sleep staging using wearable sensors
US9579060B1 (en) 2014-02-18 2017-02-28 Orbitol Research Inc. Head-mounted physiological signal monitoring system, devices and methods
WO2015138339A1 (en) 2014-03-10 2015-09-17 Icon Health & Fitness, Inc. Pressure sensor to quantify work
WO2015188156A1 (en) 2014-06-05 2015-12-10 Morphy Inc. Methods and systems for gathering human biological signals and controlling a bed device
US9694156B2 (en) 2014-06-05 2017-07-04 Eight Sleep Inc. Bed device system and methods
US10426989B2 (en) 2014-06-09 2019-10-01 Icon Health & Fitness, Inc. Cable system incorporated into a treadmill
WO2015195965A1 (en) 2014-06-20 2015-12-23 Icon Health & Fitness, Inc. Post workout massage device
EP3160328B1 (en) * 2014-06-30 2018-06-06 Koninklijke Philips N.V. Device, system and computer program for detecting a health condition of a subject
US20160192218A1 (en) * 2014-07-14 2016-06-30 Under Armour, Inc. Techniques for classifying sleep sessions
US20160035056A1 (en) * 2014-07-29 2016-02-04 Elwha Llc Method and Apparatus for Designating Patients According to Sleep Patterns
EP3195243A4 (en) * 2014-07-29 2018-04-04 Elwha LLC Method and apparatus for designating patients according to sleep patterns
US20160035057A1 (en) * 2014-07-29 2016-02-04 Elwha Llc Method and Apparatus for Designating Patients According to Sleep Patterns
US20160034671A1 (en) * 2014-07-29 2016-02-04 Elwha Llc Method and Apparatus for Designating Patients According to Sleep Patterns
TWI553584B (zh) * 2014-10-24 2016-10-11 國立清華大學 放鬆狀態之評估系統、方法以及電腦程式產品
RU2717377C2 (ru) * 2014-11-24 2020-03-23 Таркетт Гдл Система мониторинга с датчиком давления в напольном покрытии
US10537704B2 (en) * 2014-12-03 2020-01-21 Koninklijke Philips N.V. System and method for increasing the restorative value of a nap
US11484261B2 (en) * 2014-12-19 2022-11-01 Koninklijke Philips N.V. Dynamic wearable device behavior based on schedule detection
JP2016122348A (ja) * 2014-12-25 2016-07-07 オムロン株式会社 生活習慣改善装置及び生活習慣改善方法並びに生活習慣改善システム
JP6485037B2 (ja) * 2014-12-25 2019-03-20 オムロン株式会社 睡眠改善システム及びこのシステムを用いた睡眠改善方法
US10391361B2 (en) 2015-02-27 2019-08-27 Icon Health & Fitness, Inc. Simulating real-world terrain on an exercise device
US10542961B2 (en) 2015-06-15 2020-01-28 The Research Foundation For The State University Of New York System and method for infrasonic cardiac monitoring
CN107847146B (zh) * 2015-07-21 2021-04-27 皇家飞利浦有限公司 在ecg数据上自动标记活动的方法和系统
US11013424B2 (en) * 2015-09-23 2021-05-25 Emfit Oy Heart rate monitoring device, system, and method for increasing performance improvement efficiency
US10213145B1 (en) 2015-10-01 2019-02-26 Cerner Innovation, Inc. Context-aware post traumatic stress disorder monitoring and intervention
CN113499061A (zh) * 2015-10-07 2021-10-15 普莱柯迪尔公司 用于产生指示心脏状况的信息的方法和设备
US10105092B2 (en) 2015-11-16 2018-10-23 Eight Sleep Inc. Detecting sleeping disorders
US10154932B2 (en) 2015-11-16 2018-12-18 Eight Sleep Inc. Adjustable bedframe and operating methods for health monitoring
US10272317B2 (en) 2016-03-18 2019-04-30 Icon Health & Fitness, Inc. Lighted pace feature in a treadmill
US10493349B2 (en) 2016-03-18 2019-12-03 Icon Health & Fitness, Inc. Display on exercise device
US10625137B2 (en) 2016-03-18 2020-04-21 Icon Health & Fitness, Inc. Coordinated displays in an exercise device
CN107920753B (zh) 2016-05-09 2021-08-27 皇家飞利浦有限公司 睡眠监控
US10325514B2 (en) * 2016-06-02 2019-06-18 Fitbit, Inc. Systems and techniques for tracking sleep consistency and sleep goals
CN109328034B (zh) * 2016-06-27 2020-04-14 皇家飞利浦有限公司 用于确定对象的睡眠阶段的确定系统和方法
US20180085050A1 (en) * 2016-09-28 2018-03-29 Arizona Board Of Regents On Behalf Of The University Of Arizona Systems and methods for individualized sleep optimization
US10671705B2 (en) 2016-09-28 2020-06-02 Icon Health & Fitness, Inc. Customizing recipe recommendations
KR102023524B1 (ko) * 2016-10-11 2019-09-20 사스메도 가부시키가이샤 불면증 치료 지원 장치 및 불면증 치료 지원용 프로그램
US20180113991A1 (en) * 2016-10-26 2018-04-26 Sarah Davidson Interactive Apparatus and Devices for Personal Symptom Management and Therapeutic Treatment Systems
WO2018077844A1 (en) 2016-10-28 2018-05-03 Telefonica Innovacion Alpha S.L. System and a method for enabling responsive cognitive behavioral therapy
EP3609390A4 (en) * 2017-04-14 2020-09-16 Emfit Ltd. WEARABLE SENSOR AND SYSTEM FOR IT
CN107169272B (zh) * 2017-05-04 2020-03-27 北京心海导航教育科技股份有限公司 认知行为训练方法及系统
CN107657748A (zh) * 2017-10-20 2018-02-02 深圳市华达康科技有限公司 一种物联网智能共享床垫加酒店生态链运营系统及方法
TWI698223B (zh) * 2017-11-20 2020-07-11 金寶電子工業股份有限公司 可辨識打瞌睡階段的穿戴式裝置及其辨識方法
CN108010569A (zh) * 2017-12-28 2018-05-08 曹亮明 一种辅助干预心身疾病及失眠的智能理疗系统
GB2584242B (en) 2018-01-09 2022-09-14 Eight Sleep Inc Systems and methods for detecting a biological signal of a user of an article of furniture
WO2019143953A1 (en) 2018-01-19 2019-07-25 Eight Sleep Inc. Sleep pod
KR102141804B1 (ko) 2018-01-31 2020-08-06 박성규 불면증 중재 서비스 제공 방법 및 그 장치
SE1850792A1 (zh) * 2018-06-26 2020-01-28
CN113383395A (zh) * 2018-10-22 2021-09-10 皇家飞利浦有限公司 用于睡眠障碍识别的决策支持软件系统
WO2020087114A1 (en) * 2018-10-29 2020-05-07 Alertness CRC Ltd Personalised sleep scheduler
US11382560B2 (en) * 2019-03-28 2022-07-12 The Trustees Of The University Of Pennsylvania Systems and methods for sleep optimization
CA3155017A1 (en) * 2019-09-21 2021-03-25 Mycardio Llc Systems and methods for designation of rem and wake states
US11577036B2 (en) 2019-10-31 2023-02-14 Resmed Sensor Technologies Limited Systems and methods for insomnia screening and management
US20210282668A1 (en) * 2020-03-16 2021-09-16 Koninklijke Philips N.V. Non-invasive determination of airway resistance
US11837106B2 (en) * 2020-07-20 2023-12-05 Koninklijke Philips N.V. System and method to monitor and titrate treatment for high altitude-induced central sleep apnea (CSA)
CN112717254B (zh) * 2020-12-24 2022-10-04 重庆适领科技有限公司 智能化芳疗扩香器系统的控制方法
EP4292534A4 (en) * 2021-03-09 2024-04-17 Susmed Inc INSOMNIA TREATMENT ASSISTANCE DEVICE, INSOMNIA TREATMENT ASSISTANCE SYSTEM AND INSOMNIA TREATMENT ASSISTANCE PROGRAM
US20220344057A1 (en) * 2021-04-27 2022-10-27 Oura Health Oy Method and system for supplemental sleep detection
KR20220156466A (ko) * 2021-05-18 2022-11-25 연세대학교 원주산학협력단 수면 질 개선 시스템 및 방법
CN113288095B (zh) * 2021-05-24 2022-07-08 南京优博一创智能科技有限公司 一种基于身体活动和心率信息计算睡眠周期的睡眠健康管理的方法与系统
CN113398424A (zh) * 2021-07-13 2021-09-17 正岸(北京)科技有限公司 一种失眠治疗系统及其工作方法
CN114191684B (zh) * 2022-02-16 2022-05-17 浙江强脑科技有限公司 基于脑电的睡眠控制方法、装置、智能终端及存储介质
WO2024054495A1 (en) * 2022-09-08 2024-03-14 Sleep Number Corporation Bed with features for determination of insomnia risk
CN117224098B (zh) * 2023-09-15 2024-02-20 广州麦笛亚医疗器械有限公司 一种心率变异性的评估方法、系统、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0773504A1 (en) * 1995-11-08 1997-05-14 Oxford Medical Limited Improvements relating to physiological monitoring
CN1711961A (zh) * 2004-06-22 2005-12-28 索尼株式会社 生物信息处理装置和视频/音频再现装置
CN101032402A (zh) * 2006-03-10 2007-09-12 通用电气公司 检测人的活动的设备、系统和方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000000214A (ja) * 1998-06-15 2000-01-07 Arata Nemoto 就寝モニタ装置
WO2004078132A2 (en) * 2003-02-28 2004-09-16 Consolidated Research Of Richmond, Inc. Automated insomnia treatment system
ES2515092T3 (es) * 2003-12-11 2014-10-29 Sunovion Pharmaceuticals Inc. Combinación de un sedante y un modulador neurotransmisor y métodos de mejorar la calidad del sueño y de tratar la depresión
US7524279B2 (en) * 2003-12-31 2009-04-28 Raphael Auphan Sleep and environment control method and system
US20070118054A1 (en) 2005-11-01 2007-05-24 Earlysense Ltd. Methods and systems for monitoring patients for clinical episodes
US8403865B2 (en) * 2004-02-05 2013-03-26 Earlysense Ltd. Prediction and monitoring of clinical episodes
EP2142095A1 (en) * 2007-05-02 2010-01-13 Earlysense Ltd. Monitoring, predicting and treating clinical episodes
US7637859B2 (en) * 2007-06-08 2009-12-29 Sony Ericsson Mobile Communications Ab Sleeping mode accessory
WO2009061455A1 (en) * 2007-11-07 2009-05-14 Somerset Medical Center A method and system for identification and management of patients for sleep disorders

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0773504A1 (en) * 1995-11-08 1997-05-14 Oxford Medical Limited Improvements relating to physiological monitoring
CN1711961A (zh) * 2004-06-22 2005-12-28 索尼株式会社 生物信息处理装置和视频/音频再现装置
CN101032402A (zh) * 2006-03-10 2007-09-12 通用电气公司 检测人的活动的设备、系统和方法

Also Published As

Publication number Publication date
CN102448368A (zh) 2012-05-09
JP5775868B2 (ja) 2015-09-09
RU2011154352A (ru) 2013-07-20
JP2012528655A (ja) 2012-11-15
EP2437652A1 (en) 2012-04-11
US8979730B2 (en) 2015-03-17
WO2010140117A1 (en) 2010-12-09
AU2010255354A1 (en) 2012-02-02
RU2568354C2 (ru) 2015-11-20
US20120238800A1 (en) 2012-09-20
BRPI1009049A2 (pt) 2016-03-08

Similar Documents

Publication Publication Date Title
CN102448368B (zh) 用于提供失眠症的行为治疗的方法和系统
US11364362B2 (en) Methods and systems for sleep management
JP5961235B2 (ja) 睡眠／覚醒状態評価方法及びシステム
CN105899129B (zh) 疲劳监测和管理系统
JP6276776B2 (ja) 睡眠段階に応じてデバイスを制御するための電子スイッチ
US20180078197A1 (en) Sleep quality scoring and improvement
CN102804190B (zh) 用于分析一次性尿布的穿着与睡眠和/或发展指标之间的关系的方法
US20180028111A1 (en) Family sleep monitoring system
CN108852283A (zh) 基于生理信息的睡眠评分
CN101954143A (zh) 改善护理者照顾的人或动物睡眠的睡眠管理方法和系统
CN104834827A (zh) 基于终端设备及云计算存储的健康数据处理方法及系统
US20220370757A1 (en) Personalized sleep wellness score for treatment and/or evaluation of sleep conditions
US11648373B2 (en) Methods and systems for sleep management
CN107106029A (zh) 用于向受检者提供健康建议的系统、设备、方法以及计算机程序
Lim et al. Developing a mobile wellness management system for healthy lifestyle by analyzing daily living activities
Williams Investigating the Relationship between Sleep and Wake Behavior Using Machine Learning and Smart Home Sensors
Wongdhamma Statistical models for detecting existence of obstructive sleep apnea, predicting its severity, and forecasting future episodes
NZ755198B2 (en) Methods and Systems for Sleep Management
NZ755198A (en) Methods and systems for sleep management

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant