CN110603601B - 夜间哮喘监测 - Google Patents
夜间哮喘监测 Download PDFInfo
- Publication number
- CN110603601B CN110603601B CN201880018053.2A CN201880018053A CN110603601B CN 110603601 B CN110603601 B CN 110603601B CN 201880018053 A CN201880018053 A CN 201880018053A CN 110603601 B CN110603601 B CN 110603601B
- Authority
- CN
- China
- Prior art keywords
- subject
- sleep
- monitoring
- period
- concentration
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 156
- 208000006673 asthma Diseases 0.000 title claims abstract description 92
- 230000007958 sleep Effects 0.000 claims abstract description 202
- 208000024891 symptom Diseases 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000008859 change Effects 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims abstract description 12
- 230000001747 exhibiting effect Effects 0.000 claims abstract description 5
- 206010011224 Cough Diseases 0.000 claims description 23
- 208000000059 Dyspnea Diseases 0.000 claims description 14
- 206010013975 Dyspnoeas Diseases 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 14
- 208000013220 shortness of breath Diseases 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 14
- 208000037656 Respiratory Sounds Diseases 0.000 claims description 13
- 206010047924 Wheezing Diseases 0.000 claims description 13
- 206010062519 Poor quality sleep Diseases 0.000 claims description 12
- 238000004887 air purification Methods 0.000 claims description 10
- 230000008667 sleep stage Effects 0.000 claims description 10
- 229940079593 drug Drugs 0.000 claims description 7
- 239000003814 drug Substances 0.000 claims description 7
- 238000010295 mobile communication Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 238000004378 air conditioning Methods 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 claims 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 17
- 229940127225 asthma medication Drugs 0.000 description 11
- 238000013500 data storage Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- 230000000241 respiratory effect Effects 0.000 description 6
- 230000003860 sleep quality Effects 0.000 description 6
- 238000009423 ventilation Methods 0.000 description 6
- 238000004140 cleaning Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000001953 sensory effect Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 230000002618 waking effect Effects 0.000 description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 239000001569 carbon dioxide Substances 0.000 description 3
- 238000012377 drug delivery Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 210000004072 lung Anatomy 0.000 description 3
- 208000019116 sleep disease Diseases 0.000 description 3
- 238000011269 treatment regimen Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013128 asthma control test Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 230000006998 cognitive state Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 208000024696 nocturnal asthma Diseases 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 239000012855 volatile organic compound Substances 0.000 description 2
- 206010003497 Asphyxia Diseases 0.000 description 1
- 208000009079 Bronchial Spasm Diseases 0.000 description 1
- 208000014181 Bronchial disease Diseases 0.000 description 1
- 206010006482 Bronchospasm Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000007933 dermal patch Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 208000000122 hyperventilation Diseases 0.000 description 1
- 230000000870 hyperventilation Effects 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000008376 long-term health Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000422 nocturnal effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000004622 sleep time Effects 0.000 description 1
- 208000020685 sleep-wake disease Diseases 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
公开了一种用于在密闭空间中检测对象睡眠期间的哮喘症状的睡眠监测系统(10)。该系统包括:CO2传感器(21);以及处理器(31),被通信地耦合至CO2传感器,其中处理器适用于:在监测时段内,从由CO2传感器产生的传感器数据,监测密闭空间的、靠近正在熟睡的对象的一部分中的CO2浓度的变化,使得在呼出的CO2扩散到密闭空间的总体积中之前,监测由对象向密闭空间的所述部分中呼出CO2而引起的CO2浓度的变化;将密闭空间的所述部分中的CO2浓度的监测到的变化与针对所述对象的基准进行比较;并且如果针对所述监测时段的至少部分,密闭空间的所述部分中的CO2浓度的监测到的变化超过针对所述对象的基准,则标识所述对象所表现出的哮喘症状。还公开了一种检测所监测对象睡眠期间的哮喘症状的方法、和一种用于在睡眠监测系统上实现这种方法的计算机程序产品。
Description
技术领域
本发明涉及一种睡眠监测系统和用于检测对象睡眠期间的哮喘症状的方法,以及涉及一种用于实现这种方法的计算机程序产品。
背景技术
睡眠是我们生活中至关重要的一部分。它确保我们身体的休息并且可以进行修复,因此对长期健康至关重要。因此,人们(即,对象)适当地睡眠是非常重要的。没有适当的睡眠,可能会出现慢性健康问题。为此,已经提出了许多解决方案,这些解决方案有助于监测对象的睡眠,例如以诊断睡眠障碍。
这种睡眠障碍的示例是中断睡眠,但哮喘症状发作包括喘息、呼吸短促以及咳嗽,这些哮喘症状可能是由支气管痉挛和肺部气道的不同程度的炎症引起的。例如,由于患者的睡眠质量差,因此这些夜间哮喘症状已经与死亡率增加和生活质量下降相关联。
为了管理成年人和儿童的这种状况,重要的是获得可靠的临床相关数据,患者或临床医生可以使用这些临床相关数据来建立状况是否得到控制。为此,可以向患者呈现诸如哮喘控制测试(ACT)的问卷,这包括与在一段时间(通常为四个星期)内由于哮喘所导致的夜间睡眠中断有关的问题。
然而,正确评估睡眠期间的哮喘症状的严重度对于患者来说是相当困难的,这是因为一些症状虽然不会导致患者醒来但仍可能会降低睡眠质量,或者可能会导致这种短暂睡眠中断,患者在第二天早晨将不会记住这种睡眠中断,使得依赖患者自己监测其症状通常会导致低估症状,从而难以确定患者的合适治疗方案来使状况能够得到控制。尽管这对成年人来说存在问题,但是对于儿童患者来说尤为麻烦,儿童患者通常无法提供临床相关信息,而对状况的可靠评估可以是基于这些临床相关信息的。因此,存在对监测设备的需要,该监测设备可以协助确定可能由对象(病人)睡眠期间的哮喘引起的症状的发作。
US 2016/0249838 Al公开了一种通过使用个人化二氧化碳(CO2)浓度变化模式来检测可能的呼吸阻塞以防止由呼吸阻塞(诸如窒息或哮喘)导致死亡的系统和方法。通过包括非分散红外传感器的皮肤贴片监测血液CO2水平,并且如果这些水平变得异常高,那么生成警报信号。然而,这种解决方案由于若干种原因而被视为是不理想的。首先,一些患者在睡眠时穿戴这种贴片可能会觉得不舒服,这是因为他们觉得必须穿戴贴片的感觉会打扰他们睡眠。其次,这种现有技术系统不适用于在睡眠时段期间根据哮喘症状发来提供整体睡眠质量指示,这是因为这种系统无法确定患者是苏醒的还是熟睡的。
US 2016/0228037 Al公开了一种用于评估对象的哮喘状态的设备和方法,包括监测患有哮喘的对象的呼吸相关参数,将呼吸相关参数与对象的基线参数进行比较;
确定呼吸相关参数与基线参数的偏差;
获得输入参数;基于对输入参数的综合分析以及对呼吸相关参数与基线参数的偏差的综合分析来评估对象的哮喘状态。呼吸相关参数可以是吸气和呼气中的CO2水平,这可以使用二氧化碳分析仪进行监测。这再次要求患者穿戴这种传感器,这种传感器通常夹在鼻子上,这可能被认为是不舒服的。
发明内容
本发明寻求提供一种睡眠监测系统,该睡眠监测系统能够以不显眼的方式监测正在被监测的患者在睡眠期间的哮喘症状的影响。
本发明进一步寻求提供一种以不显眼的方式检测正在被监测的对象睡眠期间的哮喘症状的方法。
本发明进一步寻求提供一种用于在睡眠监测系统上实现这种方法的计算机程序产品。
根据一个方面,提供了一种睡眠监测系统,用于在密闭空间中检测对象睡眠期间的哮喘症状,该系统包括:CO2传感器;以及处理器,被通信地耦合至CO2传感器,其中处理器适用于:在监测时段内,从由CO2传感器产生的传感器数据,监测密闭空间的、靠近正在熟睡的对象的一部分中的CO2浓度的变化,使得在呼出的CO2扩散到密闭空间的总体积中之前,监测由对象向密闭空间的所述部分中呼出CO2而引起的CO2浓度的变化;将密闭空间的所述部分中的CO2浓度的监测到的变化与针对所述对象的基准进行比较;并且如果针对所述监测时段的至少部分,密闭空间的所述部分中的CO2浓度的监测到的变化超过针对所述对象的基准,则标识所述对象所表现出的哮喘症状。
本发明基于以下见解:对象(即,人)排出的CO2量(其作为该对象的活动状态的功能)不仅可以用于准确确定对象是苏醒的还是熟睡的,而且还可以将正常睡眠(即,对象不患有哮喘症状的睡眠)与异常睡眠(即,其中这些哮喘症状会影响对象的睡眠效率的睡眠)区分开。因此,通过用传感器监测CO2水平并且用处理器处理监测到的CO2水平,可以在对象睡眠期间得到哮喘症状信息,但不必联系正在被监测的对象,从而与由对象(患者)自我报告哮喘症状相比,提供准确性提高的临床数据,使得可以基于所提供的哮喘症状信息来更准确地控制对象的哮喘。此外,本发明所基于的重要见解在于:在对象不必穿戴CO2监测器(诸如二氧化碳分析仪)的情况下,可以准确地测量对象所呼出的CO2水平,从而降低CO2监测对于对象的具有连续睡眠的能力进行干扰的风险,这是由于这种身体穿戴式监测器通常被体验为是不舒服的。
优选地,睡眠监测系统还包括监测结果报告设备,其被通信地耦合至处理器,并且适用于生成所述监测时段的报告,所述报告包括对标识到的哮喘症状的指示,以便将监测结果报告给系统的用户。然而,应注意,为避免产生疑问,例如在睡眠监视系统例如通过网络(诸如因特网)将那些结果提供给远程设备以进行解释(在这种情况下,可以诸如通过经过训练的专业人员远程地对监测结果进行解释)的场景中,可以省略这种监测结果报告设备。
在实施例中,处理器还适用于:在至少0.1Hz的限定采样频率下,对传感器数据进行采样。通过至少每隔10秒进行采样,可由睡眠监测系统监测指示在较短时间段内发生的哮喘症状的CO2浓度的变化(例如由咳嗽或呼吸短促导致的浓度变化),从而改善其产生诊断相关结果的能力。例如,处理器可以适用于如果至少两个连续的传感器数据样本之间的所述CO2浓度的监测到的变化超过基准达到至少限定的量,则标识对象的呈咳嗽形式的哮喘症状。
睡眠监测系统还可以包括计数器,该计数器适用于:在监测时段期间,对标识到的哮喘症状的数目进行计数。例如,计数器可以在睡眠监测时段期间对检测到的咳嗽的数目进行计数,这可以提供关于正在被监测的对象患有哮喘症状的严重度的临床相关信息。
在优选实施例中,睡眠监测系统可在校准模式下操作,针对对象的基准是在该校准模式下获得的。与正在利用预定义基准(例如基于以下中的至少一个的基准:年龄、性别、重量和体型)的系统相比,这进一步提高了睡眠监测系统的准确性。
在实施例中,监测时段由第一时间段限定,该第一时间段由对象正在试图睡眠的第一指示开始,并且由对象正在起床的第二指示终止;并且其中处理器适用于:在监测时段期间通过以下步骤,来确定对象的睡眠效率:当监测到的CO2浓度的增加率大于第一阈值时,标识对象的苏醒时间段;当监测到的CO2浓度的增加率在第一阈值与第二阈值之间时,标识对象的轻度睡眠时间段;并且当监测到的CO2浓度的增加率低于第二阈值时,标识对象的深度睡眠阶段。这例如有助于评估正在被监测的对象的睡眠效率以及哮喘症状对此睡眠效率的影响。
为此,处理器还可以适用于:通过在紧接苏醒时间段之前的时间段期间评估监测到的CO2浓度的增加率,来从多种原因中确定对象苏醒的原因,多种原因按照对象各自具有CO2的特征增加率。以这种方式,睡眠监测系统可以将“正常”醒来同与哮喘症状发作相关联的不适所导致的醒来区分开,该信息可用于确定所监测对象的睡眠效率。具体来说,处理器可以适用于区分醒来和哮喘症状的原因,醒来包括正常醒来,该哮喘症状包括咳嗽、呼吸短促以及喘息。
可选地,睡眠监测系统还包括至少一个其他传感器,其被通信地耦合至处理器,其中处理器适用于基于来自CO2传感器和至少一个其他传感器的相应传感器数据来标识哮喘症状。例如,这在睡眠监测系统被配置为确定对象的睡眠效率指标的情况下是有益的,其中由其他传感器提供的传感器数据可以用于确定对象开始尝试入睡的时间点的时间点或确定对象醒来的时间点。例如,其他传感器可以是光传感器、声音传感器或者用户界面传感器。
在其他实施例中,睡眠监测系统还包括对处理器做出响应的哮喘药物释放设备。这具有以下优点:在检测到哮喘症状后,可以在正被监测的对象附近自动地释放哮喘药物,从而改善对状况的管理,并且降低由这些症状的发作而产生的严重并发症的风险。
睡眠监测系统可以被设置为单个单元、独立装置,或该睡眠监测系统可以至少部分地由以下装置所包括:空调装置、空气净化装置、呼吸器装置或加湿装置。
备选地或另外地,睡眠监测系统可以由分布式架构实现,其中睡眠监测系统包括:第一设备,包括CO2传感器;以及第二设备,包括处理器,该第一设备和该第二设备分别包括用于在第一设备与第二设备之间建立无线通信链路的无线通信模块,其中第二设备是可穿戴设备或移动通信设备。
根据其他方面,提供了一种在密闭空间中检测对象睡眠期间的哮喘症状的方法,该方法包括:周期性地接收传感器数据,该传感器数据指示密闭空间的、靠近在监测时段期间正在熟睡的对象的一部分中的CO2浓度,使得在呼出的CO2扩散到密闭空间的总体积中之前,监测对象向密闭空间的所述部分中呼出CO2而引起的CO2浓度的变化;在所述监测时段内监测CO2浓度;将密闭空间的所述部分中的监测到的CO2浓度的变化与针对所述对象的基准进行比较;并且如果针对所述监测时段的至少部分,密闭空间的所述部分中的CO2浓度的监测到的变化超过针对所述对象的基准,则标识所述对象所表现出的哮喘症状。这种方法有助于在不必与对象发生身体接触的情况下监测对象(诸如儿童(或成年人))睡眠期间的哮喘,从而提供了获得有关正在被监测的对象的睡眠期间的哮喘症状发作的准确数据的不显眼方式。
优选地,该方法还包括:通过以下步骤,在监测时段期间确定对象的睡眠效率:当监测到的CO2浓度的增加率大于第一阈值时,通过标识对象的苏醒时间段;当监测到的CO2浓度的增加率在第一阈值与第二阈值之间时,标识对象的轻度睡眠时间段;并且当监测到的CO2浓度的增加率低于第二阈值时,标识对象的深度睡眠阶段;确定所述睡眠效率还包括:通过在紧接苏醒时间段之前的时间段期间评估监测到的CO2浓度的增加率,来从原因的集合中确定对象苏醒的原因,该原因的集合包括正常醒来和哮喘症状,该哮喘症状包括咳嗽、呼吸短促以及喘息,使得可以确定哮喘症状对所监测对象的睡眠质量的整体影响。
根据又一方面,提供了一种包括计算机可读存储介质的计算机程序产品,该计算机可读存储介质具有与其一起呈现的计算机可读程序指令,该指令在本文中所描述的实施例中的任一个实施例的睡眠监测系统的处理器上执行时,使得处理器能够实现根据本发明实施例的方法。
附图说明
参照附图更详细地且以非限制性示例的方式描述本发明的实施例,在附图中:
图1示意性地描绘了根据实施例的睡眠监测系统;
图2是描绘了与不同意识状态相关联的典型人体通气量的图表;
图3是描绘了人处于活动中的房间内的测量得到的室内CO2水平的图表;
图4是描绘了人苏醒但处于休息状态的房间内的测量得到的室内CO2水平的图表;
图5是描绘了人在熟睡中的房间内的测量得到的室内CO2水平的图表;
图6是示意性地描绘了人的典型睡眠周期期间的各种睡眠阶段的框图;
图7是描绘了对象咳嗽对对象近侧的空间内的位置中的CO2排放的影响的图表;
图8是根据示例实施例的方法的流程图;
图9是图8的方法的一个方面的详细流程图;
图10示意性地描绘了根据另一实施例的睡眠监测系统;以及
图11示意性地描绘了根据又一实施例的睡眠监测系统。
具体实施方式
应该理解,这些图仅仅是示意性的,并非按照比例绘制。还应该理解,贯穿示意图,使用相同的附图标记来表示相同或者相似的部分。
图1示意性地描绘了根据实施例的睡眠监测系统10。睡眠监测系统10适用于在密闭空间(诸如卧室)中监测对象的睡眠,睡眠监测系统10的传感器设备20被定位在该密闭空间中。传感器设备20至少包括CO2传感器21,并且可以包括一个或多个其他传感器23,这些传感器可以包括光传感器、声音传感器(例如麦克风)、用户输入传感器(例如用户界面)等。
传感器设备20可以是独立设备(例如传感器盒等),该独立设备可以定位于靠近要被监测的对象。例如,传感器设备20的尺寸可以被设计成使得其可以被夹住或以其他方式固定到对象睡眠的床上(例如床的床头架上),使得在CO2扩散到传感器设备20所定位的密闭空间(例如对象睡眠的卧室)内的空气的总体积中之前,可以利用传感器设备20准确地监测对象呼出CO2而引起的CO2浓度的变化。传感器设备20或至少CO2传感器21应该定位成使得:能够有助于对由对象的呼吸引起的、位于正在被监测的对象局部的CO2水平的波动的准确监测。例如,CO2传感器21可以定位在距对象的嘴部和鼻子30cm的范围内,尽管例如根据对象所处的房间内的通风条件,其他合适的距离也可以是可能的。
在备选实施例中,传感器设备20可以形成适用于改变密闭空间内的大气状况的装置的部分,如下面将更详细地说明的。例如,这种装置可以适用于调节密闭空间中的大气(空气)中的纯度、湿度、温度以及气味水平中的至少一个。这种功能性例如可以被包括在空气净化装置、空调装置、空气加湿装置、气味释放装置或包括上述功能性中的一个或多个的任何装置中。
睡眠监测系统10通常包括计算设备30,该计算设备包括处理器31。如图1所示,计算设备30可以是与传感器设备20分开的设备。例如,计算设备30可以是任何合适的计算设备(诸如个人计算机,例如台式计算机或膝上型计算机、平板计算机、个人数字助理)、移动通信设备(诸如智能电话)、可穿戴智能设备(诸如智能手表)等。计算设备30可以形成具有传感器设备20的组件。在这种组件中,计算设备30可以是离散实体,或者可以形成适用于改变密闭空间内的大气状况的装置的部分,即,这种装置可以包括处理器31。处理器31可以是任何合适的处理器,例如通用处理器或专用处理器。计算设备30还可以包括数据存储设备33,该数据存储设备被通信地耦合至处理器31。
计算设备30被布置成与传感器设备20通信,以获得如用CO2传感器21确定的对象所处的密闭空间中的CO2水平。CO2传感器21和其他(多个)传感器23(若存在)通过通信链路25通信地耦合至计算设备30,使得处理器31可以从这些传感器接收传感器读数。例如在传感器21、23与计算设备30一体形成的情况下,这种通信链路可以是有线通信链路,或者例如在传感器21、23位于与计算设备30不同的设备中(例如位于单独传感器设备20中)的情况下,这种通信链路可以是无线通信链路。为此,通过这种无线通信链路通信地耦合的相应设备可以包括无线收发器(未示出)。这些设备可以使用任何合适的无线通信协议(例如蓝牙、Wi-Fi、诸如2G、3G、4G或5G的移动通信协议、合适的近场通信(NFC)协议或专有协议)通过其相应无线收发器彼此通信。在这种无线通信的情况下,相应设备可以彼此直接通信,或者可以通过诸如无线桥接器、路由器、集线器等的中间件彼此通信。这些相应设备之间的有线通信或无线通信的任何合适的实施例是可以预期的。
处理器31还可以通信地耦合到数据存储设备33,其在此处被示出为形成计算设备30的一部分。这种数据存储设备可以是用于存储数字数据的任何合适的设备,例如随机存取存储器、高速缓冲存储器、闪速存储器、固态存储设备、磁性存储设备(诸如硬盘)、光学存储设备等。备选地,数据存储设备33可以与计算设备30(例如网络存储设备或云存储设备)分开,处理器31可通过网络(诸如LAN或互联网)访问网络存储设备或云存储设备。处理器31可以将从所连接的传感器21、23接收到的传感器数据存储在数据存储设备中,以便收集并存储针对密闭空间中的对象获得的历史睡眠信息,例如以便分析该对象的睡眠效率,如下面将更详细地说明的。
在图1中,计算设备30还包括在处理器31的控制下的监测结果报告设备35。这种设备可以是能够产生可以由人类的感官中的一种感官检测到的输出的任何设备。例如,设备35可以适用于产生可见输出或可听的输出。处理器31可以适用于利用处理器31生成指示所确定的对象的睡眠效率的控制信号,该控制信号触发设备35以产生指示所确定的睡眠效率的传感输出。例如,监测结果报告设备35可以包括显示器,该显示器适用于显示所确定的对象的睡眠效率(或睡眠效率历史)和/或与如下面将进一步详细说明的正在被监测的对象的睡眠期间的监测到的哮喘症状有关的任何数据。
图2提供了检测不同意识状态(即,对象在苏醒或熟睡之间的区别)的能力的概念的证明。图2描绘了标识三个睡眠阶段的图表。第一阶段是苏醒的,第二阶段是到睡眠状态的转换,且第三阶段是睡眠状态,其中X轴显示时间(以分钟为单位),而Y轴显示对象的通气量(以l/分钟为单位)。因此,该图表清楚地描绘了在对象从苏醒状态进入睡眠状态时的通气(呼吸)量的明显减少。因此,从苏醒状态进入熟睡状态所排出的CO2量也因此减少。可以将由受监测的对象在单位时间段期间排出的监测到的CO2量用作对象是苏醒还是熟睡的指示。例如,如果在这种单位时间段期间排出的CO2量超过限定阈值,那么可以认为这表示对象是苏醒的,而如果在这种单位时间段内排出的CO2量低于这种限定阈值,那么可以认为这表示对象是熟睡的。
图3至图5进一步表明了使用对CO2水平的监测来监测对象的睡眠的可行性,其中在相同密闭空间(即,具有29.25m3的恒定体积的空间)内在一段时间内利用CO2传感器来监测由对象在运动(图3)、休息(图4)以及睡眠(图5)期间排出的CO2水平,该密闭空间具有气密密封的门窗以最大限度地减少密闭空间中的CO2损失。在运动期间,监测到的CO2水平转换为16.5ppm/min的CO2增加率。在休息状态(即,对象苏醒但处于休息中)下时,监测到的CO2水平转换为3.0ppm/min的CO2增加率,而在对象的睡眠状态下,监测到的CO2水平转换为1.6ppm/min的CO2增加率。
如将立即理解的,这些CO2增加率的绝对值取决于若干因素,诸如密闭空间的体积、所监测对象的体重和/或肺容量、来自密闭空间的CO2损失率等。然而,图3至图5中的数据清楚地表明,对于特定对象,在所监测对象的各种身体状态之间CO2水平在密闭空间中升高的速率存在明显差异。因此,清楚地表明,通过确定CO2水平的增加率并且将该速率与限定阈值进行比较,可以做出关于所监测对象的身体状态(例如对象是苏醒的还是熟睡的)的确定。
此外,本身众所周知的是,与处于深度睡眠状态的人相比,处于轻度睡眠状态的人每单位时间产生更高的通气量(呼吸),使得对所监测对象的轻度睡眠与深度睡眠之间的区分还可以通过监测密闭空间中的CO2水平的增加率并且将密闭空间中的所确定的CO2水平的增加率与进一步限定的阈值进行比较来进行,其中当密闭空间中的所确定的CO2水平的增加率高于进一步限定的阈值时,检测到正处于轻度睡眠,并且当密闭空间中的所确定的CO2水平的增加率低于进一步限定的阈值时,检测到正处于深度睡眠。
在实施例中,睡眠监测系统10可以被配置为根据表1来确定所监测对象的特定身体状态(阈值1高于阈值2):
表1
状态 | 阈值1 | 阈值2 |
苏醒 | 高于 | 高于 |
轻度睡眠 | 低于 | 高于 |
深度睡眠 | 低于 | 低于 |
如先前所提到的,阈值1和阈值2的绝对值将取决于若干因素,诸如密闭空间的体积、所监测对象的体重和/或肺容量、来自密闭空间的CO2损失率等。在实施例中,可以通过对系统进行校准,来获得要由睡眠监测系统10应用的相应阈值。这可以任何合适的方式来实现。例如,至少睡眠监测系统10的传感器设备20可以放置在密闭空间内并且用于在一段时间内(例如在夜晚期间)监测对象,其中对象在密闭空间内睡眠。可以评估利用传感器设备20收集的数据,以标识密闭空间内的CO2水平的增加率的典型变化,该典型变化将指示对象的身体状态的变化,例如从苏醒状态转换到轻度睡眠状态,或从轻度睡眠状态转换到深度睡眠状态。因此,可以在所收集的数据中容易地标识各种身体状态,使得可以从所收集的数据容易地得到与这些各种身体状态(之间的转换)相关联的阈值1和阈值2的适用值。为了提高如此提取到的阈值的准确性,在校准期间的数据收集可以重复若干次,例如在若干个晚上进行。睡眠监测系统10可以具有可以由用户启动的校准模式。例如,睡眠监测系统10可以例如在传感器设备20或计算设备30上包括用户界面,该用户界面允许用户例如在将传感器设备20安装在要被监测的对象打算睡眠的位置附近之后启动校准模式。
在实施例中,睡眠监测系统20适用于确定正在被监测的对象的睡眠效率。睡眠效率SE可以被定义为如下:
ΔTtotal是对象正在试图睡眠的总时间,而ΔTsleep是对象实际上熟睡的总时间。ΔTtotal可以被定义为第一时间段,该第一时间段由对象正在试图睡眠的指示开始,并且由对象正在起床的指示终止。对象正在起床的指示通常在对象已经熟睡的指示之后,尽管这不是完全必要的;例如,在对象根本无法管理睡眠的场景中,将不会获得对象正在熟睡的这种指示。
可以若干种方式确定总时间ΔTtotal。例如,可以通过利用其他传感器23收集对象正在试图睡眠的指示来确定该时段的起始点。例如,这可以是用于检测对象进入床上的压力传感器,该压力传感器例如可以贴在枕头或床垫等上。然而,如果对象在试图睡眠之前首先进行放松活动(诸如阅读或看电视),那么这种指示可能不太准确。备选地,其他传感器23可以是光传感器,该光传感器在密闭空间中检测光水平的变化。以这种方式,如果对象关掉密闭空间内的灯,诸如床头灯或TV,那么这可以被解释为对对象试图入睡的指示,并且这种指示可以是可开始对时间段ΔΤtotal的确定的准确指示。类似地,诸如麦克风的声音传感器可以用于此目的,这是因为可以通过密闭空间内的噪声水平的降低来检测用户关掉TV或停止阅读。在又一实施例中,对象可以在传感器设备20的用户输入传感器23上(例如在用户界面上)提供用户输入,以提供对象开始试图睡眠的特别准确的指示。例如,通过检测警报响起、通过对象接通灯、利用CO2传感器21确定对象排出CO2的速率的增加等,可以相似方式确定时间段ΔΤtotal的终点。
ΔΤsleep可以被定义为第二时间段,该第二时间段由对象熟睡的指示开始,并由对象苏醒的指示终止,该苏醒的指示在对象熟睡的指示之后。在睡眠模式中断的情况下,对象可能经历若干个时段,在这些时段期间对象是熟睡的。在这种场景中,可以通过对确定对象处于熟睡的所有时段进行求和,来获得对象熟睡的总时段ΔTsleep。
如将从前述内容理解的,可以使用利用传感器设备20收集的CO2传感器数据来确定总时间ΔTsleep。例如,传感器设备20可以对对象正在试图睡眠的密闭空间中的CO2水平进行周期性地采样。可以使用周期性数据来确定总时间ΔTsleep。例如,可以通过对周期数据中的数据点的数目进行计数来确定总时间ΔTsleep,在该总时间内,CO2水平相对于先前捕获到的数据点的增加率低于阈值1。从收集到的传感器数据中确定ΔTsleep的其他合适方式对于技术人员而言是清楚的。
睡眠监测系统10可以进一步细化,例如以考虑到所监测对象暂时离开床(例如去卫生间)的场景。为此,睡眠监测系统10例如可以被配置为:如果确定对象在限定的时间段内返回床,那么继续确定时间段ΔΤtotal。如先前所说明的,这可以例如使用由CO2传感器21和/或其他传感器23中的一个或多个提供的传感器数据以任何合适的方式进行确定。其他改进方法对于技术人员而言将是清楚的。
在实施例中,睡眠监测系统10还适用于计算所监测对象的入睡潜期(SOL)。入睡潜期可以被定义为对象试图入睡的时间点到对象实际入睡的时间点之间的时间段。如先前所说明的那样,可以确定对象试图入睡的时间点,以及可以确定对象实际入睡的时间点。
在实施例中,睡眠监测系统10可以适用于在感觉输出设备35上提供对计算得到的睡眠效率SE的指示,可选地包括对入睡潜期SOL的指示,使得可以使所监测对象知道其睡眠效率。为此,感觉输出设备35可以被包括在便携式计算设备30(例如平板设备或移动通信设备,诸如移动电话)或可以被所监测对象在睡眠期间穿戴的可穿戴设备(例如智能手表等)中。这具有其他优点:如果传感器设备20与计算设备30分开,那么可以部署传感器设备20与计算设备30之间的短距离无线通信,例如NFC或蓝牙,其在能效方面可能是有益的。
睡眠监测系统10可以适用于建立睡眠效率的历史,以允许评估要被监测的对象的睡眠历史。例如,处理器31可以适用于存储睡眠监测数据和/或从数据存储设备33中的睡眠监测数据中计算得到的睡眠效率。睡眠监测系统10可以包括作为感觉输出设备35的显示器,在该显示器上可以显示存储在数据存储设备33中的睡眠历史。以这种方式,可以显示和评估所监测对象的睡眠效率的历史,这可以提供对所监测对象的典型睡眠行为的有价值的见解。例如,这种见解可以用于确定所监测对象的某些身体症状是否可以由所监测对象在一段时间内的睡眠效率来进行说明。
根据本发明,睡眠监测系统10还被配置为确定正在被监测的对象的睡眠时段期间的哮喘症状。这些哮喘症状大致可分为三种不同类别:咳嗽、呼吸短促以及喘息,如下面将更详细地说明的,这些症状的每一个可以通过正由系统10监测的对象的CO2排放的异常增加和可区分的增加来进行分类。
图7是描绘了在对象存在的时间(x轴,以秒为单位)内监测密闭空间(此处为办公室)内的CO2水平(y轴,以PPM为单位)的图表。在t~110s和t~510s处的尖峰是因对象咳嗽而引起的所监测空间内的CO2水平的骤然增加的特征。为了使睡眠监测系统10能够监测这些咳嗽事件,处理器31优选地被配置为至少每隔10秒对由CO2传感器21提供的传感器数据进行采样(即,在至少0.1Hz的采样率下),使得可以通过睡眠监测系统10准确地检测所监测空间内的CO2水平的这种瞬时急剧增加。例如,处理器31可以被配置为:当至少两个连续的传感器数据样本之间的CO2浓度的监测到的变化以超过基准达到至少限定的量时,确定CO2水平的增加将被解释为咳嗽事件。睡眠监测系统10还可以包括计数器(未示出),其中对正在被监测的对象的睡眠期间的检测到的哮喘症状(例如咳嗽事件的数目)进行计数。如下面将进一步详细说明的,该计数例如可以用于量化在所监测对象的睡眠时段期间的哮喘发作的严重度和/或可以用于确定所监测对象的睡眠效率。
由处理器31使用的前述基准通常是所述对象的个人化基准。在一些实施例中,可以由睡眠监测设备10的用户通过睡眠监测系统10的用户界面从多个预先存储的基准中选择特定基准(例如通过指定要被监测的对象的一个或多个标识符,诸如年龄、性别、体重、身高、肺容量等),来实现基准的个人化,基于这些标识符,可以通过处理器31来选择适合的预先存储的基准,以供在对对象的监测中使用。在优选的备选实施例中,可以如先前所说明的那样,在睡眠监测系统10的校准模式下获得基准。例如,这种基准可以定义由对象表现出正常呼吸行为而引起的目标对象正在被监测的空间内随时间的CO2浓度的变化。
在实施例中,当目标对象在苏醒时正在进行正常呼吸时,基准可以定义随时间的CO2浓度的变化的期望值,这是因为如由哮喘症状发作引起的CO2浓度随时间的变化通常使由所监测对象发出的CO2量超过对象在苏醒时进行正常呼吸期间发出的CO2量。例如,哮喘患者在哮喘发作时倾向于通过其嘴部而非其鼻子进行短促呼吸,由于与正常呼吸相比这种呼吸更浅,因此这通常伴随着呼吸率的增加。在医学科学中本身众所周知的是,哮喘患者患有慢性过度换气;平均而言,与在正常呼吸期间每分钟呼吸4至6升空气相比,哮喘患者每分钟呼吸12至14升空气。这通常伴随着呼吸率的增加,例如对于哮喘患者而言,每分钟呼吸约25次。
已经发现,可以通过应用另一阈值(例如如上文所提到的个人化基准),来对上表1进行扩展,该阈值通常为比表1中的阈值1更高的阈值,这是因为CO2增加率(d[CO2]/dt)可以分类如下:d[CO2]/dt(哮喘)>d[CO2]/dt(正常苏醒呼吸)>d[CO2]/dt(正常睡眠呼吸)。在这种分类内,通常可以在不同类型的哮喘症状之间进行进一步区分,如下:d[CO2]/dt(呼吸短促)>d[CO2]/dt(咳嗽)>d[CO2]/dt(喘息)。另外或备选地,监测系统10可以被配置为在限定的时间段内对监测到的CO2浓度的波动数目进行计数,例如以在从传感器21获得的CO2信号中建立模式,可以评估该模式以确定哮喘症状的类型。通常,在限定的时间段内,监测到的CO2浓度的波动的测量得到的数目N与如下的各种哮喘症状对应:N(呼吸短促)>N(咳嗽)>N(喘息)。如将从前述内容理解的,可以通过校准或机器学习,来获得用于建立特定类型的哮喘症状的各种d[CO2]/dt阈值或计数(N)阈值。
因此,基于前述内容,应容易地理解,通过评估监测到的CO2水平的增加率,例如通过将监测到的增加率与适当限定的阈值进行比较,可以区分CO2水平的增加是由正常呼吸引起的还是由特定哮喘症状(例如呼吸短促、咳嗽或喘息)引起的,其中由于与这些症状中的每一种相关联的CO2的特征增加率,因此每种症状都是可标识的。
在实施例中,睡眠监测系统10适用于实现在确定所监测对象的睡眠效率的上下文内检测对象睡眠期间的哮喘症状的方法。图8中描绘了这种方法100的示例实施例的流程图。方法100在操作110中开始,例如通过接通睡眠监测系统10,在其后处理器31监测由CO2传感器21和一个或多个其他传感器23(若存在)提供的传感器数据,以确定所监测对象是苏醒的还是熟睡的,这在操作130中进行检查。处理器31对传感器数据的这种监测可以任何合适的方式实现,例如以任何合适的周期性(诸如如先前提到的至少每隔10秒一次)周期性地进行。可以如上文更详细地说明的那样确定对象是苏醒的还是熟睡的,以及确定睡眠效率和诸如入睡开始的相关参数。
如果在操作130中确定对象尚未入睡,那么方法100继续进行到操作170,在该操作中检查监视时段是否已经过去。如果尚未达到这种情况,那么方法100返回到先前说明的操作120。否则,方法100继续进行到操作180,在该操作中可以如上文更详细地说明的那样计算所监测对象的整体睡眠效率,随后在190中终止。另一方面,如果在操作130中确定对象是熟睡的,那么方法100继续进行到操作140,在该操作中确定睡眠水平,例如正常睡眠阶段,诸如轻度睡眠或深度睡眠;或受哮喘影响的睡眠阶段,其包括受咳嗽、呼吸短促或喘息影响的睡眠阶段。这种监测可以由操作150进行象征性地表示,直到所监测对象醒来为止或直到睡眠监测系统监测对象的监测时段已经完成为止。
如果在操作150中确定对象已经醒来,这例如可以根据监测到的CO2数据和/或根据由如先前所说明的其他传感器23中的一个或多个提供的数据明显看出,那么方法100可选地可以包括其他操作160,在该操作中确定对象醒来的原因。借助于图9中的流程图来进一步说明这一点。具体地,在操作161中,处理器31在所监测对象的醒来事件之前的时间间隔期间评估监测到的CO2水平的增加率,这是由于在该时间间隔期间的CO2水平的增加率指示此人醒来的原因,即,这是否是由特定哮喘症状引起的。例如,处理器31可以在操作162中将该时间间隔内监测到的CO2水平的增加率与指示呼吸短促的第一阈值进行比较,使得如果监测到的CO2水平至少满足该第一阈值,那么处理器在163中终止,这定义了由于呼吸短促而引起的醒来的原因。
然而,如果监测到的CO2水平的增加率低于该第一阈值,那么处理器31可以在操作164中将该时间间隔内监测到的CO2水平的增加率与指示咳嗽的第二阈值进行比较,使得如果监测到的CO2水平至少满足该第二阈值,那么处理器在165中终止,这定义了由咳嗽引起的醒来的原因。
如果监测到的CO2水平的增加率还低于该第二阈值,那么处理器31可以在操作166中将该时间间隔内监测到的CO2水平的增加率与指示喘息的第三阈值进行比较,使得如果监测到的CO2水平至少满足该第三阈值,那么处理器在167中终止,这定义了由喘息引起的醒来的原因。如果监测到的CO2水平的增加率也低于该第三阈值,那么处理器31确定所监测对象醒来不是由哮喘症状发作引起的且因此在169中终止,从而表明‘正常’醒来,即,因所监测对象的非哮喘相关原因而醒来。
以这种方式,睡眠监测系统100可以建立哮喘事件的数目及其在所监测对象的睡眠期间的持续时间的记录,从该记录中可以任何合适的方式来量化所监测对象的睡眠效率的恶化。例如,对象或对象的医学顾问可以使用这种信息,来评估实际治疗方案的效率并且相应地调整治疗方案,例如增加已经使用过的哮喘药物的剂量和/或给药频率,或者用新药物补充或替代已经使用过的哮喘药物,以抑制所监测对象的睡眠期间的哮喘症状的发作。
在这方面,如先前借助于图9及其详细描述所说明的,例如通过对所监测对象因夜间哮喘症状而醒来的次数进行计数,睡眠效率的确定可以受益于所监测对象在监测时段期间的醒来的次数以及所监测对象醒来的原因。例如,整体睡眠效率可以被表示为总监测时段与总熟睡时间(例如对象在床上尝试睡眠的时段)之间的比率。还可以基于不具有哮喘障碍的睡眠效率与整体睡眠效率之差,来得到降低的睡眠效率图,其中的每一个都可以使用如在本申请中所描述的本发明的教导以直接方式从监测到的数据中得到。
如先前所说明的,监测结果可以供远程监测器使用或可在监测结果报告设备35上使用。可以任何合适的方式呈现任何有用的结果。有用结果的非限制性示例包括睡眠效率、醒来时间、由哮喘引起的睡眠障碍时间、在睡眠质量等级方面的量化,例如1至5的等级,其中分数增加指示较高睡眠质量等。此外,这些监测结果可以通过所提出的建议来补充,以改善所监测对象的睡眠,这些建议诸如调整哮喘药物的建议(系统可能建议对象在适当情况下与医疗专业人员讨论这些调整)、安装或使用可以降低空气传播哮喘引发浓度的设备,例如空气净化设备等。
在图10中示意性地描绘的实施例中,睡眠监测系统10还包括对处理器31做出响应的哮喘药物释放设备40。例如,哮喘药物释放设备40可以是气溶胶释放设备等,其适用于在所监测对象的嘴部方向上释放哮喘药物的流41,使得处理器31在如先前所说明的监测到的CO2数据中检测到哮喘症状的发作时,可以控制哮喘药物释放设备40向所监测对象释放哮喘药物,以便自动治疗所监测对象的哮喘症状。
在实施例中,由哮喘药物释放设备40所释放的哮喘药物的剂量可以是基于利用处理器31检测到的特定哮喘症状的。例如,与所监测对象正在咳嗽的情况相比,当所监测对象患有呼吸短促或喘息时,所释放的剂量可能更高,如在咳嗽的场景中,所监测对象的呼吸通常较浅,使得较小剂量的哮喘药物可能足以有效地治疗哮喘。
在实施例中,处理器31可以对适用于检测所监测对象的呼吸周期的另一传感器23(例如运动传感器、摄像机等)做出响应,从该传感器中可以确定所监测对象是否正在吸气还是呼气,使得处理器31可以在适当的时间点通过哮喘药物释放设备40触发哮喘药物的释放,使得哮喘药物能够在呼吸周期期间在对象开始吸入空气时到达所监测对象,以便使正由所监测对象吸入的所递送哮喘药物的部分最大化。
图11示意性地描绘了空气净化装置所包含的睡眠监测系统10的示例性实施例,该空气净化装置具有进气口53、出气口55以及空气净化路径51(例如流体管道),该空气净化路径在进气口53与出气口55之间延伸。风扇50可以位于空气净化路径51中,以控制通过空气净化路径51的空气的流速。风扇50可以由与空气净化装置一体形成的处理器31控制。处理器31可以适用于响应于检测到要被监测的对象的特定睡眠阶段,而控制风扇50的速度,例如以在对象所处的空间内维持期望气氛。在该实施例中,传感器设备20与空气净化装置是一体形成的,并且除了先前所描述的CO2传感器21和一个或多个其他传感器23之外,还可以包括一个或多个附加传感器25,用于监测通过进气口53进入空气净化装置的空气的污染水平。处理器31还可以适用于响应于由一个或多个附加传感器25提供的传感器数据来调节风扇50的风扇速度,以确保适当地调节空气净化装置所在的密闭空间中的空气质量。由于这种基于传感器的风扇速度调节本身是众所周知的,因此仅出于简洁起见而不再对此进行进一步说明。
空气净化装置还包括一个或多个污染物去除结构110,例如过滤器等,如本身众所周知的一样。因此,仅出于简洁起见,将不再对此进行进一步说明。空气净化装置还可以包括哮喘药物递送设备44,其递送包括如先前所说明的哮喘药物的流41。本领域的技术人员应理解,尽管针对空气净化装置更详细地说明了这种一体式睡眠监测系统10,但是在类似的空气处理装置(诸如空调、空气加湿器、呼吸器设备等)中实施这种一体式睡眠监测系统10同样是可行的。
此时,应注意,睡眠监测系统10的实施例也可以用于多个对象正在睡眠的密闭空间中。例如,在这种场景中,可以部署具有位于特定对象局部的(CO2)感测能力的多个睡眠监测系统。备选地,可以预期包括多个传感器的单个睡眠监测系统10,该多个传感器可以被部署到要被监测的特定对象局部。尽管在CO2监测的上下文中描述了本发明的实施例,但应理解,其中可以监测受通气(呼吸)影响的另一气体(例如O2)例如以支持或替代CO2监测数据的实施例。可以有利地部署,以监测睡眠异常和哮喘症状发作的其他传感器包括挥发性有机化合物(VOC)传感器,其例如可以被部署为其他传感器23,以补充利用CO2传感器21获得的数据。
本发明的各个方面可以被体现为睡眠监测系统10和用于监测对象的睡眠的方法100。本发明的各个方面可以采取一种或多种计算机可读介质中所包含的计算机程序产品的形式,该计算机可读介质具有包含在其上的计算机可读程序代码。代码通常包含计算机可读程序指令,该指令在这种睡眠监测系统10的处理器31上执行时实现睡眠监测方法100。
可以利用一种或多种计算机可读介质的任何组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质可以例如是但不限于,电子的、磁性的、光学的、电磁的、红外的或半导体的系统、装置或设备或者前述的任何合适组合。可以通过任何合适的网络连接来访问这种系统、装置或设备;例如,系统、装置或设备可以通过网络进行访问,以通过网络检索计算机可读程序代码。这种网络可以例如是互联网、移动通信网络等。计算机可读存储介质的更具体示例(非详尽列表)可包括以下:具有一根或者多根电线的电气连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除编程只读存储器(EPROM或闪速存储器)、光纤、便携式光盘只读存储器(CD-ROM)、光学存储设备、磁性存储设备或前述的任何合适组合。在本申请的上下文中,计算机可读存储介质可以是任何有形介质,该有形介质可以包含或者存储供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合使用的程序。
计算机可读信号介质可以包括传播数据信号,该传播数据信号中包含有计算机可读程序代码,例如该计算机可读信号介质体现为基带或作为载波的部分。这种传播信号可以采用多种形式中的任何形式,包括但不限于电磁、光学或其任何合适的组合。计算机可读信号介质可以是任何计算机可读介质,该计算机可读介质不是计算机可读存储介质,并且可以传送、传播或传输供指令执行系统、装置或设备使用的、或与指令执行系统、装置或设备结合使用的程序。
可以使用任何适合的介质(包括但不限于无线电缆、有线电缆、光纤电缆、RF等或前述的任何合适组合),来发送在计算机可读介质上所包含的程序代码。
可以用一种或多种编程语言(包括诸如Java、Smalltalk、C++等的面向对象的编程语言和诸如“C”编程语言或类似编程语言的常规程序编程语言)的任何组合,来编写用于通过在处理器31上执行来实施本发明的方法的计算机程序代码。程序代码可以在处理器31上作为独立软件包(例如应用程序)完整地执行,或者可以在处理器31上部分地执行以及在远程服务器上部分地执行。在后一种场景中,远程服务器可以通过任何类型的网络连接至睡眠监测系统10,包括局域网(LAN)或广域网(WAN),或可以与外部计算机进行此连接(例如通过使用互联网服务提供商的互联网)。
上文参考根据本发明的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应理解,流程图和/或框图中的每个块以及流程图和/或框图中的块的组合可以由要在睡眠监测系统10的处理器31上完全或部分地执行的计算机程序指令实现,使得指令能够创建用于实现一个或多个流程图和/或框图块中指定的功能/动作的手段。还可以将这些计算机程序指令存储在计算机可读介质中,该计算机可读介质可以引导睡眠监测系统10以特定方式起作用。
可以将计算机程序指令加载到处理器31中,以使一系列操作步骤得以在处理器31上执行,以产生计算机实现的过程,使得在处理器31上执行的指令提供用于实现在一个或多个流程图和/或框图块中指定的功能/动作。计算机程序产品可以形成睡眠监测系统10的一部分,例如可以被安装在睡眠监测系统10上。
应注意,上文提到的实施例图示了本发明,而不是限制本发明,并且应注意,本领域的技术人员能够在不偏离随附权利要求书的范围的情况下设计许多备选实施例。在权利要求书中,被置于括号之间的任何附图标记都不应该被视为是对此权利要求的限制。词语“包括”不排除除了权利要求项中所列的元件或步骤之外的元件或者步骤的存在。在元件前面的词语“一”或者“一个”不排除多个这种元件的存在。可以通过包括若干不同元件的硬件来实施本发明。在列举了若干装置的设备权利要求项中,这些装置中的一些可以由一个硬件或同一个硬件项来体现。在彼此不同的从属权利要求中提及某些措施这一事实,并不指示这些措施的组合无法用来使得优点更加突出。
Claims (15)
1.一种睡眠监测系统(10),用于在无需由对象穿戴的情况下、在密闭空间中检测所述对象睡眠期间的哮喘症状,所述系统包括CO2传感器(21)以及处理器(31),所述处理器(31)被通信地耦合至所述CO2传感器,其中所述处理器适用于:
在监测时段内,从由所述CO2传感器产生的传感器数据,监测所述密闭空间的、靠近正在熟睡的所述对象的一部分中的CO2浓度的变化,使得在呼出的CO2扩散到所述密闭空间的总体积中之前,监测由所述对象向所述密闭空间的所述部分中呼出CO2而引起的所述CO2浓度的所述变化;
将所述密闭空间的所述部分中的所述CO2浓度的监测到的变化与针对所述对象的基准进行比较;以及
如果针对所述监测时段的至少部分,所述密闭空间的所述部分中的所述CO2浓度的监测到的变化超过针对所述对象的所述基准,则标识所述对象所表现出的哮喘症状。
2.根据权利要求1所述的睡眠监测系统(10),还包括监测结果报告设备(35),所述监测结果报告设备(35)被通信地耦合至所述处理器(31),并且适用于生成所述监测时段的报告,所述报告包括对标识到的哮喘症状的指示。
3.根据权利要求1或2所述的睡眠监测系统(10),其中所述处理器(31)还适用于:在至少0.1Hz的限定采样频率下,对所述传感器数据进行采样。
4.根据权利要求3所述的睡眠监测系统(10),其中所述处理器(31)适用于:如果至少两个连续的传感器数据样本之间的所述CO2浓度的监测到的变化超过所述基准达到至少限定的量,则标识所述对象的呈咳嗽形式的哮喘症状。
5.根据权利要求1至4中任一项所述的睡眠监测系统(10),还包括计数器,所述计数器适用于:在所述监测时段期间,对标识到的哮喘症状的数目进行计数。
6.根据权利要求1至5中任一项所述的睡眠监测系统(10),其中所述系统能够在校准模式下操作,针对所述对象的所述基准是在所述校准模式下获得的。
7.根据权利要求1至6中任一项所述的睡眠监测系统(10),其中所述监测时段由第一时间段限定,所述第一时间段由所述对象正在试图睡眠的第一指示开始,并且由所述对象正在起床的第二指示终止;并且其中所述处理器(31)适用于:在所述监测时段期间通过以下来确定所述对象的睡眠效率:
当监测到的CO2浓度的增加率大于第一阈值时,标识所述对象的苏醒时间段;
当监测到的CO2浓度的增加率在所述第一阈值与第二阈值之间时,标识所述对象的轻度睡眠时间段;并且
当监测到的CO2浓度的增加率低于所述第二阈值时,标识所述对象的深度睡眠阶段。
8.根据权利要求7所述的睡眠监测系统(10),其中所述处理器(31)还适用于:通过在紧接所述苏醒时间段之前的时间段期间评估监测到的CO2浓度的增加率,来从多种原因中确定所述对象苏醒的原因,所述多种原因按照对象各自具有CO2的特征增加率。
9.根据权利要求8所述的睡眠监测系统(10),其中所述原因包括正常醒来和哮喘症状,其中所述哮喘症状包括咳嗽、呼吸短促以及喘息。
10.根据权利要求1至9中任一项所述的睡眠监测系统(10),还包括至少一个其他传感器(23),所述至少一个其他传感器(23)被通信地耦合至所述处理器(31),其中所述处理器适用于基于来自所述CO2传感器(21)和所述至少一个其他传感器的相应传感器数据,来标识所述哮喘症状。
11.根据权利要求1至10中任一项所述的睡眠监测系统(10),还包括对所述处理器(31)做出响应的哮喘药物释放设备(40)。
12.根据权利要求1至11中任一项所述的睡眠监测系统(10),其中所述睡眠监测系统至少部分地由以下装置所包括:空调装置、空气净化装置、呼吸器装置或加湿装置,和/或其中所述睡眠监测系统包括第一设备(20)以及第二设备(30),所述第一设备(20)包括所述CO2传感器(21),所述第二设备(30)包括所述处理器(31),所述第一设备和所述第二设备分别包括用于在所述第一设备与所述第二设备之间建立无线通信链路的无线通信模块,其中所述第二设备是可穿戴设备或移动通信设备。
13.一种在无需由对象穿戴的情况下、在密闭空间中检测所述对象睡眠期间的哮喘症状的方法(100),所述方法包括:
周期性地接收(110)传感器数据,所述传感器数据指示所述密闭空间的、所述对象在监测时段期间熟睡的一部分中的CO2浓度,使得在呼出的CO2扩散到所述密闭空间的总体积中之前,监测所述对象向所述密闭空间的所述部分中呼出CO2而引起的所述CO2浓度的变化;
在所述监测时段内监测(120)所述CO2浓度;
将所述密闭空间的所述部分中的监测到的CO2浓度的变化与针对所述对象的基准进行比较(160);以及
如果针对所述监测时段的至少部分,所述密闭空间的所述部分中的所述CO2浓度的监测到的变化超过针对所述对象的所述基准,则标识(162、164、166)所述对象所表现出的哮喘症状。
14.根据权利要求13所述的方法(100),还包括:
通过以下步骤,在所述监测时段期间确定所述对象的睡眠效率:
当监测到的CO2浓度的增加率大于第一阈值时,标识(150)所述对象的苏醒时间段;
当监测到的CO2浓度的增加率在所述第一阈值与第二阈值之间时,标识(140)所述对象的轻度睡眠时间段;以及
当监测到的CO2浓度的增加率低于所述第二阈值时,标识(140)所述对象的深度睡眠阶段;
所述睡眠效率的所述确定还包括:通过在紧接所述苏醒时间段之前的时间段期间评估监测到的CO2浓度的增加率,来从原因的集合中确定(160)所述对象苏醒的原因,所述原因的集合包括正常醒来和哮喘症状,所述哮喘症状包括咳嗽、呼吸短促以及喘息。
15.一种包括计算机可读存储介质的计算机程序产品,所述计算机可读存储介质具有与其一起呈现的计算机可读程序指令,所述指令在根据权利要求1至12中任一项所述的睡眠监测系统(10)的处理器(31)上执行时,使所述处理器实现根据权利要求13或14所述的方法(100)。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNPCT/CN2017/000238 | 2017-03-17 | ||
CN2017000238 | 2017-03-17 | ||
EP17170699.7A EP3401817A1 (en) | 2017-05-11 | 2017-05-11 | Nocturnal asthma monitoring |
EP17170699.7 | 2017-05-11 | ||
PCT/EP2018/054907 WO2018166795A1 (en) | 2017-03-17 | 2018-02-28 | Nocturnal asthma monitoring |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110603601A CN110603601A (zh) | 2019-12-20 |
CN110603601B true CN110603601B (zh) | 2023-11-10 |
Family
ID=61616965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880018053.2A Active CN110603601B (zh) | 2017-03-17 | 2018-02-28 | 夜间哮喘监测 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110603601B (zh) |
WO (1) | WO2018166795A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112472067A (zh) * | 2020-11-26 | 2021-03-12 | 珠海格力电器股份有限公司 | 一种睡眠呼吸状态的检测方法及系统 |
WO2022172924A1 (ja) * | 2021-02-12 | 2022-08-18 | ダイキン工業株式会社 | 放出装置 |
CN113531851B (zh) * | 2021-07-08 | 2022-12-23 | 青岛海尔空调器有限总公司 | 辅助治疗的空调控制方法、空调器和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101365373A (zh) * | 2005-06-21 | 2009-02-11 | 早期感知有限公司 | 用于预测和监测临床发作的技术 |
CN106361341A (zh) * | 2016-09-29 | 2017-02-01 | 爱子科技(北京)有限公司 | 一种呼吸检测方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9706965B2 (en) * | 2008-05-28 | 2017-07-18 | Oridion Medical 1987 Ltd. | Methods, apparatus and systems for monitoring CO2 |
US20160228037A1 (en) * | 2015-02-10 | 2016-08-11 | Oridion Medical 1987 Ltd. | Homecare asthma management |
US20160249838A1 (en) | 2015-02-28 | 2016-09-01 | Lawrence Cheng | Method and Apparatus for Effective Detection of Respiratory Blockage Using CO2 Monitor |
-
2018
- 2018-02-28 WO PCT/EP2018/054907 patent/WO2018166795A1/en active Application Filing
- 2018-02-28 CN CN201880018053.2A patent/CN110603601B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101365373A (zh) * | 2005-06-21 | 2009-02-11 | 早期感知有限公司 | 用于预测和监测临床发作的技术 |
CN106361341A (zh) * | 2016-09-29 | 2017-02-01 | 爱子科技(北京)有限公司 | 一种呼吸检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2018166795A1 (en) | 2018-09-20 |
CN110603601A (zh) | 2019-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7284782B2 (ja) | 慢性疾患の監視および管理のためのシステムおよび方法 | |
CN107920753B (zh) | 睡眠监控 | |
JP5005819B2 (ja) | 環境に関連した呼吸器疾患の自己監視方法およびシステム | |
JP4809779B2 (ja) | 呼吸に現れる臨床的発症の予測及びモニタリング技術 | |
US20180070859A1 (en) | Capnography device and method | |
JP4960964B2 (ja) | 患者の呼吸パターンの診断と治療のためのシステムおよび方法 | |
JP2018531055A6 (ja) | 慢性疾患の監視および管理のためのシステムおよび方法 | |
WO2018128976A1 (en) | System and method for monitoring respiration | |
CN110603601B (zh) | 夜间哮喘监测 | |
CN110448301A (zh) | 检测呼吸气流不足的设备 | |
US10674938B2 (en) | Apparatus and method for detecting health deterioration | |
JP2017518834A (ja) | 肺疾患の非侵襲的モニタリング | |
US20120179066A1 (en) | Sleeping quality monitor system and a method for monitoring a physiological signal | |
JP2021523812A (ja) | 急性の医学的状態の潜在的な発症を判定するための方法及び装置 | |
CN108634954B (zh) | 一种家用简易呼吸暂停监测装置 | |
US20160174893A1 (en) | Apparatus and method for nighttime distress event monitoring | |
EP3401817A1 (en) | Nocturnal asthma monitoring | |
WO2020126081A1 (en) | System and method for predicting an exacerbation | |
SE2050540A1 (en) | Asthma warning / prevention system and device | |
EP3782686B1 (de) | System und beatmungsgerät zur nichtinvasiven infektionserkennung während der beatmung | |
JP2022518713A (ja) | 呼吸警報を発生させるための装置及びシステム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |