CN113228200A - 用于确定警觉性水平的系统和方法 - Google Patents

用于确定警觉性水平的系统和方法 Download PDF

Info

Publication number
CN113228200A
CN113228200A CN201980084207.2A CN201980084207A CN113228200A CN 113228200 A CN113228200 A CN 113228200A CN 201980084207 A CN201980084207 A CN 201980084207A CN 113228200 A CN113228200 A CN 113228200A
Authority
CN
China
Prior art keywords
sleep
time
mid
circadian
day
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.)
Pending
Application number
CN201980084207.2A
Other languages
English (en)
Inventor
M·德斯佩尼奇
P·丰塞卡
X·L·M·A·奥贝特
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 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 NV filed Critical Koninklijke Philips NV
Publication of CN113228200A publication Critical patent/CN113228200A/zh
Pending legal-status Critical Current

Links

Images

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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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
    • A61B5/48—Other medical applications
    • A61B5/4857—Indicating the phase of biorhythm
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • 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
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Anesthesiology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

提供了一种用于确定对象的警觉性水平的系统，其使用生理传感器来提供区分对象的睡眠状态与清醒状态的生理传感器信号。识别睡眠时段及其相关联的入睡时间和醒来时间。从24小时时间段内的多个睡眠时段中获得单个代表性睡眠中期时间，并且使用单个代表性睡眠中期时间来估计昼夜节律相位。然后从昼夜节律相位获得警觉性水平。该系统避免了当确定警觉性水平时使用默认昼夜节律相位的需要。该系统可以更准确地估计具有不规则睡眠模式的个体的睡意，诸如轮班工作者或有睡眠障碍的人。单个代表性睡眠中期时间还能够考虑多个睡眠时段，即小睡或不安睡眠时间段。

Description

用于确定警觉性水平的系统和方法
技术领域
本发明涉及一种用于确定警觉性水平的系统和方法，要么用于分析历史信息要么用于未来预测。
背景技术
个体在其警觉时可以表现得更好。当个体睡意时，他/她更易于犯能够危及生命的错误。睡意可能由多种因子引起，包括睡眠不足和一天中的时间。如果可以预先预测睡意，则可以在预测个体过度睡意的时间段之前或期间，通过安排工作或采取纠正措施(例如休息)来最小化或预防其影响。
已知用于睡意预测的三过程警觉性模型公开于例如如下文献中：T.Akerstedt和S.Folkard，“The three-process model of alertness and its extension toperformance,sleep latency,and sleep length”(Chronobiology International，第14卷，第2期，第115-123页，1997)。其还在以下文献中讨论：M.Ingre、W.V.Leeuwen、T.Klemets、C.Ullvetter、S.Hough、G.Kecklund、D.Karlsson和T.
Figure BDA0003121187650000011
“Validatingand extending the three process model of alertness in airline operations”(PLoS One，第9卷，第10期，2014)。
该模型考虑了三个主要分量。第一分量是昼夜节律过程，其描述了警觉性的昼夜变化(C)。第二分量是稳态过程，其描述了随着清醒时间的警觉性的下降和随着睡眠时间的恢复(S)。第三分量是睡眠惯性过程，其描述了醒来后警觉性恢复之前的延迟(W)。
除了昼夜节律分量外，还存在与一天中的时间相关并受其影响的次昼夜节律分量(U)。该分量被添加到原始的三过程模型中，以模拟下午的警觉性下降。普遍的假设是，这种警觉性下降是由于警觉性中12小时的分量的存在。昼夜节律(C)和次昼夜节律(U)分量两者在其计算中使用昼夜节律相位。
在已知的三过程警觉性模型中，使用表示群体平均的昼夜节律相位的默认值。昼夜节律过程C的相位，特别是峰相位，例如被设置为以十进制小时为单位的16.8的默认值。初始的三过程模型基于早上07:45的唤醒时间。假设过程C的峰相位发生在醒来后几乎正好9小时，以十进制小时为单位在16.8(16:48)处。
这种方法的一个问题是其假设人们有规律的睡眠时间表，而轮班工作者或有睡眠障碍的人则不然。能够考虑对象的实际昼夜节律相位将是期望的，但这通常是侵扰性过程或者不准确的过程。
US 2017/0238868公开了一种基于昼夜节律的警觉性预测模型。该模型使用各种参数，包括睡眠中期时间。
US 2017/0132946公开了另一种用于基于睡眠的持续时间测量昼夜节律的系统。
仍然需要一种可靠且不显眼的方式来确定和预测对象的警觉性水平，特别是考虑到其实际昼夜节律周期。
发明内容
本发明由权利要求限定。
根据依据本发明的一个方面的示例，提供了一种用于确定对象的警觉性水平的系统，包括：
输入部，其用于从生理传感器接收生理传感器信号，所述生理传感器信号区分所述对象的睡眠状态与清醒状态；
控制器，其适于根据所述生理传感器信号来执行以下操作：
识别睡眠时段并且导出所述睡眠时段的相关联的入睡时间、醒来时间和睡眠中期时间，所述睡眠中期时间是所述入睡时间与所述醒来时间之间的中点；
根据在24小时时间段内的多个睡眠时段来导出单个代表性睡眠中期时间；
使用所述单个代表性睡眠中期时间来估计昼夜节律相位；并且
根据所述昼夜节律相位来确定警觉性水平。
昼夜节律相位是相对于特定昼夜节律标记出现的时间来定义的。标记可以是核心体温(CBT)最小值或暗光褪黑激素分泌开始(DLMO)。通常，对于具有昼夜生活方式的有规律的人来说，CBT发生在接近或稍晚于主要睡眠片段的中间，并且DLMO在接近21:00或22:00的傍晚发生。昼夜节律相位可以被表达为当前本地时间和所选择的标记的时间之间的时间间隔。例如，在CBT最小值后4小时醒来，或在DLMO标记后2小时入睡。因此，昼夜节律相位是指表征昼夜节律周期相对于生理标记的定时的特定时间段，即该周期中的特定点，例如相对于标记的最大值。可以从该信息获得或导出完整循环昼夜节律的定时。应该相应地理解术语“昼夜节律相位”。
该系统避免了在确定警觉性水平时使用默认昼夜节律相位的需要。相反，默认值被替换为基于对昼夜节律相位的推断而自动更新的实际昼夜节律相位(特别是峰的定时)的估计。在计算整个群体上的昼夜节律分量时，代替于使用表示昼夜节律相位的平均值的值，可以个性化警觉性水平的确定。因此，使用个体的睡眠时段持续时间允许对昼夜节律相位估计的个性化，与简单地使用昼夜节律相位的群体平均的解决方案相对。
个体的昼夜节律相位的估计值的振荡的检测也能够帮助确定昼夜节律紊乱的存在。
该系统还可以更准确地估计具有不规则睡眠模式的个体的睡意，例如轮班工作者或有睡眠障碍的人。单个代表性睡眠中期时间还能够考虑多个睡眠时段，即小睡或不安睡眠时间段。
该系统可以被实施为被装备有传感器的可穿戴设备。例如，传感器可以包括体积描记(PPG)传感器和/或加速度传感器。这提供了一种非侵扰性但客观的解决方案。其他传感器模式也可以使用(例如EEG)，但旨在实现非侵扰式监测。
以这种方式，睡眠持续时间可以基于身体移动(来自加速度计)的活动记录检查分析或优选地根据从PPG信号测量的身体移动和自主神经(心脏和呼吸)活动的组合来自动估计。由于在估计睡眠和觉醒状态以及因此睡眠持续时间方面的增加的准确性，因此克服了诸如睡眠日记中的手动注释的限制。
由于该解决方案基于可穿戴设备，并且不需要现场体检、睡眠实验室会话或实验室测试，因此其适用于自由生活条件。
该系统还使能监测连续24小时时间段，这可能发现白天小睡的时间段，否则该时间段不会被考虑；白天小睡的存在、频率和持续时间可以指示不同的睡眠障碍，包括昼夜节律障碍。相反，现有解决方案假设个体在监测时间段期间有单个主要的睡眠时段。
控制器可以适于：
导出睡眠时段的相应睡眠中期时间；
基于多个睡眠时段的睡眠中期时间的加权平均导出单个代表性睡眠中期时间。
加权平均例如根据相应睡眠时段的持续时间加权。以这种方式，与较短的小睡相比，较长的睡眠时段对睡眠中期时间的确定具有更大影响。
控制器可以适于：
基于那一天的睡眠中期时间和随后一天的睡眠中期时间来确定特定一天的昼夜节律相位。
如果正在对历史信息实行分析，则这是可能的。例如，控制器可以适于将一天的昼夜节律周期的峰确定为那一天(即前一天晚上)的睡眠中期时间加上那一天和随后一天的睡眠中期时间之间的时间差的一半。然后可以将这种分析用作未来昼夜节律周期预测的基础。
控制器可以代替地适于：
基于前移12小时的那一天的睡眠中期时间确定特定一天的昼夜节律周期的峰。
这使得能够甚至仅进行单个一天的监测也实时确定昼夜节律相位。
控制器可以适于基于三过程模型从昼夜节律相位确定警觉性水平。本发明使三过程模型能够提供更可靠的结果，因为能够进行昼夜节律分量的更准确确定。
控制器可以适于在还考虑对象的年龄的情况下确定昼夜节律相位。
该系统优选地还包括用于显示随着时间的警觉性指示的显示器。这可以被用于帮助用户安排其工作，或对睡眠休息进行定时。
控制器可以被实施为可穿戴生理传感器的一部分，或者其可以至少部分地被实施在可穿戴生理传感器与之通信的远程设备中。传感器可以与诸如电话或平板电脑的用户的便携式设备通信(例如，经由蓝牙)，并且该便携式设备可以通过因特网与处理资源进行通信以执行一些或所有数据处理步骤。
本发明还提供了用于基于接收到的区分对象的睡眠状态和清醒状态的生理传感器信号来确定对象的警觉性水平的处理系统，其中，处理系统适于根据生理传感器信号执行以下操作：
识别睡眠时段并导出它们的相关联的入睡时间、醒来时间和睡眠中期时间，所述睡眠中期时间是入睡时间与醒来时间之间的中点；
根据24小时时间段内的多个睡眠时段来导出单个代表性睡眠中期时间；
使用单个代表性睡眠中期时间估计昼夜节律相位；并且
根据昼夜节律相位来确定警觉性水平。
这定义了处理器，所述处理器可以位于传感器本地或远离传感器。
本发明还提供了一种用于确定对象的警觉性水平的方法，包括：
从对象获得区分对象的睡眠状态和清醒状态的生理传感器信号；
识别睡眠时段并导出它们的相关联的入睡时间、醒来时间和睡眠中期时间，所述睡眠中期时间是入睡时间与醒来时间之间的中点；
根据24小时时间段内的多个睡眠时段来导出单个代表性睡眠中期时间；
使用单个代表性睡眠中期时间来估计昼夜节律相位；并且
根据昼夜节律相位来确定警觉性水平。
所述方法可以包括：
为睡眠时段导出相应睡眠中期时间；
基于多个睡眠时段的睡眠中期时间的加权平均来导出单个代表性睡眠中期时间。
该方法可以包括使用根据相应睡眠时段的持续时间的加权来获得加权平均。
一天的昼夜节律周期的峰可以被确定为那一天的睡眠时间加上那一天和随后一天的睡眠中期时间之间的时间差的一半。
备选地，可以基于前移12小时的那一天的睡眠时间来确定特定一天的昼夜节律周期的峰。
然后可以基于三过程模型从昼夜节律相位确定警觉性水平。
本发明还提供了一种包括计算机程序代码模块的计算机程序，所述计算机程序代码模块适于当所述程序在计算机上运行时实施上面定义的方法。
参考下文描述的(一个或多个)实施例，本发明的这些和其他方面将显而易见并得到阐述。
附图说明
为了更好地理解本发明，并更清楚地示出可以如何实施本发明，现在将仅通过示例参考附图，其中：
图1示出了用于确定对象的警觉性水平的系统；
图2示出了用于确定对象的警觉性水平的方法；
图3示出了不同睡眠时段持续时间如何影响单个代表性睡眠中期时间的估计的示例；
图4以图形方式示出了如何执行昼夜节律相位的计算的第一示例；
图5以图形方式示出了如何执行昼夜节律相位的计算的第二示例；
图6示出了睡意预测结果的示例；并且
图7图示了用于实施实现控制器的单元中的一个或多个的计算机的一般架构的示例。
具体实施方式
将参考附图描述本发明。
应当理解，详细描述和具体示例尽管指示了装置、系统和方法的示例性实施例，但仅用于说明的目的，而不旨在限制本发明的范围。本发明的装置、系统和方法的这些和其他特征、方面和优点将从以下描述、所附权利要求和附图中变得更好理解。应该理解，这些附图仅仅是示意性的而不是按比例绘制的。还应当理解，贯穿附图使用相同的附图标记来指示相同或相似的部件。
在描述本发明的方法之前，将首先讨论用于确定睡意的已知方法。
如上所述，已知的三过程警觉性模型被已知用于睡意预测，其考虑了昼夜节律过程(C)、稳态过程(S)和睡眠惯性过程(W)。
原始三过程模型的分量利用括号中参数的默认值按以下方式计算。稳态睡眠分量S将警觉性下降描述为睡眠期间清醒和警觉性恢复的函数。在清醒期间，睡眠分量S如下：
Figure BDA0003121187650000071
其中，L是内部警觉性量表的下渐近线(L＝2.4)。参数Sa(Sa＝14)表示清醒时的分量S，taw表示自清醒起的时间(以十进制小时为单位)。
在睡眠期间，有描述稳态过程的三个不同的函数，但在预测睡意时没有考虑到所述函数。该模型还包括睡眠惯性过程W，其初始降低醒来时的警觉性(Winit＝-5.72)，具有作为清醒的时间(taw)的函数的指数恢复(W衰变＝-1.51)：
Figure BDA0003121187650000072
有两个分量，其与一天中的时间(tod–以十进制小为单位)相关。过程C有24小时的时间段，其具有默认的昼夜节律相位(p＝16.8)和幅度(M＝2.5)：
Figure BDA0003121187650000073
过程U有12小时的时间段，具有幅度(Ua＝0.5)和中量级(Um＝-0.5)：
Figure BDA0003121187650000074
对于睡意预测，将模型分量相加在一起以产生可以用于预测Karolinska睡意量表(KSS)上的评级的组合警觉性评分。描述了对警觉性和睡意的主观自我感知的Karolinska睡意量表包含从1到9的范围内的值，定义如下：1：极度警觉；2：非常警觉；3：警觉；4：相当警觉；5：既不警觉也不睡意；6：一些睡意迹象；7：睡意但没有努力来保持清醒；8：睡意，有些努力来远离；9：非常睡意，极力保持清醒，抗争睡眠。
睡意是使用线性变换函数预测的，该函数具有一个常数(a＝10.6)和一个系数(b＝-0.6)：
KSS＝a+b(S+C+W+U) (3)
三过程警觉性模型的两个分量——昼夜节律分量(C)(方程1)和次昼夜节律分量(U)(方程2)，使用昼夜节律相位p的估计。在最初的三过程警觉性模型中，该参数的默认值为以十进制小时数为单位的16.8。该值表示不考虑轮班工作者或有睡眠障碍的人的群体上的平均。这会对警觉性预测具有显著影响。
昼夜节律是具有大约24小时周期性的内源性节律。这些节律通过各种光和非光刺激通过社会和工作时间表与物理环境同步。昼夜节律表示一种基于昼夜自然进程的重复模式。
例如，对于清早唤醒、中午吃午饭并在23:00睡觉的某人来说，人类的生物钟会在24小时时间段内给出以下典型模式：
02:00最深睡眠
04:30最低体温
06:45最剧烈的血压上升
07:30褪黑激素分泌停止
10:00最高警觉性
14:30最佳协作
15:30最快反应时间
17:00最大的心血管效率和肌肉力量
18:30最高血压
19:00最高体温
21:00褪黑激素分泌停止
昼夜节律允许生物体预测和准备精确和有规律的环境变化。节律性表现为在调节和协调内部代谢过程方面与在与环境协调方面一样重要。
内源性昼夜节律控制机制的中断或内部时钟时间与24小时外部环境之间的未对准能够导致昼夜节律紊乱，对睡眠和人类健康的许多其他方面具有不利影响，包括代谢功能障碍、认知障碍、心血管异常和泌尿生殖系统功能障碍。在较长期方面，节律的中断被认为会对大脑外的外周器官具有严重的不良健康后果，特别是在心血管疾病的发展或恶化方面。而且，昼夜节律定时系统与外部环境(例如明暗循环)的未对准可能在代谢紊乱(例如肥胖和糖尿病)的发展中扮演角色。
昼夜节律睡眠障碍(CRSD)是由于生物钟系统功能障碍或内源性昼夜节律的定时与外部强加的社会和工作周期之间的未对准造成的慢性或复发性睡眠和觉醒干扰模式，其导致临床上显着的功能障碍。CRSD可以根据其假定的下层机制进行分类：
1.内源性生物钟本身被改变：
1.1睡眠相位延迟障碍，
1.2睡眠相位提前障碍，
1.3不规律的睡眠觉醒节律，以及
1.4自激障碍
2.外部环境和/或社会环境相对于内源性生物钟改变：
2.1时差，以及
2.2倒班工作混乱。
这些障碍的特征在于在一系列24小时时间段的过程中睡眠时间的不同模式。
睡眠相位延迟障碍(DSPD)是一种睡眠障碍，其中，主要睡眠片段相对于所需的睡眠/觉醒时钟时间具有稳定的延迟。这种延迟模式导致与白天功能障碍相关联的失眠和过度睡意的慢性症状。
睡眠相位提前障碍(ASPD)是一种睡眠障碍，其中，主要睡眠时间段具有稳定提前，其特征在于习惯性和无意识的睡眠开始和醒来时间比期望或常规时钟时间早几个小时。ASPD患者通常在午后或傍晚存在睡意的顺应性，并且在清晨难以保持睡眠。
非24小时睡眠觉醒障碍(N24HSWD，以前称为自激节律障碍)的特征在于慢性或复发性睡眠和觉醒时间模式，其不稳定地进入24小时环境循环。在睡眠开始和觉醒时间的数周内(通常到越来越晚的时间)通常存在可预测漂移。N24HSWD患者呈现类似于失眠的症状，具有早上醒来困难、过度白天睡意以及不能履行其社会和职业义务。
不规则睡眠-觉醒节律障碍(ISWRD)的特征在于昼夜节律睡眠-觉醒节律在时间上的紊乱，导致在整个24小时周期内发生多次短睡眠和觉醒发作。ISWR患者或其护理提供者通常报告夜晚期间难以维持睡眠和过度白天睡意的慢性症状。
轮班工作障碍(SWD)在习惯性睡眠时间期间安排工作时间时发生，导致类似于失眠和过度白天睡意的慢性顺应性，并导致功能受损，其与非常规工作时间表暂时相关联。在人类中，有利于不规律进食时间的轮班工作与改变的胰岛素敏感性和更高身体质量相关联。轮班工作还导致心脏代谢综合征、高血压和炎症的代谢风险增加。SWD的其他症状包括慢性疲劳、不适、情绪障碍、胃肠道问题和性欲减退。酗酒和药物滥用的风险增加，体重增加、高血压、心血管疾病以及乳腺癌和子宫内膜癌的风险也增加。除了医疗合并症外，SWD与生产力显着下降、医疗保健利用率增加以及个人和公共安全风险增加相关联。
时差紊乱是由于穿越若干时区以及随后的内部生物钟和目的地当地时间的未对准造成的。关于时差，一般来说东行比较难以适应。对于东行者来说，目的地的症状包括入睡困难、过度白天睡意和白天表现下降，尤其是在早上。对于西行者来说，入睡比维持睡眠问题更少，而傍晚的睡意和表现下降尤其麻烦。时差的其他常见相关联的症状包括食欲和胃肠功能改变、全身不适、疲劳和情绪障碍。
昼夜节律的相位的定时可以是现有CRSD的指示符。了解昼夜节律的相位能够帮助特定的CRSD的早期检测。
用于测量昼夜节律的定时的经典相位标记是：
1.核心体温最低
2.血浆皮质醇水平
3.松果体的褪黑激素分泌(从血浆、唾液或尿液样本中测量的)
温度控制(温度调节)是使生物体保持在最佳工作温度的稳态机制的一部分，因为其影响化学反应的速率。温度在一天中定期上下循环，如由人的昼夜节律控制的。个体的核心体温在睡眠周期的后半趋于具有最低值；称为最底点的最低点是昼夜节律的主要标记之一。尽管变化在正常睡眠类型(没有昼夜节律未对准或紊乱的个体)中间很大，但平均成年人体温在凌晨4点或5点左右达到其最小值，比习惯性觉醒时间早大约两个小时。
皮质醇具有人类生理学中最明显的昼夜节律之一。其由位于下丘脑视交叉上核的中央时钟调节。已经提出皮质醇充当中枢和外周时钟之间的二级信使，因此其在身体昼夜节律的同步中重要。正常个体在午夜具有非常低或无法检测到的皮质醇水平，其在一夜之间累积到早上一开始达到峰。然后皮质醇水平在一天中缓慢下降。
褪黑激素是由松果体中的松果体细胞产生的激素。褪黑激素帮助调节昼夜节律。其是由氨基酸色氨酸天然合成的。由松果体对褪黑激素的产生受到下丘脑视交叉上核(SCN)的影响，该SCN从视网膜接收关于每日明暗模式的信息。给定照明昏暗，人体在睡前两小时开始产生其自己的褪黑激素。这种自然动作被称为“暗光褪黑激素发作”(DLMO)，并且帮助让身体保持规律的睡眠-觉醒模式。在血浆或唾液中测量的在暗光下褪黑激素分泌开始的时间经常被用作昼夜节律的相位的标记。一天中各个时间期间的褪黑激素分泌的量对于正常人来说经历24小时周期。褪黑激素的分泌在半夜达到峰，并在后半夜逐渐下降。DLMO被认为是可用的最佳测试—“黄金标准”，以用于测量相位时间和昼夜节律紊乱的存在。采取DLMO测试对于发现和理解人体生物钟干扰非常有帮助。更重要的是，DLMO与睡眠中点(睡眠中期时间)具有显着相关性，睡眠中点因此可以用于估计昼夜节律的相位。
DLMOS与睡眠定时(开始、中点和觉醒时间)之间的关系在以下中讨论：
S.K.Martin和C.I.Eastman，“Sleep logs of young adults with self-selected sleep times predict the dim light melatonin onset，”(ChronobiologyInternational，第19卷，第4期，第695-707页，2002年)；
S.J.Crowley、C.Acebo、G.Fallone和M.A.Carskadon，“Estimating Dim LightMelatonin Onset(DLMO)Phase in Adolescents Using Summer or School-Year Sleep/Wake Schedules，”(Sleep，第29卷，第12期，第1632-1641页，2006年)；以及
J.Terman、M.Terman、E.Lo和T.Cooper，“Circadian time of morning lightadministration and therapeutic response in winter depression”(Arch GenPsychiatry，第58卷，第69-75页，2001年)。
在已知的三过程警觉性模型中，使用表示群体平均的昼夜节律相位的默认值。例如，昼夜节律过程C的相位被设置为以十进制小时为单位的16.8的默认值。
如上所述，这种方法的一个问题是其假设人们有规律的睡眠时间表，而轮班工作者或有睡眠障碍的人则不然。将期望能够考虑对象的实际昼夜节律相位。
用于估计昼夜节律相位的当前方法包括不同的分析。直肠温度检查是用于估计核心体温的常规黄金标准测量方法。对于体温研究，对象必须在接近黑暗中保持清醒但保持冷静和半躺着，同时连续采取他们的直肠温度。血浆和唾液皮质醇通常每2小时测量。唾液皮质醇的测量结果被用作血清/血浆中测量结果的替代物。对于血浆皮质醇测量，可以使用静脉导管。通过将拭子放入口中并咀嚼约60秒以模拟唾液分泌来获得皮质醇的唾液样本。
DLMO测试必须在睡眠实验室执行，并且通常从晚上8点直到凌晨3点进行。在测试期间，患者被要求呆在昏暗照明下，并且每小时收集咀嚼的棉球的形式的唾液样本。以后，测量样品的褪黑激素浓度。在测试期间，患者在收集每个样本前30分钟不能进食或饮水。这些类型的测量是侵扰性的、不舒服的，并且在自由生活条件下是不可行的。
鉴于这些方法不足以评估个体的昼夜节律，尤其是在几天或几周的更长时间段内，昼夜节律睡眠障碍的临床诊断通常求助于睡眠史和使用超过7天的睡眠日志和/或活动记录仪进行的体格检查。可以手动或在睡眠实验室中获得睡眠日志。由睡眠日记组成的自我评估手动注释比测量核心体温或收集皮质醇或褪黑激素样本较不侵扰，但由于回合睡眠和醒来时间、忘记小睡、夜晚期间的清醒的注释的缺少和睡眠状态的误解而极其不准确。
另一常用的方法是早晚问卷(MEQ)或慕尼黑时间型问卷(MCTQ)。这些问卷也基于近似，并且与睡眠日记存在相同的不准确性。
据报道，基于MEQ的问卷产生了看似合理的结果，但就“现实世界”行为而言，其没有明确地分别模拟空闲日和工作日，其也没有要求实际睡眠时间或暴露到户外光线。然而，个体睡眠时间在工作日和空闲日之间示出很大变化(除极早的睡眠类型外)，并且取决于对象暴露在日光。MCTQ问卷使用简单的问题定量评估一天24小时(睡眠阶段)内的睡眠的定时。然后，基于关于没有工作或社会义务的各天上的睡眠开始和清醒时间的问题，来执行用于昼夜节律相位估计的空闲日的睡眠中期时间(MSF)的计算。MSF是这两个时间之间的中点。为了补偿工作日和空闲日之间存在的差异，然后MSF被校正为：
MSFsc＝MSF-0.5*(SDF-(5*SDw+2*SDF)/7)
其中，SDw表示工作日的睡眠持续时间，并且SDF表示空闲日的睡眠持续时间。项(5*SDw+2*SDF)/7是平均每周睡眠持续时间。尽管这种方法考虑了针对睡眠中期时间计算的工作日和空闲日之间的差异，但是其遭受若干限制：
1.其基于由被检查的个体输入的(对象)问卷，
2.假设在一天期间仅存在一个(主要)睡眠时段。基于以这种方式估计的睡眠中期时间计算昼夜节律相位并没有考虑能够指示存在不规则睡眠-觉醒节律障碍或轮班工作障碍的小睡。
本发明提供了一种用于确定对象的警觉性水平的系统，其使用生理传感器(例如可穿戴传感器)来提供区分对象的睡眠状态与清醒状态的生理传感器信号。识别睡眠时段及其相关联的入睡时间和醒来时间。从24小时时间段内的多个睡眠时段中获得单个代表性睡眠中期时间，并且使用单个代表性睡眠中期时间估计昼夜节律相位。然后从昼夜节律相位获得警觉性水平。该系统避免了在确定警觉性水平时使用默认昼夜节律相位的需要。该系统可以更准确地估计具有不规则睡眠模式的个体的睡意，例如轮班工作者或有睡眠障碍的人。单个代表性睡眠中期时间还能够考虑多个睡眠时段，即小睡或不安睡眠时间段。
图1示出了用于确定对象的警觉性水平的系统10。其包括可穿戴生理传感器12，以用于提供区分对象的睡眠状态与清醒状态的生理传感器信号。请注意，也可以使用非可穿戴传感器，诸如床传感器。
传感器可以是腕戴式PPG传感器、用于测量身体移动的加速度计、集成到头带中的EEG传感器或这些的任何组合。加速度计使得能够对身体移动进行活动记录检查分析，其中，在时间段内没有移动指示睡眠，而PPG传感器使得能够测量心脏和呼吸活动。
由于该解决方案基于可穿戴设备，并且不需要现场体检、睡眠实验室会话或实验室测试，因此其适用于自由生活条件。该传感器还使得能够确定每个睡眠片段的持续时间。这些睡眠片段可能是夜晚期间的主要睡眠时段，或白天的小睡。
传感器12可以具有内置的所有处理能力。然而，图1代替地示出传感器12使用短距离无线通信协议(例如蓝牙)与存储有合适app的移动电话14通信，并且移动电话通过因特网连接到远程数据处理功能16。所示的所有三个单元中的处理功能可以被认为构成控制器。因此，将理解，如本申请中定义的控制器可以位于一个硬件设备中，或者其可以分布在多个设备之间。
控制器分析生理传感器信号以识别睡眠时段并导出它们的相关联的入睡时间和醒来时间。
本发明尤其使得能够在24小时时间段内识别多个睡眠时段，例如小睡或紊乱睡眠的时间段。每个睡眠时段具有相关联的睡眠中期时间，并且从这些时间导出与24小时时间段相关的单个代表性睡眠中期时间。
然后可以使用单个代表性睡眠中期时间来估计昼夜节律相位。
该昼夜节律相位例如是随时间的波形。一个特定的值，例如峰的定时，可能对从昼夜节律相位对警觉性水平的后续导出感兴趣。
该系统避免了在确定警觉性水平时使用默认昼夜节律相位的需要。代替地，默认值被替换为基于对昼夜节律相位的推导而自动更新的实际昼夜节律相位(特别是峰的定时)的估计。这提供了昼夜节律相位估计的个性化，与简单地使用昼夜节律相位的群体平均的解决方案相对。
图2示出了如由控制器实施的用于确定对象的警觉性水平的方法。
在步骤20中，从对象获得生理传感器信号。这些信号区分对象的睡眠状态和清醒状态。该步骤因此由传感器设备执行。
在步骤22中，识别睡眠状态(SS)。这些睡眠状态至少包括清醒状态和睡眠状态。然而，可以识别另外的睡眠状态。
例如，不同的睡眠阶段与不同的大脑活动特性相关联，所述大脑活动特性可以由EEG监测器感测。特别地，对象的大脑活动可以与快速眼动(REM)睡眠、非快速眼动(非REM)睡眠有关。睡眠阶段可以包括非REM阶段N1、阶段N2或阶段N3睡眠、REM睡眠中的一个或多个。N1对应于浅睡眠状态，并且N3对应于深度睡眠状态。非REM阶段N3或阶段N2睡眠可能是慢波活动(SWA，即深度)睡眠。
因此，在改进中，还可以考虑不同的睡眠阶段，而不仅仅是入睡时间和醒来时间。
请注意，其他技术可用，其不测量脑电波活动，但测量心脏和呼吸活动以自动区分不同的睡眠阶段。因此，还可以使用可穿戴监测器实行睡眠阶段分析。睡眠阶段也可能受到昼夜节律(的未对准)的影响，并且可以帮助识别和量化此类未对准。
在步骤24中，识别睡眠时段及其相关联的开始(入睡)时间ts和结束(醒来)时间(tf)。
在步骤26中，根据24小时时间段内的多个睡眠时段导出单个代表性睡眠中期时间TMS。
在步骤28中，使用单个代表性睡眠中期时间来估计昼夜节律相位(Circ)，并且在步骤30中根据昼夜节律相位估计警觉性/睡意水平A/S)。
除了传感器的初始数据收集之外，这些步骤由控制器执行，如上所述，所述控制器可以在一个地方或分布在不同设备之间。
如上所述，“暗光褪黑激素开始”(DLMO)被认为是最佳可用测量—“黄金标准”—用于估计昼夜节律相位。DLMO与睡眠中点(睡眠开始和醒来时间之间的中点)具有显着相关性。因此，基于睡眠中期时间，可以估计昼夜节律的相位。
在当人有几个睡眠时段时的情况下，特定一天的睡眠中期时间被估计为过去24小时(清醒之前)所有睡眠中期时间的加权平均，其中，加权因子是特定睡眠时段的持续时间：
Figure BDA0003121187650000151
其中，
Figure BDA0003121187650000152
和
Figure BDA0003121187650000153
分别是时段i的睡眠中期时间和持续时间，并且N是清醒前24小时时间段内的睡眠时段数。
以这种方式，针对多个睡眠时段导出相应睡眠中期时间，并且然后单个代表性睡眠中期时间基于多个睡眠时段的睡眠中期时间的加权平均。
因此，睡眠中期时间基于所有睡眠时段，而不假设一天期间仅有一个主要时段。其允许在考虑小睡和零散的休息片段的情况下个性化警觉性模型。而且，其允许通过查看昼夜节律相位的估计值的振荡来进一步获得潜在的昼夜节律睡眠障碍的洞悉。
图3中呈现了睡眠时段的不同持续时间如何影响单个代表性睡眠中期时间的估计。
绘图示出了睡眠时间，并且每个绘图中的单个箭头示出了单个代表性睡眠中期时间的定时。
顶部绘图与单个主要睡眠时段有关。在这种情况下，不需要加权平均，并且以已知的方式获得睡眠中期时间。
中间绘图示出了夜晚期间的一个主要睡眠时段和一天期间的小睡。下面绘图示出了夜晚期间的两个独立的睡眠时段，其具有相等持续时间。
基于单个代表性睡眠中期时间，可以推导昼夜节律相位。
图4以图形方式示出了昼夜节律相位的计算是如何执行的。绘图40线表示褪黑激素分泌周期，而绘图42表示昼夜节律周期。第d-1天的昼夜节律相位可以基于两个连续的睡眠中期时间估计为：
Figure BDA0003121187650000161
其中，
Figure BDA0003121187650000162
是第d天的睡眠中期时间，
Figure BDA0003121187650000163
是前一天(d-1)的睡眠中期时间。
因此，基于那一天的睡眠中期时间和随后一天的睡眠中期时间来确定特定一天的昼夜节律相位。特别地，一天的昼夜节律相位的峰44被计算为那一天的睡眠中期时间46加上那一天的睡眠中期时间46和随后一天的睡眠中期时间48之间的时间差的一半。
该计算仅能够在第d天(即接下来一天)进行。如果这是计算的第一天，或者需要以在线方式进行昼夜节律相位的计算(没有接下来一天的睡眠中期时间)，则可以采用以下近似：
Figure BDA0003121187650000164
在这种情况下，特定一天的昼夜节律相位的峰44基于前移12小时的那一天的睡眠时间46。
该计算如图5所示。其假设人具有大约8小时的睡眠。为了考虑空闲日和工作日期间的睡眠中期时间之间的差以计算昼夜节律相位，优选地考虑连续7天。
此外，为了补偿可能的异常值，可以采用过去7天内估计的昼夜节律相位的中值以用于最终估计中。
如果睡眠中期时间之间的差超过7天，因为用户没有穿戴该设备，昼夜节律相位的计算被重置并再次重新开始，因为在未穿戴可穿戴物时不假设特定的睡眠行为。
然后可以使用三过程模型(如上所述)(在图2的步骤30中)基于如上所述估计的昼夜节律相位来个性化睡意预测。
原始三过程模型中的昼夜节律(C)和次昼夜节律(U)分量两者在其计算中使用昼夜节律相位的16.8的默认值(以十进制小时为单位)。等式(1)和(2)中的默认值可以由根据等式(5)或(6)基于由等式(4)获得的单个代表性睡眠中期时间自动评价的昼夜节律相位代替。
以这种方式，该模型可以更准确地估计具有不规则睡眠模式的个体(例如轮班工作者或患有睡眠障碍的人)的睡意。
对于睡意预测，将模型分量相加以产生组合的警觉性评分，该评分可以用于预测上述1-9Karolinska睡意量表(KSS)上的评级，使用如以上等式(3)所示的线性变换函数。
在优选实施例中，睡意预测算法计算是远程执行的。作为计算的结果，醒来后的时间段内(例如，清醒后16小时)的预测KSS值被发送回到用户进行可视化，例如在智能手机上的app上。
睡意预测结果的示例如图6所呈现，其中，y轴是KSS评级。
额外参数可以被用于进一步优化被用于睡意预测的相位参数。年龄和传感器导出的睡眠参数(持续时间、碎片)全部可以用于进一步个性化模型的其他部分。例如，如果对象有多个夜晚具有特别短睡眠持续时间，则可以在S过程的计算中使用惩罚，或者甚至可以基于三过程(上面的等式(3)实施这一点)的睡意的计算中使用惩罚。
类似地，年龄可以被用于调节三过程模型中使用的不同常数，或建立睡眠持续时间和睡眠碎片的规范值，其继而可以用于与实际睡眠量度进行比较，并还可以调节睡意预测(例如，在碎片增加或持续时间减小的情况下对其进行惩罚，或者通过在特别长且安宁的睡眠夜晚的情况下减少其)。
该系统还可以更准确地估计具有不规则睡眠模式的个体(例如轮班工作者或有睡眠障碍的人)的睡意。单个代表性睡眠中期时间还能够考虑多个睡眠时段，即小睡或不安睡眠时间段。
由本发明的系统执行的分析允许针对先前时间段(例如多天)显示睡眠时段信息和昼夜节律相位信息，以及用于预测下一个昼夜节律相位的定时并且因此预测警觉性水平，例如针对接下来的24小时时间段或未来几天。预测的警报水平可以显示在KSS量表上。该系统使这些预测和分析能够仅至少基于感测睡眠的开始和从睡眠中清醒，针对长睡眠时段以及小睡和碎片睡眠的不同睡眠时间段来获得。因此，非侵入式感测是可能的。
使用上述方法和系统预测睡意可以通过在预测个体睡意的时间期间组织工作或采取纠正措施(例如休息)来帮助避免这些问题。由于不规律的睡眠模式，轮班工作者特别易于睡意。该解决方案将允许工作者及其经理获取其工作者的个体警觉性状态的洞悉，从而允许他们基于其来设计轮班工作并避免潜在的有害情况。
控制器可以被实施为可穿戴生理传感器的一部分，或者其可以至少部分地被实施在可穿戴生理传感器与之通信的远程设备中。传感器可以与诸如电话或平板电脑的用户的便携式设备进行通信(例如，经由蓝牙、通过USB线缆或使用NFC、WiFi等)，并且该便携式设备可以通过因特网与处理资源进行通信，以用于执行部分或全部数据处理步骤。
如果所有处理代替地由可穿戴设备执行，则不需要为设备外处理传递原始数据，而是在板载处理器上执行所有计算，并且最后在包含的显示器上向用户显示结果，或将处理的结果发送(例如，经由蓝牙或其他通信机制)到外部显示器(例如在配对的智能手机上)。
图7图示了用于实施实现上述控制器的单元中的一个或多个的计算机70的一般架构的示例。
计算机70包括但不限于PC、工作站、膝上型计算机、PDA、掌上设备、服务器、存储设备等。通常，就硬件架构而言，计算机70可以包括一个或多个处理器71、存储器72、以及经由本地接口(未示出)通信地耦合的一个或多个I/O设备73。本地接口可以例如是但不限于一个或多个总线或其他有线或无线连接，如本领域中已知的。本地接口可以具有额外的元件，例如控制器、缓冲器(高速缓存)、驱动器、中继器和接收器，以实现通信。此外，本地接口可以包括地址、控制和/或数据连接，以实现上述部件之间的适当通信。
处理器71是用于执行可以存储在存储器72中的软件的硬件设备。处理器71实际上可以是任何定制或商业上可用的处理器、中央处理单元(CPU)、数字信号处理器(DSP)或在与计算机70相关联的若干处理器中间的辅助处理器，并且处理器71可以是基于半导体的微处理器(采取微芯片的形式)或微处理器。
存储器72可以包括易失性存储器元件(例如，随机存取存储器(RAM)，诸如动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)等)和非易失性存储器元件(例如，ROM、可擦可编程只读存储器(EPROM)、电子可擦可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁带、光盘只读存储器(CD-ROM)、磁盘、软盘、盒式磁带、磁带盒等)中的任何一个或组合。此外，存储器72可以包含电子、磁性、光学和/或其他类型的存储介质。注意，存储器72可以具有分布式架构，其中，各种部件彼此远离设置，但是可以由处理器71访问。
存储器72中的软件可以包括一个或多个单独的程序，其中每个包括用于实施逻辑功能的可执行指令的有序列表。根据范例性实施例，存储器72中的软件包括：合适的操作系统(O/S)74、编译器75、源代码76以及一个或多个应用77。
应用77包括许多功能部件，诸如计算单元、逻辑、功能单元、过程、操作、虚拟实体和/或模块。
操作系统74控制计算机程序的执行，并且提供调度、输入-输出控制、文件和数据管理、存储器管理以及通信控制和相关服务。
应用77可以是源程序、可执行程序(目标代码)、脚本或包括要执行的一组指令的任何其他实体。当源程序时，然后程序通常经由编译器(诸如，编译器75)、汇编器、解释器等翻译，其可以被包括于或不被包括于存储器72中，从而结合操作系统74正确地操作。此外，应用77可以被编写为面向对象的编程语言(其具有数据和方法的类)，或过程性编程语言(其具有例程、子例程和/或函数)，例如但不限于，C、C++、C#、Pascal、BASIC、API调用、HTML、XHTML、XML、ASP脚本、JavaScript、FORTRAN、COBOL、Perl、Java、ADA、.NET等。
I/O设备73可以包括输入设备，例如但不限于鼠标、键盘、扫描器、麦克风、相机等。此外，I/O设备73还可以包括输出设备，例如但不限于打印机、显示器等。最后，I/O设备73还可以包括与输入和输出两者通信的设备，例如但不限于网络接口控制器(NIC)或调制器/解调器(用于访问远程设备、其他文件、设备、系统或网络)，射频(RF)或其他收发器、电话接口、桥、路由器等。I/O设备73还包括用于通过各种网络(诸如因特网或内联网)通信的部件。
当计算机70在操作中时，处理器71被配置为执行存储在存储器72内的软件，以将数据传递到存储器72和从存储器72传递数据，并且通常根据软件控制计算机70的操作。应用77和操作系统74全部或部分地由处理器71读取，可能在处理器71内缓冲，并且然后执行。
当应用77以软件实施时，应该注意，应用77实际上可以存储在任何计算机可读介质上，以供任何计算机相关系统或方法使用或与之结合使用。在该文档的背景下，计算机可读介质可以是电子、磁性、光学或其他物理设备或模块，其可以包含或存储计算机程序以供计算机相关系统或方法使用或与之结合使用。
通过研究附图、公开内容和所附权利要求，本领域技术人员在实践要求保护的本发明时可以理解和实现对所公开的实施例的变化。在权利要求中，“包括”一词不排除其他要素或步骤，词语“一个”或“一个”不排除多个。尽管在相互不同的从属权利要求中记载了特定措施，但是这并不指示不能有利使用这些措施的组合。计算机程序可以存储/分部在合适的介质上，例如与其他硬件一起提供或作为其他硬件的一部分提供的光学存储介质或固态介质，但是计算机程序也可以以其他形式分布，例如经由因特网或其他有线或无线电信系统分布。如果在权利要求或说明书中使用术语“适于”，应注意术语“适于”旨在等效于术语“被配置为”。权利要求中的任何附图标记不应被解释为对范围的限制。

Claims (15)

1.一种用于确定对象的警觉性水平的系统，包括：
输入部，其用于从生理传感器(12)接收生理传感器信号，所述生理传感器信号区分所述对象的睡眠状态与清醒状态；
控制器(14，16)，其适于根据所述生理传感器信号来执行以下操作：
识别睡眠时段并且导出所述睡眠时段的相关联的入睡时间、醒来时间和睡眠中期时间，所述睡眠中期时间是所述入睡时间与所述醒来时间之间的中点；
根据在24小时时间段内的多个睡眠时段来导出单个代表性睡眠中期时间；
使用所述单个代表性睡眠中期时间来估计昼夜节律相位；并且
根据所述昼夜节律相位来确定警觉性水平。
2.根据权利要求1所述的系统，其中，所述控制器适于：
基于所述多个睡眠时段的所述睡眠中期时间的加权平均来导出所述单个代表性睡眠中期时间，所述加权平均是根据相应睡眠时段的持续时间来加权的。
3.根据权利要求1至2中的任一项所述的系统，其中，所述控制器适于：
基于特定一天的所述睡眠中期时间和随后一天的所述睡眠中期时间来确定所述特定一天的所述昼夜节律相位。
4.根据权利要求3所述的系统，其中，所述控制器适于将一天的昼夜节律周期的峰确定为那一天的所述睡眠中期时间加上那一天的所述睡眠中期时间与随后一天的所述睡眠中期时间之间的时间差的一半。
5.根据权利要求1至2中的任一项所述的系统，其中，所述控制器适于：
基于被前移12小时的特定一天的所述睡眠中期时间来确定所述特定一天的昼夜节律周期的峰。
6.根据权利要求1至5中的任一项所述的系统，其中，所述控制器适于基于三过程模型根据所述昼夜节律相位来确定警觉性水平。
7.根据权利要求1至6中的任一项所述的系统，其中，所述控制器适于在还考虑所述对象的年龄的情况下确定所述昼夜节律相位。
8.根据权利要求1至7中的任一项所述的系统，其中：
所述控制器被实施为所述生理传感器的部分；或者
所述控制器至少部分地被实施在与可穿戴生理传感器通信的远程设备中。
9.根据权利要求1至8中的任一项所述的系统，还包括所述生理传感器，并且其中，所述生理传感器包括体积描记传感器和/或加速度传感器。
10.一种用于确定对象的警觉性水平的方法，包括：
(20)从对象获得生理传感器信号，所述生理传感器信号区分所述对象的睡眠状态与清醒状态；
(22)识别睡眠时段并且(24)导出所述睡眠时段的相关联的入睡时间、醒来时间和睡眠中期时间，所述睡眠中期时间是所述入睡时间与所述醒来时间之间的中点；
(26)根据在24小时时间段内的多个睡眠时段来导出单个代表性睡眠中期时间；
(28)使用所述单个代表性睡眠中期时间来估计昼夜节律相位；并且
(30)根据所述昼夜节律相位来确定警觉性水平。
11.根据权利要求10所述的方法，包括：
基于所述多个睡眠时段的所述睡眠中期时间的加权平均来导出所述单个代表性睡眠中期时间，所述加权平均使用根据相应睡眠时段的持续时间的加权。
12.根据权利要求9至11中的任一项所述的方法，包括：
将一天的昼夜节律周期的峰确定为那一天的所述睡眠中期时间加上那一天的所述睡眠中期时间与随后一天的所述睡眠中期时间之间的时间差的一半；或者
基于被前移12小时的特定一天的所述睡眠中期时间来确定所述特定一天的昼夜节律周期的峰。
13.根据权利要求9至12中的任一项所述的方法，包括基于三过程模型根据所述昼夜节律相位来确定警觉性水平。
14.一种包括计算机程序代码模块的计算机程序，所述计算机程序代码模块适于当所述程序在计算机上运行时实施根据权利要求9至13中的任一项所述的方法。
15.一种在其上存储有根据权利要求14所述的计算机程序的处理器。
CN201980084207.2A 2018-12-18 2019-12-11 用于确定警觉性水平的系统和方法 Pending CN113228200A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP18213285.2A EP3671757A1 (en) 2018-12-18 2018-12-18 System and method for determining a level of alertness
EP18213285.2 2018-12-18
PCT/EP2019/084532 WO2020126710A1 (en) 2018-12-18 2019-12-11 System and method for determining a level of alertness

Publications (1)

Publication Number Publication Date
CN113228200A true CN113228200A (zh) 2021-08-06

Family

ID=64744554

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980084207.2A Pending CN113228200A (zh) 2018-12-18 2019-12-11 用于确定警觉性水平的系统和方法

Country Status (5)

Country Link
US (1) US20220079512A1 (zh)
EP (2) EP3671757A1 (zh)
JP (1) JP7548585B2 (zh)
CN (1) CN113228200A (zh)
WO (1) WO2020126710A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114431837A (zh) * 2022-04-12 2022-05-06 深圳市心流科技有限公司 一种睡眠状态控制方法、装置、助眠设备及存储介质

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11446465B2 (en) 2019-03-01 2022-09-20 LumosTech, Inc. Sleep and circadian rhythm management system for circadian rhythm disruptions
US20210177342A1 (en) * 2019-12-17 2021-06-17 Whoop, Inc. Cycle management for physiological monitoring devices
CN114073493B (zh) * 2020-08-18 2023-12-29 华为终端有限公司 生理数据采集方法、装置及可穿戴设备
EP4259277A1 (en) * 2020-12-11 2023-10-18 Lumostech, Inc. Modeling-guided light therapy for adjusting circadian rhythm
DE102020134950A1 (de) 2020-12-28 2022-06-30 aliamos GmbH Verfahren zur chronobiologischen Qualitätsbestimmung einer Personaleinsatzplanung
CN114451869B (zh) * 2022-04-12 2022-07-08 深圳市心流科技有限公司 一种睡眠状态评估方法、装置、智能终端和存储介质
CN114511160B (zh) * 2022-04-20 2022-08-16 深圳市心流科技有限公司 一种入睡时长预测方法、装置、终端及存储介质
CN114916919A (zh) * 2022-06-10 2022-08-19 中国民航大学 用于用户警觉度和疲劳风险指数预测系统、方法及应用
GB2611427B (en) * 2022-11-04 2023-10-18 Polar Electro Oy Predicting awake-time alertness

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120191425A1 (en) * 2007-10-25 2012-07-26 Mott Christopher Systems and methods for individualized alertness predictions
US20140296332A1 (en) * 2012-01-26 2014-10-02 Vanda Pharmaceuticals, Inc. Treatment of circadian rhythm disorders
US20170132946A1 (en) * 2015-08-14 2017-05-11 JouZen Oy Method and system for providing feedback to user for improving performance level management thereof
US20170238868A1 (en) * 2016-02-18 2017-08-24 Curaegis Technologies, Inc. Alertness prediction system and method

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5433223A (en) * 1993-11-18 1995-07-18 Moore-Ede; Martin C. Method for predicting alertness and bio-compatibility of work schedule of an individual
WO2014100292A1 (en) * 2012-12-18 2014-06-26 Vanda Pharmaceuticals Inc. Treatment of circadian rhythm disorders
WO2016067028A2 (en) * 2014-10-28 2016-05-06 Mclaren Applied Technologies Limited Device for physiological assistance
EP4306041A1 (en) * 2015-01-06 2024-01-17 David Burton Mobile wearable monitoring systems

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120191425A1 (en) * 2007-10-25 2012-07-26 Mott Christopher Systems and methods for individualized alertness predictions
US20140296332A1 (en) * 2012-01-26 2014-10-02 Vanda Pharmaceuticals, Inc. Treatment of circadian rhythm disorders
US20170132946A1 (en) * 2015-08-14 2017-05-11 JouZen Oy Method and system for providing feedback to user for improving performance level management thereof
US20170238868A1 (en) * 2016-02-18 2017-08-24 Curaegis Technologies, Inc. Alertness prediction system and method

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114431837A (zh) * 2022-04-12 2022-05-06 深圳市心流科技有限公司 一种睡眠状态控制方法、装置、助眠设备及存储介质

Also Published As

Publication number Publication date
US20220079512A1 (en) 2022-03-17
WO2020126710A1 (en) 2020-06-25
EP3899981A1 (en) 2021-10-27
EP3671757A1 (en) 2020-06-24
JP7548585B2 (ja) 2024-09-10
JP2022515374A (ja) 2022-02-18

Similar Documents

Publication Publication Date Title
JP7548585B2 (ja) 覚醒レベルを決定するシステム及び方法
CN108852283B (zh) 基于生理信息的睡眠评分
US7524279B2 (en) Sleep and environment control method and system
US8690751B2 (en) Sleep and environment control method and system
JP7568345B2 (ja) 神経系メトリックに基づく病気検出
Patel et al. Accuracy of a smartphone application in estimating sleep in children
US20170132946A1 (en) Method and system for providing feedback to user for improving performance level management thereof
Calogiuri et al. Methodological issues for studying the rest–activity cycle and sleep disturbances: a chronobiological approach using actigraphy data
JP6709154B2 (ja) 人間の現在の概日リズムを計算するための装置、方法、システム、および当該方法を実行するためにコンピュータプログラム
KR102028674B1 (ko) 단말을 이용한 진료 예약, 접수 방법, 서버 및 프로그램
US11793454B2 (en) Method and system for providing feedback to user for improving performance level management thereof
WO2020087114A1 (en) Personalised sleep scheduler
US20220084672A1 (en) Temperature monitoring wearable with an artificial intelligence engine
US20220409187A1 (en) Illness detection with menstrual cycle pattern analysis
US20220280105A1 (en) System and method for personalized biofeedback from a wearable device
Kuo et al. An EOG-based automatic sleep scoring system and its related application in sleep environmental control
Keill Validity of wearable fitness trackers on sleep measure
CN109862826B (zh) 血压管理
EP4360553A1 (en) Assessing cognitive performance of a subject
US11957480B2 (en) Systems and methods for sleep optimization
WO2023234317A1 (ja) 情報処理システム、情報処理方法、プログラム、記録媒体
Biller et al. The Ecology of Human Sleep (EcoSleep) Cohort Study: Protocol for a longitudinal repeated measurement burst design study to assess the relationship between sleep determinants and outcomes under real‐world conditions across time of year
Rajesh et al. Application of Multi-Sensor based Audio Wearable Device in Sleep Analysis, Wellness Tracking and Prediction

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