CN113397566A - 一种睡眠环境数据库建立方法与使用方法 - Google Patents

一种睡眠环境数据库建立方法与使用方法 Download PDF

Info

Publication number
CN113397566A
CN113397566A CN202110863416.6A CN202110863416A CN113397566A CN 113397566 A CN113397566 A CN 113397566A CN 202110863416 A CN202110863416 A CN 202110863416A CN 113397566 A CN113397566 A CN 113397566A
Authority
CN
China
Prior art keywords
sleep
environment
period
environmental
interruption
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.)
Granted
Application number
CN202110863416.6A
Other languages
English (en)
Other versions
CN113397566B (zh
Inventor
鄢姬铃
许晏菁
陈刚
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.)
Hangzhou Yunshuiba Health Management Co ltd
Original Assignee
Hangzhou Yunshuiba Health Management Co ltd
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 Hangzhou Yunshuiba Health Management Co ltd filed Critical Hangzhou Yunshuiba Health Management Co ltd
Priority to CN202110863416.6A priority Critical patent/CN113397566B/zh
Publication of CN113397566A publication Critical patent/CN113397566A/zh
Application granted granted Critical
Publication of CN113397566B publication Critical patent/CN113397566B/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
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • 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
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
    • 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
    • A61B5/4806—Sleep evaluation
    • A61B5/4815—Sleep quality
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Anesthesiology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及睡眠环境调节领域，尤其涉及一种睡眠环境数据库建立方法与使用方法，包括步骤布置测试房间；招募同质性群体；筛选关键环境参数及适宜性范围，包括入睡期、浅睡期、深睡期、快速眼动期四种睡眠状态中的睡眠环境适宜性范围；优势在于：以脑波为评估标准，在声音、光线、温度、湿度四种基础卧室环境因素中进行关键因素筛选，并提供入睡期、浅睡期、深睡期、快速眼动期四种睡眠状态中不同的环境参数方案。

Description

一种睡眠环境数据库建立方法与使用方法
技术领域
本发明涉及睡眠环境调节领域，尤其涉及一种睡眠环境数据库建立方法与使用方法。
背景技术
睡眠环境包括内部环境和外部环境，内部环境指的是人体自身内环境，例如生物钟、情绪状态、思维活跃程度、神经兴奋水平等；外部环境通常指的是卧室环境，例如声音、光线、温度、湿度等。
理想的睡眠环境并非一成不变的。不同睡眠状态下个体对环境的敏感性不同，例如夜晚卧室的温度和湿度会随着时间的推移而变化，个体内部对温度的调节能力也会随着睡眠状态的改变而变化，体温在非快速眼动(NREM)睡眠的调节水平比觉醒期间要低，在快速眼动(REM)睡眠的体温调节则会被抑制，因此随着睡眠状态的变化，为了保证睡眠质量，卧室的温度也需要随之变化；
已有研究发现睡眠环境与睡眠之间呈二次线性关系，即环境参数过高或过低都会对睡眠产生不利影响：①环境温度和湿度过高或过低都会影响人体代谢率，导致人体出现肌肉紧绷，氧耗量增加等情况，从而增加交感神经兴奋程度，影响睡眠；②当卧室里的光线太强时，光线会透过视网膜影响松果体，抑制褪黑激素的分泌，让个体变得清醒，造成生物钟延后，但是当光线太暗时，又会让有些人感到安全感缺失，精神紧张，难以入睡；③当卧室内噪音较大时，会让大脑和身体处于应激情境下的活跃状态，导致精神紧张；而当卧室内太安静时，会降低人体对环境噪音的阈限，放大环境噪音的影响。
合适的睡眠环境能够从帮助入睡、维持睡眠稳定性，舒适唤醒三个方面改善睡眠质量。但由于个体差异的存在，不同用户合适的睡眠环境也是不同的。现有技术仅能从纯粹理论的角度出发，提供一般性的睡眠环境建议，无法根据个体差异设置个性化的适睡环境，且并未关注不同睡眠状态和不同情境中睡眠环境的差异性。
基于此，本案由此提出。
发明内容
为解决上述问题，本发明的目的在于提供一种睡眠环境数据库建立方法与使用方法。
为了实现上述目的，本发明的技术方案如下：
一种睡眠环境数据库建立方法，其特征在于，包括以下步骤，
S100.布置测试房间；
S200.招募同质性群体；
S300.筛选关键环境参数及适宜性范围：包括入睡期、浅睡期、深睡期、快速眼动期四种睡眠状态中的睡眠环境适宜性范围；
所述步骤S300中，筛选入睡期睡眠环境参数适宜性范围包括以下步骤，
S301.每位被试根据自己偏好设置入睡时的初始睡眠环境参数Xj-bas，其中j取值范围为1-5，分别对应温度、湿度、亮度、色温、声音五种环境参数；记录被试依次调节各环境参数的顺序，在同质性群体中计算各项睡眠环境参数的平均值
Figure BDA0003186524880000021
与标准差SDxj-bas；
S302.被试在初始环境中尝试入睡，并以30秒为一帧实时监测被试脑波数据；
S303.对前4帧的脑波数据进行计算，记录每帧中α脑波的平均占比Perα-bas和θ波的变化速度SPθ-bas，并在同质性群体中计算Perα-bas、SPθ-bas的平均值
Figure BDA0003186524880000022
和标准差SDper-bas、SDθ-bas；
S304.根据被试设置初始环境时的顺序依次调节环境参数，每次单独调节一种环境参数，调节时从Xj-bas-SDxj-bas开始，以SDxj为单位调节量，调节至Xj-bas+SDxj-bas，共调节两次，每调节完一次后，记录两帧脑波数据，并计算这两帧中的α脑波的平均占比Perα和θ波的变化速度SPθ，如果调整后α脑波的平均占比Perα或θ波的变化速度SPθ中的任一项大于
Figure BDA0003186524880000031
或
Figure BDA0003186524880000032
Figure BDA0003186524880000033
说明调整后的环境更适合帮助被试入睡，筛选出Perα或SPθ的最大值对应的环境参数，对初始环境中对应的参数进行替换，替换后再调节下一个环境参数，最终形成正式入睡环境Xj-f；
S305.要求被试在正式入睡环境中尝试入睡，同步使用睡眠监测设备监测睡眠状态，其中睡眠监测设备将整夜睡眠分成N1、N2、N3、REM、以及睡眠过程中的微觉醒五个状态阶段；当被试出现下列任一情形时停止监测，并记录被试的入睡潜伏期Soln，其中停止监测的情形包括：a.任意一帧处于N2、N3、或快速眼动期睡眠状态；b.连续三帧处于N1睡眠状态；
S306.计算环境参数和入睡潜伏期之间的权重，计算公式为
Figure BDA0003186524880000036
其中，Y1为入睡潜伏期，b0为同质性群体中不受环境参数影响的基础入睡潜伏期，Xj表示正式入睡环境中不同的环境参数Xj-f，bj表示环境参数对应的权重；
S307.将步骤S306中的Y1设置为b0，带入关键环境指标的权重bj，计算出的关键环境指标对应的数值即为入睡期适宜性环境指标参数Xj-sol，并在同质性群体中计算Xj-sol的平均值
Figure BDA0003186524880000034
和标准差SDj-sol，入睡期睡眠环境参数的适宜性范围即为
Figure BDA0003186524880000035
S308.对关键环境指标的权重bj进行标准化处理，并将标准化处理结果βj按大小进行排序，定义为入睡潜伏期的环境等级指标，其中标准化处理公式为：βj＝bj*(SDxj/SDy)，其中SDxj是正式入睡环境Xj-f对应的SDxj-f，SDy表示标准差SDj-sol。
进一步的，所述步骤S200包括以下三个步骤，
定义个体特征：关键特征包括无明显睡眠问题的一般群体；
测量个体特征：对个体特征进行量化，并计算群体中的平均值和标准差；
筛除极端个体：任意个体在任一个体特征值上的水平超出平均值±1个标准差的范围，即需要剔除，保留下来的个体组成同质性群体参与后续实验。
进一步的，所述步骤S300中，筛选浅睡期、深睡期、快速眼动期睡眠环境参数适宜性范围包括以下步骤，
S309.要求所有被试在入睡期适宜环境中尝试入睡，睡着后继续进行整夜睡眠监测；
S310.整夜睡眠监测过程中，人为操作各项环境指标参数水平；
S311.次日对整夜睡眠数据进行处理，以人为操作的时间点为起点，如果60秒内出现睡眠中断事件，即将该中断事件定义为环境变化引起的睡眠中断事件，并记录睡眠中断持续的时间Tb；
S312.在所有环境变化引起的睡眠中断事件中，对所有睡眠中断事件发生前的稳定睡眠状态进行判读，根据睡眠状态的不同，分成浅睡期的环境中断事件、深睡期的环境中断事件、REM期的环境中断事件，并将睡眠中断持续时间分成对应的Tb-1、Tb-2、Tb-3；
S313.在不同的睡眠状态中，计算环境参数和睡眠中断时间之间的权重系数bj，计算公式为：
Figure BDA0003186524880000041
Figure BDA0003186524880000042
Figure BDA0003186524880000043
其中Y2、Y3、Y4分别为浅睡期、深睡期、快速眼动期对应的睡眠中断时间Tb-1、Tb-2、Tb-3，b0为同质性群体中不受环境参数影响的基础中断时间，Xj表示正式入睡环境中不同的环境参数Xj-f，bj表示环境参数对应的权重；
S314.将步骤S313三个公式中的Y2、Y3、Y4均设置为b0，并带入关键环境指标的权重bj，计算各关键环境指标对应的数值，意为将环境变化引起的中断时间降到0时对应的环境参数Xj-ss，其中ss取值范围1-3，分别对应浅睡期、深睡期、快速眼动期。
进一步的，所述步骤S310中，人为操作各项环境指标参数水平包括人为操作时间点的获取和人为操作方法；
所述人为操作时间点的获取包括：在步骤S309开始前，在入睡期适宜环境参数Xj-sol±SDj-sol条件下，先进行一整夜睡眠检测，次日进行回溯性睡眠判读，筛选出浅睡期、深睡期、快速眼动期各若干个，并提取对应的时间点，同时使用随机函数随机生成若干个操作的时间点，即人为操作时间点包括提取的时间点和随机函数生成的时间点；
所述人为操作方法包括：按照获取的时间点进行各项环境指标的调整；将步骤S308筛选出的环境指标等级顺序作为操作顺序；各项环境指标分为Xj-(1.98*SDxj)、Xj-SDxj，Xj，Xj+SDxj，Xj+(1.98*SDxj)共5个等级，每个等级操作完成后维持60秒再恢复至入睡期适宜环境参数水平
进一步的，所述步骤S300中，筛选浅睡期、深睡期、快速眼动期睡眠环境参数适宜性范围包括以下步骤，
S315.再进行连续两晚的整夜睡眠监测，前一晚中所有被试使用正式入睡环境中的环境参数进行整夜睡眠，后一晚中通过实时睡眠状态判读，在不同睡眠状态中将睡眠环境调整至步骤S314得出的睡眠环境参数进行整夜睡眠；次日进行睡眠数据判读，在不同睡眠状态中计算出睡眠中断的总持续时间，并计算两晚睡眠中断时间的差异t，其中计算公式为
Figure BDA0003186524880000061
其中前一晚睡眠实验中群体睡眠中断的总持续时间的平均值为T，标准差为ST,后一晚群体睡眠中断的总持续时间的平均值为T’,标准差为ST’,n表示同质性群体中被试数量；如果t>tα,表示两晚中睡眠中断总持续时间存在明显差异，如果T>T’，说明计算出的睡眠参数范围能够有效减少睡眠中断持续时间；其中tα为t检验的判断阈值，可通过查询统计检验中t检验的t值表获得，α通常取值0.05或0.01；
S316.根据步骤S315的计算结果，筛选出在后一晚实验中深睡期和快速眼动期睡眠中断总持续时间明显占优的被试，形成有效群体，在该有效群体中计算各项睡眠环境指标在不同睡眠状态中的平均值
Figure BDA0003186524880000062
和标准差SDj-ss。
进一步的，所述步骤S100具体包括：布置适宜睡眠的床、床垫和枕头，以及灯光监测与调节设备、温度监测与调节设备、湿度监测调节设备、声音监测与调节设备、睡眠监测设备。
一种睡眠环境数据库使用方法，包括采用上述方法建立的数据库，所述使用方法包括以下步骤，
T100.用户输入个人特征，程序在数据库中进行同质性群体匹配，提取相应数据包；
T200.实时监测睡眠状态，在不同睡眠状态调整环境参数至相应适宜性范围。
本发明的优点在于：以脑波为评估标准，在声音、光线、温度、湿度四种基础卧室环境因素中进行关键因素筛选，并提供入睡期、浅睡期、深睡期、快速眼动期四种睡眠状态中不同的环境参数方案。
具体实施方式
以下结合实施例对本发明作进一步详细描述。
本实施例提出一种睡眠环境数据库建立方法和使用方法，包括建立数据库和实用数据库两个部分。
建立数据库包括以下步骤：
S100.布置测试房间：包括布置适宜睡眠的床、床垫和枕头，以及灯光监测与调节设备、温度监测与调节设备、湿度监测调节设备、声音监测与调节设备、睡眠监测设备。
S200.招募同质性群体，具体分为以下三个步骤：
定义个体特征：关键特征至少包括无明显睡眠问题的一般群体，其他个体特征可以包括年龄、生物钟节律、身体健康程度、心理健康水平(与神经功能相关)、或其他自定义指标(例如与某种调节产品联结，则可从该产品的目标群体特征中提取个体特征)；
测量个体特征：对个体特征进行量化，并计算群体中的平均值和标准差；
筛除极端个体：任意个体在任一个体特征值上的水平超出平均值±1个标准差的范围，即需要剔除，保留下来的个体组成同质性群体参与后续实验。
S300.筛选关键环境参数及适宜性范围：包括入睡期、浅睡期、深睡期、快速眼动期四种睡眠状态中的睡眠环境适宜性范围。
所述筛选入睡期睡眠环境参数适宜性范围包括以下步骤，
S301.每位被试根据自己偏好设置入睡时的初始睡眠环境参数Xj-bas，其中j取值范围为1-5，分别对应温度、湿度、亮度、色温、声音五种环境参数，温度X1-bas(单位：摄氏度)、湿度X2-bas(单位：相对湿度百分比)、亮度X3-bas(单位：勒克斯)、色温X4-bas(单位：开尔文)、声音X5-bas(单位：分贝)；记录被试依次调节各环境参数的顺序，在同质性群体中计算各项睡眠环境参数的平均值
Figure BDA0003186524880000081
与标准差SDxj-bas。
S302.被试在初始环境中尝试入睡，并以30秒为一帧实时监测被试脑波数据。
S303.对前4帧的脑波数据进行计算，记录每帧中α脑波的平均占比Perα-bas和θ波的变化速度SPθ-bas(计作基线水平)，并在同质性群体中计算Perα-bas、SPθ-bas的平均值
Figure BDA0003186524880000082
和标准差SDper-bas、SDθ-bas。
S304.根据被试设置初始环境时的顺序依次调节环境参数，每次单独调节一种环境参数，调节时从调节时从Xj-bas-SDxj-bas开始，以SDxj为单位调节量，调节至Xj-bas+SDxj-bas，共调节两次(其中Xj为初始状态，所以不用调节至该环境参数)，每调节完一次后，记录两帧脑波数据，并计算这两帧中的α脑波的平均占比Perα和θ波的变化速度SPθ，如果调整后α脑波的平均占比Perα或θ波的变化速度SPθ中的任一项大于
Figure BDA0003186524880000083
或
Figure BDA0003186524880000084
说明调整后的环境更适合帮助被试入睡，筛选出Perα或SPθ的最大值对应的环境参数，对初始环境中对应的参数进行替换，替换后再调节下一个环境参数，最终形成正式入睡环境Xj-f。
S305.要求被试在正式入睡环境中尝试入睡，同步使用睡眠监测设备监测睡眠状态，其中睡眠监测设备能够采集睡眠相关数据并根据数据进行整夜睡眠判读，将整夜睡眠分成N1、N2、N3、REM、以及睡眠过程中的微觉醒五个阶段状态；当被试出现下列任一情形时停止监测，并记录被试的入睡潜伏期Soln，其中停止监测的情形包括：a.任意一帧处于N2、N3、或快速眼动期睡眠状态；b.连续三帧处于N1睡眠状态。
S306.计算环境参数和入睡潜伏期之间的权重，计算公式为
Figure BDA0003186524880000091
其中，Y1为入睡潜伏期，b0为同质性群体中不受环境参数影响的基础入睡潜伏期，Xj表示正式入睡环境中不同的环境参数Xj-f，bj表示环境参数对应的权重。
S307.将步骤S306中的Y1设置为b0，带入关键环境指标的权重bj，计算出的关键环境指标对应的数值即为入睡期适宜性环境指标参数Xj-sol，并在同质性群体中计算Xj-sol的平均值
Figure BDA0003186524880000092
和标准差SDj-sol，入睡期睡眠环境参数的适宜性范围即为
Figure BDA0003186524880000093
S308.对关键环境指标的权重bj进行标准化处理，并将标准化处理结果βj按大小进行排序，定义为入睡潜伏期的环境等级指标，即定义为入睡潜伏期的一级环境指标、二级环境指标等，其中标准化处理公式为：βj＝bj*(SDxj/SDy)，其中SDxj是正式入睡环境Xj-f对应的SDxj-f，SDy表示标准差SDj-sol。
所述筛选浅睡期、深睡期、快速眼动期睡眠环境参数适宜性范围包括以下步骤，
S309.要求所有被试在入睡期适宜环境中尝试入睡，睡着后继续进行整夜睡眠监测；
S310.整夜睡眠监测过程中，人为操作各项环境指标参数水平；
S311.次日对整夜睡眠数据进行处理，以人为操作的时间点为起点，如果60秒内出现睡眠中断事件(中断事件的判断标准：在至少10秒钟的稳定睡眠后，突然出现脑电背景波变化，包括α和θ波，或频率大于16HZ的脑电波(纺锤波除外)，并且持续3秒以上)，即将该中断事件定义为环境变化引起的睡眠中断事件，并记录睡眠中断持续的时间Tb；
S312.在所有环境变化引起的睡眠中断事件中，对所有睡眠中断事件发生前的稳定睡眠状态进行判读，根据睡眠状态的不同，分成浅睡期的环境中断事件、深睡期的环境中断事件、REM期的环境中断事件，并将睡眠中断持续时间分成对应的Tb-1、Tb-2、Tb-3；
S313.在不同的睡眠状态中，计算环境参数和睡眠中断时间之间的权重系数bj，计算公式为：
Figure BDA0003186524880000101
Figure BDA0003186524880000102
Figure BDA0003186524880000103
其中Y2、Y3、Y4分别为浅睡期、深睡期、快速眼动期对应的睡眠中断时间Tb-1、Tb-2、Tb-3，b0为同质性群体中不受环境参数影响的基础中断时间，Xj表示正式入睡环境中不同的环境参数Xj-f，bj表示环境参数对应的权重；
S314.将步骤S313三个公式中的Y2、Y3、Y4均设置为b0，并带入关键环境指标的权重bj，计算各关键环境指标对应的数值，意为将环境变化引起的中断时间降到0时对应的环境参数Xj-ss，其中ss取值范围1-3，分别对应浅睡期、深睡期、快速眼动期。
本实施例中，所述步骤S310中，人为操作各项环境指标参数水平包括人为操作时间点的获取和人为操作方法，所述人为操作时间点的获取包括：在步骤S309开始前，，在入睡期适宜环境参数Xj-sol±SDj-sol条件下，先进行一整夜睡眠检测，次日进行回溯性睡眠判读，筛选出浅睡期、深睡期、快速眼动期各5个，并提取对应的时间点，同时使用随机函数随机生成15个操作的时间点，即人为操作时间点包括提取的时间点和随机函数生成的时间点共30。通过上述方式获取操作时间点的目的在于，增大每种环境参数能在不同的睡眠状态中多次出现的几率。所述人为操作方法包括：按照获取的时间点进行各项环境指标的调整；将步骤S308筛选出的环境指标等级顺序作为操作顺序；各项环境指标分为Xj-(1.98*SDxj)、Xj-SDxj，Xj，Xj+SDxj，Xj+(1.98*SDxj)共5个等级，每个等级操作完成后维持60秒再恢复至入睡期适宜环境参数水平。
本实施例还包括以下步骤：
S315.再进行连续两晚的整夜睡眠监测，前一晚中所有被试使用正式入睡环境中的环境参数进行整夜睡眠，后一晚中通过实时睡眠状态判读，在不同睡眠状态中将睡眠环境调整至步骤S314得出的睡眠环境参数进行整夜睡眠；次日进行睡眠数据判读，在不同睡眠状态中计算出睡眠中断的总持续时间，并计算两晚睡眠中断时间的差异t，其中计算公式为
Figure BDA0003186524880000111
其中前一晚睡眠实验中群体睡眠中断的总持续时间的平均值为T，标准差为ST,后一晚群体睡眠中断的总持续时间的平均值为T’,标准差为ST’,n表示同质性群体中被试数量；如果t>tα,表示两晚中睡眠中断总持续时间存在明显差异，如果T>T’，说明计算出的睡眠参数范围能够有效减少睡眠中断持续时间；其中tα为t检验的判断阈值，可通过查询统计检验中t检验的t值表获得，α通常取值0.05或0.01；
S316.根据步骤S314的计算结果，筛选出在后一晚实验中深睡期和快速眼动期睡眠中断总持续时间明显占优的被试，形成有效群体，在该有效群体中计算各项睡眠环境指标在不同睡眠状态中的平均值
Figure BDA0003186524880000112
和标准差SDj-ss。
其中通过步骤S314得出的数据为一级标准，通过S315和S316得出的数据为二级标准，更加严格。实际使用时可以进行选择使用。
数据库的使用方法，包括以下步骤：
T100.用户输入个人特征，程序在上述方法建立的数据库中进行同质性群体匹配，提取相应数据包；
T200.实时监测睡眠状态，在不同睡眠状态调整环境参数至相应适宜性范围。
上述实施例仅用于解释说明本发明的构思，而非对本发明权利保护的限定，凡利用此构思对本发明进行非实质性的改动，均应落入本发明的保护范围。

Claims (7)

1.一种睡眠环境数据库建立方法，其特征在于，包括以下步骤，
S100.布置测试房间；
S200.招募同质性群体；
S300.筛选关键环境参数及适宜性范围：包括入睡期、浅睡期、深睡期、快速眼动期四种睡眠状态中的睡眠环境适宜性范围；
所述步骤S300中，筛选入睡期睡眠环境参数适宜性范围包括以下步骤，
S301.每位被试根据自己偏好设置入睡时的初始睡眠环境参数Xj-bas，其中j取值范围为1-5，分别对应温度、湿度、亮度、色温、声音五种环境参数；记录被试依次调节各环境参数的顺序，在同质性群体中计算各项睡眠环境参数的平均值
Figure FDA0003186524870000011
与标准差SDxj-bas；
S302.被试在初始环境中尝试入睡，并以30秒为一帧实时监测被试脑波数据；
S303.对前4帧的脑波数据进行计算，记录每帧中α脑波的平均占比Perα-bas和θ波的变化速度SPθ-bas，并在同质性群体中计算Perα-bas、SPθ-bas的平均值
Figure FDA0003186524870000012
和标准差SDper-bas、SDθ-bas；
S304.根据被试设置初始环境时的顺序依次调节环境参数，每次单独调节一种环境参数，调节时从Xj-bas-SDxj-bas开始，以SDxj为单位调节量，调节至Xj-bas+SDxj-bas，共调节两次，每调节完一次后，记录两帧脑波数据，并计算这两帧中的α脑波的平均占比Perα和θ波的变化速度SPθ，如果调整后α脑波的平均占比Perα或θ波的变化速度SPθ中的任一项大于
Figure FDA0003186524870000013
或
Figure FDA0003186524870000014
Figure FDA0003186524870000015
说明调整后的环境更适合帮助被试入睡，筛选出Perα或SPθ的最大值对应的环境参数，对初始环境中对应的参数进行替换，替换后再调节下一个环境参数，最终形成正式入睡环境Xj-f；
S305.要求被试在正式入睡环境中尝试入睡，同步使用睡眠监测设备监测睡眠状态，其中睡眠监测设备将整夜睡眠分成N1、N2、N3、REM、以及睡眠过程中的微觉醒五个状态阶段；当被试出现下列任一情形时停止监测，并记录被试的入睡潜伏期Soln，其中停止监测的情形包括：a.任意一帧处于N2、N3、或快速眼动期睡眠状态；b.连续三帧处于N1睡眠状态；
S306.计算环境参数和入睡潜伏期之间的权重，计算公式为
Figure FDA0003186524870000021
其中，Y1为入睡潜伏期，b0为同质性群体中不受环境参数影响的基础入睡潜伏期，Xj表示正式入睡环境中不同的环境参数Xj-f，bj表示环境参数对应的权重；
S307.将步骤S306中的Y1设置为b0，带入关键环境指标的权重bj，计算出的关键环境指标对应的数值即为入睡期适宜性环境指标参数Xj-sol，并在同质性群体中计算Xj-sol的平均值
Figure FDA0003186524870000022
和标准差SDj-sol，入睡期睡眠环境参数的适宜性范围即为
Figure FDA0003186524870000023
S308.对关键环境指标的权重bj进行标准化处理，并将标准化处理结果βj按大小进行排序，定义为入睡潜伏期的环境等级指标，其中标准化处理公式为：βj＝bj*(SDxj/SDy)。
2.如权利要求1所述的一种睡眠环境数据库建立方法，其特征在于，所述步骤S200包括以下三个步骤，
定义个体特征：关键特征包括无明显睡眠问题的一般群体；
测量个体特征：对个体特征进行量化，并计算群体中的平均值和标准差；
筛除极端个体：任意个体在任一个体特征值上的水平超出平均值±1个标准差的范围，即需要剔除，保留下来的个体组成同质性群体参与后续实验。
3.如权利要求1所述的一种睡眠环境数据库建立方法，其特征在于，所述步骤S300中，筛选浅睡期、深睡期、快速眼动期睡眠环境参数适宜性范围包括以下步骤，
S309.要求所有被试在入睡期适宜环境中尝试入睡，睡着后继续进行整夜睡眠监测；
S310.整夜睡眠监测过程中，人为操作各项环境指标参数水平；
S311.次日对整夜睡眠数据进行处理，以人为操作的时间点为起点，如果60秒内出现睡眠中断事件，即将该中断事件定义为环境变化引起的睡眠中断事件，并记录睡眠中断持续的时间Tb；
S312.在所有环境变化引起的睡眠中断事件中，对所有睡眠中断事件发生前的稳定睡眠状态进行判读，根据睡眠状态的不同，分成浅睡期的环境中断事件、深睡期的环境中断事件、REM期的环境中断事件，并将睡眠中断持续时间分成对应的Tb-1、Tb-2、Tb-3；
S313.在不同的睡眠状态中，计算环境参数和睡眠中断时间之间的权重系数bj，计算公式为：
Figure FDA0003186524870000031
Figure FDA0003186524870000032
Figure FDA0003186524870000033
其中Y2、Y3、Y4分别为浅睡期、深睡期、快速眼动期对应的睡眠中断时间Tb-1、Tb-2、Tb-3，b0为同质性群体中不受环境参数影响的基础中断时间，Xj表示正式入睡环境中不同的环境参数Xj-f，bj表示环境参数对应的权重；
S314.将步骤S313三个公式中的Y2、Y3、Y4均设置为b0，并带入关键环境指标的权重bj，计算各关键环境指标对应的数值，意为将环境变化引起的中断时间降到0时对应的环境参数Xj-ss，其中ss取值范围1-3，分别对应浅睡期、深睡期、快速眼动期。
4.如权利要求3所述的一种睡眠环境数据库建立方法，其特征在于，所述步骤S310中，人为操作各项环境指标参数水平包括人为操作时间点的获取和人为操作方法，
所述人为操作时间点的获取包括：在步骤S309开始前，在入睡期适宜环境参数Xj-sol±SDj-sol条件下，先进行一整夜睡眠检测，次日进行回溯性睡眠判读，筛选出浅睡期、深睡期、快速眼动期各若干个，并提取对应的时间点，同时使用随机函数随机生成若干个操作的时间点，即人为操作时间点包括提取的时间点和随机函数生成的时间点；
所述人为操作方法包括：按照获取的时间点进行各项环境指标的调整；将步骤S308筛选出的环境指标等级顺序作为操作顺序；各项环境指标分为Xj-(1.98*SDxj)、Xj-SDxj，Xj，Xj+SDxj，Xj+(1.98*SDxj)共5个等级，每个等级操作完成后维持60秒再恢复至入睡期适宜环境参数水平。
5.如权利要求3所述的一种睡眠环境数据库建立方法，其特征在于，
S315.再进行连续两晚的整夜睡眠监测，前一晚中所有被试使用正式入睡环境中的环境参数进行整夜睡眠，后一晚中通过实时睡眠状态判读，在不同睡眠状态中将睡眠环境调整至步骤S314得出的睡眠环境参数进行整夜睡眠；次日进行睡眠数据判读，在不同睡眠状态中计算出睡眠中断的总持续时间，并计算两晚睡眠中断时间的差异t，其中计算公式为
Figure FDA0003186524870000041
其中前一晚睡眠实验中群体睡眠中断的总持续时间的平均值为T，标准差为ST,后一晚群体睡眠中断的总持续时间的平均值为T’,标准差为ST’,n表示同质性群体中被试数量；如果t>tα,表示两晚中睡眠中断总持续时间存在明显差异，如果T>T’，说明计算出的睡眠参数范围能够有效减少睡眠中断持续时间；其中tα为t检验的判断阈值，可通过查询统计检验中t检验的t值表获得，α通常取值0.05或0.01；
S316.根据步骤S315的计算结果，筛选出在后一晚实验中深睡期和快速眼动期睡眠中断总持续时间明显占优的被试，形成有效群体，在该有效群体中计算各项睡眠环境指标在不同睡眠状态中的平均值
Figure FDA0003186524870000051
和标准差SDj-ss。
6.如权利要求1所述的一种睡眠环境数据库建立方法，其特征在于，所述步骤S100具体包括：布置适宜睡眠的床、床垫和枕头，以及灯光监测与调节设备、温度监测与调节设备、湿度监测调节设备、声音监测与调节设备、睡眠监测设备。
7.一种睡眠环境数据库使用方法，其特征在于，包括依据权利要求1至6任一所述方法建立的数据库，所述使用方法包括以下步骤，
T100.用户输入个人特征，程序在数据库中进行同质性群体匹配，提取相应数据包；
T200.实时监测睡眠状态，在不同睡眠状态调整环境参数至相应适宜性范围。
CN202110863416.6A 2021-07-29 2021-07-29 一种睡眠环境数据库建立方法与使用方法 Active CN113397566B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110863416.6A CN113397566B (zh) 2021-07-29 2021-07-29 一种睡眠环境数据库建立方法与使用方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110863416.6A CN113397566B (zh) 2021-07-29 2021-07-29 一种睡眠环境数据库建立方法与使用方法

Publications (2)

Publication Number Publication Date
CN113397566A true CN113397566A (zh) 2021-09-17
CN113397566B CN113397566B (zh) 2022-06-10

Family

ID=77687988

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110863416.6A Active CN113397566B (zh) 2021-07-29 2021-07-29 一种睡眠环境数据库建立方法与使用方法

Country Status (1)

Country Link
CN (1) CN113397566B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06294540A (ja) * 1993-04-07 1994-10-21 Fujitsu General Ltd 空気調和機の制御装置
US20110257712A1 (en) * 2008-12-30 2011-10-20 Koninklijke Philips Electronics N.V. System and method for administering light therapy
CN104434068A (zh) * 2014-12-26 2015-03-25 上海翰临电子科技有限公司 一种基于环境监测的睡眠分析方法及设备
CN105771060A (zh) * 2016-04-26 2016-07-20 深圳市思立普科技有限公司 一种提高睡眠质量的环境控制方法
CN109464130A (zh) * 2019-01-09 2019-03-15 浙江强脑科技有限公司 睡眠辅助方法、系统及可读存储介质
CN110584611A (zh) * 2019-09-24 2019-12-20 喜临门家具股份有限公司 一种节能效果好的睡眠监测系统
CN112617779A (zh) * 2020-12-31 2021-04-09 杭州云睡吧健康管理有限公司 一种微觉醒预判数据库的建立方法及使用其的干预系统
CN112717253A (zh) * 2020-12-25 2021-04-30 武汉理工大学 基于脑电波监测的声光结合唤醒装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06294540A (ja) * 1993-04-07 1994-10-21 Fujitsu General Ltd 空気調和機の制御装置
US20110257712A1 (en) * 2008-12-30 2011-10-20 Koninklijke Philips Electronics N.V. System and method for administering light therapy
CN104434068A (zh) * 2014-12-26 2015-03-25 上海翰临电子科技有限公司 一种基于环境监测的睡眠分析方法及设备
CN105771060A (zh) * 2016-04-26 2016-07-20 深圳市思立普科技有限公司 一种提高睡眠质量的环境控制方法
CN109464130A (zh) * 2019-01-09 2019-03-15 浙江强脑科技有限公司 睡眠辅助方法、系统及可读存储介质
CN110584611A (zh) * 2019-09-24 2019-12-20 喜临门家具股份有限公司 一种节能效果好的睡眠监测系统
CN112717253A (zh) * 2020-12-25 2021-04-30 武汉理工大学 基于脑电波监测的声光结合唤醒装置
CN112617779A (zh) * 2020-12-31 2021-04-09 杭州云睡吧健康管理有限公司 一种微觉醒预判数据库的建立方法及使用其的干预系统

Also Published As

Publication number Publication date
CN113397566B (zh) 2022-06-10

Similar Documents

Publication Publication Date Title
Šušmáková Human sleep and sleep EEG
Hayashi et al. Recuperative power of a short daytime nap with or without stage 2 sleep
CN110623665A (zh) 一种智能睡眠时相检测与睡眠质量评估系统及方法
Bonnet et al. Sleep and performance in young adults and older normals and insomniacs during acute sleep loss and recovery
Stepanski et al. Heart rate changes in chronic insomnia
Tang et al. Open-loop neurofeedback audiovisual stimulation: a pilot study of its potential for sleep induction in older adults
US11229397B2 (en) System and method for outputting an indicator representative of the effects of stimulation provided to a subject during sleep
CN108523901A (zh) 一种基于智能手机的睡眠质量监测方法
CN109893093A (zh) 一种隐式注视脑机接口的意识状态检测系统
Lichstein et al. Are insomniacs sleepy during the day? A pupillometric assessment
CN113397566B (zh) 一种睡眠环境数据库建立方法与使用方法
CN112294263B (zh) 一种基于脑波频率的非稳定睡眠状态评估方法模型
EP4151263A1 (en) Method and device for updating sleep aid audio signal
McGuire et al. 0162 PILOT STUDY EXAMINING THE EFFECTS OF AIRCRAFT NOISE ON SLEEP IN COMMUNITIES NEAR PHILADELPHIA INTERNATIONAL AIRPORT
Erickson et al. 0945 Sleep Complaints in Patients with Psychogenic Non-Epileptic Seizures
Kuo et al. An EOG-based sleep monitoring system and its application on on-line sleep-stage sensitive light control
Liang et al. A method for napping time recommendation using electrical brain activity
JP2020103536A (ja) 環境制御システム及び環境制御方法
WO2020140122A1 (en) System and method for measuring and managing sleep efficacy in a non-invasive manner
Lamarche et al. Napping during the late-luteal phase improves sleepiness, alertness, mood and cognitive performance in women with and without premenstrual symptoms
CN115530753A (zh) 一种稳定睡眠状态的数据库的建立方法及其使用方法
Janott Analysis and management of sleep data
TWI815564B (zh) 睡眠輔助系統及睡眠輔助方法
CN113729732B (zh) 基于eeg信号的睡眠质量监测系统及方法
Mizera et al. Pupillography in contemporary sleep medicine-A narrative review

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