CN116195002A - 基于睡眠反应监测的睡眠障碍预测系统和方法 - Google Patents

基于睡眠反应监测的睡眠障碍预测系统和方法 Download PDF

Info

Publication number
CN116195002A
CN116195002A CN202180061317.4A CN202180061317A CN116195002A CN 116195002 A CN116195002 A CN 116195002A CN 202180061317 A CN202180061317 A CN 202180061317A CN 116195002 A CN116195002 A CN 116195002A
Authority
CN
China
Prior art keywords
sleep
patient
insomnia
recommendations
input
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
CN202180061317.4A
Other languages
English (en)
Inventor
J·马尔加里托
J·萨拉扎
B·I·谢利
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 CN116195002A publication Critical patent/CN116195002A/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
    • 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
    • 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
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A61B5/0006—ECG or EEG signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • 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
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • 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
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • 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
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • A61B5/0531—Measuring skin impedance
    • A61B5/0533—Measuring galvanic skin response
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • 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
    • A61B5/72—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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • 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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pulmonology (AREA)
  • Dermatology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Psychiatry (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Anesthesiology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

预测睡眠障碍、特别是失眠发生的装置和方法通过长期监测引起压力和睡眠反应的日常习惯以及通过指导纠正可触发睡眠障碍发生的行为并建议干预来减轻该问题。

Description

基于睡眠反应监测的睡眠障碍预测系统和方法
技术领域
本发明涉及用于减少患者失眠的系统和方法，并且具体地涉及预测睡眠障碍(特别是失眠)发生的系统和方法，其通过如下的方式来减轻该问题：通过结合失眠的诱因因素来长期监测引起压力和睡眠反应的日常习惯；以及通过指导纠正可触发睡眠障碍发生的行为并建议干预。
背景技术
失眠是美国最常见的睡眠障碍之一。每年约25％的美国人经历急性失眠。诱因因素、诱病因素和持续因素在确定失眠随时间的发生和持续中起作用。在这些诱病因素中，已表明特别是在遗传上易感的受试者中，压力在失眠的发展中具有主要影响。这样的受试者通常表现出对急性日压力做出中断睡眠的反应，因此表现出所谓的睡眠反应。
在美国，五千万至七千万成人患有睡眠障碍。根据文献，失眠是最常见的特定睡眠障碍，约30％的成人报告了短期问题，10％的成人报告了慢性失眠[“https://www.sleepassociation.org/about-sleep/sleep-statistics”(Online)]。失眠被定义为存在个体的睡眠困难报告，反映为入睡困难、保持睡眠困难或非恢复性睡眠困难[T.Roth,“Insomnia:definition,prevalence,etiology,and consequences,”Journal ofclinical sleep medicine:JCSM:official publication of the American Academy ofSleep Medicine,2007]。最近开发了几种模型以用于描述失眠的病因学和病理生理学的理论观点。最已知的模型之一是“3－P模型”，其描述了与失眠的发展和维持相关的诱因、诱病和持续因素。[D.J.e.a.Buysse,“A neurobiological model of insomnia,”DrugDiscovery Today:Disease Models,pp.129-137,2011]。诱因因素包括赋予个体差异性易感性的遗传、生理或心理体质。诱病因素包括推动个体超过假设的失眠阈值而产生急性症状的生理、环境或心理压力因素。持续因素包括阻碍个体重新建立正常睡眠的行为、心理、环境和生理因素。在这些诱病因素中，日常行为和压力对失眠的发展有很大影响。具体地，特别是对于遗传上易患失眠的受试者，压力被认为是失眠的主要触发物。这样的受试者表现出对压力暴露响应的急性睡眠障碍，其响应关系被称为“睡眠反应”。2014年，Jarrin团队对1449名终身良好睡眠者进行了评估，结果表明，与低睡眠反应睡眠者相比，高睡眠反应睡眠者在接下来的两年中出现失眠症状和慢性失眠病症的风险升高[D.C.e.a.Jarrin,“Temporal stability of the ford insomnia response to stress test(first),”Journal of Clinical Sleep Medicine 12.10,2016]。主要负责压力的因素是过度的工作负荷或身体活动、咖啡因摄入和有影响的个人生活事件。然而，如本文别处所述，主要是因为诱因因素，对这些压力因素的敏感性和生理反应对于不同的个体是不同的。在生物学上，已经表明压力通过增加交感神经活跃性、同时降低副交感神经跃性来改变自主神经系统(ANS)反应。这样的变化反映在心率变异性(HRV)信号中，其在由副交感神经系统确定的高频带中失去功率，而在由交感神经系统确定的低频带中增加功率。因此，通过检测HRV变化来监测ANS活动通常用于确定和量化患者的压力水平。应当注意，在没有限制的情况下，本文中使用的术语“患者”可以包括任何类型的消费者或最终用户。
存在用于睡眠障碍检测和失眠诊断的若干解决方案。然而，没有解决方案可用于预测特定睡眠障碍的发生、或用于确定对特定睡眠障碍的发展贡献最大的日常习惯/因素。在R.e.a.Shouldice,“METHODS AND SYSTEMS FOR SLEEP MANAGEMENT”,2019以及美国专利号10,376,670中已第一次尝试捕获日常习惯来确定睡眠状况。在这样的工作中，针对非特异性睡眠障碍并且不特别注意夜间身体反应。因此需要改进。
发明内容
因此，本发明的一个目的是提供克服了用于减少失眠的常规系统和方法的缺点的、用于减少患者失眠的改进系统和方法。该目的根据所公开和所要求保护的概念的一个实施例、通过提供用于减少患者失眠的装置和方法系统和方法来实现，并且具体地，用于预测睡眠障碍、特别是失眠发生的装置和方法通过如下的方式来减轻该问题：通过结合失眠的诱因因素来长期监测诸如引起压力和睡眠反应的日常习惯的因素；并且通过指导纠正可触发睡眠障碍发生的行为并建议干预。
确定这些因素有利地使得能够提供针对行为变化的建议，行为变化旨在防止所预测的障碍睡眠状况的实际发生。因此，所公开和要求保护的概念有利地提供了改进的系统和方法，该系统和方法用于在患者失眠的诱因因素的上下文中，通过长期监测日常习惯和睡眠反应，预测睡眠障碍、特别是失眠的发生。系统和方法有利地指导用于纠正可触发睡眠障碍发生的行为并建议干预来减轻该问题。关于患者失眠的诱因因素的更多信息可参见：https：//onlinelibrary.wiley.com/doi/full/10.1111/jsr.12710。
所公开和要求保护的概念有利地集中于评估发生睡眠障碍－失眠的风险、并在给定特定患者对压力因素的反应的情况下预测其发作。早期预测允许通过如下方式来干预以预防或减轻睡眠障碍的发生：通过确定特定人的主要风险因素并推荐减少这些因素影响的行动。
所公开和要求保护的概念有利地提供了用于基于连续睡眠反应测量来评估一般睡眠障碍的风险和预测其发生的通用系统以及针对失眠的特定系统。系统的基本实现方式可以说包括至少一个生理信号的测量、至少一个睡眠影响因素的测量以及关于日常睡眠结构的信息集。
通用系统包括：
-生理信号：若干传感器单元，用于监测一个或多个生理信号；
-影响因素：用于监测影响压力和/或睡眠的因素类型和/或强度的若干机制，诸如用于监测身体工作负荷的传感器、用于监测认知或情绪压力(咖啡因摄入等)的日志；
-睡眠结构：用于测量和量化度量的若干机制，度量包括但不限于入睡时间(SOL)、睡眠存活、频谱量化累积短波活动(CSWA)等、在若干相应睡眠阶段的每一个中花费的时间；
-特征提取块：从生理/睡眠数据向量中提取多个统计特征；
-预训练模型：摄取所提取的特征和睡眠结构数据，以生成描述已知睡眠障碍集的发生或发作的概率向量；
-推荐系统：基于所计算的风险，通过以修改主要负责增加睡眠障碍风险的睡眠影响因子为目标来促进行为改变或其他干预；
-特征贡献评估：根据特定模型输出，对分别对睡眠障碍的发展做出最大程度贡献的所提取特征，提供排序。
如在本文中使用的，表述“若干”及其变型应广义地指代任何非零量，包括量1。预训练模型预先在24/7长期监测并且最终被诊断为或未被诊断为睡眠障碍(诸如失眠等)的广泛受试者群体上训练。任何学习方法(深度网、集成树等)可以被用来生成如下两者之间的数学联系：日常/夜间行为/习惯，与发展睡眠障碍的风险。在特征贡献评估中，推荐引擎使用特征的排序来生成用于改变行为的建议和推荐，如果该行为继续，则将导致发展特定睡眠障碍的高风险。可选地，可以利用附加信息来改进预测精度，诸如熟悉度(例如，具有经诊断的睡眠障碍的家庭成员)、自报告的日常事件及其相关压力的主观水平等。
因此，所公开和要求保护的概念的各方面由减少患者失眠的改进方法提供，其整体性质可以被表述为包括在患者的给定清醒时段期间：接收患者的若干参数，这些参数总体上可以被表述为包括若干清醒输入中的一个或多个，清醒输入总体上可以被表述为包括以下各项中的一项或多项：心率(HR)、心率变异性(HRV)、皮肤电反应、呼吸率、温度、氧饱和度、身体活动、物质消耗、光暴露、工作负荷、情绪或身体压力以及日志条目；以及至少部分地基于若干参数的至少子集并且进一步至少部分地基于至少子集中的至少一些参数中的每一个对过去失眠的贡献程度，从推荐引擎向患者输出用于减少患者失眠的若干推荐。
所公开和要求保护的概念的其他方面由改进的系统提供，改进的系统被构造和配置为减少患者的失眠，该改进的系统的整体性质可以被描述为包括：处理器装置，其可以被描述为包括处理器和存储装置；输入装置，其被构造为向处理器装置提供输入信号并且可以被整体描述为包括若干清醒输入传感器中的一个或多个，清醒输入传感器可以被描述为包括以下传感器中的一个或多个：心率(HR)传感器、心率变异性(HRV)传感器、皮肤电反应传感器、呼吸率传感器、温度、氧饱和度传感器、身体活动传感器、被构造为检测物质消耗的传感器、光暴露传感器、被构造为检测工作负荷的传感器、被构造为检测或接收情绪或身体压力的器件以及日志；输出装置，被构造为从处理器装置接收输出信号并生成输出；以及存储装置中存储有若干例程，例程在处理器上执行时，使得系统执行若干操作，操作的整体性质可以被描述包括在患者的给定清醒时段期间：接收患者的若干参数，这些参数总体上可以被表述为包括若干清醒输入中的一个或多个，这些清醒输入总体上可以被表述为包括以下各项中的一项或多项：心率(HR)、心率变异性(HRV)、皮肤电反应、呼吸率、温度、氧饱和度、身体活动、物质消耗、光暴露、工作负荷、情绪或身体压力以及日志条目；以及至少部分地基于若干参数的至少子集并且进一步至少部分地基于至少子集中的至少一些参数中的每一个对过去失眠的贡献程度，从推荐引擎向患者输出用于减少患者失眠的多个推荐。
本发明的这些和其它目的、特征和特性以及结构的相关元件的操作方法和功能以及部件的组合和制造的经济性，将在参考附图考虑以下描述和所附权利要求时变得更加明显，所有附图形成本说明书的一部分，其中相同的附图标记在各个附图中表示相应的部件。然而，应当清楚地理解，附图仅用于例示和描述的目的，而不旨在作为对本发明的限制的限定。
附图说明
图1是根据所公开和要求保护的概念的一个方面的改进系统的描述；
图2是图1的系统的高级架构的描述；
图3是压力水平和睡眠损害之间的关系的描述；
图4是图1的系统的详细描述；
图5是图4的系统的进一步描述；以及
图6是描述根据所公开和要求保护的概念的改进方法的某些方面的流程图。
具体实施方式
如本文所使用的，除非上下文另有明确说明，否则单数形式的“一(a)”、“一个(an)”和“所述(the)”包括复数指代。如在本文中所使用的，两个或更多个部分或部件被“耦合”的表述将意味着这些部分被直接地或间接地(即，借助一个或多个中间部分或部件，只要发生联系)连接或一起操作。如本文所使用的，“直接耦合”意味着两个元素彼此直接接触。如本文所使用的，“固定地耦合”或“固定”意味着两个部件被耦合而作为一个部件移动，同时保持相对于彼此的恒定取向。
如本文所使用的，词语“一体的”是指部件被创建为单件或单元。也就是说，包括单独创建、然后作为单元耦合在一起的零件的部件不是“一体的”部件或主体。如本文所使用的，两个或更多个部分或部件彼此“接合”的表述应意指部分直接或借助一个或多个中间部分或部件对彼此施加力。如本文所使用的，术语“数量”应意指一或大于一的整数(即，多个)。
本文中所使用的方向短语，诸如例如但不限于，顶部、底部、左、右、上、下、前、后及其派生词，涉及附图中示出的元素的取向，并且除非在其中明确陈述，否则不限制权利要求。
所公开和要求保护的概念有利地提供了系统4和方法100，其被构造和配置用于评估患者发展失眠的风险、并且用于通过长期监测患者的睡眠反应来预测患者失眠的发作。睡眠反应监测评估患者的每日和/或事件特异性压力水平，并且附加地检测在睡眠期间对每日和/或事件特异性压力的后续生理反应。图2中示出了系统4的主要块的高级描述。系统4的更详细的描述在图4中示出为包括若干元件或至少与若干元件对接，这些元件中的一些或全部可以被认为是系统4的输入装置6的一部分。这些元件包括智能电话8，其用于收集患者的日常活动信息，诸如工作预约和娱乐活动的类型和时间。可以在智能电话8上获得或可由智能电话8访问的日历数据集9和GPS数据集10的组合可以被用于诸如通过检测酒馆、餐馆等的位置来检索关于咖啡时间、食物或酒精摄入的信息。
系统4还包括配备有PPG 16和若干加速度计20的患者穿戴式设备12或者至少与其对接。患者穿戴式设备12可以是例如智能手表，并且其被用于从心率变异性信号收集与日常身体活动水平、睡眠结构和ANS活动有关的信息。备选地，由飞利浦提供并称为飞利浦健康带设备的产品可以被用作用于睡眠监测目的的患者穿戴式设备12。已知存在针对睡眠分期、能量消耗和心率变异性的预训练模型，并且该预训练模型被用于构建系统4。
系统4还包括压力检测器24，其被用于基于表征受试者生理状态和每个特定日所执行的活动(体育锻炼、工作相关事件和/或个人事件)的信息来提供日压力得分。将借助患者穿戴式设备12和/或自报告日历传感器8和GPS传感器9来收集这样的信息。在患者穿戴式设备12中嵌入的PPG 16和加速度计20的组合被用于检测HRV信号，并且因此从中导出ANS活动以及由患者执行的活动的类型(例如，跑步、步行、坐着等)、时间(例如，6PM)和强度(例如，平均速度、平均心率、活动的持续时间、持续时间*速度)。日历/位置或自我报告信息被用于提取工作时间表来导出会议和个人约会的数量、持续时间和类型。压力检测器块24还提供有助于改变压力得分的因素列表，以使得能够提供用于改变患者中引起压力增加的习惯的个性化建议。
可以根据HRV数据来自动估计压力得分。备选地或附加地，在患者穿戴式设备12中内置或以其他方式提供的皮肤电反应(GSR)传感器28可以检测患者体内的GSR，并且这可以单独使用或与其他数据组合使用来估计压力。备选地或附加地，压力水平得分可以至少部分地基于由患者通过问卷提供的数据，问卷可以询问患者的问题诸如：“您在从1到10的范围内如何给您今天的压力水平打分？”。应当理解，可以根据包括各种清醒输入中的任一种的各种参数中的任一种来评估日压力，该清醒输入可以包括例如但不限于心率(HR)、心率变异性(HRV)、皮肤电反应、呼吸率、温度、氧饱和度、身体活动、物质消耗、光暴露、工作负荷、情绪或身体压力以及日志条目中的一个或多个。可以设想其它清醒输入。
系统4还包括睡眠反应估计器32，其将白天的压力水平与睡眠结构的特征组合，睡眠结构的特征在于经由特征提取器36从HRV信号中提取的多个睡眠相关特征。为了捕获反映患者对压力的反应的ANS活动，在频域中分析HRV信号。特征提取器36从HRV信号的功率谱密度中提取以下特征：
-ULF功率－超低频带(≤0.003Hz)的绝对功率；
-VLF功率－极低频带(0.0033Hz－0.04Hz)的绝对功率；
-LF峰值－低频带(0.04Hz－0.15Hz)的峰值频率；
-LF功率－低频带(0.04Hz－0.15Hz)的绝对功率；
-LF功率－低频带(0.04Hz－0.15Hz)的相对功率，以标称单位表示；
-LF功率－低频带(0.04Hz－0.15Hz)的相对功率；
-HF峰值－高频带(0.15Hz－0.4Hz)的峰值频率；
-HF功率－高频带(0.15Hz－0.4Hz)的绝对功率；
-HF功率－高频带(0.15Hz－0.4Hz)的相对功率，以标称单位表示；
-HF功率－高频带(0.15Hz－0.4Hz)的相对功率；以及
-LF/HF％－LF与HF功率之比。
与可结合所公开和要求保护的概念使用的HRV数据处理有关的更多细节在例如F.a.J.P.G.Shaffer,“An overview of heart rate variability metrics and norms.,”Frontiers in public health 5,p.258,2017中阐述。
若干特征从睡眠结构数据中提取并且可用于描述睡眠特性。这些所提取的特征可以包括：
-SE：睡眠效率(％)；
-REM％：快速眼动(REM)睡眠的睡眠百分比(％)；
-N3％：深度睡眠的睡眠百分比/N3(％)；
-N3：N3的分钟数(min)；
-SOL：入睡时间(min)；
-WASO：入睡后唤醒(小时)；以及
-TST：总睡眠时间(min)。
同样地，该特征集可以扩展到从睡眠结构数据中提取的任何其他特性[A.e.a.Roebuck,“A review of signals used in sleep analysis,”Physiologicalmeasurement 35.1,2013]。备选地或附加地，睡眠特性可以至少部分地基于经由睡眠日志等的患者自我报告来提取。
睡眠特性被用于量化睡眠损害的程度。睡眠损害的量度示例包括SOL、WASO、(1－SE)、(8hrs－TST)等。睡眠损害的其它度量可以由患者对睡眠的不满意(例如，在Likert量表上)或其它主观指标来定义。
参考图3，日间压力水平然后与睡眠损害程度进行比较。睡眠反应至少部分地基于如下两者之间的关系的强度：日间压力与结果/后续睡眠损害。在一些实施例中，该关系被定义为线性曲线拟合，并且睡眠反应是线的斜率。包括非线性方程的其它方程也被考虑来定义睡眠反应。因此，较高的斜率定义了较高的睡眠反应量度。在图3中，每个数据点对应于给定白天的压力值和随后夜晚的睡眠损害，其中线定义了最佳拟合曲线。表述“夜晚”以示例性方式而非限制性地使用，并且它是患者尝试睡眠的时段的示例。由于睡眠反应可以随时间变化，并且可以例如响应于慢性压力而增加或响应于沉思冥想计划而减少，因此所公开和要求保护的概念可以有利地使用来自先前21天的白天和晚上的数据来定义当前睡眠反应得分，但是诸如一个月、两个月、六个月、一周等的其他持续时间也是可用的。
系统4还包括失眠风险模型42，其接收从tn-m到tn-(m－k)生成的睡眠反应指数时间序列作为输入44，以利用以下约束来估计在时间tn发展失眠的风险：
n≥1
m,k>0
m+k<n。
系统4还包括特征贡献评估模块46。对于任何给定的预测/推断，特征贡献评估模块46是实现用于模型可解释性的算法的逻辑单元。一种这样的示例算法包括但不限于SHAP方法(SHapley Additive exPlanations)，其采用模型不可知的游戏理论方法来解释机器学习模型的输出[“https://github.com/slundberg/shap，”(Online)]。输出向量对每个输入特征对给定输入向量的特定预测的贡献水平进行量化。在所公开和要求保护的概念中，各种特征的排序被系统4的推荐引擎50用来生成用于改变如下行为的建议和推荐，如果该行为继续，则将增加睡眠反应并最终导致发展失眠的高风险。
推荐引擎50接收若干输入，若干输入可以包括由压力检测器24提供的压力的原因和/或每个输入特征对特定推断/预测的贡献程度的有序列表。推荐引擎50从其中包含的预定义推荐集中得出推荐，预定义推荐集包括以下中的一个或多个：
-试图直接修改输入信号/特征的若干推荐(例如，对于咖啡因的主观输入mg、减少咖啡因消耗的推荐)、和/或这些推荐的优先级由特征贡献评估模块46通知；和/或
-尝试修改不作为预训练模型的输入而被直接接收的行为或信号的推荐(例如，修改锻炼强度、给定仅接收睡眠时段信息和在床时间心率的系统)，其中每个这样的推荐定义其尝试间接修改的输入特征。特征贡献评估模块46然后被用于基于每个这样的输入特征对患者的最近预测的贡献来对这些推荐确定优先顺序/进行排序。
推荐引擎50向患者生成提出行为改变或干预的若干输出，诸如以下示例性建议中的任一个或多个：
-减少白天期间的咖啡因摄入量；
-在白天较早地从事体育活动；
-避免较晚的工作会议；
-避免在白天期间小睡；
-减少今晚和明天夜间睡眠时间；
-当感觉到压力时，进行有节奏的呼吸练习；以及
-以冥想锻炼开始和结束一天。
飞利浦健康带设备可以被用于监测脑电图(EEG)信号，EEG信号可以与HRV信号结合使用或者可以代替HRV信号，以增加睡眠结构数据的准确性以及检测若干睡眠唤醒事件的存在。关于睡眠唤醒事件的发生率的信息可以被用于增强睡眠反应量化。
睡眠反应、失眠风险和行为建议可以使用系统4的输出装置54以多种方式中的任一个来输出。在这点上，输出装置54可以与智能电话8对接，以使得能够经由至少部分地在智能电话8上执行的智能电话应用程序来向患者呈现睡眠反应、失眠风险和行为建议。睡眠反应和失眠风险有利地随时间变化并与建议一起呈现给患者，以改进接入并降低睡眠损害的风险。
装置4在图5中以示意方式描绘。装置4可以被用于执行改进的方法100，该方法100同样符合所公开和要求保护的概念并且其至少一部分在图6中以示意方式描绘。装置4可以被表征为包括处理器装置56，该处理器装置56可以被称为包括彼此连接的处理器60和存储装置64。存储装置64是非暂时性存储介质的形式，其中存储了若干例程68，这些例程同样是非暂时性存储介质的形式并且包括当在处理器60上执行时使得装置4执行诸如本文别处提到的某些操作的指令。
系统4的输入装置6向处理器60提供输入信号，并且输出装置54从处理器60接收输出信号并潜在地经由智能电话8上的智能电话应用程序来提供可由患者检测的输出，诸如可听输出、可视输出等，但不限于此。
上文提到的改进方法100的某些方面在图6中整体示出的流程图中描绘。对于患者尝试睡眠的多个时段中的每个时段，方法100执行图6中整体描绘的操作。例如，方法100包括如在105处，利用系统4接收患者的若干参数，其中若干参数包括若干唤醒输入中的一个或多个，若干唤醒输入可以包括例如但不限于心率(HR)、心率变异性(HRV)、皮肤电反应、呼吸率、温度、氧饱和度、身体活动、物质消耗、光暴露、工作负荷、情绪或身体压力、日志条目以及多种其他清醒输入中的任一个。在110处，处理继续，从推荐引擎50向患者输出用于降低诸如失眠的睡眠损害的风险的若干推荐。如本文别处所述，若干推荐通常至少部分地基于一个或多个参数、并且进一步至少部分地基于这些参数中的每一个对过去失眠的贡献程度。各种推荐可以由输出装置54作为可听输出、可视输出等直接输出，或者可以附加地或备选地经由智能电话8上的智能电话应用程序来输出。变化和其它益处将是显而易见的。
在权利要求中，置于括号中的任何附图标记不应被解释为限制权利要求。词语“包括(comprising、including)”不排除存在权利要求中所列出的元素或步骤之外的元素或步骤。在列举了若干装置的设备权利要求中，这些装置中的几个可以由同一硬件项来实现。元素之前的词语“一(a)”或“一个(an)”不排除存在多个这样的元素。在列举了几个装置的任何设备权利要求中，这些装置中的若干可以由同一硬件项来实现。在相互不同的从属权利要求中记载某些元素的事实并不表示这些元素不能组合使用。
尽管已基于当前被认为是最实用和优选的实施例出于例示的目的详细描述了本发明，但是应当理解，这样的细节仅用于该目的并且本发明不限于所公开的实施例，而是相反，旨在覆盖在所附权利要求的精神和范围内的修改和等同布置。例如，应当理解，本发明预期在可能的程度上，任何实施例的一个或多个特征可以与任何其他实施例的一个或多个特征组合。

Claims (20)

1.一种减少患者失眠的方法，包括：
在所述患者的给定清醒时段期间：
接收所述患者的若干参数，所述若干参数包括若干清醒输入中的一个或多个，所述若干清醒输入包括心率(HR)、心率变异性(HRV)、皮肤电反应、呼吸率、温度、氧饱和度、身体活动、物质消耗、光暴露、工作负荷、情绪或身体压力以及日志条目中的一个或多个；以及
至少部分地基于所述若干参数的至少子集并且进一步至少部分地基于所述至少子集中的至少一些参数中的每一个对过去失眠的贡献程度，从推荐引擎向所述患者输出用于减少所述患者的失眠的若干推荐。
2.根据权利要求1所述的方法，还包括：至少部分地基于所述至少子集中的所述至少一些参数中的每一个对过去失眠的贡献程度，从所述推荐引擎输出所述若干推荐。
3.根据权利要求2所述的方法，进一步包括：
从所述推荐引擎输出多个推荐作为所述若干推荐，所述推荐中的至少一些推荐各自与对应参数有关、并且按照所述对应参数对过去失眠的贡献程度而被排序。
4.根据权利要求2所述的方法，进一步包括：
至少部分地基于所述若干参数的至少一部分来确定压力水平；
将所述压力水平输入到睡眠反应估计器引擎；
在所述给定清醒时段之后的所述患者的给定睡眠时段期间，接收所述患者的若干睡眠结构输入并由此确定以下各项中的一个或多个：入眠时间(SOL)、睡眠效率(SE)、入眠后唤醒(WASO)、总睡眠时间(TST)、睡眠存活、睡眠的频谱量化以及在若干睡眠阶段的每一个中花费的时间量；至少部分地基于所述若干睡眠结构输入来确定睡眠损害；并将所述睡眠损害输入到所述睡眠反应估计器引擎；以及
在所述睡眠反应估计器引擎中，存储所述压力水平和所述睡眠损害。
5.根据权利要求4所述的方法，还包括：基于所述HRV、GSR以及来自所述患者的主观输入中的至少一个，确定所述压力水平。
6.根据权利要求4所述的方法，还包括：附加地至少部分地基于来自所述睡眠反应估计器引擎的睡眠反应指数，从所述推荐引擎输出所述若干推荐，所述睡眠反应指数至少部分地基于所述压力水平。
7.根据权利要求6所述的方法，进一步包括：
使用失眠风险模型并且至少部分地基于所述睡眠反应指数来确定失眠概率；以及
进一步至少部分地基于所述失眠概率，从所述推荐引擎输出所述若干推荐。
8.根据权利要求6所述的方法，还包括：至少部分地基于所述HRV的频域分析以及从所述HRV的功率谱密度中提取的若干特征的分析，确定所述睡眠反应指数。
9.根据权利要求6所述的方法，还包括：至少部分地基于来自所述患者的脑电图(EEG)输入，确定所述睡眠反应指数。
10.根据权利要求1所述的方法，还包括接收全球定位系统(GPS)输入、加速度计输入、光电容积图(PPG)输入和日历输入中的一个或多个作为所述若干清醒输入中的一个或多个。
11.一种被构造和配置为用于减少患者失眠的系统，包括：
处理器装置，包括处理器和存储装置；
输入装置，被构造为向所述处理器装置提供输入信号并且包括若干清醒输入传感器中的一个或多个，所述若干清醒输入传感器包括以下传感器中的一个或多个：心率(HR)传感器、心率变异性(HRV)传感器、皮肤电反应传感器、呼吸率传感器、温度、氧饱和度传感器、身体活动传感器、被构造为检测物质消耗的传感器、光暴露传感器、被构造为检测工作负荷的传感器、被构造为检测或接收情绪或身体压力的器件以及日志；
输出装置，被构造为从所述处理器装置接收输出信号并生成输出；并且
所述存储装置中存储有若干例程，所述例程在所述处理器上执行时，使得所述系统执行若干操作，所述若干操作包括：
在所述患者的给定清醒时段期间：
接收所述患者的若干参数，所述若干参数包括若干清醒输入中的一个或多个，所述若干清醒输入包括以下各项中的一项或多项：心率(HR)、心率变异性(HRV)、皮肤电反应、呼吸率、温度、氧饱和度、身体活动、物质消耗、光暴露、工作负荷、情绪或身体压力以及日志条目；以及
至少部分地基于所述若干参数的至少子集并且进一步至少部分地基于所述至少子集中的至少一些参数中的每一个对过去失眠的贡献程度，从推荐引擎向患者输出用于减少所述患者的失眠的若干推荐。
12.根据权利要求11所述的系统，其中所述操作还包括：进一步至少部分地基于所述至少子集中的所述至少一些参数中的每一个对过去失眠的贡献程度，从所述推荐引擎输出所述若干推荐。
13.根据权利要求12所述的系统，其中所述操作还包括：
从所述推荐引擎输出多个推荐作为所述若干推荐，所述推荐中的至少一些推荐各自与对应参数有关、并且按照所述对应参数对过去失眠的贡献程度而被排序。
14.根据权利要求12所述的系统，其中所述操作还包括：
至少部分地基于所述若干参数的至少一部分来确定压力水平；
将所述压力水平输入到睡眠反应估计器引擎；
在所述给定清醒时段之后的所述患者的给定睡眠时段期间，接收所述患者的若干睡眠结构输入并由此确定以下各项中的一个或多个：入眠时间(SOL)、睡眠效率(SE)、入眠后唤醒(WASO)、总睡眠时间(TST)、睡眠存活、睡眠的频谱量化以及在若干睡眠阶段的每一个中花费的时间量；至少部分地基于所述若干睡眠结构输入来确定睡眠损害；并将所述睡眠损害输入到所述睡眠反应估计器引擎；以及
在所述睡眠反应估计器引擎中，存储所述压力水平和所述睡眠损害。
15.根据权利要求14所述的系统，其中所述操作还包括：基于所述HRV、GSR和来自所述患者的主观输入中的至少一个，确定所述压力水平。
16.根据权利要求14所述的系统，其中所述操作还包括：附加地至少部分地基于来自所述睡眠反应估计器引擎的睡眠反应指数，从所述推荐引擎输出所述若干推荐，所述睡眠反应指数至少部分地基于所述压力水平。
17.根据权利要求16所述的系统，其中所述操作还包括：
使用失眠风险模型并且至少部分地基于所述睡眠反应指数来确定失眠概率；以及
进一步至少部分地基于所述失眠概率，从所述推荐引擎输出所述若干推荐。
18.根据权利要求16所述的系统，其中所述操作还包括：至少部分地基于所述HRV的频域分析以及从所述HRV的功率谱密度中提取的若干特征的分析，确定所述睡眠反应指数。
19.根据权利要求16所述的方法，其中所述操作还包括：至少部分地基于来自所述患者的脑电图(EEG)输入，确定所述睡眠反应指数。
20.根据权利要求11所述的系统，其中所述操作还包括：接收全球定位系统(GPS)输入、加速度计输入、光电容积图(PPG)输入和日历输入中的一个或多个作为所述若干清醒输入中的一个或多个。
CN202180061317.4A 2020-07-20 2021-07-16 基于睡眠反应监测的睡眠障碍预测系统和方法 Pending CN116195002A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202063054197P 2020-07-20 2020-07-20
US63/054,197 2020-07-20
US202163216261P 2021-06-29 2021-06-29
US63/216,261 2021-06-29
PCT/EP2021/070050 WO2022017990A1 (en) 2020-07-20 2021-07-16 Sleep reactivity monitoring based sleep disorder prediction system and method

Publications (1)

Publication Number Publication Date
CN116195002A true CN116195002A (zh) 2023-05-30

Family

ID=77249812

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180061317.4A Pending CN116195002A (zh) 2020-07-20 2021-07-16 基于睡眠反应监测的睡眠障碍预测系统和方法

Country Status (3)

Country Link
US (1) US20220015695A1 (zh)
CN (1) CN116195002A (zh)
WO (1) WO2022017990A1 (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12059239B2 (en) 2018-05-08 2024-08-13 Know Labs, Inc. Electromagnetic shielding in non-invasive analyte sensors
US11903689B2 (en) 2019-12-20 2024-02-20 Know Labs, Inc. Non-invasive analyte sensor device
US11832926B2 (en) 2020-02-20 2023-12-05 Know Labs, Inc. Non-invasive detection of an analyte and notification of results
US12089927B2 (en) 2020-02-20 2024-09-17 Know Labs, Inc. Non-invasive analyte sensing and notification system with decoupled and inefficient transmit and receive antennas
US12023151B2 (en) 2020-02-20 2024-07-02 Know Labs, Inc. Non-invasive analyte sensing and notification system with decoupled transmit and receive antennas
US12092589B1 (en) 2020-04-03 2024-09-17 Know Labs, Inc. In vitro analyte sensor using one or more detector arrays that operate in radio/microwave frequency bands
US11510597B2 (en) 2020-09-09 2022-11-29 Know Labs, Inc. Non-invasive analyte sensor and automated response system
US12007338B2 (en) 2020-09-09 2024-06-11 Know Labs Inc. In vitro sensor for analyzing in vitro flowing fluids
US11689274B2 (en) 2020-09-09 2023-06-27 Know Labs, Inc. Systems for determining variability in a state of a medium
US12019034B2 (en) 2020-09-09 2024-06-25 Know Labs, Inc. In vitro sensing methods for analyzing in vitro flowing fluids
US11764488B2 (en) 2020-09-09 2023-09-19 Know Labs, Inc. Methods for determining variability of a state of a medium
US20230355140A1 (en) 2022-05-05 2023-11-09 Know Labs, Inc. High performance glucose sensor
US11802843B1 (en) 2022-07-15 2023-10-31 Know Labs, Inc. Systems and methods for analyte sensing with reduced signal inaccuracy
US12033451B2 (en) 2022-08-15 2024-07-09 Know Labs, Inc. Systems and methods for analyte-based access controls
WO2024054495A1 (en) * 2022-09-08 2024-03-14 Sleep Number Corporation Bed with features for determination of insomnia risk
US11696698B1 (en) 2022-10-03 2023-07-11 Know Labs, Inc. Analyte sensors with position adjustable transmit and/or receive components
US11903701B1 (en) 2023-03-22 2024-02-20 Know Labs, Inc. Enhanced SPO2 measuring device
CN116682535B (zh) * 2023-08-03 2024-05-10 安徽星辰智跃科技有限责任公司 基于数值拟合的睡眠可持续性检测调节方法、系统和装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3019073B1 (en) 2013-07-08 2022-08-31 ResMed Sensor Technologies Limited System for sleep management
NZ630770A (en) * 2013-10-09 2016-03-31 Resmed Sensor Technologies Ltd Fatigue monitoring and management system

Also Published As

Publication number Publication date
US20220015695A1 (en) 2022-01-20
WO2022017990A1 (en) 2022-01-27

Similar Documents

Publication Publication Date Title
CN116195002A (zh) 基于睡眠反应监测的睡眠障碍预测系统和方法
US11986323B2 (en) Applied data quality metrics for physiological measurements
US10922996B2 (en) Systems and methods for generating a presentation of an energy level based on sleep and daily activity
US10842429B2 (en) Method and system for assessing a readiness score of a user
EP3766410B1 (en) Heart rate variability with sleep detection
US9596997B1 (en) Probability-based usage of multiple estimators of a physiological signal
US9519755B2 (en) Method and system for evaluating a physiological state depicting a person&#39;s resources
JP5775868B2 (ja) 不眠症のための行動療法を提供するシステム及びその制御方法
US20200215299A1 (en) Method and apparatus for determining sleep need and sleep pressure based on physiological data
US11793454B2 (en) Method and system for providing feedback to user for improving performance level management thereof
US20220370757A1 (en) Personalized sleep wellness score for treatment and/or evaluation of sleep conditions
US20210358628A1 (en) Digital companion for healthcare
US20220406453A1 (en) Fitness Fatigue Score Determination and Management Techniques
JP7250647B2 (ja) 仮眠補助システム、および、仮眠補助用プログラム
CN118197557B (zh) 基于ai的神经分析方法
JP7473830B2 (ja) 休憩レコメンド装置、休憩レコメンド方法及び休憩レコメンドプログラム
JP2024118919A (ja) 状態推定装置、状態推定方法及び状態推定プログラム
Carr The relationship between circadian rhythms and mood symptoms in bipolar disorder and borderline personality disorder
WO2024039450A1 (en) Fitness fatigue score determination and management techniques

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