CN116600845A - 治疗期间的睡眠表现评分 - Google Patents

Abstract

可以为接受呼吸治疗的个体生成睡眠表现评分。当用户睡觉并使用呼吸治疗系统时，可以从一个或多个传感器获得传感器数据。传感器数据可用于确定与呼吸治疗系统的使用相关联的一个或多个使用变量，以及指示用户在睡觉时所经历的睡眠阶段的睡眠阶段信息。可以使用一个或多个使用变量和睡眠阶段信息来计算睡眠表现评分。在一些情况下，睡眠阶段信息可用于将权重应用于一个或多个使用变量中的一个、一些或全部。考虑到睡眠阶段和呼吸治疗系统的使用之间的关系，睡眠表现评分可以指示呼吸治疗系统的依从性、功效、质量和/或一般使用。

Description

治疗期间的睡眠表现评分

相关申请的交叉引用

本申请要求于2020年10月30日提交的题为“治疗期间的睡眠表现评分(SLEEPPERFORMANCE SCORING DURING THERAPY)”的第63/107,935号美国临时专利申请的权益，其公开内容通过引用整体并入本文。

技术领域

本公开总体上涉及睡眠状况的治疗，并且更具体地涉及在睡眠状况的治疗期间提供对睡眠表现进行评分的有用度量。

背景技术

许多个体患有睡眠相关和/或呼吸障碍，例如周期性肢体运动障碍(PLMD)、不宁腿综合征(RLS)、睡眠障碍性呼吸(SDB)、阻塞性睡眠呼吸暂停(OSA)、潮式呼吸(CSR)、呼吸功能不全、肥胖通气过度综合征(OHS)、慢性阻塞性肺病(COPD)、神经肌肉疾病(NMD)、胸壁障碍和失眠。睡眠相关呼吸障碍可以与可能在睡眠期间发生的一个或多个事件相关联，例如打鼾、呼吸暂停、低通气、不宁腿、睡眠障碍、窒息、心率增加、呼吸困难、哮喘发作、癫痫发作、惊厥或其任意组合。患有此类睡眠相关呼吸障碍的个体通常使用一种或多种医疗设备进行治疗以改善睡眠并降低睡眠期间发生这些事件的可能性。这种设备的实例是呼吸治疗系统，该呼吸治疗系统可以向个体提供气道正压通气，尽管也可以使用其他设备。需要提供关于此类设备的使用的有意义的度量，诸如监视依从性、增加用户参与度、监视治疗的功效等。

发明内容

本公开的某些方面包括一种用于对睡眠表现进行评分的方法，该方法包括：从一个或多个传感器接收传感器数据，该传感器数据与使用呼吸治疗系统的用户的睡眠时段相关联；从所接收的传感器数据确定与呼吸治疗系统的使用相关联的一个或多个使用变量；从所接收的传感器数据确定与睡眠时段相关联的睡眠阶段信息；以及使用所确定的一个或多个使用变量和睡眠阶段信息来计算睡眠时段的睡眠表现评分。

本公开的某些方面包括一种系统，该系统包括：包括一个或多个处理器的控制系统；以及其上存储有机器可读指令的存储器；其中控制系统联接至存储器，并且当存储器中的机器可执行指令由控制系统的一个或多个处理器中的至少一个执行时，实施上述方法。

本公开的某些方面包括一种用于对睡眠表现进行评分的系统，该系统包括被配置来实施上述方法的控制系统。

本公开的某些方面包括计算机程序产品，该计算机程序产品包括指令，当由计算机执行该指令时，引起计算机执行以上公开的方法。在一些情况下，计算机程序产品是非暂时性计算机可读介质。

附图说明

本说明书参考以下附图，其中在不同图中使用相同的附图标记旨在图示出相同或相似的部件。

图1是根据本公开的某些方面的用于对睡眠表现进行评分的系统的功能框图。

图2是根据本公开的某些方面的图1的系统、用户和床伴的透视图。

图3图示了根据本公开的某些方面的睡眠时段的示例时间线。

图4图示了根据本公开的某些方面的与图3的睡眠时段相关联的示例睡眠图。

图5是图示了根据本公开的某些方面的与图4的睡眠图相关联的使用变量的图表。

图6是描绘了根据本公开的某些方面的用于对睡眠表现进行评分的过程的流程图。

图7是描绘了根据本公开的某些方面的用于使用适应阶段来对睡眠表现进行评分的过程的流程图。

图8是图示了根据本公开的某些方面的用户经过适应阶段的进展的图表。

虽然本公开容许各种修改和替代形式，但其特定实施方式和实施例已通过附图中的实例示出并且将在本文中详细描述。然而，应当理解的是，并不旨在将本公开限制为所公开的特定形式，相反，本公开将覆盖落入由所附权利要求所限定的本公开的精神和范围内的所有修改、等同物和替代物。

具体实施方式

本公开的某些方面和特征涉及用于使用呼吸治疗系统(例如，在睡眠时段期间使用呼吸治疗系统来提供呼吸治疗)为个体生成睡眠表现评分的系统和方法。当用户参与睡眠时段并使用呼吸治疗系统时，系统可以从一个或多个传感器获得传感器数据。传感器数据可用于确定与呼吸治疗系统的使用相关联的一个或多个使用变量，以及指示睡眠阶段的睡眠阶段信息和/或用户在睡眠时段期间经历的睡眠状态(例如，清醒或入睡)。可以使用一个或多个使用变量和睡眠阶段信息来计算睡眠表现评分。在一些情况下，睡眠阶段信息可用于将权重应用于一个或多个使用变量中的一个、一些或全部。考虑到睡眠阶段和呼吸治疗系统的使用之间的关系，睡眠表现评分可用于指示呼吸治疗系统的依从性、功效、质量和/或一般使用。

本公开的某些方面可用于生成与接受呼吸治疗的用户的睡眠时段相关联的睡眠表现评分。呼吸治疗可以使用呼吸治疗设备来应用，诸如经由导管和用户接口向用户供应加压空气的呼吸设备。在接受呼吸治疗的同时，用户可以参与睡眠时段，在睡眠时段期间，可以从一个或多个传感器收集传感器数据，诸如呼吸治疗设备中的传感器、用户设备(例如，智能电话)中的传感器、活动跟踪器(例如，可穿戴活动跟踪器)中的传感器，或位于用户之中，之上或周围的其他传感器(例如，可植入设备、衣服集成传感器、床垫集成传感器、壁挂式或吊顶式传感器等)。从一个或多个传感器收集的数据可用于确定与呼吸治疗系统的使用相关联的一个或多个使用变量以及睡眠阶段信息。可以使用传感器数据来确定其他变量和/或信息。

与呼吸治疗系统的使用相关联的使用变量可以包括与用户如何使用呼吸治疗系统相关的任何合适的变量。合适的使用变量的实例包括使用时间(例如，用户使用呼吸治疗系统的持续时间)；密封质量变量(例如，用户和用户接口之间的密封质量的指示)；泄漏流量变量(例如，意外泄漏流量的指示，诸如佩戴鼻枕型用户接口时通过劣质密封或口呼吸的泄漏)；事件信息(例如，检测到的在睡眠时段期间发生的事件的指示，诸如呼吸暂停-低通气指数(AHI))；用户接口依从性信息(例如，检测到的用户接口转变事件的指示，诸如戴上或移除用户接口)；睡眠时段内的多个治疗子时段(例如，呼吸治疗系统的连续使用的多个单独块)；以及用户接口压力。可以使用其他使用变量。一个或多个使用变量的统计概要(例如，平均值、最大值、最小值、计数等)可以用作一个或多个附加使用变量。一个或多个使用变量可以包括使用变量的任何合适的组合。

确定使用变量可以包括处理传感器数据以识别与使用变量相关联的一个或多个值。一个或多个值可以是与使用变量相关联的测量或计算的评分。例如，密封质量变量可以是泄漏流量的测量值(例如，以L/分钟为单位)或密封质量评分(例如，20分中的18分)。确定使用变量可以包括确定单个值或多个值(例如，带时间戳的值)。例如，在一些情况下，确定密封质量变量可以包括确定表示整个睡眠时段(例如，20个中的18个)的整体(例如，平均)密封质量的单个值。然而，在一些情况下，确定密封质量变量可以包括确定表示随时间变化的密封质量的一组带时间戳的值(例如，在0至20的标度上，在晚上10:00:00时为18，在晚上10:00:05时为18.1，在晚上10:00:10时为18.2等)，诸如可以被制图表以描绘整个持续时间的密封质量的数据。

睡眠阶段信息可以包括指示用户在睡眠时段期间经历的睡眠阶段的信息。睡眠阶段的实例包括觉醒阶段、快速眼动(REM)阶段、浅睡眠阶段和深睡眠阶段。可以处理传感器数据以确定用户进入和退出睡眠的各个阶段的时间。在一些情况下，确定睡眠阶段信息可以包括确定用户在每个睡眠阶段花费的总持续时间。在示例8小时睡眠时段中，睡眠阶段信息可以指示总共21分钟的觉醒、101分钟的REM睡眠、267分钟的浅睡眠和91分钟的深睡眠。然而，在一些情况下，确定睡眠阶段信息可包括在整个睡眠时段的各个时间生成指示用户的睡眠阶段的带时间戳的数据，诸如可被制图表以生成用户的睡眠时段的睡眠图的数据。

虽然使用变量指示呼吸治疗系统的使用，但是仅基于使用变量的评分可能不如基于使用变量和睡眠阶段信息的评分那样信息性的和有用的。例如，跟踪用户在睡眠时段期间使用呼吸治疗设备的总时间量可能是信息性且有用的。通常，使用的时间越多，越好。仅在睡眠时段的前两小时使用呼吸治疗设备可能是不期望的。因此，向用户提供随着用户使用呼吸治疗设备的时间的延长而增加(例如，改善)的评分可能是有用的。仅基于使用变量的简单评分仅指示较长使用时间的较高值和较短使用时间的较低值。虽然这种简单评分对于鼓励用户使用呼吸治疗设备持续较长时间段是有用的，但是它也可能引起不期望的行为或者不反映关于呼吸治疗设备如何实际使用的重要细节。例如，用户可以通过在入睡之前简单地使用呼吸治疗设备持续较长一段时间来实现高值简单评分，尽管这种高值可能是起反作用的，因为它不一定反映用户在清醒时从使用呼吸治疗设备接收到任何实质性益处。然而，基于使用变量和睡眠阶段信息计算的睡眠表现评分可提供更多信息性且有用的评分。由于呼吸暂停和低通气事件在REM睡眠期间可能更普遍(例如，因为舌头中的颏舌肌的音调降低)并且在REM和深睡眠期间更有害(例如，由于中断REM睡眠、消极地影响空间记忆和/或减少深睡眠的量的可能性)，跟踪呼吸治疗设备在REM睡眠期间和/或在深睡眠期间使用的时间量可能更有用。因此，除了跟踪总使用时间之外，相比于在其他睡眠阶段(例如，清醒或浅睡眠)中使用呼吸治疗设备的时间量，可以强调(例如，更强烈地加权)在某些睡眠阶段(例如，REM睡眠或深睡眠)中使用呼吸治疗设备的时间量。因此，即使用户在入睡之前使用呼吸治疗设备持续较长时间段，睡眠表现评分也不会增加很多或根本不会增加。然而，如果同一用户使用呼吸治疗设备持续REM阶段睡眠的较长时间段，则睡眠表现评分可能显著增加。

同样地，呼吸暂停或低通气事件的检测可以是用于跟踪的信息性且有用的变量，但是在觉醒期间检测到的(例如，明显的)事件的普遍性可以是错误检测，这可以忽视，并且在REM睡眠期间检测到的事件的普遍性可以指示呼吸治疗设备没有提供充分的呼吸治疗。因此，与检测到的与其他睡眠阶段相关联的事件(诸如觉醒)相比，可以强调检测到的与REM睡眠阶段相关联的事件。

同样地，密封质量变量或泄漏流量可以是用于跟踪的信息性且有用的变量。由于不良密封和意外泄漏会增加呼吸暂停或低通气事件的风险，密封质量变量或泄漏流量的下降可指示事件发生的风险。因此，当事件可能具有实质上有害的影响(例如，中断REM睡眠、消极地影响空间记忆和/或减少深睡眠的量)时，在REM睡眠期间不良密封或意外泄漏的普遍性可能比在觉醒期间不良密封或意外泄漏的普遍性更重要。因此，与觉醒相关联的低密封质量变量或低泄漏流量相比，可以强调与REM睡眠阶段相关联的低密封质量变量或低泄漏流量。附加地，因为影响用户体验的风险，与浅睡眠相关联的不良密封和意外泄漏可能是有害的，由于用户在浅睡眠期间可能更有意识，这会影响用户依从性。例如，在浅睡眠期间的不良密封可能被用户察觉到并且对于用户是不舒适的，并且可能导致用户移除用户接口。因此，与深睡眠阶段相关联的低密封质量变量或低泄漏流量相比，可以强调与浅睡眠阶段相关联的低密封质量变量或低泄漏流量。

因此，基于使用变量和睡眠阶段信息的睡眠表现评分可以是特别有用且信息性的。除了使用使用变量和睡眠阶段信息之外，计算这样的睡眠表现评分还可以包括使用其他数据。在一些情况下，计算睡眠表现评分可包括将加权值应用于使用变量中的每一个，可至少部分地基于睡眠阶段信息和/或至少部分地基于另一使用变量来调整(或生成)加权值。在一些情况下，可以至少部分地基于睡眠相关的参数来调整(或生成)加权值，诸如是床上总时间、总睡眠时间、入睡潜伏期、入睡后觉醒参数、睡眠效率、分段指数或其任意组合。

在基于各自为单个值(例如，与整个睡眠时段相关联的平均值或评分)的使用变量来计算睡眠表现评分的实例中，使用变量可以包括使用时间(U)、密封质量变量(Q)、事件信息(E)和用户接口依从性信息(C)，并且可以根据以下等式来计算睡眠表现评分(评分)。

评分＝χ₁U+χ₂Q+χ₃E+χ₄C

在该实例中，χ₁是与使用时间相关联的加权值，χ₂是与密封质量相关联的加权值，χ₃是与事件信息相关联的加权值，并且χ₄是与接口依从性信息相关联的加权值。可基于睡眠阶段信息、其他使用变量或其组合来确定这些加权值中的每一个。因此，根据在不同睡眠阶段花费的时间，可以调整加权值。

在一个实例中，花费在具有REM睡眠中的相对高时间量的第一夜晚，χ₃可以高于具有花费在REM睡眠中的相对低时间量的夜晚。χ₃的此类加权变化可以强调当用户另外正在进行良好的REM睡眠时发生的事件可能比当用户另外不进行良好的REM睡眠时发生的事件更有害，并且因此更多地影响睡眠表现评分。可以使用其他实例。

在另一实例中，在具有相对高密封质量变量的第一夜晚，χ₄可以高于具有相对低密封质量变量的夜晚。χ₄的此类加权变化可以强调，在密封质量不好的夜晚，用户可能更有可能取下用户接口以重新定位用户接口，因此对总睡眠表现评分的影响不应该像在密封质量好的夜晚以及用户由于其他原因正在移除用户接口那样显著。

在基于作为时间相关值的使用变量(例如，睡眠时段进程中的带时间戳的值)来计算睡眠表现评分的另一实例中，使用变量可以是时间的函数，并且可以包括使用时间(U(t))、密封质量变量(Q(t))、事件信息(E(t))和用户接口依从性信息(C(t))，并且可以根据以下等式来计算睡眠表现评分(评分)。

评分＝χ₁U(t)+χ₂Q(t)+χ₃E(t)+χ₄C(t)

在该实例中，χ₁是与使用时间相关联的加权值，χ₂是与密封质量相关联的加权值，χ₃是与事件信息相关联的加权值，并且χ₄是与接口依从性信息相关联的加权值。

在基于作为时间相关值的使用变量(例如，睡眠时段进程中的带时间戳的值)来计算睡眠表现评分的另一实例中，使用变量可以是时间的函数，并且可以包括使用时间(U(t))、密封质量变量(Q(t))、事件信息(E(t))和用户接口依从性信息(C(t))，并且可以根据以下等式来计算睡眠表现评分(评分)。

评分＝χ₁(t)U(t)+χ₂(t)Q(t)+χ₃(t)E(t)+χ₄(t)C(t)

在该实例中，加权值是时间相关的，其中χ₁(t)是与使用时间相关联的加权值，χ₂(t)是与密封质量相关联的加权值，χ₃(t)是与事件信息相关联的加权值，并且χ₄(t)是与接口依从性信息相关联的加权值。

在又一实例中，可以基于分割的使用变量来计算睡眠表现评分。使用睡眠阶段信息，可以按睡眠阶段对使用变量进行分割。例如，可以使用睡眠阶段信息将总使用时间(U)分割成使用时间片段，包括觉醒期间的使用时间(U_W)、REM睡眠期间的使用时间(U_R)、浅睡眠期间的使用时间(U_L)和深睡眠期间的使用时间(U_D)。可以对任何使用变量(例如，密封质量片段、空气泄露片段、检测到的事件片段、用户接口依从性片段)执行类似的分割。虽然可以使用分割的多个使用变量来计算睡眠表现评分，但是在仅具有作为使用时间的单个使用变量的实例中，可以根据以下等式来计算睡眠表现评分(评分)。

评分＝χ_1WU_W+χ_1RU_R+χ_1LU_L+χ_1DU_D

在该实例中，χ_1W是与觉醒期间的使用时间相关联的加权值，χ_1R是与REM睡眠期间的使用时间相关联的加权值，χ_1L是与浅睡眠期间的使用时间相关联的加权值，并且χ_1D是与深睡眠期间的使用时间相关联的加权值。在一些情况下，上述使用变量和/或加权值可以是时间相关的。

在分割的使用变量的一个实例中，因为呼吸暂停事件由于舌头中的颏舌肌的音调降低而在REM睡眠中更普遍，所以呼吸治疗在用户在REM睡眠中时可能比用户清醒或在浅睡眠中时更重要。因此，加权值可以适当地设置，其中χ_1R大于χ_1W和χ_1L(例如，对于在REM睡眠中使用呼吸治疗设备达某一持续时间给出较大的评分增加，而对于在觉醒或浅睡眠中使用呼吸治疗设备达相同持续时间给出较低的评分增加)。

在又一实例中，可基于分割的使用变量来计算睡眠表现评分，分割的使用变量是基于另一使用变量而被分割的。例如，可以使用密封质量变量将用户接口依从性信息(C)分割成用户接口依从性片段，包括当密封质量变量低时的用户接口依从性信息(C_L)和当密封质量变量高时的用户接口依从性信息(C_H)。可以对任何使用变量执行类似的分割。虽然可以使用分割的多个使用变量来计算睡眠表现评分，但是在仅具有作为用户接口依从性信息的单个使用变量的一个实例中，可以根据以下等式来计算睡眠表现评分(评分)。

评分＝χ_1LC_L+_1HC_H

在该实例中，χ_1L是当密封质量变量低(例如，低于阈值)时与用户接口依从性相关联的加权值，并且χ_1H是当密封质量变量高(例如，等于或高于阈值)时与用户接口依从性相关联的加权值。在一些情况下，上述使用变量和/或加权值可以是时间相关的。在上文实例中，χ_1L可以比χ_1H小，以便强调当密封质量变量低时检测到的用户接口转变(例如，可能指示用户操纵用户接口以改善密封质量)不应与当密封质量变量高时检测到的用户接口转变(例如，可能是不期望的用户接口转变)一样多地影响总睡眠表现评分。

上文公开了将加权值应用于使用变量以确定睡眠表现评分的各种方案，诸如参考上文呈现的等式。在一些情况下，本文所述的各种方案中的一种、一些或全部可组合以计算睡眠表现评分。例如，在一些情况下，睡眠表现评分可包括向使用变量应用基于睡眠阶段信息的加权值以及应用基于另一使用变量的加权值。在另一实例中，可通过将基于睡眠阶段信息的加权值应用于第一使用变量而不将加权值(或中性加权值)应用于第二使用变量来计算睡眠表现评分。

如本文所使用的，将加权值应用于使用变量中的每一个旨在包括将加权值应用于少于全部的使用变量，在这种情况下，不应用加权值的任何使用变量可被认为具有应用于其的中性加权值(例如，1.0x或100％)。例如，将0.75x加权值仅应用于一组四个使用变量中的第一使用变量而不将任何加权值应用于其他使用变量相当于将0.75x加权值应用于第一使用变量并将1.0x加权值应用于其余使用变量。

在一些情况下，本文描述的加权值可以是存储在计算睡眠表现评分的系统可访问的存储器中的静态加权值。例如，REM睡眠中的使用时间的加权值可以一直是1.25x(或125％)。然而，在一些情况下，加权值可以是动态的，诸如某些数据(例如，另一使用变量或睡眠阶段信息)或来自机器学习算法(例如，深度神经网络)的输出的函数，机器学习算法经训练以从输入数据(例如，传感器数据、使用变量或睡眠阶段信息)输出加权值以实现准确的睡眠表现评分(例如，客观准确或主观准确的评分)。

在一些情况下，可以确定睡眠质量评分。睡眠质量评分可以是用户在睡眠时段期间经历的睡眠的质量的指示。例如，具有多次唤醒或中断的睡眠时段可具有低睡眠质量评分，而具有较少唤醒或中断的睡眠时段可具有较高睡眠质量评分。

在一些情况下，睡眠质量评分可基于主观反馈(例如，来自用户的指示睡眠时段之后的休息的主观感觉的反馈)，可基于客观数据或两者的组合。主观反馈可以包括用户睡眠时段的用户评级和/或由健康护理提供者从用户收集的PROMS(患者报告的结果度量)数据。在一些情况下，主观反馈可以包括关于为什么用户对他们的睡眠质量和/或他们接受的治疗的质量有这样的感觉的主观原因。此类原因可以与睡眠质量评分和/或睡眠表现评分相关联地存储并且可选地呈现。

在一些情况下，睡眠质量评分可用于计算睡眠表现评分。在一些情况下，睡眠质量评分可以是睡眠表现评分的分量。在一些情况下，睡眠质量评分可用于确定将应用于睡眠表现评分的不同分量的加权值(例如，应用于一个或多个使用变量的加权值)。在一些情况下，诸如当收集主观反馈时，主观反馈可用于直接修改睡眠表现评分的一个或多个分量或睡眠表现评分本身，诸如通过并入(例如直接添加)修改值来代替影响加权值或者除影响加权值之外还并入修改值。修改值可以是基于主观反馈选择的预设值(例如，对于正反馈为“5”或对于负反馈为“-5”)，或者可以是基于主观反馈的可变值。

在一个实例中，诸如基于睡眠阶段信息，可以客观地确定睡眠质量评分或其分量。在一个实例中，花费在不同睡眠阶段的时间可用于确定睡眠质量评分。附加地或替代地，睡眠阶段的模式(例如，睡眠结构)可用于确定睡眠质量评分。睡眠阶段信息可被分割成表示花费在每个睡眠阶段中的时间的睡眠阶段片段(例如，在睡眠时段期间花费在每个睡眠阶段中的总时间或在睡眠时段中发生的连续睡眠阶段中的每一个的持续时间)。在一些情况下，诸如基于使用变量，花费在每个睡眠阶段中的时间被加权。例如，可以用加权值来计算睡眠质量评分，使得在用户接口密封高于阈值时花费在某些睡眠阶段中的时间比在用户接口密封低于阈值时花费在某些睡眠阶段中的时间对睡眠质量评分的影响更大。

在一些情况下，睡眠质量评分可以至少部分地基于与用户相关联的生理数据，诸如i)呼吸速率；ii)心率；iii)心率变异性；iv)运动数据；v)脑电图数据；vi)血氧饱和度数据；vii)呼吸速率变异性；viii)呼吸深度；ix)潮气量数据；x)吸气幅度数据；xi)呼气幅度数据；xii)吸气量数据；xiii)呼气量数据；xiv)吸气-呼气比率数据；xv)出汗数据；xvi)温度数据；xvii)脉搏波传导时间数据；xviii)血压数据；xix)位置数据；xx)姿势数据；xxi)血糖水平数据；或xxii)i至xxi的任意组合。

在一些情况下，睡眠阶段信息(和/或可选地使用变量)可用于从特定使用变量中移除或以其他方式忽视数据。例如，如果事件信息指示在夜晚2:01:43时发生的事件，但是睡眠阶段信息指示用户在那时没有入睡，则检测到的事件可以从事件信息使用变量中移除或以其他方式忽视。

睡眠表现评分可以以任何合适的方式呈现给用户，诸如经由呼吸治疗设备上的显示设备、用户设备(例如，智能电话)上的显示设备等。睡眠表现评分的呈现可以包括呈现总睡眠表现评分，以及呈现构成整个睡眠表现评分的一个或多个分量评分。分量评分可基于使用变量中的每一个的个别或组合评分，以及睡眠阶段信息和/或睡眠质量评分。在一些情况下，呈现睡眠表现评分可包括呈现构成睡眠表现评分的分量评分的图形表示。

在一些情况下，呈现睡眠表现评分可包括呈现按分量评分提供给睡眠表现评分的贡献水平来分解和/或分类的分量评分。在一些情况下，这种分解或分类可以与用于计算睡眠表现评分的加权值相关联。在一个实例中，如果REM睡眠期间的使用时间和REM睡眠期间的事件信息被高度加权，但是觉醒或浅睡眠期间的用户接口依从性信息被低度加权，则呈现睡眠表现评分可以包括指示REM睡眠期间的使用时间和REM睡眠期间的事件信息是该睡眠时段的睡眠表现评分的重要分量，可选地指示觉醒或浅睡眠期间的用户接口依从性信息不那么重要。

在一些情况下，呈现睡眠表现评分可包括呈现一个或多个按睡眠阶段信息分解(例如，分箱)和/或分类的使用变量的分量评分(例如，对睡眠表现评分的贡献量)。例如，可以呈现使用时间变量的一组四个分量评分(例如，箱)，包括觉醒期间的使用时间的评分、REM睡眠期间的使用时间的评分、浅睡眠期间的使用时间的评分，以及深睡眠期间的使用时间的评分。应当理解，分量评分中的每一个可以是通过将加权值应用于使用变量而计算的评分，如本文中参考计算总睡眠表现评分所描述的。

睡眠表现评分可用作用户睡眠时段的客观度量。在一些情况下，睡眠表现评分可以被限制为仅在使用呼吸治疗的用户睡眠时段期间的部分。睡眠表现评分可以向用户提供信息以帮助监视、保持和/或鼓励依从性(例如，根据需要或处方使用呼吸治疗设备)。在一些情况下，睡眠表现评分可以向健康护理提供者、设施和/或健康护理相关公司(例如，健康护理保险提供者)提供关于在睡眠期间使用呼吸治疗设备的用户的依从性和功效的信息。在一些情况下，睡眠表现评分可用于提供用于研究目的的客观度量。

在一些情况下，睡眠表现评分可用于影响或调整与用户的呼吸治疗系统或另一呼吸治疗系统的未来使用相关联的参数。这种影响或调整可以是手动的(例如，用户切换用户接口)或自动的(例如，呼吸治疗设备自动改变在使用期间供应的空气压力)。在一个实例中，在记录一个或多个睡眠表现评分(例如，一个或多个睡眠时段)之后，可以在调整呼吸治疗系统的一个或多个参数之后测量一个或多个附加睡眠表现评分(例如，一个或多个附加睡眠时段)。然后，可以将附加睡眠表现评分与原始睡眠表现评分进行比较，以确定调整是否有益。如果调整不是有益的，则可以将调整还原。如果调整是有益的，则可以保留调整以进一步使用或进一步调整。在一些情况下，与呼吸治疗系统的一个或多个调整相关的睡眠表现评分的变化相关联的数据可发送到服务器(例如，基于云的或互联网可访问的服务器)。此类数据可以用于生产未来的呼吸治疗系统和/或由现有的呼吸治疗系统访问以改善呼吸治疗。

在一些情况下，睡眠表现评分和/或睡眠质量评分可用于识别用户容忍的一个或多个使用变量，即使超出范围。在一些情况下，除了计算睡眠表现评分(和/或睡眠质量评分)之外，可以识别超出范围的使用变量。识别超出范围的使用变量可以包括确定使用变量的值落在期望阈值范围之外(例如，低于阈值、高于阈值，或在两个阈值之间)。超出范围的使用变量可以是其总值超出期望阈值范围的使用变量(例如，在事件信息变量中检测到的事件的数量的计数高于事件的阈值数量)、其值在持续时间内超出期望阈值范围的使用变量(例如，在睡眠时段期间在总时间的阈值持续时间内具有低于阈值的密封质量变量)，或其评分超出期望阈值范围的使用变量(例如，预加权或后加权的评分，诸如分量评分)。在一些情况下，如果睡眠表现评分(和/或睡眠质量评分)高于阈值量，而单个睡眠时段或多个睡眠时段(例如，至少阈值数量的睡眠时段或阈值数量的连续睡眠时段)的一个或多个特定使用变量超出范围，则可以确定给定的超出范围的使用变量仍然可以是容忍使用变量。在此类情况下，可以认为容忍使用变量对整体睡眠表现、睡眠质量和/或呼吸治疗有效性不太重要。

在一个实例中，虽然不良密封质量通常可能是应当补救(例如，通过替换用户接口)的问题，但是如果特定用户尽管具有不良密封质量(例如，密封质量变量低于阈值)仍实现高睡眠表现评分(和/或睡眠质量评分)，则呼吸治疗系统可以认为密封质量是容忍变量。一旦密封质量被认为是容忍变量，则系统可以选择不通知用户改变用户接口，可以降低与密封质量变量相关联的一个或多个加权值，可以对呼吸治疗系统进行一个或多个调整，可以采取与密封质量变量相关的其他动作，或其任意组合。

给出这些说明性实例是为了向读者介绍在此讨论的一般主题，而不是旨在限制所公开的概念的范围。以下部分参考附图描述了各种附加特征和实例，在附图中，相同的附图标记指示相同的元件，并且方向描述用于描述说明性实施例，但是类似于说明性实施例，不应被用于限制本公开。包括在本文的图示中的元件可以不按比例绘制。

参考图1，图示了一种根据本公开的一些实施方式的系统100。系统100包括控制系统110、存储器设备114、电子接口119、呼吸治疗系统120、一个或多个传感器130、一个或多个用户设备170、一个或多个光源180以及一个或多个活动跟踪器190。

控制系统110包括一个或多个处理器112(以下称为处理器112)。控制系统110通常用于控制(例如，致动)系统100的各种部件和/或分析由系统100的部件获得和/或生成的数据。处理器112可以是通用或专用处理器或微处理器。虽然在图1中示出了一个处理器112，但是控制系统110可以包括任意合适数量的处理器(例如，一个处理器、两个处理器、五个处理器、十个处理器等)，这些处理器可以在单个壳体中，或者彼此远离地定位。控制系统110可以联接至和/或定位在例如用户设备170的壳体、呼吸系统120的一部分(例如，壳体)和/或传感器130中的一个或多个的壳体内。控制系统110可以是集中式的(在一个此类壳体内)或分散式的(在物理上不同的两个或更多个此类壳体内)。在包括包含控制系统110的两个或更多个壳体的此类实施方式中，此类壳体可以彼此靠近地和/或远离地定位。

存储器设备114存储可由控制系统110的处理器112执行的机器可读指令。存储器设备114可以是任何合适的计算机可读存储器设备或介质，诸如例如，随机或串行存取存储器设备、硬盘驱动器、固态驱动器、闪速存储器设备等。虽然图1中示出了一个存储器设备114，但是系统100可以包括任何适当数量的存储器设备114(例如，一个存储器设备、两个存储器设备、五个存储器设备、十个存储器设备等)。存储器设备114可以联接至和/或定位在呼吸设备122的壳体内、用户设备170的壳体内、传感器130中的一个或多个的壳体内，或其任意组合。类似于控制系统110，存储器设备114可以是集中式的(在一个此类壳体内)或分散式的(在物理上不同的两个或更多个此类壳体内)。

在一些实施方式中，存储器设备114(图1)存储与用户相关联的用户简档。用户简档可以包括例如，与用户相关联的人口统计信息、与用户相关联的生物统计信息、与用户相关联的医疗信息、自报告用户反馈、与用户相关联的睡眠参数(例如，从一个或多个较早睡眠时段记录的睡眠相关参数)或其任意组合。人口统计信息可包括例如指示用户年龄、用户性别、用户种族、用户地理位置、关系状态、失眠家族史、用户就业状态、用户教育状态、用户社会经济状态或其任意组合的信息。医疗信息可包括例如指示与用户相关联的一个或多个医疗状况、用户的药物使用或两者的信息。医疗信息数据还可以包括多次睡眠等待时间测试(MSLT)测试结果或评分和/或匹兹堡睡眠质量指数(PSQI)评分或值。自我报告的用户反馈可以包括指示自我报告的主观睡眠评分(例如，差、平均、优秀)、用户的自我报告的主观压力水平、用户的自我报告的主观疲劳水平、用户的自我报告的主观健康状态、用户最近经历的生活事件或其任意组合的信息。

电子接口119被配置成从一个或多个传感器130接收数据(例如，生理数据和/或音频数据)，使得数据可以存储在存储器设备114中和/或由控制系统110的处理器112分析。电子接口119可以使用有线连接或无线连接(例如，使用RF通信协议、WiFi通信协议、蓝牙通信协议、通过蜂窝网络等)与一个或多个传感器130通信。电子接口119可包括天线、接收器(例如，RF接收器)、发射器(例如，RF发射器)、收发器或其任意组合。电子接口119还可以包括与本文所述的处理器112和存储器设备114相同或类似的一个或多个处理器和/或一个或多个存储器设备。在一些实施方式中，电子接口119联接至用户设备170或集成在其中。在其他实现中，电子接口119联接至控制系统110和/或存储器设备114或与控制系统110和/或存储器设备114集成(例如，在壳体中)。

如上所述，在一些实施方式中，系统100可选地包括呼吸系统120(也称为呼吸治疗系统)。呼吸系统120可以包括呼吸压力治疗设备122(在本文中称为呼吸设备122)、用户接口124、导管126(也称为管或空气回路)、显示设备128、湿化罐129或其任意组合。在一些实施方式中，控制系统110、存储器设备114、显示设备128、一个或多个传感器130，以及湿化罐129是呼吸设备122的一部分。呼吸压力治疗是指在用户的整个呼吸周期中以受控的目标压力将空气供应施用到用户气道的入口，该受控的目标压力相对于大气名义上是正的(例如，与诸如罐式呼吸机或胸甲等负压治疗相反)。呼吸系统120通常用于治疗患有一种或多种睡眠相关呼吸障碍(例如，阻塞性睡眠呼吸暂停、中枢性睡眠呼吸暂停或混合性睡眠呼吸暂停)的个体。

呼吸设备122通常用于生成递送至用户的加压空气(例如，使用驱动一个或多个压缩机的一个或多个马达)。在一些实施方式中，呼吸设备122生成连续恒定的空气压力，该空气压力被递送至用户。在其他实施方式中，呼吸设备122生成两个或更多个预定压力(例如，第一预定空气压力和第二预定空气压力)。在其他实施方式中，呼吸设备122被配置成在预定范围内生成多种不同的空气压力。例如，呼吸设备122可以递送至少约6cm H₂O、至少约10cm H₂O、至少约20cm H₂O、约6cm H₂O至约10cm H₂O、约7cm H₂O至约12cm H₂O等。呼吸设备122还可以以例如，约-20L/分钟至约150L/分钟的预定流量递送加压空气，同时保持正压(相对于环境压力)。

用户接口124接合用户的面部的一部分，并将加压空气从呼吸设备122递送至用户的气道，以帮助防止气道在睡眠期间变窄和/或塌陷。这也可以增加用户在睡眠时段期间的摄氧量。根据要施加的治疗，用户接口124可以例如，与用户面部的区域或部分形成密封，以便于在与环境压力有足够差异的压力下例如，在相对于环境压力约10cm H₂O的正压下递送气体以实现治疗。对于其他形式的治疗，诸如氧递送，用户接口可以不包括足以有利于将约10cm H₂O的正压下的气体供应递送至气道的密封。

如图2所示，在一些实施方式中，用户接口124是覆盖用户的鼻子和嘴的面罩。替代地，用户接口124可以是向用户的鼻子提供空气的鼻罩或直接向用户的鼻孔递送空气的鼻枕罩。用户接口124可以包括用于将界面定位和/或稳定在用户的一部分(例如，面部)上的多个带(例如，包括钩环紧固件)以及有助于在用户接口124与用户之间提供气密密封的适形缓冲垫(例如，硅酮、塑料、泡沫等)。在一些实例中，用户接口124可以是管状面罩，其中面罩的带被配置成用作将加压空气递送至面罩或鼻罩的导管。用户接口124还可以包括一个或多个通气口，用于允许用户210呼出的二氧化碳和其他气体逸出。在其他实施方式中，用户接口124可以包括咬嘴(例如，模制为符合用户的牙齿的夜用防护咬嘴、下颌复位设备等)。

导管126(也称为空气回路或管)允许空气在呼吸系统120的两个部件之间流动，诸如呼吸设备122与用户接口124之间。在一些实施方式中，可以有单独的导管分支用于吸入和呼出。在其他实施方式中，单个分支导管用于吸入和呼出两者。

呼吸设备122、用户接口124、导管126、显示设备128和湿化罐129中的一者或多者可以包含一个或多个传感器(例如，压力传感器、流量传感器，或更通常在本文描述的其他传感器130中的任一个)。这些一个或多个传感器可以用于例如，测量由呼吸设备122供应的加压空气的空气压力和/或流量。

显示设备128通常用于显示包括静止图像、视频图像或两者的图像和/或关于呼吸设备122的信息。例如，显示设备128可以提供关于呼吸设备122的状态的信息(例如，呼吸设备122是否开/关、由呼吸设备122递送的空气的压力、由呼吸设备122递送的空气的温度等)和/或其他信息(例如，睡眠表现评分、睡眠评分或治疗评分(诸如myAir^TM评分)、当前日期/时间、用户210的个人信息等)。在一些实施方式中，显示设备128充当包括图形用户界面(GUI)的人机界面(HMI)，该图形用户界面被配置成将图像显示为输入界面。显示设备128可以是LED显示器、OLED显示器、LCD显示器等。输入界面可以是例如，触摸屏或触敏基板、鼠标、键盘或被配置成感测由与呼吸设备122交互的人类用户做出的输入的任意传感器系统。

湿化罐129联接至呼吸设备122或集成在其中，并且包括可以用于湿化从呼吸设备122递送的加压空气的储水器。呼吸设备122可以包括加热器以加热湿化罐129中的水，以便湿化提供给用户的加压空气。附加地，在一些实施方式中，导管126还可以包括加热元件(例如，联接至和/或嵌入在导管126中)，该加热元件加热递送至用户的加压空气。

呼吸系统120可以用作例如，通气机或气道正压通气(PAP)系统，诸如持续气道正压通气(CPAP)系统、自动气道正压通气系统(APAP)、双水平或可变气道正压通气系统(BPAP或VPAP)或其任意组合。CPAP系统向用户递送预定空气压力(例如，由睡眠医师确定的)。APAP系统基于例如，与用户相关联的呼吸数据自动地改变递送至用户的空气压力。BPAP或VPAP系统被配置成递送第一预定压力(例如，吸气气道正压通气或IPAP)和低于第一预定压力的第二预定压力(例如，呼气气道正压通气或EPAP)。

参考图2，图示了根据一些实施方式的系统100(图1)的一部分。呼吸系统120的用户210和床伴220位于床230中并躺在床垫232上。用户接口124(例如，全脸面罩)可以由用户210在睡眠时段期间佩戴。用户接口124经由导管126流体联接和/或连接至呼吸设备122。呼吸设备122又经由导管126和用户接口124向用户210递送加压空气，以增加用户210的喉部中的空气压力，从而帮助防止气道在睡眠时段期间闭合和/或变窄。呼吸设备122可以定位在如图2所示直接邻近床230的床头柜240上，或更通常，定位在通常邻近床230和/或用户210的任意表面或结构上。

返回参考图1，系统100的一个或多个传感器130包括压力传感器132、流量传感器134、温度传感器136、运动传感器138、麦克风140、扬声器142、射频(RF)接收器146、RF发射器148、相机150、红外传感器152、光电容积描记(PPG)传感器154、心电图(ECG)传感器156、脑电图(EEG)传感器158、电容传感器160、力传感器162、应变仪传感器164、肌电图(EMG)传感器166、氧传感器168、分析物传感器174、湿度传感器176、LiDAR传感器178或其任意组合。通常，一个或多个传感器130中的每一个被配置成输出被接收并存储在存储器设备114或一个或多个其他存储器设备中的传感器数据。

虽然一个或多个传感器130被示出和描述为包括压力传感器132、流量传感器134、温度传感器136、运动传感器138、麦克风140、扬声器142、RF接收器146、RF发射器148、相机150、红外传感器152、光电容积描记(PPG)传感器154、心电图(ECG)传感器156、脑电图(EEG)传感器158、电容传感器160、力传感器162、应变仪传感器164、肌电图(EMG)传感器166、氧传感器168、分析物传感器174、湿度传感器176和LiDAR传感器178中的每一者，但更通常，一个或多个传感器130可以包括本文描述和/或示出的传感器中的每一者的任意组合和任意数量。

一个或多个传感器130可以用于生成例如，生理数据、音频数据或两者。控制系统110可以使用由一个或多个传感器130生成的生理数据确定在睡眠时段期间与用户相关联的睡眠-觉醒信号和一个或多个睡眠相关参数。睡眠-觉醒信号可以指示一个或多个睡眠状态，包括觉醒、放松的觉醒、微唤醒、快速眼动(REM)阶段、第一非REM阶段(通常称为“N1”)、第二非REM阶段(通常称为“N2”)、第三非REM阶段(通常称为“N3”)或其任意组合。N1和N2可以被认为是浅睡眠阶段，而N3可以被认为是深睡眠阶段。还可以对睡眠-觉醒信号加时间戳以指示用户进入床的时间、用户离开床的时间、用户尝试入睡的时间等。睡眠-觉醒信号可以由传感器130在睡眠时段期间以预定采样率来测量，诸如每秒一个样本、每30秒一个样本、每分钟一个样本等。可以基于睡眠-觉醒信号在睡眠时段期间为用户确定的一个或多个睡眠相关参数的实例包括总卧床时间、总睡眠时间、入睡潜伏期、入睡后觉醒参数、睡眠效率、分段指数或其任意组合。

由一个或多个传感器130生成的生理数据和/或音频数据还可以用于确定与睡眠时段期间的用户相关联的呼吸信号。呼吸信号通常提示用户在睡眠时段期间的呼吸(respiration/breathing)。呼吸信号可以指示例如呼吸速率、呼吸速率变异性、吸气幅度、呼气幅度、吸气-呼气比、每小时事件的数量、事件的模式、呼吸设备122的压力设置或其任意组合。事件可以包括打鼾、呼吸暂停、中枢性呼吸暂停、阻塞性呼吸暂停、混合性呼吸暂停、低通气、面罩泄漏(例如，从用户接口124)、不宁腿、睡眠障碍、窒息、心率增加、呼吸困难、哮喘发作、癫痫发作、惊厥或其任意组合。

压力传感器132输出可以存储在存储器设备114中和/或由控制系统110的处理器112分析的压力数据。在一些实施方式中，压力传感器132是生成指示呼吸系统120的用户的呼吸(例如，吸气和/或呼气)和/或环境压力的传感器数据的空气压力传感器(例如，大气压力传感器)。在此类实施方式中，压力传感器132可以联接至呼吸设备122或集成在其中。压力传感器132可以是例如，电容传感器、电磁传感器、压电传感器、应变仪传感器、光学传感器、电位传感器或其任意组合。在一个实例中，压力传感器132可以用于确定用户的血压。

流量传感器134输出可以存储在存储器设备114中和/或由控制系统110的处理器112分析的流量数据。在一些实施方式中，流量传感器134用于确定来自呼吸设备122的空气流量、通过导管126的空气流量、通过用户接口124的空气流量，或其任意组合。在此类实施方式中，流量传感器134可以联接至呼吸设备122、用户接口124或导管126或集成在其中。流量传感器134可以是质量流量传感器，诸如例如，旋转流量计(例如，霍尔效应流量计)、涡轮流量计、孔板流量计、超声流量计、热线传感器、涡流传感器、膜传感器或其任意组合。

温度传感器136输出可以存储在存储器设备114中和/或由控制系统110的处理器112分析的温度数据。在一些实施方式中，温度传感器136生成指示用户210(图2)的核心体温、用户210的皮肤温度、从呼吸设备122流出和/或通过导管126流动的空气的温度、用户接口124中的温度、环境温度或其任意组合的温度数据。温度传感器136可以是例如，热电偶传感器、热敏电阻传感器、硅带隙温度传感器或基于半导体的传感器、电阻温度检测器或其任意组合。

麦克风140输出可以存储在存储器设备114中和/或由控制系统110的处理器112分析的音频数据。由麦克风140生成的音频数据在睡眠时段期间可再现为一个或多个声音(例如，来自用户210的声音)。来自麦克风140的音频数据还可以用于识别(例如，使用控制系统110)用户在睡眠时段期间经历的事件，如本文进一步详细描述的。麦克风140可以联接至呼吸设备122、用户接口124、导管126或用户设备170或集成在其中。

扬声器142输出可以由系统100的用户(例如，图2的用户210)听到的声波。扬声器142可以用作例如闹钟或向用户210播放警报或消息(例如，响应于事件)。在一些实施方式中，扬声器142可以用于将由麦克风140生成的音频数据传送至用户。扬声器142可以联接至呼吸设备122、用户接口124、导管126或用户设备170或集成在其中。

麦克风140和扬声器142可以用作单独的设备。在一些实施方式中，麦克风140和扬声器142可以组合成声学传感器141，如在例如WO 2018/050913中所描述的，其通过引用整体并入本文。在此类实施方式中，扬声器142以预定间隔生成或发射声波，并且麦克风140检测来自扬声器142的发射声波的反射。由扬声器142生成或发射的声波具有人耳听不到的频率(例如，低于20Hz或高于约18kHz)，以便不干扰用户210或床伴220的睡眠(图2)。至少部分地基于来自麦克风140和/或扬声器142的数据，控制系统110可以确定用户210(图2)的位置和/或本文描述的睡眠相关参数中的一个或多个。

在一些实施方式中，传感器130包括(i)第一麦克风，其与麦克风140相同或类似，并且集成在声学传感器141中；以及(ii)第二麦克风，其与麦克风140相同或类似，但是与集成在声学传感器141中的第一麦克风分开且不同。

RF发射器148产生且/或发射具有预定频率和/或预定幅度(例如，在高频带内、在低频带内、长波信号、短波信号等)的无线电波。RF接收器146检测从RF发射器148发射的无线电波的反射，并且该数据可以由控制系统110分析以确定用户210(图2)的位置和/或本文描述的睡眠相关参数中的一个或多个。RF接收器(RF接收器146和RF发射器148或另一RF对)也可以用于控制系统110、呼吸设备122、一个或多个传感器130、用户设备170或其任意组合之间的无线通信。虽然RF接收器146和RF发射器148在图1中被示出为分开且不同的元件，但是在一些实施方式中，RF接收器146和RF发射器148被组合成RF传感器147的一部分。在一些此类实施方式中，RF传感器147包括控制电路。RF通信的特定格式可以是WiFi、蓝牙等。

在一些实施方式中，RF传感器147是网格系统的一部分。网格系统的一个实例是WiFi网格系统，其可以包括网格节点、网格路由器和网格网关，它们中的每一者可以是移动的/可移动的或固定的。在此类实施方式中，WiFi网格系统包括WiFi路由器和/或WiFi控制器以及一个或多个卫星(例如，接入点)，卫星中的每一个包括与RF传感器147相同或类似的RF传感器。WiFi路由器和卫星使用WiFi信号连续不断地彼此通信。WiFi网格系统可以用于基于路由器与卫星之间的WiFi信号的变化(例如，接收信号强度的差异)来生成运动数据，该WiFi信号的变化是由于移动的物体或人部分地阻挡了信号而引起的。运动数据可以提示运动、呼吸、心率、步态、跌倒、行为等或其任意组合。

相机150输出可再现为可以存储在存储器设备114中的一个或多个图像(例如，静止图像、视频图像、热图像或其组合)的图像数据。来自相机150的图像数据可以由控制系统110使用以确定本文所述的睡眠相关参数中的一个或多个睡眠相关参数。例如，来自相机150的图像数据可以用于识别用户的位置、确定用户210上床230(图2)的时间，以及确定用户210下床230的时间。

红外(IR)传感器152输出可再现为可以存储在存储器设备114中的一个或多个红外图像(例如，静止图像、视频图像或两者)的红外图像数据。来自IR传感器152的红外数据可以用于确定睡眠时段期间的一个或多个睡眠相关参数，包括用户210的温度和/或用户210的移动。当测量用户210的存在、位置和/或移动时，IR传感器152也可以与相机150结合使用。例如，IR传感器152可以检测波长为约700nm至约1mm的红外光，而相机150可以检测波长为约380nm至约740nm的可见光。

PPG传感器154输出与用户210(图2)相关联的生理数据，该生理数据可以用于确定一个或多个睡眠相关参数，诸如心率、心率变异性、心动周期、呼吸速率、吸气幅度、呼气幅度、吸气-呼气比、估计的血压参数或其任意组合。PPG传感器154可以由用户210佩戴、嵌入在由用户210佩戴的衣服和/或织物中、嵌入在和/或联接至用户接口124和/或其相关联的头戴设备(例如，带等)等。

ECG传感器156输出与用户210的心脏的电活动相关联的生理数据。在一些实施方式中，ECG传感器156包括在睡眠时段期间定位在用户210的一部分上或周围的一个或多个电极。来自ECG传感器156的生理数据可以用于例如，确定本文所述的睡眠相关参数中的一个或多个睡眠相关参数。

EEG传感器158输出与用户210的大脑的电活动相关联的生理数据。在一些实施方式中，EEG传感器158包括在睡眠时段期间定位在用户210的头皮上或周围的一个或多个电极。来自EEG传感器158的生理数据可以用于例如在睡眠时段期间的任意给定时间确定用户210的睡眠状态。在一些实施方式中，EEG传感器158可以集成在用户接口124和/或相关联的头帽(例如，固定夹板等)中。

电容传感器160、力传感器162和应变仪传感器164输出可以存储在存储器设备114中并由控制系统110使用以确定本文描述的睡眠相关参数中的一个或多个的数据。EMG传感器166输出与由一个或多个肌肉产生的电活动相关联的生理数据。氧传感器168输出指示气体(例如，在导管126中或在用户接口124处)的氧浓度的氧数据。氧传感器168可以是例如超声波氧传感器、电氧传感器、化学氧传感器、光学氧传感器或其任意组合。在一些实施方式中，一个或多个传感器130还包括皮肤电反应(GSR)传感器、血流传感器、呼吸传感器、脉搏传感器、血压计传感器、血氧测定传感器或其任意组合。

分析物传感器174可以用于检测用户210呼气中分析物的存在。由分析物传感器174输出的数据可以存储在存储器设备114中，并由控制系统110使用以确定用户210的呼吸中的任意分析物的身份和浓度。在一些实施方式中，分析物传感器174定位在用户210的嘴附近，以检测从用户210的嘴呼出的呼吸中的分析物。例如，当用户接口124是覆盖用户210的鼻子和嘴的面罩时，分析物传感器174可以定位在面罩内以监视用户210的嘴呼吸。在其他实施方式中，诸如当用户接口124是鼻罩或鼻枕罩时，分析物传感器174可以定位在用户210的鼻子附近以检测通过用户鼻子呼出的呼吸中的分析物。在其他实施方式中，当用户接口124是鼻罩或鼻枕罩时，分析物传感器174可以定位在用户210的嘴附近。在该实施方式中，分析物传感器174可以用于检测任意空气是否无意中从用户210的嘴泄漏。在一些实施方式中，分析物传感器174是可以用于检测碳基化学品或化合物的挥发性有机化合物(VOC)传感器。在一些实施方式中，分析物传感器174还可以用于检测用户210是否正在通过他们的鼻子或嘴呼吸。例如，如果由定位在用户210的嘴附近或面罩内(在用户接口124是面罩的实现中)的分析物传感器174输出的数据检测到分析物的存在，则控制系统110可以使用该数据作为用户210正在通过他们的嘴呼吸的指示。

湿度传感器176输出可以存储在存储器设备114中且由控制系统110使用的数据。湿度传感器176可以用于检测用户周围的各种区域中的湿度(例如，在导管126或用户接口124内、在用户210的面部附近、在导管126与用户接口124之间的连接附近、在导管126与呼吸设备122之间的连接附近等)。因此，在一些实施方式中，湿度传感器176可以联接至用户接口124或导管126或集成在其中以监视来自呼吸设备122的加压空气的湿度。在其他实施方式中，湿度传感器176被放置在需要监视湿度水平的任意区域附近。湿度传感器176还可以用于监视用户210周围的周围环境的湿度，例如，卧室内的空气。

光检测和测距(LiDAR)传感器178可以用于深度感测。这种类型的光学传感器(例如，激光传感器)可以用于检测物体并构建周围环境诸如生活空间的三维(3D)图。LiDAR通常可以利用脉冲激光来进行飞行时间测量。LiDAR也被称为3D激光扫描。在这样的传感器的使用实例中，具有LiDAR传感器166的固定或移动装置(诸如智能电话)可以测量并映射从传感器延伸5米或更远的区域。例如，LiDAR数据可以与由电磁式RADAR传感器估计的点云数据融合。LiDAR传感器178还可以使用人工智能(AI)通过检测和分类可能引起RADAR系统的问题的空间中的特征来自动地地理栅栏RADAR系统，诸如玻璃窗(其可以是对RADAR高度反射的)。例如，LiDAR还可以用于提供人的身高的估计，以及当人坐下或跌倒时身高的变化。LiDAR可以用于形成环境的3D网格表示。在进一步的用途中，对于无线电波穿过的固体表面(例如，半透射线材料)，LiDAR可以反射离开此类表面，从而允许对不同类型的障碍物进行分类。

虽然在图1中单独示出，但是一个或多个传感器130的任意组合可以集成在系统100的部件中的任意一个或多个中和/或联接至系统100的部件中的任意一个或多个，包括呼吸设备122、用户接口124、导管126、湿化罐129、控制系统110、用户设备170，或其任意组合。例如，麦克风140和扬声器142集成在用户设备170中和/或联接至用户设备170，并且压力传感器130和/或流量传感器132集成在呼吸设备122中和/或联接至呼吸设备122。在一些实施方式中，一个或多个传感器130中的至少一个未联接至呼吸设备122、控制系统110或用户设备170，并且在睡眠时段期间被定位成大体邻近用户210(例如，定位在用户210的一部分上或与其接触、由用户210佩戴、联接至床头柜或定位在其上、联接至床垫、联接至天花板等)。

例如，如图2所示，一个或多个传感器130可以位于邻近床230和用户210的床头柜240上的第一位置250A。替代地，一个或多个传感器130可位于床垫232上和/或床垫232中的第二位置250B(例如，传感器联接至床垫232和/或集成在床垫232中)。此外，一个或多个传感器130可位于床230上的第三位置250C(例如，辅助传感器140联接至床230的框架上的床头板、床脚板或其他位置和/或集成在其中)。一个或多个传感器130也可以位于墙壁或天花板上的第四位置250D，第四位置250D通常邻近床230和/或用户210。一个或多个传感器130也可位于第五位置，使得一个或多个传感器130联接至呼吸系统120的呼吸设备122的壳体上和/或定位在壳体上和/或壳体内部。此外，一个或多个传感器130可位于第六位置250F，使得传感器联接至用户210和/或定位于用户210上(例如，传感器嵌入或联接至用户210在睡眠时段期间所穿的织物或衣服)。更通常，一个或多个传感器130可以定位在相对于用户210的任何合适的位置，使得传感器140可以在一个或多个睡眠时段期间生成与用户210和/或床伴220相关联的生理数据。

用户设备170(图1)包括显示设备172。用户设备170例如可以是诸如智能电话、平板电脑、膝上型电脑等的移动设备。替代地，用户设备170可以是外部感测系统、电视(例如，智能电视)或另一智能家庭设备(例如，智能扬声器，诸如Google Home、Amazon Echo、Alexa等)。在一些实施方式中，用户设备是可佩戴设备(例如，智能手表)。显示设备172通常用于显示包括静止图像、视频图像或两者的图像。在一些实施方式中，显示设备172充当包括被配置成显示图像的图形用户界面(GUI)和输入界面的人机界面(HMI)。显示设备172可以是LED显示器、OLED显示器、LCD显示器等。输入界面可以是例如，触摸屏或触敏基板、鼠标、键盘或被配置成感测由与用户设备170交互的人类用户做出的输入的任意传感器系统。在一些实施方式中，系统100可以使用和/或包括一个或多个用户设备。

光源180通常用于发射具有强度和波长(例如，颜色)的光。例如，光源180可以发射具有在约380nm和约700nm之间的波长(例如，在可见光谱中的波长)的光。光源180可以包括例如一个或多个发光二极管(LED)、一个或多个有机发光二极管(OLED)、灯泡、灯、白炽灯泡、CFL灯泡、卤素灯泡或其任意组合。在一些实施方式中，从光源180发射的光的强度和/或波长(例如，颜色)可以由控制系统110修改。光源180还可以以预定发射模式发射光，诸如连续发射、脉冲发射、不同强度的周期性发射(例如，包括强度逐渐增加随后强度降低的光发射周期)，或其任意组合。从光源180发射的光可以由用户直接观看，或者替代地在到达用户之前被反射或折射。在一些实施方式中，光源180包括一个或多个导光管。

在一些实施方式中，光源180物理地联接至呼吸治疗系统120或集成在呼吸治疗系统120中。例如，光源180可以物理地联接至或集成在呼吸设备122、用户接口124、导管126、显示设备128或其任意组合中。在一些实施方式中，光源180物理地联接至用户设备170或集成在用户设备170中。在其他实施方式中，光源180与呼吸治疗系统120和用户设备170以及活动跟踪器190中的每一者分离且不同。在此类实施方式中，光源180可以定位到用户210(图2)，例如，定位在床头柜240、床230、其他家具、墙壁、天花板等上。

活动跟踪器190通常用于帮助生成用于确定与用户相关联的活动测量值的生理数据。活动测量可以包括例如步数、行进的距离、攀登的步数、身体活动的持续时间、身体活动的类型、身体活动的强度、站立所花费的时间、呼吸速率、平均呼吸速率、休息呼吸速率、最大呼吸速率、呼吸速率变异性、心率、平均心率、休息心率、最大心率、心率变异性、燃烧的卡路里数、血氧饱和度、皮肤电活动(也称为皮肤电导或皮肤电反应)，或其任意组合。活动跟踪器190包括本文描述的传感器130中的一个或多个，诸如运动传感器138(例如，一个或多个加速度计和/或陀螺仪)、PPG传感器154和/或ECG传感器156。

在一些实施方式中，活动跟踪器190是可以由用户佩戴的可佩戴设备，诸如智能手表、腕带、戒指或贴片。例如，参考图2，活动跟踪器190佩戴在用户210的手腕上。活动跟踪器190还可以联接至用户佩戴的衣物或衣服或或集成在其中。替代地，活动跟踪器190还可以联接至用户设备170或集成在其中(例如，在同一壳体内)。更通常，活动跟踪器190可以与控制系统110、存储器114、呼吸系统120和/或用户设备170通信地联接或物理地集成在其中(例如，在壳体内)。

虽然控制系统110和存储器设备114在图1中被描述和示出为系统100的分开且不同的部件，但是在一些实施方式中，控制系统110和/或存储器设备114集成在用户设备170和/或呼吸设备122中。替代地，在一些实施方式中，控制系统110或其一部分(例如，处理器112)可以位于云中(例如，集成在服务器中、集成在物联网(IoT)设备(例如，智能电视、智能温控器、智能家用电器、智能照明等)中、连接至云、经受边缘云处理等)、位于一个或多个服务器(例如，远程服务器、本地服务器等或其任意组合)中。

虽然系统100被示出为包括上述所有部件，但是根据本公开的实现，在用于生成生理数据并为用户确定推荐的通知或动作的系统中可以包括更多或更少的部件。例如，第一备选系统包括控制系统110、存储器设备114和一个或多个传感器130中的至少一个传感器。作为另一实例，第二替代系统包括控制系统110、存储器设备114、一个或多个传感器130中的至少一个和用户设备170。作为又一实例，第三替代系统包括控制系统110、存储器设备114、呼吸系统120、一个或多个传感器130中的至少一个和用户设备170。因此，可以使用本文示出和描述的部件的任意部分或多个部分和/或与一个或多个其他部件组合来形成各种系统。

如本文所使用的，可以基于例如，初始开始时间和结束时间以多种方式定义睡眠时段。参考图3，图示了睡眠时段的示例性时间线301。时间线301包括上床时间(t_入床)、进入睡眠时间(t_GTS)、初始睡眠时间(t_睡眠)、第一微唤醒MA₁和第二微唤醒MA₂、觉醒时间(t_觉醒)和起床时间(t_起床)。

在一些实施方式中，睡眠时段是用户入睡的持续时间。在此类实施方式中，睡眠时段具有开始时间和结束时间，并且在睡眠时段期间，用户直到结束时间才觉醒。也就是说，用户清醒的任意时间段都不包括在睡眠时段中。根据睡眠时段的该第一定义，如果用户在同一夜晚多次觉醒和入睡，则由清醒间隔分开的每个睡眠间隔是睡眠时段。

替代地，在一些实施方式中，睡眠时段具有开始时间和结束时间，并且在睡眠时段期间，只要用户清醒的连续持续时间低于清醒持续时间阈值，用户就可以觉醒，而睡眠时段不结束。清醒持续时间阈值可以被定义为睡眠时段的百分比。清醒持续时间阈值可以是例如，睡眠时段的约20％、睡眠时段持续时间的约15％、睡眠时段持续时间的约10％、睡眠时段持续时间的约5％、睡眠时段持续时间的约2％等，或任意其他阈值百分比。在一些实施方式中，清醒持续时间阈值被定义为固定的时间量，诸如约一小时、约三十分钟、约十五分钟、约十分钟、约五分钟、约两分钟等，或任意其他时间量。

在一些实施方式中，睡眠时段被定义为在晚上用户首先上床的时间与第二天早上用户最后起床的时间之间的整个时间。换句话说，睡眠时段可以被定义为一个时间段，即开始于在当用户第一次上床想要进入睡眠时(例如，如果用户不打算在进入睡眠之前首先看电视或使用智能电话等，则不是这样)，可以被称为当前晚上的第一时间(例如，晚上10:00)的第一日期(例如，2020年1月6日周一)，并且结束于在当用户第一次下床而不想在第二天早上返回睡眠时，可以被称为第二天早上的第二时间(例如，早上7:00)的第二日期(例如，2020年1月7日周二)。

在一些实施方式中，用户可以手动定义睡眠时段的开始和/或手动终止睡眠时段。例如，用户可以选择(例如，通过点击或轻敲)在用户设备170(图1)的显示设备172上显示的用户可选元素来手动发起或终止睡眠时段。

进入床时间t_入床与用户在入睡之前(例如，当用户躺下或坐在床上时)最初进入床(例如，图2中的床230)的时间相关联。可以基于床阈值持续时间来识别上床时间t_入床，以在用户为了睡眠上床的时间与用户出于其他原因(例如，看TV)上床的时间之间进行区分。例如，床阈值时长可以是至少约10分钟、至少约20分钟、至少约30分钟、至少约45分钟、至少约1小时、至少约2小时等。虽然在本文中参考床来描述上床时间t_入床，但更通常，上床时间t_入床可以指用户初始进入任意位置(例如，睡椅、椅子、睡袋等)以睡眠的时间。

进入睡眠时间(GTS)与用户在上床(t_入床)之后初始尝试入睡的时间相关联。例如，在上床之后，用户可以从事一个或多个活动以在尝试睡眠之前放松一下(例如，阅读、看电视、听音乐、使用用户设备170等)。初始睡眠时间(t_睡眠)是用户初始入睡的时间。例如，初始睡眠时间(t_睡眠)可以是用户初始进入第一非REM睡眠阶段的时间。

觉醒时间t_觉醒是与用户觉醒而不返回睡眠(例如，与用户在半夜觉醒并返回睡眠相反)的时间相关联的时间。用户可以在初始入睡之后经历具有短持续时间(例如，5秒、10秒、30秒、1分钟等)的多个无意识的微唤醒(例如，微唤醒MA₁和MA₂)中的一个。与觉醒时间t_觉醒相反，用户在微唤醒MA₁和MA₂中的每一者之后返回睡眠。类似地，用户可以在初始入睡之后具有一个或多个有意识的唤醒(例如，唤醒A)(例如，起床去浴室、照顾儿童或宠物、睡眠行走等)。然而，用户在唤醒A之后返回睡眠。因此，觉醒时间t_觉醒可以例如基于觉醒阈值持续时间(例如，用户清醒至少15分钟、至少20分钟、至少30分钟、至少1小时等)来定义。

类似地，起床时间t_起床与用户离开床并留在床外意图结束睡眠时段(例如，与用户在夜间起床去卫生间、照顾孩子或宠物、梦游等相反)的时间相关联。换言之，起床时间t_起床是用户在下一个睡眠时段(例如，次日晚上)之前最后离开床而没有返回到床上的时间。因此，起床时间t_起床可以例如基于起床阈值持续时间(例如，用户已经下床至少15分钟、至少20分钟、至少30分钟、至少1小时等)来定义。还可以基于起床阈值持续时间(例如，用户已经下床至少4小时、至少6小时、至少8小时、至少12小时等)来定义第二后续睡眠时段的上床时间t_入床时间。

如上所述，用户可能在初始t_入床和最终t_起床之间的夜间醒来并再次起床。在一些实施方式中，基于事件(例如，入睡或下床)之后的预定阈值持续时间来识别或确定最终觉醒时间t_觉醒和/或最终起床时间t_起床。这样的阈值时长可以为用户进行定制。对于在晚上上床，然后在早上觉醒和下床的标准用户，可以使用约12至约18小时的任意时间段(在用户觉醒(t_觉醒)或起床(t_起床)与用户上床(t_入床)、进入睡眠(t_GTS)或入睡(t_睡眠)之间)。对于在床上花费较长时间段的用户，可以使用较短的阈值时间段(例如，约8小时至约14小时)。可以基于监视用户睡眠行为的系统初始地选择和/或稍后调整阈值时间段。

总卧床时间(TIB)是上床时间t_入床与起床时间t_起床之间的持续时间。总睡眠时间(TST)与初始睡眠时间和觉醒时间之间的持续时间相关联，不包括其间的任意有意识或无意识的唤醒和/或微唤醒。通常，总睡眠时间(TST)会比总床上时间(TIB)短(例如，短一分钟、短十分钟、短一小时等)。例如，参考图3的时间线301，总睡眠时间(TST)在初始睡眠时间t_睡眠与觉醒时间t_觉醒之间跨越，但不包括第一微唤醒MA₁、第二微唤醒MA₂和唤醒A的持续时间。如图所示，在该实例中，总睡眠时间(TST)比总卧床时间(TIB)短。

在一些实施方式中，总睡眠时间(TST)可以被定义为持续总睡眠时间(PTST)。在此类实施方式中，持续总睡眠时间不包括预定初始部分或第一非REM阶段(例如，浅睡眠阶段)的时间段。例如，预定初始部分可以在约30秒和约20分钟之间、在约1分钟和约10分钟之间、在约3分钟和约5分钟之间等。持续总睡眠时间是持续睡眠的测量，并且使睡眠-觉醒睡眠图平滑。例如，当用户初始入睡时，用户可以处于第一非REM阶段很短的时间(例如，约30秒)，然后返回觉醒阶段很短的时间段(例如，一分钟)，并且然后返回第一非REM阶段。在该实例中，持续总睡眠时间不包括第一非REM阶段的第一例子(例如，约30秒)。

在一些实施方式中，睡眠时段被定义为在上床时间(t_入床)开始并在起床时间(t_起床)结束，即，睡眠时段被定义为总卧床时间(TIB)。在一些实施方式中，睡眠时段被定义为在初始睡眠时间(t_睡眠)开始并在觉醒时间(t_觉醒)结束。在一些实施方式中，睡眠时段被定义为总睡眠时间(TST)。在一些实施方式中，睡眠时段被定义为在进入睡眠时间(t_GTS)开始并在觉醒时间(t_觉醒)结束。在一些实施方式中，睡眠时段被定义为在进入睡眠时间(t_GTS)开始并在起床时间(t_起床)结束。在一些实施方式中，睡眠时段被定义为在上床时间(t_入床)开始并在觉醒时间(t_觉醒)结束。在一些实施方式中，睡眠时段被定义为在初始睡眠时间(t_睡眠)开始并在起床时间(t_起床)结束。

参考图4，图示了根据一些实施方式的对应于时间线400(图4)的示例性睡眠图400。如图所示，睡眠图400包括睡眠-觉醒信号401、觉醒阶段轴410、REM阶段轴420、浅睡眠阶段轴430和深睡眠阶段轴440。睡眠-觉醒信号401与轴410、420、430、440中的一个之间的相交指示在睡眠时段期间任意给定时间的睡眠阶段。

睡眠-觉醒信号401可以基于与用户相关联的生理数据(例如，由本文描述的传感器130(图1)中的一个或多个生成)而生成。睡眠-觉醒信号可以指示一种或多种睡眠状态或阶段，包括觉醒、放松的觉醒、微唤醒、REM阶段、第一非REM阶段、第二非REM阶段、第三非REM阶段或其任意组合。在一些实施方式中，第一非REM阶段、第二非REM阶段和第三非REM阶段中的一者或多者可以被分组在一起并且被分类为浅睡眠阶段或深睡眠阶段。例如，浅睡眠阶段可以包括第一非REM阶段，而深睡眠阶段可以包括第二非REM阶段和第三非REM阶段。虽然在图4中示出的睡眠图400包括浅睡眠阶段轴430和深睡眠阶段轴440，但是在一些实施方式中，睡眠图400可以包括用于第一非REM阶段、第二非REM阶段和第三非REM阶段中的每一者的轴。在其他实现中，睡眠-觉醒信号还可以指示呼吸信号、呼吸速率、吸气幅度、呼气幅度、吸气-呼气比、每小时事件的数量、事件的模式或其任意组合。描述睡眠-觉醒信号的信息可以存储在存储器设备114中。

睡眠图400可以用于确定一个或多个睡眠相关参数，诸如入睡潜伏期(SOL)、入睡后觉醒(WASO)、睡眠效率(SE)、睡眠碎片化指数、睡眠块或其任意组合。

入睡潜伏期(SOL)被定义为进入睡眠时间(t_GTS)与初始睡眠时间(t_睡眠)之间的时间。换句话说，入睡潜伏期指示用户在初始尝试入睡之后实际入睡所花费的时间。在一些实施方式中，入睡潜伏期被定义为持续入睡潜伏期(PSOL)。持续入睡潜伏期与入睡潜伏期的不同之处在于，持续入睡潜伏期被定义为进入睡眠时间与预定量的持续睡眠之间的持续时间。在一些实施方式中，预定量的持续睡眠可以包括例如，在第二非REM阶段、第三非REM阶段和/或REM阶段内睡眠至少10分钟，并且觉醒、第一非REM阶段和/或其间的移动不超过2分钟。换句话说，持续入睡潜伏期需要在第二非REM阶段、第三非REM阶段和/或REM阶段内持续睡眠长达例如，8分钟。在其他实施方式中，预定量的持续睡眠可以包括在初始睡眠时间之后的第一非REM阶段、第二非REM阶段、第三非REM阶段和/或REM阶段内的至少10分钟的睡眠。在此类实施方式中，预定量的持续睡眠可以不包括任意微唤醒(例如，十秒微唤醒不重新开始10分钟时间段)。

睡眠后觉醒开始(WASO)与用户在初始睡眠时间与觉醒时间之间清醒的总持续时间相关联。因此，睡眠后觉醒开始包括睡眠时段期间的短暂和微唤醒(例如，图4所示的微唤醒MA₁和MA₂)，无论是有意识的还是无意识的。在一些实施方式中，睡眠后觉醒开始(WASO)被定义为仅包括具有预定长度(例如，大于10秒、大于30秒、大于60秒、大于约5分钟、大于约10分钟等)的唤醒的总持续时间的持续睡眠后觉醒开始(PWASO)。

睡眠效率(SE)被确定为总卧床时间(TIB)与总睡眠时间(TST)的比率。例如，如果总卧床时间是8小时并且总睡眠时间是7.5小时，则该睡眠时段的睡眠效率是93.75％。睡眠效率指示用户的睡眠卫生。例如，如果用户在睡觉之前进入床并花费时间参与其他活动(例如，看电视)，则睡眠效率会被降低(例如，用户受到惩罚)。在一些实施方式中，可以基于总卧床时间(TIB)和用户尝试睡眠的总时间来计算睡眠效率(SE)。在此类实施方式中，用户尝试睡觉的总时间被定义为睡觉(GTS)时间和本文所述的起床时间之间的时长。例如，如果总睡眠时间是8小时(例如，晚上11点至早上7点)，进入睡眠时间是晚上10:45，并且起床时间是早上7:15，则在此类实现中，睡眠效率参数被计算为约94％。

至少部分地基于睡眠时段期间的唤醒的数量确定分段指数。例如，如果用户具有两个微唤醒(例如，图4所示的微唤醒MA₁和微唤醒MA₂)，则分段指数可以表示为2。在一些实施方式中，分段指数在整数的预定范围(例如，0至10)之间缩放。

睡眠块与任何睡眠阶段(例如，第一非REM阶段、第二非REM阶段、第三非REM阶段和/或REM)和觉醒阶段之间的过渡相关联。可以以例如30秒的分辨率计算睡眠块。

在一些实施方式中，本文描述的系统和方法可以包括生成或分析包括睡眠-觉醒信号的睡眠图，以至少部分地基于睡眠图的睡眠-觉醒信号确定或识别上床时间(t_入床)、进入睡眠时间(t_GTS)、初始睡眠时间(t_睡眠)、一个或多个第一微唤醒(例如，MA₁和MA₂)、觉醒时间(t_觉醒)、起床时间(t_起床)或其任意组合。

在其他实施方式中，传感器130中的一个或多个可以用于确定或识别上床时间(t_入床)、进入睡眠时间(t_GTS)、初始睡眠时间(t_睡眠)、一个或多个第一微唤醒(例如MA₁和MA₂)、觉醒时间(t_觉醒)、起床时间(t_起床)或其任意组合，其进而定义睡眠时段。例如，可以基于例如由运动传感器138、麦克风140、相机150或其任意组合生成的数据确定上床时间t_入床。可以基于例如来自运动传感器138的数据(例如，指示用户没有移动的数据)、来自相机150的数据(例如，指示用户没有移动和/或用户已经关闭灯的数据)、来自麦克风140的数据(例如，指示关闭TV的数据)、来自用户设备170的数据(例如，指示用户不再使用用户设备170的数据)、来自压力传感器132和/或流量传感器134的数据(例如，指示用户打开呼吸设备122的数据、指示用户戴上用户接口124的数据等)或其任意组合确定进入睡眠时间。

虽然睡眠图400描绘了随着睡眠时段进展逐渐缩短的REM阶段，但这并不总是这种情况。在一些情况下，REM阶段的持续时间随着睡眠时段进展而逐渐增加(例如，第一REM阶段短于最后的REM阶段)。

图5是图示了根据本公开的某些方面的与图4的睡眠图相关联的某些使用变量的图表500。图表500可与图3的睡眠时段相关联。图表500包括数个使用变量，包括使用时间514、事件516和密封质量518，如在睡眠时段502的进程中所确定的。附加地，可以基于检测到的用户接口转变来确定和/或显示用户接口依从性使用变量，该用户接口转变表现为用户接口转变时间段506、510(例如，其他使用变量中的间隙)。在一些情况下，用户接口依从性使用变量可以是或可以包括一个或多个面罩打开-关闭事件(例如，表示戴上或移除面罩或用户接口的事件)。在一些情况下，用户接口依从性使用变量可以跟踪何时戴上和/或取下用户接口，和/或戴上和/或取下用户接口多少次。

使用时间514可以表示呼吸治疗系统(例如，图1的呼吸治疗系统120)用于向用户提供呼吸治疗的时间量。如图表500中所描绘的，在使用时间514的整个睡眠时段中描绘了一组框520，其表示用户正在使用呼吸治疗系统的框。例如，在第一时间段504、第二时间段508和第三时间段512期间使用呼吸治疗系统。在第一时间段504和第二时间段508之间，用户可能已经暂时停止使用呼吸治疗系统(例如，通过移除和替换用户接口)，如由用户接口转变时间段506所识别的。用户接口转变时间段506的开始可以指示第一用户接口转变(例如，移除用户接口)，而用户接口转变时间段506的结束可以指示第二用户接口转变(例如，戴上用户接口)。同样，类似的用户接口转变时间段510位于第二时间段508和第三时间段512之间。

事件516使用变量可以表示为带时间戳的值(或仅时间戳)的集合，如图表500中描绘的事件522和事件524所指示的。事件522、524可以是呼吸暂停事件、低通气事件或其他事件。

密封质量518使用变量可由线526表示，线526表示与睡眠时段期间的密封质量相关联的值。在密封质量518的实例中，存在低密封质量的两个例子528、530，在这两个例子期间，时间线526下降到阈值线532以下。在一些情况下，用户接口转变时间段506、510可以出于密封质量518使用变量的目的而忽视，或者可以指示低密封质量的例子。

当将图表500中描述的使用变量与睡眠图400中描述的睡眠阶段进行比较时，可以看到第一时间段504包括从t_入床一直到MA₁的时间。据推测，用户在该时间期间使用呼吸治疗设备，仅在MA₁期间暂时将其取下。在该第一时间段504期间，用户经过四个浅睡眠阶段、两个深睡眠阶段和一个REM睡眠阶段。在该第一时间段504期间，检测到低密封质量例子528，其与检测到的事件522一致。据推测，例子528下的低密封质量可能导致呼吸治疗不足，从而允许事件522发生。事件522还可以与用户暂时从深睡眠阶段进入浅睡眠阶段一致。

第二时间段508示出了从MA₁的结束一直延伸到MA₂的开始的使用时间，该使用时间包括四个浅睡眠阶段、两个深睡眠阶段和一个REM睡眠阶段。在第二时间段508期间，密封质量518被示出为很强(线526高于阈值线542)，并且检测到一个事件524。比较图表500和睡眠图400，事件524大约在用户处于REM睡眠阶段的相同时间时发生。

第三时间段512示出了从MA₂的结束一直延伸到t_觉醒的使用时间，该使用时间包括一个REM睡眠阶段、两个浅睡眠阶段和单个深睡眠阶段。在第三时间段512期间，没有检测到事件，但是第三时间段512以在REM睡眠阶段期间发生的低密封质量的例子530开始。

因为事件524发生在REM睡眠阶段并且事件522发生在深睡眠阶段，所以事件524的发生可以比事件522的发生更高度加权。例如，事件524可以比事件522更多地降低总睡眠表现评分。

因为低密封质量例子530发生在REM睡眠阶段，而低密封质量例子528发生在浅睡眠和深睡眠阶段，所以低密封质量例子530的发生可以比低密封质量例子528的发生更高度加权。例如，低密封质量例子530可以比低密封质量例子528更多地降低总睡眠表现评分。

图表500示出了可以基于从一个或多个传感器(例如，图1的一个或多个传感器130)收集的传感器数据来确定的一组示例使用变量的一个视觉指示。其他使用变量组可以包括本文公开的一个或多个使用变量或与呼吸治疗系统的使用相关联的其他类似使用变量的任意组合。附加地，可以以任何合适的形式，诸如图表、数字、电子表格、数据库、数据串或其他格式来呈现、存储和/或以其他方式表示任何使用变量组。

图6是描绘了根据本公开的某些方面的用于对睡眠表现进行评分的过程600的流程图。过程600可以由诸如图1的系统100的任何合适的系统执行，包括由图1的控制系统110的处理器112执行。过程600的一个、一些或所有框可以发生在睡眠时段期间(例如，计算给定睡眠时段或后续睡眠时段的睡眠表现评分)，紧接在睡眠时段之后或在另一时间。在一些情况下，过程600由诸如图1的用户设备170的用户设备(例如，智能电话)来执行。

在框602处，接收传感器数据。所接收的传感器数据可以从一个或多个传感器收集，诸如与用户的睡眠时段相关联的一个或多个传感器，在睡眠时段期间，用户正在从呼吸治疗系统(例如，图1的呼吸治疗系统120)接受呼吸治疗。尽管可以使用其他传感器，此类一个或多个传感器(例如，图1的一个或多个传感器130)可以包括呼吸治疗系统的一组传感器(例如，压力传感器和流量传感器)和/或用户设备的一组传感器(例如，智能电话的声学传感器或RF传感器)。在一些情况下，可以在框602处接收之前对传感器数据进行预处理。在一些情况下，在框602处接收传感器数据可包括预处理传感器数据以改善稍后确定可能期望的任何使用变量和/或睡眠阶段信息的能力。在一些情况下，不对传感器数据执行预处理。

在框604处，可从传感器数据确定一个或多个使用变量。确定一个或多个使用变量可以包括处理传感器数据(例如，经由等式、函数或机器学习算法)以识别一个或多个使用变量的一个或多个值。一个或多个使用变量可以是合适的使用变量的任意数量或组合，诸如本文所公开的那些。在一些情况下，在框604处确定的使用变量可以是单值使用变量，诸如可以表示为单个数字的平均泄漏流量，或者可以指示为单个数字的检测到的事件的计数。然而，在一些情况下，在框604处确定的使用变量可以是在整个睡眠时段中出现的一组值，诸如带时间戳的值或时间戳本身。例如，密封质量使用变量可以表示为周期性地(例如，基于采样率)收集的密封质量值的集合(例如，0至100％，20点量表上的0至20等)。

在框606处，可以确定睡眠阶段信息。确定睡眠阶段信息可以包括处理传感器数据以在整个睡眠时段中的不同点处识别用户的睡眠阶段，诸如识别不同睡眠阶段之间的过渡和花费在各个睡眠阶段中的持续时间。花费在睡眠阶段中的时间可指花费在特定睡眠阶段的所有例子中的总时间(例如，在整个睡眠时段中总共90分钟的REM睡眠)或花费在各个睡眠阶段的个别例子中的时间(例如，40分钟REM阶段，随后是10分钟浅睡眠阶段，随后是5分钟觉醒阶段(例如，微唤醒)，随后是30分钟浅睡眠阶段，随后是10分钟深阶段，随后是15分钟浅睡眠阶段，随后是另一20分钟REM阶段)。在一些情况下，睡眠阶段信息可包括整个睡眠时段的持续时间。在一些情况下，睡眠阶段信息可以包括睡眠阶段持续时间之间和/或每个睡眠阶段持续时间与总睡眠时段的持续时间之间的一个或多个比率。

在框612处，可以计算睡眠表现评分。可以使用来自框604的所确定的使用变量和来自框606的所确定的睡眠阶段信息来计算睡眠表现评分。在一些情况下，计算睡眠表现评分可包括计算可组合以计算最终睡眠表现评分的一个或多个分量评分。在一些情况下，可确定来自框604的使用变量中的一个、一些或全部和/或在框606处确定的睡眠阶段信息的分量评分。

在一些情况下，在框612处确定睡眠表现评分可包括在框614处确定一个或多个加权值并在框616处应用一个或多个加权值。可以确定使用变量、睡眠阶段信息、分割的使用变量或分割的睡眠阶段信息的任意组合的加权值。在一些情况下，确定加权值可以包括将使用变量分割成多个使用变量片段。这些片段可以基于睡眠阶段和/或其他使用变量。例如，可以基于睡眠阶段来分割使用时间使用变量，或者可以基于密封质量使用变量来分割事件信息使用变量。

确定加权值可以包括访问预定义的加权值、计算加权值，或接收加权值(例如，从机器学习算法的输出接收加权值)。在一些情况下，所确定的加权值可以是中性加权值，诸如1.0x或100％加权值。在一些情况下，所确定的加权值可以是渐增的加权值，诸如1.5x或150％加权值。在一些情况下，所确定的加权值可以是渐减的加权值，诸如0.5x或50％加权值。

在一些情况下，可基于来自框606的睡眠阶段信息和/或来自框604的其他使用变量来确定使用变量的加权值。在一些情况下，在框614处确定加权值可包括确定给定使用变量的一组加权值，诸如来自睡眠阶段信息和/或其他使用变量的给定使用变量与睡眠阶段的每一组合的加权值。在一个实例中，确定事件信息使用变量(例如，检测到的呼吸暂停或低通气事件)的加权值可以包括：确定1)觉醒睡眠阶段与事件信息使用变量结合的加权值；2)事件信息使用变量与浅睡眠阶段结合的加权值；3)事件信息使用变量与深睡眠阶段结合的加权值；以及4)事件信息使用变量与REM睡眠阶段结合的加权值。

在一些情况下，在框604处确定给定使用变量的加权值可包括将另一使用函数(例如，时间相关的使用变量)应用于函数。例如，给定使用变量的加权值可以是另一使用变量的正比例或反比例函数。

在一些情况下，确定加权值可以包括访问加权值的数据库。在一些情况下，访问加权值的数据库可以包括使用与用户相关联的信息(例如，生理信息和/或人口统计信息)以从加权值的数据库中选择一个或多个加权值。例如，可以使用与用户相关联的信息来确定用户所属的族群(例如，基于年龄范围、性别信息、地理位置等)，然后选择与所确定的族群相关联的一个或多个加权值。在一些情况下，健康信息(例如，专业诊断、自我报告诊断和/或健康相关测量)可用于确定一个或多个加权值。

在框616处应用加权值可包括将一个或多个加权值应用于一个或多个使用变量和/或睡眠阶段信息。应用加权值可以包括使用该加权值来计算使用变量的分量评分和/或计算分割的使用变量的子分量评分。在一些情况下，应用加权值可包括将加权值乘以使用变量(或分割的使用变量或其他此类值)。在一些情况下，在框616处应用加权值可包括将多个加权值应用于给定使用变量或使用变量片段。例如，作为REM睡眠期间的使用时间片段的使用变量片段可以应用第一加权值，该第一加权值是REM睡眠期间的使用时间片段的专门计算和/或选择的加权值，以及应用第二加权值，该第二加权值是使用变量和/或睡眠阶段的全局计算和/或选择的加权值。例如，第一加权值可以基于预置加权值，并且第二加权值可以基于用户信息。

在一些情况下，可以在使用来自框604的所确定的使用变量和来自框606的睡眠阶段信息的同时以其他方式来执行在框612处计算睡眠表现评分。

在框618处，可以将睡眠表现评分呈现给诸如呼吸治疗系统的用户、护理者或另一实体。呈现睡眠表现评分可以包括以容易理解的方式呈现睡眠表现评分，诸如数字(例如，从0至100的数字)、百分比(例如，从0％至100％的百分比)、颜色编码指示符、图形指示符(例如，根据睡眠表现评分填充的条形或圆形仪表)，或其他此类方式。

在一些情况下，在框618处呈现睡眠表现评分还可包括呈现附加信息，诸如在默认情况下和/或在接收到触发动作(例如，按下按钮)时。在一些情况下，附加信息可以包括一个或多个分量评分或子分量评分。在一些情况下，附加信息可以包括睡眠阶段信息的睡眠图。在一些情况下，附加信息可包括睡眠阶段信息的概要和/或一个或多个分量评分或子分量评分的概要。在一些情况下，附加信息可包括分量评分或子分量评分对睡眠表现评分贡献多少的指示。在一些情况下，附加信息可以包括对呼吸治疗系统进行调整以改善睡眠表现评分的建议。例如，该建议可以包括替换用户接口或调整呼吸治疗设备上的设置的指令。在一些情况下，附加信息可包括指示给定睡眠时段和先前睡眠时段的数量的睡眠表现评分的趋势的趋势数据。

在一些可选情况下，可以在框608处确定超出范围的使用变量。确定超出范围的使用变量可以基于从框602接收的传感器数据。在框604处，确定超出范围的使用变量可以与确定使用变量分离和/或作为确定使用变量的一部分，并且可以包括识别给定使用变量的值超出阈值范围(例如，低于阈值水平、高于阈值水平，和/或在下阈值水平和上阈值水平之间)。

在可选框610处，可以基于从框612计算出的睡眠表现评分和从框608确定的超出范围的使用变量，将超出范围的使用变量识别为容忍使用变量。当睡眠表现评分仍然高于阈值时，可以将超出范围的使用变量识别为容忍使用变量。因此，尽管给定使用变量在期望范围之外，但是睡眠表现评分仍然指示使用呼吸治疗的良好睡眠时段(例如，具有高质量的睡眠时段和/或具有呼吸治疗的有效和/或高效使用的睡眠时段)。在一些情况下，在框610处将超出范围的使用变量识别为容忍使用变量还可以包括将超出范围的使用变量呈现为容忍使用变量(例如，呈现给定使用变量是良好容忍的指示)。

在一些情况下，一旦使用变量被识别为容忍使用变量，则在框614处确定加权值的进一步的例子可以包括确定被识别为容忍使用变量的任意使用变量的经调整的加权值。经调整的加权值可以不强调容忍使用变量对睡眠表现评分的影响。例如，如果用户良好地容忍密封质量的降低，则进一步的睡眠表现评分的计算可以将较低的加权值应用于密封质量变量。

过程600的框可以以任何合适的顺序执行，包括同时执行某些框。例如，在框612处计算睡眠表现评分可以与确定超出范围的使用变量同时发生。在另一实例中，确定睡眠阶段信息可在确定使用变量之后发生。附加地，虽然用某些框来描述过程600，但过程600中的一个、一些或所有框可被移除和/或用其他框来替换。附加地，在一些情况下，过程600可包括图6中未描绘的附加框。例如，在一些情况下，在框612处计算睡眠表现评分还可包括确定睡眠质量评分，如本文进一步详细地公开的。

图7是描绘了根据本公开的某些方面的用于使用适应阶段来对睡眠表现进行评分的过程700的流程图。过程700可以由诸如图1的系统100的任何合适的系统执行，包括由图1的控制系统110的处理器112执行。过程700的一个、一些或所有框可以发生在睡眠时段期间(例如，计算给定睡眠时段或后续睡眠时段的睡眠表现评分)，紧接在睡眠时段之后或在另一时间。在一些情况下，过程700由诸如图1的用户设备170的用户设备(例如，智能电话)来执行。在一些情况下，过程700中的一些或全部可作为如参考图6的框612所描述的计算睡眠表现评分的一部分来执行。

过程700涉及在框708处确定适应阶段，并在框710处使用适应阶段来计算睡眠表现评分和/或在框708处呈现适应阶段。每个适应阶段可以修改如何以其他方式计算睡眠表现评分和/或以其他方式鼓励用户实现某一目标。每个适应阶段可以是具有不同目的的阶段。例如，早期适应阶段可以是设计为鼓励用户在使用治疗时入睡的阶段；中间适应阶段可以是设计为鼓励用户在使用治疗时更长时间睡觉的阶段；后期适应阶段可以是设计为鼓励用户在使用治疗时整体上实现良好睡眠的阶段；并且保持适应阶段可以是设计为鼓励用户在使用治疗时整体上保持良好睡眠的阶段。

可以按顺序建立可能的适应阶段，诸如以早期适应阶段开始，接着移动到中间适应阶段，接着移动到后期适应阶段，然后接着移动到保持适应阶段。为了描述性的目的，可以垂直地描述适应阶段，以底部的早期适应阶段开始，向上移动，直到到达顶部的保持适应阶段。可以使用任何数量的适应阶段，诸如两个、三个、四个或多于四个。在一些情况下，可以使用非顺序的适应阶段。例如，一组可能的适应阶段可以包括以早期适应阶段开始和以保持适应阶段结束，但是具有许多不同的、潜在的可以根据用户的情况而使用的中间适应阶段。在此类实例中，用户可以在早期适应阶段中开始，移动到治疗时间中间适应期，然后移动到总睡眠时间中间适应期，然后移动到后期适应期，然后是保持适应期。虽然期望用户顺序地移动通过适应阶段，但是在一些情况下，用户有可能向后移动到先前的适应阶段，诸如如果某些使用变量和/或睡眠阶段信息表明用户的睡眠正在恶化或未充分改善，或者表明用户未参与治疗。

在一些情况下，在框702处确定适应阶段可以包括使用在框702处接收的信息。在框702处，接收一个或多个使用变量和/或接收睡眠阶段信息。接收使用变量可以包括确定使用变量，诸如参考图6的框604所描述的。接收睡眠阶段信息可以包括确定睡眠阶段信息，诸如参考图6的框606所描述的。使用在框702处接收的信息，可以在框708处至少部分地基于使用变量和/或睡眠阶段信息来确定适应阶段。例如，在一些情况下，适应阶段可以基于用户是否实现等于或低于阈值时间的入睡潜伏期。可以将实现较长入睡潜伏期的用户置于早期适应期，直到他们能够实现较短的入睡潜伏期。任意使用变量信息和/或睡眠阶段信息可用于适应阶段的确定。在一些情况下，适应阶段的确定可基于在阈值持续时间内实现一个或多个使用变量的一个或多个期望阈值(例如，在至少120分钟内或在至少50％睡眠时段内实现低于阈值的平均泄漏流量)。

在一些情况下，在框708处确定适应阶段是至少部分地基于在框704处访问的历史使用变量和/或历史睡眠阶段信息。在框704处接收的该历史数据可以是与当前睡眠时段之前的一个或多个睡眠时段相关联的使用变量和/或睡眠阶段信息，诸如与过去的设定天数(例如，过去的7天或过去的30天)、过去的睡眠时段数量等相关联的历史数据，在睡眠时段期间使用治疗。通过分析历史使用变量和/或历史睡眠阶段信息(例如，识别一个或多个使用变量或睡眠阶段在阈值持续时间内满足或超过阈值)，可以做出确定使用哪个适应阶段。例如，如果可用数据的睡眠时段的数量低于阈值数量(例如，仅两个夜晚的数据可用)，则可以使用默认的适应阶段(例如，早期适应阶段)。如果历史数据显示用户已经实现了某些合格睡眠成就，诸如至少连续三天的30分钟或小于30分钟的入睡潜伏期，则可以将适应阶段确定为不同的适应阶段(例如，中间适应阶段)。同样地，如果用户的入睡潜伏期显示为在至少连续三天中等于或大于30分钟，则可以将适应阶段确定为强调入睡潜伏期的不同适应阶段(例如，早期适应阶段)。

在一些情况下，在框708处确定适应阶段可以至少部分地基于在框706处接收的一个或多个历史适应阶段。在框706处接收历史适应阶段可以包括接收当前适应阶段(例如，最后确定的用户的适应阶段)。分别根据在框702和/或704处接收的当前和/或历史数据，可以在框708处做出确定以维持当前适应阶段或将用户移动到新的适应阶段(例如，从中间适应阶段向上移动到后期适应阶段，或从中间适应阶段向下移动到早期适应阶段)。因此，在一些情况下，确定适应阶段708可以包括：i)使用默认(例如，初始)适应阶段；ii)从当前适应阶段移动到按顺序下一个适应阶段；或iii)从当前适应阶段移动到按顺序先前的适应阶段。

在一些情况下，在框708处确定适应阶段可以包括确定适应评分。适应评分可以基于一个或多个使用变量和/或特定睡眠阶段信息的一个或多个期望值。当用户接近期望值时，适应评分可以增加。一旦用户实现或超过期望值，适应评分可以满足或超过阈值评分，该阈值评分指示应该执行按顺序下一个适应阶段。在一些情况下，每个适应阶段包括其自己的一个或多个使用变量和/或某些睡眠阶段信息的一组期望值。例如，在早期适应阶段中，适应评分可以基于用户的入睡潜伏期和平均泄漏流量。当入睡潜伏期和平均泄漏流量降低时，适应评分可以增加。一旦用户实现足够低的入睡潜伏期(例如，低于30分钟)和足够低的平均泄漏流量(例如，无泄漏或至多可接受的泄漏水平)，适应评分可满足或超过移动到新的适应阶段(例如，到中间适应阶段)所必需的阈值评分。在中间适应阶段中，适应评分可以基于用户的入睡潜伏期和总睡眠时间以及治疗时间。在后期适应阶段，适应评分可以基于用户的入睡潜伏期、总睡眠时间、不同睡眠阶段中的时间、睡眠时的心率/呼吸速率等，以及其他治疗相关的使用变量。在保持适应阶段中，适应评分可以基于与后期适应阶段的使用变量和睡眠阶段信息相同或类似的使用变量和睡眠阶段信息，但是在使用变量和睡眠阶段信息上具有不同的加权。

在一些情况下，在框710处，将所确定的适应阶段用在睡眠表现评分的计算中。除了使用适应阶段之外，在框710处计算睡眠表现评分可以与在图6的框612处计算睡眠表现评分相同或类似。在一些情况下，计算睡眠表现评分可包括基于来自框708的所确定的适应阶段来修改睡眠表现评分，诸如通过基于适应评分直接修改评分或通过基于所确定的适应阶段来修改用于睡眠表现评分的加权值。

例如，在框712处，可以至少部分地基于所确定的适应阶段来确定一组加权值。因为每个确定的适应阶段可以强调睡眠和/或睡眠治疗的不同方面，所以不同的适应阶段可以具有不同的相关联的加权值组。例如，早期适应阶段可以与强调入睡潜伏期和/或平均泄漏流量的第一组加权值相关联；中间适应阶段可以与强调入睡潜伏期、总睡眠时间和治疗时间的第二组加权值相关联；后期适应阶段可以与强调入睡潜伏期、总睡眠时间、一个或多个选择睡眠阶段中的时间(例如，REM睡眠中的时间和深睡眠中的时间)、心率、呼吸速率和/或其他使用变量相关联的第三组加权值；并且保持适应阶段可以与设计为鼓励将睡眠质量评分保持在阈值睡眠质量评分或高于阈值睡眠质量评分的第四组加权值相关联。在框712处确定加权值还可以考虑确定与图6的框614相关联的加权值的方面。

在框712处确定加权值之后，可在框714处应用加权值以计算睡眠表现评分。在框714处应用加权值可以与在图6的框616处应用加权值相同或类似。

因此，在一些情况下，每个适应阶段可以影响当用户处于该适应阶段时如何计算睡眠表现评分。

附加地，或者代替在框710处计算睡眠表现评分，可以在框716处呈现适应阶段信息，诸如通过呈现给用户或监视用户的第三方(例如，护理者或健康护理提供者)。呈现适应阶段信息可以包括i)呈现用户处于哪个适应阶段(例如，“你处于中间适应阶段！”)；ii)呈现适应评分(例如，“78％”或“100分中的78分”或“78分”)；iii)呈现与适应阶段相关联的建议(例如，早期适应阶段的“今晚尝试使用您的治疗达尽可能长的时间”和后期适应阶段或保持适应阶段的“您做得很好；每周请勿忘记清洁管路”)；iv)呈现移动到下一个适应阶段的要求(例如，“你在过去的五个夜晚里在30分钟内入睡，再过两个夜晚后，您将移动到下一个阶段”)；或v)i至iv的任意组合。

在一些情况下，在框716处呈现适应阶段信息仅发生在当在框708处确定的适应阶段不同于紧接在前的适应阶段时(例如，从早期适应阶段到中间适应阶段的移动的“恭喜您，在佩戴您的治疗设备时入睡，您做得很好”，或从中间适应阶段到早期适应阶段的移动的“您的治疗设备在过去的几个夜晚里似乎已出现泄漏；请试图努力改善设备”。

过程700的框可以以任何合适的顺序执行，包括同时执行某些框。附加地，虽然用某些框来描述过程700，但过程700中的一个、一些或所有框可被移除和/或用其他框来替换。附加地，在一些情况下，过程700可包括图7中未描绘的附加框。

图8是图示了根据本公开的某些方面的用户经过适应阶段的进展的图表800。图表800描述了四个适应阶段，包括早期阶段804、中间阶段806、后期阶段808和保持阶段810。在图表800中描绘的适应阶段可以是关于图7的过程700确定和利用的适应阶段。

线802表示随时间变化的用户的当前适应阶段。时间轴表示用户在多天的进程中(例如，在30天或60天的进程中)参与多个睡眠时段。

在第812天，用户可以首次开始治疗。当首次开始治疗时，用户可以自动地置于早期阶段804。

在第814天，用户可能已经实现与早期阶段804相关联的数天的合格睡眠成就(例如，入睡潜伏期小于30分钟且小于阈值水平或泄漏)，从而引起用户移动到中间阶段806。

然而，在第816天，用户可能已经实现了一天或多天的不良睡眠成就(例如，不可接受的高水平泄漏)，这引起用户移回到早期阶段804。到第818天，用户再次达到足够天数的合格睡眠成就，将用户移动到中间阶段806。

在第820天，用户可能已经实现了与中间阶段806相关联的数天的新的合格睡眠成就(例如，入睡潜伏期处于或低于阈值水平，总睡眠时间高于阈值持续时间，以及治疗时间高于阈值持续时间)，从而允许用户移动到后期阶段808。

在第822天，用户可能已经实现了与后期阶段808相关联的数天的新的合格睡眠成就，从而允许用户移动到保持阶段810。此后，用户可以停留在保持阶段810。在一些情况下，适应阶段的使用可以在用户停留在保持阶段810达阈值持续时间之后完全停止。

在一些情况下，用户可能降级到先前的适应阶段，诸如在第816天随着从中间阶段806到早期阶段804的移动所描绘的，然而这不一定总是这种情况。在一些情况下，适应阶段可以建立成仅顺序地进行。在此类情况下，即使睡眠成就不良，用户也可以停留在同一阶段，直到有资格进行下一阶段(例如，用户将从第814天至第816天和第818天停留在中间阶段806，直到合格进入第820天的后期阶段808)。

呈现实施例，包括所图示的实施例的前面描述仅仅是为了说明和描述的目的，并不旨在穷举或限于所公开的精确形式。对于本领域技术人员来说，其许多修改、改编和使用是显而易见的。在不脱离本公开的精神或范围的情况下，可以根据本公开对所公开的实施例进行多种改变。因此，本公开的广度和范围不应受任何上述实施例的限制。

虽然已经关于一个或多个实施方式图示和描述了本公开的某些方面，但是在阅读和理解本说明书和附图之后，本领域的其他技术人员将想到或知晓等同的替换和修改。此外，虽然本公开的一个方面的特定特征可能仅关于数个实施方式中的一个被公开，但是这种特征可以与其他实施方式的一个或多个其他特征组合，这对于任何给定或特定应用可能是期望的和有利的。

来自以下权利要求1至35中任一项的一个或多个的一个或多个要素或方面或步骤，或其任意部分可以与来自其他权利要求1至35中任一项的一个或多个的一个或多个要素或方面或步骤，或其任意部分，或者其组合进行组合，以形成本公开的一个或多个附加实施方式和/或权利要求。

Claims (35)

1.一种用于对睡眠表现进行评分的方法，包括：

从一个或多个传感器接收传感器数据，所述传感器数据与使用呼吸治疗系统的用户的睡眠时段相关联；

从所接收的传感器数据确定与所述呼吸治疗系统的使用相关联的一个或多个使用变量；

从所述所接收的传感器数据确定与所述睡眠时段相关联的睡眠阶段信息；以及

至少部分地基于所确定的一个或多个使用变量和所述睡眠阶段信息来计算所述睡眠时段的睡眠表现评分。

2.根据权利要求1所述的方法，其中所述一个或多个使用变量包括：

i)指示在所述睡眠时段期间使用所述呼吸治疗系统的持续时间的使用时间；

ii)指示在所述呼吸治疗系统的使用期间所述呼吸治疗系统的所述用户和用户接口之间的密封质量的密封质量变量；

iii)指示检测到的在所述睡眠时段期间发生的事件的数量的事件信息；

iv)与检测到的用户接口转变事件的数量相关联的用户接口依从性信息，在所述用户接口转变事件中，在所述睡眠时段期间所述用户接口被戴上或移除；或

v)i至iv的任意组合。

3.根据权利要求2所述的方法，其中所述事件信息指示在所述睡眠时段期间检测到的呼吸暂停-低通气事件的数量。

4.根据权利要求1至3中任一项所述的方法，其中计算所述睡眠表现评分包括：

至少部分地基于所述睡眠阶段信息确定用于所述一个或多个使用变量中的每一个的加权值；以及

将与所述使用变量相关联的所述加权值应用于所述一个或多个使用变量中的每个使用变量。

5.根据权利要求1至4中任一项所述的方法，其中确定所述一个或多个使用变量包括确定指示在所述睡眠时段期间使用所述呼吸治疗系统的持续时间的使用时间，其中所述睡眠阶段信息指示花费在多个睡眠阶段中的持续时间，并且其中计算所述睡眠表现评分包括：

至少部分地基于所述睡眠阶段信息将所确定的使用时间分割成多个使用时间片段，其中所述使用时间片段中的每一个与所述多个睡眠阶段中的一个相关联；

确定用于所述多个睡眠阶段中的每一个的使用时间加权值；以及

将与相应的睡眠阶段相关联的所述使用时间加权值应用于所述使用时间片段中的每一个，所述相应的睡眠阶段与相应的使用时间片段相关联。

6.根据权利要求1至5中任一项所述的方法，其中确定所述一个或多个使用变量包括确定指示在所述呼吸治疗系统的使用期间所述呼吸治疗系统的所述用户与用户接口之间的密封质量的密封质量变量，其中所述睡眠阶段信息指示花费在多个睡眠阶段中的时间，并且其中计算所述睡眠表现评分包括：

至少部分地基于所述睡眠阶段信息将所确定的密封质量变量分割成多个密封质量片段，其中所述密封质量片段中的每一个与所述多个睡眠阶段中的一个相关联；

确定用于所述多个睡眠阶段中的每一个的密封质量加权值；以及

将与相应的睡眠阶段相关联的所述密封质量加权值应用于所述密封质量片段中的每一个，所述相应的睡眠阶段与相应的密封质量片段相关联。

7.根据权利要求1至6中任一项所述的方法，其中确定所述一个或多个使用变量包括确定指示检测到的在所述睡眠时段期间发生的事件的数量的事件信息，其中所述睡眠阶段信息指示花费在多个睡眠阶段中的时间，并且其中计算所述睡眠表现评分包括：

至少部分地基于所述睡眠阶段信息，向所述事件信息的每个检测到的事件分配所述多个睡眠阶段中的与相应的检测到的事件的检测时间一致的一个睡眠阶段；

确定用于所述多个睡眠阶段中的每一个的事件加权值；以及

将与相应的睡眠阶段相关联的所述事件加权值应用于所述事件信息的每个检测到的事件，所述相应的睡眠阶段与所述相应的检测到的事件相关联。

8.根据权利要求1至7中任一项所述的方法，其中确定所述一个或多个使用变量包括确定与检测到的用户接口转变事件的数量相关联的用户接口依从性信息，在所述检测到的用户接口转变事件中，所述用户接口在所述睡眠时段期间被戴上或移除，其中所述睡眠阶段信息指示花费在多个睡眠阶段中的时间，并且其中计算所述睡眠表现评分包括：

至少部分地基于所述睡眠阶段信息，向所述用户接口依从性信息的每个检测到的用户接口转变事件分配所述多个睡眠阶段中与相应的检测到的用户接口转变事件的检测时间一致的一个睡眠阶段；

确定用于所述多个睡眠阶段中的每一个的用户接口转变事件加权值；以及

将与相应的睡眠阶段相关联的所述用户接口转变事件加权值应用于所述用户接口依从性信息的每个检测到的用户接口转变事件，所述相应的睡眠阶段与所述相应的检测到的用户接口转变事件相关联。

9.根据权利要求1至8中任一项所述的方法，还包括确定与所述睡眠时段相关联的睡眠质量评分，其中确定所述睡眠质量评分至少部分地基于所述睡眠阶段信息。

10.根据权利要求9所述的方法，其中所述睡眠阶段信息指示花费在多个睡眠阶段中的持续时间，并且其中确定所述睡眠质量评分包括：

至少部分地基于所述一个或多个使用变量将所述睡眠阶段信息分割成睡眠阶段片段；

确定用于所述睡眠阶段片段中的每一个的使用加权值；

在所述睡眠阶段片段中的每一个内将相应的睡眠阶段片段的相应的使用加权值应用于所述相应的睡眠阶段片段内的每个睡眠阶段。

11.根据权利要求9所述的方法，其中接收所述传感器数据包括接收与所述用户相关联的生理数据，并且其中确定所述睡眠质量评分进一步至少部分地基于所接收的生理数据。

12.根据权利要求11所述的方法，其中所述生理数据包括：i)呼吸速率；ii)心率；iii)心率变异性；iv)运动数据；v)脑电图数据；vi)血氧饱和度数据；vii)呼吸速率变异性；viii)呼吸深度；ix)潮气量数据；x)吸气幅度数据；xi)呼气幅度数据；xii)吸气量数据；xiii)呼气量数据；xiv)吸气-呼气比率数据；xv)出汗数据；xvi)温度数据；xvii)脉搏波传导时间数据；xviii)血压数据；xix)位置数据；xx)姿势数据；xxi)血糖水平数据；或xxii)i至xxi的任意组合。

13.根据权利要求9至12中任一项所述的方法，其中计算所述睡眠时段的所述睡眠表现评分至少部分地基于所述睡眠质量评分。

14.根据权利要求13所述的方法，其中至少部分地基于所述睡眠质量评分来计算所述睡眠表现评分包括至少部分地基于所述睡眠质量评分将一个或多个加权应用于所述所确定的一个或多个使用变量。

15.根据权利要求9至14中任一项所述的方法，还包括接收与所述睡眠时段相关联的用户反馈，其中至少部分地基于所述睡眠质量评分来计算所述睡眠表现评分包括至少部分地基于所述用户反馈将一个或多个加权应用于所述睡眠质量评分。

16.根据权利要求1至15中任一项所述的方法，还包括接收与所述睡眠时段相关联的用户反馈，其中至少部分地基于所述所确定的一个或多个使用变量来计算所述睡眠表现评分包括至少部分地基于所述用户反馈将一个或多个加权应用于所述所确定的一个或多个使用变量。

17.根据权利要求1至16中任一项所述的方法，还包括：

接收与所述睡眠时段相关联的用户反馈；

至少部分地基于所接收的用户反馈来确定修改值；以及

通过将所述修改值并入所述睡眠表现评分来更新所述睡眠表现评分。

18.根据权利要求1至17中任一项所述的方法，其中所述一个或多个使用变量包括第一使用变量和第二使用变量，其中至少部分地基于所述所确定的一个或多个使用变量来计算所述睡眠表现评分包括至少部分地基于所述第二使用变量将加权应用于所述第一使用变量。

19.根据权利要求18所述的方法，其中至少部分地基于所述第二使用变量将所述加权应用于所述第一使用变量包括：

识别与所述第二使用变量相关联的多个范围；

至少部分地基于所述第二使用变量将所述第一变量分割成多个第一使用变量片段，其中所述第一使用变量片段中的每一个与同所述第二使用变量相关联的所述多个范围中的一个相关联；

确定用于所述多个范围中的每一个的加权值；以及

将与所述多个范围中的与相应的第一使用变量片段相关联的相应的一个范围相关联的所述加权值应用于所述多个第一使用变量片段中的每一个。

20.根据权利要求1至19中任一项所述的方法，其中所述一个或多个使用变量包括：

i)所述睡眠时段的平均泄漏流量；

ii)所述睡眠时段内的治疗子时段的数量；

iii)所述睡眠时段的平均用户接口压力；

iv)所述一个或多个使用变量中的另一个的统计概要；或

v)i至iv的任意组合。

21.根据权利要求1至20中任一项所述的方法，其中所述一个或多个使用变量包括指示检测到的在所述睡眠时段期间发生的事件的数量的事件信息，其中至少部分地基于所述所确定的一个或多个使用变量和所述睡眠阶段信息来计算所述睡眠表现评分包括：

至少部分地基于所述睡眠阶段信息来识别所述用户在所述睡眠时段期间未入睡的时间段；以及

从所述事件信息中移除任何检测到的在所述用户未入睡时发生的事件。

22.根据权利要求1至21中任一项所述的方法，还包括：

从所述一个或多个使用变量中识别出超出范围的使用变量，其中所述超出范围的使用变量在期望的阈值范围之外；

将所述睡眠表现评分识别为高于睡眠表现阈值；以及

呈现所识别的超出范围的使用变量是容忍使用变量的指示。

23.根据权利要求1至22中任一项所述的方法，还包括在所述睡眠时段完成之后呈现所述睡眠表现评分。

24.根据权利要求23所述的方法，其中所述睡眠阶段信息指示花费在多个睡眠阶段中的持续时间，并且其中呈现所述睡眠表现评分包括呈现所述一个或多个使用变量中的每一个的对所述睡眠表现的总贡献，其中呈现所述一个或多个使用变量中的给定使用变量的总贡献包括呈现所述给定使用变量的由睡眠阶段分箱的多个子贡献。

25.根据权利要求1至24中任一项所述的方法，其中计算所述睡眠时段的所述睡眠表现评分包括仅计算与所述呼吸治疗系统的使用一致的所述睡眠时段的部分的所述睡眠表现评分。

26.根据权利要求1至25中任一项所述的方法，还包括：

确定与所述睡眠时段相关联的适应阶段；

至少部分地基于所述适应阶段来确定用于所述一个或多个使用变量中的每一个的加权值；以及

对于所述一个或多个使用变量中的每个使用变量，应用与所述使用变量相关联的所述加权值。

27.根据权利要求26所述的方法，其中确定所述适应阶段包括：

访问(i)与所述用户的一个或多个历史睡眠时段相关联的一个或多个历史使用变量、(ii)与所述用户的所述一个或多个历史睡眠时段相关联的历史睡眠阶段信息，或(iii)(i)和(ii)两者；以及

至少部分地基于(i)所述一个或多个历史使用变量、(ii)所述历史睡眠阶段信息，或(iii)(i)和(ii)两者来识别所述适应阶段。

28.根据权利要求26或27中任一项所述的方法，还包括访问与所述用户相关联的历史适应阶段，其中确定所述适应阶段至少部分地基于所述历史适应阶段。

29.根据权利要求26至28中任一项所述的方法，其中确定所述适应阶段包括：

至少部分地基于(i)所述一个或多个使用变量、(ii)所述睡眠阶段信息，或(iii)(i)和(ii)两者来计算适应评分；以及

确定所述适应评分超过与所述适应阶段相关联的阈值评分。

30.根据权利要求26至29中任一项所述的方法，其中确定所述适应阶段包括从一组可能的适应阶段中选择所述适应阶段，其中所述一组可能的适应阶段包括：i)早期适应阶段，其中所述加权值是强调入睡潜伏期的第一组加权值；ii)中间适应阶段，其中所述加权值是强调总睡眠时间的第二组加权值；iii)后期适应阶段，其中所述加权值是强调一个或多个睡眠阶段中的持续时间的第三组加权值；或iv)i至iii的任意组合。

31.根据权利要求30所述的方法，其中所述一组可能的适应阶段还包括保持适应阶段，其中所述加权值是与将睡眠质量评分保持在阈值睡眠质量评分处或之上相关联的第四组加权值。

32.一种系统，包括：

控制系统，所述控制系统包括一个或多个处理器；以及

其上存储有机器可读指令的存储器；

其中所述控制系统联接至所述存储器，并且当所述存储器中的机器可执行指令由所述控制系统的所述一个或多个处理器中的至少一个执行时，实施根据权利要求1至31中任一项所述的方法。

33.一种用于对睡眠表现进行评分的系统，所述系统包括控制系统，所述控制系统被配置来实施根据权利要求1至31中任一项所述的方法。

34.一种计算机程序产品，所述计算机程序产品包括指令，所述指令在由计算机执行时使所述计算机执行根据权利要求1至31中任一项所述的方法。

35.根据权利要求34所述的计算机程序产品，其中所述计算机程序产品是非暂时性计算机可读介质。