CN116711022A - 用于监测个体的舒适度的系统和方法 - Google Patents
用于监测个体的舒适度的系统和方法 Download PDFInfo
- Publication number
- CN116711022A CN116711022A CN202180091447.2A CN202180091447A CN116711022A CN 116711022 A CN116711022 A CN 116711022A CN 202180091447 A CN202180091447 A CN 202180091447A CN 116711022 A CN116711022 A CN 116711022A
- Authority
- CN
- China
- Prior art keywords
- user
- sleep
- sensor
- data
- devices
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 90
- 238000012544 monitoring process Methods 0.000 title description 4
- 230000007958 sleep Effects 0.000 claims abstract description 316
- 230000007613 environmental effect Effects 0.000 claims abstract description 67
- 238000002644 respiratory therapy Methods 0.000 claims description 129
- 238000010801 machine learning Methods 0.000 claims description 53
- 230000033001 locomotion Effects 0.000 claims description 47
- 230000008667 sleep stage Effects 0.000 claims description 46
- 230000000241 respiratory effect Effects 0.000 claims description 39
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 39
- 230000036541 health Effects 0.000 claims description 34
- 208000008784 apnea Diseases 0.000 claims description 31
- 230000037007 arousal Effects 0.000 claims description 31
- 229910052760 oxygen Inorganic materials 0.000 claims description 31
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 29
- 239000001301 oxygen Substances 0.000 claims description 29
- 206010021079 Hypopnoea Diseases 0.000 claims description 21
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 21
- 208000002193 Pain Diseases 0.000 claims description 14
- 239000008280 blood Substances 0.000 claims description 14
- 210000004369 blood Anatomy 0.000 claims description 14
- 230000036387 respiratory rate Effects 0.000 claims description 14
- 208000003417 Central Sleep Apnea Diseases 0.000 claims description 12
- 230000036772 blood pressure Effects 0.000 claims description 12
- 206010041235 Snoring Diseases 0.000 claims description 10
- 230000003862 health status Effects 0.000 claims description 9
- 208000006673 asthma Diseases 0.000 claims description 8
- 201000010099 disease Diseases 0.000 claims description 8
- 238000004378 air conditioning Methods 0.000 claims description 7
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 claims description 6
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 claims description 6
- 206010022000 influenza Diseases 0.000 claims description 6
- 206010022437 insomnia Diseases 0.000 claims description 6
- 230000000414 obstructive effect Effects 0.000 claims description 6
- 206010020751 Hypersensitivity Diseases 0.000 claims description 5
- 206010020772 Hypertension Diseases 0.000 claims description 5
- 230000000284 resting effect Effects 0.000 claims description 5
- 208000006011 Stroke Diseases 0.000 claims description 4
- 206010003246 arthritis Diseases 0.000 claims description 4
- 230000007177 brain activity Effects 0.000 claims description 4
- 206010012601 diabetes mellitus Diseases 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 4
- 230000004617 sleep duration Effects 0.000 claims description 4
- 206010020850 Hyperthyroidism Diseases 0.000 claims description 3
- 230000000747 cardiac effect Effects 0.000 claims description 3
- 208000020431 spinal cord injury Diseases 0.000 claims description 3
- 208000030961 allergic reaction Diseases 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 3
- 206010049816 Muscle tightness Diseases 0.000 claims 2
- 230000001154 acute effect Effects 0.000 claims 2
- 238000002567 electromyography Methods 0.000 claims 2
- 238000002570 electrooculography Methods 0.000 claims 2
- 230000004461 rapid eye movement Effects 0.000 description 40
- 230000000694 effects Effects 0.000 description 38
- 230000004622 sleep time Effects 0.000 description 29
- 206010062519 Poor quality sleep Diseases 0.000 description 26
- 238000004422 calculation algorithm Methods 0.000 description 21
- 239000012491 analyte Substances 0.000 description 16
- 238000005259 measurement Methods 0.000 description 15
- 230000001965 increasing effect Effects 0.000 description 14
- 208000035475 disorder Diseases 0.000 description 13
- 208000001797 obstructive sleep apnea Diseases 0.000 description 12
- 238000007635 classification algorithm Methods 0.000 description 11
- 206010010904 Convulsion Diseases 0.000 description 10
- 238000012549 training Methods 0.000 description 10
- 208000005793 Restless legs syndrome Diseases 0.000 description 9
- 230000008859 change Effects 0.000 description 9
- 230000004044 response Effects 0.000 description 9
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 8
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 8
- 208000023504 respiratory system disease Diseases 0.000 description 8
- 230000002459 sustained effect Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 238000002560 therapeutic procedure Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 201000002859 sleep apnea Diseases 0.000 description 7
- 230000003860 sleep quality Effects 0.000 description 7
- 206010003497 Asphyxia Diseases 0.000 description 6
- 230000006399 behavior Effects 0.000 description 6
- 239000007789 gas Substances 0.000 description 6
- 210000003205 muscle Anatomy 0.000 description 6
- 208000018360 neuromuscular disease Diseases 0.000 description 6
- 230000001052 transient effect Effects 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 206010011224 Cough Diseases 0.000 description 5
- 208000000059 Dyspnea Diseases 0.000 description 5
- 206010013975 Dyspnoeas Diseases 0.000 description 5
- 230000036461 convulsion Effects 0.000 description 5
- 208000000122 hyperventilation Diseases 0.000 description 5
- 231100000430 skin reaction Toxicity 0.000 description 5
- 208000019116 sleep disease Diseases 0.000 description 5
- 230000002889 sympathetic effect Effects 0.000 description 5
- 230000002618 waking effect Effects 0.000 description 5
- 229910002092 carbon dioxide Inorganic materials 0.000 description 4
- 239000001569 carbon dioxide Substances 0.000 description 4
- 230000036757 core body temperature Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000006461 physiological response Effects 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 238000009423 ventilation Methods 0.000 description 4
- 206010019233 Headaches Diseases 0.000 description 3
- 206010041349 Somnolence Diseases 0.000 description 3
- 238000013019 agitation Methods 0.000 description 3
- 230000007815 allergy Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 210000000038 chest Anatomy 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 210000000887 face Anatomy 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000005021 gait Effects 0.000 description 3
- 231100000869 headache Toxicity 0.000 description 3
- 230000002045 lasting effect Effects 0.000 description 3
- 230000037053 non-rapid eye movement Effects 0.000 description 3
- 230000001734 parasympathetic effect Effects 0.000 description 3
- 230000037081 physical activity Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 210000000779 thoracic wall Anatomy 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 208000008035 Back Pain Diseases 0.000 description 2
- 208000000094 Chronic Pain Diseases 0.000 description 2
- 206010020591 Hypercapnia Diseases 0.000 description 2
- 208000019695 Migraine disease Diseases 0.000 description 2
- 208000004210 Pressure Ulcer Diseases 0.000 description 2
- 206010037660 Pyrexia Diseases 0.000 description 2
- 208000004756 Respiratory Insufficiency Diseases 0.000 description 2
- 208000037656 Respiratory Sounds Diseases 0.000 description 2
- 208000003443 Unconsciousness Diseases 0.000 description 2
- 206010047924 Wheezing Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 208000005298 acute pain Diseases 0.000 description 2
- 230000036626 alertness Effects 0.000 description 2
- 208000026935 allergic disease Diseases 0.000 description 2
- 235000015123 black coffee Nutrition 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 230000036996 cardiovascular health Effects 0.000 description 2
- 235000013353 coffee beverage Nutrition 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 239000006260 foam Substances 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000003434 inspiratory effect Effects 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 206010027599 migraine Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 230000008452 non REM sleep Effects 0.000 description 2
- 238000002496 oximetry Methods 0.000 description 2
- 208000023515 periodic limb movement disease Diseases 0.000 description 2
- 229920001296 polysiloxane Polymers 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 201000004193 respiratory failure Diseases 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 206010041232 sneezing Diseases 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 230000035900 sweating Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- 239000012855 volatile organic compound Substances 0.000 description 2
- 241000238876 Acari Species 0.000 description 1
- 208000000884 Airway Obstruction Diseases 0.000 description 1
- 206010006326 Breath odour Diseases 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 208000031229 Cardiomyopathies Diseases 0.000 description 1
- 206010010071 Coma Diseases 0.000 description 1
- 208000032170 Congenital Abnormalities Diseases 0.000 description 1
- 208000002330 Congenital Heart Defects Diseases 0.000 description 1
- 208000007590 Disorders of Excessive Somnolence Diseases 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 230000005355 Hall effect Effects 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 206010021133 Hypoventilation Diseases 0.000 description 1
- 206010021143 Hypoxia Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 208000001705 Mouth breathing Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 101150089174 PTST gene Proteins 0.000 description 1
- 208000005764 Peripheral Arterial Disease Diseases 0.000 description 1
- 208000030831 Peripheral arterial occlusive disease Diseases 0.000 description 1
- 208000036284 Rhinitis seasonal Diseases 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 208000032140 Sleepiness Diseases 0.000 description 1
- 208000001435 Thromboembolism Diseases 0.000 description 1
- 206010044565 Tremor Diseases 0.000 description 1
- 206010047249 Venous thrombosis Diseases 0.000 description 1
- 208000005946 Xerostomia Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 208000007474 aortic aneurysm Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 230000001269 cardiogenic effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 208000020020 complex sleep apnea Diseases 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 208000028831 congenital heart disease Diseases 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000002939 deleterious effect Effects 0.000 description 1
- 208000037765 diseases and disorders Diseases 0.000 description 1
- 206010013781 dry mouth Diseases 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 208000018578 heart valve disease Diseases 0.000 description 1
- 208000015210 hypertensive heart disease Diseases 0.000 description 1
- 230000007954 hypoxia Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000030214 innervation Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 201000006646 mixed sleep apnea Diseases 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 208000001022 morbid obesity Diseases 0.000 description 1
- 230000004220 muscle function Effects 0.000 description 1
- 201000009240 nasopharyngitis Diseases 0.000 description 1
- 230000007171 neuropathology Effects 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000010344 pupil dilation Effects 0.000 description 1
- 238000013442 quality metrics Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000008844 regulatory mechanism Effects 0.000 description 1
- 230000004202 respiratory function Effects 0.000 description 1
- 210000003019 respiratory muscle Anatomy 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 208000004124 rheumatic heart disease Diseases 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000001020 rhythmical effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 230000004620 sleep latency Effects 0.000 description 1
- 230000037321 sleepiness Effects 0.000 description 1
- 230000037322 slow-wave sleep Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 210000001584 soft palate Anatomy 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 238000004448 titration Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000036642 wellbeing Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Anesthesiology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一种方法包括使用一个或多个传感器生成数据。该数据包括(i)与用户的环境相关的环境数据和(ii)在睡眠时段期间与用户相关联的生理数据。至少部分地基于该生理数据,确定在睡眠时段期间与用户相关联的舒适评分。该舒适评分指示在睡眠时段的至少一部分期间用户的舒适度。至少部分地基于所确定的舒适评分,调整与用户的环境相关联的一个或多个设备的设置。
Description
相关申请的交叉引用
本申请要求于2020年11月20日提交的第63/116,760号美国临时专利申请的权益和优先权,该专利在此通过引用整体并入本文。
技术领域
本公开总体上涉及用于提高环境中个体的身体舒适度的系统和方法,并且更具体地,涉及用于使用一个或多个设备来改变个体的环境以使得个体的舒适度随时间得到提高或维持的系统和方法。
背景技术
许多个体患有睡眠相关和/或呼吸障碍,如周期性肢体运动障碍(PLMD)、不宁腿综合征(RLS)、睡眠呼吸障碍(SDB)(如阻塞性睡眠呼吸暂停(OSA)、中枢性睡眠呼吸暂停(CSA)和其他类型的呼吸暂停,如混合性呼吸暂停和低通气)、呼吸努力相关觉醒(RERA)、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)、胸壁障碍和失眠症。这些障碍中的许多障碍可以使用呼吸治疗系统进行治疗,而其他障碍可以使用不同的技术进行治疗。然而,一些用户发现此类呼吸治疗系统不舒适、难以使用、昂贵、美学上无吸引力和/或不能感知到与使用该系统相关联的益处。结果,一些用户可能选择不勤勉地使用呼吸治疗系统,特别是当不使用呼吸治疗时,没有显示他们的症状的严重性。改善用户的健康和身体舒适可有助于改善勤勉。本公开旨在解决这些问题和其他问题。
发明内容
根据本公开的一些实施方式,一种方法包括使用一个或多个传感器生成数据。该数据包括(i)与用户的环境相关的环境数据和(ii)在睡眠时段期间与用户相关联的生理数据。至少部分地基于该生理数据确定在睡眠时段期间与用户相关联的舒适评分。该舒适评分指示在睡眠时段的至少一部分期间用户的舒适度。至少部分地基于所确定的舒适评分,调整与用户的环境相关联的一个或多个设备的设置。
根据本公开的一些实施方式,一种方法包括生成与用户的环境相关的环境数据。分析环境数据以确定环境数据内的一个或多个环境参数与用户的舒适评分之间的关系。所述一个或多个环境参数由一个或多个设备控制。基于该关系调整一个或多个设备的一个或多个设置,以提高用户的舒适评分。
根据本公开的一些实施方式,提供了一种用于提高或维持用户的舒适度的系统。该系统包括被配置来生成第一数据的传感器。第一数据包括(i)与用户的环境相关的第一环境数据和(ii)在睡眠时段期间与用户相关联的第一生理数据。该系统还包括与用户的环境相关联的一个或多个设备,存储机器可读指令的存储器,以及包括一个或多个处理器的控制系统,该一个或多个处理器被配置来执行这些机器可读指令以便:至少部分地基于第一生理数据,确定在睡眠时段期间与用户相关联的舒适评分,该舒适评分指示在睡眠时段的至少一部分期间用户的舒适度;以及至少部分地基于所确定的舒适评分,调整与用户的环境相关联的一个或多个设备的设置。
以上概述并不旨在表示本公开的每个实施方式或每个方面。从下面列出的详细描述和附图中可以明显看出本公开的附加特征和益处。
附图说明
图1是根据本公开的一些实施方式的系统的功能框图;
图2是根据本公开的一些实施方式的图1的系统的至少一部分、用户和床伴的透视图;
图3图示了根据本公开的一些实施方式的睡眠时段的示例性时间线;
图4图示了根据本公开的一些实施方式的与图3的睡眠时段相关联的示例性睡眠图;
图5是根据本公开的一些实施方式的用于修改用户的环境的方法的过程流程图;以及
图6是根据本公开的一些实施方式的用于在睡眠时段期间修改用户的环境的方法的过程流程图。
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限定的本公开的精神和范围内的所有修改、等同和替代。
具体实施方式
许多个体在他们的环境中寻求舒适。舒适是一种主观感觉,它可以影响个人的注意力、幸福感、精力、警觉性、压力等。由于舒适的主观性,影响舒适的选择和环境条件也随时间变化。例如,享受早晨黑咖啡的个体可能有一天培养对加奶油的咖啡的爱好。一旦培养了该爱好,个体可以变得更加舒适和/或比早晨黑咖啡偏好加奶油的咖啡。因此,将个体推向到环境中的新事物或将个体推向到新环境条件可以调整个体的偏好。尽管偏好可能是流动的,但是新培养的偏好对于个体可能不是显而易见的。
主观感受可以具有客观标记。例如,个体在温度为约24℃(约75℉)的房间中可能不舒适。在该温度下,该个体可以比平常出更多的汗。该个体可能呼吸沉重。在一些情况下,该个体的血氧水平可能略微降低。可以观察这些个体对房间温度的身体响应以确定该个体是否舒适。
在疾病或障碍、舒适和解决疾病或障碍的治疗方法之间也存在联系。这些疾病和障碍可使个体不舒适,并且这些治疗方法可用于治疗。有时,治疗方法本身也是令人不舒适的,甚至相比于感知到的疾病不舒适更是如此。本公开提供了用于总体上改善舒适的系统和方法,并且还提供了用于在睡眠相关和/或呼吸障碍的情况下改善舒适的系统和方法。睡眠相关和/或呼吸障碍仅作为实例提供。本公开可以被组合以改善其他情况下的舒适。许多个体患有睡眠相关和/或呼吸障碍。睡眠相关和/或呼吸障碍的实例包括周期性肢体运动障碍(PLMD)、不宁腿综合征(RLS)、睡眠呼吸障碍(SDB)(如阻塞性睡眠呼吸暂停(OSA)、中枢性睡眠呼吸暂停(CSA)和其他类型的呼吸暂停,如混合性呼吸暂停和低通气)、呼吸努力相关觉醒(RERA)、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)、快速眼动(REM)行为障碍(也称为RBD)、梦境演绎行为(DEB)、高血压、糖尿病、中风、失眠症和胸壁障碍。
阻塞性睡眠呼吸暂停(OSA)是睡眠障碍性呼吸(SDB)的一种形式,其特征是包括睡眠期间由异常小的上气道以及舌、软腭和后口咽壁区域中的正常肌肉张力丧失的组合引起的上气道的堵塞或阻塞的事件。更通常,呼吸暂停一般是指由空气堵塞(阻塞性睡眠呼吸暂停)或呼吸功能停止(通常称为中枢性睡眠呼吸暂停)引起的呼吸停止。通常,在阻塞性睡眠呼吸暂停事件期间,个体将停止呼吸约15秒至约30秒。
其他类型的呼吸暂停包括低通气、呼吸过度和高碳酸血症。低通气的特征通常是由气道狭窄引起的缓慢呼吸或浅呼吸,而非气道堵塞。呼吸过度的特征通常是呼吸的深度和/或速率增加。高碳酸血症的特征通常是血液中二氧化碳含量升高或过多,通常由呼吸不足引起。
潮式呼吸(CSR)是睡眠障碍性呼吸的另一种形式。CSR是患者呼吸控制器的障碍,其中存在称为CSR周期的盛衰通气的律动交替周期。CSR的特征是动脉血的重复性缺氧和复氧。
肥胖通气过度综合征(OHS)被定义为严重肥胖和清醒时慢性高碳酸血症的组合,不存在通气不足的其他已知原因。症状包括呼吸困难、晨起头痛和白天过度嗜睡。
慢性阻塞性肺病(COPD)涵盖具有某些共同特征的一组下气道疾病中的任一种,如对空气运动的阻力增加、呼吸的呼气阶段延长和肺的正常弹性丧失。
神经肌肉疾病(NMD)涵盖直接经由内在肌肉病理或间接经由神经病理损害肌肉功能的许多疾病和病痛。胸壁障碍是一组导致呼吸肌与胸廓之间无效率联接的胸廓畸形。
呼吸努力相关觉醒(RERA)事件的特征通常是持续十秒或更长的增加的呼吸努力,导致从睡眠中觉醒,并且RERA事件不满足呼吸暂停或低通气事件的标准。RERA被定义为呼吸序列,其特征是增加呼吸努力,导致从睡眠中觉醒,但RERA不满足呼吸暂停或低通气的标准。这些事件必须满足以下两个标准:(1)逐渐更负的食管压力模式,由压力突然变化到更低的负水平和觉醒而终止,以及(2)该事件持续10秒或更长。在一些实施方式中,鼻插管/压力换能器系统在RERA的检测中是足够的且可靠的。RERA检测器可以基于从呼吸治疗设备导出的实际流量信号。例如,可以基于流量信号确定流量限制测量。然后可以根据流量限制测量和通气量突然增加的测量导出觉醒测量。在转让给瑞思迈有限公司(ResMed Ltd.)的WO2008/138040和美国专利第9,358,353中描述了一种此类方法,其中的每一者的公开内容在此通过引用整体并入本文。
这些障碍和其他障碍的特征是当个体睡觉时会发生的特定事件(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、惊厥或其任何组合)。
呼吸暂停低通气指数(AHI)是用于指示睡眠时段期间睡眠呼吸暂停严重性的指数。通过用睡眠时段期间用户经历的呼吸暂停和/或低通气事件的数量除以睡眠时段中睡眠的总小时数来计算AHI。该事件例如可以是持续至少10秒的呼吸暂停。小于5的AHI被认为是正常的。大于或等于5但小于15的AHI被认为是轻度睡眠呼吸暂停的指示。大于或等于15但小于30的AHI被认为是中度睡眠呼吸暂停的指示。大于或等于30的AHI被认为是严重睡眠呼吸暂停的指示。在儿童中,AHI大于1被认为是异常的。当AHI正常时,或者当AHI正常或轻度时,睡眠呼吸暂停可被认为是“受控的”。AHI还可以与氧去饱和水平结合使用以指示阻塞性睡眠呼吸暂停的严重程度。基于用户在睡眠时段期间和呼吸治疗期间经历的呼吸暂停和/或低通气事件计算的AHI被称为“剩余”AHI。
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、一个或多个传感器130以及一个或多个用户设备170。在一些实施方式中,系统100还可选地包括呼吸治疗系统120、活动跟踪器180或其任何组合。
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的各种部件且/或分析由系统100的部件获得且/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可以包括任何合适数量的处理器(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可联接至和/或定位在例如用户设备170的壳体内、呼吸治疗系统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(在一个这种壳体内)或分散式的(在物理上不同的此类壳体的两个或更多个内)。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,此类壳体可以彼此邻近和/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,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可以包括任何合适数量的存储器设备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/或定位在呼吸治疗设备122的壳体内、用户设备170的壳体内、活动跟踪器180内、传感器130中的一个或多个的壳体内或其任何组合。与控制系统110一样,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特征信息、与用户相关联的医疗信息、自我报告用户反馈、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中记录的睡眠相关参数)或其任何组合。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、用户民族、用户地理位置、用户旅行史、关系状态、用户是否具有一只或多只宠物的状态、失眠症家族史、用户就业状态、用户教育状态、用户社会经济状态或其任何组合的信息。医疗信息可以包括例如,提示以下的信息:与用户相关联的一种或多种医疗状况、用户的药物使用或两者。医疗信息数据还可以包括Epworth嗜睡评分(ESS)、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。医疗信息数据可以包括来自多导睡眠监测(PSG)测试、CPAP滴定或家庭睡眠测试(HST)中的一者或多者的结果、来自一个或多个睡眠时段的呼吸治疗系统设置、来自一个或多个睡眠时段的睡眠相关呼吸事件或其任何组合。自我报告的用户反馈可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何组合的信息。
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。所接收的数据,如生理数据、流量数据、压力数据、运动数据、声学数据等,可用于确定和/或计算生理参数。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、Wi-Fi通信协议、蓝牙通信协议、IR通信协议、通过蜂窝网络、通过任何其他光通信协议等)与一个或多个传感器130进行通信。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)、收发器或其任何组合。电子接口119还可以包括与本文描述的处理器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。在其他实施方式中,电子接口119联接至控制系统110和/或存储器设备114,或者与控制系统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可选地包括呼吸治疗系统120。呼吸治疗系统120可以包括呼吸压力治疗(RPT)设备122(在本文中称为呼吸设备或呼吸治疗设备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或其任何组合。在一些实施方式中,控制系统110、存储器设备114、显示设备128、传感器130中的一个或多个和湿化罐129是呼吸治疗设备122的一部分。呼吸压力治疗是指在用户的整个呼吸周期中,以相对于大气而言在标称上是正(例如,与如罐式呼吸机或胸甲的负压治疗方法相反)的受控目标压力向用户的气道入口处供应空气的应用。呼吸治疗系统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。
呼吸治疗设备122通常用于生成递送到用户的加压空气(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,呼吸治疗设备122生成连续恒定的空气压力,该空气压力递送到用户。在其他实施方式中,呼吸治疗设备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,呼吸治疗设备122被配置成在预定范围内生成多种不同的空气压力。例如,呼吸治疗设备122可递送压力为至少约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等的加压空气。呼吸治疗设备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,同时维持正压(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治疗设备122递送到用户的气道,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期间的氧气摄入。通常,用户接口124接合用户的面部,使得加压空气经由用户的嘴、用户的鼻子或用户的嘴和鼻子两者递送到用户的气道。呼吸治疗设备122、用户接口124和导管126一起形成与用户的气道流体联接的空气通路。加压空气还增加了睡眠期间用户的氧气摄入。
根据要施加的治疗,用户接口124可以例如,与用户的面部的区域或部分形成密封,以便于在随着环境压力有足够变化的压力下,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,如氧递送,用户接口可以不包括足以便于在约10cm H2O的正压下将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,在一些实施方式中,用户接口124是向用户的鼻子提供空气的鼻罩或将空气直接递送到用户的鼻孔的鼻枕罩。用户接口124可以包括用于将接口定位和/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),以及帮助在用户接口124和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包括咬嘴(例如,模制成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)允许空气在呼吸治疗系统120的两个部件(如呼吸治疗设备122和用户接口124)之间流动。在一些实施方式中,可以存在用于吸入和呼出的导管的单独分支。在其他实施方式中,单个分支导管用于吸入和呼出。
呼吸治疗设备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含有一个或多个传感器(例如,压力传感器、流量传感器、湿度传感器、温度传感器或本文所述的更通常的任何其他传感器130)。这些一个或多个传感器可用于例如测量由呼吸治疗设备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/或关于呼吸治疗设备122的信息。例如,显示设备128可以提供关于呼吸治疗设备122的状态的信息(例如,呼吸治疗设备122是否开/关、由呼吸治疗设备122递送的空气的压力、由呼吸治疗设备122递送的空气的温度等)和/或其他信息(例如,睡眠评分和/或治疗评分(如myAirTM评分,如在WO 2016/061629中所述,该专利在此通过引用整体并入本文)、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GUI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治疗设备122交互的人类用户做出的输入的任何传感器系统。
湿化罐129联接至呼吸治疗设备122或集成在呼吸治疗设备122中。湿化罐129包括可用于湿化从呼吸治疗设备122递送的加压空气的储水器。呼吸治疗设备122可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。另外,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到用户的加压空气。湿化罐129可以流体地联接至空气通路的水蒸气入口,并经由水蒸气入口将水蒸气递送到空气通路中或者可以与空气通路成直线地形成作为空气通路本身的一部分。在其他实施方式中,呼吸治疗设备122或导管126可以包括无水加湿器。无水加湿器可并入与定位在系统100中别处的其他传感器接合的传感器。
呼吸治疗系统120可用作例如,呼吸机或气道正压通气(PAP)系统(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))、高流量治疗(HFT)系统或其任何组合。CPAP系统将预定空气压力(例如,由睡眠医生确定)递送到用户。APAP系统基于例如,与用户相关联的呼吸数据来自动改变递送到用户的空气压力。BPAP系统或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)。HFT系统通常以在整个呼吸周期中保持大致恒定的“治疗流量”通过未密封或打开的患者接口向气道的入口提供连续的、加热的、湿化的空气流。该治疗流量在标称上设置为超过该患者的峰值吸气流量。
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。呼吸治疗系统120的用户210和床伴220位于床230且躺在床垫232上。用户接口124是覆盖用户210的鼻子和嘴的脸罩(例如,全面罩)。替代地,用户接口124可以是向用户210的鼻子提供空气的鼻罩或将空气直接递送到用户210的鼻孔的鼻枕罩。用户接口124可以包括用于将接口定位和/或稳定在用户210的一部分(例如,面部)上的多个带(例如,包括钩环紧固件),以及帮助在用户接口124与用户210之间提供气密密封的适形缓冲垫(例如,硅酮、塑料、泡沫等)。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是用于将加压空气引导到用户210的嘴中的咬嘴(例如,模制成符合用户的牙齿的夜用防护咬嘴、下颌复位设备等)。
用户接口124经由导管126流体联接和/或连接到呼吸治疗设备122。呼吸治疗设备122又经由导管126和用户接口124将加压空气递送到用户210,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期间闭合和/或变窄。呼吸治疗设备122可定位在如图2所示直接邻近床230的床头柜240上,或者更通常,定位在大体邻近床230和/或用户210的任何表面或结构上。
通常,相比于不使用呼吸治疗系统120(特别是当用户患有睡眠呼吸暂停或其他睡眠相关障碍时),被规定使用呼吸治疗系统120的用户在睡眠期间使用呼吸治疗系统120之后的一天期间会倾向于经历更高质量的睡眠和更少的疲劳。例如,用户210可能患有阻塞性睡眠呼吸暂停且依靠用户接口124(例如,全面罩)经由导管126从呼吸治疗设备122递送加压空气。呼吸治疗设备122可以是持续气道正压通气(CPAP)机,该CPAP机用于增加用户210的喉咙中的空气压力以防止气道在睡眠期间闭合和/或变窄。对于具有睡眠呼吸暂停的人,他们的气道在睡眠期间可能变窄或塌陷,这种情况会减少氧气摄入并迫使他们醒来和/或以其他方式扰乱他们的睡眠。CPAP机防止气道变窄或塌陷,从而使由于氧气摄入减少而醒来或受到干扰的情况最小化。虽然呼吸治疗设备122在睡眠期间努力维持医学上规定的一种或多种空气压力,但用户可能由于治疗经历睡眠不舒适。
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、光电容积图(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、水分传感器176、光检测和测距(LiDAR)传感器178、皮肤电传感器、加速度计、眼电图(EOG)传感器、光传感器、湿度传感器、空气质量传感器或其任何组合。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。
尽管一个或多个传感器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、光电容积图(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、水分传感器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可以包括本文所述和/或所示的传感器中的每一个的任何组合和任何数量。
如本文所述,系统100通常可用于在睡眠时段之前、期间和/或之后生成与用户(例如,图2中所示的呼吸治疗系统120的用户)相关联的数据(例如,生理数据、流量数据、压力数据、运动数据、声学数据等)。可以分析所生成的数据以生成一个或多个生理参数(例如,在睡眠时段之前、期间和/或之后)和/或睡眠相关参数(例如,在睡眠时段期间),这些参数可以包括与用户相关的任何参数、测量等。一个或多个生理参数的实例包括呼吸模式、呼吸速率、吸气幅度、呼气幅度、心率、心率变异性、呼吸之间的时间长度、最大吸气时间、最大呼气时间、强制呼吸参数(例如,区分释放呼吸与强制呼出)、呼吸变异性、呼吸形态(例如,一个或多个呼吸的形状)、用户210的移动、温度、EEG活动、EMG活动、ECG数据、交感神经响应参数、副交感神经响应参数等。在睡眠时段期间可以为用户210确定的一个或多个睡眠相关参数包括,例如,呼吸暂停低通气指数(AHI)评分、睡眠评分、治疗评分、流量信号、压力信号、呼吸信号、呼吸模式、呼吸速率、吸气幅度、呼气幅度、吸气-呼气比、每小时的事件数量(例如,呼吸暂停事件)、事件模式、睡眠状态和/或睡眠阶段、心率、心率变异性、用户210的移动、温度、EEG活动、EMG活动、觉醒、打鼾、窒息、咳嗽、口哨、喘息或其任何组合。
一个或多个传感器130可用于生成例如生理数据、音频数据或两者。控制系统110可以使用由传感器130中的一个或多个生成的生理数据来确定用户210的睡眠持续时间和睡眠质量。例如,在睡眠时段期间与用户210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种或多种睡眠状态,包括睡眠、觉醒、放松的觉醒、微唤醒或不同的睡眠阶段,如快速眼动(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”)或其任何组合。例如,在WO 2014/047310、US 2014/0088373、WO 2017/132726、WO 2019/122413和WO 2019/122414中描述了用于根据由传感器中的一个或多个(如传感器130)生成的生理数据来确定睡眠状态和/或睡眠阶段的方法,这些专利中的每一个在此通过引用整体并入本文。
还可以对睡眠-觉醒信号加时间戳以确定用户入床的时间、用户离开床的时间、用户试图入睡的时间等。睡眠-觉醒信号可由一个或多个传感器130在睡眠时段期间以预定取样速率(例如,每秒一个样本、每30秒一个样本、每分钟一个样本等)测量。在一些实施方式中,睡眠-觉醒信号还可以指示睡眠时段期间的呼吸信号、呼吸速率、吸气幅度、呼气幅度、吸气-呼气比、每小时的事件数量、事件模式、呼吸治疗设备122的压力设置或其任何组合。
事件可包括打鼾、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、嘴泄漏、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、心率变化、呼吸困难、哮喘发作、癫痫发作、惊厥、发烧、咳嗽、打喷嚏、打鼾、喘息、如普通感冒或流感的疾病的存在或其任何组合。在一些实施方式中,嘴泄漏可以包括连续嘴泄漏或阀状嘴泄漏(即,在呼吸持续时间上变化),其中用户的嘴唇(通常使用鼻罩/鼻枕罩)在呼气时突然打开。嘴泄漏可导致口干、口臭,并且有时俗称“砂纸口”。
可以在睡眠时段期间基于睡眠-觉醒信号为用户确定的一个或多个睡眠相关参数包括例如睡眠质量度量,如总卧床时间、总睡眠时间、睡眠开始等待时间、睡眠开始后觉醒参数、睡眠效率、分段指数或其任何组合。
由一个或多个传感器130生成的数据(例如,生理数据、流量数据、压力数据、运动数据、声学数据等)也可用于确定呼吸信号。呼吸信号通常指示用户的呼吸或呼吸情况。呼吸信号可以指示呼吸模式,该呼吸模式可以包括例如呼吸速率、呼吸速率变异性、吸气幅度、呼气幅度,吸气-呼气比和其他呼吸相关参数,以及其任何组合。在一些情况下,在睡眠时段期间,呼吸信号可以包括每小时的事件数量(例如,在睡眠期间)、事件模式、呼吸治疗设备122的压力设置或其任何组合。事件可包括打鼾、呼吸暂停(例如,中枢性呼吸暂停、阻塞性呼吸暂停、混合性呼吸暂停和低通气)、嘴泄漏、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、惊厥或其任何组合。
通常,睡眠时段包括用户210已经躺在或坐在床230(或他们打算睡觉的另一区域或对象)中,和/或已经打开呼吸治疗设备122和/或戴上用户接口124之后的任何时间点。睡眠时段因此可以包括时间段(i)当用户210正在使用CPAP系统但在用户210试图入睡之前(例如,当用户210躺在床230上看书时);(ii)当用户210开始尝试入睡但仍清醒时;(iii)当用户210处于浅睡眠(也称为非快速眼动(NREM)睡眠的阶段1和阶段2)时;(iv)当用户210处于深睡眠(也称为慢波睡眠、SWS或NREM睡眠的阶段3)时;(v)当用户210处于快速眼动(REM)睡眠时;(vi)当用户210在浅睡眠、深睡眠或REM睡眠之间周期性清醒时;或(vii)当用户210醒来且不再再次入睡时。
睡眠时段通常被定义为一旦用户210移除用户接口124、关闭呼吸治疗设备122和/或离开床230就结束。在一些实施方式中,睡眠时段可以包括附加时间段,或者可以限制到仅以上公开的时间段中的一些。例如,可以将睡眠时段定义为涵盖一个时间段,所述时间段在呼吸治疗设备122开始向气道或用户210供应加压空气时开始,在呼吸治疗设备122停止向用户210的气道供应加压空气时结束,以及包括在用户210入睡或清醒时之间的一些或全部时间点。
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是生成指示呼吸治疗系统120的用户的呼吸(例如,吸入和/或呼出)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可以联接至呼吸治疗设备122、用户接口124或导管126,或集成在其中。压力传感器132可用于确定呼吸治疗设备122中的空气压力、导管126中的空气压力、用户接口124中的空气压力其任何组合。压力传感器132可以是例如电容传感器、电磁传感器、电感传感器、电阻传感器、压电传感器、应变仪传感器、光学传感器、电位传感器或其任何组合。在一个实例中,压力传感器132可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用于确定来自呼吸治疗设备122的空气流量、通过导管126的空气流量、通过用户接口124的空气流量或其任何组合。在此类实施方式中,流量传感器134可以联接至呼吸治疗设备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,如旋转流量计(例如,霍尔效应流量计)、涡轮流量计、孔口流量计、超声流量计、热线传感器、涡流传感器、膜传感器或其任何组合。
流量传感器134可用于在睡眠时段期间生成与呼吸治疗设备122的用户210(图2)相关联的流量数据。在WO 2012/012835中描述了流量传感器(如流量传感器134)的实例,该专利在此通过引用整体并入本文。在一些实施方式中,流量传感器134被配置成测量通气流量(例如,有意的“泄漏”)、无意的泄漏(例如,面罩泄漏和/或嘴泄漏,如在WO 2021/152526中描述的根据流量信号检测嘴泄漏,该专利在此通过引用整体并入本文)、患者流量(例如,空气进入和/或离开肺)或其任何组合。在一些实施方式中,可以分析流量数据以确定用户的心原性振动。
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、从呼吸治疗设备122和/或通过导管126流动的空气的温度、用户接口124中的空气的温度、环境温度或其任何组合的温度数据。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何组合。
运动传感器138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分析的运动数据。运动传感器138可用于在睡眠时段期间检测用户210的移动,和/或检测呼吸治疗系统120的任何部件(如呼吸治疗设备122、用户接口124或导管126)的移动。运动传感器138可以包括一个或多个惯性传感器,如加速度计、陀螺仪和磁力计。在一些实施方式中,运动传感器138替代地或附加地生成表示用户的身体移动的一个或多个信号,从该一个或多个信号可以获得表示用户的睡眠状态或睡眠阶段的信号;例如,经由用户的呼吸运动。在一些实施方式中,来自运动传感器138的运动数据可以与来自另一传感器130的附加数据结合使用,以确定用户的睡眠状态或睡眠阶段。在一些实施方式中,运动数据可用于确定用户的位置、身体位置和/或身体位置的变化。
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可以联接至呼吸治疗设备122、用户接口124、导管126或用户设备170,或集成在其中。在一些实施方式中,系统100包括多个麦克风(例如,两个或更多个麦克风和/或具有波束成形的麦克风阵列),使得由多个麦克风中的每一个生成的声音数据可用于区分由多个麦克风中的另一个生成的声音数据。
扬声器142输出声波。在一个或多个实施方式中,声波对于系统100的用户是可听见的(例如,图2的用户210)或对于系统的用户是听不见的(例如,超声波)。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,响应于所识别的身体位置和/或身体位置的变化)。在一些实施方式中,扬声器142可用于将由麦克风140生成的音频数据传达给用户。扬声器142可以联接至呼吸治疗设备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(例如,SONAR传感器),如在例如WO 2018/050913和WO2020/104465中所描述的,这些专利中的每一个在此通过引用整体并入本文。在此类实施方式中,扬声器142以预定间隔和/或频率生成或发射声波,并且麦克风140检测来自扬声器142的所发射的声波的反射。在一个或多个实施方式中,由扬声器142生成或发射的声波可以具有人耳听不见的频率(例如,低于20Hz或高于约18kHz),以便不干扰用户210或床伴220(图2)的睡眠。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/或睡眠相关参数中的一个或多个(例如,所识别的身体位置和/或身体位置的变化)和/或本文所述的呼吸相关参数,例如呼吸模式、呼吸信号(例如,根据呼吸信号可以确定呼吸形态)、呼吸速率、吸气幅度、呼气幅度、吸气-呼气比、每小时的事件数量、事件模式、睡眠状态、睡眠阶段或其任何组合。在该环境中,声纳传感器可以理解为涉及主动声学传感,如通过生成/发射通过空气的超声或低频超声传感信号(例如,在约17至23kHz、18至22kHz或17至18kHz的频率范围内)。这种系统可以相对于上述WO2018/050913和WO 2020/104465来考虑。
在一些情况下,麦克风140和/或扬声器142可并入到单独的设备中,如身体佩戴式设备,如一个或一组耳机或头戴式耳机。在一些情况下,这种设备可以包括一个或多个传感器130中的其他传感器。
在一些实施方式中,传感器130包括(i)第一麦克风,该第一麦克风与麦克风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,该第二麦克风与麦克风140相同或类似,但是与集成在声学传感器141中的第一麦克风分离且不同。
RF发射器148生成且/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/或身体位置和/或本文所述的一个或多个睡眠相关参数。RF接收器(RF接收器146和RF发射器148或另一RF对)也可用于控制系统110、呼吸治疗设备122、一个或多个传感器130、用户设备170或其任何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中被示为分离且不同的元件,但是在一些实施方式中,RF接收器146和RF发射器148组合为RF传感器147(例如,RADAR传感器)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Wi-Fi、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Wi-Fi网格系统,该Wi-Fi网格系统可以包括网格节点、(一个或多个)网格路由器和(一个或多个)网格网关,它们中的每一者都可以是移动的/可移动的或固定的。在此类实施方式中,Wi-Fi网格系统包括Wi-Fi路由器和/或Wi-Fi控制器以及一个或多个卫星(例如,接入点),该一个或多个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。Wi-Fi路由器和卫星使用Wi-Fi信号彼此连续通信。Wi-Fi网格系统可用于基于路由器和卫星之间的Wi-Fi信号中的变化(例如,接收信号强度中的差异)来生成运动数据,该Wi-Fi信号中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。运动数据可以指示运动、呼吸、心率、步态、跌倒、行为等或其任何组合。
相机150输出可再现为可存储在存储器设备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使用以确定本文所描述的睡眠相关参数中的一个或多个。来自相机150的图像数据可由控制系统110用于确定本文所述的睡眠相关参数中的一个或多个,例如一个或多个事件(例如,周期性肢体运动或不宁腿综合征)、呼吸信号、呼吸速率、吸气幅度、呼气幅度、吸气-呼气比、每小时的事件数量、事件模式、睡眠状态、睡眠阶段或其任何组合。此外,来自相机150的图像数据可用于识别用户的位置和/或身体位置、确定用户210的胸部移动、确定用户210的嘴和/或鼻子的气流、确定用户210入床230(图2)的时间,以及确定用户210离开床230的时间。相机150还可用于跟踪眼睛移动、瞳孔放大(假设用户210的一只或两只眼睛睁开)、眨眼率或REM睡眠期间的任何变化。
红外(IR)传感器152输出可再现为可存储在存储器设备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,该生理数据可用于确定一个或多个睡眠相关参数,如心率、心率模式、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、所估计的血压参数或其任何组合。PPG传感器154可由用户210佩戴,嵌入在由用户210穿着的衣服和/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。在一些情况下,PPG传感器154可以是能够远距离进行PPG的非接触PPG传感器。在一些情况下,PPG传感器154可用于确定脉搏到达时间(PAT)。PAT可以是脉搏波从心脏传播到身体上的远端位置(如手指或其他位置)所需的时间间隔的确定。换言之,可以通过测量ECG的R波和PPG的峰值之间的时间间隔来确定PAT。在一些情况下,PPG信号中的基线变化可用于导出呼吸信号,并且因此导出呼吸信息,如呼吸速率。在一些情况下,PPG信号可以提供SpO2数据,该SpO2数据可用于检测睡眠相关障碍,如OSA。
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的生理数据可用于例如确定本文所述的睡眠相关参数中的一个或多个。在一些情况下,ECG电迹线中的幅度和/或形态变化可用于识别呼吸曲线,并且因此识别呼吸信息,如呼吸速率。
在一些情况下,ECG信号和/或PPG信号可以与副交感神经和/或交感神经支配的次级估计一起使用,如经由皮肤电反应(GSR)传感器。此类信号可用于识别实际发生的呼吸曲线,以及它对个体的压力水平是否有积极、中性或消极的影响。
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的生理数据可用于例如在睡眠时段期间的任何给定时间确定用户210的睡眠状态或睡眠阶段。在一些实施方式中,EEG传感器158可以集成在用户接口124和/或相关联的头戴设备(例如,带等)中。
电容传感器160、力传感器162和应变仪传感器164输出数据,该数据可以存储在存储器设备114中且由控制系统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。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输出指示以下的氧数据:气体(例如,在导管126中或在用户接口124处)的氧浓度。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何组合。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何组合。
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测用户210的嘴呼吸。在其他实施方式中,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的鼻子呼出的呼吸中的分析物。在更多其他实施方式中,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可以用于检测是否有任何空气无意中从用户210的嘴泄漏。在一些实施方式中,分析物传感器174是挥发性有机化合物(VOC)传感器,该VOC传感器可以用于检测碳基化学品或化合物。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是面罩的实施方式中)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。
水分传感器176输出可以存储在存储器设备114中并由控制系统110使用的数据。水分传感器176可用于检测围绕用户的各个区域中的水分(例如,在导管126或用户接口124内部、在用户210的面部附近、在导管126和用户接口124之间的连接附近、在导管126和呼吸治疗设备122之间的连接附近等)。因此,在一些实施方式中,水分传感器176可以定位在用户接口124中或导管126中以监测来自呼吸治疗设备122的加压空气的湿度。在其他实施方式中,水分传感器176放置在需要监测水分水平的任何区域附近。水分传感器176还可用于监测围绕用户210的周围环境的湿度,例如,用户210的卧室内部的空气。水分传感器176还可用于跟踪用户210对环境变化的生物特征响应。
一个或多个光检测和测距(LiDAR)传感器178可用于深度传感。这种类型的光学传感器(例如,激光传感器)可用于检测受试者并构建周围环境(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。在使用这种传感器的实例中,具有LiDAR传感器178的固定或移动设备(如智能手机)可以测量和映射从传感器延伸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对RADAR系统建立地理围栏,如玻璃窗(其可以是对RADAR高度反射的)。例如,LiDAR还可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,无线电半透明材料),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。
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、声纳传感器、RADAR传感器、血糖传感器、颜色传感器、pH传感器、空气质量传感器、倾斜传感器、定向传感器、雨传感器、土壤水分传感器、水流传感器、酒精传感器或其任何组合。
虽然在图1中单独示出,但是一个或多个传感器130的任何组合可以集成在系统100的部件中的任何一个或多个中和/或联接至系统100的部件中的任何一个或多个,这些部件包括呼吸治疗设备122、用户接口124、导管126、湿化罐129、控制系统110、用户设备170或其任何组合。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集成在呼吸治疗设备122中和/或联接至呼吸治疗设备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治疗设备122、控制系统110或用户设备170,并且在睡眠时段期间定位在大体邻近用户210的位置处(例如,定位在用户210的一部分上或与用户210的一部分接触、由用户210佩戴、联接至床头柜或定位在床头柜上、联接至床垫、联接至天花板等)。
可以分析来自一个或多个传感器130的数据以确定一个或多个生理参数,这些生理参数可以包括呼吸信号、呼吸速率、呼吸模式或形态、呼吸速率变异性、吸气幅度、呼气幅度、吸气-呼气比、呼吸之间的时间长度、最大吸气时间、最大呼气时间、强制呼吸参数(例如,区分释放呼吸与强制呼出)、一个或多个事件的发生、每小时的事件数量、事件模式、睡眠状态、睡眠阶段、呼吸暂停低通气指数(AHI)、心率、心率变异性、用户210的移动、温度、EEG活动、EMG活动、ECG数据、交感神经响应参数、副交感神经响应参数或其任何组合。一种或多种事件可包括打鼾、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、有意的面罩泄漏、无意的面罩泄漏、嘴泄漏、咳嗽、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、血压增加或其任何组合。这些生理参数中的许多参数是睡眠相关参数,尽管在一些情况下可以分析来自一个或多个传感器130的数据以确定一个或多个非生理参数,如非生理睡眠相关参数。非生理参数还可以包括呼吸治疗系统的操作参数,包括流量、压力、加压空气的湿度、马达的速度等。还可以根据来自一个或多个传感器130的数据或根据其他类型的数据来确定其他类型的生理和非生理参数。
用户设备170(图1)包括显示设备172。用户设备170例如可以是例如移动设备,如智能电话、平板电脑、膝上型电脑等。替代地,用户设备170可以是外部传感系统、电视(例如,智能电视)或另一智能家庭设备(例如,智能扬声器,如Google Nest Hub、Google Home、Amazon Show、Amazon Echo、AlexaTM使能设备等)。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充当人机界面(HMI),该HMI包括被配置成显示图像的图形用户界面(GUI)和输入界面。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。
活动跟踪器180通常用于帮助生成用于确定与用户相关联的活动测量的生理数据。活动测量可以包括例如步数、行进的距离、爬升的步数、体力活动的持续时间、体力活动的类型、体力活动的强度、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、血氧饱和度水平(SpO2)、皮肤电活动(也称为皮肤电导或皮肤电反应)、用户的位置、用户的姿势或其任何组合。活动跟踪器180包括本文描述的传感器130中的一个或多个,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180是可以由用户佩戴的可佩戴设备,如智能手表、腕带、戒指或贴片。例如,参考图2,活动跟踪器180佩戴在用户210的手腕上。活动跟踪器180还可以联接至用户穿着的衣物或衣服或集成在其中。替代地,活动跟踪器180还可以联接至用户设备170或集成在用户设备170中(例如,在同一壳体内)。更通常,活动跟踪器180可以与控制系统110、存储器114、呼吸治疗系统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)。
系统100还包括影响用户的环境的一个或多个外部设备190。在一些实施方式中,设备190可以包括呼吸治疗系统120。在一些实施方式中,设备190可以包括活动跟踪器180。在一些实施方式中,设备190可以包括用户设备170。设备190可以包括恒温器、空调系统、风扇、加热器、照明系统、扬声器、机动化百叶窗、机动化窗帘、湿化系统、按摩系统、床振动系统、可调整床架、可调整枕头、可调整床垫、床温度调节系统、可调整床单或毯子系统或其任何组合。设备190可以包括房间的门、房间的窗户、百叶窗或窗帘等。设备190可以允许用户的环境的自动调整(例如,将恒温器自动设置为特定温度以调整用户周围的环境温度)。设备190可以手动调整(例如,可以在用户设备170上提示用户关闭百叶窗)。照明系统可以包括智能百叶窗。
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的单独且不同的部件,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、活动跟踪器180、外部设备190和/或呼吸治疗设备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何组合)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施方式,在用于修改用户的环境的系统中可以包括更多或更少的部件。例如,第一替代系统包括控制系统110、存储器设备114、设备190和一个或多个传感器130中的至少一个。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、设备190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、呼吸治疗系统120、一个或多个传感器130中的至少一个、活动跟踪器180、设备190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300包括入床时间(t入床)、进入睡眠时间(tGTS)、初始睡眠时间(t睡眠)、第一微唤醒MA1和第二微唤醒MA2、醒来时间(t觉醒)和起床时间(t起床)。
如本文所使用的,可以以多种方式定义睡眠时段。例如,睡眠时段可以由初始开始时间和结束时间来定义。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,用户清醒的任意时段都不被包括在睡眠时段中。根据睡眠时段的该第一定义,如果用户在同一夜晚多次醒来和入睡,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,用户就可以醒来,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,或任何其他阈值百分比。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,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,或任何其他时间量。
在一些实施方式中,睡眠时段被定义为在晚上用户首先入床的时间与第二天早上用户最后下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入床想要进入睡眠时(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离开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上显示的一个或多个用户可选元素来手动发起或终止睡眠时段。
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入床时间t入床,以在用户为了睡眠入床的时间与用户出于其他原因(例如,看电视)入床的时间之间进行区分。例如,床阈值持续时间可以是至少约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入床时间t入床,但更通常,入床时间t入床可以指用户初始进入任何位置(例如,睡椅、椅子、睡袋等)以睡眠的时间。
进入睡眠时间(GTS)与用户在入床(t入床)之后初始试图入睡的时间相关联。例如,在入床之后,用户可以参与一个或多个活动以在尝试睡觉之前放松一下(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。
醒来时间t觉醒是与用户醒来而不再次入睡(例如,与用户在半夜醒来并再次入睡相反)的时间相关联的时间。用户在最初入睡后可能经历具有短持续时间(例如,4秒、10秒、30秒、1分钟等)的一次或多次无意识微唤醒(例如,微唤醒MA1和MA2)。与醒来时间t觉醒相反,用户在微唤醒MA1和MA2中的每一者之后再次入睡。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、梦游等)。然而,用户在唤醒A之后返回睡眠。因此,醒来时间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远离床以结束睡眠时段(例如,与用户在夜间起床去浴室、照顾儿童或宠物、梦游等相反)的时间相关联。换句话说,起床时间t起床是用户最后下床而不返回床直到下一个睡眠时段(例如,下一个晚上)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入床时间t入床时间。
如上所述,在初始t入床与最终t起床之间的夜间,用户可以醒来并下床一次以上。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醒来时间t觉醒和/或最终起床时间t起床。此类阈值持续时间可以为用户定制。对于在晚上入床,然后在早上醒来和下床的标准用户,可以使用约12至约18小时的任何时段(在用户醒来(t觉醒)或起床(t起床)与用户入床(t入床)、进入睡眠(tGTS)或入睡(t睡眠)之间)。对于在床上花费较长时段的用户,可以使用较短的阈值时段(例如,在约8小时和约14小时之间)。可以基于监测用户睡眠行为的系统初始地选择和/或稍后调整阈值时段。
总卧床时间(TIB)是入床时间t入床和起床时间t起床之间的持续时间。总睡眠时间(TST)与初始睡眠时间和醒来时间之间的持续时间相关联,不包括其间的任何有意识或无意识的唤醒和/或微唤醒。通常,总睡眠时间(TST)会比总卧床时间(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睡眠与醒来时间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)的时段。例如,预定初始部分可以为约30秒至约20分钟、约1分钟至约10分钟、约3分钟至约5分钟等。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入床时间(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)开始并在醒来时间(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(tGTS)开始并在醒来时间(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(tGTS)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入床时间(t入床)开始并在醒来时间(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300(图3)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至440中的一个之间的相交指示在睡眠时段期间任何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,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阶段或其任何组合。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,并且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,但在一些实施方式中,睡眠图400可以包括针对第一非REM阶段、第二非REM阶段和第三非REM阶段中的每一者的轴。在其他实施方式中,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、每小时的事件数量、事件模式或其任何组合。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,如睡眠开始等待时间(SOL)、睡眠开始后觉醒(WASO)、睡眠效率(SE)、睡眠分段指数、睡眠块或其任何组合。
睡眠开始等待时间(SOL)被定义为进入睡眠时间(tGTS)与初始睡眠时间(t睡眠)之间的时间。换句话说,睡眠开始等待时间指示用户在初始试图入睡之后实际入睡所花费的时间。在一些实施方式中,睡眠开始等待时间被定义为持续睡眠开始等待时间(PSOL)。持续睡眠开始等待时间与睡眠开始等待时间的不同之处在于,持续睡眠开始等待时间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/或觉醒不超过2分钟的REM阶段、第一非REM阶段和/或其间的移动内至少10分钟的睡眠。换句话说,持续睡眠开始等待时间需要在第二非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何微唤醒(例如,十秒微唤醒不重新开始10分钟时段)。
睡眠开始后觉醒(WASO)与用户在初始睡眠时间与醒来时间之间清醒的总持续时间相关联。因此,睡眠开始后觉醒包括睡眠时段期间的短暂觉醒和微唤醒(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,睡眠开始后觉醒(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开始后觉醒(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入床并花费时间参与其他活动(例如,看电视),则睡眠效率将降低(例如,用户被罚分)。在一些实施方式中,可以基于总卧床时间(TIB)和用户试图睡觉的总时间来计算睡眠效率(SE)。在此类实施方式中,用户试图睡觉的总时间被定义为进入睡眠(GTS)时间与本文描述的起床时间之间的持续时间。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,则在此类实施方式中,睡眠效率参数计算为约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入床时间(t入床)、进入睡眠时间(tGTS)、初始睡眠时间(t睡眠)、一个或多个第一微唤醒(例如,MA1和MA2)、醒来时间(t觉醒)、起床时间(t起床)或其任何组合。
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入床时间(t入床)、进入睡眠时间(tGTS)、初始睡眠时间(t睡眠)、一个或多个第一微唤醒(例如MA1和MA2)、醒来时间(t觉醒)、起床时间(t起床)或其任何组合,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或其任何组合生成的数据来确定入床时间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,指示用户关闭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,指示用户打开呼吸治疗设备122的数据、指示用户戴上用户接口124的数据等)或其任何组合来确定进入睡眠时间。
参考图5,图示了根据本公开的一些实施方式的用于调整用户的环境中的设置的方法500。方法500的一个或多个步骤或各方面可以使用本文描述的系统100的任何部分或方面来实施。
方法500的步骤502包括生成与用户的环境相关的环境数据。该环境数据可以由图1的一个或多个传感器130中的任一个生成。环境数据包括一个或多个环境参数的值。例如,环境数据包括指示用户的环境的温度、用户的环境的湿度、用户的环境的亮度、用户的环境中的噪声水平、用户的环境中的噪声模式或其任何组合的值或数据。噪声模式可以包括噪声的频率、噪声的类型(例如,由强风、间歇和不规则的汽车喇叭、规则的烟雾报警蜂鸣提醒器等生成的噪声)。噪声水平和/或模式可以包括由于呼吸系统的操作而产生的噪声,如马达噪声、呼吸(经由用户接口)声音、面罩泄漏、嘴泄漏等。此类噪声可以由麦克风检测,如智能扬声器、智能电话中的麦克风,或在如本文所述的呼吸治疗设备内或者除此之外与呼吸治疗设备相关联的麦克风。在一些实施方式中,环境的温度通过恒温器(例如中央空调系统的恒温器)、温度计等获得。该温度可以引用或测量为华氏、摄氏、开尔文等。在一些实施方式中,环境的湿度通过湿度计获得。空气质量传感器可以确定空气中的微粒或二氧化碳、一氧化碳或任何其他气体。在一些实施方式中,环境的亮度通过光敏电阻器、光敏电阻或任何其他光传感器来获得。用户的环境可以包括起居室、卧室、办公空间,餐厅等。
方法500的步骤504包括分析来自步骤502的环境数据以确定环境数据内的一个或多个环境参数与用户的舒适评分之间的关系。该一个或多个环境参数可以包括用户的环境的温度、用户的环境的湿度、用户的环境的亮度、用户的环境中的噪声水平、用户的环境中的噪声模式或其任何组合。
用户的舒适评分指示用户的舒适度。在一些实施方式中,主观输入指示用户的舒适评分。例如,用户可以指示她有多舒适的数字评级。可以在例如1至10、1至20、1至30、1至100等的标度上测量数字评级。数字评级可以是二进制的,例如,舒适或不舒适、快乐或悲伤等。在一些实施方式中,用户设备170提示用户在指示用户舒适的表情符号之间进行选择,如笑脸或悲伤脸。笑脸可以指示舒适,而悲伤脸可以指示不舒适。在一些实施方式中,如ESS、MSLT、PSQI等的测试可以捕获主观的睡眠相关和舒适相关的数据,以通知舒适评分的确定。在一些实施方式中,测试结果被采纳为舒适评分或作为舒适评分的一部分。
在一些实施方式中,使用来自一个或多个传感器130的客观输入来确定舒适评分。来自一个或多个传感器130的客观输入可以指示用户的舒适度。例如,在睡眠期间用户的过度移动/躁动可以指示用户不舒适,用户的交感神经响应(例如出汗)可以指示用户不舒适,具有较低睡眠质量的用户可以指示用户不舒适等。如本文所述,可以使用加速度计、SONAR传感器、RADAR传感器等来确定用户在睡眠期间或用户正在使用呼吸治疗系统120时的移动和/或躁动。用户的交感神经响应可以是由皮肤温度计检测到的温度、皮肤水分或使用皮肤电反应(GSR)传感器的出汗等。用户的睡眠质量可以在睡眠持续时间、睡眠阶段的类型和持续时间(包括唤醒、深睡眠等)这方面进行限定。一些睡眠阶段可能更有益于安静(例如,深睡眠比浅睡眠更有益于安静)。
在一些实施方式中,使用客观输入和主观输入两者来确定舒适评分。主观输入可以有利地填补客观输入中的间隙,以具有用户的舒适度的更全面的视图。在一些情况下,由于来自一个或多个传感器130的客观输入的缺失或限制,主观输入用于填补间隙。
在一些实施方式中,舒适评分可以根据历史数据确定或者可以在全天确定。例如,经由加速度计测量的活动测定可用于推断在先前的睡眠时段期间用户的舒适度。即,如果用户在白天昏睡、不活动等,则系统100可以推断用户在先前的睡眠时段期间不舒适。即,可以假设在先前的睡眠时段期间的不舒适已经促成昏睡。在这点上,可以采用IoT设备和传感器来监测用户的白天(非睡眠)行为,并将该行为与先前一个夜晚或多个夜晚的睡眠和/或舒适数据相关联,并与历史白天(非睡眠)行为和对应的夜晚的睡眠进行比较。IoT设备和传感器可以包括监测食物和饮料摄入的智能冰箱、监测用户观看了多少TV和用户何时观看该TV的智能TV、监测药物消耗的智能药物容器/柜等。以这种方式推断舒适可有助于校正先前的舒适评分或更准确地计算未来的舒适评分。
在一些实施方式中,舒适评分是二进制的并且可以使用分类算法来训练。例如,在一时间段内(例如,在一周、一个月、一天等内),可以收集环境数据以及环境数据的主观输入。例如,可以在该时间段内收集温度和湿度,并且当温度或湿度改变时,可以从用户获得指示温度和湿度的组合是舒适还是不舒适的主观输入。通过接收环境数据的多个数据点并将数据点中的每一个与舒适-不舒适评级相关联,可以使用分类算法来划分环境数据空间,使得未知的温度和湿度组合可以被分类为舒适或不舒适而不需要用户输入。应用于环境数据空间的分类算法指示环境数据和用户的舒适评分之间的关系。
本公开的各方面可用于代替例如二进制舒适评分以及例如在先前的实例中描述的环境数据和主观数据。尽管在先前的实例中在舒适评分是二进制的情况下描述了分类算法,但是舒适评分的其他表示可以与分类算法一起使用。例如,如果舒适评分是1至30的值,则分类算法可用于将舒适评分划分成1、2、3、4等组。这些组例如可以是非常舒适的、舒适的、稍微舒适的、中性的、稍微不舒适的和不舒适的。分类算法可用于将连续值舒适评分(或离散值舒适评分)划分到这些组中的任一个中。
在先前的实例中,提供了分类算法作为逐渐形成舒适评分和环境数据之间的关系的一种方式。在一些实施方式中,其中舒适评分不呈现二进制值,可以使用回归算法来确定舒适评分。例如,如果主观输入指示舒适评分为1至10,则在该时间段上收集的环境数据可以与不同的舒适评分相关联。例如,可以在该时间段内获得为{22℃(~72℉),50%,4}、{23℃(~73℉),30%,4.5}、{22.5℃(~72.5℉),60%,5}、{21.5℃(~70.7℉),100%,8}、{22.8℃(~73℉),55%,7}、{23℃(~73℉),50%,6}、{20℃(~68℉),35%,2}的{温度,湿度,舒适评分}组合,并且可以使用回归算法来获得用于估计舒适评分的模型。例如,回归算法可用于获得用于确定舒适评分的方程,使得为{21.8℃(~71℉),78%}的{温度,湿度}组合可插入到所获得的方程中以确定对应的舒适评分。
本文描述的分类算法和回归算法可以是机器学习算法。例如,分类算法可以是无监督学习算法,而回归算法可以是监督学习算法。温度和湿度仅用作实例,但是当估计舒适评分时可以包括其他环境参数。
在一些实施方式中,与用户相关联的生理数据通知舒适评分。与用户相关联的生理数据的实例包括呼吸信号、呼吸速率、呼吸速率变异性、吸气幅度、呼气幅度、吸气-呼气比、心率、心率变异性、血压、血压变异性、用户经历的疼痛(如急性疼痛或慢性疼痛,包括背痛,由褥疮、头痛或偏头痛等引起的疼痛)、用户的移动、用户的核心温度、肌肉张力、大脑活动、皮肤电导或其任何组合。用户的移动可以是躁动的指示,在睡眠的情况下,躁动可以解释为不舒适的指示。
在一个实例中,可以在一个时间段内获得与用户相关联的生理数据,以便训练机器学习算法。如上所述,机器学习算法可以执行回归或分类。例如,用于训练机器学习算法的主观输入数据可以与生理数据相关联。在一个实例中,可以使用包括{心率,血压,皮肤电导,舒适评分}的数据集来训练机器学习算法,使得可以使用{心率,血压,皮肤电导}的任何组合来估计舒适评分。
在一些实施方式中,在步骤504,使用机器学习算法和环境数据来估计用户的舒适评分,如前所述。第二机器学习算法可以与生理数据一起使用以检查估计的舒适评分。例如,可以使用{温度,湿度}数据集来估计用户的第一舒适评分。可以使用{心率,皮肤电导}数据集来估计用户的第二舒适评分。可以将第一舒适评分与第二舒适评分进行比较以确定一致性。
在一些实施方式中,第一舒适评分可以指示用户是舒适的,但是第二舒适评分可以指示用户不是舒适的。控制系统110可以将第一舒适评分和第二舒适评分之间的不一致解释为用户的改变的偏好。在一些情况下,用户可能没有意识到改变的偏好。在这种情况下,选择第二舒适评分作为舒适评分。在一些实施方式中,控制系统110可以通过组合第一舒适评分和第二舒适评分来解决第一舒适评分和第二舒适评分之间的不一致。例如,可以在第二舒适评分上选择第一舒适评分,可以在第一舒适评分上选择第二舒适评分,可以对第一舒适评分和第二舒适评分求平均值等。
方法500的步骤506涉及基于在步骤504处确定的关系来调整一个或多个设备(例如,设备190)的一个或多个设置以提高步骤504的舒适评分。经调整的一个或多个设置控制用户的环境内的环境参数。在一些实施方式中,可以调整一个或多个设备的一个或多个设置以维持步骤504的舒适评分,例如当更高的温度和/或更低的湿度是优选的时通过在用户入睡之后降低温度和/或增加湿度来维持用户入睡之前的舒适评分。
在一个实例中,可以调整环境的温度以使用户更加舒适。例如,{20℃,35%}的{温度,湿度}数据集可以指示舒适评分为3,并且为了将舒适评分提高到至少为8,可以将环境中的空调单元上的恒温器改变到22℃以升高环境的温度,从而提高舒适评分。增加恒温器上的温度设置可以升高用户环境的温度。用户环境中升高的温度可引发用户的生理响应。例如,用户的颤抖可以随温度升高而减少,用户的心率可以随温度升高而减小等。
在一些实施方式中,可以调整环境的噪声水平和/或模式以使用户更舒适(或者提高或维持步骤504的舒适评分)。例如,可以关闭噪声源(例如,电视、收音机、智能扬声器等)或者可以降低其音量。在一些实施方式中,可以通过掩蔽环境中的噪声来调整环境的噪声水平和/或模式。在一些实施方式中,通过播放扬声器142的声音来掩蔽环境中的噪声。所播放的声音可以包括白噪声,粉红噪声,棕色噪声,或任何其他舒缓声音,如海滩声音、鸟鸣声音、瀑布声音、流水声音、风声等。所播放的声音可以基于舒适评分以经调整的音量播放,使得可以基于所播放的声音对舒适评分的影响来增大或减小音量。在一些实施方式中,通过调整呼吸治疗设备设置(例如,以降低马达速度和相关联的噪声)、引入噪声消除(例如,在用户所处的环境中、在用户佩戴的耳机内等)来调整环境的噪声水平和/或模式。
在一些实施方式中,可调整床或可调整(例如,智能)枕头和/或床垫可以适配成使用户更舒适。例如,一个或多个传感器130可以检测用户的嘴泄漏(基于例如声学信号和/或流量信号)并调整可调整床或可调整枕头和/或床垫的设置。可以进行调整设置以推动将用户移动到促进用户嘴闭合、减少嘴泄漏等的位置。在一些实施方式中,当检测到嘴泄露时,调整呼吸治疗系统120和/或卧室的湿化设置,因为由于嘴泄露引起的口干(或嘴的一部分,例如舌头和/或嘴唇)造成的湿化增强可导致较少的不舒适。
在一些实施方式中,如前所述,可以确定与环境数据相关联的舒适评分,并且可以确定与生理数据相关联的舒适评分。可以监测这两个舒适评分以验证调整设备190上的一个或多个设置的效果。
在一些实施方式中,为了确定要调整一个或多个设置中的哪一个,为生理数据中的每个度量建立基线。例如,可以获得用户的{心率,皮肤电导,核心体温}数据集,使得数据集中的度量中的每一个的正常值被确定。当测量指示{心率,皮肤电导,核心体温}数据集中的度量中的任一个不在所建立的基线内时,则舒适评分可被确定为与偏差量成反比。如果{心率,皮肤电导,核心体温}的基线为{每分钟70次,0.0001Ohms-1,36.5℃(~98℉)},则获得{每分钟70次,0.001Ohms-1,36℃(~97℉)}的值可指示用户不舒适。舒适评分可以基于与基线偏离一个数量级的皮肤电导来确定。因此,基线舒适评分可以与偏离基线一个数量级的皮肤电导成比例地降低。在一些实施方式中,基线舒适评分与偏差量成反比。在一些实施方式中,阈值被设置为使得处于阈值内的36℃温度指示用户处于核心温度的基线值内,使得基线舒适评分不受核心温度测量的影响。
在一些实施方式中,使用查找表来确定要调整设备190中的哪一个。在一些情况下,查找表被组织为具有与设备190中的一个或多个联接的目标生理度量(例如,心率、心率变异性、核心温度、皮肤电导、血氧水平、血压、血压变异性、用户的移动等)。例如,在用于降低或升高用户的核心温度的调整的情况下,可以使用空调或风扇系统。可以经由用户设备170提示用户打开或关闭空调或风扇,或者调整空调或风扇的设置。控制系统110可以为空调单元自动设置恒温器。在另一实例中,为了校正环境中的过量光,控制系统110可指导用户关闭百叶窗或可自动关闭百叶窗。在另一实例中,为了校正环境中没有足够的光,控制系统110可以自动打开环境中的光。在一些情况下,根据一天中的时间,控制系统110可以指导打开百叶窗以获得自然光。在一些情况下,控制系统110可以基于与用户相关联的健康状况,与用户的伴侣相关联的健康状况,与用户的宠物相关联的健康状况或其任何组合来指导打开百叶窗以获得自然光。
在一些实施方式中,可以基于用户的偏好来调整环境中的音乐或其他媒体(例如电视)的音量。例如,如果用户通常不播放大声的音乐,则控制系统110可以为用户学习分贝水平的音乐。控制系统110可以调整分贝水平以使用户更舒适。背景中的传感声音以及升高的心率可以用于确定背景音量水平可能太高。在一些实施方式中,用户设备170可以提示用户增大或减小音量,或者在其他实施方式中,控制系统110可以自动增大或减小音量。
在一些实施方式中,扬声器142播放安抚声音以使用户舒适。例如,如果用户的生理数据指示用户的心率升高,并且运动传感器138指示用户比平常移动得更多(例如,使用与基线的偏差或使用机器学习算法),则控制系统110可以确定用户不舒适。扬声器142可以播放安抚声音(例如,白噪声、平静的音乐、用户喜欢的音乐艺术家等)以提高用户的舒适度。在一些情况下,控制系统110可以使用麦克风140来确定存在背景噪声,并且可以播放安抚声音以淹没背景噪声,以便将用户的生理度量带到基线或其他期望的水平。
调整用户的环境以提高用户的舒适度可以与用于解决用户所患有的一种或多种障碍的治疗方法组合。例如,用户可以使用图1的呼吸治疗系统120来治疗呼吸和/或睡眠障碍。参考图6,提供了用于在睡眠时段期间修改用户的环境的方法600。方法600中的步骤可以使用系统100来执行。
方法600的步骤602涉及生成数据,该数据包括(i)与用户的环境相关的环境数据和(ii)在睡眠时段期间与用户相关联的生理数据。如上所述,可以从传感器130生成环境数据和生理数据。环境数据的实例包括用户的环境的温度、用户的环境的湿度、用户的环境的亮度、用户的环境中的噪声水平、用户的环境中的噪声模式或其任何组合。生理数据的实例包括呼吸信号、呼吸速率、呼吸速率变异性、吸气幅度、呼气幅度、吸气-呼气比、每小时的事件数量、事件模式、事件中的每一个的持续时间、心率、心率变异性、血压、血压变异性、用户的移动、睡眠效率、治疗功效、用户的核心温度、睡眠阶段、剩余AHI、用户在治疗中的睡眠时段的持续时间、用户停止治疗的睡眠时段的持续时间、睡眠开始、肌肉张力、大脑活动、皮肤电导、睡眠周期或其任何组合。
在一些实施方式中,从至少一个或多个传感器130生成数据。传感器130可以集成在呼吸治疗系统120、用户设备170、活动跟踪器180和/或设备190中。在一些实施方式中,设备190包括呼吸治疗系统120、用户设备170和/或活动跟踪器180。在用户在睡眠时段的至少一部分期间使用呼吸治疗系统120的实例中,嵌入在呼吸治疗系统120中的一个或多个传感器130可用于确定向用户气道供应的加压空气的湿度、用户的呼吸信号、用户的呼吸速率、用户的吸气幅度、用户的呼气幅度等。可以使用传感器130来确定在用户接口124或导管126中供应的加压空气的条件。例如,导管126内供应的加压空气的温度和/或湿度可以不同于用户卧室内的湿度和/或温度。在一些实施方式中,便携式氧气浓缩系统连接到呼吸治疗系统120,使得呼吸治疗系统120能够向用户供应氧气。也就是说,呼吸治疗系统120可以调整导管126内供应的加压空气的氧气浓度,使得供应的加压空气的氧气浓度不同于用户卧室内的氧气浓度。
方法600的步骤604涉及确定在睡眠时段期间与用户相关联的舒适评分。可以至少部分地基于在步骤602获得的生理数据和/或环境数据来确定与用户相关联的舒适评分。该舒适评分指示在睡眠时段的至少一部分期间用户的舒适度。舒适评分可以以上面结合方法500的步骤504所讨论的任何方式来确定。
在一些实施方式中,在步骤602处生成的数据包括每小时的事件数量、事件模式、事件中的每一个的持续时间或其任何组合。这些事件的实例包括中枢性呼吸暂停、阻塞性呼吸暂停、混合性呼吸暂停、低通气、打鼾、周期性肢体运动、唤醒、窒息、癫痫发作、惊厥或其任何组合。流量传感器134可用于测量打鼾振动。在一个实例中,可以基于每小时的事件数量的基线值、事件模式、事件中的每一个的持续时间等来确定舒适评分。可以使用查找表来确定舒适评分。例如,从基线舒适评分开始,基于超过每小时事件阈值的每小时事件数量,舒适评分可以被确定为由从查找表中获得的因子调整的基线舒适评分。如果基线舒适评分是8/10并且存在每小时3个事件的阈值,则如果每小时事件的数量被确定为5,则至少部分地基于对于每小时超过每小时事件的阈值的每个事件将基线舒适评分降低0.5倍,舒适评分可以被确定为7。
一个或多个传感器130中的不同传感器可以彼此互补和协同以产生用户舒适的整体视图。例如,表现为呼吸暂停事件的不舒适可以根据AHI并基于来自呼吸治疗设备122的流量传感器和压力传感器的传感器数据来测量,但是使用SpO2传感器测量的氧去饱和指数(ODI)可以检测与氧去饱和相关的不舒适。ODI测量可用于(i)确认AHI评分或(ii)独立地验证用户不舒适,即使ODI测量(例如,一个或多个氧去饱和)可能没有被检测到或分类为促成AHI评分的呼吸暂停事件。因此,不同传感器的组合可以产生用户舒适的更整体的视图。然后可以适当地调整呼吸治疗系统120的设置(例如,在下面的步骤606)。例如,呼吸治疗设备的自动调整特征,例如瑞思迈PAP设备的“自动设置(Autoset)”和“她的自动设置(Autosetfor Her)”特征可以自动调整气流压力以改善舒适。
在一些实施方式中,使用包括先前获取的测量的训练数据来训练机器学习算法或模型。例如,可以使用回归和/或分类算法来确定舒适评分,如结合图5的步骤504所讨论的。训练数据可以包括生理数据、环境数据或两者。因此,生理数据的组合、环境数据的组合或两者可以与舒适评分相关,使得生理数据和/或环境数据的任何测量值或组合可以作为输入提供给训练的机器学习模型。然后,训练的机器学习模型应该提供估计的舒适评分作为输出。
在一些实施方式中,用于训练机器学习模型的训练数据包括在确定舒适评分的当前睡眠时段之前的历史睡眠时段中获取的测量。历史睡眠时段是在当前睡眠时段之前的用户的先前睡眠时段。历史睡眠时段可以与一个或多个历史舒适评分、历史生理数据、历史环境数据等相关联。例如,在一个时间段内(例如,一周、两周、一个月等),包括历史生理数据和历史环境数据的历史睡眠时段数据可用于训练机器学习模型。与历史睡眠时段相关联的历史舒适评分可以在该时间段上逐渐形成,使得在该时间段上,稍后获得的历史舒适评分可以更好地跟踪用户的舒适度。
在一些实施方式中,用于训练机器学习模型的训练数据包括在其他个体的历史睡眠时段中获取的测量。例如,来自不包括用户的其他个体的历史睡眠时段数据和历史舒适评分可用于训练机器学习模型。当在训练机器学习模型中使用其他个体的历史睡眠时段数据和历史舒适评分时,训练的机器学习模型将捕获或反映普通人的舒适度。对普通人建模可能是有益的,因为对于没有向系统100提供任何信息的系统100的新用户,可以容易地假设对普通人建模的舒适度。
在一些实施方式中,可以将个体分成群组,使得对于每个群组,控制系统110可以训练机器学习模型,该机器学习模型捕获或反映该群组中的普通人的舒适度。该群组可以至少部分地基于该群组中的普通人的人口统计信息、该群组中的普通人的健康状况、该群组中的普通人的血液类型、该群组中的普通人的体重指数(BMI)、该群组中的普通人的静息心率、该群组中的普通人的健康状态或其任何组合。用户的血液类型可影响用户的新陈代谢,新陈代谢可影响用户身体的温度调节机制。健康状态可以包括有氧健康状态、肌肉力量和耐力状态、身体组成(例如腰围、身高、脂肪百分比等)或其任何组合。健康状况可包括糖尿病、高血压、失眠症、一般循环疾病、哮喘、慢性阻塞性肺病(COPD)、关节炎、脊髓损伤、用户经历的疼痛(如急性疼痛或慢性疼痛,包括背痛、由褥疮、头痛或偏头痛引起的疼痛等)、中风、甲状腺机能亢进、心血管健康状况或其任何组合。心血管健康状况包括例如中风、心力衰竭、高血压性心脏病、风湿性心脏病、心肌病、异常心律、先天性心脏病、瓣膜性心脏病、心脏炎、主动脉瘤、外周动脉疾病、血栓栓塞性疾病、静脉血栓形成等。
在一些实施方式中,当使用历史睡眠时段数据来训练机器学习模型时,可以通过用在步骤602生成的数据连续地训练机器学习模型来随时间改进机器学习模型。例如,系统100的用户可以以用于普通人的训练的机器学习模型开始。通过使用系统100,用与用户相关联的生成数据连续地训练机器学习模型。这样,随着时间的推移,机器学习模型可以从仅对普通人建模转变为包括适用于特定用户的偏好。在一些实施方式中,连续地训练机器学习模型包括基于特定用户的偏好来调整某些参数。
通过使用机器学习模型来确定特定用户的舒适度,可以确定特定用户的潜在偏好,而无需让用户向系统100通知特定偏好。例如,由传感器130生成的生理数据和/或环境数据的某些组合可用于基于用户不具有对环境的生理响应来确定用户是舒适的。例如,用户可以在27℃(~80℉)的房间中,并且传感器130生成稳定的心率,低于0.001Ohm-1的电导指示用户不出汗等。尽管用户没有指定27℃(~80℉)是舒适温度,但是控制系统110可以基于用户对该温度的生理响应随时间确定用户的舒适评分为约8.5/10。可以相对于阈值来确定潜在偏好,例如,湿度不高于湿度阈值或高于湿度阈值,温度不高于温度阈值或高于温度阈值等。潜在偏好的实例可以是当湿度低于25%时,用户偏好约22℃(~72℉)的室温。因此,仅改变温度而不考虑湿度可能不能令人满意地满足用户可接受的舒适度。
在一些实施方式中,用户简档可以用于跟踪和存储训练的机器学习模型的参数以便于检索。例如,用户简档可以存储在存储器设备114中。用户简档可包括与用户相关联的人口统计信息、与用户相关联的健康信息,或可用于将用户分组到群组中的任何其他信息,如先前所讨论的。用户简档可以包括训练的机器学习模型的参数,这些参数包括用于对用户的舒适评分建模的回归系数。
在一些实施方式中,不同用户简档中的训练的机器学习模型的所存储的参数可用于逐渐形成或训练普通人的通用机器学习模型。例如,多个用户的用户简档可以包括用于不同生理度量和/或不同环境条件的不同回归系数。为了获得通用机器学习模型,可以将统计方法(例如,模式、平均值、中值等)应用于不同的回归系数以获得通用机器学习模型的回归系数。例如,对于元组{心率,温度,湿度},如果个体1的简档具有回归系数{-0.02,0.3,0.001},个体2的简档具有回归系数{0.01,0.4,0.003},并且个体3的简档具有回归系数{0.02,0.1,0.001},则可以将通用机器学习模型的回归系数选择为例如回归系数的平均值(即,{0.003,0.26,0.002})。因此,代替存储用于为不同个体生成不同回归系数以便生成通用机器学习模型的基础数据,可以使用每个个体的训练的机器学习模型的参数来调整和/或训练通用机器学习模型。该方法更有效地利用存储空间,并且随着每个个体的模型参数随时间改变,通用机器学习模型也可以改变。通用机器学习模型用于表示普通人的舒适度。如上所述,基于群组的机器学习模型可以通过使用来自同一群组(然而该群组被定义)中的个体的信息以类似的方式来逐渐形成。
方法600的步骤606包括在步骤604至少部分地基于所确定的舒适评分来调整与用户的环境相关联的一个或多个设备190的设置。在一些实施方式中,一个或多个设备190包括呼吸治疗系统120,使得基于舒适评分来调整呼吸治疗系统120的一个或多个设置。可以调整的设置的实例包括调整用户的环境的温度设置、用户的环境的湿度设置、用户的环境的亮度设置、呼吸治疗系统120的湿化设置、呼吸治疗系统120的温度(例如,气流温度)设置、呼吸治疗系统120的压力设置或其任何组合。
在一些实施方式中,在睡眠时段期间调整一个或多个设备190的设置。例如,当用户入睡时,控制系统110基于在两小时时段内接收到间歇性街道噪声来确定用户的舒适评分为4/10。控制系统110可以引起扬声器142播放安抚声音和/或白噪声以淹没睡眠时段的剩余部分的街道噪声。在一些实施方式中,在睡眠时段期间调整可调整床和/或枕头以减轻控制系统110确定用户正在经历疼痛,其中所确定的经历的疼痛促成低舒适评分。
在一些实施方式中,在某些睡眠阶段期间的睡眠时段期间调整一个或多个设备190的设置,在某些睡眠阶段期间调整不太可能使用户醒来。例如,控制系统110确定应当调整一个或多个设备190的设置。控制系统110然后确定用户的睡眠阶段。在一些实施方式中,在深睡眠阶段很难使用户醒来,在REM睡眠阶段稍微不难,并且在浅睡眠期间相当容易。因此,在进行可能使用户醒来的任何调整(例如,改变呼吸治疗系统120的压力设置)之前,控制系统110确定用户是否处于醒来可能性较小的睡眠阶段。例如,如果用户处于深睡眠,则控制系统110可以继续调整设置,但是如果用户处于浅睡眠,则控制系统110可以等待用户进入REM睡眠阶段或深睡眠阶段。
在一些实施方式中,在睡眠时段之后但在下一个睡眠时段或后续睡眠时段之前调整一个或多个设备190的设置。例如,当用户入睡时,传感器130中的照度计捕获用户卧室内的1lux光通量,并且控制系统110为用户确定5/10的舒适评分。控制系统110确定卧室灯关闭,但是减少用户卧室内捕获的光通量的唯一方式是降下百叶窗。控制系统110等待直到后续睡眠时段以降下百叶窗。在一些情况下,降下百叶窗可能引起噪声,噪声可进一步扰乱用户的睡眠,因此,等待后续睡眠时段是优选的。控制系统110可以估计可能引起的噪声量,并将该噪声的影响估计为预测的舒适评分。如果所预测的舒适评分低于所确定的舒适评分,则控制系统110可以在后续睡眠时段之前而不是在当前睡眠时段期间调整百叶窗的设置。在一些实施方式中,在后续睡眠时段期间调整一个或多个设备190的设置。例如,用户可能偏好在清醒时打开百叶窗,因此控制系统110在调整百叶窗的设置之前首先确定用户入睡。
在一些实施方式中,至少部分地基于一天中的时间、一年中的季节、人口统计数据、用户输入、睡眠时段的持续时间、睡眠时段期间的时间点、用户的睡眠状态、用户的睡眠阶段或其任何组合来调整一个或多个设备190的设置。例如,如果用户在白天睡觉,则可以将用户的环境(例如,用户睡觉的卧室)内的亮度推导为所确定的舒适评分中的控制因子。因此,可在任何其他调整之前执行调整百叶窗以减少环境中的光量。在另一实例中,可在睡眠时段的开始而非睡眠时段的中间或结束时执行调整百叶窗或调整可引起产生过量声音的设备190中的一个或多个。在一些情况下,可以在睡眠时段中执行5分钟、7分钟、10分钟、一小时等对可以引起产生过量声音的设备190中的一个或多个的调整。
在一个实例中,基于用户的睡眠状态和/或睡眠阶段来调整设备190中的一个或多个。在一些情况下,如果控制系统110确定用户是浅睡眠阶段,则延迟调整直到用户进入深睡眠阶段。基于用户更易于在浅睡眠阶段醒来,控制系统110可以延迟引起调整。在一些实施方式中,如果控制系统110确定用户将要醒来,则控制系统110可以引起在浅睡眠时段期间进行调整。控制系统110可以基于用户的醒来模式、用户发声的警报等来确定用户将要醒来。控制系统110可以预期用户的偏好改变来调整一个或多个设备190上的设置。例如,用户可能偏好入睡时18℃(~65℉)的卧室温度和清醒时22℃(~72℉)的卧室温度。在一些实施方式中,用户可以在全年适应不同的季节。控制系统110可以基于季节性适应来设置。例如,控制系统110可以在夏季设置22℃(~72℉)的温度,在冬季设置25.5℃(~78℉)的温度。
季节、一天中的时间、睡眠阶段、睡眠状态或其他实例在本文中用作实例。这些因子可以结合在环境数据和/或生理数据中,并且因此可以在步骤604中确定的舒适评分内捕获。例如,夏季的相同环境条件{温度,湿度}可以产生与冬季不同的舒适评分,因为用于确定舒适评分的模型可以考虑季节性参数,如夏季和冬季。在使用机器学习模型的一些实施方式中,给定类似的环境条件,一天中的时间或季节可能对舒适评分没有影响。
在一些实施方式中,设备190中的一个或多个的设置的调整基于用户输入。可以使用呼吸治疗系统120的用户设备170或显示设备128来收集用户输入。用户输入可包括疲劳、觉醒、与用户相关联的健康状况、与用户伴侣相关联的健康状况、与用户宠物相关联的健康状况或其任何组合。例如,如果用户患有感冒,则先前舒适的22℃(~72℉)的温度可能不如25.5℃(77℉)的温度理想。在一些情况下,基于用户的宠物和/或用户的伴侣(例如,图2的床伴220)在与用户相同的房间中,控制系统110可以在调整一个或多个设备190的设置时考虑宠物和/或床伴的舒适度。聚合舒适评分可用于确定是否应当进行调整。在一些实施方式中,聚合舒适评分由使用如先前所讨论的个别机器学习模型确定的聚合机器学习模型提供。例如,用于用户的机器学习模型的参数可以与用于用户的伴侣的机器学习模型的参数组合,以获得用于聚合机器学习模型的参数。
虽然疲劳、觉醒、与用户相关联的健康状况,与用户的伴侣相关联的健康状况以及与用户的宠物相关联的健康状况被描述为用户输入,但是在一些实施方式中,这些事项可以由控制系统110使用传感器130来自动确定。例如,麦克风140可以捕捉用户打喷嚏或咳嗽的频率,并推断用户患有感冒或过敏(例如,由于花粉、尘螨、动物皮肤或唾液颗粒等引起的过敏性鼻炎)。感冒或过敏的生理确定可以影响在步骤604确定的舒适评分,使得也影响在步骤606的调整。例如,打喷嚏或咳嗽是可以降低用户舒适评分的生理响应,提示控制系统110引起例如用户的环境中的风扇打开以促进空气循环。类似地,可以使用传感器130(如温度传感器136),包括呼吸治疗系统120、用户设备170和/或活动跟踪器180的传感器来检测其他健康状况(例如,流感、发烧等)。可以由控制系统110识别健康状况的标记,以便确定舒适评分并且确定如何调整设备190以提高所确定的舒适评分。
在一些实施方式中,疲劳状态是根据心率变异性、步态/活动水平的变化,或用户的面相变化来推断的。可以使用可穿戴设备(例如,智能手表、健身跟踪器、智能电话等)来确定心率变异性和活动水平。作为图像分析的结果,面相变化可用于推断疲劳。可以使用精神运动警觉测试(PVT)通过评估反应时间和手/眼协调来确定疲劳。PVT测试是与疲劳相关的睡意的合理指标。在一些实施方式中,使用EEG测量来确定疲劳。WO 2015/054134包括多种确定疲劳的方法,WO 2015/054134通过引用并入。
在一些实施方式中,一个或多个设备190的设置被存储在用户简档中。例如,用户简档可包括控制空调单元的恒温器的温度设置、可进行播放以淹没用户的环境中的噪声的音频文件的至少一个名称(例如,音乐、白噪声、自然声音、安抚声音等)、是否使用音频文件来淹没噪声、音频文件应进行播放的音量、由呼吸治疗系统120供应的空气的湿化设置、风扇的风扇速度设置、加热毯子的温度设置、可调整床架的是否升高屏障以防止用户从床上掉下来的设置、按摩系统(例如,椅子按摩器)的按摩速度、与用户相关联的移动设备或应用程序的网络名称或标识、与用户相关联的活动跟踪器设备的网络名称或标识等。
在一些实施方式中,在调整时,一个或多个设备190的设置替换用户简档中的一个或多个设备190的历史设置。例如,控制系统110确定在冬季期间,用户在过去偏好她的恒温器上的24℃(~75℉)设置。然而,在这个冬季,控制系统110确定恒温器应该设置到21℃(~70℉)。21℃(~70℉)的新设置可以覆盖用户简档中的先前24℃(~75℉)设置。在一些实施方式中,默认设置可用于基于历史数据的用户,包括来自一个或多个个体的历史设置。历史数据可以包括与一个或多个个体相关联的历史睡眠时段数据。
在一些实施方式中,如过敏、流感、感冒等的短暂健康状况可影响用户简档。例如,确定用户具有短暂健康状况的控制系统110可以输入来自与用户正患有的短暂健康状况相匹配的群组中的普通人的设置。当用户患有短暂健康状况时,可以使用和细化导入的设置。一旦短暂健康状况不再存在,则用户的简档可在检测到短暂健康状况之前恢复到用户的个性化设置。
在一些实施方式中,控制系统110可以使用区域天气/花粉信息来确定空气质量状况。控制系统110可以确定空气质量状况是否将触发来自用户的过敏反应或者空气质量状况是否促成用户的较低舒适评分。控制系统110可引起空气过滤系统(例如,空气过滤器、空气净化器、空气滤浄器等)开启。在一些实施方式中,控制系统110可以调整空气过滤系统的设置(例如,引起空气过滤系统的风扇从第一风扇速度改变到第二风扇速度,其中第二风扇速度大于第一风扇速度)。控制系统110可以至少部分地基于通过网络(例如,因特网)获得的天气和/或花粉信息来引起用户家中的窗户关闭。
在一些实施方式中,可以从查找表获得默认设置。查找表可以将每个默认设置与默认舒适评分相关联。在一些实施方式中,查找表为与先前使用设置组合的个体相关联的每个设置组合提供平均舒适评分。在步骤606,可以将设置组合的默认舒适评分与步骤604所确定的舒适评分进行比较。如果所确定的舒适评分小于默认舒适评分,则可以调整设备190的设置以匹配提供默认舒适评分的设置组合。
默认设置、默认舒适评分等可以按照以上结合用户简档所描述的群组来进行,这里不再重复。例如,患有关节炎的普通人的默认设置可以不同于患有哮喘的普通人的默认设置。普通得克萨斯州人的默认设置可以不同于普通密歇根人的默认设置。
在一些实施方式中,对一个或多个设备的设置(如呼吸治疗系统120的设置和/或用户的环境)的调整是可转移的。也就是说,可以学习和存储这些设置,并将其应用于新的呼吸治疗系统(例如,新的或临时的PAP设备)和/或用户的新环境。临时PAP设备的实例是旅行PAP设备,并且用户的新环境的实例是旅馆房间。
在一些实施方式中,对环境设置的调整可以考虑到环境可以与另一个体(例如,用户的床伴)共享。因此,这些设置的调整可以仅应用于用户的环境,例如,关闭床的用户侧的灯、调整由用户使用的电热毯的温度或用于加热或冷却用户并由用户与床伴共享的电热毯的一部分的温度等。当系统100不确定用户的环境相对于床伴的环境时,可以基于接近传感器进行调整。更靠近用户的设备可以被确定为与用户相关联并且可以相应地进行调整,而更接近床伴的设备可以不进行调整。可以通过接近传感器(例如,使用RADAR传感器、SONAR传感器、LiDAR传感器等)来确定接近。对用户、床伴等的识别可以基于检测到的生物特征标记来确定,例如,如US2018/0106897中所描述的,该专利在此通过引用整体并入本文。生物特征标记可以基于特征性呼吸、心脏、声学(例如,声音)和/或移动(例如,步态)参数,并且可以用于将用户与床伴和/或环境中的其他个体区分开。在用户简档中识别到与用户相关联的设备的情况下,可以基于用户简档进行调整。这样,系统100不基于接近进行猜测。系统100还可以访问另一个体(例如,床伴)的生理数据,并且调整他们的环境和/或监测用户环境的调整的影响,并且平衡对另一个体的不舒适的任何有害影响。
图5和图6的方法500和方法600可以分别执行多次。即,步骤506可以循环回到步骤502,并且步骤606可以循环回到步骤602。这样,可以在一个时间段内更新舒适评分,并且可以使用设备190连续地改变环境条件,以便维持或增强用户的舒适度。在一个实例中,方法600可以在整个睡眠时段期间重复执行,使得最近更新的舒适评分被用于调整一个或多个设备的设置。
在一些实施方式中,系统100支持平台,使得当新用户加入该平台时,系统100基于随时间从已经使用该平台的个体的多个个体简档中累积的规范性舒适设置来为新用户提出预期的舒适简档。这些规范性舒适设置可以基于用户个体信息(例如,人口统计信息、健康信息等)来选择。随着时间推移,提供给用户的初始舒适简档被细化为与用户相关联的生理数据、舒适评分和/或环境数据的累积。系统100可以使用细化的舒适简档来帮助用户具有更好的睡眠质量。例如,控制系统110可以基于细化的舒适简档来调整用户的环境中的设置,以改变用户的环境来匹配用户的已知和/或未知偏好。
在一些实施方式中,可以将用户的细化的舒适简档反馈到全局数据库以调整和/或细化规范性舒适设置。这样,改善了新进入用户的第一次体验。在一些实施方式中,在确定规范性舒适设置时考虑医疗问题、健康状况等。在一些实施方式中,可以将规范性舒适设置反馈到当前用户的个体用户简档,以更好地使个体用户简档个性化。
在一个实例中,用于定义用户类(或群组)的箱可以随着用户的数据库变得更大被细化,并且更多的用户表型(或区别特征)被确定。可以从典型的表型(例如性别、体重指数、年龄)开始,并且随着更多的数据变得可用,逐渐添加更多的变量(例如健康史等)。添加新变量的过程可以基于例如机器学习算法(例如,聚类算法)。例如,给定大量的个性化设置以及关于大量用户的元数据,可以跨与用户相关的元数据的维度使用聚类算法。元数据可以包括新的变量(例如,健康史、血液类型等),但是在聚类算法之前,控制系统110不确定哪些变量可能是相关的。在运行聚类算法之后,控制系统110可以逐渐形成关于可能是相关的新变量的见解。在一些实施方式中,可以基于一些类似性度量将个性化设置简档分组在聚类中,然后逆向工作以推导出主要与这些聚类相关联的元数据类是什么。对于新的进入(或新的)用户,仅基于他们的元数据来选择最佳猜测设置组合。
在一些实施方式中,系统100允许基于睡眠阶段来控制设备190。例如,当用户处于REM睡眠时,房间的温度可以设置为第一值,但是当用户处于非REM睡眠时,房间的温度可以设置为不同于第一值的第二值。在一些实施方式中,基于睡眠阶段来调整呼吸治疗系统120上的压力和/或湿化设置。例如,第一组AHI值可以产生第一舒适评分。如果第一舒适评分低于阈值,则可以调整呼吸治疗系统120的设置以获得高于第一舒适评分的第二舒适评分。在该实例中,可以在没有来自用户的输入的情况下监测用户的睡眠,并且由于提高了用户的舒适度,可以提高睡眠质量。
在一些实施方式中,可以使用睡眠阶段的进展来确定舒适评分。例如,浅睡眠阶段可以转变为深睡眠阶段,然后转变为REM睡眠阶段,每个阶段在用户入睡的整个时间内具有不同的持续时间。较长的深睡眠阶段通常出现在睡眠时段的开始,而较长的REM睡眠阶段通常出现在睡眠时段的结束。控制系统110可以跟踪每个睡眠阶段的持续时间以及睡眠阶段之间的进展,以便确定舒适评分。
在一些实施方式中,可以经由用户设备170向用户提供提高的睡眠质量和舒适评分,使得用户可以跟踪她的睡眠质量。所确定的舒适评分可以在用户入睡之前(例如,在图4的入床时间t入床)提供给用户。提供给用户的消息可以包括“请使用呼吸治疗系统以在整个夜晚维持该舒适评分”。在一些实施方式中,如果用户在睡眠时段期间没有使用呼吸治疗系统120,则可以在图4的时间t起床向用户提供舒适评分。示例消息为“下次请使用呼吸治疗系统以提高您入睡时的舒适评分”。
尽管上文图5的步骤502和图6的步骤602是分开描述的,但是在步骤502中生成环境数据所涉及的活动可以应用于步骤602,反之亦然。类似地,尽管上文步骤504和步骤604是分开描述的,但是在步骤504中确定舒适评分所涉及的活动可以应用于步骤604,反之亦然。最后,尽管步骤506和步骤606是分开描述的,但是在步骤506中调整一个或多个设备的设置所涉及的活动可以应用于步骤606,反之亦然。
来自下面权利要求1至82中任一项中的一项或多项的一个或多个元素或方面或步骤或其任何部分可以与来自其他权利要求1至82中任一项中的一项或多项的一个或多个元素或方面或步骤或其任何部分,或其组合,以形成本公开的一个或多个附加实施方式和/或权利要求。
虽然已经参考一个或多个特定实施例或实施方式描述了本公开,但是本领域技术人员将认识到,在不脱离本公开的精神和范围的情况下,可以对其进行许多改变。这些实施方式及其明显的变化中的每一者被认为落入本公开的精神和范围内。还可以设想,根据本公开的各方面的附加实施方式可以组合来自本文所述的任何实施方式的任何数量的特征。
Claims (82)
1.一种方法,包括:
使用一个或多个传感器生成第一数据,所述第一数据包括(i)与用户的环境相关的第一环境数据和(ii)在睡眠时段期间与所述用户相关联的第一生理数据;
至少部分地基于所述第一生理数据,确定在所述睡眠时段期间与所述用户相关联的舒适评分,所述舒适评分指示在所述睡眠时段的至少一部分期间所述用户的舒适度;以及
至少部分地基于所确定的舒适评分,调整与所述用户的所述环境相关联的一个或多个设备的设置。
2.根据权利要求1所述的方法,还包括:
由所述一个或多个传感器生成第二数据,所述第二数据包括第二环境数据和第二生理数据,所述第二数据在生成所述数据之后生成;
至少部分地基于所述第二生理数据,在所述睡眠时段期间更新与所述用户相关联的所述舒适评分;以及
至少部分地基于所更新的舒适评分,进一步调整所述一个或多个设备的设置。
3.根据权利要求1或2所述的方法,其中所述用户联接至呼吸治疗设备,所述呼吸治疗设备被配置成通过经由导管联接至所述呼吸治疗设备的用户接口向所述用户的气道供应加压空气,并且其中所述第一环境数据包括由所述呼吸治疗设备的一个或多个传感器生成的数据。
4.根据权利要求3所述的方法,其中所述一个或多个设备与所述呼吸治疗设备分离。
5.根据权利要求3或4所述的方法,其中所述一个或多个设备包括所述呼吸治疗设备。
6.根据权利要求3至5中任一项所述的方法,还包括:
至少部分地基于所确定的舒适评分,调整所述呼吸治疗设备的设置。
7.根据权利要求1至6中任一项所述的方法,其中调整所述设置是在所述睡眠时段期间执行的。
8.根据权利要求1至6中任一项所述的方法,其中调整所述设置是在所述睡眠时段之后但在后续睡眠时段之前执行的。
9.根据权利要求1至6中任一项所述的方法,其中调整所述设置是在后续睡眠时段期间执行的。
10.根据权利要求1至9中任一项所述的方法,其中所述一个或多个传感器中的至少一个被包括在所述一个或多个设备中。
11.根据权利要求1至10中任一项所述的方法,其中所述一个或多个传感器包括麦克风、摄像机、声学传感器、射频(RF)传感器、光电容积图(PPG)传感器、压电传感器、压力传感器、电容传感器、力传感器、应变仪传感器、电流传感器、温度传感器、脉搏传感器、血氧传感器、LiDAR传感器、脑电图(EEG)传感器、肌电图(EMG)传感器、眼电图(EOG)传感器、皮肤电传感器、加速度计、光传感器、湿度传感器、空气质量传感器、或它们的任何组合。
12.根据权利要求1至11中任一项所述的方法,其中所述一个或多个设备包括恒温器、空调系统、风扇、加热器、照明系统、扬声器、机动化百叶窗、湿化系统、按摩系统、振动系统、可调整床架、可调整枕头、可调整床垫、床温调节系统、可调整床单或毯子系统、或它们的任何组合。
13.根据权利要求1至12中任一项所述的方法,其中所述一个或多个设备包括门、窗帘、或两者。
14.根据权利要求1至13中任一项所述的方法,其中调整所述设置包括调整所述用户的所述环境的温度设置、所述用户的所述环境的湿度设置、所述用户的所述环境的亮度设置、呼吸治疗设备上的湿化设置、所述呼吸治疗设备的温度设置、所述呼吸治疗设备的压力设置、所述用户的所述环境中的用以屏蔽所述用户的所述环境中的噪声的音量设置、或它们的任何组合。
15.根据权利要求1至14中任一项所述的方法,其中调整所述设置还至少部分地基于一天中的时间、一年中的季节、人口统计数据、用户输入、所述睡眠时段的持续时间、所述睡眠时段期间的时间点、所述用户的睡眠状态、所述用户的睡眠阶段、或它们的任何组合。
16.根据权利要求15所述的方法,其中所述人口统计数据包括所述用户的年龄、性别、位置、或它们的任何组合。
17.根据权利要求15或16所述的方法,其中所述用户输入包括与所述用户相关联的觉醒状态、与所述用户相关联的疲劳状态、与所述用户相关联的健康状况、与所述用户的床伴相关联的健康状况、与所述用户的宠物相关联的健康状况、或它们的任何组合。
18.根据权利要求1至16中任一项所述的方法,还包括:
使用所述一个或多个传感器确定与所述用户相关联的觉醒状态、与所述用户相关联的疲劳状态、与所述用户相关联的健康状况、与所述用户的床伴相关联的健康状况、与所述用户的宠物相关联的健康状况、或它们的任何组合。
19.根据权利要求1至18中任一项所述的方法,其中所述第一环境数据包括所述用户的所述环境的温度、所述用户的所述环境的湿度、所述用户的所述环境的亮度、所述用户的所述环境中的噪声水平、所述用户的所述环境中的噪声模式、或它们的任何组合。
20.根据权利要求1至19中任一项所述的方法,其中所述第一生理数据包括呼吸信号、呼吸速率、呼吸速率变异性、吸气幅度、呼气幅度、吸气-呼气比、每小时的事件数量、事件模式、所述事件中的每一个的持续时间、心率、心率变异性、血压、血压变异性、所述用户的移动、所述用户经历的疼痛、睡眠效率、治疗功效、所述用户的核心温度、睡眠阶段、呼吸暂停低通气指数(AHI)、所述用户在治疗中的睡眠时段的持续时间、所述用户停止治疗的睡眠时段的持续时间、睡眠开始、肌肉张力、大脑活动、皮肤电导、或它们的任何组合。
21.根据权利要求20所述的方法,其中所述事件包括中枢性呼吸暂停、阻塞性呼吸暂停、混合性呼吸暂停、低通气、打鼾、周期性肢体运动、唤醒、或它们的任何组合。
22.根据权利要求1至21中任一项所述的方法,其中所述一个或多个设备的设置被存储在所述用户的简档中。
23.根据权利要求22所述的方法,其中所述一个或多个设备的经调整的设置替换所述用户的所述简档中的所述一个或多个设备的历史设置。
24.根据权利要求23所述的方法,其中所述一个或多个设备的所述历史设置是至少部分地基于在一个或多个历史睡眠时段期间与至少一个人相关联的历史睡眠时段数据而为所述用户选择的默认设置,所述历史睡眠时段数据包括与所述至少一个人相关联的历史生理数据和与所述至少一个人相关联的历史环境数据。
25.根据权利要求24所述的方法,其中所述至少一个人包括所述用户。
26.根据权利要求24或25所述的方法,其中所述至少一个人是人的群组。
27.根据权利要求26所述的方法,其中所述群组至少部分地基于所述至少一个人的人口统计信息、所述至少一个人的健康状况、所述至少一个人的血型、所述至少一个人的体重指数(BMI)、所述至少一个人的静息心率、所述至少一个人的健康状态、或它们的任何组合。
28.根据权利要求27所述的方法,其中所述至少一个人的健康状况包括糖尿病、高血压、失眠症、一般循环系统疾病、哮喘、慢性阻塞性肺病(COPD)、关节炎、脊髓损伤、疼痛、中风、甲状腺功能亢进、流感、感冒、或它们的任何组合。
29.根据权利要求24至28中任一项所述的方法,其中确定所述舒适评分包括:
使用机器学习模型来确定所述舒适评分,所述机器学习模型将所述第一生理数据作为输入并且提供所述舒适评分作为输出。
30.根据权利要求29所述的方法,其中所述机器学习模型使用(i)与所述至少一个人相关联的所述历史睡眠时段数据和(ii)与所述至少一个人相关联的历史舒适评分来训练。
31.根据权利要求30所述的方法,还包括:
至少部分地基于所生成的第一数据、所确定的舒适评分、或两者,来连续训练所述机器学习模型。
32.根据权利要求31所述的方法,其中所连续训练的机器学习模型用于训练通用机器学习模型。
33.根据权利要求31或32所述的方法,其中所连续训练的机器学习模型用于确定所述用户的潜在偏好。
34.根据权利要求33所述的方法,其中所确定的潜在偏好包括低于温度阈值的房间温度或高于所述温度阈值的房间温度、低于湿度阈值的房间湿度或高于所述湿度阈值的房间湿度、或它们的任何组合。
35.根据权利要求29至34中任一项所述的方法,其中所述机器学习模型的参数被存储在所述用户的所述简档中。
36.根据权利要求24至35中任一项所述的方法,其中所述默认设置是从查找表中获得的。
37.根据权利要求36所述的方法,其中所述默认设置与所述查找表中的默认舒适评分相关联。
38.根据权利要求37所述的方法,其中调整所述设置是至少部分地基于所确定的舒适评分小于所述默认舒适评分而执行的。
39.根据权利要求1至38中任一项所述的方法,其中调整所述设置还至少部分地基于与所述用户相关联的急性健康状况,所述急性健康状况包括过敏反应、感冒或流感。
40.一种方法,包括:
生成与用户的环境相关的环境数据;
分析所述环境数据以确定所述环境数据内的一个或多个环境参数与所述用户的舒适评分之间的关系,所述一个或多个环境参数由一个或多个设备控制;以及
基于所述关系调整所述一个或多个设备的一个或多个设置以提高所述用户的所述舒适评分。
41.根据权利要求40所述的方法,还包括:
接收指示所述用户的所述舒适评分的主观输入。
42.根据权利要求41所述的方法,其中所述主观输入是数字评级。
43.根据权利要求40至42中任一项所述的方法,其中所述用户的所述舒适评分是基于客观输入来确定的,所述客观输入包括所述用户的移动、与所述用户相关联的皮肤水分、与所述用户相关联的睡眠持续时间、与所述用户相关联的睡眠阶段、或它们的任何组合。
44.根据权利要求40至43中任一项所述的方法,其中调整所述一个或多个设备的所述一个或多个设置涉及调整所述一个或多个设备中的第一组设备,所述第一组设备是由接近传感器确定的靠近所述用户的设备。
45.根据权利要求40至44中任一项所述的方法,其中调整所述一个或多个设备的所述一个或多个设置涉及调整所述一个或多个设备中的第二组设备,所述第二组设备是在与所述用户相关联的用户简档中识别的设备。
46.根据权利要求40至45中任一项所述的方法,还包括:
生成与所述用户相关联的生理数据;以及
至少部分地基于所生成的生理数据来确定所述用户的所述舒适评分。
47.根据权利要求46所述的方法,其中至少部分地基于所述生理数据来确定所述用户的所述舒适评分包括:
为所述生理数据中的每个度量建立基线;
确定所述生理数据中的所述度量中的任一个是否与所建立的基线偏离了阈值量;以及
基于所述偏离了阈值量的所述度量中的任一个,确定所述舒适评分,所述舒适评分与偏离量成反比。
48.根据权利要求47所述的方法,其中所述度量包括每小时的事件数量、事件模式、所述事件中的每一个的持续时间、心率、心率变异性、呼吸速率、呼吸速率变异性、血压、血压变异性、温度、所述用户的移动、或它们的任何组合。
49.根据权利要求47或48所述的方法,其中所述环境数据内的一个或多个环境参数与所述用户的舒适度之间的关系至少部分地基于查找表来确定。
50.一种系统,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49中任一项所述的方法。
51.一种用于将一个或多个指示传达给用户的系统,所述系统包括被配置来实施根据权利要求1至49中任一项所述的方法的控制系统。
52.一种包括指令的计算机程序产品,所述指令在由计算机执行时使得所述计算机执行根据权利要求1至49中任一项所述的方法。
53.根据权利要求52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。
54.一种用于提高或维持用户的舒适度的系统,包括:
传感器,所述传感器被配置来生成第一数据,所述第一数据包括(i)与用户的环境相关的第一环境数据和(ii)在睡眠时段期间与所述用户相关联的第一生理数据;
与所述用户的所述环境相关联的一个或多个设备;
存储机器可读指令的存储器;以及
控制系统,所述控制系统包括一个或多个处理器,所述一个或多个处理器被配置来执行所述机器可读指令以:
至少部分地基于所述第一生理数据,确定在所述睡眠时段期间与所述用户相关联的舒适评分,所述舒适评分指示在所述睡眠时段的至少一部分期间所述用户的舒适度;以及
至少部分地基于所确定的舒适评分,调整与所述用户的所述环境相关联的所述一个或多个设备的设置。
55.根据权利要求54所述的系统,其中所述传感器还被配置来生成第二数据,所述第二数据包括第二环境数据和第二生理数据,所述第二数据在生成所述数据之后生成,并且其中所述控制系统还被配置成:
至少部分地基于所述第二生理数据,更新在所述睡眠时段期间与所述用户相关联的所述舒适评分;以及
至少部分地基于所更新的舒适评分,进一步调整所述一个或多个设备的设置。
56.根据权利要求54或55所述的系统,还包括:
呼吸治疗设备,所述呼吸治疗设备被配置成通过经由导管联接至所述呼吸治疗设备的用户接口向所述用户的气道供应加压空气,并且其中所述第一环境数据包括由所述呼吸治疗设备的一个或多个传感器生成的数据。
57.根据权利要求56所述的系统,其中所述一个或多个设备与所述呼吸治疗设备分离。
58.根据权利要求56或57所述的系统,其中所述一个或多个设备包括所述呼吸治疗设备。
59.根据权利要求56至58中任一项所述的系统,其中所述控制系统还被配置成:
至少部分地基于所确定的舒适评分,调整所述呼吸治疗设备的设置。
60.根据权利要求54至59中任一项所述的系统,其中调整所述设置是在所述睡眠时段期间执行的。
61.根据权利要求54至59中任一项所述的系统,其中调整所述设置是在所述睡眠时段之后但在后续睡眠时段之前执行的。
62.根据权利要求54至59中任一项所述的系统,其中调整所述设置是在后续睡眠时段期间执行的。
63.根据权利要求54至62中任一项所述的系统,其中所述传感器被包括在所述一个或多个设备中。
64.根据权利要求54至63中任一项所述的系统,其中所述一个或多个传感器包括麦克风、摄像机、声学传感器、射频(RF)传感器、光电容积图(PPG)传感器、压电传感器、压力传感器、电容传感器、力传感器、应变仪传感器、电流传感器、温度传感器、脉搏传感器、血氧传感器、LiDAR传感器、脑电图(EEG)传感器、肌电图(EMG)传感器、眼电图(EOG)传感器、皮肤电传感器、加速度计、光传感器、湿度传感器、空气质量传感器、或它们的任何组合。
65.根据权利要求54至64中任一项所述的系统,其中所述一个或多个设备包括恒温器、空调系统、风扇、加热器、照明系统、扬声器、机动化百叶窗、湿化系统、按摩系统、振动系统、可调整床架、可调整枕头、可调整床垫、床温调节系统、可调整床单或毯子系统、或它们的任何组合。
66.根据权利要求54至65中任一项所述的系统,其中所述一个或多个设备包括门、窗帘、或两者。
67.根据权利要求54至66中任一项所述的系统,其中调整所述设置包括调整所述用户的所述环境的温度设置、所述用户的所述环境的湿度设置、所述用户的所述环境的亮度设置、呼吸治疗设备上的湿化设置、所述呼吸治疗设备的温度设置、所述呼吸治疗设备的压力设置、所述用户的所述环境中的用以屏蔽所述用户的所述环境中的噪声的音量设置、或它们的任何组合。
68.根据权利要求54至67中任一项所述的系统,其中调整所述设置还至少部分地基于一天中的时间、一年中的季节、人口统计数据、用户输入、所述睡眠时段的持续时间、所述睡眠时段期间的时间点、所述用户的睡眠状态、所述用户的睡眠阶段、或它们的任何组合。
69.根据权利要求68所述的系统,其中所述人口统计数据包括所述用户的年龄、性别、位置、或它们的任何组合。
70.根据权利要求68或69所述的系统,其中所述用户输入包括与所述用户相关联的觉醒状态、与所述用户相关联的疲劳状态、与所述用户相关联的健康状况、与所述用户的床伴相关联的健康状况、与所述用户的宠物相关联的健康状况、或它们的任何组合。
71.根据权利要求54至69中任一项所述的系统,其中所述控制系统还被配置来:
确定与所述用户相关联的觉醒状态、与所述用户相关联的疲劳状态、与所述用户相关联的健康状况、与所述用户的床伴相关联的健康状况、与所述用户的宠物相关联的健康状况、或它们的任何组合。
72.根据权利要求54至71中任一项所述的系统,其中所述第一环境数据包括所述用户的所述环境的温度、所述用户的所述环境的湿度、所述用户的所述环境的亮度、所述用户的所述环境中的噪声水平、所述用户的所述环境中的噪声模式、或它们的任何组合。
73.根据权利要求54至72中任一项所述的系统,其中所述第一生理数据包括呼吸信号、呼吸速率、呼吸速率变异性、吸气幅度、呼气幅度、吸气-呼气比、每小时的事件数量、事件模式、所述事件中的每一个的持续时间、心率、心率变异性、血压、血压变异性、所述用户的移动、所述用户经历的疼痛、睡眠效率、治疗功效、所述用户的核心温度、睡眠阶段、呼吸暂停低通气指数(AHI)、所述用户在治疗中的睡眠时段的持续时间、所述用户停止治疗的睡眠时段的持续时间、睡眠开始、肌肉张力、大脑活动、皮肤电导、或它们的任何组合。
74.根据权利要求73所述的系统,其中所述事件包括中枢性呼吸暂停、阻塞性呼吸暂停、混合性呼吸暂停、低通气、打鼾、周期性肢体运动、唤醒、或它们的任何组合。
75.根据权利要求54至74中任一项所述的系统,其中所述一个或多个设备的设置被存储在所述用户的简档中。
76.根据权利要求75所述的系统,其中所述一个或多个设备的经调整的设置替换所述用户的所述简档中的所述一个或多个设备的历史设置。
77.根据权利要求76所述的系统,其中所述一个或多个设备的所述历史设置是至少部分地基于在一个或多个历史睡眠时段期间与至少一个人相关联的历史睡眠时段数据而为所述用户选择的默认设置,所述历史睡眠时段数据包括与所述至少一个人相关联的历史生理数据和与所述至少一个人相关联的历史环境数据。
78.根据权利要求77所述的系统,其中所述至少一个人包括所述用户。
79.根据权利要求77或78所述的系统,其中所述至少一个人是人的群组。
80.根据权利要求79所述的系统,其中所述群组至少部分地基于所述至少一个人的人口统计信息、所述至少一个人的健康状况、所述至少一个人的血型、所述至少一个人的体重指数(BMI)、所述至少一个人的静息心率、所述至少一个人的健康状态、或它们的任何组合。
81.根据权利要求80所述的系统,其中所述至少一个人的健康状况包括糖尿病、高血压、失眠症、一般循环系统疾病、哮喘、慢性阻塞性肺病(COPD)、关节炎、脊髓损伤、疼痛、中风、甲状腺功能亢进、流感、感冒、或它们的任何组合。
82.根据权利要求54至81中任一项权利要求所述的系统,其中所述用户基于根据所述用户的一个或多个呼吸、心脏、声学或运动参数生成的生物特征标记来识别。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063116760P | 2020-11-20 | 2020-11-20 | |
US63/116,760 | 2020-11-20 | ||
PCT/IB2021/060763 WO2022107075A1 (en) | 2020-11-20 | 2021-11-19 | Systems and methods for monitoring a comfort level of an individual |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116711022A true CN116711022A (zh) | 2023-09-05 |
Family
ID=78820476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180091447.2A Pending CN116711022A (zh) | 2020-11-20 | 2021-11-19 | 用于监测个体的舒适度的系统和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230420124A1 (zh) |
EP (1) | EP4248458A1 (zh) |
CN (1) | CN116711022A (zh) |
WO (1) | WO2022107075A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024039751A1 (en) * | 2022-08-19 | 2024-02-22 | Resmed Digital Health Inc. | Systems and methods for providing a sleep therapy community |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NZ580125A (en) | 2007-05-11 | 2012-06-29 | Resmed Ltd | Automated control for detection of flow limitation |
AU2011284791B2 (en) | 2010-07-30 | 2015-01-15 | Resmed Limited | Methods and devices with leak detection |
US10492720B2 (en) | 2012-09-19 | 2019-12-03 | Resmed Sensor Technologies Limited | System and method for determining sleep stage |
KR102091167B1 (ko) | 2012-09-19 | 2020-03-20 | 레스메드 센서 테크놀로지스 리미티드 | 수면 스테이지를 결정하는 시스템 및 방법 |
NZ630770A (en) | 2013-10-09 | 2016-03-31 | Resmed Sensor Technologies Ltd | Fatigue monitoring and management system |
CN107106799B (zh) | 2014-10-24 | 2020-11-27 | 瑞思迈公司 | 呼吸压力治疗系统 |
EP3286577B1 (en) | 2015-04-20 | 2021-03-17 | ResMed Sensor Technologies Limited | Detection and identification of a human from characteristic signals |
US10532211B2 (en) * | 2015-10-05 | 2020-01-14 | Mc10, Inc. | Method and system for neuromodulation and stimulation |
US11433201B2 (en) | 2016-02-02 | 2022-09-06 | ResMed Pty Ltd | Methods and apparatus for treating respiratory disorders |
KR102647218B1 (ko) | 2016-09-19 | 2024-03-12 | 레스메드 센서 테크놀로지스 리미티드 | 오디오 신호 및 다중 신호로부터 생리학적 운동을 검출하는 장치, 시스템 및 방법 |
US11707197B2 (en) | 2017-12-22 | 2023-07-25 | Resmed Sensor Technologies Limited | Apparatus, system, and method for physiological sensing in vehicles |
EP3727135B1 (en) | 2017-12-22 | 2024-02-28 | ResMed Sensor Technologies Limited | Apparatus, system, and method for motion sensing |
EP3883468A2 (en) | 2018-11-19 | 2021-09-29 | ResMed Sensor Technologies Limited | Methods and apparatus for detection of disordered breathing |
US20230107369A1 (en) | 2020-01-31 | 2023-04-06 | Resmed Sensor Technologies Limited | Systems and methods for detecting mouth leak |
-
2021
- 2021-11-19 US US18/037,126 patent/US20230420124A1/en active Pending
- 2021-11-19 EP EP21819217.7A patent/EP4248458A1/en active Pending
- 2021-11-19 CN CN202180091447.2A patent/CN116711022A/zh active Pending
- 2021-11-19 WO PCT/IB2021/060763 patent/WO2022107075A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
EP4248458A1 (en) | 2023-09-27 |
WO2022107075A1 (en) | 2022-05-27 |
US20230420124A1 (en) | 2023-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230037360A1 (en) | Systems and methods for determining a sleep time | |
US20220339380A1 (en) | Systems and methods for continuous care | |
US20230048000A1 (en) | Systems and methods for reducing insomnia-related symptoms | |
JP7331257B2 (ja) | スマート加湿のためのシステム、方法、およびデバイス | |
US20230148952A1 (en) | Systems and methods for analyzing sleep-related parameters | |
US20240016447A1 (en) | Systems and methods for generating image data associated with a sleep-related event | |
JP2023547497A (ja) | 治療中の睡眠性能スコアリング | |
US20230420124A1 (en) | Systems and methods for monitoring a comfort level of an individual | |
US20240145085A1 (en) | Systems and methods for determining a recommended therapy for a user | |
US20230248927A1 (en) | Systems and methods for communicating an indication of a sleep-related event to a user | |
US20230364368A1 (en) | Systems and methods for aiding a respiratory therapy system user | |
US20230363700A1 (en) | Systems and methods for monitoring comorbidities | |
US20230111477A1 (en) | Systems and methods for increasing a sleepiness of individuals | |
US20230310781A1 (en) | Systems and methods for determining a mask recommendation | |
US20220192592A1 (en) | Systems and methods for active noise cancellation | |
WO2023173166A1 (en) | Systems and methods for optimizing parameters of a respiratory therapy system | |
WO2024069436A1 (en) | Systems and methods for analyzing sounds made by an individual during a sleep session |
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 |