JP2002529121A - アクティグラフからのデータを使って人の認知能力を予測するシステムおよび方法 - Google Patents
アクティグラフからのデータを使って人の認知能力を予測するシステムおよび方法Info
- Publication number
- JP2002529121A JP2002529121A JP2000580147A JP2000580147A JP2002529121A JP 2002529121 A JP2002529121 A JP 2002529121A JP 2000580147 A JP2000580147 A JP 2000580147A JP 2000580147 A JP2000580147 A JP 2000580147A JP 2002529121 A JP2002529121 A JP 2002529121A
- Authority
- JP
- Japan
- Prior art keywords
- sleep
- function
- cognitive
- data
- curve
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/162—Testing reaction times
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
Abstract
Description
から得られた活動データを基礎とするそれまでの睡眠/覚醒履歴とに基づいて予
測するシステムに関する。
ら個々の兵士又は労働者までの全てのレベルにおいて、効果的な認知能力に依存
している。効果的な認知能力は一方において、複雑な精神作用に依存する。多く
の要因が、認知能力に影響を与えることが示されてきた(例えば薬物や年齢など
)。しかし、認知能力の日毎の変化を生じさせる無数の要因の中で、2つの要因
が最大の影響を与えることが示された。それは個人のそれまでの睡眠/覚醒履歴
および活動時間である。
に低下する。Thorneらによる論文「72時間におよぶ重労働を課せられた人の能
力限界を探る」(軍事システムにおける限界要素としての人に関する第24回D
RGセミナー記録、Defense and Civil Institute of Environmental Medicine,
pp.17-40(1983))、Newhouseらによる論文「長時間完全に睡眠を妨げられた後
の覚醒、認知および気分に対するdアンフェタミンの影響」(Neuropsychopharm
acology, vol.2, pp.153-164(1989))、およびNewhouseらによる別の論文「長時
間睡眠を妨げられた後の能力および挙動に対する覚醒剤の影響:アンフェタミン
、ニコチンおよびデプレニルの比較」(Military Psychology, vol.4, pp.207-2
33(1992))はすべて、正常な自発的被験者の調査結果を述べたものであり、コン
ピュータを使用した試験および複雑な動作シミュレーションによって測定された
、完全に睡眠を妨げられた状態が継続した場合、認知能力の激しく累積的な低下
が見られることを明らかにした。Dingesらは論文「1週間の間1日4〜5時間に
睡眠が制限された場合の累積的な睡眠不足、気分の動揺および精神運動的注意力
の低下」(Sleep,vol.20,pp.267-277,1997)の中で、毎日の睡眠時間を制約され
た時間に固定した場合、累積的な睡眠不足もまた認知能力の低下をもたらすこと
を明らかにした。従って、作業をする場面では、民間および軍隊の両方において
、睡眠不足は認知に関わる仕事の生産性(単位時間当たりの有用な仕事の出力)
を低下させる。
態にあると、完全な睡眠剥奪は人の認知能力を毎回約25%低下させることが示
された。しかし、わずかな時間でも眠ると、睡眠不足による認知能力の低下割合
が緩和されることも示された。Belenkyらは論文「連続作戦中の能力維持:米国
陸軍の睡眠管理システム」(第20回軍事科学学会議事録、vol.2,pp.657-661、(
1996))において、24時間ごとに30分の仮眠を1回取るだけで、85時間に
及ぶ睡眠剥奪の期間中、認知能力の低下率を17%まで緩和させることを示した
。このことは、睡眠中の認知能力の回復が、睡眠の初期に最も急速に進行するこ
とを示している。認知能力の正常な日々の変化に対してこれほど大幅に、また一
貫して影響を与える要因は、睡眠の量以外には存在しない。
決定される。1950年代の初頭に、Franz Halbergとその同僚が、人の一連の
生理的(体温と身体活動を含む)、血液学的およびホルモン機能の24時間周期
を観察し、この同期のリズムを示す「概日(circadian)」(「ほぼ1日」を意味
するラテン語)という言葉を作った。Halbergは、実験データに含まれるノイズ
のほとんどは、異なる活動時間にサンプリングされたデータを比較した結果生じ
たものであることを示した。 人が夜間睡眠/日中覚醒サイクル(例えば、ほぼ深夜に就寝し始める8時間睡眠
/16時間覚醒サイクル)に従うと、体温は通常午前2時から午前6時の間に最
低(谷)になる。その後体温は上昇し、通常午後8時から午後10時の間に最高
(ピーク)になる。同様に、人の認知能力の1日のリズムの系統的な調査により
、反応速度は日中を通してゆっくりと向上し、夜(通常は午後8時から午後10
時の間)に最高になり、その後急速に低下して未明(通常午前2時から午前6時
の間)に最低になる。様々な認知能力に関する課題を使った試験において、これ
と類似しているがそれほど一定していないリズムが示された。従って、各24時
間周期に関する認知能力において、睡眠剥奪が認知能力に与える上記の結果に、
約±10%の変動が加味される。
の中には眠気(あるいは反対の覚醒度)の客観的および主観的な指標が含まれる
。この分野に詳しい者の中には、「眠気」という言葉を「覚醒度」の反対の意味
として使用する者がいる(この文書でもその意味で使用する)。「眠たい状態」
が「眠気」と同じ意味に使われることが多いが、この分野に詳しい者の中には「
眠気」とは、睡眠を必要とする生理的な状態を意味し、それに対して「眠たい状
態」は、眠りに入る傾向又は可能性(生理的な睡眠の必要性とは関係なく)、あ
るいは覚醒度の不足の自覚症状を意味すると主張する者がある。専門外の人々は
「疲労」を「眠気」と同意語として使うが、この分野に詳しい者は、「疲労」を
「眠気」と同じ意味には考えず、「疲労」は、睡眠不足が本質的に能力に及ぼす
影響以上を網羅した広い概念であると考えている。同様に、「認知能力」は、広
範囲の多様な仕事をこなす能力として定義されてきたが、最も一般的には警戒状
態における仕事(注意の持続を要求する仕事)の意味に使われる。警戒を必要と
する仕事およびその他の仕事から、ある研究者達は認知能力を測る指標として正
確さを取り、別の人達は反応時間(あるいは、その反対の速度)を取る。また別
の人達は速度に正確さを掛け合わせた指標を使用するが、これは単位時間に行わ
れた有用な仕事の量(スループットとも呼ばれる)である。この分野に詳しい者
の間には、警戒を要する仕事は睡眠を剥奪された条件の下での認知能力の指標と
して適切であり、反応時間(又は速度)又は反応時間を考慮した何らかの指標(
例えばスループット)は、認知能力を測定する上で有用かつ信頼できる指標であ
るという点で、一般的な合意がある。
受け入れられている。MSLTでは、被験者は暗くした静かな寝室に横になって
眠ろうとする。睡眠又は覚醒状態にあることを示す様々な生理的指標(眼球の動
き、脳の活動、筋肉の緊張)を記録し、ステージ1(軽い)睡眠の最初の30秒
に入るのに要する時間を測定する。ステージ1までの予備期間が短いということ
は、強い眠気(覚醒度の低さ)を示すと考えられる。予備期間が5分未満の場合
は病的(睡眠障害又は睡眠剥奪を示唆する)と考えられる。完全睡眠剥奪と部分
的睡眠剥奪のどちらの場合でも、MSLTにおける睡眠までの予備期間(覚醒度
)および能力が低下する(すなわちMSLTで測定される眠気が増大する)。し
かし、MSLTで求められた眠気/覚醒度と認知能力の間には相関がある(MS
LTで示される強い眠気が低い認知能力に対応する)にもかかわらず、この相関
が完全であると示されたことはなく、またそのほとんどにおいて強いものではな
い。そのため、MSLTは認知能力の予測指標としては優れたものではない(信
頼性が低い)。
とが示された。Hoddesらは論文「眠気の数量化:新たなアプローチ」(Psychoph
ysiology,vol.10,pp.431-436(1973))において、眠気/覚醒度の測定に広く利
用されている主観的質問票であるスタンフォード眠気スケール(SSS)につい
て説明している。SSSでは、被験者は、現在の自分の眠気/覚醒度のレベルを
1から7までで判定し、1は、「活動的で生き生きしていると感じる、注意力が
ある、完全に目が覚めている」を意味し、7は、「ほとんど夢うつつ、すぐに眠
れる、起きていられない」を意味する。SSSの点数が高いことは眠気が強いこ
とを示す。MSLTと同様に、完全睡眠剥奪と部分的睡眠剥奪のどちらの場合で
もSSSの点数は増加する。しかし、MSLTと同様に、SSSで求められた眠
気/覚醒度と認知能力の低下の相関は弱くて一定していない。従って、SSSも
また認知能力の予測指標としては優れたものではない。眠気/覚醒度の主観的指
標の他の例としては、Johnsが論文「日中の眠気、いびきおよび睡眠時呼吸障害
」(Chest,vol.103,pp.20-36(1993))で述べたエプワース眠気スケールと、Ak
erstedtとGillbergが論文「活動的な個人における主観的および客観的な眠気」
(International Journal of Neuroscience,vol.52,pp.29-37(1990))におい
て述べたカロリンスカ眠気スケールがある。これらの主観的な指標と認知能力の
間の相関もまた弱くて一定していない。
客観的および主観的指標に対して与えない可能性があり、その逆も言える。例え
ばPenetarらは論文「完全な睡眠剥奪の回復睡眠へのアンフェタミンの影響」(Hum
an Psychopharmacology,vol.6,pp.319-323(1991))において、睡眠剥奪中、覚醒
剤dアンフェタミンは認知能力を向上させるが、眠気/覚醒度(MSLTで測定
されたもの)は向上させないと報告している。同様の研究で、睡眠剥奪対策とし
て与えられたカフェインは、12時間以上にわたって認知能力を高いレベルに維
持し、主観的な眠気、活力および疲労感への影響は、一時的に改善したがその後
低下した。Thorneらは論文「72時間におよぶ重労働を課せられた人の能力限界
を探る」(軍事システムにおける限界要素としての人に関する第24回DRGセ
ミナー記録、Defense and Civil Institute of Environmental Medicine, pp.17
-40(1983))において、72時間の睡眠剥奪の間に認知能力がどのように低下し
続けたかということ、また一方、主観的な眠気/覚醒度は最初の24時間を超え
ると低下したがその後はほぼ一定レベルを保ったことを報告している。認知能力
と眠気/覚醒度の指標が常に同じように影響されるのではないというこの知見は
、これらが同じものを意味するのではないことを示している。すなわち、眠気/
覚醒度という指標は認知能力の予測に利用できず、またその逆も言えるというこ
とである。
、現在の覚醒度レベルを非強制的にモニターする方法/装置、現在の覚醒度レベ
ルを非強制的にモニターし、覚醒度が低下した場合はユーザーに警告を発しかつ
/又はユーザーの覚醒度レベルを高める方法/装置、可能であれば覚醒度が低下
した場合はユーザーに警告を発しかつ/又はユーザーの覚醒度レベルを高める装
置を備えて、二次的な仕事へのユーザーの反応に基づき、現在の覚醒度レベルを
モニターする方法/装置、覚醒度を高める方法、および過去、現在又は未来の覚
醒度を予測する方法/装置である。
埋め込み指標」アプローチに基づいている。すなわち、これらの方法は、覚醒度
/眠たい状態と相関すると仮定されるいくつかの要因(例えば眼球の位置または
瞼を閉じる)の現在のレベルから、覚醒度/眠たい状態のレベルを推定する。最
近交付されたこのタイプの特許には、瞼の閉鎖と鼻および口の周囲の温度を検出
する装置を開示したJ.Clarke, Sr.らの米国特許第5,689,241号、瞼の閉鎖を検出
する装置を開示したK. Mannikの米国特許第5,682,144号および眼球の定位および
運動を観察して眠気を検出する装置を開示したC. Liangらの米国特許第5,570,69
8号がある。これらのタイプの方法および装置の明らかに不利な点は、覚醒度の
わずかな低下ではなく、睡眠の始まりそのものを検出することである。
覚醒度が低下した場合はユーザーにそれを知らせ、かつ/又は覚醒度を高める方
法とが組み合わされている。最近交付されたこのタイプの特許には、車両の運転
者の頭の位置と動きを感知して、現在のデータを「正常」な頭の動きおよび「能
力が低下した」頭の動きの分析と比較する装置を説明したP. Kithilの米国特許
第5,691,693号がある。警告装置は、頭の動きが何らかの所定の方法で「正常」
から外れたときに起動する。R. Gwinらの米国特許第5,585,785号は、車のハンド
ルを握る全圧力を測定して、握る圧力が眠たい状態を示すある所定の下限よりも
低下したときに警報を発する方法および装置について述べている。H. Bangの米
国特許第5,568,127号は、警報装置にユーザーの顎が接触したことで眠たい状態
を検出して、触覚および聴覚による警報を発する装置について述べている。J. H
obsonらの米国特許第5,566,067号は、瞼の動きを検出する方法および装置につい
て述べている。検出された瞼の動きが所定の閾値から外れると、出力信号/警報
(好適には音声)が発せられる。第一の区分の方法および装置と同様に、これら
の不利な点も、覚醒度のわずかな低下ではなく睡眠の始まりそのものを検出する
ことであろう。
プローチを基礎として開発された。例えばE. Gozlanらの米国特許第5,595,488号
は、関心のある一次的な作業(例えば、運転)をしているユーザーが、その間に
反応しなければならない(二次的な作業)聴覚的、視覚的又は感覚的な刺激を与
える方法および装置について述べている。二次的な作業の反応が、基準となる反
応「注意」レベルと比較される。A. MacLeanの米国特許第5,259,390号は、比較
的穏やかな振動刺激に対してユーザーに反応させる装置について述べている。刺
激に対する反応速度が、覚醒度レベルの指標として利用される。この装置の不利
な点は、この装置が覚醒度を推測するために二次的な作業への反応を要求し、そ
れにより一次的な作業に対して変化又は干渉をもたらす可能性があるという点で
ある。
ていると感じた時装置を起動するという、ユーザーに依存して覚醒度のレベルを
上げるものである。後者の一例であるM. Fukuokaの米国特許第5,647,633および
関連特許は、ユーザーが眠気を検知した場合にユーザーの座席を振動させる方法
/装置について述べている。かかる装置の明らかな欠点は、ユーザー自身が現在
の覚醒度レベルを正確に自己評価できなければならないことと、ユーザーがこの
評価を基に正しく行動できなければならないことである。
、覚醒度レベルを予測する方法も存在する。M. Moore-Edeらの米国特許第5,433,
223号は、覚醒度の変化に何らかの関連を持つ様々な要因(「現実」要因と呼ぶ
)の数学的な計算に基づいて特定の時刻(過去、現在又は未来の)に個人が持つ
と考えられる覚醒度レベルを予測する方法について述べている。まず、5点の入
力に基づいてその個人の基準覚醒度曲線(BAC)が求められ、これが安定した
環境で示される最適な覚醒度曲線を表す。次ぎに覚醒度修正刺激によりBACが
修正され、修正基準覚醒度曲線が求められる。従ってこの方法は認知能力ではな
く、個人の覚醒度レベルを予測する手段である。
に、別の方法が開発された。FletcherとDawsonは、論文「就労時間に基づく仕事
に関わる疲労予測モデル」Journal of Occupational Health and Safety, vol.1
3, 471-485 (1997)で彼らの方法を説明している。このモデルでは単純化した
仮定がなされている。つまり、仕事に従事した時間の長さが、目覚めていた時間
と正の相関を持つと仮定したのである。この方法を実施するには、ユーザーは実
際のまたは就業/非就業(仕事/休憩)スケジュールを入力する。このモデルの
出力は、「仕事に関わる疲労」を示す点数である。この仕事に関わる疲労を示す
点数はいくつかの能力指標と相関していることが示されたが、認知能力そのもの
の直接的な指標ではない。就業時間と覚醒時間の間に存在すると仮定された関係
が壊れる場合、例えばある人が短時間のシフトに従事した後、家で眠るのでなく
作業に時間を使ったり、あるいはある人が長時間のシフトに従事した後に家で使
える時間全てを睡眠に当てる等の状況では、疲労の点数は正確でなくなることが
理解される。この方法はまた、就業/非就業情報を非強制的な記録装置から自動
的に抽出するのではなく、ユーザーがその情報を入力しなければならないという
点で、強制的である。さらに、このモデルは就業時間に基づいて「疲労」を予測
することに限定されている。総じて、このモデルは、シフトの長さが常に睡眠時
間と(逆に)相関しているような仕事に関連した状況に限定されている。
時間の重要性と、またほとんどの職業において認知能力に対する要求が高まって
いることを考えれば、認知能力のを予測するための信頼性が高くて正確な方法を
考案することが望まれる。適切な入力の数を増やせば、認知能力の予測精度が向
上することが理解できるであろう。しかし、かかる入力から得られる相対的な利
益は、それを収集および入力する負担/コストの増加と比較考慮されなければな
らない。例えば、ある種の香りが覚醒を強める特性を持っていることが示された
が、これらの効果は一定したものではなく、個人の睡眠/覚醒履歴および活動時
間が持つ強い影響と比べれば、無視できるものである。より重要なことは、香り
が認知能力に与える影響が理解されていないことである。個人に香りをかいだ記
録を取るように要求することは、その個人に無駄な時間を使わせることになり、
認知能力を予測する精度に関してはわずかな利益しか得られないであろう。それ
に加えて、睡眠/覚醒履歴と活動時間が認知能力に与える影響はよく知られてい
るが、覚醒度に影響すると一般に考えられているその他の要因(例えば仕事上の
ストレスや仕事の負荷)の影響、それらをどの様に測定するのか(それらの作業
上の定義)、およびそれらが作用する方向(認知能力を強化するか、あるいは低
下させるか)は、事実上全くわかっていない。
つ仕事に関する能力を予測するモデルであるという点である。それに対して、睡
眠および/又は概日リズム(約24時間)がからむ従来のモデルは、「覚醒度」
又は「眠気」の予測を中心とするものであった。後者は認知的仕事を遂行する能
力ではなく、睡眠に落ちようとする傾向に特に関連する概念である。 眠気(又はその反対の覚醒度)は、認知能力につながる中間的な変数であると
見なすことが出来るが、科学的な文献は認知能力と覚醒度が概念的に異なること
を明確に示している。例えば、Johnsが論文「眠気の評価再考」Sleep Medicine
Reviews, vol. 2, pp.3-15 (1998)において検討し、またMitlerらが論文「眠
気の試験方法」Behavioral Medicine, vol. 21, pp.171-183(1996)でその問題
を検討している。Thomasらは論文「長時間の睡眠剥奪の局所的脳代謝への影響」
Neuroimage, vol.7, p.S130(1998)において、1〜3日眠らないと、局所的脳
グルコース摂取量で見た脳全体の活動が約6%低下することを報告している。し
かし、最も高次の認知機能(注意、警戒、状況の理解、計画、判断および意志決
定を含むが、これらに限定されない)を司る領域(異種モード連合皮質)は、3
日間眠らずにいた後ははるかに高い程度(最大で50%)で選択的に非活性化さ
れる。従って、睡眠の制限/剥奪の間の神経生物学的機能の低下は、認知能力の
低下に直接的に反映される。これらの知見は、より高次の認知機能、特に注意や
計画立案等を必要とする課題(異種モード連合野が介在する能力)が特に睡眠不
足に影響されやすいことを示した研究結果と一致するものである。他方、一次感
覚領域のような脳の領域が非活性化される程度はより低い。それに付随して、こ
れらの領域に依存する能力(例えば視力、聴力、体力および耐久力)は睡眠不足
によってほとんど影響されない。
もの)は、任意の時点で眠りに入ろうとする脳の基本的な傾向を、推定に基づい
て数量化するものである。つまり、「覚醒度」(あるいはその反対に「眠気」)
を予測する装置又は発明は、眠りに入ろうとする傾向の程度を予測するものであ
る。本発明は、その様なアプローチとは異なり、仕事の性質を考慮する。すなわ
ち、予測するのは眠りに入ろうとする傾向ではない。そうではなく、本発明では
、睡眠剥奪によって最も影響される脳の領域(脳の異種モード連合野)への依存
度に関して、特定の仕事の遂行能力がどの程度損なわれるかを予測するのである
。最も望ましい方法では、個人の睡眠/覚醒履歴と活動時間に基づいて、信頼性
が高く正確な認知能力の推定を行う。
力、すなわち個人の生産性又は効果の高さの指標、の予測を数値的に表すと言う
ことである。本発明の別の特徴は、認知能力に関して間接的、中間的、推論的あ
るいは仮説に基づいた付随的な測定/計算を必要とせず、また利用しないという
ことである。後者の例として、覚醒度、眠気、睡眠の開始までの時間、体温およ
び/又は時間と共に変化するその他の生理的指標がある。本発明のさらに別の特
徴は、任意の原因による認知能力の一時的又は偶発的な変化について、その原因
が睡眠/覚醒履歴にどの様に影響するか(例えば、年齢)および/又は活動時間
(例えば、仕事のシフト)の結果として生じる場合に、それを考慮に入れるとい
う点である。実際上、その様な原因は、睡眠/覚醒履歴および/又は活動時間と
は独立して認知能力に影響するものとしては扱われず、従って、別個測定、要約
およびこの方法のデータとして入力する必要がない。
である。 別の目的は、将来予想される睡眠/覚醒履歴が認知能力に与える影響の予測を
可能にする方法(前方予測)を提供することである。 別の目的は、個人の睡眠/覚醒履歴と1日の中での時刻に基づいて、考えられ
る過去の認知能力に対する、過去に遡った分析を可能にする方法を提供すること
である。
能力の正味の最適値を得るために、利用可能な睡眠/覚醒時間を調整および最適
化する方法を提供することである。 この方法の暗黙の利点と新規性は、利用する変数を限定していることである点
が理解されるであろう。この方法は(経験的に示されてた)最大の予測的価値を
持つ要因を、絶えず更新される入力として利用する。そのため、このモデルは単
純に実施することができる。「覚醒度」を予測する他のモデルは、多数の入力変
数(例えばカフェイン、アルコール摂取、周囲の明るさ/暗さ、日周タイプ)を
追跡することをユーザーに要求するものであり、最大の認知能力の変化を説明す
る要因に基づく標準的で単純化されたモデルへのオプション的な「付属データ」
としてこれらの入力を示すのではない。例えば、本発明の方法の一部によれば、
認知能力に対する年齢の影響は、睡眠に対する年齢の経験的に導かれた影響を通
じて暗黙の形で考慮されている。すなわち、睡眠の質は年齢と共に低下すると言
うことである。本来備わっている加齢による睡眠の質の低下によって、個人の年
齢がわからなくても、潜在的な形で認知能力の低下が予測できる(この方法では
、睡眠の質の低下は認知能力の低下の予測をもたらすから)。したがって、年齢
を認知能力予測モデルへの別個の(独立した)入力変数とする必要がない。
を不要にするという点である。 本発明の別の利点は、個人の認知能力の正確な予測が得られることである。こ
の利点は、認知能力に大きな影響を与えることが経験的に示された2つの要因、
すなわち(1)個人の睡眠/覚醒履歴と、(2)1日の中での時刻(ここで「日
」は夜間と日中の両方を含む24時間を意味する)を組み込んだ方法によって達
成される。
という点である。 本発明によって実現するさらに別の利点は、仮説的な将来の睡眠/覚醒期間に
基づいて、将来に予想される1日を通じての認知能力を予測することである。 本発明によって実現する付加的な利点は、与えられた時点での認知能力の過去
に遡った分析を行うことである。
力用の「ルックアップテーブル」を必要としない)ということで、代わりに各個
人の睡眠/覚醒情報と活動時間に直接基づいて計算されるということである。 本発明の別の利点は、固定した任務/業務スケジュールに基づいて、個人の将
来の睡眠/覚醒スケジュールを最適化するのに利用できるという点である。従来
の方法と装置は、仕事のスケジュールおよび/又は任務を、「個人に適合するよ
うに」修正することに向けられていた。しかし、ほとんどの場合、仕事のスケジ
ュールおよび/又は任務は固定されている。従って、仕事のスケジュール又を任
務を個人に適するように修正することは、現実的でないか又は不可能である。本
発明に組み込まれたもっと理にかなったアプローチは、仕事/任務の要求を満た
すように、個人が自分の睡眠/覚醒期間を調整することが出来るようにするもの
である。したがって、この方法は、仕事から離れている時間によって、あるいは
覚醒度のような認知能力の間接的な指標を使って就業時間を規制する代わりに、
就業時間を直接的に適用可能な測定量(認知能力)に規制する手段を提供するこ
とにより、もっと実際的なものとなる。
自明のインデックスに変換するグラフィック表現を提供することである。「覚醒
度」や「眠気」の予測とは異なり、認知能力の予測はそれ以上の解釈を必要とし
ない。 本発明により、アクティグラフからの情報に基づいて人の認知能力を予測する
システムは、上記の目的を達成し、上記の利点を実現するものである。このシス
テムは、広範囲の状況および様々なタイプの入力に対して容易に適合する。 本発明のある態様によれば、ある個人の活動がアクティグラフによりモニターさ
れ、活動情報は個人の睡眠/覚醒履歴に変換され、それは処理装置に入力される
。処理装置は、睡眠/覚醒履歴の個々のデータを睡眠か覚醒かに分類する。デー
タの分類に基づいて、処理装置は個人の現在の状態に対応する認知能力の容量を
選択して計算し、認知能力の容量は活動時間値によって修正して、認知能力の容
量を予測された認知能力に調整することが出来る。予測された認知能力は、認知
的な課題を遂行する個人の能力を表すものである。予測された認知能力はリアル
タイム表示又は曲線の一部として表示され、表示されたと考えられる情報と共に
印刷され、および/又は後の検索および利用のために保存することが出来る。認
知能力の容量の計算は、眠っていることと起きていることの相互関係が認知能力
に及ぼす影響をモデル化する機能を基礎として行われる。活動時間関数は、個人
の概日リズムが認知能力に及ぼす影響をモデル化する。
現できる。可能な装置の実施形態の例としては、専用装置又はコンピュータ内蔵
の装置としての電子的なハードウェア、コンピュータで利用できるようにコンピ
ュータでの読み取り可能な形に実現されたソフトウェア、メモリまたはコンピュ
ータ利用のためのプログラムチップあるいは専用装置に内蔵されたソフトウェア
、あるいはハードウェアとソフトウェアの両方を組み合わせたものが含まれる。
専用装置は、専用装置の目的を補完するもっと大きな装置の一部であっても良い
。
活動時間の関数として、過去、現在あるいは未来の任意の時点での認知能力を予
測する方法に関する。この方法は、個人の認知能力について、数値的な予測を時
間の連続関数として計算する。この計算(以下で説明する)は、(1)完全に目
覚めている間の認知能力の連続的な低下、(2)睡眠中の認知能力の回復、およ
び(3)活動時間中の認知能力の周期的な変化、の間の経験的に導かれた直接的
な数学的関係に基づいている。
−4(b)に示すように与えられる。図1(a)−(b)に示すように、予測さ
れた認知能力は、科学的に制御された条件下での認知能力の直接的な測定から経
験的に導かれた関数を使って、3つの概略の工程で得られた一連の計算の結果と
等しい。図2に示す最初の工程では、1組の関数を使って図3(a)−(c)に
図示したような認知能力容量のレベルとして示される初期値を計算する。認知能
力容量のレベルが計算されると、第2の工程で図1(b)でG8、また図4(b
)でS8として表された、事前に計算された活動時間モジュレータMを計算する
か又は使用する。第3の工程は、第1および第2の工程の結果の数学的な組み合
わせで、図1(a)のブロック図と図1(b)のグラフとで示される認知能力の
予測が得られる。
覚醒履歴には、4つの関数が関係する。覚醒関数w(t)は、起きている時間と
認知能力の低下の間の経験的に導かれた関係を数量化する。睡眠関数s(t)は
、睡眠時間と認知能力の維持および/又は回復の間の経験的に導かれた関係を数
量化する。まとまった時間の覚醒または睡眠期間の間に作用するこれら2つの一
次的な関数に加えて、一方の状態から他方の状態への移り変わりの間に短時間に
作用する他の2つの関数がある。それは回復遅延関数d(t)と睡眠惰性関数i
(t)である。回復遅延関数d(t)は覚醒から睡眠への遷移と認知能力の回復
の間の関係を表す。この関数は、図3(b)に示されるように、覚醒に続く睡眠
初期の段階で作用する。睡眠惰性関数i(t)は、睡眠から覚醒への遷移と認知
能力の間の関係を表す。この関数は、図3(c)に示されるように睡眠後の覚醒
状態の初期に作用する。
われる。活動時間関数は、活動時間(24時間の期間の中での時点)と、図1(
b)においてG8で示される活動時間中の認知能力の変化との間の経験的に導か
れた関係を示す。 第1および第2の工程からの結果を組み合わせて、第3の工程における単一の
予測された認知能力曲線Eを得るには、図1(b)で乗算として示された数学的
演算が使われる。
る。睡眠/覚醒履歴は、地方時間に基づく時系列又は時間的な記録である。連続
する各期間、介在期間又はエポックは、互いに相反する状態すなわち覚醒と睡眠
という2つの状態の一方を示す。かかる睡眠/覚醒履歴は必ずしも、過去に発生
したという意味で「歴史的」である必要はなく、例えば仮説的、予測的、理想化
された、又は想定されたものであって良い。特に後者は、この方法の予測的な利
用にとって適切である。 睡眠状態を覚醒状態から識別するために好適な装置は、携帯可能であり、非強制
的であり、信頼性があり、しかもその記録が自動的に評価できるようなものであ
る。その様な装置の1つは、身体活動をモニターするアクティグラフである。製
造されているアクティグラフには以下のように様々なものがある。IMシステム
のアクトトラック(ActTrac)、Mini-Mitter Co., Inc.のアクティウォッチ(Ac
tiwatch)、Cambridge Neurotechnologyのアクティウォッチ(Actiwatch)Rおよ
びAmbulatory Monitoring, Inc.のスリープウォッチ(Sleep Watch)Rである。
図18(a)−(b)は、ウォルターリード陸軍研究所、神経生物学および行動
学部で製作されたアクティグラフを示す。図19(a)−(c)は、やはりウォ
ルターリード陸軍研究所、神経生物学および行動学部で製作された第二のアクテ
ィグラフを示す。センサー100と120はアクティグラフを装着した個人の運
動を検出する。メモリ110と130はそれぞれセンサー100と120が検出
した運動を表すデータを記憶する。アクティグラフは通常は、個人の利き腕でな
い方の手首に装着されるが、個人の身体の他の部位にも取り付けられる。例えば
足首、頭、上腕、胴体あるいはかかとなど。しかしアクティグラフの信頼性と有
効性という点では、大多数の研究は、アクティグラフを利き腕でない方の手首に
装着した個人に対して行われてきた。アクティグラフをこの様に装着した場合、
ポリソムノグラフィーPSGによって得られる標準的なものと比べて、アクティ
グラフが正確に睡眠および覚醒状態を数量化できることが示された(90%もの
高い信頼性)。
Coleらによって開発され、論文「手首装着アクティグラフィーによる睡眠/覚醒
の自動識別」(Sleep, vol. 15, pp.461-469(1992))に述べられたアルゴリズム
である。Coleらのアルゴリズム(Cole-Kripkeアルゴリズムとも呼ばれる)のよ
うな、良い結果を上げているアクティグラフィーによる睡眠評価アルゴリズムは
、通常の(零交差数)アクティグラフと共に使用するものであり、いくつかのア
ルゴリズムはある閾値よりも高いカウント数の説明を与える。これらのアルゴリ
ズムは単純な睡眠と覚醒の識別を行うことに限定されており、睡眠状態の中での
睡眠段階の変化(例えばステージ1からステージ2へ、ステージ2からレム睡眠
へ)は識別できない。従って、そのようなアルゴリズムは回復睡眠(ステージ2
、3、4およびレム)を非回復睡眠(ステージ1)と区別することは出来ない。
ほとんどのアクティグラフのメーカーは、睡眠評価アルゴリズムを含むアクティ
グラフによって記録されたデータを解析するコンピュータソフトウェアを提供し
ている。
始まった。DSPアクティグラフでは、従来の零交差数あるいは閾値を超えたカ
ウントだけでなく(ただし従来のアクティグラフで得られるこれおよびその他の
情報も保持されるが)、はるかに多くの情報が得られるので、異なる睡眠段階を
識別する可能性がある。従って、DSPの睡眠評価システムはCole-Kripkeアル
ゴリズムの代わりになるだけでなく、それを無意味にしてしまうであろう。DS
Pアクティグラフを利用して得た経験的データのDSPデータベースが増加すれ
ば、DSP用の睡眠評価システムが開発されるであろう。
えば、Jean-Louisら、1996、Sadehら、1989、およびZisapelら、1995などによっ
て開発された。これらの個々の評価システムは、特に、アクティグラフで記録さ
れた睡眠障害又は他の医学的な問題を持つ個人の睡眠/覚醒状態を評価するとい
う大きな可能性を持っている。現在利用できる評価システムは、技術的な面、例
えば、以前および以後のエポックでの活動のカウントが、どの程度まで現在のエ
ポックの評価に影響するか、また各評価システムの基礎となる数学的原理の変動
などに違いがある。この分野で通常の技術を有するものであればこの説明を読ん
で理解できるように、どんなアクティグラフ評価システムも本発明の方法に対す
る睡眠/覚醒に関する入力データを与えることが出来る。
過去、現在および/又は未来の(予測された)睡眠/覚醒パターンを含むことが
できる。睡眠/覚醒履歴は、個人が眠っているか目覚めているかという状態を表
すもので、複数のエポックに分けられる。各エポックは同じ長さであるが、デー
タの収集に使用される方法と装置の制約および/又は睡眠/覚醒パターンに求め
られる精度に応じて、任意の長さにすることができる。 認知能力の予測精度は、睡眠/覚醒履歴の入力の精度および個人の睡眠/覚醒状
態の解釈に使用される睡眠評価システムに直接関連するものであることが理解さ
れるであろう。精度を低下させる可能性のある1つの原因は、入力エポック又は
介在時間の時間的分解能の問題である。すなわち入力エポックが短いほど、時間
分解能は高く、またその結果、睡眠/覚醒入力の瞬間から瞬間への精度が高くな
る。例えばアクティグラフィーでは、エポックの最も効果的な長さは1分である
ことが経験によって示されている。精度が悪くなる別の原因は、睡眠と覚醒の識
別そのもののあいまいさである。履歴の入力があいまいな場合(つまり眠ってい
るか目覚めているかがはっきりしない場合)、認知能力の予測値の計算をそれぞ
れの可能な状態(睡眠又は覚醒)について1回づつ、計2回同時に行って、予想
される認知能力の可能な範囲を示す2重の出力を得ることになる。睡眠/覚醒履
歴に含まれるあいまいさが1つ以上ある場合は、2重出力をさらに分割すればよ
いと言うことは、この分野で通常の技術を有するものであれば理解できるであろ
う。この方法およびそれを実施する装置には全て、下に示す関数を実行する処理
がその1つの要素として含まれる。 本発明の方法は時間と技術的方法に関して制約されない。つまりオンライン/リ
アルタイムでもオフライン/事後処理でもよく、またこれらの方程式の連続的な
形式に対して増分解、反復解又は離散解でもよい。 本方法の好適な実施形態は、時刻tにおける認知能力容量の予測値Eを、現在の
認知能力容量Cの活動時間関数Mによる変調として表す数学的なモデルを含む。
それは最も単純な形では以下の一般形に書かれる。 E=C∇M 式1 ここで∇は数学的演算子を表す。認知能力容量Cと活動時間関数Mの結合には、
任意の数学的演算子を使用できる。活動時間関数Mの形式と性質によって、正確
にどの様な演算子が最も望ましいかが定まる。最も好適には、下記の式1aを使
用して認知能力容量Cと活動時間関数Mを結合する。 E=C*M 式1a あるいは下記の式1bを使用して認知能力容量Cと活動時間関数Mを結合しても
よい。 E=C+M 式1b 認知能力容量Cは、次式で表される睡眠/覚醒履歴の関数を表す。 C=w(t)+s(t)+d(t)+i(t) 式2 ここでw(t)、s(t)、d(t)およびi(t)はそれぞれ、時刻tにおけ
る覚醒、睡眠、遅延および睡眠惰性関数の瞬間的な値である。活動時間関数Mは
下記のように、活動時間の関数を表す。 M=m(t) 式3 ここでm(t)は時刻tにおける活動時間関数の瞬間的な値である。
最後の状態変化の時刻tLSの初期設定を行ったいづれかの後に3段階のプロセス
を実行でき、これらの初期設定データは図4のS1で任意の順序で入力できる。
第一の工程では、時刻tにおける認知能力容量Cのレベルは図4(a)および(
b)のS3−S7eで表される関数w(t)、s(t)、d(t)およびi(t)
を使って、個人の睡眠/覚醒履歴に基づいて計算できる。第2の工程では、図4
のS8で表される活動時間関数を使って活動時間モジュレータMを計算できる。
本発明のある態様では、第2の工程を一度行って、第1の工程の複数回の実行に
対して時系列の順序の一連のデータ点を得ることができる。第3の工程では、認
知能力容量Cと活動時間関数Mの結合から認知能力の予測値Eを導いて、図4(
b)のS9で示される活動時間モジュレータMで変調された認知能力容量Cが得
られる。 第1の工程:認知能力容量Cの計算 図2は以下で述べる関数の使い方を模式的に示すフローチャートである。ここ
で説明する計算の例を図3(a)−(c)に図式的に示す。図4(a)および(
b)はこの方法における各工程の詳しいフローチャートである。このモデルの好
適な実施形態として、ここでは認知能力容量Cにはゼロから100までの全範囲
を持つ値が割り当てられており、従ってパーセントを表す。この応用における範
囲は、示された数値的な範囲の終わりの点を含むものと考えられている。ただし
、認知能力容量Cはそれぞれの応用に応じて、その他の値又は単位で表すことも
できる。
)、s(t)、d(t)およびi(t)のうち1つだけが、与えられた任意の時
間間隔で作用し、他の関数は式2においてゼロに等しい。関数w(t)とs(t
)は非遷移的状態を表し、関数d(t)およびi(t)は遷移状態を表す。例え
ば非遷移的状態では、個人が覚醒しているときは関数s(t)がゼロに設定され
、個人が眠っているときは関数w(t)がゼロに設定される。同様に、覚醒状態
から睡眠状態へ、あるいはその逆に変化している特定の期間は、遷移関数d(t
)およびi(t)のどちらか一方だけが作用し、その他はゼロに設定される。睡
眠と覚醒の間、あるいはその逆の変化が起きると、時間カウンタtLSがリセット
されて現在の状態の継続時間を追跡し、図4(b)に示すように遷移関数d(t
)およびi(t)に対する決定ルールを求める。 (1)覚醒関数(w(t)) 覚醒関数S7aは、覚醒している時間の経過による認知能力容量の減退を表す
。これは(1)個人が毎晩8時間の睡眠を取れば、ほとんど100%の認知能力が毎
日維持されることと、(2)覚醒状態を継続する24時間ごとに、認知能力が約
25%低下すると思われる、という知見に基づくものである。
の期間中に起きる認知能力容量の減退の結果として得られた、認知能力容量Cの
現在値を覚醒関数w(t)により計算する。上で述べたようにこの計算は、S9
における活動時間関数Mによる認知能力容量Cの変調とは独立に、またそれより
も前に行われる。覚醒関数の一般化された形式は次式で表される。 Cw=w(t) 式4 ここで覚醒関数w(t)はtと共に減少する任意の正の値の関数でよい。より好
適には、覚醒関数w(t)は一定の割合で低下する能力の一次関数であり、また
最も好適には覚醒関数w(t)は時刻tにおいて次式のように表される。 w(t)=Ct-1−kw 式4a ここで覚醒している期間は時刻t−1からt(エポックの数で)であり、1分間
の能力低下がkwである。従ってt−1からtまでの期間が1分ではなければ、
kwは適切に調整される。kwの全範囲は任意の正の値の実数であり、好適にはk w は毎分0.003から0.03%の範囲であり、また最も好適にはkwは1時間
当たり約1%、つまり毎分0.017%である。kwの値は、覚醒状態を継続す
る24時間ごとに認知能力が約25%低下することを示す経験的データに基づい
ている。式4aを図2および4(b)においてS7aで図示する。認知能力容量
の初期値が100%で、16時間(960分)にわたって毎分0.017%の割
合で低下する場合の、覚醒関数の例を図3(a)に示す。 (2)睡眠関数(s(t)) 睡眠関数S7cは、睡眠時間と共に認知能力容量を回復するものである。睡眠
関数s(t)は、睡眠による認知能力の回復値は、非線形に蓄積するものである
という経験的な根拠に基づくものである。すなわち、認知能力容量の回復割合は
、睡眠の初期には速く、睡眠の継続と共に遅くなる。別のデータによれば、ある
時点を過ぎると、それ以上眠っても認知能力にはほとんどあるいは全く貢献せず
、回復率はゼロに近づく。つまり、例えば2時間の睡眠が1時間の睡眠の2倍の
回復効果を持つわけではないということになる。睡眠関数は、認知能力容量の現
在のレベルに依存する割合で認知能力容量を増加させる、つまり認知能力容量の
初期値が低いほど回復が速く進行する。例えば、日中完全に(16時間)覚醒状
態にあった後で夜間に眠ると、回復は夜の早い時期に急速に進行する。睡眠期間
中に認知能力容量が回復するに従って、回復速度は低下する。睡眠剥奪の後では
、初期の認知能力容量は通常の16時間起きていた後よりもさらに低いが、回復
睡眠の初期段階における回復速度はより速い。日常的に部分的な睡眠剥奪が続く
と、このように初期の回復速度は速くなっても、各晩の睡眠だけでは認知能力容
量が完全には回復しないことがある。
る容量の回復結果から導かれる認知能力容量Cの現在値を計算する。上で述べた
ようにこの計算は、活動時間関数Mによる認知能力容量Cの変調とは独立に、ま
たそれよりも前に行われる。睡眠関数の一般化された形式は次式で表される。 Cs=s(t) 式5 ここで睡眠関数s(t)はtと共に増加する任意の正の値の関数でよいが、より
好適には、睡眠関数s(t)は指数関数である。これは、睡眠中の認知能力の回
復は非線形であり、睡眠の初期に最も速く回復し、睡眠の継続と共に緩やかに遅
くなるという経験的なデータに基づくものである。したがって最も好適な睡眠関
数は指数関数であり、それは離散的な形式では次式のように表される。 Ct=Ct-1+(100−Ct-1)/ks 式5a ここで睡眠期間はt−1からt(分)までであり、認知能力容量の最大値は10
0%である。Ct-1は時刻tに先行する期間中の認知能力容量であり、ksは回復
の時定数である。別の言葉で言えばksは、認知能力容量Cが曲線の最初の勾配
と等しい一定の割合で回復すると仮定した場合に、完全に回復するのに要する時
間である。回復の時定数ksは部分睡眠剥奪データから経験的に導かれるもので
、エポックの長さに基づいて選択される。好適な実施形態によれば、ksは任意
の正の値の実数である。例えばksは100から1000までの範囲でよく、よ
り好適には長さ1分のエポックに対して約300である。ただし、ksの最適な
値は、少なくとも部分的にはエポックの長さに依存する。式5aは図2と図4(
b)ではS7cで表してある。認知能力容量の初期レベルを100として、期間
は1分でks=300として、16時間覚醒していたあとの8時間の睡眠の効果
を、図3(a)で睡眠関数の例として図示する。 (3)覚醒から睡眠への変化に対する遅延関数d(t) 回復遅延関数d(t)は、睡眠関数からの認知能力容量の回復に遅延が生じた
時間の長さを、睡眠の開始時からの期間として示すものである。この期間中に、
認知能力容量の覚醒関数による低下が図4(b)においてS7dで表されるよう
に継続する。睡眠期間の開始時点で、あるいは睡眠からの目覚めの後で、認知能
力容量がただちに蓄積するのを防ぐことにより、この遅延時間は認知能力容量の
計算S6bを調整する。
は認知能力容量維持をするほど回復はないことを示す経験的な調査結果に基づく
ものである。頻繁に目覚めること、すなわちステージ1の睡眠(睡眠の断片化)
は、認知能力容量を回復する上での睡眠の効果を大幅に低下させる。これまでに
得られているデータによれば、眠りから目覚めた状態、つまりステージ1の睡眠
の後で回復睡眠(ステージ2のもっと深い睡眠)に戻るために要する時間は約5
分である。もしも長時間の睡眠が中断なしに得られるならば、認知能力容量の回
復全体に対して遅延はわずかな相違しかもたらさない。もしも頻繁に目覚めるこ
とによって睡眠が中断されると、各目覚めた後の回復の遅延は蓄積され、その結
果全睡眠期間中に回復される全認知能力容量を大幅に低下させる。
の長さを規定する。覚醒から睡眠への変化に対する遅延関数の一般的形式は、下
記の決定ルールとして表される。 d(t): IF(t−tLS)≦kd THEN Ct=d(t) ELSE Ct=s(t) 式6 ここでLSは最後の状態変化を意味し、従って覚醒−睡眠遷移時間tLSは、連続
する一連の睡眠期間に先行する最後の覚醒期間の時間的長さを表す。この決定ル
ールは図2と図4(b)で、S6b、S7cおよびS7dを合わせたものとして示
されている。期間kdの間の認知能力容量を計算するには、認知能力容量Ctを遷
移公式Ct=d(t)によって評価する。時間kdが経過すると、Ct=s(t)
となる。時間kdが終わる前に覚醒状態が起こると、Ctは決してs(t)に戻ら
ないことに注意されたい。つまり、短い睡眠期間中は睡眠関数が適用されないと
いうことである。
復が得られる前の睡眠の開始時刻から測って、約5分に等しいと考えられる。d
(t)は好適にはw(t)と等しい。この分野で通常の技術を持つものであれば
、kdの長さに影響する要因には様々なものがあることを理解するであろう。従
ってより好適な遅延関数は次のように表される。 d(t): IF(t−tLS)≦5 THEN Ct= w(t) ELSE Ct= s(t) 式6a 式6aで表される認知能力容量に対する遅延回復の影響を、図3(b)で詳しく
図示する。 (4)睡眠から覚醒への変化に対する睡眠惰性関数i(t) 睡眠惰性関数i(t)は、睡眠から目覚めた後の期間中に、顕在的な認知能力
容量が現在の実際のレベルよりも低く抑えられた期間を定義する。睡眠惰性関数
i(t)は、認知能力は覚醒すると直ちに損なわれるが、覚醒時間の機能で、お
おむね改善することを示す経験的データに基づいている。また同時に、睡眠から
目覚めた直後に不活性化された、その後数分間の覚醒の間に再活性化される異モ
ード連合皮質(この認知能力を媒介する領域)を示した、陽電子射出断層撮影法
による研究結果にも基づいている。すなわち、睡眠中に生じる実際の認知能力の
回復は、目覚めてすぐにははっきりしないのである。認知能力容量が、睡眠中に
生じる実際の回復を反映したレベルに戻るのに必要な時間は約20分であること
が、データによって示されている。
回復する認知能力容量のレベルよりも一時的に低く抑えられる可能性のある期間
を定義する。この期間中は、初期レベルから、覚醒関数のみによって決定される
レベルまでの橋渡しを遷移的な関数が行う。睡眠から覚醒への変化に対する睡眠
惰性関数の一般的な形式は、下記の決定ルールとして表される。 i(t): IF(t−tLS) < ki THEN Ct = i(t) ELSE Ct = w(t) 式7 ここで睡眠−覚醒遷移時間tLSは、連続する一連の覚醒期間に先行する最後の睡
眠期間の時間的長さを表す。期間kiの間の認知能力容量を計算するには、Ctを
遷移公式Ct=i(t)によって評価する。時間kiが経過すると、Ct=w(t
)となる。式7は図2と図4(b)で、S6a、S7aおよびS7bを合わせたも
のとして示されている。
最も好適には18から22分の間である。 睡眠惰性関数i(t)は0からkiまでの区間にわたる任意の関数であってよ
く、好適には負の加速を受けた任意の関数である。好適な睡眠惰性関数i(t)
は単純な二次方程式である。この関数は好適には、目覚めて直後の認知能力容量
を10%から25%、またより好適には25%抑制する。この関数は目覚めてか
ら最初の10分で、抑制された認知能力容量の75%を回復し、通常は目覚めて
から20分までに抑制された認知能力容量の100%を回復し、それ以後は覚醒
関数が働く。これらの値は、睡眠から覚醒への変化に関する経験的なデータに基
づくものである。これらの研究によれば、認知能力は睡眠から目覚めた直後は損
なわれているが、この損なわれた分の大部分は目覚めて最初の数分間に解消し、
能力が完全に解消するには約20分を要することが示されている。好適な認知能
力容量の25%の抑制と20分の回復時間を使用すると、睡眠惰性関数の好適な
形式は下記の決定ルールとして表される。 i(t): IF(t−tLS) < 20 THEN Ct= Csw*[0.75 + 0.025(t− tLS)−(0.025(t−tLS))2] ELSE Ct= w(t) 式7a ここでCswは睡眠期間の終わりにおける認知能力容量であり、睡眠−覚醒遷移時
間tLSでの睡眠関数によって計算される。この決定ルールは図2と図4で、S6
a、S7aおよびS7bを合わせたものとして示されている。式7aは初期の抑
制が25%であり、kiは20分に等しく、そして覚醒関数w(t)が効果を発
揮するまでの期間を負の加速を受けた勾配が橋渡しをすることを示している。式
7aで表現される認知能力容量に対する睡眠惰性関数i(t)の影響を、図3(
c)に図示する。
初期の低下が10%とした一次関数である。決定ルールは、下記のようになる。
i(t): IF(t−tLS) < 10 THEN Ct= Csw*[0.9 + (t−tLS)/100] ELSE Ct= w(t) 式7b この分野で通常の技術を持つものであれば理解できるように、式7aと7bは
kiの値の変化と認知能力容量の初期的な抑制に対して調整することができる。
第2の工程:活動時間モジュレータMの計算 (1)活動時間関数m(t) 図4(b)でS8として示された活動時間関数m(t)は、認知能力の24時
間周期の変化を表すものである。活動時間関数m(t)は、一定の日常的な状態
および/又は完全な睡眠剥奪状態(すなわち睡眠/覚醒履歴が管理された状態)
では、認知能力容量は24時間の期間にわたってピーク−ピークで約5%から約
20%の間で変動することを示す経験的なデータに基づいている。この結果は、
一般に、個人の概日リズムが原因であるとされる。この関数の出力が、活動時間
に応じて現在の認知能力容量予測C(第1の工程で計算された値)を変調する。
この変調の結果が、予測された認知能力容量Eである。時刻関数の一般化された
形式は以下のように表される。 M=m(t) 式8 ここでm(t)は基本周期24時間の任意の周期関数であり、好適にはm(t)
は2つの正弦関数の和であり、その1つは周期24時間のもの、もう1つは二段
階の概日周期を構成する12時間周期のものである。この関数は、認知能力の測
定において見られる大きな変動は、このような2つの正弦曲線波形によって説明
できることを示す経験的なデータに基づいている。前に述べたように、経験的に
観察される認知能力容量におけるピークは通常午後8時から午後10時の間に起
きるもので、午前2時から午前6時の間に谷が生じて、毎日約5%から約20%
の変動が生じる。二番目の谷は通常午後3時頃に起きる。関数m(t)の好適な
形式に対してこれらの値を使用すると、その結果得られる関数により、昼間に低
下する、経験的に示される認知能力の日周期リズムの非対称性が説明される。
選択される演算子により変化する。この関数の計算値は、認知能力の付加的なパ
ーセント値(認知能力容量Ctの現在値に従属するか又は独立)か、あるいは乗
法無次元スカラー量として表現できる。この関数の好適な形式は、乗法演算子を
使用して以下のように表せる。 m(t)= F + (A1*cos(2π(t−V1)/P1) + A2*cos(
2π(t−V2)/P2)) 式8a ここでFはオフセットであり、tは活動時間、P1とP2は2つの正弦関数の周期
であり、V1とV2は深夜過ぎのピーク時刻を時間又はエポック単位で表し、A1
とA2はそれらの余弦曲線の振幅である。この関数を使って、前に計算された認
知能力容量Cを変調することができ、その結果が認知能力容量の予測値Eとなる
。式8aを図1(a)と4(b)でS8として示し、図1(b)でG8として図
示する。図4(b)に示すように、tはデータの各エポックに対する活動時間関
数m(t)の入力である。
深夜過ぎの時間を分で表したもの、P1は1440分、P2は720分、V1は1
225、そしてV2は560である。さらにA1とA2がスカラーとして表される
場合、それらの振幅は0から1の範囲であり、好適には0.01から0.2の範
囲であり、最も好適にはA1は0.082でありA2は0.036である。さらに
この例において、Fは0又は1であり、より好適にはFは1である。その結果こ
の例における活動時間関数m(t)の値は0から2の範囲となり、好適には0.
8から1.2の範囲であり、最も好適には0.92から1.12の範囲となる。
第3の工程:認知能力の予測値の計算 認知能力容量の予測値Eを計算する全プロセスを図1(a)−(b)および図
4(a)−(b)に模式的に示す。活動時間関数Mは、個人の睡眠/覚醒履歴か
ら導かれた認知能力容量Cを変調して、図1(a)−(b)に示す認知能力の最
終的な予測値Eを与える。第3の工程では、認知能力の予測値Eは、認知能力容
量Cと活動時間関数Mの組み合わせから導かれる。その最も一般的な形式は下記
のようになる。 E=C∇M 式1 ここで∇は認知能力容量Cと活動時間関数Mを結合する任意の数学的演算子であ
る。この結合を行う演算子としては通常は加算又は乗算が選ばれる。上で選ばれ
た活動時間関数m(t)の形式によって、どちらの演算子を使っても認知能力の
予測値Eの同じ数値が得られる。最も好適には、乗算S9を使って以下のように
結合を行う。 E=C*M 式1a 式1aでは、認知能力の予測値Eは現在の認知能力容量Cと、活動時間モジュレ
ータMの現在値を表す1番を中心とする値を変調したものである。
容量のパーセントを表すゼロから100までの範囲の値である。ただし、ある状
況の下では、認知能力容量Cの現在値に関する時間の変調のために、認知能力の
予測値Eは、重要な意味を持って100を越えることがある。その様な状況の一
例としては、100%の認知能力容量Cが得られる睡眠期間が、夜間のピークで
(そして睡眠惰性が解消した後に)中断されるというものが挙げられる。100
%のスケールを維持するためには、認知能力の予測値Eを100%で頭切りする
か、あるいは0から120%の範囲を0から100%までの範囲に縮小しても良
い。どちらの方法を選択しても最大値100%を維持できる。最も考えられる実
施方法は、120%を100%に縮小してから任意の認知能力の予測値Eを10
0%に頭切りすることである。
れる。この方法の各反復実行ごとに、エポックの長さに等しい1単位の時間を時
刻tに加算するが、好適には図1に示すカウンタS11の形で行う。 上で述べた好適な実施形態においては、認知能力容量Cの活動時間モジュレー
タMによる変調の前に、睡眠惰性関数i(t)が認知能力容量Cに適用される。
別の実施形態では、認知能力容量Cにではなく認知能力の予測値Eに睡眠惰性関
数i(t)が適用される。すなわち、活動時間モジュレータMによる認知能力容
量Cの変調の後で適用する。好適な実施形態がこの別の実施形態よりも良いかど
うかを判断するのに十分な知識は実験から得られていない。
れたときに覚醒関数w(t)はゼロに設定される。さらに別の実施形態では、睡
眠惰性関数i(t)と覚醒関数w(t)が同時に適用される。睡眠惰性関数i(
t)と覚醒関数w(t)が互いに等しくなるか、又は睡眠惰性関数i(t)が覚
醒関数w(t)よりも大きくなると、認知能力容量Cは覚醒関数w(t)を使っ
て計算される。
る麻薬その他の要因の効果を説明できるようにすることもできる。好適な実施形
態をさらに修正したものでは、例えば活動時間関数M(t)の24時間周期を数
日の期間にわたって圧縮又は拡大して、調整されたスケジュールに活動時間関数
M(t)を再調整することにより、ジェットラグその他の時間をずらす事象を含
めることができる。
態をリアルタイムに与えおよび必要に応じて認知能力容量を提供して未来の認知
能力レベルを推測する。好適な実施形態においてソフトウェアが行う各工程を示
すフローチャートを図4(a)−(b)に、また後で述べる別の実施形態の場合
を図7(a)−(b)に示す。このソフトウェアはコンピュータプログラム、又
はその他の電子機器制御プログラム又はオペレーティングシステムとして実現で
きる。ソフトウェアは、睡眠評価機能を内蔵するアクティグラフならば、個人に
装着するアクティグラフに常駐させることができ、あるいはスタンドアローン装
置に常駐させることができる。あるいは、ソフトウェアは間隔を置くか又は連続
的にアクティグラフと通信を行うスタンドアローン装置に常駐しても良い。スタ
ンドアローン装置はパソコン、PAL機器、パーソナルディジタルアシスタント
(PDA)、eブックその他のハンドヘルド又はウェアラブルコンピュータ(パ
ームOS、ウィンドウズ(登録商標)CE、EPOCなどを搭載するもの、又は 3ComのRazorやIBMとIntelを含む共同企業体のブルートゥース (Bluetooth)などのコードネームを持つ次世代機器)、又は個人に装着したア クティグラフなどの機器から信号を受け取る特殊目的の機器であってよい。ソフ トウェアの常駐場所により、ソフトウェアは例えばランダムアクセスメモリ(R AM)、リードオンリーメモリ(ROM)、ハードドライブ、ディスク、コンパ クトディスク、パンチカード、テープその他のコンピュータによる読み取り可能 なイントラネット又はインターネットのようなネットワーク、コンピュータその 他の上のバーチャルメモリ、光学的記憶装置、磁気記憶装置、および/又はEP ROMに記憶できる。或いはまたソフトウェアは、上で述べた各式において変数 を考慮して調整および変更できるようにしてもよい。この能力により、ユーザー は経験的知識に基づいて変数を調整し、また変数間の相互関係を知ることもでき る。
は周知のように、ソフトウェアにより、計算で使用される任意の小数はソフトウ
ェアが適切な倍率をかけられた整数に変換される。整数はさらに誤差が最小にな
るように近似されて、例えばコール−クリプケ(Cole-Kripke)アルゴリズムの
重みづけ係数がそれぞれ256、128、128、128、512、128、1
28となる。線形近似の利用により、ソフトウェアの実施のための二値演算と、
それに対応するソフトウェアの実現のためのアセンブリプログラムが単純化され
る。好適には、活動時間モジュレータは8ビットの符号なし整数を使用して1時
間の工程が24行となるテーブルとして実現される。中間の工程は、15分工程
を得るために1時間工程から内挿される。この単純化により、利用できるディス
プレーに対して十分な解像度が得られる。利用できるディスプレーの解像度が向
上すれば、もっと細かい時間的工程が、テーブルおよび/又は活動時間モジュレ
ータを再現する内挿法に使用されてもよい。利用できるディスプレーの解像度が
向上すれば、もっと細かい時間的工程が、テーブルおよび/又は活動時間モジュ
レータを再現する内挿法に使用されてもよい。ポインターシステムを使用して、
活動時間モジュレータを計算するための適切なデータを取り込むことができる。
非常に多数の要因により、本分野の通常の技術を有するものは、乗法的変調を選
択して適切なスケールを実現するか、あるいはスピードが問題になるような、そ
れほど複雑ではないがより迅速な評価を必要とする場合は、加法的変調を選択す
る可能性が高い。加法的変調の主な欠点は、本発明の乗法的変調を使用した場合
の誤差が1%であるのに対して誤差が約3%になることである。このシステムは
、アクティグラフが初期化されたときに活動時間関数をアップロードすることに
より、余弦テーブルを使用して活動時間関数を各エポックごとに余弦テーブルか
ら計算する場合の、繰り返し計算の負担を軽減することができる。
グラフ10の付属部品により実現することもできる。適切なスタンドアローン機
器には、入力接続、例えばキーボード、データ入力機器あるいは独立のインター
フェース又はケーブル/リード線を介して接続されたアクティグラフのような入
力機器に物理的に接続された入力ポート(入力手段20)が含まれる。あるいは
物理的な入力接続はテレメトリー、電波、赤外線、PCS、ディジタル、携帯電
話、あるいは光を利用したシステムを含む無線通信システムで置き換えても良い
。無線通信システムは、ケーブル/リード線、プラグイン等の物理的な接続の必
要性を無くすという利点があり、これは動く被験者をモニターする場合に特に便
利である。本発明のある態様によれば、アクティグラフは無線通信システムを介
して外部装置に通信を行い、外部装置はスタンドアローン装置に接続されるよう
にできる。アクティグラフ10は好適には個人の過去、現在および/又は予測さ
れる睡眠パターンを含む睡眠履歴を与え、睡眠履歴は図6に示す睡眠評価器15
によって解析される。あるいは、アクティグラフ10からのデータが睡眠/覚醒
履歴の形でない場合は、アクティグラフのデータを例えば装置のメーカーが供給
するソフトウェアによって解析して、スタンドアローン装置へ入力する前にアク
ティグラフデータに対する睡眠評価を行う(睡眠評価器15)。 スタンドアローン装置はさらに、入力データ中の各状態を解析して通常のように
睡眠状態か覚醒状態かに分類する解釈手段30を含む。解釈手段30はまた入力
データの成分に反応して、以下の計算のための関数のうちの少なくとも1つを選
択又は生成する、すなわち、1)覚醒関数、2)睡眠関数、3)遅延関数および
4)睡眠惰性関数である。解釈手段30は、適切にプログラムされた集積回路(
IC)によって実現できる。本分野の通常の技術を有するものであれば、離散的
アナログ回路、ハイブリッドアナログ/ICその他同様の処理素子のようなIC
と共に、あるいはその代わりに、様々な機器が動作できることを理解するであろ
う。
段のICを適切にプログラムすることによって、あるいは睡眠/覚醒履歴と現在
の状態を考慮に入れて認知能力容量を判定し計算する別個にプログラムされたI
Cによって実現できる。 解釈手段30と判定手段40を組み合わせて、1つの結合した手段又は装置に
することができる。 計算された認知能力容量は、変調データ列又は好適には活動時間曲線を表す曲線
を含む変調データを保存する第1のメモリ領域60に記憶される。スタンドアロ
ーン装置はさらに、データ列又は時間tに対する認知能力容量Cを表す曲線を生
成するためのデータを保存する第2のメモリ50領域を含む。第1のメモリ60
と第2のメモリ50は、本分野の通常の技術を有するものに周知の任意のもので
よい。第2のメモリ50は好適には、判定手段40から得られた値をデータ列又
は曲線の最後に追加する手段を提供する先入れ先出しメモリーである。第1のメ
モリと第2のメモリは組み合わせて、1つのメモリユニットにまとめてもよい。
との組み合わせとして、第1のデータ列又は曲線(認知能力容量)を変調データ
列又は曲線(活動時間)で変調する変調手段70を含む。好適には変調は、デー
タ列又は曲線に関する時系列情報のマッチングを取ることで実行されるが、これ
は好適には最初の睡眠/覚醒状態に関するエポックの数と初期開始時刻によって
決定される初期入力データからの時間の長さに基づいて行われる。
線のプロット、あるいは認知能力の予測値Eを表す変調手段70からの選択され
た時刻での変調曲線上のある点の数値的な表現を表示するディスプレーを含むこ
とができる。数値的な表現は、自動車の燃料計器と同様の計器の形を取ることも
できる。ディスプレーの代わりとして、又はそれに加えて、スタンドアローン装
置にはプリンタあるいは、変調曲線又はデータ列を印刷および/又は記憶するた
めに外部装置と通信を行う通信ポートを含むことができる。
と付随するデータファイルを実行するための記憶スペースと処理能力を備えても
良い。この場合、スタンドアローン装置はデスクトップコンピュータ、ノートブ
ックコンピュータ、又は類似の計算機器であってよい。ソフトウェアは、通信ポ
ートを通じて外部ソースから得た睡眠履歴を表すデータの受信を処理して、次ぎ
に必要な解析とここで述べた方法の処理を実行する。記憶スペースは、少なくと
も活動時間曲線と、可能であれば入力データを保存するコンピュータで読み取り
可能な形式のメモリでよく、それらのデータは、一時的な利用であれば、コンピ
ュータのランダムアクセスメモリ(RAM)に保存しても良い。入力データと、
それにより生成された個人の様々な認知能力レベルを示すデータもまた、RAM
で実現されるよりももっと恒久的なメモリ又は記憶装置に保存しても良い。
ポックの数が覚醒エポックに変更されるように、睡眠/覚醒データのフィルタリ
ングを行う解釈手段30を備える。本発明において、フィルタリングは様々な方
法で実現できる。好適な方法は、図4のS3の前に決定工程を追加して、Dswが
睡眠エポックでしかもt−tLS≦kdであるならば、S3−S6aを飛ばしてS
7aを実行するようにすることである。その結果、上記の式6でd(t)で表さ
れた決定ルールは省略されて、図4(a)−(b)および7(a)−(b)にお
いてS6bとS7dが不要となる。
タンドアローン装置と同様の部品を持つことができる。好適には、アッドオンユ
ニットは1つのICチップに収納されてそれを収容するスペースを最小にするこ
とができる。ただし、アッドオンユニットには1以上の電気素子、例えばメモリ
チップおよびICを含むことができる。アッドオンユニットは、認知能力の予測
値をさらに解析するために遠隔装置に送信することができる。
ことが想定される。本発明の目的のためには、リアルタイムとは入力される睡眠
/覚醒データの各エポックに対する認知能力レベルの連続的な流れと解析を表す
ものと理解される。従ってソフトウェアとハードウェアの両方とも、個人その他
に対して、ソフトウェア又はハードウェアに入力された睡眠/覚醒データの最後
に入力されたエポックからのデータに基づいて、現在の認知能力レベルを与える
。ほとんどの睡眠評価システムは、解析されているエポックのいずれかの側のエ
ポックからのデータに基づいて睡眠/覚醒の判定を行う。従って、ユーザーに情
報を提供する上で遅延が生じる。
ここで述べる方法によって、個々のエポック又はエポックのグループのいずれか
らのデータの連続的な流れを受け取ることもできる。時間のいくつかのブロック
が入力されると、初期の遷移の後に、最初の数個のエポックが適切な遷移関数に
よって支配され、非遷移関数において適切な時間の熟睡又は完全な覚醒状態が使
用される。
ら睡眠への状態変化が起きる時刻を含むことができる。睡眠/覚醒データはまた
、個人の覚醒状態の継続時間と、個人の睡眠状態の継続時間を含むこともできる
。予測認知能力曲線を作成するためには、睡眠/覚醒データを個々のエポックの
列に外挿および/又は展開すればいい。上で説明したように、あるエポックは、
所定の時間の長さを表す。従って睡眠/覚醒データは、通常の時間の単位又はエ
ポック単位で表現できる。例えば、睡眠/覚醒データが10エポックの睡眠と3
エポックの覚醒であるならば、認知能力容量の決定においてエポック1から10
までが睡眠状態を表し、エポック11から13までが覚醒状態を表すようにすれ
ばよい。
刻qの前又は後の時刻をrとして、基準点としての時刻rでの認知能力の予測値
E又は認知能力容量Cを使って求めることができる。この基準点から、時刻qと
rとの間で状態に変化があった時点に対する認知能力容量が求められる。 図7(a)−(b)に示したように、各工程は好適な実施形態とほぼ同じであ
るが、覚醒関数と睡眠関数に変更が行われ、その結果、変数の定義が注記したこ
とを除いて好適な実施形態と同じものとなる。以下で説明する式と図7(a)−
(b)に示した各工程は、認知能力の初期値が認知能力の所望の値よりも時間的
に先行する場合のものである。睡眠/覚醒データの各要素は睡眠又は覚醒として
分類される。
、2つの関数の内どちらか適切な方が選択される。 IFΔt ≦ ki THEN Ct= i(t) ELSE Ct= Wm(t) 式10 ここでΔtは現在の状態の継続時間、すなわちt−tLSを表す。睡眠惰性関数i
(t)は、最後の入力データが覚醒状態である場合にのみ期間kiよりも短いか
又は等しいので使用される。従って好適な実施形態において使用されたものと同
じ睡眠惰性関数i(t)が、この別の実施形態においても使用される。修正され
た覚醒関数Wm(t)は、個人が認知能力容量の初期的な抑制から回復した後に
、その個人が覚醒前に眠っていた時の最後のエポックの認知能力容量レベルに戻
るように、曲線が定式化されたときのkiの遅延を睡眠惰性関数i(t)が与え
ると言うことを、考慮に入れている。この遅延を考慮することにより、以下の式
が得られる。
、2つの関数の内どちらか適切な方が選択される。 IFΔt ≦ kd THEN Ct= d(t) ELSE Ct= Sm(t) 式12 遅延関数d(t)は、期間がkdよりも短いか又は等しいので、最後の入力デー
タが睡眠状態である場合にのみ使用される。従って好適な実施形態において使用
されたものと同じ遅延関数d(t)が、この別の実施形態においても使用される。
修正された遅延関数Sm(t)はkdに等しい期間に対して遅延関数を考慮に入れ
る。遅延関数d(t)を考慮することにより、以下の式が得られる。
)(1−1/ks)Δt-kd) 式13 ここで式の最初の部分は遅延関数d(t)を表し、2番目の部分は認知能力容量
Cの回復を表す。 睡眠/覚醒データの時間成分の加算は、認知能力容量の計算に関して睡眠/覚
醒データの各単位データが取り扱われるとき、あるいは最終的な認知能力容量が
活動時間関数m(t)で変調される前に行われる。後者の場合を図7(a)−(
b)に示す。新しい認知能力容量Ctが計算された後で、現在の単位データが最
後の単位データでなければ、本方法は睡眠/覚醒データの次の単位データの処理
を繰り返す。最後の単位データの後で、上記の式1に基づいて、また好適な実施
形態で詳しく説明したように、認知能力の予測値Eが計算される。
計算が含まれることに注意すべきである。実施形態は経験的な知識に応じて該当
する変数に関する関数を適用し、その結果として上の説明と図1−7(b)(た
だしこれらに限定されない)で示したようにこれらの式の特定の表現が得られる
が、これらは経験的な知識の状態に従って変更又は洗練させることができる。 方法の適用 図8−17に関する以下の説明において、認知能力の予測値E(すなわち認知
能力容量Cと活動時間関数Mの組み合わせ)は複数の日にわたって連続線として
プロットされる。線の濃い部分は睡眠期間を示し、薄い部分は覚醒状態の期間を
示す。認知能力の予測値Eは0から120%までのスケールで図示される。好適
な実施形態を使用すれば、認知能力の予測値Eは理論的には120%に達するこ
とができるが、それは認知能力容量Cが100%(すなわちその間に認知能力容
量Cが完全に回復した睡眠期間から目覚めてから20分後)であり、また同時に
活動時間関数Mは頂点位相(acrophase)にある時だけである。この様な状況は
可能ではあるが、実際には起こりにくい。説明を分かりやすくするために、「許
容可能な」認知能力の予測値Eは85%に設定する。この値は、夜間に8時間の
睡眠を取った後で16時間連続して覚醒状態にあった(即ち典型的な睡眠/覚醒
スケジュール)あとの認知能力の予測値Eの低下を概略のパーセント値で表した
ものである。図の横軸に沿っての時間分解能は、縦の1目盛り当たり1時間であ
る。縦の長い線は現地時間で午前0時(深夜)を示す。 (1)認知能力の予測値Eに対する理想化された睡眠の影響 この最も単純化した応用では、認知能力の予測値Eに対して様々な理想化され
た(断片化されない)夜間の睡眠量が及ぼす影響の予測に、本発明の方法を利用
できる。それを行うためには、個人は最初の晩に8時間又は4時間の断片化され
ない夜間睡眠を取る。次ぎに個人は1晩当たり8時間(図8)又は4時間(図9
)の断片化されない睡眠を取る。そして個人は再度それぞれ8時間の断片化され
ない睡眠を取る。
の予測値Eが就業時間を通じて維持され、毎日、睡眠開始前の40分間に85%
をわずか下回って低下するだけであることが、本方法によって予測される。図9
に示すように、1晩当たりの睡眠が4時間である場合、最初の夜の制約された睡
眠の後、認知能力の予測値Eは就業時間全体を通じて許容可能なレベルを下回る
ことが予測される。さらに睡眠時間の制約のために、睡眠中の認知能力Eの蓄積
速度は速いものの、認知能力の予測値Eは毎晩完全には回復しない。
間起きていた後の4日目には認知能力の予測値Eはほとんどゼロにまで低下する
ことを、この方法は予測する。回復睡眠中の認知能力Eの予測蓄積速度を図11
に示す。回復睡眠の最初の晩(2日目)におけるこの速い蓄積速度は、認知能力
の予測値Eがほぼ完全に失われた結果である。しかしこの速い速度にも関わらず
、認知能力の予測値Eの蓄積は回復睡眠の2番目の晩(3日目)の後までは完全
(任意に設定した85%の許容可能なレベルを超える状態)にはならない。同様
に、回復睡眠の2番目の晩の蓄積速度は、回復睡眠の最初の晩の速度よりもわず
かに低いが、これは睡眠の開始時における先行する睡眠不足のレベルが低い(従
って認知能力の予測値Eが高い)ためである。
速度に与える影響を、図12に示す。この図は、2日目から4日目まで毎日30
分の睡眠を取るという3.5日の睡眠剥奪期間を通じての、認知能力の予測値E
を示す。30分の睡眠中の蓄積曲線は、ほとんど鉛直に近い。それぞれの1日の
内で、また日が経つにつれて認知能力の予測値Eは低下するが、それは30分の
睡眠によってほぼ補われる。 (2)認知能力の予測値Eに対する睡眠の断片化の影響 別の実際的な応用では、睡眠時無呼吸症のような睡眠障害によるものか、ある
いは飛行機や列車の騒音のような環境的な妨害によって睡眠が断片化された個人
の認知能力の予測に、この方法を使用するものである。図13は3夜にわたる断
片化された睡眠の間の認知能力の予測値Eを示すが、それは1時間あたりに10
回起こされる(短い覚醒)というものである。2日目から4日目までの夜(その
間は睡眠が乱される)に続く日中の認知能力の予測値Eは甚だしく損なわれ、し
かも毎日低下が続く。1晩邪魔されずに8時間眠っても、認知能力の予測値Eは
完全には回復しない。 (3)2回の夜間シフトにまたがった認知能力の予測値E 別の実際的な応用では、2晩の業務シフトにまたがった個人の認知能力の予測
値Eを求めるためにこの方法を利用する。図14は、個人が午後11時から午前
7時まで仕事に従事して、午前8時から午後4時まで睡眠を取るという業務シフ
トを2晩行ったときの、認知能力の予測値Eを示す。最初のシフトの前に、この
個人は通常の昼間シフトの場合の長さの睡眠を深夜から午前8時まで取り、その
後日中全て起きていて、その晩の午後11時半に最初のシフトを開始する。シェ
ードをかけた部分は、24時間の間で認知能力の予測値Eが最も低下したときに
仕事をしていることを示す。これは、睡眠剥奪と活動の両方が合わさった影響で
ある。この人は次ぎに、この測定のために午前8時から午後4時まで睡眠を取る
が、この人はこの睡眠期間の8時間全てを実際に睡眠に当てたと仮定している。
この睡眠期間に認知能力の予測値Eが大幅に回復する。2番目のシフトは認知能
力の予測値Eがほぼ最適なレベルにある状態で開始される。しかし活動時間の影
響のために、2番目のシフトの大部分はこの方法が最も低下した認知能力を予測
する時に行われる。 (4)認知能力の予測値Eの遡及的解析 別の応用では、衝突/交通事故にまきこまれた商用自動車の運転手における認
知能力の遡及的な推定に利用される。事故発生前の数日間の、この運転手の概略
の睡眠および覚醒時間(睡眠/覚醒履歴)が、入力データとなる。この概略の睡
眠/覚醒データに基づく認知能力の予測値Eを図15に示す。この運転手の旅は
1日目の朝に始まった。出発時刻が早かったため、運転手は睡眠不足のまま出発
した。その結果、出発時点での運転手の認知能力の予測値Eは任意に設定された
85%という許容レベルよりもわずか高いだけだった。1日目の運転中に運転手
は16時間働いたが、この期間の後半には認知能力の予測値Eは許容レベル未満
に低下した。運転手は2日目の午前4時に停車して睡眠を取った。2日目から4
日目までの睡眠時間は、認知能力の予測値Eの低下を回復するには不十分だった
。5日目に運転手はわずかな睡眠(30分)を取った。衝突はその日の夜に、運
転手の認知能力の予測値Eが夕方の急激な低下を始めたときに発生した。衝突の
時点で、運転手の認知能力の予測値Eは最適レベルの約50%であった。最後に
、極端な睡眠剥奪状態のために、6日目(衝突後)の睡眠中の認知能力の回復曲
線は急激であり、認知能力の予測値Eは任意に設定された85%という許容レベ
ル近くまで回復した。 (5)現在の睡眠/覚醒スケジュールに基づく認知能力の予測値Eと、将来の睡
眠/覚醒の修正による認知能力の予測値Eの最適化 この応用ではまず、個人の現在の就業および睡眠/覚醒スケジュールに基づい
て、ある期間にわたっての個人の認知能力Eレベルの予測に本方法を利用する。
次に本方法を使用して睡眠および覚醒状態をスケジュールしなおし、同じ期間中
の認知能力の予測値Eを最適化する。
運転手の認知能力の予測値Eをモデル化する。運転手の現在の睡眠/覚醒スケジ
ュールは、連邦道路局(FHWA)の就業時間規制で許された最高就業時間をも
とに作成された。その規制によれば、運転手は最高15時間仕事に従事し(運転
時間が最高10時間、運転以外の仕事に5時間)、その後少なくとも8時間休む
というスケジュールが許される。運転手はこの業務/休養サイクルを、合計就業
時間が60時間に達するまで続けることができ、60時間に達したらこの業務サ
イクルの開始から7日が経過するまで休養を取らなければならない。図16に、
これらの制約の下での運転手の睡眠/覚醒スケジュールと認知能力の予測値Eを
示す。運転手は、8時間の休養のうち6時間睡眠を取る。このスケジュールによ
れば「1日」が23時間となるが、これは毎晩運転手が前の晩よりも1時間早く
就寝することを意味する。部分的な睡眠剥奪が生じ、しかも睡眠のタイミングが
毎日早くなるので、就業の2日目までにはこの運転手は就業時間のかなりの部分
を、認知能力の予測値Eが任意に設定された85%というレベルよりも低下した
状態で過ごすだろうと、本発明によって予測される。運転手の合計就業時間が6
0時間に達すると、1晩だけ10時間の睡眠を取れば認知能力Eが回復すること
が本発明によって予測されても、運転手は、数日は休みを取らなければならない
。
示す。この就業スケジュールは12時間仕事に従事、12時間休みというサイク
ルに従っている。運転手は12時間の休みのうち8時間を睡眠に当てることが前
提されている。睡眠剥奪も睡眠のタイミングのずれも起きないので、本発明は運
転手の認知能力Eが勤務日を通じて85%以上に維持されると予測する。
用途を持っている。認知能力を予測するこの方法は、個人とグループの生産性を
管理するための重要な情報を提供する。例えば軍事作戦を立てる場合、司令官は
この方法を使えば、それまでの睡眠履歴にもとづいて各兵士の認知能力の現在の
レベルおよび予測されるレベルを正確に判定することができる。司令官はまた、
想定される睡眠/覚醒スケジュールを入力して、これから従事する任務中の兵士
の認知能力を予測することもできる。任務の遂行そのもの全体を通じて、後者の
認知能力の予測値(最初は想定される睡眠/覚醒スケジュールに基づいている)
を、実際に得た睡眠に従って更新することができる。将来の認知能力を算出する
能力により、例えば認知能力が最適になるように任務前後の睡眠/覚醒スケジュ
ールを計画し、また決定的な時点で、予測された認知能力が最高を示すであろう
と予想される部隊又は複数の部隊の組み合わせを選定することにより、司令官は
継続的な作戦行動の間の部隊の能力を最適にすることができる。この方法は個人
および部隊の両方のレベルで生産性を最大にする助けとなる。
性)を最適化する目的に使用することができる。本発明によれば、客観的な認知
能力の予測に基づく基準に合わせて作業を計画し、また就業時間を規制する能力
を、管理者に与えるものである。それに対して従来利用されてきた方法は、非就
労時間(睡眠/覚醒パターンを予測する上では比較的弱い指標であり、したがっ
て認知能力を予測する上でも弱い)によるか、あるいは覚醒状態/眠気の予測(
これは前述したように常に認知能力に対応するわけではない)を行うことで、就
業時間を規制してきた。本発明は仮説的な睡眠/覚醒シナリオにおいて実行する
ことができ、その様なシナリオの下での認知能力の推定を行う。認知能力を最適
化することに一般の人々が関心を持つ限り、様々な用途に使用する可能性がある
。
)の治療、あるいは睡眠を改善することが示されている介入法が認知能力に対し
て及ぼす影響を計測し、評価するためにも利用できる。これらの例としては、明
白な睡眠障害、概日リズム障害、その他睡眠の質および/又は長さに影響を与え
る医学的状態、悪い睡眠衛生状態、時差ぼけ、その他あらゆる睡眠/覚醒問題を
抱える患者を含むが、これらに限定されない。現在では睡眠を改善する治療の効
果は、夜間の睡眠のポリソムノグラムによるベースライン測定値を表す数値と日
中の覚醒度を表す何らかの数値(例えばMSLT、覚醒度維持試験(MWT)、
スタンフォード眠気スケール又はカロリンスカ眠気スケール)を比較して判定す
るが、同じ数値が治療後にも得られる。治療の有効性と、覚醒期間に能力に与え
る可能性のある影響の両方が、日中覚醒度試験の結果から推定される。例えば連
邦航空局は現在、睡眠時無呼吸症と診断された民間パイロットに対して治療を受
けることを要求している。その様な治療の後に、MWTの修正バージョンで日中
覚醒度試験が行われる。MWT試験の間、パイロットは暗くした部屋の中で座り
心地の良い椅子に座らされて、長時間覚醒状態を維持するように指示される。も
しもこの眠りを誘うような条件でパイロットが明らかに眠ってしまわないでいら
れれば、職務に適していると見なされる。ここで推測されるのは、時間的に不連
続な時点で覚醒状態を維持できるという最小限の能力が、航空機を安全に操縦で
きる能力と解釈される(すなわち覚醒状態にあることが認知能力と等価と考えら
れている)ということである。しかし睡眠剥奪は明白な睡眠をもたらさなくても
、認知能力に影響する可能性があり、特に様々な理由によって個人が覚醒状態を
維持するように強く動機づけられている可能性のある覚醒度試験においてはそう
である。
の測定値から、認知能力を直接推定することができる。治療の有効性を評価する
上でこの方法が現行の各方法よりも有利な点は、(1)試験されている患者の動
機および動機付けレベルは結果(認知能力の判定)に影響を与えない、(2)こ
の方法は時間的に不連続な、特定の時点での覚醒度を示すのではなく、予想され
る覚醒期間の全体を通じての認知能力の数値的な特定と予測を可能にする、とい
う点である。従ってこの方法は、特定の時刻にEEGで定義された覚醒状態を維
持できる患者の能力に基づいて最小限の「職務適合性」のみを判定するのではな
く、ある時間にわたっての認知能力を測定する連続的なスケールを提供するので
ある。
ための補助として、臨床的に使用することもできる。同様に重要なことは、各種
の睡眠障害の識別にも利用できるということである。後者は治療の過程において
極めて重要であり、最終的な治療の有効性は妥当で信頼性のある診断に依存する
のである。例えば、睡眠時無呼吸症と睡眠中の周期的な四肢の動きは、日中の認
知能力欠如を伴う夜間の睡眠中断(すなわち部分的な睡眠剥奪)によって特徴づ
けられる。それに対して、睡眠発作や突発性の過剰傾眠は、夜間は見た目には正
常な睡眠を取るが、日中の認知能力欠如を伴う状態によって特徴づけられる。後
者の2つのグループにおける夜間の見た目には正常な睡眠に基づいて、本発明は
比較的正常な認知能力を予測する。従って、予測された認知能力(本発明による
)と観察又は測定された認知能力の間の食い違いを利用して、ある種の睡眠障害
を他の種類から区別することが可能である。例えば、睡眠発作、突発性の過剰傾
眠あるいはその他のCNSに関連した日中の認知能力欠如の原因(明らかな睡眠
障害が見られない場合)を、睡眠時無呼吸症、周期的な四肢の動きその他の日中
の認知障害の原因(睡眠の障害が明らかな場合)から、区別することができる。
て、様々な変更および修正が、本発明の範囲と趣旨から逸脱することなく行える
ことを、理解するであろう。従って、本発明はここに具体的に述べた他に、添付
の請求内容の範囲で実施することができる。 当業者であれば、添付図面を参照すれば、本発明の内容が明白となるであろう
。
b)は、図3(a)に示す機能からの出力と活動時間による変調の組み合わせに
より予測認知能力を導く様子をグラフィックに示す。
を表すブロック図である。
って示すグラフである。図3(b)は、図3(a)の丸で囲んだ3(b)部分の
拡大図であり、認知能力容量に関する遅延関数を示すグラフである。図3(c)
は、図3(a)の丸で囲んだ3(c)部分の拡大図であり、認知能力容量に関す
る睡眠惰性関数を示すグラフである。
力の予測値を示す。
能力の予測値を示す。
測値を示す。
。
には毎晩6時間眠った時の認知能力の予測値を示す。
就労日には毎晩8時間眠った時の認知能力の予測値を示す。
ラフを図示する。
ラフの上面図である。図19(c)は、図19(a)のアクティグラフ回路によ
る実際のアクティグラフの底面図である。
Claims (53)
- 【請求項1】 アクティグラフによる個人の活動情報を収集し、 活動情報の睡眠評価システムによる解析に基づいて、個人の覚醒状態と睡眠状
態を表すデータ列を提供し、 前記データ列中のデータのタイプに基づいて関数を選択し、 前記選択された関数に基づいて認知能力容量を計算し、 前記認知能力容量を活動時間の値によって変調し、 前記変調された値を認知能力レベルとして出力することを含んでなることを特
徴とする、方法。 - 【請求項2】 前記変調された値を時刻と振幅を表す座標として記憶し、 請求項1の計算、変調および出力を行う各工程を繰り返し、 前記記憶されている変調された値から曲線をプロットし、 ある時間にわたっての認知能力レベルを表す曲線を出力することをさらに含む
、請求項1記載の方法。 - 【請求項3】 予想される覚醒状態と予想される睡眠状態に基づいて前記曲線を外挿して予測
曲線を生成することをさらに含む、請求項2記載の方法。 - 【請求項4】 前記出力工程が変調された値をディスプレーに出力することを含む、請求項1
記載の方法。 - 【請求項5】 前記出力工程が変調された値をデータファイルに出力することを含む、請求項
1記載の方法。 - 【請求項6】 前記出力工程が変調された値を印刷装置に出力することを含む、請求項1記載
の方法。 - 【請求項7】 24時間の周期を持つ曲線を表す活動時間の値を定式化して、前記曲線が24
時間周期を持つ第1の正弦曲線と12時間周期を持つ第2の正弦曲線とを含むよ
うにすることをさらに含む、請求項1記載の方法。 - 【請求項8】 活動時間の値が24時間の周期を持つ曲線を表し、前記曲線が24時間周期を
持つ第1の正弦曲線と12時間周期を持つ第2の正弦曲線とを含む、請求項1記
載の方法。 - 【請求項9】 前記選択工程が覚醒関数、睡眠関数、遅延関数および睡眠惰性関数からなるグ
ループから選択することを含む、請求項1記載の方法。 - 【請求項10】 前記選択工程が、 前記データ列に対する現在の状態を覚醒状態又は睡眠状態として判定し、 現在の状態の継続時間を計算し、 現在の状態の継続時間および現在の状態と 覚醒から睡眠又は睡眠から覚醒への最近の変化の時間のいずれかに基づいて関
数を選択することを含む、請求項1記載の方法。 - 【請求項11】 前記選択工程が覚醒関数、睡眠関数、遅延関数および睡眠惰性関数からなるグ
ループから関数を選択することを含む、請求項10記載の方法。 - 【請求項12】 前記計算工程では、認知能力レベルをパーセント値として計算し、100%が
最大認知能力容量となるようにする、請求項1記載の方法。 - 【請求項13】 前記方法は、リアルタイムに実行される、請求項1記載の方法。
- 【請求項14】 アクティグラフで個人の活動情報を収集し、 睡眠評価システムを使用しての活動情報の解析に基づいて、個人の覚醒状態と
睡眠状態を表すデータ列を提供し、 前記データ列中のデータのタイプに基づいて関数を選択し、 前記選択された関数に基づいて認知能力容量を計算し、 前記計算された認知能力容量の第1の曲線を近似し、 前記第1の曲線を記憶し、 前記第1の曲線を活動時間のリズムを表す第2の曲線で変調し、 前記変調された第1の曲線を出力することを含んでなることを特徴とする、方
法。 - 【請求項15】 前記出力工程が、前記変調された第1の曲線上のある点の値をディスプレーに
出力することを含む、請求項14記載の方法。 - 【請求項16】 前記出力工程が、前記変調された第1の曲線上のある点の値をデータファイル
に出力することを含む、請求項14記載の方法。 - 【請求項17】 前記出力工程が、前記変調された第1の曲線上のある点の値を印刷装置に出力
することをさらに含む、請求項14記載の方法。 - 【請求項18】 予想される覚醒状態と睡眠状態に基づいて、前記変調された第1の曲線を外挿
して予測曲線を生成することをさらに含む、請求項14記載の方法。 - 【請求項19】 24時間の周期を持つ第2の曲線を定式化して、前記曲線が24時間周期を持
つ第1の正弦曲線と12時間周期を持つ第2の正弦曲線とを含むようにすること
をさらに含む、請求項14記載の方法。 - 【請求項20】 前記第2の曲線が24時間の周期を持ち、前記曲線が24時間周期を持つ第1
の正弦曲線と12時間周期を持つ第2の正弦曲線とを含むようにする、請求項1
4記載の方法。 - 【請求項21】 前記選択工程が覚醒関数、睡眠関数、遅延関数および睡眠惰性関数からなるグ
ループから選択することを含む、請求項14記載の方法。 - 【請求項22】 前記選択工程が、 データ列に対する現在の状態を覚醒状態又は睡眠状態として判定し、 現在の状態の継続時間を計算し、 現在の状態の継続時間および現在の状態と 覚醒から睡眠へ又は睡眠から覚醒への最近の変化の時間の長さのいずれかに基
づいて関数を選択することを含む、請求項14記載の方法。 - 【請求項23】 前記選択工程が覚醒関数、睡眠関数、遅延関数および睡眠惰性関数からなるグ
ループから関数を選択することを含む、請求項22記載の方法。 - 【請求項24】 前記計算工程100%が最大認知能力容量になるように認知能力レベルをパー
セント値として計算することを含む、請求項14記載の方法。 - 【請求項25】 前記方法は、リアルタイムに実行される、請求項14記載の方法。
- 【請求項26】 アクティグラフと、 前記アクティグラフで収集されたデータに基づいて睡眠の評価を行う評価手段
と、 前記評価手段からデータを受け取る入力手段と、 受け取ったデータを解析し、また受け取ったデータの構成に基づいて、算出関
数を選択する解釈手段と、 算出関数を使用して値を計算する判定手段と、 先行する値を含む曲線に、前記判定手段からの値を加算する手段と、 曲線を変調曲線で変調して、出力曲線を与える変調手段とを含んでなることを
特徴とする、システム。 - 【請求項27】 前記出力曲線の最後の値を表示する表示手段をさらに含む、請求項26記載の
システム。 - 【請求項28】 前記解釈手段が、データの現在の状態の継続時間を表す時間を求める、請求項
26記載のシステム。 - 【請求項29】 前記解釈手段が、ある状態から別の状態への変化を表す時間を求める、請求項
26記載のシステム。 - 【請求項30】 前記変調曲線が24時間にわたる変化を表す、請求項26記載のシステム。
- 【請求項31】 前記変調手段が、曲線を時系列に基づいて変調曲線にマッチングする、請求項
26記載のシステム。 - 【請求項32】 前記アクティグラフが、 前記評価手段と、 前記入力手段と通信を行い、前記評価手段に接続された前記通信手段とを含み
、 前記入力手段が前記通信手段を介して前記評価手段からデータを受け取る、請
求項26記載のシステム。 - 【請求項33】 前記判定手段が覚醒関数、睡眠関数、遅延関数および睡眠惰性関数からなるグ
ループから関数を選択する、請求項26記載のシステム。 - 【請求項34】 前記変調手段からの出力曲線を記憶する記憶手段をさらに含む、請求項26記
載のシステム。 - 【請求項35】 前記記憶手段が出力曲線をデータ列として記憶する、請求項34記載のシステ
ム。 - 【請求項36】 ハウジングをさらに含み、前記アクティグラフ、評価手段、入力手段、解釈手
段、判定手段、加算手段および変調手段が前記ハウジング内に配置される、請求
項26記載のシステム。 - 【請求項37】 データを収集する手段と、 前記ハウジングに取り付けられており、前記判定手段からの値又は出力曲線を
、前記収集手段に送信する通信手段と をさらに含む、請求項36記載のシステム。 - 【請求項38】 前記収集手段が、複数のアクティグラフから収集されたデータを解析するため
の解析手段を含む、請求項36記載のシステム。 - 【請求項39】 前記加算手段が、メモリである、請求項26記載のシステム。
- 【請求項40】 アクティグラフと、 前記アクティグラフに接続された評価器と、 前記評価器に接続された入力と、 前記入力に接続されて、前記評価器から受け取ったデータに応じて算出関数を
選択するデータ解析器と、 前記データ解析器に接続されて、前記算出関数を使って認知能力容量を計算す
る計算器と、 変調データを記憶する第1のメモリと、 前記第1のメモリと前記計算器に接続されて、認知能力容量を前記変調データ
で変調して認知能力の予測値を生成するモジュレータとを含んでなることを特徴
とする、システム。 - 【請求項41】 前記モジュレータに接続されたディスプレーをさらに有する、請求項40記載
の装置。 - 【請求項42】 前記モジュレータに接続された出力をさらに有する、請求項40記載の装置。
- 【請求項43】 データを含む前記モジュレータに接続された第2のメモリをさらに有する、請
求項40記載の装置。 - 【請求項44】 前記第1のメモリと前記第2のメモリが1つのメモリに統合されている、請求
項43記載の装置。 - 【請求項45】 前記変調データが、24時間にわたる活動時間の変化を表す、請求項43記載
の装置。 - 【請求項46】 前記モジュレータが、前記第2のメモリ内のデータを時系列に基づいて変調デ
ータにマッチングする、請求項43記載のシステム。 - 【請求項47】 前記第2のメモリが、先入れ先だしメモリである、請求項43記載の装置。
- 【請求項48】 前記入力が、テレメトリーの受信器である、請求項40記載の装置。
- 【請求項49】 前記入力が、キーボードである、請求項40記載の装置。
- 【請求項50】 変調されたデータを記憶する前記モジュレータに接続されて、先入れ先だしメ
モリをさらに有する、請求項40記載の装置。 - 【請求項51】 ハウジングをさらに有し、前記アクティグラフ、評価器、前記入力、前記デー
タ解析器、前記計算器、前記第1のメモリ、および前記モジュレータが前記ハウ
ジング内に配置される、請求項40記載のシステム。 - 【請求項52】 中央データユニットと、 前記計算器又は前記モジュレータに接続されており、前記ハウジングに取り付
けられた前記送信機とをさらに含み、 前記送信機が前記中央データユニットと通信を行う、請求項51記載のシステ
ム。 - 【請求項53】 前記中央データユニットが複数のアクティグラフから集められたデータを記憶
し、かつ解析する、請求項52記載のシステム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10634498P | 1998-10-30 | 1998-10-30 | |
US60/106,344 | 1998-10-30 | ||
US12254199P | 1999-03-02 | 1999-03-02 | |
US60/122,541 | 1999-03-02 | ||
PCT/US1999/020104 WO2000026841A1 (en) | 1998-10-30 | 1999-09-03 | System and method for predicting human cognitive performance using data from an actigraph |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2002529121A true JP2002529121A (ja) | 2002-09-10 |
JP4638041B2 JP4638041B2 (ja) | 2011-02-23 |
Family
ID=26803572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2000580147A Expired - Fee Related JP4638041B2 (ja) | 1998-10-30 | 1999-09-03 | アクティグラフのデータを使って人の認知能力を予測する方法及びシステム |
Country Status (8)
Country | Link |
---|---|
US (1) | US6241686B1 (ja) |
EP (1) | EP1125237B1 (ja) |
JP (1) | JP4638041B2 (ja) |
AT (1) | ATE302976T1 (ja) |
AU (1) | AU758024B2 (ja) |
CA (1) | CA2349561C (ja) |
DE (1) | DE69926904T2 (ja) |
WO (1) | WO2000026841A1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002529120A (ja) * | 1998-10-30 | 2002-09-10 | ウォルター リード アーミー インスティテュート オブ リサーチ | 人の認知能力を予測する方法 |
JP2011036649A (ja) * | 2009-07-17 | 2011-02-24 | Sharp Corp | ユーザの睡眠を管理するための方法およびシステム |
JP2019040495A (ja) * | 2017-08-28 | 2019-03-14 | 沖電気工業株式会社 | 情報処理装置、情報処理方法、及び、プログラム |
Families Citing this family (53)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6066092A (en) * | 1997-11-06 | 2000-05-23 | Cady; Roger K. | Preemptive prophylaxis of migraine device and method |
US6416472B1 (en) * | 1997-11-06 | 2002-07-09 | Edus Inc. | Method and device for measuring cognitive efficiency |
US6530884B2 (en) * | 1998-10-30 | 2003-03-11 | The United States Of America As Represented By The Secretary Of The Army | Method and system for predicting human cognitive performance |
US6527715B2 (en) * | 1998-10-30 | 2003-03-04 | The United States Of America As Represented By The Secretary Of The Army | System and method for predicting human cognitive performance using data from an actigraph |
GB2363874B (en) * | 1999-11-06 | 2004-08-04 | Dennis Sunga Fernandez | Bioinformatic transaction scheme |
US7087015B1 (en) * | 2000-01-31 | 2006-08-08 | Panmedix, Inc. | Neurological pathology diagnostic apparatus and methods |
AU2001259831A1 (en) * | 2000-05-04 | 2001-11-12 | Healthetech, Inc. | Interactive physiological monitoring system |
CA2410041C (en) * | 2000-05-17 | 2013-07-09 | The Mclean Hospital Corporation | Method for determining fluctuation in attentional state and overall attentional state |
US7942828B2 (en) * | 2000-05-17 | 2011-05-17 | The Mclean Hospital Corporation | Method for determining fluctuation in attentional state and overall attentional state |
JP2003533318A (ja) * | 2000-05-25 | 2003-11-11 | ヘルセテック インコーポレイテッド | 手首に取りつけられた装置を用いる生理的な監視 |
US20040049132A1 (en) * | 2000-06-15 | 2004-03-11 | The Procter & Gamble Company | Device for body activity detection and processing |
US6925425B2 (en) * | 2000-10-14 | 2005-08-02 | Motorola, Inc. | Method and apparatus for vehicle operator performance assessment and improvement |
US20020082918A1 (en) * | 2000-10-31 | 2002-06-27 | Beenz.Com Inc. | Loyalty system incorporating embedded incentives |
US7118530B2 (en) * | 2001-07-06 | 2006-10-10 | Science Applications International Corp. | Interface for a system and method for evaluating task effectiveness based on sleep pattern |
US7837472B1 (en) * | 2001-12-27 | 2010-11-23 | The United States Of America As Represented By The Secretary Of The Army | Neurocognitive and psychomotor performance assessment and rehabilitation system |
AU2003215376A1 (en) * | 2002-02-22 | 2003-09-09 | The Mclean Hospital Corporation | Methods for diagnosing akathisia |
DE60322848D1 (de) * | 2002-02-22 | 2008-09-25 | Mclean Hospital Corp | System für kontinuierliche leistungstests |
US7351063B2 (en) | 2002-08-20 | 2008-04-01 | George Peter T | Jet lag forecaster |
SE0202948D0 (sv) | 2002-10-04 | 2002-10-04 | Bergfalk & Knagenhjelm Ab | Sätt att påvisa aktivitetsmönster som indikerar psykisk sjukdom, och motsvarande arrangemang |
US6878121B2 (en) * | 2002-11-01 | 2005-04-12 | David T. Krausman | Sleep scoring apparatus and method |
US20050015122A1 (en) * | 2003-06-03 | 2005-01-20 | Mott Christopher Grey | System and method for control of a subject's circadian cycle |
US6993380B1 (en) | 2003-06-04 | 2006-01-31 | Cleveland Medical Devices, Inc. | Quantitative sleep analysis method and system |
US8473043B1 (en) * | 2004-12-22 | 2013-06-25 | Neuro Wave Systems Inc. | Neuro-behavioral test method for screening and evaluating therapy for ADHD and system |
US7609150B2 (en) * | 2006-08-18 | 2009-10-27 | Motorola, Inc. | User adaptive vehicle hazard warning apparatuses and method |
US20080042814A1 (en) * | 2006-08-18 | 2008-02-21 | Motorola, Inc. | Mode sensitive vehicle hazard warning apparatuses and method |
WO2008144908A1 (en) * | 2007-05-29 | 2008-12-04 | Christopher Mott | Methods and systems for circadian physiology predictions |
US20090089108A1 (en) * | 2007-09-27 | 2009-04-02 | Robert Lee Angell | Method and apparatus for automatically identifying potentially unsafe work conditions to predict and prevent the occurrence of workplace accidents |
EP2217980A4 (en) * | 2007-10-18 | 2012-07-25 | Univ Washington State | COMPUTER IMPLEMENTED SCHEDULING SYSTEMS AND METHODS THEREFOR |
US8781796B2 (en) | 2007-10-25 | 2014-07-15 | Trustees Of The Univ. Of Pennsylvania | Systems and methods for individualized alertness predictions |
US20110295655A1 (en) * | 2008-11-04 | 2011-12-01 | Hitachi, Ltd. | Information processing system and information processing device |
US8794976B2 (en) * | 2009-05-07 | 2014-08-05 | Trustees Of The Univ. Of Pennsylvania | Systems and methods for evaluating neurobehavioural performance from reaction time tests |
US8521439B2 (en) * | 2009-05-08 | 2013-08-27 | Pulsar Informatics, Inc. | Method of using a calibration system to generate a latency value |
US9030294B2 (en) | 2010-09-20 | 2015-05-12 | Pulsar Informatics, Inc. | Systems and methods for collecting biometrically verified actigraphy data |
US8712827B2 (en) * | 2011-02-09 | 2014-04-29 | Pulsar Informatics, Inc. | Normalized contextual performance metric for the assessment of fatigue-related incidents |
WO2012135654A1 (en) * | 2011-04-01 | 2012-10-04 | Concorrx Corporation | Computer-executed method, system, and computer readable medium for testing neuromechanical function |
US9081854B2 (en) * | 2012-07-06 | 2015-07-14 | Hewlett-Packard Development Company, L.P. | Multilabel classification by a hierarchy |
US9117316B1 (en) | 2012-12-20 | 2015-08-25 | Lockheed Martin Corporation | Social identity models for automated entity interactions |
KR101477233B1 (ko) * | 2013-09-16 | 2014-12-29 | 현대모비스 주식회사 | 맞춤형 공조기 제어 시스템 및 방법 |
US20170169178A1 (en) * | 2014-02-07 | 2017-06-15 | Home Base Impairment Company, Inc. | Methods, Systems, and Mediums for Identifying Changes to the Brain Profile of an Individual |
WO2016067028A2 (en) * | 2014-10-28 | 2016-05-06 | Mclaren Applied Technologies Limited | Device for physiological assistance |
WO2016201008A1 (en) | 2015-06-08 | 2016-12-15 | Jaques Reifman | Method and system for measuring, predicting and optimizing human cognitive performance |
US10582890B2 (en) | 2015-08-28 | 2020-03-10 | Awarables Inc. | Visualizing, scoring, recording, and analyzing sleep data and hypnograms |
US10321871B2 (en) | 2015-08-28 | 2019-06-18 | Awarables Inc. | Determining sleep stages and sleep events using sensor data |
US10339659B2 (en) * | 2016-06-13 | 2019-07-02 | International Business Machines Corporation | System, method, and recording medium for workforce performance management |
EP3684463A4 (en) | 2017-09-19 | 2021-06-23 | Neuroenhancement Lab, LLC | NEURO-ACTIVATION PROCESS AND APPARATUS |
US11717686B2 (en) | 2017-12-04 | 2023-08-08 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to facilitate learning and performance |
WO2019133997A1 (en) | 2017-12-31 | 2019-07-04 | Neuroenhancement Lab, LLC | System and method for neuroenhancement to enhance emotional response |
US11364361B2 (en) | 2018-04-20 | 2022-06-21 | Neuroenhancement Lab, LLC | System and method for inducing sleep by transplanting mental states |
CN113382683A (zh) | 2018-09-14 | 2021-09-10 | 纽罗因恒思蒙特实验有限责任公司 | 改善睡眠的系统和方法 |
US11452927B2 (en) | 2019-02-25 | 2022-09-27 | Rewire Fitness, Inc. | Athletic training system combining cognitive tasks with physical training |
US11786694B2 (en) | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
KR20220069466A (ko) * | 2020-11-20 | 2022-05-27 | 사회복지법인 삼성생명공익재단 | 교대근무로 인한 장애 발생 예측 방법 및 시스템 |
JP2022107418A (ja) * | 2021-01-08 | 2022-07-21 | トヨタ自動車株式会社 | サーバ装置、システム、情報処理装置、プログラム、及びシステムの動作方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1990000777A1 (en) * | 1988-07-15 | 1990-01-25 | Kinetic Software, Inc. | Computer system for minimizing body dysfunctions induced by jet travel or shift work |
JPH03502727A (ja) * | 1987-08-29 | 1991-06-20 | ジェット‐アール リミテッド | ボディークロックの再同期調整の補助装置 |
US5433233A (en) * | 1993-04-27 | 1995-07-18 | Sol Camping Industries Ltd. | Umbrella |
JP2739725B2 (ja) * | 1987-06-26 | 1998-04-15 | ブリガム・アンド・ウイメンズ・ホスピタル | 日周期位相と振幅を算定し変化させるための方法 |
JP2002529120A (ja) * | 1998-10-30 | 2002-09-10 | ウォルター リード アーミー インスティテュート オブ リサーチ | 人の認知能力を予測する方法 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5167228A (en) | 1987-06-26 | 1992-12-01 | Brigham And Women's Hospital | Assessment and modification of endogenous circadian phase and amplitude |
US5197489A (en) | 1991-06-17 | 1993-03-30 | Precision Control Design, Inc. | Activity monitoring apparatus with configurable filters |
US5259390A (en) | 1992-02-03 | 1993-11-09 | Queen's University | Method and apparatus to monitor sleep behaviour |
US5542741A (en) | 1992-12-04 | 1996-08-06 | Fukuoka Kagaku Ltd. | Apparatus for vibrating seats |
EP0600135B1 (en) | 1992-12-04 | 1997-03-12 | Fukuoka Kagaku Ltd. | Vibratile seat |
US5433223A (en) * | 1993-11-18 | 1995-07-18 | Moore-Ede; Martin C. | Method for predicting alertness and bio-compatibility of work schedule of an individual |
US5595488A (en) | 1994-08-04 | 1997-01-21 | Vigilant Ltd. | Apparatus and method for monitoring and improving the alertness of a subject |
US5691693A (en) | 1995-09-28 | 1997-11-25 | Advanced Safety Concepts, Inc. | Impaired transportation vehicle operator system |
US5911581A (en) * | 1995-02-21 | 1999-06-15 | Braintainment Resources, Inc. | Interactive computer program for measuring and analyzing mental ability |
US5585785A (en) | 1995-03-03 | 1996-12-17 | Gwin; Ronnie | Driver alarm |
US5566067A (en) | 1995-03-23 | 1996-10-15 | The President And Fellows Of Harvard College | Eyelid vigilance detector system |
US5689241A (en) | 1995-04-24 | 1997-11-18 | Clarke, Sr.; James Russell | Sleep detection and driver alert apparatus |
US5682882A (en) * | 1995-04-28 | 1997-11-04 | Lieberman; Harris R. | Vigilance monitor system |
US5762072A (en) | 1995-05-25 | 1998-06-09 | Conlan; Robert W. | Comparator apparatus and system for activity monitors |
US5570698A (en) | 1995-06-02 | 1996-11-05 | Siemens Corporate Research, Inc. | System for monitoring eyes for detecting sleep behavior |
US5568127A (en) | 1995-10-27 | 1996-10-22 | Richard M. Bang | Drowsiness warning device and neck support |
US5682144A (en) | 1995-11-20 | 1997-10-28 | Mannik; Kallis Hans | Eye actuated sleep prevention devices and other eye controlled devices |
US5709214A (en) * | 1996-05-02 | 1998-01-20 | Enhanced Cardiology, Inc. | PD2i electrophysiological analyzer |
-
1999
- 1999-09-03 CA CA002349561A patent/CA2349561C/en not_active Expired - Lifetime
- 1999-09-03 US US09/389,351 patent/US6241686B1/en not_active Expired - Lifetime
- 1999-09-03 DE DE69926904T patent/DE69926904T2/de not_active Expired - Lifetime
- 1999-09-03 EP EP99948105A patent/EP1125237B1/en not_active Expired - Lifetime
- 1999-09-03 WO PCT/US1999/020104 patent/WO2000026841A1/en active IP Right Grant
- 1999-09-03 JP JP2000580147A patent/JP4638041B2/ja not_active Expired - Fee Related
- 1999-09-03 AU AU61345/99A patent/AU758024B2/en not_active Expired
- 1999-09-03 AT AT99948105T patent/ATE302976T1/de not_active IP Right Cessation
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2739725B2 (ja) * | 1987-06-26 | 1998-04-15 | ブリガム・アンド・ウイメンズ・ホスピタル | 日周期位相と振幅を算定し変化させるための方法 |
JPH03502727A (ja) * | 1987-08-29 | 1991-06-20 | ジェット‐アール リミテッド | ボディークロックの再同期調整の補助装置 |
WO1990000777A1 (en) * | 1988-07-15 | 1990-01-25 | Kinetic Software, Inc. | Computer system for minimizing body dysfunctions induced by jet travel or shift work |
US5433233A (en) * | 1993-04-27 | 1995-07-18 | Sol Camping Industries Ltd. | Umbrella |
JP2002529120A (ja) * | 1998-10-30 | 2002-09-10 | ウォルター リード アーミー インスティテュート オブ リサーチ | 人の認知能力を予測する方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002529120A (ja) * | 1998-10-30 | 2002-09-10 | ウォルター リード アーミー インスティテュート オブ リサーチ | 人の認知能力を予測する方法 |
JP2011036649A (ja) * | 2009-07-17 | 2011-02-24 | Sharp Corp | ユーザの睡眠を管理するための方法およびシステム |
JP2019040495A (ja) * | 2017-08-28 | 2019-03-14 | 沖電気工業株式会社 | 情報処理装置、情報処理方法、及び、プログラム |
Also Published As
Publication number | Publication date |
---|---|
AU6134599A (en) | 2000-05-22 |
DE69926904T2 (de) | 2006-06-22 |
DE69926904D1 (de) | 2005-09-29 |
EP1125237B1 (en) | 2005-08-24 |
US6241686B1 (en) | 2001-06-05 |
AU758024B2 (en) | 2003-03-13 |
CA2349561C (en) | 2009-11-10 |
ATE302976T1 (de) | 2005-09-15 |
WO2000026841A1 (en) | 2000-05-11 |
EP1125237A1 (en) | 2001-08-22 |
CA2349561A1 (en) | 2000-05-11 |
JP4638041B2 (ja) | 2011-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4638041B2 (ja) | アクティグラフのデータを使って人の認知能力を予測する方法及びシステム | |
JP4638040B2 (ja) | 人の認知能力を予測する方法及び装置 | |
JP4204866B2 (ja) | 人の認知能力を予測する方法、プログラム、記憶媒体および装置 | |
JP4113434B2 (ja) | アクティグラフからのデータを使って人の認知能力を予測する方法、プログラム、記憶媒体および装置 | |
AU2002254130A1 (en) | Predicting cognitive performance using an actigraph | |
AU2002247278A1 (en) | Predicting human cognitive performance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060803 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090521 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20090820 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20090827 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090904 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A132 Effective date: 20100114 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20100408 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20100415 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20100513 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20100520 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20100610 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100617 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20100617 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100715 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20101006 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20101028 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20101125 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131203 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |