JP2024512835A

JP2024512835A - ユーザの睡眠段階を促進するためのシステムおよび方法

Info

Publication number: JP2024512835A
Application number: JP2022566604A
Authority: JP
Inventors: ショルディス、レドモンド
Original assignee: レズメドセンサーテクノロジーズリミテッド
Priority date: 2020-04-30
Filing date: 2021-04-30
Publication date: 2024-03-21
Also published as: US20230173221A1; EP4143849A1; CN115836358A; WO2021220247A1; AU2021265344A1

Abstract

ユーザの睡眠段階を促進するシステムおよび方法が開示されている。これらのシステムおよび方法は、睡眠セッション中のユーザであって、その睡眠セッション中に呼吸療法システムを使用しているユーザの現在の睡眠段階を判断する。これらのシステムおよび方法はさらに、（ｉ）１つ以上のユーザパラメータ、１つ以上の以前の睡眠セッションからの情報、またはそれらの組み合わせ、および（ｉｉ）現在の睡眠段階に少なくとも部分的に基づいて、その睡眠セッション中にユーザに到来する非所望の睡眠段階を予測する。これらのシステムおよび方法は、呼吸療法システム、ユーザの環境内の１つ以上のデバイス、またはそれらの組み合わせの１つ以上の制御パラメータを調整して、ユーザの所望の睡眠段階を促進し、それによってユーザの睡眠を最適化する。

Description

本開示は、ユーザの睡眠段階に関するものであり、特に、所望の睡眠段階を促進することによってユーザの睡眠を最適化することに関するものである。

ユーザが睡眠しているか覚醒しているかを、睡眠状態とみなすことができる。いったん眠りに就くと、睡眠は、５回から６回が典型的である睡眠サイクルの間に一晩じゅう変化する４つの異なる睡眠段階によって特徴付けることができる。ユーザは、特に健康なユーザであれば、睡眠中に睡眠サイクル内で睡眠段階を順番に何度か移行するのが通例である。睡眠段階はＮ１、Ｎ２、およびＮ３を含み、いずれもノンレム段階およびレムと称される。

段階Ｎ１（単にＮ１とも称される）は、最も浅い睡眠段階であり、エポックの５０％超にわたってアルファ波が散在する複数の周波数におけるいくつかの低振幅波の出現によって特徴付けられる。段階Ｎ２（単にＮ２とも称される）は、やや深い（とはいえ、依然として浅睡眠とみなされる）睡眠段階であり、混合周波数信号のバックグラウンド上の睡眠紡錘波およびＫ複合波の出現によって特徴付けられる。段階Ｎ３（単にＮ３とも称される）は、最も深い睡眠段階であり、エポックの少なくとも２０％にわたる徐波（例えば、１～２Ｈｚの周波数）の出現によって特徴付けられる。レム段階は、急速眼球運動睡眠であり、ＥＯＧ信号における明確な活動の存在によって明白である。記録されたＥＥＧ信号は、段階Ｎ１と酷似しているのが典型的で、覚醒していることさえある。

睡眠実験室での試験の前後に基づき、正確に使用され、正確に滴定された気道陽圧（ＰＡＰ）療法によって睡眠アーキテクチャを大きく改善できるということが知られている。また、睡眠実験室での試験の前後に基づき、人がＰＡＰ療法を初めて使用し始めたとき、または不使用期間の後に再び使用し始めたときに、「リバウンド」効果が発生し得るということも知られている。

リバウンドとは、深睡眠（例えばＮ３）およびレム睡眠が不足している人が、正しく構成された呼吸療法システムを用いた療法を続けても、本人が、健康な（例えば、非閉塞性睡眠時無呼吸（ＯＳＡ）の）人に期待される正常性の高い睡眠パターン（睡眠アーキテクチャとも称される）に戻る前に、これらの深睡眠段階およびレム睡眠段階（特に深睡眠）が不足する状況のことである。リバウンドは、無呼吸－低呼吸指数（ＡＨＩ）の深刻度が上がるにつれて深刻化し得る（すなわち、高ＡＨＩによって睡眠アーキテクチャが悪化するほど、身体が、慢性的な深睡眠およびレム睡眠の欠乏から回復しようとし、ある期間にわたって過剰修正してしまう可能性がある）。

睡眠呼吸障害（ＳＤＢ）の治療を受けていない有する人は、無呼吸／低呼吸および関連する低酸素症によって覚醒および目覚めに至るので、浅睡眠（例えば、Ｎ１またはＮ２）が優勢となる傾向がある。本人は、厳密に言えばベッドで長時間睡眠しているかもしれないが、依然としてＮ３の深睡眠、夢を見るレム睡眠が不足し、Ｎ１またはＮ２の浅睡眠が多くなり得る。治療を受けていない人は、大きな覚醒も、同等の健康な人より多くなり得、そのために睡眠の断片化が増え、レム睡眠に入るのが遅くなり得る。

治療を受けた人は、良好な睡眠衛生を有する健康な人に似た睡眠アーキテクチャを手に入れるのに、正しく構成された数週間の治療を要し得る。しかし現時点では、実際の無呼吸および／または低呼吸の状況において、睡眠段階の測定および／または次の睡眠段階の予測に基づいて睡眠段階を最適化するように夜間の療法を適応させるシステムおよび方法が存在しない。

そのため、ユーザの睡眠を最適化するためにユーザの所望の睡眠段階を促進するためのシステムおよび方法に対するニーズが存在する。本開示は、これらの問題を解決し、他のニーズに対処することを目的とする。

一実施形態によれば、睡眠セッション中のユーザであって、その睡眠セッション中に呼吸療法システムを使用しているユーザの現在の睡眠段階を判断するステップを含む方法が開示されている。この方法は、１つ以上のユーザパラメータ、１つ以上の以前の睡眠セッションからの情報、またはそれらの組み合わせ、および現在の睡眠段階に少なくとも部分的に基づいて、睡眠セッション中にユーザに到来する非所望の睡眠段階を予測するステップをさらに含む。この方法は、呼吸療法システム、ユーザの環境内の１つ以上のデバイス、またはそれらの組み合わせの１つ以上の制御パラメータを調整して、ユーザの所望の睡眠段階を促進し、それによってユーザの睡眠を最適化するステップをさらに含む。

この実施形態の態様は、ユーザの１つ以上の以前の睡眠セッションからの情報が、ユーザの１つ以上の以前の睡眠セッションに関する情報であることを含む。この実施形態の態様は、１つ以上の以前の睡眠セッションからの情報が、１人以上のユーザの１つ以上の睡眠セッション中の１人以上のユーザからのクラウドソース情報であることを含む。この実施形態の態様は、所望の睡眠段階が現在の睡眠段階の続きであることを含む。その場合には、１つ以上の制御パラメータの調整により、非所望の睡眠段階への進捗よりも現在の睡眠段階の維持が促進される。この実施形態の態様は、所望の睡眠段階が現在の睡眠段階とは異なることを含む。その場合には、１つ以上の制御パラメータの調整により、現在の睡眠段階がユーザの所望の睡眠アーキテクチャ内所望の睡眠段階へと進捗することが促進される。この実施形態の態様は、非所望の睡眠段階が発生する前に１つ以上の制御パラメータの調整が発生して、現在の睡眠段階の後にユーザが非所望の睡眠段階を経験する可能性を下げることを含む。この実施形態の態様は、非所望の睡眠段階が発生した後に１つ以上の制御パラメータの調整が発生して、非所望の睡眠段階から所望の睡眠段階への変更を促進することを含む。この実施形態の態様は、ユーザの過去の睡眠段階情報、睡眠セッション中の睡眠持続時間、過去の無呼吸－低呼吸指数、またはそれらの組み合わせを含む、１つ以上の以前の睡眠セッションからの情報を含む。この実施形態の態様は、呼吸療法システムからユーザに供給された加圧空気などの１つ以上の流れレベル、呼吸療法システムからユーザに供給された加圧空気などの１つ以上の湿度レベル、呼吸療法システムからユーザに供給された加圧空気などの１つ以上の温度レベル、呼吸療法システムからユーザに供給された加圧空気などの１つ以上の漏れレベル、ユーザの１つ以上の無呼吸－低呼吸指数、ユーザが呼吸療法システムを使用することによって行われる療法セッションの数および／もしくは持続時間、ユーザの姿勢および／もしくは位置の変更、またはそれらの組み合わせを含む１つ以上の睡眠プロファイルを含む１つ以上の以前の睡眠セッションからの情報を含む。この実施形態の態様は、睡眠セッション中の無呼吸の数、低呼吸の数、いびきレベル、マスク漏れレベル、現在の使用、吐出息中の二酸化炭素レベル、睡眠時間、使用時間、心臓パラメータ、全身運動レベル、１つ以上の微小覚醒、またはそれらの組み合わせを含む１つ以上のユーザパラメータを含む。この実施形態の態様は、非所望の睡眠段階を予測するステップが、ユーザの睡眠アーキテクチャを通じてユーザの睡眠の予想進捗を睡眠セッションの残存期間中に推定するステップと、ユーザの睡眠の予想進捗を、正規化された健康な睡眠者の予想睡眠アーキテクチャのモデルと比較して、ユーザの睡眠の予想進捗が、正規化された健康な睡眠者から逸脱するかどうかを確認するステップと、を含むことを含む。この実施形態の態様は、睡眠アーキテクチャ調整の１つ以上のモデルを使用した複数のシミュレーションを実施して、１つ以上の制御パラメータの調整前に、その１つ以上の制御パラメータの調整によって所望の睡眠段階が促進または維持される可能性が高いかどうかを推定するステップを含む。この実施形態の態様は、１つ以上のモデルが、１つ以上の制御パラメータが調整されたユーザの１つ以上の以前の睡眠セッションに基づく１つ以上の機械訓練モデルであることを含む。この実施形態の態様は、１つ以上の制御パラメータの調整の結果を追跡して１つ以上のモデルの有効性を検証するステップを含む。この実施形態の態様は、１つ以上の制御パラメータの調整の結果に基づいて１つ以上のモデルを更新して、ユーザの睡眠を最適化するという点でその１つ以上のモデルを改善するステップを含む。この実施形態の態様は、１つ以上のユーザパラメータ、呼吸療法システム、ユーザの環境、またはそれらの組み合わせを監視して、睡眠妨害閾値を満たす１つ以上の事象が発生するかどうかを判断するステップを含む。この実施形態の態様は、現在の睡眠段階の判断、非所望の睡眠段階の予測、または１つ以上の制御パラメータの調整のうちの少なくとも１つを、１つ以上の事象の後の閾値期間にわたって一時停止するステップを含む。この実施形態の態様は、その１つ以上の制御パラメータを判断する１つ以上のモデルを訓練するための１つ以上の事象の後の閾値期間にわたり、１つ以上のユーザパラメータ、呼吸療法システムの１つ以上の制御パラメータ、ユーザの環境内の１つ以上のデバイスの１つ以上の制御パラメータ、またはそれらの組み合わせを無視するステップを含む。この実施形態の態様は、この予測することが、少なくとも部分的に、１つ以上の所望の睡眠アーキテクチャを使用して訓練された１つ以上の事前訓練モデルまたは動的モデルによって実行されることを含む。この実施形態の態様は、この１つ以上の事前訓練モデルまたは動的モデルを、１つ以上の制御パラメータの調整の結果に少なくとも部分的に基づいて更新するステップを含む。この実施形態の態様は、１つ以上の所望の睡眠アーキテクチャが複数のユーザに由来することを含む。この実施形態の態様は、１つ以上の所望の睡眠アーキテクチャがユーザに由来することを含む。この実施形態の態様は、呼吸療法システムの１つ以上の制御パラメータが、呼吸療法システムからユーザに供給された加圧空気の流れレベル、圧力レベル、モータ速度、通気弁、湿度レベル、温度レベル、またはそれらの組み合わせを含むことを含む。この実施形態の態様は、ユーザの環境内の１つ以上のデバイスの１つ以上の制御パラメータが、またはユーザの環境の光レベル、音レベル、室温レベル、湿度レベル、音レベル、電気刺激、サウンドマスキングまたはサウンドキャンセレーションレベル、ベッドレベル（例えば、ベッドの一部分のレベルが、別のベッド部分に対して調整され得る）、枕膨張（例えば、枕膨張レベルおよび／または枕膨張パターン／スキーム）、ユーザに姿勢を変更させるマットレス膨張ゾーン、ベッド温度、香り、またはそれらの組み合わせを含むことを含む。音レベルは、睡眠段階および／または睡眠状態ベースである「スマート」アラームなどのアラームを含み得るため、最適化は、アラーム窓中の睡眠段階を予測すること、および任意選択で、睡眠慣性が低減した状態でユーザが覚醒するように調整することなどであり、例えば、予期されたアラーム時間中にユーザが深／ＳＷＳ睡眠の状態にあると予測される場合には、実際のアラーム時間が、ユーザがＮ１、Ｎ２、またはレムから覚醒するように（ユーザがすでに覚醒している場合には、起床するためのリマインダとして）、窓（例えば、１５分または３０分の柔軟なアラーム期間など）内で調整され得る。システムは、アラームを起動する前に、ユーザを深睡眠またはレム睡眠からＮ２に近づけるように動作することもでき得る（特に、柔軟なアラーム期間が所望されない場合）。本明細書における目的は、覚醒への移行の突発性を下げることである（例えば、最も突発的なのは、深睡眠からの覚醒であり、続いてレムから、Ｎ２から、Ｎ１から、またはこれらの状態間の任意の下位状態から、という順に突発性が下がる）。この実施形態の態様は、現在のみぞれ段階に続く所望の睡眠段階が、ユーザの所望の睡眠アーキテクチャに基づくことを含む。この実施形態の態様は、睡眠サイクルもしくは睡眠セッション、１つ以上の以前の睡眠セッション、またはそれらの組み合わせの進行中に過剰な浅睡眠を経験するユーザの睡眠を最適化するために、非所望の睡眠段階がＮ１またはＮ２であり、所望の睡眠段階がＮ３またはレムであることを含む。この実施形態の態様は、睡眠セッション、１つ以上の以前の睡眠セッション、またはそれらの組み合わせの進行中にＮ３またはレム睡眠を過剰に有することによって睡眠不足を過剰に補償するユーザの睡眠を最適化するために、非所望の睡眠段階がＮ３またはレムであることと、所望の睡眠段階がＮ１またはＮ２であることと、を含む。この実施形態の態様は、１つ以上のプロセッサを有する制御システムを含むシステムを含む。このシステムは、機械可読命令を記憶したメモリも含む。制御システムはメモリに連結され、上記した態様の任意の１つ以上は、メモリ内の機械実行可能命令が制御システムの１つ以上のプロセッサのうちの少なくとも１つによって実行されたときに実施される。この実施形態の態様は、ユーザの所望の睡眠段階を促進するためのシステムを含む。このシステムは、上記の態様のうちの任意の１つ以上を実施するように構成された１つ以上のプロセッサを有する制御システムを含む。この実施形態の態様は、コンピュータによって実行されると、上記した態様のうちいずれか１つ以上をコンピュータに実行させる命令を備えるコンピュータプログラム製品を含む。この実施形態の態様は、先述のコンピュータプログラム製品が非一時的コンピュータ可読媒体であることを含む。態様は、音声、光、および／または電気刺激に制御信号を送信して、現在の非所望の睡眠段階から移行すること、または実際に所望の睡眠段階を維持すること、および非所望の睡眠段階への予測された遷移を回避することなど、ある睡眠段階から所望の睡眠段階へと変化させたり近づけたりすることなどを含み得る。態様は、圧力（例えばＡＰＡＰの移行期間）ならびに（例えば、レム睡眠対深睡眠または浅睡眠の優先設定を使用する）呼気圧力軽減に対する睡眠状態固有のばらつきなど、呼吸療法（例えばＰＡＰ）パラメータに対する調整を含み得る。呼気圧力軽減（ＥＰＲ）は、吸気中は呼吸療法ユーザにとっての最適治療を維持し、呼気中は圧力を下げる。

別の実施形態によれば、ある方法が、呼吸療法システムを装着しているユーザの将来の睡眠段階が、睡眠セッション中に最適な睡眠アーキテクチャ内の所望の睡眠段階から変化する可能性を予測するステップを含む。この方法は、睡眠セッション中に呼吸療法システムの１つ以上の設定を調整して、将来の睡眠段階の可能性を下げ、所望の睡眠段階を促進するステップをさらに含む。

この実施形態の態様は、睡眠セッション中の以前の睡眠サイクルの数、睡眠セッション中の現在の睡眠サイクル内の持続時間、睡眠セッション中の所望の睡眠サイクルの数、睡眠セッションの所望の時間長、またはそれらの組み合わせに少なくとも部分的に基づいて所望の睡眠段階を判断するステップを含む。この実施形態の態様は、呼吸療法システムの１つ以上の設定を調整する１つ以上のシナリオを分析して、その１つ以上のシナリオが発生する確率を判断するステップを含む。その場合には、呼吸療法システムの１つ以上の設定を調整することが、最も高い確率を有するシナリオの１つ以上の設定に少なくとも部分的に基づく。この実施形態の態様は、呼吸療法システムからユーザに供給された加圧空気の流れレベル、呼吸療法システムからユーザに供給された加圧空気の圧力レベル、モータ速度、通気弁、呼吸療法システムからユーザに供給された加圧空気の湿度レベル、呼吸療法システムからユーザに供給された加圧空気の温度レベル、またはそれらの組み合わせを含む１つ以上の設定を含む。この実施形態の態様は、ユーザの環境の１つ以上の環境パラメータを調整して将来の睡眠段階の可能性を下げるステップを含む。この実施形態の態様は、１つ以上の環境パラメータが、ユーザの環境の光レベル、音レベル、室温レベル、湿度レベル、音レベル、電気刺激、サウンドマスキングまたはサウンドキャンセレーションレベル、ベッドレベル、枕膨張、ユーザに姿勢を変更させるマットレス膨張ゾーン、ベッド温度、香り、またはそれらの組み合わせを含むことを含む。この実施形態の態様は、予測することが、ユーザの現在の睡眠段階およびユーザの過去の睡眠段階情報に少なくとも部分的に基づくことを含む。この実施形態の態様は、流れ信号、１つ以上のパッシブ音響信号、１つ以上のアクティブ音響信号、１つ以上の心臓信号、１つ以上の生理学的信号、ウェアラブルスマートデバイスからの１つ以上の信号、またはそれらの組み合わせのうちの１つ以上に少なくとも部分的に基づいてユーザの現在の睡眠段階を判断するステップを含む。この実施形態の態様は、ユーザの過去の睡眠段階情報が、睡眠セッション、１つ以上の以前の睡眠セッション、またはそれらの組み合わせに関するものであることを含む。この実施形態の態様は、予測することが、現在の残存ＡＨＩ、過去の残存ＡＨＩ、またはそれらの組み合わせに少なくとも部分的に基づくことを含む。この実施形態の態様は、予測することが、睡眠セッションの時点に少なくとも部分的に基づくことを含む。この実施形態の態様は、予測することが、ユーザの１つ以上のユーザパラメータに少なくとも部分的に基づくことを含む。この実施形態の態様は、呼気二酸化炭素レベル、心臓パラメータ、呼吸パラメータ、運動パラメータ、ユーザの位置および／もしくは姿勢、またはそれらの組み合わせを含む１つ以上のユーザパラメータを含む。この実施形態の態様は、１つ以上のプロセッサを有する制御システムを含むシステムを含む。このシステムは、機械可読命令を記憶したメモリも含む。制御システムはメモリに連結され、上記した態様の任意の１つ以上は、メモリ内の機械実行可能命令が制御システムの１つ以上のプロセッサのうちの少なくとも１つによって実行されたときに実施される。この実施形態の態様は、ユーザの所望の睡眠段階を促進するためのシステムを含む。このシステムは、上記の態様のうちの任意の１つ以上を実施するように構成された制御システムを含む。この実施形態の態様は、コンピュータによって実行されると、上記した態様のうちいずれか１つ以上をコンピュータに実行させる命令を備えるコンピュータプログラム製品を含む。この実施形態の態様は、先述のコンピュータプログラム製品が非一時的コンピュータ可読媒体であることを含む。

別の実施形態によれば、ある方法が、睡眠セッション中のユーザであって、その睡眠セッション中に呼吸療法システムを使用しているユーザの現在の睡眠段階を判断するステップを含む。この方法は、呼吸療法システム、ユーザの環境内の１つ以上のデバイス、またはそれらの組み合わせの１つ以上の制御パラメータを調整して、ユーザの所望の睡眠段階を現在の睡眠段階よりも促進し、それによってユーザの睡眠を最適化するステップをさらに含む。

この実施形態の態様は、所望の睡眠段階が、睡眠セッション中にユーザが最適な睡眠アーキテクチャにおいてたどる所望の進捗に基づいて現在の睡眠段階よりも所望されることを含む。この実施形態の態様は、睡眠セッション中にユーザが現在の睡眠サイクル内にいた時間長を判断するステップを含む。その場合には、１つ以上の制御パラメータの調整が、その時間長に基づいて発生する。この実施形態の態様は、所望の睡眠段階が、ユーザが現在の睡眠サイクル内にいた時間長に少なくとも部分的に基づいて判断されることを含む。この実施形態の態様は、所望の睡眠段階が、睡眠セッション中のユーザの以前の睡眠サイクルの数に少なくとも部分的に基づいて判断されることを含む。この実施形態の態様は、睡眠セッション、１つ以上の以前の睡眠セッション、またはそれらの組み合わせの進行中に浅睡眠を経験するユーザの睡眠を最適化するために、現在の睡眠段階がＮ１またはＮ２であることと、所望の睡眠段階がＮ３またはレムであることと、を含む。この実施形態の態様は、睡眠セッション、１つ以上の以前の睡眠セッション、またはそれらの組み合わせの進行中にＮ３またはレム睡眠を過剰に有することによって睡眠不足を過剰に補償するリバウンド効果を経験するユーザの睡眠を最適化するために、現在の睡眠段階がＮ３またはレムであることと、所望の睡眠段階がＮ１またはＮ２であることと、を含む。この実施形態の態様は、１つ以上のプロセッサを有する制御システムを含むシステムを含む。このシステムは、機械可読命令を記憶したメモリも含む。制御システムはメモリに連結され、上記した態様の任意の１つ以上は、メモリ内の機械実行可能命令が制御システムの１つ以上のプロセッサのうちの少なくとも１つによって実行されたときに実施される。この実施形態の態様は、ユーザの所望の睡眠段階を促進するためのシステムを含む。このシステムは、上記の態様のうちの任意の１つ以上を実施するように構成された１つ以上のプロセッサを有する制御システムを含む。この実施形態の態様は、コンピュータによって実行されると、上記した態様のうちいずれか１つ以上をコンピュータに実行させる命令を備えるコンピュータプログラム製品を含む。この実施形態の態様は、先述のコンピュータプログラム製品が非一時的コンピュータ可読媒体であることを含む。

別の実施形態によれば、ある方法が、呼吸療法システムを使用しているユーザの睡眠セッション中の第１の睡眠段階から非所望の睡眠段階への変更を検出するステップを含む。この方法は、１つ以上の設定変更を呼吸療法システムに適用して、ユーザの睡眠アーキテクチャ内で非所望の睡眠段階を所望の睡眠段階に変更するステップをさらに含む。

この実施形態の態様は、所望の睡眠段階が第１の睡眠段階であることを含む。この実施形態の態様は、所望の睡眠段階が、第１の睡眠段階とは異なる第２の睡眠段階であることを含む。この実施形態の態様は、その１つ以上の設定変更の各設定変更を適用することが、その設定変更がユーザの睡眠に悪影響を及ぼす可能性に基づいて重み付けされることを含み、その１つ以上の設定変更の適用が、最も低い可能性で重み付けされた設定変更を適用することを含む。この実施形態の態様は、その１つ以上の設定変更の各設定変更が、その設定変更が非所望の睡眠段階から所望の睡眠段階への変更をもたらすのに必要な時間に基づいて重み付けされることを含み、その１つ以上の設定変更の適用は、最短時間で重み付けされた設定変更を適用することを含む。この実施形態の態様は、その１つ以上の設定変更の各設定変更が、その設定変更がユーザの睡眠に悪影響を及ぼす可能性に基づいて重み付けされることを含み、高い重み付けは、低い可能性に対応する。この重み付けは、その設定変更が非所望の睡眠段階から所望のみぞれ段階への変更をもたらすのに必要な時間にも基づき、高い重み付けは、短い時間に対応する。その場合には、その１つ以上の設定変更の適用が、全体的な重み付けが最も高い設定変更を適用することを含む。この実施形態の態様は、１つ以上の設定変更の適用が、１つ以上の設定変更を、その重み付けの順序で、非所望の睡眠段階から所望の睡眠段階への変更が発生するまで適用することを含む。この実施形態の態様は、ユーザの環境の１つ以上の環境パラメータを調整して、非所望の睡眠段階を所望の睡眠に変更することを含むステップを含む。この実施形態の態様は、１つ以上の環境パラメータの各環境パラメータが、その環境パラメータの調整がユーザの睡眠に悪影響を及ぼす可能性に基づいて重み付けされることを含み、１つ以上の環境パラメータの調整は、最も低い可能性で重み付けされた環境パラメータを調整することを含む。

この実施形態の態様は、１つ以上のプロセッサを有する制御システムを含むシステムを含む。このシステムは、機械可読命令を記憶したメモリも含む。制御システムはメモリに連結され、上記した態様の任意の１つ以上は、メモリ内の機械実行可能命令が制御システムの１つ以上のプロセッサのうちの少なくとも１つによって実行されたときに実施される。この実施形態の態様は、ユーザの所望の睡眠段階を促進するためのシステムを含む。このシステムは、上記の態様のうちの任意の１つ以上を実施するように構成された１つ以上のプロセッサを有する制御システムを含む。この実施形態の態様は、コンピュータによって実行されると、上記した態様のうちいずれか１つ以上をコンピュータに実行させる命令を備えるコンピュータプログラム製品を含む。この実施形態の態様は、先述のコンピュータプログラム製品が非一時的コンピュータ可読媒体であることを含む。

上述の任意の１つ以上の態様または実施形態は、上述の任意の１つ以上の他の態様または実施形態と組み合わせることができる。そのため、一実施形態に続いて態様が述べられているが、かかる態様は、その実施形態のみと関連付けられることに限定されず、他の実施形態と組み合わせること、単独で用いること、またはその実施形態に続いて述べられている他の態様と組み合わせることができる。

本開示のいくつかの実装形態にかかる、ユーザの睡眠段階を促進するための環境を表している。本開示のいくつかの実装形態にかかる、ユーザの睡眠段階を促進するためのシステムを表している。本開示のいくつかの実装形態にかかる、ユーザの所望の睡眠段階を促進するためのプロセスのフロー図である。本開示のいくつかの実装形態にかかる、ユーザの所望の睡眠段階を促進するための別のプロセスのフロー図である。本開示のいくつかの実装形態にかかる、ユーザの所望の睡眠段階を促進するための別のプロセスのフロー図である。本開示のいくつかの実装形態にかかる、ユーザの所望の睡眠段階を促進するための別のプロセスのフロー図である。本開示のいくつかの実装形態にかかる、ユーザに睡眠レポートを提供するためのグラフィカルユーザインターフェースを表している。本開示のいくつかの実装形態にかかる、ユーザの睡眠段階を促進するための別のシステムを表している。は、本開示のいくつかの実装形態にかかる、ユーザの睡眠段階を促進するための環境を表している。本開示のいくつかの実装形態に係る、睡眠セッションの例示的な時系列を表している。本開示のいくつかの実装形態に係る、図１０の睡眠セッションと関連付けられた例示的な睡眠経過図を表している。

本開示の上述および追加の態様および実装形態は、様々な実施形態および／または実装形態についての詳細な説明を、図面を参照しながら鑑みることにより、当業者にとって明らかになるであろう。それらの図面の簡単な説明を次に示す。

本開示の上記および他の利点は、以下の詳細な説明を読み、図面を参照すれば明らかとなるであろう。

本開示は、様々な変更および代替形態が可能であるが、具体的な実装形態が図面に例として示されており、本明細書中において詳述される。ただし本開示は、開示された特定の形態に限定されることを意図してはいないものと理解すべきであり、本開示はむしろ、添付の請求項によって定義された本開示の精神および範囲内にあるすべての変形、均など物、および代替物を網羅するものである。

多くの人が、睡眠関連障害および／または呼吸障害を患っている。睡眠関連障害および／または呼吸障害の例としては、周期性四肢運動障害（ＰＬＭＤ）、下肢静止不能症候群（ＲＬＳ）、閉塞性睡眠時無呼吸（ＯＳＡ）などの睡眠呼吸障害（ＳＤＢ）、中枢性睡眠時無呼吸（ＣＳＡ）、ならびに混合性無呼吸や低呼吸など他のタイプの無呼吸、呼吸努力関連覚醒（ＲＥＲＡ）、チェーン・ストークス呼吸（過換気症候群）、呼吸不全、肥満過換気症候群（ＯＨＳ）、慢性閉塞性肺疾患（ＣＯＰＤ）、神経筋疾患（ＮＭＤ）、および胸壁障害が挙げられる。

閉塞性睡眠時無呼吸（ＯＳＡ）は、睡眠呼吸障害（ＳＤＢ）の一形態であり、異常に小さな上気道と、舌、軟口蓋、中咽頭後壁の領域における筋緊張の通常損失との組み合わせによる睡眠中の上気道の閉塞や遮断などの事象によって特徴付けられる。より一般的には、無呼吸とは概して、空気の閉塞によって発生する呼吸の一時停止（閉塞性睡眠時無呼吸）または呼吸機能の停止（中枢性睡眠時無呼吸と称されることが多い）のことである。閉塞性睡眠時無呼吸の発生時には、約１５秒から約３０秒にわたって呼吸が停止するのが典型的である。

他のタイプの無呼吸としては、低呼吸、過呼吸、および高炭酸ガス血症が挙げられる。低呼吸は概して、気道の閉塞ではなく、気道の狭窄によって発生する遅い呼吸または浅い呼吸によって特徴付けられる。過呼吸は概して、呼吸の深さおよび／または速度の増大によって特徴付けられる。高炭酸ガス血症は概して、血流中の二酸化炭素量の急増または過剰によって特徴付けられ、不十分な呼吸によって発生するのが典型的である。

チェーン・ストークス呼吸（ＣＳＲ）は、別の形態の睡眠呼吸障害である。ＣＳＲは、患者の呼吸調節器の障害であり、ＣＳＲサイクルとして知られる換気の漸増および漸減が交互に周期的に続く。ＣＳＲは、動脈血の脱酸素および再曝気の繰り返しによって特徴付けられる。

肥満過換気症候群（ＯＨＳ）は、低換気の原因が他に明確に無い状態における、重症肥満および覚醒時慢性高炭酸ガス血症の組み合わせとして定義される。症状には、呼吸困難、起床時の頭痛と過剰な日中の眠気が含まれる。

慢性閉塞性肺疾患（ＣＯＰＤ）は、空気の移動に対する抵抗の増加、呼吸の呼気相の延長、肺の正常な弾力性の喪失など、ある特性を共通して有する下気道疾患群のいずれかを包含する。

神経筋疾患（ＮＭＤ）は、内在筋病理を直接介してまたは神経病理を間接的に介して筋肉機能を損なう多数の疾病および病気を包含する。胸壁障害は、胸郭変形の１つのグループであり、呼吸筋肉と胸郭との間の連結の無効性の原因となる。

呼吸努力関連覚醒（ＲＥＲＡ）事象は、睡眠からの覚醒に至る１０秒以上の呼吸努力増によって特徴付けられるのが典型的であり、無呼吸または低呼吸事象の基準を満たさない。ＲＥＲＡは、睡眠からの覚醒に至る呼吸努力増によって特徴付けられるが、無呼吸または低呼吸の基準を満たさない一連の呼吸と定義される。これらの事象は、（１）食道の負圧が漸増するパターンが、負圧レベルの急低下および覚醒によって終了し、（２）事象が１０秒以上続く、という両方の基準を満たす必要がある。いくつかの実装形態においては、鼻カニューレ／圧力トランスデューサシステムが、ＲＥＲＡの検出に十分かつ信頼できる。ＲＥＲＡ検出器は、呼吸療法デバイスから導出された実際の流れ信号に基づき得る。流れ制限尺度が、例えば流れ信号に基づいて判断され得る。その後、覚醒の尺度が、流れ制限尺度および換気量の急増の尺度の関数として導出することができる。かかる方法の１つは、レスメド社に付与されたＷＯ２００８／１３８０４０に記載されており、その開示内容は、参照によりその全体が本明細書に組み込まれる。

これらを始めとする疾患は、睡眠中に起こる特定事象（例えば、いびき、無呼吸、低呼吸、下肢静止不能、睡眠障害、窒息、心拍数増、呼吸困難、喘息発作、てんかん挿間症、発作、またはそれらの任意の組み合わせ）によって特徴付けられる。

無呼吸－低呼吸指数（ＡＨＩ）とは、睡眠セッション中の睡眠時無呼吸の深刻度を示すのに使用される指数のことである。ＡＨＩは、睡眠セッション中にユーザが経験した無呼吸および／または低呼吸事象の数を、その睡眠セッションにおける全睡眠時間数で除算することによって求められる。この事象は、例えば、少なくとも１０秒以上続く呼吸の一時停止であり得る。５未満のＡＨＩは正常とみなされる。５以上１５未満のＡＨＩは、軽度の睡眠時無呼吸を示すものととみなされる。１５以上３０未満のＡＨＩは、中程度の睡眠時無呼吸を示すものとみなされる。３０以上のＡＨＩは、重度の睡眠時無呼吸を示すものとみなされる。小児では、１よりも大きいＡＨＩが異常とみなされる。睡眠時無呼吸は、ＡＨＩが正常であるとき、またはＡＨＩが正常もしくは軽度であるときに、「制御されている」とみなすことができる。ＡＨＩは、酸素飽和度と組み合わせて、閉塞性睡眠時無呼吸の深刻度を示すのに使用することもできる。

本開示は、ユーザの睡眠段階と、ユーザによって使用されている呼吸療法システムの制御、ユーザの環境内の１つ以上のデバイスの制御、またはそれらの組み合わせとの間の相互作用によってユーザの所望の睡眠段階を促進することに関するものである。ユーザの所望の睡眠段階を促進することにより、ユーザが非所望の睡眠段階を経験する可能性を最小化すること、すなわち、例えばユーザが眠っている間に非所望の睡眠段階の持続時間を最小化することにより、非所望の睡眠段階の影響を軽減することができる。これにより、ユーザが睡眠セッション中に所望の睡眠アーキテクチャを経験する確率が最大化される。

本開示のシステムおよび方法は、現在の睡眠段階情報を単独で使用したり、ユーザパラメータおよび／もしくは１つ以上の以前の睡眠セッションからの情報と併用したりして、ユーザの睡眠段階が所望の睡眠段階から変化する可能性を予測することができる。これを受けて、これらのシステムおよび方法は、呼吸療法システムの制御パラメータを調整して、ユーザにとっての所望の睡眠アーキテクチャを促進することができる。代替または追加として、これを受けて、これらのシステムおよび方法は、ユーザの環境内の１つ以上のデバイスの制御パラメータを調整して、ユーザにとっての所望の睡眠アーキテクチャを促進することができる。

ユーザの現在の睡眠段階は、浅睡眠または深睡眠のうちの一方であり得る。代替として、現在の睡眠段階は、浅睡眠、深睡眠、またはレムであり得る。代替として、現在の睡眠段階は、Ｎ１、Ｎ２、Ｎ３またはレムであり得る。１つ以上の実装形態において、睡眠セッションは、ユーザが眠っており、呼吸療法システムを使用している期間であり得る。１つ以上の実装形態において、睡眠セッションは、例えば、ユーザが夜就床する時刻からユーザが朝起床する時刻までであり得る。１つ以上の実装形態において、睡眠セッションは、呼吸療法システムが、例えばＰＡＰ療法などの呼吸療法を提供している時間全体であり得る。睡眠セッションは、ユーザが眠っており、呼吸療法システムを使用していると判断される期間であり得る。睡眠段階のグラフィカル表現は、睡眠経過図と称される（輪郭が街の地平線のシルエットのように見えることから、「睡眠アーキテクチャ」と称されることもある）。

ユーザは、最適化された睡眠アーキテクチャを有し得る。かかる最適化された睡眠アーキテクチャは、睡眠セッションにおける、設定された数（または範囲）の睡眠サイクル、ならびに設定された数（または範囲）、順序、および睡眠サイクル内の睡眠段階の持続時間であり得、これにより、ユーザの睡眠の質を最大化することができる。所望の睡眠段階は、ユーザの所望の睡眠アーキテクチャに適合する現在または将来の睡眠段階であり得る。例えば、ユーザが、ある時間長または睡眠サイクルの数を経て睡眠セッションまたは所望の睡眠アーキテクチャに入る場合、所望の睡眠段階は、その睡眠セッションまたは所望の睡眠アーキテクチャにおけるその時点で起こるべき睡眠段階に対応する睡眠段階であり得る。

現在の睡眠段階情報は、ユーザの現在の睡眠段階であり得る。これは、Ｎ１、Ｎ２、Ｎ３、またはレムといった実際の睡眠段階に加え、その睡眠段階の睡眠サイクルも含み得る。上述したとおり、睡眠段階は、全体を通して４つの別個の段階を有するものと概して言及されているが、代替として、浅睡眠および深睡眠など２つの別個の段階、または浅睡眠、深睡眠、およびレム睡眠など３つの別個の段階であるとみなすこともできる。所望の睡眠段階は、将来の睡眠段階以外の任意の睡眠段階である。例えば、将来の睡眠段階がＮ１またはＮ２であるとき、所望の睡眠段階はＮ３またはレムであり、その逆も成り立つ。

１つ以上の実装形態において、睡眠段階は、３０秒ごとに判断／更新される個別の段階とみなすことができる。それらは、はるかに高いサンプリングレートで連続的に変動して、段階的または突発的である実際の生理学的変更を反映する値によっても説明され得る。睡眠者は、深睡眠から短時間で浅睡眠に移った後、レムに入るのが通例である。これらの段階については、次の具体的な情報に基づいて理解を深めることができる。
段階１（「Ｎ１」）：
● 覚醒と睡眠との間での遷移。
● 周囲についての認識の喪失（完全に覚醒していないときの眠気の感覚）であり、この段階からは容易に覚醒することができる。
● 鮮明な視覚イメージと関連付けられた全身的または局所的な筋収縮を経験し得る。
● 入眠は、５～１０分間続くのが通例である。
段階２（「Ｎ２」）：
● 睡眠中だが、特に深くはない（この段階からの覚醒は容易である）。
● 一度に１０～２５分間続くのが通例である。
● 夜間睡眠の約半分をこの段階で過ごすのが典型的である。
● この睡眠段階では、心拍数、呼吸、および脳活動が低下し、身体が完全に弛緩する。
段階３（「Ｎ３」）－ＳＷＳ、かつては段階３および４と認識されていた。
● 深い徐波睡眠（ＳＷＳ）。これは、身体が再生および修復する時間であると考えられている。
● 就眠後、この睡眠の最深部に達するのに最大で３０分かかり得る。この段階から覚醒するには、はるかに多くの労力が必要とされる。
● 呼吸の規則性が高まり、血圧が下がり、脈拍が遅くなる。
● 深睡眠の量は、加齢と共に変化する。
○ 歳を重ねるにつれて、深睡眠が減少（し、浅睡眠が増加）する。
○ 睡眠持続時間は、加齢と共に減少するのが典型的である。そのため、歳を重ねるにつれて、夜間に目を覚ます可能性が高まる（すなわち、雑音、同床者の移動、不快感などによって妨害されやすくなり得る浅睡眠の時間が長くなる）。これは正常であり、ほとんどの高齢者は引き続き睡眠を得る。
急速眼球運動（レム）：
○ 閉じた瞼の下に眼が移動する。ほとんどの夢はレム中に起こる。心は活発に活動しているが、身体は実質的に麻痺している。
○ この段階は、学習および記憶を促進すると考えられている。
○ この段階から覚醒すると、夢を覚えている傾向がある。この段階は、レムに続いて浅睡眠が来た（すなわち、新しいサイクルを開始した）ときに特に生じ得る。
○ レムの最初の期間はわずか５分程度であり得るが、一晩の過程で徐々に期間が延び、最後の期間は最大で３０分まで延びる。
○ レム睡眠は、その晩の最後の３分の１において支配的である。
○ レムにおける呼吸パターンでは、徐波睡眠と比較して変更が多い。

睡眠は、別個の状態、すなわち、完全な覚醒、活発な就眠試行、睡眠（ノンレム、Ｎ１、Ｎ２、Ｎ３、およびレム）、および覚醒から変化する連続値と考えること、例えば、個々の段階を参照する整数ではなく、小さな変更（連続的に変化する値）を捕捉する浮動パラメータのように変化する滑らかな曲線と考えることができる。

呼吸療法システムは、現在の睡眠段階を判断するための、および／もしくは睡眠段階を促進するためのユーザパラメータならびに／または環境パラメータを判断するために、（単一センサ、マルチセンサ、またはマルチモード処理など）１つ以上のローカルまたはリモートセンサからのデータを処理することができる。例えば、流れ信号の形態学的側面を処理して、呼吸の振幅、頻度、（これらの減少または停止を含む）深度の瞬間的傾向および長期的傾向の両方、ならびに種々のタイプの信号移動（例えば、ベッド上での人の移動、形態の変更に基づいたベッド上での姿勢の変更など）に関する特徴量を、異なる時間スケールで導出することができる。マイクロフォンまたは他の呼吸センサを使用して、呼吸信号および他の移動を推定することもできる。訓練後または訓練前の睡眠段階機械学習ＡＩモデルへの入力として使用できる例示的な呼吸数特徴量は、平均、標準偏差、正規化された標準偏差、歪度、尖度（健康な睡眠者の呼吸数があるセッションで非対称であると予想される場合）、信号の自己相関の尖度、種々の百分位数（５番目、２５番目、５０番目、［中央値］、７５番目、９５番目）、および経時的変更の統計分析（スチューデントｔ検定など）を含み得る。呼吸信号の形状特徴は、吸気対呼気比、吸気対呼気比の経時的変動性、検出された呼吸帯域と、より高い帯域など別の帯域との間の電力比、およびスペクトルピーク呼吸信号の占有帯域幅（ＯＢＷ）を含み得る。流れ信号において心原性振動が利用可能であれば、心拍数推定、心拍数値、これらの傾向、および心拍数変動（心拍間隔の変更）を計算し、睡眠段階分類器への入力として使用することができる。心拍数データが（心拍数センサ（単数または複数）を有するウェアラブルや、埋め込まれるなどして関連付けられた心拍数センサ（単数または複数）を有するスマートマスクなど）身体から取得可能であれば、これらの値も処理され得る。ＥＥＧ信号が（スマートマスクなどから）取得可能であれば、これらを使用して、検出された脳の電気的活動に基づいて睡眠段階を検出することができる。温度センサが利用可能であれば、分類器および／または機械学習モデルへの入力として使用され得る。

通常の睡眠アーキテクチャまたは呼吸療法に合わせて矯正された睡眠アーキテクチャにおいて深睡眠段階またはレム睡眠段階に入ると、段階を変更する確率が、（その段階が持続しない可能性があることから）高で始まり、その後、（その段階が時を経て進捗するにつれて）減少し、その段階の典型的な持続時間に達すると再びゆっくりと上がり、変更の可能性が高まる。その睡眠段階の生体情報に想定外の変更が検出された場合には、ユーザの睡眠を標的アーキテクチャに少しずつ戻すために、開始に向けて、中間に、および終了前に、療法を修正することができる。一部の特徴は、他の特徴よりも反応が遅い場合がある。例えば、ＥＥＧおよび心拍数の変更は最も即時的であり得、呼吸尺度の遅延が大きい。そのため、呼吸療法システムは、前の入力信号を使用して、起こり得る変更を速やかに検出および予測し得る。これは、利用可能な信号の忠実度、サンプリングレート、および信号品質に基づいて予測モードを適応させ得る。

一般的な母集団（すなわち、正常な健康状態を有するユーザ、睡眠時無呼吸などの呼吸状態を含む様々な健康状態を有するユーザ（彼らの睡眠時無呼吸事象を健康な人と一致させるために呼吸療法（例えばＰＡＰ療法）による治療を受けているユーザなど）、ＣＯＰＤ、心臓の問題などを含む）に遍く機能する睡眠段階判定システムを検討すると、呼吸数および心拍数の基準が大きく変化し得ることがわかる。例えば、年齢、性別、および体格指数（ＢＭＩ）の違いを考慮すると、女性は、同様の年齢およびＢＭＩの男性よりもわずかに高い基準呼吸速度を有し得る。ＢＭＩが高い人は、同様の年齢の人の平均よりも呼吸が速い傾向がある。子どもは、大人よりもはるかに高い正常呼吸数を有するのが通例である。

そのため、いくつかのバージョンでは、センサのタイプを問わない処理デバイスなどを有する呼吸療法システムが、深層信念ネットワーク（ＤＢＮ）を適用する前に初期信号処理およびいくつかの手作りの特徴が形成されたりするハイブリッド実装で作られ得る。（ハイブリッド実装は、人間による「手作りの」デジタル信号処理（ＤＳＰ）由来の特徴を、機械によって学習された特徴と組み合わせた混合を伴う。）最初の教師あり訓練は、世界中の複数の場所から睡眠実験室または家庭用睡眠ポリグラフ（ＰＳＧ）で取得され、専門家が採点した一晩分の（ＰＳＧ）データセットを用いて実施され、指定された採点方法を用いて少なくとも１人の採点者によって採点される。それらの選択感知方法のうちの１つ以上で収集されたデータセットから、さらなる教師なし訓練が実行される。これにより、システムが進化して、睡眠実験室外で取得された新しく多様性の高いデータを反映することができる。

手作りの特徴（すなわち、人間のエンジニア／データサイエンティストが設計、選択、または作成した特徴）に関して、関連する信号品質レベルを有する呼吸信号が抽出され、関心対象の具体的な特徴は、種々の時間スケールにわたる呼吸速度の変動、ならびに吸気時間および呼気時間のばらつきである。パーソナライズされた覚醒時および睡眠時の基準呼吸速度の推定値が形成される。例えば、覚醒中の呼吸速度変動の短期的な変更が、気分および気分の変更と関連し得るのに対し、睡眠中のこれらの変更は、睡眠段階の変更と関連するのが典型的であるということがわかっている。例えば、レム睡眠時には呼吸数変動が大きくなる。呼吸速度そのものの長期的な変更は、メンタルヘルスの指標となるなど、精神状態の変更と関連し得る。これらの影響は、ユーザが眠っているとき、特に、より長い時間スケールにわたって分析され、母集団の基準値と比較された場合に大きくあり得る。

測定された呼吸数の変動は、ユーザの状態（睡眠／覚醒）または睡眠段階（レム、Ｎ１、続いてＮ２、続いてＳＷＳ睡眠で最低）の指標として使用することができる。例えば、通常の健康な人で、正規化された呼吸数変動を１５分などの期間にわたって見ると、覚醒しているときに最大の変動を見ることができ、この変動は、すべての睡眠段階で低下し、次に最大の変動はレム睡眠（ただし依然として覚醒時未満）で生じ、その後Ｎ１、Ｎ２でさらに低下し、ＳＷＳ睡眠で最も低くなる。余談だが、呼吸に起因する空気圧は、レム睡眠において上がり得、この圧力上昇は、検出された音響信号に影響し得、静かな環境や静かな時期に検出でき得る付加的な特徴である。

かかる正規化された呼吸数値は、健康な人だと異なる姿勢（仰臥位、腹臥位、側臥位など）間で大きくは変化しないはずである。ただし、正しい一回換気量への較正が望ましい可能性が高いということに留意されたい。例えば、ある人の平均呼吸速度は、例えば睡眠中に毎分１３．２回（ＢＲ／分）であり得るが、別の人の平均は１７．５ＢＲ／分であり得ることから、システムは、睡眠セッション全体にわたって正規化し得る。どちらのレートも、睡眠段階ごとに同様の変動を提示する。レートの違いは、睡眠段階を分類するために考慮され得る変更を単にマスキングしているだけである。このシステムは、平均レート（または全体のレートグラフ）を、自身と経時的に比較したり、同様の人口統計内の人と比較したりなど、他の目的で考慮することができる。閉塞性睡眠時無呼吸（ＯＳＡ）を有する人の場合、呼吸変動が仰臥位（仰向け）で大きくなることが予想される。これは、ユーザの呼吸の健全性を示す潜在的に有用な指標である。

混合性無呼吸または中枢性無呼吸を有する被験者は、覚醒時に、正常な被験者よりも大きな呼吸変動を示す傾向があり（有用なバイオマーカー）、閉塞性無呼吸を有する被験者も、覚醒時に通常とは異なる変更を有する。後者はそれほど自明ではない（が、依然として存在する場合が多い）。

個人に特有の睡眠パターン（例えば呼吸変動）は、システムが経時的に学習することができるため、いったん現場で展開されたら、教師なし学習を実行きるシステムが非常に望ましい。

これらのパターンは、夜間（すなわち、睡眠セッション中）に変化し得、部分的または完全な呼吸停止（または気道が閉塞しているときの胸部および腹部の奇異な移動）として、睡眠時間中に発生する無呼吸による影響を受け得る。この問題に対処する１つの方法は、睡眠段階を求める場合に、検出された無呼吸（および関連する呼吸速度の振動）を有する期間を抑制することであるということがわかる。そこで、その時点で睡眠段階の分類を試みるのではなく、無呼吸および潜在的な微小覚醒にフラグを立てるだけにしておけば良い。チェーン・ストークス呼吸（ＣＳＲ）などの周期的な呼吸パターンは、強い振動パターンを有し、睡眠前処理段階でも検出され得る。ＣＳＲはどの睡眠段階でも発生し得るが、一時停止は、ノンレム睡眠だと規則性が高く、レム睡眠だと不規則性が高い傾向がある（システムが、ＣＳＲを有する被験者の睡眠段階判定を精緻化するのに使用できる情報）。

同様に、呼吸波形形態に関連する任意の高調波を抑制する処理ステップを用いて、心臓信号を抽出することができる。閉塞性無呼吸、混合性無呼吸または中枢性無呼吸など具体的なパターンが、関連する任意の回復呼吸および息切れに関連する移動と共に検出される。この心臓信号から、心拍間の「心拍数変動」（ＨＲＶ）信号が、生理学的に妥当と思われる心拍数値に基づいて推定される。平均呼吸周波数の対数パワー、ＬＦ／ＨＦ（低周波数対高周波数）比、正規化されたＨＦの対数などのスペクトルＨＲＶ尺度を求めることができる。

心拍間時間（ＨＲＶ波形）のＨＦスペクトルは、０．１５～７秒の副交感神経または迷走神経活動（呼吸洞性不整脈（ＲＳＡ））のリズムに関連する２．５～０．４Ｈｚの範囲のパワーであり、「呼吸帯域」と称されることもある。

ＬＦ帯域は０．０４～０．１５Ｈｚであり、これは、安静時の圧受容器活動を反映すると考えられている（一部の研究が、心臓交感神経支配との関係を有し得ることを示唆している）。

ＶＬＦ（超低周波数）ＨＲＶパワーは０．００３３～０．０４Ｈｚ（３００～２５秒）であり、低減した値は不整脈および心的外傷後ストレス障害（ＰＴＳＤ）と関連がある。

ＨＲＶパラメータは、ＳＤＮＮ（長期変動を捕捉するための正常な心拍間隔の標準偏差）およびＲＭＳＳＤ（短期変動を捕捉するための連続する心拍間隔差の二乗平均平方根）などの時間領域法を用いて抽出することもできる。ＲＭＳＳＤは、心房細動に見られるような不規則的に不規則な心拍間挙動をスクリーニングするのに使用することもできる。

ＨＲＶに関して、計算されたＬＦ／ＨＦ比の変動は、検出可能なノンレム睡眠の特性であり、レム睡眠中の「交感神経」ＨＦ優位への移行を伴う（交感神経と副交感神経のバランスに関連し得る）。

さらなる一般論として、レム睡眠においてはＨＲＶが高まるのが典型的である。

呼吸速度信号および心拍数信号の長期的な平均または中央値は、特定の人にとって、経時的に分析する際、特に、投薬、治療、病気（身体的または精神的のいずれか）からの回復、フィットネスレベルの変更、睡眠習慣の経時的変更など、何らかの介入がある場合に重要である。これらの値は、人どうしを直接比較する上では、（非常に類似したグループでない限り）有用性がやや低い。そのため、呼吸および心臓の変動特徴量に関しては、母集団全体で良好に一般化できるように、これらを正規化すること（例えば、尺度に対して適宜平均値を差し引いたり中央値を除去したりすることなど）が有用である。

抽出された特徴量をさらに分析する場合には、深層信念ネットワーク（ＤＢＮ）を利用することができる。かかるネットワークは、制限ボルツマンマシン（ＲＢＭ）、オートエンコーダ、および／またはパーセプトロンのビルディングブロックからなる。ＤＢＮは、これらの抽出された特徴量から学習するのに特に有用である。ＤＢＮは、教師なしで使用することができ、その後、ラベル付けされたデータ（すなわち、人間の専門家の入力によって確認されたデータ）を用いて訓練することができる。

人が手作りした「例による学習」によって抽出された、ＤＢＮに渡すことのできる特徴量は、無呼吸のタイプおよび位置、異なる時間スケールにわたる呼吸数およびその変動、呼吸、吸気および呼気の回数、吸気および呼気の深さ、異なる時間スケールにわたる心拍数およびその変動、全身運動など、心弾動図上での心拍の形状／形態移動および活動のタイプ、ＰＬＭ／ＲＬＳ、信号品質（測定値の経時的な整合性）、年齢、身長、体重、性別、健康状態、職業などのユーザ情報を含み得る。信号の歪度、尖度、エントロピーなど、他の統計パラメータも求めることができる。ＤＢＮは、いくつかの特徴量自体を判断する（それらを「学習する」）。時には、その特徴量が正確に表す内容を理解することが困難であり得るが、人間よりも良好な役割を果たせることが多い。課題は、その特徴量が、最終的に悪い局所最適値になり得るということである。システムは、「学習」した特徴量をラベル付きデータで調整することができる（例えば、専門家によって入力されたデータは、その特徴量を（１人または数人の専門家のコンセンサスによって）スコア化することができる）。

ＤＢＮは、呼吸波形、活動レベル、心臓波形、未加工オーディオサンプル（本明細書に記載されているソナーセンサなどの場合）、Ｉ／Ｑ生体運動データ（本明細書に記載されているソナーまたはＲＡＤＡＲセンサなどの場合）、（例えば、赤外線カメラデータからの）強度および色レベルなどの入力パラメータから新しい特徴量を直接学習することもできる。

手作りの特徴量だけを用いた機械学習手法は、性能レベル面で頭打ちになる傾向がある「浅層学習」手法である。対照的に、「深層学習」手法は、データのサイズが増すにつれて向上し続けることができる。上述の手法は、深層学習（この場合はＤＢＮ）を用いて、古典的な機械学習のための新しい特徴量を作成する（例えば、新しい特徴量を採り入れ、特徴量性能による特徴量選択の選別、ＩＣＡ（独立成分分析）またはＰＣＡ（主成分分析）（すなわち次元削減）で白色化し、ランダムフォレストまたはサポートベクターマシン（ＳＶＭ）など決定木ベースの手法を用いて分類する）。

本明細書で用いられている完全深層学習手法は、かかる特徴量選択ステップを回避する。つまり、システムが、人口母集団に見られる膨大な多様性の存在を使用しないということになるため、これには利点があるとみなすことができる。その後、ラベル付けされていないデータから新しい特徴量を学習することができる。

これらのマルチモーダル信号に対する一手法が、まずは各信号に対して深層信念ネットワークを訓練し、その後、連結されたデータに対して訓練を施すことである。この手法の理論的根拠は、特定のデータストリームだけが、ある期間で無効であり得るということである（例えば、心臓信号品質は使用可能な閾値を下回るが、良質な呼吸、運動、および音声特徴量信号が利用可能であり、この場合、心臓データから学習または導出された特徴量がこの期間で無意味である）。

分類のために、隠れマルコフモデル（ＨＭＭ）など、シーケンスベースの手法を適用することができる。かかるＨＭＭは、さらに任意選択で、睡眠段階を切り離すため、出力された睡眠グラフを、睡眠実験室ＰＳＧシステムを介して提供され得る段階的「睡眠アーキテクチャ」にマッピングするため、および例外的な睡眠段階切り替えを最小限にするために出力で使用することができる。ただし、睡眠が漸進的な生理学的プロセスであると認識されている場合には、システムを少数の睡眠段階に強制せず、システムが漸進的な変更を捕捉できるようにする（すなわち、より多くの「中間の」睡眠段階を有する）ことが好まれ得る。

隠れ層のない単純な段階の機械手法が可能だが、最終的には、それぞれが独自の人間の生理学的特性および挙動を有する大勢の睡眠者を一般化しにくいことがる。他の手法は、条件付きランダムフィールド（ＣＲＦ）や、隠れ段階ＣＲＦ、潜在動的ＣＲＦ、または条件付きニューラルフィールド（ＣＮＦ）もしくは潜在動的ＣＮＦといった変形である。長・短期記憶（ＬＳＴＭ）は、特に（通常の健康な睡眠者に多い）シーケンスパターン認識に適用された場合に良好な識別能を有し得るということに留意すべきである。

半教師あり学習は、再帰型ニューラルネットワーク（ＲＮＮ）を使用して実行することが可能であり得、これは、ラベル付けされていないデータの構造を見つけるのに有効であり得る。ＲＮＮは、入力、隠れ層、および出力を有する標準的なニューラルネット構造である。ＲＮＮは、グラフ展開およびパラメータ共有技法を用いたシーケンス入力／出力を有する（すなわち、次の入力が前の出力に依存する、すなわち、隠れユニットが、情報を渡す帰還路を有する）。ＬＳＴＭＲＮＮは、（勾配爆発・消失問題に対処するためにＬＳＴＭを用いた）自然言語処理用途でよく知られている。

入眠検出という観点からは、音声認識サービスが実行されていれば、ユーザによる音声コマンドを「覚醒」の第２の判断要因として使用することができる（無意味な寝言は無視する）。パーソナルスマートデバイスが使用される（例えばユーザによってロック解除され、その後、ＵＩ入力、加速度計の移動、ジャイロスコープなどを用いて、使用によって対話される）場合には、このデバイスも覚醒の判断要因として使用して、他の睡眠／覚醒感知サービスを拡張することができる。

例えば、ソナーまたはＲＡＤＡＲ感知システムおよび技法を使用する上述の感知動作は、人の存在／不在、人の移動、ならびにいくつかの生体的特徴を検出するために実施され得る。呼吸速度、相対的な呼吸振幅（浅い、深いなど）、心拍数および心拍数変動、運動の強度および持続時間、ならびに活動指数を含む多種多様なパラメータを推定することができる。これらのパラメータのうちの１つ以上を使用して、その後、被験者が覚醒しているか睡眠しているかを判断することができ、睡眠していれば、彼らの睡眠段階（浅いＮ１またはＮ２睡眠、深睡眠、またはレム睡眠）が何であるかを判断すること、および到来する可能性の高い睡眠段階を予測することができる。かかる特徴付けの方法は、例えば、２０１４年７月８日に出願された国際特許出願第ＰＣＴ／ＵＳ２０１４／０４５８１４号（ＷＯ２０１５／００６３６４）、２０１７年９月１９日に出願された国際特許出願第ＰＣＴ／ＥＰ２０１７／０７３６１３号（ＷＯ２０１８／０５０９１３）、および２０１６年１２月８日に出願された国際特許出願第ＰＣＴ／ＥＰ２０１６／０８０２６７号（ＷＯ２０１７／０９７９０７）に記載されている、モーション信号を処理および／または生成するための技法に従って実装され得、いずれの文献も、参照により全体が本明細書に組み込まれる。

このシステムは、様々な被験者がスマートスピーカまたは処理デバイスとは異なる範囲内にいる場合に、そのデバイスの別個の感知範囲に従ってモーションを評価するなどして、睡眠を完全自動でシームレスに検出すること、および１つのデバイスから２人以上の睡眠を検出することができる。例えば、音響感知波形を処理して、ＰＣＴ／ＥＰ２０１７／０７３６１３（ＷＯ２０１８／０５０９１３）に記載されているような処理デバイスから種々の範囲を検出することができる。スマートスピーカの処理はその後、検出範囲を自動的に一定間隔で変化させて異なる範囲で感知できるようにするなどして、ＰＣＴ／ＥＰ２０１７／０７０７７３（ＷＯ２０１８／０３３５７４）に記載されているダイナミックレンジ監視方式を異なる時期に異なる範囲のモーション特性を評価するように構成され得る。任意選択で、この感知波形は、コーディング方式を用いて、本明細書に記載されているような複数の範囲での同時感知を可能にする。

正確な入眠検出により、特にホームスピーカがホームオートメーション／モノのインターネットプラットフォームにインターフェースされる場合に、１つ以上のサービス制御信号（単数または複数）を生成するなどして様々なサービスを提供することができる。例えば、ユーザが就眠すると、家の照明を暗くしたり色を（例えば、白色から赤色に）変更したりすること、カーテンまたはブラインドを自動的に閉じること、サーモスタット設定を調整して睡眠環境の温度を管理すること、および経時的に音楽再生の音量を下げ、電源を切ることができる。検出器がユーザの全身運動を検出できることは、自動化された機器類を制御するためのベースとなり得る。例えば、ユーザが夜中に覚醒して歩き始めたら、その移動は、（生成された音響生成および感知処理を用いて）スマートスピーカによって検出され得、スマートスピーカはその後、その特定のモーション感知に基づいて自動照明の設定への変更を制御し得る。これは、例えば、点灯すべき薄明るい経路照明（例えば、ベッドの基部周りのＬＥＤ）を制御することにより、不当に睡眠を妨げるのではなく、洗面所／トイレへのルートがわかるようにし得る。この点に関しては、機器制御応答が、デバイスの電源が投入および切断することであり得るか、機器制御応答により、その機器のレベルが段階的に変更（例えば、高照度対低照度）され得る。このデバイスは、モーション関連または睡眠関連の種々の検出を受けて行われる所望のシステム制御挙動をユーザが事前に選択できるように、構成可能なセットアッププロセスを有し得る。

スマートスピーカは、自らのスピーカ（単数または複数）を介してマスキング音を生成するように実装することができる。これは、例えば、古典的なマスキング音であるホワイトノイズを生成し得る。不快であり得る他の環境ノイズを隠し得るという理由で、それを鳴らして眠ることが好きな人もいる。他のマスキング音は、感知されたノイズに対して逆位相を伴う音を生成したりするサウンドキャンセリングノイズであり得る。鎮静マスキングノイズにより、システムを使用して、大人または乳児が眠るのを助けると共に、呼吸を監視することができる。場合によっては、システムが超広帯域（ＵＷＢ）方式を用いて低超音波音響感知を生成する場合など、マスキングノイズ自体が感知音響信号であり得る。プロセッサまたはマイクロコントローラは、音響感知および／または睡眠段階のサイクルのタイミングを用いた典型的な過去の睡眠段階判断に基づくなどして、次の睡眠段階または現在の睡眠段階の予想長を予測するように構成され得る。これは、かかる予測を用いて、オーディオおよび照明源などの機器に対する制御変更を行って（すでに述べたとおり）機器を調整することができる（すなわち、スマートスピーカまたは処理デバイスは、無線制御信号を用いるなどして機器を制御することができる）。スマートスピーカは、例えば、「常時オン」（昼および夜）である連続感知を行うように構成することができる。こうして、これは、人がいる期間、（完全な睡眠セッションであるか仮眠であるかを問わず、）人が眠っている期間、ならびに覚醒している期間、不在である期間などを自動的に識別することができる。スマートスピーカは、ユーザが覚醒し始める時期だけでなく、ユーザが就眠し始める時期も識別し得る。かかる検出により、システムは、デバイスの近くで就眠中の人を検出し、検出を受けて、スピーカ（単数または複数）やＴＶなどのオーディオコンテンツの）再生音量を下げ得る。その後、当人がより深い睡眠フェーズに移ったことをデバイスが検出した５～１０分後に、音量やＴＶなどがオフにされ得る。かかる検出は、照明を自動的に減光する、自動盗難アラームを設定する、暖房／空調設定を調整する、関連付けられたスマートデバイス（単数または複数）（例えばスマートフォン）上の「着信拒否」機能を起動するなどの制御判断にもなり得る。

スマートスピーカまたは処理デバイスは、その処理によって睡眠を検出した場合、人を偶発的に覚醒させることを回避するのに役立つ音声アシスタントプロンプトを無効化し得る。かかるプロンプトは、事前に定義された覚醒ウィンドウまで無効化され得る（例えば、事前に選択された睡眠段階から人を覚醒させたりするためのプロンプトを許可して「スマートアラーム」となり、場合によっては睡眠慣性を最小化する）。

この処理デバイスは、感知空間内で検出された人の数に応じて、かかる制御判断を行うことができる。例えば、ベッドに２人おり、一方が睡眠中であり、他方が覚醒していることをこのデバイスが検出した場合には、システムが音量設定を制御して、例えば、音声アシスタントの音量を可能な限り低減しつつ引き続き使用できるようにすることができる。これにより、覚醒している人がそのデバイスの音を聞けると同時に、そのデバイスが睡眠中の人を覚醒させるリスクを最小化することもできる。逆に、覚醒している人が少なくとも１人検出され、睡眠中の人が少なくとも１人検出されたときにメディアコンテンツ（例えば、音楽または映画）が再生されている場合、このデバイスは、まだ覚醒している人のために、メディアの音量を下げるのを控えること、またはメディアの音量をわずかに下げることができる。このデバイスはその後、メディアコンテンツの音量をさらに下げ、残りの人（単数または複数）も睡眠中であることを検出したら電源を切ることができる。

場合によっては、処理デバイスが、その処理デバイスがある部屋におけるユーザ（単数または複数）の位置および／または存在の検出に基づいて、音量（可聴オーディオコンテンツの音量）レベルの調整を制御し得る。例えば、ユーザが存在しないことが検出された場合には、音量が下げられ得るか、代替として上げられ得る。このデバイスは、デバイスからの距離の増加に伴って音量を上げ、かつ／またはデバイスからの距離の減少に伴って音量を下げるなどして、検出された位置（例えば、処理デバイスまたは特定の場所（例えばベッド）からの距離）に基づいて、またはその関数として音量調整を制御することさえあり得る。さらなる例として、ユーザがベッドにいることを処理デバイスが検出した場合には音量が下げられ、離床している場合には音量が上げられ得る。

システムは、いくつかの覚醒シナリオに合ったサービスを提供することができる。例えば、ユーザが夜間に覚醒する場合には、そのユーザが、例えば、個人的なフィードバックを伴う瞑想プログラムを使用して、再び就眠するのを支援するために音声支援を受けることができる。代替として、または音声支援に加えて、システムは、他のパラメータおよび接続された機器設定に対する変更を制御して、人を再就眠へと促進し得る。これは、例えば、温度設定、照明設定、ＴＶやディスプレイパネル上の画像またはプロジェクタによって作り出された画像の投影への変更を制御すること、接続された／スマート方式のベビーベッドシェーカなどを用いてベッドの振動を開始すること、などを含み得る。例えば、眠っている乳児の場合、（例えば、深睡眠段階から浅睡眠段階への変更および体動の増加を検出することにより、）乳児が覚醒間近であり得ること、または乳児が覚醒していることを音響モーション感知デバイスが検出すると、揺動クレードルが起動し得る。任意選択で、スマートデバイスのスピーカで子ども向けの歌または音楽を再生したり、何らかの自動化された形態の物語を再生したりしてオーディオコンテンツが再生され得る。これにより、睡眠時間を延長することや、親が乳児に対応する時期を遅らせたりすることが可能となり得るため、落ち着きのない乳児または幼児の親に、強く必要とされるブレーキを与えることができる。

ユーザがアラーム時間窓を設定した場合には、ユーザの睡眠段階が、そのユーザを覚醒させるのに適した睡眠段階（通常は浅睡眠段階）であるかどうかを処理デバイスが監視することができる。かかる段階がない場合には、処理デバイスが、わずかな光および音を積極的に導入して、ユーザを深睡眠やレム睡眠段階などの代替段階から浅睡眠へと至らせた後に覚醒へと至らせることもできる。かかるスマートアラーム処理デバイスは、接続された追加ホームオートメーション機器機能を制御するように構成することもできる。処理デバイスは、例えば、覚醒しているユーザを検出すると、自動で開くカーテン／ブラインドと通信して覚醒を促進したり、自動トースタオーブンと通信して朝食を暖めたり、自動コーヒーマシンと通信して電源を入れ、コーヒーを淹れ始めたりなど、種々の機器と通信し得る。

生体感知を使用して昼寝プログラムを構成することもできる。これにより、例えば午後３：３０に予約があり、そのために覚醒して意識を高めておく必要があることを認識しながら仮眠すること（すなわち、深睡眠から直接目覚めないこと、または、光および音の刺激を使用して、仮眠中に深睡眠に入らないように（して、目覚めたときにふらつかないようにすること））ができる。

ユーザの最近の傾向や、同様の年齢、性別、生活様式の人の母集団基準などに基づいてユーザの睡眠行動（睡眠衛生）を改善するための助言をユーザに配信することができる。

記載されたシステムはさらに、ユーザからフィードバックを収集することもできる。このフィードバックは、ユーザが現在どのように感じているか、ユーザが昨夜どのように眠っていたか、提供された助言、薬、または運動の実施・使用が有益であったかどうか、などに関するものであり得る。かかるフィードバックはいずれも、入力デバイスによって収集され得る。一実施例においては、これがスマートフォンのキーボードであり得る。スマートスピーカがパーソナルオーディオアシスタントアプリケーション機能を備えている場合には、音声を介してユーザからフィードバックを引き出して処理すること、例えば、ユーザの病状に関する質問に答えること、ユーザの気分を尋ねること、ユーザの眠気および疲労状態に関するデータを提供することを含むパーソナライズされたフィードバックをユーザに提供することが可能である。そのため、処理デバイスなどのシステムは、音響的に感知されたモーション信号の評価に基づき得る情報を処理デバイスから取得するなど、指向型会話シーケンス（例えば、可聴口頭コマンド／クエリ）を会話インターフェースとしてシステムに提供するための自然言語処理用ソフトウェアモジュールで構成され得る。例示的な自然言語処理モジュールまたは会話インターフェースが、Ｇｏｏｇｌｅ（登録商標）Ｃｌｏｕｄプラットフォーム、ＤｉａｌｏｇＦｌｏｗエンタープライズ開発スイートを用いて実装され得る。

一例として、１組以上の処理デバイスを有する多室または多階の不動産を考える。音響ベースの感知機能を有する処理デバイスがキッチンに所在し得、１つは寝室に所在し得る。朝食準備中に、「ＯＫグーグル、私の睡眠はどうでしたか」と発話することにより、自分の睡眠情報を問い合わせることができる。これを受けて、処理デバイスは、以前の晩の睡眠セッションからの睡眠パラメータ（および前の晩からの傾向）であって、別の処理デバイス（すなわち、寝室内の処理デバイス）の音響ベースのモーション感知アプリケーションで検出された可能性があるものを特定することができる。処理デバイスに対するかかるクエリは、記録されたセッションデータを、例えば、Ｆｉｔｂｉｔ、Ｇａｒｍｉｎ（登録商標）ウォッチ、ＲｅｓＭｅｄＳ＋、Ａｐｐｌｅ（登録商標）ウォッチ、Ｗｉｔｌｉｎｇｓウォッチ、および問い合わせられた睡眠の関連するデータを格納している任意の他のウェブサイトまたはネットワーク接続サーバなどから取り出すことにも同様に適用され得る。

そのため、本人は、自身の睡眠に関する助言を受ける時期と形態を選択することができる。この点に関して、睡眠管理システムは、処理デバイスのマイクロフォン（単数または複数）およびスピーカ（単数または複数）を使用した口頭での質疑応答を介して提示されるオーディオコンテンツを通じて、睡眠に関する助言を対話形式で配信または提示することができる。ＰＣＴ／ＵＳ２０１４／０４５８１４に記載されている睡眠管理システムなどの睡眠管理システムからの助言は、処理デバイス１００を介して配信され得、睡眠習慣の変更、ライフスタイルの変更、または新製品の勧奨に関するものであり得る。

処理デバイス１００のスピーカおよびマイクロフォンを伴う例示的な質疑応答セッションは、例えば、次のような出力を生成し得る。「レドモンドさん、あなたの最近の睡眠断片化、購買履歴、そして日中の不快感についての報告に基づくと、あなたは新しいマットレスの恩恵を受けられる可能性があります。あなたが記憶性発泡体オプションをお気に召さなかったことから、上質な新型内側コイルスプリングマットレスが特別割引価格になっていることに気付きました。ご注文なさいますか？」。かかるコンテンツは、インターネットおよび過去のユーザデータの１つ以上の検索、ならびに処理デバイスによって行われる検出された睡眠状態に基づいて収集および生成され得る。

そのため、このシステムは、例えば、音響的に行われる睡眠検出および対話型の口頭コミュニケーション（ユーザと処理デバイス１００の音声アシスタントアプリケーションとの間の会話）に基づいたフィードバックおよび追加動作を可能にする。かかるフィードバックおよび動作は、環境関連システムおよびセンサを用いて検索または別様に検出し得る（例えば、音データ、温度データ、光データなどを含む）環境データにアクセスする処理デバイスに基づき得、環境システムの動作を制御するための制御信号の生成を含み得る。かかるプラットフォームの生成された出力は、睡眠状態への対処などを目的とする関連製品を人々に販売することを提供し得る。このシステムは、例えば、自然言語を使用してシステムとの指向型会話を提供するプラットフォーム上で開発され得る。パーソナライズされた睡眠助言はその後、単に睡眠関連メッセージを送信するのではなく、処理デバイス１００と対話することによって提示することができる。例えば、ユーザが処理デバイスに、「ＯＫグーグル、昨晩の私の睡眠はどうでしたか？」と尋ねるとする。「ああ、ユーザさん、これが睡眠スコアアプリで、昨晩のあなたのスコアは３８でした。そうですか。低そうですね。」「何が起こったのですか？」実は、あなたの睡眠環境と呼吸パターンに関するいくつかの問題を発見しました。詳しく知りたいですか？」「はい！」「あなたの寝室の温度が７７°Ｆと高すぎたのです。私たちが今晩、就寝の１時間前に空調を作動させることができます。希望されますか？」「はい。」「そして、私の呼吸について教えてください。」「私たちは、あなたが昨夜大きないびきをかいていたことを検出しました。そして、あなたが夢を見ているレム睡眠中の呼吸に、何度かの空白がありました。「続けてよろしいですか？」「はい、その意味を教えてください。」「昨晩のあなたのいびきは重度であり、呼吸パターンに多少の乱れがありました。そのために、あなたのスコアが低かったのです。「昼間に疲労を感じることが度々ありますか？」「はい、あります。」「医師に電話して、ご自身の症状を説明されますか？ご自身の健康プランについて、１０分間の無料相談ができます。」

かかる対話のために、ネットワーク上のサポートサーバの処理と連動したりする処理デバイス１００は、組み合わされた検出データに基づいて、睡眠関連の助言および製品オファーなどパーソナライズされたサービスを提供するために、日中の活動（例えば、ウェアラブルＧＰＳ、加速度計、心拍数センサ、およびモーション感知などを通じてかかる情報も検出し得る他の活動モニタなどから検出された運動または足取り情報および心拍数）からの検出情報（例えば、過去のユーザデータ）と検出された睡眠情報とを組み合わせるなどして柔軟性および範囲を改善するための人工知能（ＡＩ）プロセスを含み得る。

本技術のいくつかのバージョンは、運動センサによって検出されたユーザの移動を表す測定データを用いて睡眠を促進することを伴い得る。この測定データを処理して、測定データから導出された特徴量を有する睡眠因子を判断することができる。判断された睡眠因子に基づいて、睡眠スコア指標、心再充電インジケータ、および身体再充電インジケータを含む１つ以上の指標を生成することができる。これらの指標は、ユーザに表示することができる。

過去の睡眠段階情報は、１つ以上の以前の睡眠段階に関する何らかの情報であり得る。以前の睡眠段階は、現在の睡眠サイクルと同じ睡眠サイクル、同じ睡眠セッション内の１つ以上の以前の睡眠サイクル、１つ以上の以前の睡眠セッションからの１つ以上の以前の睡眠段階、およびそれらの組み合わせに由来し得る。例えば、過去の睡眠段階情報は、１つ以上の睡眠サイクルおよび／または睡眠セッションにおける過去の睡眠段階間の遷移であり得る。

呼吸療法システムの制御パラメータは、療法を提供することに関する呼吸療法システム上の任意の設定であり得る。この制御パラメータは、例えば、流れパラメータ、湿度パラメータ、温度パラメータなどであり得る。呼吸療法システムの制御パラメータは、レム睡眠または深睡眠の量を増やすなどして、ユーザの最適な睡眠を促進するように変更することができる。制御パラメータの変更は、ユーザの睡眠段階の変更後に行うことにより、非所望の段階（例えば、Ｎ１またはＮ２）から所望の段階（例えば、Ｎ３またはレム）へと移ることができる。代替として、制御パラメータの変更をユーザの睡眠段階の変更に先立って行うことにより、以下に詳述するとおり、現在の所望の段階を維持すること、または非所望の睡眠段階に入らないようにすることができる。呼吸療法システム制御パラメータを使用して睡眠段階に影響を及ぼすことは、段階の維持／段階間の移行と、睡眠段階を監視して効果が達成されたかどうかを確認することと、も含み得る。ユーザの生体情報ならびに任意選択で環境および他のデバイス設定の機械学習モデル処理に基づく制御パラメータは、呼吸療法（ＲＰＴ）圧力、ＡＰＡＰ圧力閾値、ランプアップまたはランプダウンの開始を調整することと、ランプ持続時間を変更することと、導管温度を調整することと、湿度を調整することと、を含み得る。

制御パラメータは、ユーザの睡眠に直接的または間接的に影響を及ぼし得る、ユーザの環境内の１つ以上の他のデバイスの制御パラメータであり得る。例えば、１つ以上のデバイスの制御パラメータは、ホワイトノイズの音量を上下させるホワイトノイズ発生器のパラメータであり得る。制御パラメータは、ランプを点灯または消灯するなどして部屋の輝度を上下させるランプのパラメータであり得る。

１つ以上の実装形態において、これらのシステムおよび方法は、非所望の睡眠段階よりも所望の睡眠段階を促進するために、現在の睡眠段階を使用して非所望の睡眠段階を予測することができる。所望の睡眠アーキテクチャに応じて、所望の睡眠段階は、現在の睡眠段階と同じであり得るか、異なる睡眠段階であり得る。

これらのシステムおよび方法は、現在の睡眠段階に加え、現在の睡眠サイクルにおける睡眠段階、または１つ以上の以前の睡眠サイクルにおける睡眠段階など、１つ以上の以前の睡眠段階を使用することができる。さらに、以前の睡眠段階は、現在の睡眠セッションを任意選択で含む１つ以上の以前の睡眠セッションに由来し得る。

１つ以上の実装形態において、非所望の睡眠段階を予測するために他のユーザパラメータを使用することができる。かかる他のユーザパラメータは、例えば、検出または懐疑された無呼吸、検出または懐疑された低呼吸、いびき、口漏れ、マスク漏れ（例えば、意図的または非意図的）を含む。ユーザパラメータは、ＳＤＢ治療履歴を含み得る。この履歴は、起こり得る睡眠リバウンド、設定期間にわたって療法を実施または停止する夜数、マスクまたはデバイスが交換されたばかりであるかどうかなど、任意の交絡効果に関する情報を提供することができる。ユーザパラメータは、呼吸療法システムが検出できる情報など、他の呼吸関連情報も含み得る。この呼吸関連情報は、例えば、チェーン・ストークス呼吸（ＣＳＲ）および他の形態の周期性呼吸などの異常呼吸パターンを含み得る。

他のユーザパラメータは、例えば、ユーザが希望する所望の睡眠時間量などの睡眠時間を含み得る。この情報は、呼吸療法システム上でユーザが設定できる。代替として、呼吸療法システムが、目覚まし時計など、環境内の１つ以上の他のデバイスと通信して、睡眠時間を判断することができる。睡眠時間に対する追加または代替として、別のユーザパラメータは、療法セッションにおいてすでに経過した療法の時間量など、呼吸療法システムの使用時間であり得る。

１つ以上の実装形態において、他のユーザパラメータは、任意の生理学的パラメータを含み得る。かかる生理学的パラメータは、例えば、呼吸速度や呼吸量などの呼吸パラメータと、心拍数や心拍出量などの心臓パラメータと、全身運動や微小覚醒などの運動パラメータと、を含み得る。運動パラメータは、例えば、ＰＬＭの四股運動または歯ぎしりの顎の移動（および音）など、異常な移動を含み得る。

１つ以上の実装形態において、ユーザパラメータは、位置情報を含み得る。位置情報は、例えば、ユーザが在宅かどうかを含み得る。呼吸療法システムは、例えば、持ち運び可能であり得、ＧＰＳデバイスなどの位置感知デバイスまたは機能さえ含み得る。呼吸療法システムは、ユーザの位置が変更されたことを検出することができ、この変更は、ユーザの睡眠アーキテクチャに影響を及ぼし得る。例えば、ユーザが、自宅での睡眠と比較して、ホテルまたは家族もしくは友人の家ではそれほど快適に眠れていないかもしれない。

１つ以上の実装形態において、これらのユーザパラメータは、ユーザの年齢、性別、体重、身長、人種、国籍、婚姻状況または交際状況など、ユーザの人口統計データを含み得る。一般に、かかる人口統計データは、睡眠に関する差異と結び付けられる任意の人口統計データであり得る。

１つ以上の実装形態において、これらのユーザパラメータは、ユーザの環境からの刺激に関する情報を提供するパラメータを含み得る。その環境内の呼吸療法システムまたは別のデバイスは、例えば、睡眠に影響を及ぼし得る部屋または環境刺激を検出することができる。この環境インパクトは、例えば、大きな音や電話の呼び出し音など、音声刺激、視覚刺激、温度刺激などを含み得る。

システムは、所望の睡眠段階を達成するのを支援するために、環境のパラメータを自動的に適応させることができる。これらのパラメータは、（咳の可能性を下げたりするための）湿度レベル、（テレビ、ラジオ、ストリーミング音楽、映画などの音量を下げたりするための）音レベル、（痛み管理の一部などの）電気刺激、（例えば、不快な音をマスキングするための）サウンドマスキングまたは（例えば、睡眠を妨げ得る背景音や不快音を打ち消すための）サウンドキャンセレーションレベル、（例えば、上半身を持ち上げるなどして、無呼吸を治療するのに必要とされるＲＰＴ圧力を下げるための）ベッドレベル、（例えば、頭部を動かすことにより、無呼吸を治療するのに必要とされるＲＰＴ圧力を下げるための）枕膨張、（例えば、ユーザを寝返りさせて、無呼吸を治療するため、ならびに／または非意図的なマスク漏れを低減するため、および／もしくは鼻型マスクが使用される場合の口漏れを低減するために、より低いＲＰＴ圧力が必要とされる姿勢を含む異なる姿勢にするため、または床擦れを低減するための）マットレス膨張ゾーン、ベッド温度（例えば、快適性を高めるための局所加熱または寝返り）、（例えば、特定の人の睡眠段階を促進する香りを得るための）香りなどを含み得る。

１つ以上の実装形態において、睡眠セッション中にユーザが経験した睡眠段階は、ユーザ、医師、または介護者などのデバイスのディスプレイに提示することができる。このデバイスは、例えば、呼吸療法デバイスであり得るか、スマートフォン、タブレット、またはコンピュータなど別のコンピューティングデバイスであり得る。睡眠段階は、ユーザの睡眠に関する洞察を提供するためにディスプレイに提示することができる。例えば、睡眠セッション中に得られたユーザの実際の睡眠アーキテクチャを提示することができる。１つ以上の実装形態において、ユーザの実際の睡眠アーキテクチャは、所望の睡眠アーキテクチャであったものと対比させて提示することができる。これにより、ユーザ（または医師もしくは介護者など）は、ユーザが達成した睡眠を、最適な睡眠のためにユーザが達成でき得るか達成すべきであった睡眠と比較することができる。代替または追加として、（ａ）呼吸療法システムが、最適化された睡眠段階を促進するように療法を適応させなかった場合、または（ｂ）（システムがもたらした恩恵を視覚的に示すために）療法がまったく用いられなかった場合にユーザが経験したであろう睡眠アーキテクチャを提示することができる。

１つ以上の実装形態において、これらのシステムおよび方法は、レム睡眠中にユーザを意図的に覚醒させて、ユーザが夢（単数または複数）を記憶するのを支援することができる。これらのシステムおよび方法は、例えば、ユーザが睡眠時間や睡眠サイクル数などの閾値に達したことを判断することができ、その後、ユーザをレムまたはＮ３深度からＮ２に、その後Ｎ１へと意図的に移した後にユーザを覚醒させることができる。これらのシステムおよび方法は、ユーザに夢を記憶させようと試みることとは別に、ユーザを意図的に覚醒させることもできる。ユーザは、例えばアラームセットを有し得、このアラームは、例えば、呼吸療法システムとインターフェースすることができる。呼吸療法システムは、ユーザを覚醒させることができ、ユーザが浅睡眠段階にあるとき、およびその時期付近に、例えば所望の睡眠時間、所望の睡眠段階の数、および／または所望の睡眠サイクル数に達したことに基づいてユーザが覚醒するように設定される。これにより、長引く不快な覚醒期間の回避が試行される。

以下でさらに詳述するとおり、本開示のさらなるシステムおよび方法により、呼吸療法システムを装着しているユーザの将来の睡眠段階が、睡眠セッション中に最適な睡眠アーキテクチャ内の所望の睡眠段階から変化する可能性を予測することができる。これを受けて、これらのシステムおよび方法は、将来の睡眠段階の可能性を下げ、睡眠セッション中に呼吸療法システムの制御パラメータなどの１つ以上の設定を調整して所望の睡眠段階を促進することができる。

以下でさらに詳述するとおり、本開示のさらなるシステムおよび方法により、睡眠セッション中のユーザであって、その睡眠セッション中に呼吸療法システムを使用しているユーザの現在の睡眠段階を判断することができる。それを受けて、これらのシステムおよび方法は、呼吸療法システムの、ユーザの環境内の１つ以上のデバイスの、またはそれらの組み合わせの１つ以上の制御パラメータを調整して、ユーザの所望の睡眠段階を現在の睡眠段階よりも促進することができる。この調整により、ユーザの睡眠を最適化することができる。

以下でさらに詳述するとおり、本開示のさらなるシステムおよび方法により、呼吸療法システムを使用しているユーザの睡眠セッション中の第１の睡眠段階から非所望の睡眠段階への変更を検出することができる。その後、これらのシステムおよび方法は、１つ以上の設定変更を呼吸療法システムに適用して、非所望の睡眠段階をユーザの睡眠アーキテクチャ内の所望の睡眠段階に変更することができる。

図１は、本開示のいくつかの実装形態にかかる、ユーザの睡眠を最適化する（か、少なくとも最適化を試行する）ために促進される所望の睡眠段階をユーザ１０２が有し得る環境１００を表している。環境１００は、例えば、ベッド１０４に横たわっているユーザ１０２を含む寝室環境であり得る。ベッド１０４は、マットレス１０６と、枕１０８および１１０と、ヘッドボード１１２と、を含み得る。１つ以上の実装形態において、同床者１１４も存在し得る。環境１００は、任意選択で、１つ以上のナイトスタンド１１６および１１８を含み得、ナイトスタンド１１６、１１８のうちの１つ以上の上に、ナイトスタンド１１８上のランプ１２０など１つ以上のデバイス１２０、１２１、１２３、１２５を有する。

ユーザ１０２は、空気回路または管材料１２４を介して呼吸療法デバイス１２６に接続されたマスク１２２を装着している。マスク１２２、空気回路または管材料１２４、および呼吸療法デバイス１２６は、集合的に呼吸療法システム１２８と称される。

１つ以上の実装形態において、ユーザ１０２は、閉塞性睡眠時無呼吸などの睡眠障害を患い得ると共に、呼吸療法デバイス１２６から管材料１２４を介して加圧空気を送達するのにマスク１２２に依存し得る。呼吸療法デバイス１２６は、睡眠中に気道が閉鎖および／または狭窄することを防ぐ目的でユーザ１０２の喉内の空気圧を高めるのに使用される持続気道陽圧（ＣＰＡＰ）機器であり得る。睡眠時無呼吸に罹患しているユーザは、自身の気道が睡眠中に狭窄または虚脱して酸素摂取量が減り、覚醒するなどして睡眠が妨げられ得る。ＣＰＡＰ機器は、気道が狭窄または虚脱するのを防ぐのを支援し、それによって、（例えば、酸素摂取量の減少、窒息、咳、いびきなど、またはそれらの任意の組み合わせによって）ユーザが目覚めたり、別の形で睡眠が妨げられたりする事象の発生を最小限に抑える。

１つ以上の実装形態において、呼吸療法システム１２８は、ユーザの睡眠段階を促進するのに使用される環境１００内の唯一のデバイスまたはシステムであり得る。その場合には、１つ以上のユーザパラメータ、１つ以上の以前の睡眠セッションからの情報、および現在の睡眠段階など、所望の睡眠段階を促進するのに使用される様々な入力のすべてを、呼吸療法システム１２８によって判断することができる。代替として、ユーザパラメータなど様々な入力を、下記のとおり、環境内の１つ以上のデバイス１２０、１２１、１２３、１２５、または環境１００内のさらなるデバイス（例えば感知デバイス）から（、または単独で）判断することもできる。

１つ以上の実装形態において、環境１００は、接触感知デバイス、非接触感知デバイス、またはその両方である１つ以上の他のデバイスを含み得る。非接触感知デバイスは、デバイス１２０、１２１、１２３、および１２５の位置に配置された光学カメラ、赤外線カメラ、モーションセンサ、レーダセンサ、ソナーセンサ、および／またはマイクロフォンなどの非接触センサを用いて実現することができる。他にも、これらの感知デバイスの様々な位置が企図される。例えば、１つ以上のカメラを環境１００の天井に取り付けることができる。１つ以上のマイクロフォン、マイクロフォンおよびスピーカ（ソナー感知用）、または送信機および受信機（レーダ感知用）を、位置１３０および１３２など、ベッド１０４のヘッドボード１１２に取り付けることができる。１つ以上の実装形態において、環境１００内の異なる位置に複数のカメラまたはマイクロフォンを有することにより、複数の映像角度およびステレオ音響が可能となり、これにより、ユーザ１０２に対する同床者１１４に由来する雑音を直接区別および除去することができる。

接触感知デバイスは、例えば、ＰＰＧセンサ、ＧＳＲセンサ、ＥＣＧセンサ、アクティグラフィセンサなどの接触センサであり得る。例として、接触検知デバイスは、ユーザ１０２の位置１３４、１３６、１３８、１４０、および１４２に配置することができる。

図２を参照すると、本開示のいくつかの実装形態に係る、所望の睡眠段階を促進するためのシステム２００のブロック図が示されている。システム２００は、図１の呼吸療法デバイス１２６および図８の呼吸療法デバイス８２２と同一または同様であり得る呼吸療法デバイス２０２を含む。呼吸療法デバイス２０２は、例えばＣＰＡＰ機器であり得る。呼吸療法デバイス２０２は、入口空気フィルタと、入口マフラと、陽圧で空気を供給するための圧力発生器と、出口マフラと、例えば圧力センサおよび流量センサなど１つ以上のトランスデューサと、も含み得る。呼吸療法デバイス２０２は、電源と、１つ以上の入力デバイス（例えば、ボタン、ダイヤル、スイッチ、タッチスクリーンなど）と、中央コントローラと、を有し得る。

マスク２２２は、マスク１２２およびユーザインターフェース８２４と同一または同様である。なお、本明細書では、「マスク」および「ユーザインターフェース」が同義語として使用される。マスク２２２は、ユーザ１０２（図１）によって装着されるか、ユーザ１０２に身に着けられ得る。いくつかの実装形態においては、マスク２２２が、吐出ガスが逃げられるように設計された通気孔を含む接続部を含む。この接続部は、管材料１２４をマスクに流体連結するように構成されている。呼吸療法デバイス２０２は、ユーザ１０２の気道に送達するための空気の流れを生成するように構成することができる。

呼吸療法デバイス２０２は、マスク２２２上の電子構成要素またはセンサと通信するための有線または無線データ通信インターフェースをさらに含み得る。いくつかの実装形態においては、管材料１２４が、加圧空気を搬送するだけではなく、呼吸療法デバイス２０２のデータ通信インターフェースを、マスク２２２に内蔵および／または連結されたセンサおよび／または１つ以上の電子構成要素（例えば、センサ、マイクロフォン、カメラ、メモリ、制御システムなど、または任意のそれらの組み合わせ）に接続するための１つ以上の電気配線も含む。

システム２００は、ユーザの近傍の音など、音を感知するためのマイクロフォン２４４をさらに含み得る。マイクロフォン２４４は、有線または無線であり得、システム２００の環境内の任意の場所（例えば、ユーザの寝室）に位置付けることができる。マイクロフォン２４４は、呼吸療法デバイス２０２、マスク２２２、またはその両方の上および／または内部のどこかに位置付けることもできる。いくつかの実装形態においては、マイクロフォン２４４が、（能動的に発せられた音を聴取するのではなく）音を受動的に聞くという点で、受動監視システムと称される。

システム２００は、マイクロフォン２４４と共に、スピーカ２４８をさらに含み得、マイクロフォン２４４およびスピーカ２４８は、例えば、ＷＯ２０１８／０５０９１３およびＷＯ２０２０／１０４４６５に記載されているとおり、システム２００にソナーセンサを集合的に提供するようになっている。この両文献はそれぞれ、参照より全体が本明細書に組み込まれる。スピーカ２４８は間隔を空けて音を出すことができ、マイクロフォン２４４はスピーカ２４８が音を出していないときに音の反響を聴取するのに使用することができる。そのため、マイクロフォン２４４およびスピーカ２４８は、ユーザ１０２の移動を検出するのに使用できるソナーシステムを実装する。いくつかの実装形態においては、スピーカ２４８が、ユーザ１０２および／またはユーザ１０２の同床者１１４を妨害しないように、人間にとっての不可聴周波数（例えば、２０ヘルツ未満または１８もしくは２０キロヘルツ超）の音を出す。いくつかの実装形態においては、スピーカ２４８が、２０ヘルツと２０キロヘルツとの間の可聴周波数の音を出す。制御システム１１０は、マイクロフォン１４０および／またはスピーカ１４２からのデータに少なくとも部分的に基づいて、ユーザ２１０（図２）の位置および／または、例えば、呼吸信号、呼吸数、吸気振幅、呼気振幅、吸気対呼気比、時間当たりの事象数、事象パターン、睡眠状態、睡眠段階、呼吸療法デバイス１２２の圧力設定、またはそれらの任意の組み合わせなど、本明細書に記載されている睡眠関連パラメータのうちの１つ以上を判断することができる。かかる文脈においては、ソナーセンサが、超音波および／または低周波数超音波感知信号（例えば、約１７～２３ｋＨｚ、１８～２２ｋＨｚ、または１７～１８ｋＨｚの周波数範囲内）を空中で生成および／または送信することなどによるアクティブ音響センシングに関わるものと理解され得る。かかるシステムは、上記のＷＯ２０１８／０５０９１３およびＷＯ２０２０／１０４４６５と関連付けて考慮され得、両文献はそれぞれ、参照によってその全体が本明細書に組み込まれる。

システム２００は、温度センサ２４６、カメラ２４９、赤外線カメラ２５０、圧力センサ２５２、モーションセンサ２５４、アクティグラフィセンサ２５８、光電式（ＰＰＧ）センサ２６０、電気皮膚反応（ＧＳＲ）センサ２６２、心電図（ＥＣＧ）センサ２６４、および他のセンサ２６６（例えば、脳波検査（ＥＥＧ）センサ、筋電図検査（ＥＭＧ）センサ、血流センサ、呼吸センサ、脈拍センサ、血圧計センサ、酸素測定センサなど）をさらに含み得る。温度センサ２４６は、ユーザ１０２の身体上の様々な位置で、ユーザ１０２の温度を判断するのに使用することができる。カメラ２４９および赤外線カメラ２５０は、ユーザ１０２の移動および熱シグネチャの変更を捕捉するように位置付けることができる。圧力センサ２５２は、呼吸療法デバイス２０２内に、または呼吸療法デバイス２０２からマスク２２２までの空気通路または空気回路に沿った任意の場所に所在し得る。圧力センサ２５２は、空気回路内の異なる点で（例えば、マスクのプレナムチャンバで、マスクを呼吸療法デバイスに接続する管材料に沿って、管材料のいずれかの端部で、呼吸療法デバイス２０２で、など）圧力を測定するために呼吸療法デバイス２０２内および／または空気回路沿いに位置付けられた複数の圧力センサであり得る。

モーションセンサ２５４は、ユーザ１０２の移動を検出することができる。いくつかの実装形態においては、モーションセンサ２５４が、赤外線カメラ２５０と協働して、周囲温度に対する体温の変更および／または遷移を判断して、人が移動しているかどうかを判断する。いくつかの実装形態においては、モーションセンサ２５４が、モーションを検出するために赤外線波長の電磁感知を利用し、個人が眠っている間に体温がわずかに下がっていると判断するので、体温が上がり、赤外線感知に基づいてあるレベルを上回ると、モーションセンサ２５４は、個人が覚醒および／または移動していると判断する。モーションセンサ２５４の他の例は、パッシブ赤外線センサ、（上記のような）超音波信号を発し、反射した超音波信号の検出された受信がパターンの変更を示すかどうかを判断するセンサ、パジャマまたは寝具に埋め込まれたジャイロスコープおよび加速度計、パッシブマイクロフォン、ソナーセンサ、レーダセンサ、超広帯域センサなどを含む。

モーションセンサ２５４は、レーダセンサおよび／または超広帯域センサを含み得る。レーダセンサは、電波を生成する１つ以上の送信機と、反射した電波を検出する１つ以上の受信機と、を使用して、部屋および／または家／建物の中のユーザ１０２および／または任意のアイテムもしくは物もしくは人もしくはペットなどの位置、向き、および／または移動を判断することを含む。作り出された電波は、例えば、高周波帯域、超高周波帯域、長波、短波など、任意の無線周波数（ＲＦ）帯域であり得る。いくつかの実装形態においては、選択された周波帯域が、中周波帯域や低周波帯域など、混み合った帯域内にも存在し得る。超広帯域センサは、典型的なレーダセンサと比較して、より広い帯域幅にわたって電波を送信することを除き、レーダセンサと同様である。モーションセンサ２５４は、参照によりその全体が本明細書に組み込まれる国際特許出願公開第ＷＯ２００７／１４３５３５号に開示されているとおり、超広帯域センサを実現するために超広帯域送信機および受信機を含み得る。

アクティグラフィセンサ２５８は、ユーザ１０２の身体運動を監視することにより、ユーザ１０２の移動を示す１つ以上のユーザパラメータを生成する。アクティグラフィセンサ２５８は、例えば、手首、足首、首など、ユーザ１０２の身体部分に装着することができる。アクティグラフィセンサ２５８は、胸部移動を検出するために胸部に装着されるバンドを含み得る。アクティグラフィセンサ２５８は、ユーザ１０２の身体部分の加速度を測定するための加速度計を含み得る。アクティグラフィセンサ２５８は、特定の時期および／または特定の間隔で加速度計値を記録および蓄積するためのタイマおよびプロセッサも含み得る。アクティグラフィセンサ２５８は、振戦および／または振動を除去するためのフィルタも含み得る。

いくつかの実装形態においては、システム２００がＰＰＧセンサ２６０を含む。ＰＰＧセンサ２６０は、ユーザ１０２の首、こめかみ、額、頭、手首、腕、またはいくつかの他の身体部分の隣りに位置付けることができる。ＰＰＧセンサ２６０は、ユーザ１０２の血流、ユーザ１０２の血中酸素レベル、ユーザ１０２の心拍数、ユーザ１０２が現在経験している無呼吸事象、ユーザ１０２が将来経験する可能性が高い無呼吸事象、またはそれらの任意の組み合わせを示すユーザパラメータを生成することができる。

いくつかの実装形態においては、システム２００がＧＳＲセンサ２６２を含む。ＧＳＲセンサ２６２は、ユーザ１０２の身体上の任意の場所、具体的には、例えば、ユーザ１０２の手のひら、指、足、または額など、より大きな汗腺活動を有する、ユーザ１０２の身体領域に位置付けることができる。ＧＳＲセンサ２６２は、皮膚の電気的性質を示す１つ以上のユーザパラメータを生成することができ、いくつかの実装形態においては、この１つ以上のユーザパラメータを、ユーザ１０２の感情的覚醒を判断するのに使用することができる。

いくつかの実装形態においては、システム２００がＥＣＧセンサ２６４を含む。ＥＣＧセンサ２６４は、心臓活動を示す１つ以上のユーザパラメータを生成するためにバンド（例えば、ユーザ１０２の胸部の周りに装着されるバンド）に組み込まれている電極を有し得る。ＥＣＧセンサ２６４は、ユーザ１０２の心拍数データやユーザ１０２の心拍数変動などを生成するのに使用することができる。いくつかの実装形態においては、ＥＣＧセンサ２６４が、ユーザ１０２の胸部に容量連結できる電極を有するＥＣＧセンサである。

いくつかの実装形態においては、マスク２２２が、ユーザ１０２の脳の電気的活動を示す１つ以上のユーザパラメータを生成するためのＥＥＧセンサを含む。いくつかの実装形態においては、ＥＥＧセンサが、マスク２２２から分離しており、ユーザ１０２が装着するヘッドホンに組み込むことができる。いくつかの実装形態においては、ＥＥＧセンサが、例えば容量連結を介してユーザ１０２の頭皮に連結できる非接触センサである。

メモリ２７０は、１つ以上の物理的に分かれたメモリデバイスを含み得るため、１つ以上のメモリデバイスを、呼吸療法デバイス２０２、制御システム２７２、および／またはシステム２００に無線連結された１つ以上の外部デバイス（例えば、携帯電話、コンピュータ、サーバ、クラウドベースのデバイスなど）に、連結および／または内蔵することができる。メモリ２７０は、制御システム２７２および／または１つ以上の他のシステムによって実行可能な機械可読命令が記憶されている非一時的コンピュータ可読記憶媒体の働きをする。メモリ２７０は、システム２００のセンサによって生成された１つ以上のユーザパラメータを（一時的および／または永続的に）記憶することができる。いくつかの実装形態においては、メモリ２７０が、不揮発性メモリ、バッテリ駆動型スタティックＲＡＭ、揮発性ＲＡＭ、ＥＥＰＲＯＭメモリ、ＮＡＮＤフラッシュメモリ、またはそれらの任意の組み合わせを含む。いくつかの実装形態においては、メモリ２７０が、取り外し可能な形態のメモリ（例えば、メモリカード）である。

メモリ２７０と同様、ネットワークインターフェース２６８も、呼吸療法デバイス２０２、マスク２２２、制御システム２７２、および／または１つ以上の外部デバイスに連結することができる。ネットワークインターフェース２６８はメモリ２７０に連結されており、制御システム２００がシステム２７２内の１つ以上の外部デバイスまたは他の構成要素と通信するように構成されている。

同じくメモリ２７０と同様、制御システム２７２も、呼吸療法デバイス２０２、マスク２２２、および／または１つ以上の外部デバイスに連結することができる。制御システム２７２はメモリ２７０に連結されており、メモリ２７０に記憶された機械可読命令を実行するように構成されている。制御システム２７２は、１つ以上のプロセッサおよび／または１つ以上のコントローラを含み得る。いくつかの実装形態においては、１つ以上のプロセッサとして、１つ以上のｘ８６インテルプロセッサ、ＳＴＭＩＣＲＯＥＬＥＣＴＲＯＮＩＣのＳＴＭ３２シリーズマイクロコントローラなど、ＡＲＭＨｏｌｄｉｎｇｓのＡＲＭ（登録商標）Ｃｏｒｔｅｘ（登録商標）－Ｍプロセッサをベースとする１つ以上のプロセッサ、またはそれらの任意の組み合わせが挙げられる。いくつかの実装形態においては、１つ以上のプロセッサとして、ＳＴＭＩＣＲＯＥＬＥＣＴＲＯＮＩＣＳのＳＴＲ９シリーズマイクロコントローラなどの３２ビットＲＩＳＣＣＰＵ、またはＴＥＸＡＳＩＮＳＴＲＵＭＥＮＴＳ社製ＭＳＰ４３０マイクロコントローラファミリーのプロセッサなどの１６ビットＲＩＳＣＣＰＵが挙げられる。

いくつかの実装形態においては、制御システム２７２が、専用電子回路である。いくつかの実装形態においては、制御システム２７２が、特定用途向け集積回路である。いくつかの実装形態においては、制御システム２７２が、離散的な電子構成要素を含む。

制御システム２７２が、システム２００の他の要素（例えばセンサなど）のいずれかから入力情報（単数または複数）（例えば、信号、生成されたデータ、命令など）を受信することができる。制御システム２７２は、出力信号（単数または複数）を提供して、システム２００内で１つ以上の動作を生み出す（例えば、呼吸療法デバイス２０２に特定の圧力で加圧空気を提供させる）ことができる。

１つ以上の実装形態において、システム２００は、ユーザの環境の態様を改変または制御できる１つ以上のユーザデバイス２５６を含み得る。１つ以上のユーザデバイス２５６は、例えば、照明、湿度、音、温度、または任意の他の環境パラメータを制御するデバイスであり得る。照明に関するユーザデバイス２５６は、照明が点灯か消灯かを制御すること、調光レベルを制御すること、シェード、ブラインド、または他のタイプの窓扱いを制御して環境の外部から光を入れたり遮ったりすることができる。湿度に関するユーザデバイス２５６は、環境内の個人用加湿器（呼吸療法システム内の任意の加湿器とは別）、または暖房、換気、および空調（ＨＶＡＣ）システム内の加湿器であり得る。音に関するユーザデバイス２５６は、ステレオシステム、ホワイトノイズ発生器、個人用目覚まし時計またはラジオなど、音を発する任意のデバイスであり得る。温度に関するユーザデバイス２５６は、ユーザの環境内の温度を上げることのできるＨＶＡＣシステムまたは暖房機もしくは冷房機であり得る。

ユーザデバイス２５６は、制御システム２７２がユーザデバイス２５６を制御するような構成となるように、１つ以上の有線または無線接続によって制御システム２７２に接続することができる。制御システム２７２は特に、ユーザの所望の睡眠段階を促進するためにそれらのデバイスを制御するように構成することができる。そのため、ユーザデバイス２５６は、呼吸療法システム１２８を使用してユーザの所望の睡眠段階を促進することに加えて、または代わりに、ユーザの所望の睡眠段階を促進することができる。システム２００は、その睡眠サイクルの典型的な持続時間にわたって深段階またはレム段階を維持しようとしている（夜遅くにはレムが長くなる）のが典型的である。これは、療法ニーズの変更（例えば、一続きの無呼吸が発生する可能性）を予期しようとし、その期間中のあらゆる中断を低減し、ユーザの快適性レベルを最大化しようとすることを意味する。例えば、設定された圧力レベルは、安定した睡眠アーキテクチャを維持できる低さのＡＨＩをもたらすには不十分であり得、システムは、より高い圧力へと一時的に増圧することができる。逆に、より低いレベルの設定点が、浅睡眠中に快適性を得るには高すぎる場合もあり、システムによってさらに低減することができる。

図３は、本開示の態様にかかる、ユーザの所望の睡眠段階を促進するためのプロセス３００のフロー図である。便宜上、以下の説明では、呼吸療法システム１２８などの呼吸療法システムによって実行されるプロセス３００を参照する。ただし、１つ以上のユーザコンピューティングデバイス（例えばユーザデバイス）、または制御システム２７２、制御システム８１０（下記の図８）、もしくは呼吸療法システム８２０（下記の図８）など、１つ以上の他のデバイスがプロセス３００を実行することができる。例えば、かかるコンピューティングデバイスは、呼吸療法システム１２８上の１つ以上の制御パラメータを変更するために呼吸療法システム１２８と通信すること、および／またはユーザの環境内のユーザデバイス２５６上の１つ以上の制御パラメータを変更するために１つ以上のユーザデバイス２５６と通信することができる。

ステップ３０２で、睡眠セッション中に呼吸療法システムを使用しているユーザの現在の睡眠段階がその睡眠セッション中に判断される。ユーザの現在の睡眠段階は、１つ以上の流れ信号、マイクロフォン信号、またはユーザを監視する他のセンサ信号からの呼吸特徴量を処理するなど、任意の公知の方法によって判断することができる。この特徴量を処理して、呼吸の基準形状／形態、吸気／呼気比、呼吸の深度（振幅）、異なる時間スケール（短、中、長）にわたる呼吸速度の変更、移動の回数、移動の強度などを抽出することができ、これらを使用して、ユーザの現在の睡眠段階を判断することができる。１つ以上のセンサ１３０など１つ以上のセンサによって生成された生理学的データから睡眠状態および／または睡眠段階を判断するための公知の方法が、例えば、ＷＯ２０１４／０４７３１０、ＵＳ２０１４／００８８３７３、ＷＯ２０１７／１３２７２６、ＷＯ２０１９／１２２４１３、およびＷＯ２０１９／１２２４１４に記載されており、いずれも、参照によりその全体が本明細書に組み込まれる。

１つ以上の実装形態において、呼吸療法システム１２８は、ユーザ１０２がレムかノンレムかを判断する。１つ以上の実装形態において、呼吸療法システム１２８は、ユーザ１０２が、覚醒、レム、およびノンレムを含む３つの睡眠段階のうちの１つにいるかどうかを判断する。１つ以上の実装形態において、呼吸療法システム１２８は、ユーザ１０２が、覚醒、浅睡眠、深睡眠、およびレムを含む４つの睡眠段階のうちの１つにいるかどうかを判断する。１つ以上の実装形態において、呼吸療法システム１２８は、ユーザ１０２が、覚醒、安静覚醒、浅睡眠、深睡眠、またはレムという睡眠段階のうちの１つにいるかどうかを判断する。１つ以上の実装形態において、制御システム２７２は、ユーザ１０２が任意の数の睡眠段階のうちの１つにいるかどうかを判断する。

ステップ３０４で、１つ以上のユーザパラメータ、１つ以上の以前の睡眠セッションからの情報、またはそれらの組み合わせ、および現在の睡眠段階に少なくとも部分的に基づいて、睡眠セッション中にユーザに到来する非所望の睡眠段階が予測される。１つ以上のユーザパラメータは、現在の睡眠セッション中のユーザの現在の段階に関する情報を提供する、本明細書に開示された任意のユーザパラメータであり得る。例えば、１つ以上の実装形態において、１つ以上のユーザパラメータは、ユーザの睡眠に関する具体的または全般的な何らかの生理学的情報を含み得る。１つ以上の実装形態において、このユーザパラメータは、睡眠セッション中の無呼吸の数、低呼吸の数、いびきレベル、マスク漏れレベル、現在の使用、吐出息中の二酸化炭素レベル、睡眠時間、使用時間、心臓パラメータ、全身運動レベル、１つ以上の微小覚醒、またはそれらの組み合わせを含む。

このユーザパラメータは、圧力センサ２５２を用いて圧力データを生成する呼吸療法デバイスから導出することができる。生成された圧力データを使用して、呼吸数、無呼吸などを含む他のユーザパラメータを判断することができる。このユーザパラメータは、ユーザの就眠試行中または睡眠中に音データを生成するマイクロフォン２４４から導出することができる。このユーザパラメータは、ユーザ１０２の移動を示す運動データを生成するためのソナーセンサとして働くマイクロフォン２４４とスピーカ２４８との組み合わせから導出することができる。このユーザパラメータは、レーダセンサおよび／または超広帯域センサとして機能する送信機および受信機から導出して、ユーザ１０２の運動（例えば、全身運動、呼吸動作、心臓動作など）を示す運動データを生成することができる。

いくつかの実装形態においては、これらのユーザパラメータを、マイクロフォン２４４のうちの１つ以上、圧力センサ２５２のうちの１つ以上、赤外線カメラ２５０のうちの１つ以上、カメラ２４９のうちの１つ以上、１つ以上のアクティグラフィセンサ２５８、１つ以上のＰＰＧセンサ２６０、１つ以上のＧＳＲセンサ２６２、１つ以上のＥＣＧセンサ２６４、その他のセンサ２６６のうちの１つ以上（例えば、１つ以上のＥＣＧセンサ、１つ以上の流量センサなど）、またはそれらの任意の組み合わせから導出することができる。ユーザパラメータの具体例としては、呼吸数、呼吸分析、気道抵抗、脳への血流、血圧、皮膚温度、深部体温、脳活動、心拍数、筋緊張、性的興奮、交感神経活動、血中アルコールレベル、活動（体動、胸部の移動、四肢運動、体位、ベッドでの咳）、血中酸素飽和度（ＳｐＯ２）、呼気二酸化炭素（ＣＯ_２）、またはそれらの任意の組み合わせなどが挙げられ得る。

呼吸療法（例えばＰＡＰシステム）において流れ信号から測定されたりする呼吸信号を考慮する際に、覚醒が、周波数、振幅、およびより長期の振幅変調尺度によって捕捉されたりする大きな信号形態変動を示し得る。その変動は、ユーザの運動が増えるにつれて、重畳したモーション信号の増加も示し得る。呼吸パターンは、特に、ユーザが就寝前にくつろぐために呼吸運動を実行している場合に、より制御された吸気および呼気形状を有し得る。呼吸信号におけるＮ１からＮ２への遷移は、深睡眠よりもモーションが多いものの、覚醒特性と深睡眠特性が混在し得る。ノンレム睡眠段階のうち、深睡眠は、最も安定した形態および速度を有する傾向があり、長期間持続する。レム睡眠は、呼気時に長い放出時間を有し得、呼吸速度の変動が大きく、身体モーションは僅少または皆無であり得る。

予測された遷移が覚醒することであれば、（ＥＥＧから、または（例えば呼吸デバイスからの）流れ信号もしくは心拍数信号の変更などから）人が覚醒間近である時期をシステムが検出すると、呼吸療法システムは、任意選択で、より高い圧力と低すぎる（閉所恐怖感を覚える）圧力とのバランスをとり、さらに任意選択で、新ユーザと長期ユーザとの比較に基づいてこのバランスに重み付けしながら、睡眠状態を促進するために快適性が最大化されるように圧力を設定することができる（例えば、新しい呼吸療法ユーザが呼吸できないという感覚で覚醒すべきではないということが重要となる）。例えば、心拍数信号が利用可能であれば、例えば過換気またはパニック発作の開始が検出された場合（交感自律神経系応答）に圧力（および任意選択でＥＰＲ）設定を記録することができる。また、かかる事象発生時のランプの起動および／または設定も記録することができる。その後、この情報を用いて、将来の圧力、ＥＰＲ、および／またはランプ設定を最適化することができる。かかる設定を覚醒前に管理することにより、適切な圧力を確保することによって閉所恐怖感を回避することができ、そのＥＰＲは、正しく、レム中の浅い呼吸（および被験者に特有の呼吸パターン）向けにパーソナライズされたものである。

ＥＰＲレベル（例えば、レベル２またはレベル３など、またはオンまたはオフ）の調整は、レム睡眠の量に対して被験者特有の影響を及ぼし得る。この影響は、測定することができ、（例えば、機械学習手法を用いて）レム段階または深睡眠段階を最良に維持するＥＰＲプロファイルおよび圧力プロファイルを選択するのに使用することができる。

スマート睡眠設定（予測および設定）またはスマートアラーム手法が、予想された睡眠断片化における年齢関連の変更（すなわち、レム睡眠は加齢と共に減少する傾向があり、加齢により、深睡眠およびレムに対する浅睡眠全体の相対的割合が増え始める）など、年齢および性別についての知識による恩恵を享受することもできる。自己学習プロセスは、特定の刺激の送達にも関連し得る。

例えば、一部の被験者が、睡眠前および入眠して１時間まで、落ち着いた音楽の再生に反応し、深睡眠（および時にはレム睡眠）の持続時間増を示す。これは、入眠潜時（例えば就眠困難症）が長い人にとって効果が高い傾向がある。

雑音が浅睡眠中またはレム睡眠中のユーザを妨害する可能性が高くあり得るため、サウンドマスキングまたはノイズキャンセリングがこれらの段階で優先的に使用され、深睡眠中に低減または一時停止され得る。雑音が使用（例えば、（スマート）スピーカからのアクティブノイズ生成）または制御（例えば、ノイズキャンセレーションまたは周囲雑音の薬物治療された場合には、被験者特有の睡眠段階変更を測定して将来の設定を更新するなどして、睡眠サイクルおよび／または睡眠アーキテクチャをより良好に管理することができる。場合によっては、特定の雑音バーストを使用して人をレム睡眠から脱出させることができ、システムが流れ信号を含んでいれば、呼吸デバイスに関するフィードバックと併用することができる。

システムは、標的睡眠パラメータ（持続時間および／または質など）が達成されているかどうかを検出することもできる。達成されない場合には、他のシステム／デバイスが、（例えば、ＣＢＴｉシステム、または室内環境の変更、ユーザインターフェースの変更、および／または呼吸療法（例えば圧力）設定の変更）などを修正できるように、システムがフラグを立てたり勧奨を行ったりし得る。

１つ以上の以前の睡眠セッションからの情報は、本明細書に開示されている、以前の睡眠セッションからの何らかの情報であり得る。例えば、１つ以上の実装形態において、１つ以上の以前の睡眠セッションからの情報は、ユーザの１つ以上の以前の睡眠セッションに関する情報であり得る。代替または追加として、１つ以上の以前の睡眠セッションからの情報は、１人以上の他のユーザの１つ以上の睡眠セッション中の１人以上の他のユーザからのクラウドソース情報であり得る。いくつかの実装形態においては、１人以上の他のユーザからのクラウドソース情報が、呼吸療法システムを使用しないユーザからの情報を含む。代替または追加として、１つ以上の以前の睡眠セッションからの情報は、ユーザの過去の睡眠段階情報、睡眠セッション中の睡眠持続時間、過去の無呼吸－低呼吸指数、またはそれらの組み合わせを含み得る。代替または追加として、１つ以上の以前の睡眠セッションからの情報は、１つ以上の睡眠プロファイルを含み得る。睡眠プロファイルは、１つ以上の流れレベル、１つ以上の湿度レベル、１つ以上の温度レベル、１つ以上の漏れレベル、１つ以上の無呼吸－低呼吸指数、呼吸療法システムを使用する療法セッションの数および／もしくは持続時間、ユーザの位置および／もしくは姿勢の変更、またはユーザのそれらの組み合わせを含み得る。

１つ以上の実装形態において、１つ以上の以前の睡眠セッションからの情報は、以前の睡眠セッションからのユーザパラメータのうちの任意の１つ以上であり得る。そのため、現在の睡眠セッションからのユーザパラメータ（例えばユーザパラメータ）および以前の睡眠セッションからのユーザのユーザパラメータ（例えば、１つ以上の以前の睡眠セッションからの情報）を使用することができる。

１つ以上の実装形態において、ユーザパラメータの判断は、より速いフィードバックのための呼吸療法システムの動作との密な結合による恩恵を受けることができる。より速いフィードバックは、以下に述べられているとおり、ある睡眠段階を通じて１組の睡眠サイクルに最適化することに加え、（かかる段階にいる時間がさらに長いことが望ましいと睡眠アーキテクチャによって示唆されていると想定した場合に、）人を深睡眠またはレム睡眠に保つのに有益であり得る。

１つ以上の実装形態において、この予測は、過去の睡眠情報および／またはユーザパラメータの入力と共に、１つ以上の所望の睡眠経過図（すなわち、所望の睡眠状態アーキテクチャ）を使用して訓練された１つ以上の事前訓練モデルまたは動的モデルによって行うことができる。この１つ以上の所望の睡眠経過図は、当のユーザに由来し得るか、そのユーザを含むことも含まないこともあり得る複数のユーザに由来し得る。

ステップ３０６で、呼吸療法システム、ユーザの環境内の１つ以上のデバイス、またはそれらの組み合わせの１つ以上の制御パラメータがユーザの所望の睡眠段階を促進するように調整される。上述のとおり、呼吸療法システムの制御パラメータは、療法を提供することに関する呼吸療法システム上の任意の設定であり得る。より具体的には、呼吸療法システムの１つ以上の制御パラメータは、呼吸療法システムからユーザに供給された加圧空気の流れレベル、呼吸療法システムからユーザに供給された加圧空気の圧力レベル、モータ速度、通気弁、呼吸療法システムからユーザに供給された加圧空気の湿度レベル、呼吸療法システムからユーザに供給された加圧空気の温度レベル、またはそれらの組み合わせを含み得る。

その環境内の１つ以上のデバイスの制御パラメータは、１つ以上のデバイスの設定に関するパラメータであり得、それらは、ユーザの睡眠に直接的または間接的に影響を及ぼし得る。例えば、ユーザの環境内の１つ以上のデバイスの１つ以上の制御パラメータは、ユーザの環境の光レベル、音レベル、室温レベル、湿度レベル、音レベル、電気刺激、サウンドマスキングまたはサウンドキャンセレーションレベル、ベッドレベル、枕膨張、ユーザに姿勢を変更させるマットレス膨張ゾーン、ベッド温度、香り、またはそれらの組み合わせを含み得る。音レベルは、睡眠段階および／または睡眠状態をベースとする「スマート」アラームなどのアラームを含み得るため、最適化は、アラーム窓中の睡眠段階を予測すること、および任意選択で、睡眠慣性が低減した状態でユーザが覚醒するように調整することなどであり、例えば、予期されたアラーム時間中にユーザが深／ＳＷＳ睡眠の状態にあると予測される場合には、実際のアラーム時間が、ユーザがＮ１、Ｎ２、またはレムから覚醒するように（ユーザがすでに覚醒している場合には、起床するためのリマインダとして）、窓（例えば、１５分または３０分の柔軟なアラーム期間など）内で調整され得る。システムは、アラームを起動する前に、ユーザを深睡眠またはレム睡眠からＮ２へと近付けるように動作することもでき得る（特に、柔軟なアラーム期間が所望されない場合）。本明細書における目的は、覚醒への移行の突発性を下げることである（例えば、最も突発的なのは、深睡眠からの覚醒であり、続いてレムから、Ｎ２から、Ｎ１から、またはこれらの状態間の任意の下位状態から、という順に突発性が下がる）。

ステップ３０６の一実施例においては、所望の睡眠段階が、現在の睡眠段階の続きであり得る。その場合には、１つ以上の制御パラメータを調整することにより、非所望の睡眠段階への進捗よりも現在の睡眠段階の維持を促進することができる。別の実施例においては、所望の睡眠段階が、現在の睡眠段階とは異なり得る。その場合には、１つ以上の制御パラメータの調整により、現在の睡眠段階がユーザの所望の睡眠アーキテクチャ内で所望の睡眠段階へと進捗することが促進され得る。そのため、現在のみぞれ段階に続く所望の睡眠段階は、ユーザの所望の睡眠アーキテクチャに基づき得る。例えば、睡眠セッション、１つ以上の以前の睡眠セッション、またはそれらの組み合わせの進行中に浅睡眠を経験するユーザの睡眠を最適化するために、非所望の睡眠段階はＮ１またはＮ２であり得、所望の睡眠段階はＮ３またはレムであり得る。代替として、睡眠セッション、１つ以上の以前の睡眠セッション、またはそれらの組み合わせの進行中にＮ３またはレム睡眠を過剰に有することによって睡眠不足を過剰に補償するリバウンド効果を経験するユーザの睡眠を最適化するために、非所望の睡眠段階はＮ３またはレムであり得、所望の睡眠段階は、Ｎ１またはＮ２であり得る。

１つ以上の実装形態において、１つ以上の制御パラメータの調整は、非所望の睡眠段階が発生する前に発生し得る。この場合の調整により、ユーザが現在の睡眠段階の後に非所望の睡眠段階を経験する可能性を下げることができる。代替として、１つ以上の実装形態において、１つ以上の制御パラメータの調整が、非所望の睡眠段階の発生後に発生し得る。この場合の調整は、非所望の睡眠段階から所望の睡眠段階への変更を促進することができる。

サウンドバーストに加え、例えば経頭蓋電気刺激（ＴＥＳ）の非侵襲的技法など、大脳辺縁系の電気刺激も用いて、深睡眠を促進することができる。かかる標的刺激は、例えば、ユーザインターフェースおよび／または関連付けられたヘッドギア（例えばストラップなど）または別個の装置に配置された電極を使用して送達することができ得る。かかる刺激技法を用いる際の睡眠／睡眠段階感知からのフィードバックを使用して、深睡眠および／または他の睡眠段階を促進するための最適刺激を特定することができる。かかる睡眠／睡眠段階感知は、呼吸療法システムによって生成された信号（例えば、流れおよび／または圧力信号）、呼吸療法システムと関連付けられているか別個のマイクロフォンによって生成された信号、または、例えば、ユーザが装着したマットレスセンサ、パッチ、リング、および／または腕時計、ベッドサイドのレーダまたはソナーデバイスなどからの他の信号を介して実施され得る。

１つ以上の実装形態において、１つ以上の事前訓練モデルまたは動的モデルは、１つ以上の制御パラメータの調整の結果に少なくとも部分的に基づいて更新することができる。以下の調整を受けてユーザが所望の睡眠段階に変化したかどうかを監視することができる。ユーザが実際に所望の睡眠段階を達成するなど、成功した結果の場合には、それらのモデルを更新して、調整された制御パラメータが所望の結果を達成したことを示し得る。これらの制御パラメータは、睡眠段階を調整するために、それらのモデルによる使用頻度が将来的に高まるように重み付けすることができる。成功でない結果の場合には、逆のことが発生し得る。つまり、それらのモデルを更新して、調整された制御パラメータが所望の結果を達成しなかったことを示し得る。これらの制御パラメータは、１つ以上の以前の睡眠セッションからの同じユーザパラメータおよび／または情報の場合の睡眠段階、ならびにユーザの現在の睡眠段階を調整するために、それらのモデルによる使用頻度が将来的に下がるか使用されなくなるように重み付けすることができる。

１つ以上の実装形態において、非所望の睡眠段階の予測は、睡眠セッションの残存期間中のユーザの睡眠アーキテクチャの予想睡眠進展を推定することを含み得る。ユーザの睡眠アーキテクチャの予想睡眠進展は、睡眠セッションの残存期間におけるユーザの予想進捗である。その後、予想睡眠進展またはユーザの予想進捗は、正規化された健康な睡眠者の予想睡眠アーキテクチャのモデルと比較して、予想睡眠進展が正規化された健康な睡眠者から逸脱しているかどうかを確認することができる。結果によっては、睡眠段階に対するさらなる調整が発生し得る。

１つ以上の実装形態において、睡眠アーキテクチャ調整の１つ以上のモデルを使用した複数のシミュレーションを実施して、１つ以上の制御パラメータの調整前に、１つ以上の制御パラメータの調整によって所望の睡眠段階が促進または維持される可能性が高いかどうかを推定することができる。この１つ以上のモデルは、１つ以上の制御パラメータが調整されたユーザの１つ以上の以前の睡眠セッションに基づく１つ以上の機械訓練モデルであり得る。そのため、１つ以上の制御パラメータの調整の結果を追跡することができる。その結果を追跡することは、多くの目的を有し得る。一実装形態においては、目的が、１つ以上のモデルの有効性を検証することであり得る。代替または追加として、目的は、１つ以上の制御パラメータの調整の結果に基づいて１つ以上のモデルを更新することであり得る。更新により、上述したとおり、ユーザの睡眠を最適化するという点で１つ以上のモデルを改善することができる。

１つ以上の実装形態において、ユーザの睡眠を妨げ得る事象が、睡眠セッション中に発生し得る。例えば、暴風雨中の雷、乳児からの泣き声、または隣人からの騒音など、大きな雑音が発生し得る。この雑音は、ユーザの睡眠を妨げ得る。別例として、暴風雨中の雷など、ユーザの睡眠を妨げる光が発生し得る。１つ以上の実装形態において、プロセス３００全体にわたり、１つ以上のユーザパラメータ、呼吸療法システム、ユーザの環境、またはそれらの組み合わせを監視して、睡眠妨害閾値を満たす１つ以上の事象が発生したかどうかを判断することができる。睡眠妨害閾値は、１つ以上の事象を受けてユーザの睡眠が妨げられる可能性がどの程度高いかを定量化する閾値であり得る。睡眠妨害は、呼吸療法システムを含め、光、雑音、および他の妨害を監視する環境内の１つ以上のデバイスなど、様々なソースから計算することができる。

睡眠妨害閾値を満たす１つ以上の事象が発生した場合には、現在の睡眠段階の判断、非所望の睡眠段階の予測、または１つ以上の制御パラメータの調整のうちの少なくとも１つを、その１つ以上の事象が発生した後の閾値期間にわたって一時停止することができる。これにより、それらの事象が所望の睡眠段階を促進するプロセスを妨げることを防ぐ。１つ以上の特定の実装形態において、これにより、それらの事象による影響を性質上受けるユーザパラメータがモデルに悪影響を及ぼすのを防ぐことができる。

睡眠妨害閾値を満たす１つ以上の事象が発生した場合には、１つ以上の制御パラメータを判断する１つ以上のモデルを訓練するために、その１つ以上の事象の後の閾値期間にわたり、１つ以上のユーザパラメータ、呼吸療法システムの１つ以上の制御パラメータ、ユーザの環境内の１つ以上のデバイスの１つ以上の制御パラメータ、またはそれらの組み合わせを無視することができる。

図４は、本開示の態様に係る、ユーザの所望の睡眠段階を促進するためのプロセス４００のフロー図である。便宜上、以下の説明では、呼吸療法システム１２８などの呼吸療法システムによって実行されるプロセス４００を参照する。ただし、１つ以上のユーザコンピューティングデバイス（例えばユーザデバイス）、または制御システム２７２、制御システム８１０（下記の図８）、もしくは呼吸療法システム８２０（下記の図８）など、１つ以上の他のデバイスがプロセス４００を実行することができる。例えば、かかるコンピューティングデバイスは、呼吸療法システム１２８上の１つ以上の制御パラメータを変更するために呼吸療法システム１２８と通信すること、および／またはユーザの環境内のユーザデバイス２５６上の１つ以上の制御パラメータを変更するために１つ以上のユーザデバイス２５６と通信することができる。

ステップ４０２で、呼吸療法システムを装着しているユーザの将来の睡眠段階が最適な睡眠アーキテクチャ内の所望の睡眠段階から変化する可能性を、睡眠セッション中に予測することができる。この予測は、ユーザの現在の睡眠段階およびユーザの過去の睡眠段階情報に少なくとも部分的に基づき得る。ユーザの現在の睡眠段階は、上述したとおり、任意の公知の方法に従って判断することができる。現在の睡眠段階は、例えば、流れ信号、１つ以上のパッシブ音響信号、１つ以上のアクティブ音響信号、１つ以上の心臓信号、１つ以上の生理学的信号、ウェアラブルスマートデバイスからの１つ以上の信号、またはそれらの組み合わせのうちの１つ以上に少なくとも部分的に基づき得る。ユーザの過去の睡眠段階情報は、上述したとおり、任意の過去の睡眠段階情報であり得る。ユーザの過去の睡眠段階情報は、例えば、睡眠セッション、１つ以上の以前の睡眠セッション、またはそれらの組み合わせに関するものであり得る。

１つ以上の実装形態において、この予測は、現在の残存ＡＨＩ、過去の残存ＡＨＩ、またはそれらの組み合わせに少なくとも部分的に基づき得る。この情報は、ユーザが睡眠段階を変更する可能性を示し得る。例えば、過去の残存ＡＨＩは、そのユーザはＳＤＢの可能性が高いということ、つまり、そのユーザが浅睡眠段階（例えば、Ｎ１およびＮ２）に留まる可能性が高いということを示し得る。

１つ以上の実装形態において、この予測は、睡眠セッションの時点に少なくとも部分的に基づき得る。この時点は、所望の睡眠アーキテクチャにおけるユーザの所在地を追跡するのに使用される。所望の睡眠アーキテクチャにおけるユーザの所在地により、所望の睡眠段階を判断することができる。所望の睡眠段階は、睡眠セッション中の以前の睡眠サイクルの数、睡眠セッション中の現在の睡眠サイクル内の持続時間、睡眠セッション中の所望の睡眠サイクルの数、睡眠セッションの所望の時間長、またはそれらの組み合わせに少なくとも部分的に基づいて判断することもできる。

この予測は、ユーザの１つ以上のユーザパラメータに少なくとも部分的に基づき得る。ユーザパラメータは、本明細書に述べられているユーザパラメータのうちのいずれかであり得る。ユーザパラメータは、例えば、呼気二酸化炭素レベル、心臓パラメータ、呼吸パラメータ、運動パラメータ、ユーザの位置および／もしくは姿勢、またはそれらの組み合わせを含み得る。

ステップ４０４で、呼吸療法システムの１つ以上の設定を睡眠セッション中に調整して、将来の睡眠段階の可能性を下げ、所望の睡眠段階を促進することができる。この１つ以上の設定は、上述した呼吸療法システムの任意の制御パラメータを含み得る。１つ以上の実装形態において、この１つ以上の制御パラメータは、呼吸療法システムからユーザに供給された加圧空気の流れレベル、呼吸療法システムからユーザに供給された加圧空気の圧力レベル、モータ速度、通気弁、呼吸療法システムからユーザに供給された加圧空気の湿度レベル、呼吸療法システムからユーザに供給された加圧空気の温度レベルを含み得る。

上述したとおり、１つ以上の実装形態において、ユーザの環境の１つ以上の環境パラメータを調整して、将来の睡眠段階の可能性を下げることができる。この１つ以上の環境パラメータは、ユーザの環境内の１つ以上のデバイスを制御することによって調整することができる。例えば、この１つ以上の環境パラメータは、ユーザの環境の光レベル、音レベル、室温レベル、湿度レベル、音レベル、電気刺激、サウンドマスキングまたはサウンドキャンセレーションレベル、ベッドレベル、枕膨張、ユーザに姿勢を変更させるマットレス膨張ゾーン、ベッド温度、香り、またはそれらの組み合わせを含み得る。別の実施例として、この１つ以上のデバイスを制御して、環境内の温度、湿度、または圧力を変更することができる。音レベルは、睡眠段階および／または睡眠状態ベースである「スマート」アラームなどのアラームを含み得るため、最適化は、アラーム窓中の睡眠段階を予測すること、および任意選択で、睡眠慣性が低減した状態でユーザが覚醒するように調整することなどであり、例えば、予期されたアラーム時間中にユーザが深／ＳＷＳ睡眠の状態にあると予測される場合には、実際のアラーム時間が、ユーザがＮ１、Ｎ２、またはレムから覚醒するように（ユーザがすでに覚醒している場合には、起床するためのリマインダとして）、窓（例えば、１５分または３０分の柔軟なアラーム期間など）内で調整され得る。システムは、アラームを起動する前に、ユーザを深睡眠またはレム睡眠からＮ２に近づけるように動作することもでき得る（特に、柔軟なアラーム期間が所望されない場合）。本明細書における目的は、覚醒への移行の突発性を下げることである（例えば、最も突発的なのは、深睡眠からの覚醒であり、続いてレムから、Ｎ２から、Ｎ１から、またはこれらの状態間の任意の下位状態から、という順に突発性が下がる）。

１つ以上の実装形態において、呼吸療法システムの１つ以上の設定を調整する１つ以上のシナリオを分析して、その１つ以上のシナリオが発生する確率を判断することができる。その後、呼吸療法システムの１つ以上の設定の調整は、最も高い確率を有するシナリオの１つ以上の設定に少なくとも部分的に基づき得る。そのため、推定値が悪化している傾向にある場合または悪化する可能性がある場合には、療法または他の調整可能なパラメータを適応させるシナリオを確認して、改善がもたらされる可能性が高いかどうかを判断することができる。この分析に基づき、１つ以上の設定への変更が発生し得る。これらの変更に関するフィードバックを得るために、変更を追跡することもできる。

図５は、本開示の態様に係る、ユーザの所望の睡眠段階を促進するためのプロセス５００のフロー図である。便宜上、以下の説明では、呼吸療法システム１２８（例えばユーザデバイス）または制御システム２７２などの呼吸療法システムによって実行されるプロセス５００を参照する。ただし、１つ以上のユーザコンピューティングデバイス（例えばユーザデバイス）、または制御システム２７２、制御システム８１０（下記の図８）、もしくは呼吸療法システム８２０（下記の図８）など、１つ以上の他のデバイスがプロセス５００を実行することができる。かかるコンピューティングデバイスは、例えば、呼吸療法システム１２８と通信して、呼吸療法システム１２８で１つ以上の制御パラメータを変更することができる。

ステップ５０２で、呼吸療法システムを使用しているユーザの現在の睡眠段階が睡眠セッション中に判断される。現在の睡眠段階は、本明細書に述べられている任意の方法に従って判断することができる。現在の睡眠段階は、例えば、（例えば、睡眠段階および覚醒の呼吸特徴および傾向を計算するための）流れ信号、（例えば、睡眠段階および覚醒の呼吸傾向および任意選択で運動特徴量を計算するための）マイクロフォン音響信号、マイクロフォンアクティブ信号（例えば、本明細書に記載されているソナー感知）、マイクロフォンパッシブ信号（例えば、本明細書に記載されているパッシブ音響感知）、マイクロフォン信号と流れ信号との混合、心臓パラメータ（例えば、心原性振動、心拍出量、および心臓パラメータの速度）、呼気二酸化炭素、運動信号、呼吸療法システムによって検出される他の環境信号（例えば、温度、大気圧、環境湿度）、およびマスク信号（例えば、脳信号（ＥＥＧ）、血中酸素飽和度）に基づいて判断することができる。

ステップ５０４で、呼吸療法システム、ユーザの環境内の１つ以上のデバイス、またはそれらの組み合わせの１つ以上の制御パラメータが、現在の睡眠段階よりもユーザの所望の睡眠段階を促進するように調整される。所望の睡眠段階は、睡眠セッション中にユーザが最適な睡眠アーキテクチャにおいてたどる所望の進捗に基づいて現在の睡眠段階よりも所望される。この調整は、環境内の呼吸療法システムおよび／または１つ以上のデバイスの制御パラメータに関して本明細書に開示されている任意の調整であり得る。１つ以上の実装形態において、この調整は、圧力を即座または徐々に上げたり下げたりして睡眠段階の変更をもたらすことを含み得る。１つ以上の実装形態において、この調整は、呼吸呼気軽減（ＥＰＲ）を適応させることまたは可能にすることを含み得る（ため、毎回の呼吸、および次の呼吸の蓋然的形状を予測しているアルゴリズムのパラメータであって、睡眠段階（または所望の次の睡眠段階）に基づいて変化し得るパラメータに影響を及ぼし得る）。

１つ以上の実施形態において、睡眠セッション中にユーザが現在の睡眠サイクル内にいた時間長が判断される。この１つ以上の制御パラメータの調整は、この時間長に基づいて発生し得る。その場合、所望の睡眠段階は、ユーザが現在の睡眠サイクル内にいた時間長に少なくとも部分的に基づいて判断することができる。所望の睡眠段階は、睡眠セッション中のユーザの以前の睡眠サイクルの数に少なくとも部分的に基づいて判断することができる。これにより、睡眠段階のパターンが、１つの睡眠サイクルから次の睡眠サイクルへと変化することができる。

現在の睡眠段階はＮ１またはＮ２であり得、所望の睡眠段階はＮ３またはレムであり得、これにより、１つ以上の以前の睡眠セッション、またはそれらの組み合わせの進行中に浅睡眠を経験するユーザの睡眠を最適化することができる。代替として、Ｎ３またはレム睡眠を過剰に有することによって睡眠不足を過剰に補償するリバウンド効果を経験するユーザの睡眠を、睡眠セッション、１つ以上の以前の睡眠セッション、またはそれらの組み合わせの進行中に最適化するために、現在の睡眠段階はＮ３またはレムであり得、所望の睡眠段階は、Ｎ１またはＮ２であり得る。

図６は、本開示の態様に係る、ユーザの所望の睡眠段階を促進するためのプロセス６００のフロー図である。便宜上、以下の説明では、呼吸療法システム１２８などの呼吸療法システムによって実行されるプロセス６００を参照する。ただし、１つ以上のユーザコンピューティングデバイス（例えばユーザデバイス）、または制御システム２７２、制御システム８１０（下記の図８）、もしくは呼吸療法システム８２０（下記の図８）など、１つ以上の他のデバイスがプロセス６００を実行することができる。かかるコンピューティングデバイスは、例えば、呼吸療法システム１２８と通信して、呼吸療法システム１２８で１つ以上の制御パラメータを変更することができる。

ステップ６０２で、第１の睡眠段階から非所望の睡眠段階への変更を、呼吸療法システムを使用しているユーザの睡眠セッション中に検出することができる。この変更は、現在の睡眠段階を判断するために本明細書に述べられている方法と同じ方法に従って検出することができる。違いは、２つの睡眠段階が順番に判断されるということである。

ステップ６０４で、１つ以上の設定変更を呼吸療法システムに適用して、非所望の睡眠段階を、ユーザの睡眠アーキテクチャ内の所望の睡眠段階に変更することができる。この設定変更は、呼吸療法システムの制御パラメータに対する変更である。かかる変更は、本明細書に開示されている変更のいずれかであり得る。

１つ以上の実装形態において、所望の睡眠段階は第１の睡眠段階であり得る。その場合、その変更は、ユーザを元の睡眠段階に戻すことである。代替として、所望の睡眠段階は、第１の睡眠段階とは異なる第２の睡眠段階であり得る。

１つ以上の実装形態において、１つ以上の設定変更の各設定変更が、その設定変更がユーザの睡眠に悪影響を及ぼす可能性に基づいて重み付けされる。ユーザに対する悪影響は、ユーザの睡眠の１つ以上の局面に関するものであり得る。例えば、１つ以上の実装形態において、その悪影響は、ユーザが覚醒すること（例えば、睡眠段階ではなく睡眠状態を変更すること）、非所望の睡眠段階に変化すること、別の睡眠サイクルに変化すること、現在の睡眠サイクルの持続時間を短縮すること、現在の睡眠セッションの持続時間を短縮すること、などであり得る。制御パラメータの調整は、睡眠段階を変更しない、またはユーザを覚醒させて異なる睡眠段階もしくは覚醒状態にするという意図しない結果を有し得る。そのため、制御パラメータの設定変更または調整は、ほったらかしの効果の可能性に基づく重み付けを含み得る。その場合には、その１つ以上の設定変更を適用することが、最小の可能性で重み付けされた設定変更を適用することを含む。

１つ以上の実装形態において、その１つ以上の設定変更の各設定変更は、その各設定変更が非所望の睡眠段階から所望の睡眠段階への変更をもたらすのに必要な時間に基づいて重み付けされ得る。具体的には、一部の制御パラメータ調整が、所望の結果をもたらすのに、より長い時間を要し得る。そのため、呼吸療法デバイスの制御パラメータに対する様々な設定変更または調整は、その変更をもたらすのに必要な時間に基づく重み付けを含み得る。その場合には、その１つ以上の設定変更を適用することが、最短時間で重み付けされた設定変更を適用することを含む。

１つ以上の実装形態において、その１つ以上の設定変更の各設定変更は、その各設定変更がユーザの睡眠に悪影響を及ぼす可能性に基づいて重み付けすることができる。高い重み付けは、低い可能性に対応し得る。この重み付けは、非所望の睡眠段階から所望のみぞれ段階への変更をもたらすための設定変更に必要な時間に基づき得る。高い重み付けは短い時間に対応し得、その１つ以上の設定変更を適用することは、全体的な重み付けが最も高い設定変更を適用することを含む。

重み付けがどのように適用されるかに関係なく、その１つ以上の設定変更を適用することは、非所望の睡眠段階から所望の睡眠段階への変更が発生するまで、その重み付けの順序でその１つ以上の設定変更を適用することを含み得る。

１つ以上の実装形態において、ユーザの環境の１つ以上の環境パラメータは、非所望の睡眠段階を所望の睡眠に変更するように調整され得る。その１つ以上の環境パラメータの各環境パラメータは、各環境パラメータの調整がユーザの睡眠に悪影響を及ぼす可能性に基づいて重み付けすることができる。そのため、制御パラメータについて上述したものと同じ重み付けを環境パラメータにも適用することができ、環境パラメータは、その環境パラメータを変更できる環境内の１つ以上のデバイスの制御パラメータに対応し得る。その場合、その１つ以上の環境パラメータの調整は、最も低い可能性で重み付けされた環境パラメータを調整することを含み得る。

上記のプロセスのそれぞれが、フィードバックループ手法を有し得る。具体的には、システム全体（例えば、呼吸療法システムおよびシステム内の１つ以上のデバイス）に対して調整が行われた後、その調整によって達成された効果を監視することができる。この監視によってシステムにフィードバックが提供され、システムおよび方法は、所望の睡眠段階を達成するために行われている調整を動的に更新することができる。例えば、呼吸療法デバイスの制御パラメータに対し、所望の睡眠段階への移行の開始など所望の変更を実現する調整が行われた場合には、その調整を引き続き行うことができる。代替として、調整が行われ、その調整が意図しない結果を有する場合には、その調整を停止すること、および／または調整が行われる前の制御パラメータに戻すことができる。

呼吸療法デバイスおよび他のデバイスが、所望の睡眠段階を促進する際に使用する情報を自動的に収集することに加え、１つ以上の実装形態において、所望の睡眠段階を促進するために続いて使用できる客観的および主観的ユーザパラメータをユーザが入力することもできる。かかる客観的情報は、デバイスによって判断されるのではなく、ユーザに到来するものであるが、本明細書に開示された客観的情報のうちのいずれかであり得る。この客観的情報は、例えば、ユーザがその日、週、または月に達成した運動量を含み得る。この客観的情報は、消費された食品および飲料に関する情報を含み得る。飲料は、具体的には、ユーザが消費したアルコールまたはカフェインの量に関し得る。この客観的情報は、上述の人口統計データも含み得る。

主観的情報は、例えば、だるかった、頭痛があった、疲れた、疲労困憊した、悲観的、落ち込んでいた、過食または元気であった、準備万端だった、好調だった、休息十分だった、楽観的だったなど、ユーザが日中に感じていた気分を含み得る。１つ以上の実装形態において、この主観的情報は、所望の睡眠段階を促進する際に使用できる１つ以上のユーザパラメータであり得る。代替として、この主観的情報は、ユーザへの睡眠レポートにおいて提供され得る。睡眠レポートは、以下でさらに述べるとおり、睡眠セッション中のユーザの睡眠の特性を主観的情報に相関させることができる。

ユーザは、上述のプロセスのいずれかのための睡眠セッションの終了時に、睡眠レポートを受信することができる。睡眠レポートは、ユーザの実際の睡眠アーキテクチャが所望の睡眠アーキテクチャにどの程度良好に一致したかに関する情報をユーザに（および／または医師もしくは介護者などに）提供することができる。睡眠レポートは、呼吸療法システムがセッション中に所望の睡眠段階を促進すること、および／または非所望の睡眠段階を回避／緩和することがどの程度良好にできたかに関する情報を提供することができる。これにより、ユーザが経験している睡眠の質の指標をユーザに提供することができる。

１つ以上の実装形態において、睡眠レポートは、睡眠セッション中に発生した特定の事象の要約もしくはハイライト、または睡眠セッションの概要を提供する情報をさらに提供することができる。かかる事象は、睡眠妨害閾値を満たした１つ以上の発生事象であり得る。これにより、ユーザは、夜間にユーザがどの程度妨害されているかという感覚を得ることができる。この情報は、ユーザが所望の睡眠アーキテクチャを達成できなかったことに影響を及ぼした可能性のある因子、または睡眠段階が最適な睡眠アーキテクチャから変化した具体的な段階もしくはサイクルを提供することもできる。睡眠レポートは、例えば、ユーザが入眠する前にアルコールまたはカフェインを消費したこと、およびこの消費が睡眠セッションおよび所望の睡眠段階の促進に影響を及ぼした可能性があることを示し得る。

１つ以上の実装形態において、睡眠レポートは、睡眠スコアを含み得る。睡眠範囲は、睡眠持続時間、睡眠の断片化、各段階のパーセンテージおよび持続時間、サイクルの性質（連続するか、無呼吸または覚醒によって中断されるか）、そのサイクルが正常サイクルに近いか異常サイクルに近いか、長期的な睡眠衛生（例えば、規則的な時刻に就寝している、就寝前にアルコールおよびカフェインを避けてきた、十分な運動をしてきた）に基づく重み付けに基づいて判断され得る客観的な尺度となることができる。睡眠スコアの１つの目的は、ユーザにとって良好な睡眠を促進すること、および様々な因子がユーザの睡眠にどのように影響を及ぼし得るかを示すことである。

任意選択で、睡眠スコアは、複数の成分値を有する合計を含み得、各成分値は、測定された睡眠因子およびその睡眠因子の所定の基準値の関数を用いて判断される。この関数は、０と１との間で変化する重み付け変数を含み得、その重み付けに所定の基準値を乗じることができる。成分値を判断するための少なくとも１つの睡眠因子の関数は、少なくとも１つの睡眠因子が全睡眠時間、深睡眠時間、レム睡眠時間、および浅睡眠時間のうちの１つである場合など、測定された睡眠因子の増加関数であり得る。成分値を判断するための少なくとも１つの睡眠因子の関数は、その少なくとも１つの睡眠因子がレム睡眠時間である場合など、場合によっては、測定された睡眠因子の関数であって、最初に増加し、その後に減少する関数あり得る。成分値を判断するための少なくとも１つの睡眠因子の関数は、例えば、少なくとも１つの睡眠因子が入眠時刻および入眠時刻後の覚醒のうちの一方である場合などに、測定された睡眠因子の減少関数であり得る。

任意選択で、睡眠レポートは、人の快眠度の尺度を提供する「睡眠効率」を含み得る。これは、毎晩ベッドで眠って過ごした時間のパーセンテージを算出するものと理解することができる。ある人がベッドで８時間過ごしても、そのうちの４時間しか眠っていなければ、睡眠効率は５０％と非常に低くなり得る。睡眠効率は、人々が眠るために就床するという仮定に基づく。

１つ以上の実装形態において、睡眠スコアは、マスク有効性（低水準の漏れ／良好な封止）、呼吸療法システムの良好な使用時間、低減した目覚めまたは覚醒、深睡眠の比率、レム睡眠の比率、患者を妨害することなく効果的に治療された無呼吸、残存ＡＨＩ、（ユーザの感じ方に基づいた）個人的な構成要素、検出されたユーザの覚醒度に基づく別の客観的な構成要素、睡眠サイクルの十分性、実際の睡眠アーキテクチャと所望の睡眠アーキテクチャとの比較、いびき、睡眠効率、睡眠の質、睡眠潜時、睡眠断片化、同様の年齢の人々との比較、および同様の性別の人々との比較の態様を含み得る。

１つ以上の実装形態において、ユーザは、最良の睡眠スコア（または最も最適化されたスコア）を得るためなど、情報目的および／または競争目的で、その最適化された睡眠スコアを他のユーザと共有し得る。

図７は、本開示のいくつかの実装形態にかかる、ユーザに睡眠レポートを提供するためのグラフィカルユーザインターフェース７００を表している。グラフィカルユーザインターフェース７００は、システムまたは呼吸療法システム内の任意のコンピューティングデバイスのディスプレイに提示することができる。１つ以上の実装形態において、グラフィカルユーザインターフェース７００は、睡眠経過図７０２を含み得る。睡眠経過図７０２は、ユーザの睡眠段階が所望の睡眠段階から変化した場所を示すインジケータ７０４を含み得る。システムが利用できる情報に基づき、所望の睡眠段階に達しなかった可能性がある理由など、さらなる情報を提供することができる。グラフィカルユーザインターフェース７００は睡眠スコア７０６を含み得、このスコアは、所望の睡眠アーキテクチャに対するユーザの一致度に少なくとも部分的に基づくこと、および／またはユーザが所望の睡眠アーキテクチャに対するユーザの一致度の基準となることができる。このグラフィカルユーザインターフェースは、ユーザが睡眠セッション中にその睡眠を経験した理由についての追加情報を提供できる情報セクション７０８も含む。一例として、ユーザは、アルコールを消費しており、１つ以上の睡眠セッションにわたって一般的な睡眠不足を有し得る。このことが、そのユーザが９０／１００という睡眠スコア７０６を有すること、およびインジケータ７０４によって示された、そのユーザの睡眠段階が所望の睡眠段階から逸脱した段階を有することに寄与した可能性がある。

任意選択で、睡眠スコア７０６の表示は、合計睡眠スコアを表示することを含み得る。睡眠スコア７０６の表示は、グラフィック状の円グラフを表示することを含み得、この円グラフは、その周に沿って区分に分割される。各区分は、その周に沿って、各睡眠因子の所定の基準値に起因するサイズであり得る。各区分は、それぞれの測定された睡眠因子と、それぞれの睡眠因子の所定の基準値との関数に従って半径方向に塗りつぶすことができる。場合によっては、任意選択で、全睡眠時間の所定の基準値が４０であり得、深睡眠時間の所定の基準値が２０であり得、レム睡眠時間の所定の基準値が２０であり得、浅睡眠時間の所定の基準値が５であり得、入眠後覚醒時間の所定の基準値が１０であり得、かつ／または入眠の所定の基準値が５であり得る。

１つ以上の実装形態において、睡眠レポートは心再充電インジケータを含み得る。心再充電インジケータは、測定されたレム睡眠時間を標準レム睡眠時間にパーセンテージとして関連付けるグラフィックインジケータとして表示することができる。一実施例においては、このグラフィックインジケータが、そのパーセンテージに従って比例的に塗りつぶされたバッテリ区分の外観を有し得る。身体再充電インジケータは、深睡眠時間に基づき得る。任意選択で、身体再充電インジケータは、深睡眠因子とその深睡眠因子の所定の基準値との関数を含み得る。深睡眠因子とその深睡眠因子の所定の基準値との関数は、深睡眠時間の増加関数を含み得る。身体再充電インジケータは、測定された深睡眠時間を所定の標準の深睡眠時間にパーセンテージとして関連付けるグラフィックインジケータとして表示することができ、そのグラフィックインジケータは、パーセンテージに従って比例的に塗りつぶされバッテリ区分の外観を有する。

１つ以上の実装形態において、睡眠スコアは、全睡眠時間、深睡眠時間、レム睡眠時間および浅睡眠時間、入眠後覚醒時間、ならびに入眠時間のうちの２つ以上を含み得る睡眠因子に基づき得る。任意選択で、これらの特徴量は、時間領域統計および周波数領域統計を含み得る。睡眠スコアは、複数の成分値を有する合計を含み得、各成分値は、測定された睡眠因子とその睡眠因子の所定の基準値との関数を用いて判断される。この関数は、０と１との間で変化する重み付け変数を含み得、その重み付けに所定の基準値が乗じられる。成分値を判断するための少なくとも１つの睡眠因子の関数は、その少なくとも１つの睡眠因子が全睡眠時間、深睡眠時間、レム睡眠時間、および浅睡眠時間のうちの１つである場合などに増加関数であり得る。成分値を判断するための少なくとも１つの睡眠因子の関数は、少なくとも１つの睡眠因子がレム睡眠時間である場合などに、増加関数および減少関数であり得る。成分値を判断するための少なくとも１つの睡眠因子の関数は、減少関数であり得る。

図８を参照すると、本開示のいくつかの実装形態に係る、睡眠段階を促進することのできる別のシステム８００が表されている。システム８００は、制御システム８１０と、メモリデバイス８１４と、電子インターフェース８１９と、１つ以上のセンサ８３０と、１つ以上のユーザデバイス８７０と、呼吸療法システム８２０と、を含む。

制御システム８１０は、１つ以上のプロセッサ８１２（以下、プロセッサ８１２）を含む。制御システム８１０は概して、システム８００の様々な構成要素を制御（例えば、作動）し、かつ／またはシステム８００の構成要素によって取得および／または生成されたデータを分析するのに使用される。プロセッサ８１２は、汎用または特殊用途のプロセッサまたはマイクロプロセッサであり得る。図８には１個のプロセッサ８１２が示されているが、制御システム８１０は、単一のハウジング内に存在し得るか、互いに離れて所在し得る任意の適切な数のプロセッサ（例えば、１個のプロセッサ、２個のプロセッサ、５個のプロセッサ、１０個のプロセッサなど）を含み得る。制御システム８１０は、例えば、外部デバイス８７０のハウジング、および／またはセンサ８３０うちの１つ以上のハウジングに連結すること、および／またはそれらの内部に位置付けることができる。制御システム８１０は、（１つのかかるハウジング内に）集中させるか、（物理的に別個である２つ以上のかかるハウジング内に）分散させることができる。制御システム８１０を格納する２つ以上のハウジングを含むかかる実装形態においては、かかるハウジングが、互いに近接して、かつ／または遠隔で所在することができる。

メモリデバイス８１４が、制御システム８１０のプロセッサ８１２によって実行可能な機械可読命令を記憶する。メモリデバイス８１４は、例えば、ランダムまたはシリアルアクセスメモリデバイス、ハードドライブ、ソリッドステートドライブ、フラッシュメモリデバイスなど、任意の適切なコンピュータ可読ストレージデバイスまたはメディアであり得る。図８には１つのメモリデバイス８１４が示されているが、システム８００は、任意の適切な数のメモリデバイス８１４（例えば、１個のメモリデバイス、２個のメモリデバイス、５個のメモリデバイス、１０個のメモリデバイスなど）を含み得る。メモリデバイス８１４は、呼吸療法デバイス８２２のハウジング、外部デバイス８７０のハウジング、センサ８３０うちの１つ以上のハウジング、またはそれらの任意の組み合わせに連結すること、および／またはそれらの内部に位置付けることができる。制御システム８１０と同様に、メモリデバイス８１４は、（１つのかかるハウジング内に）集中させるか、（物理的に異なる２つ以上のかかるハウジング内に）分散させることができる。

いくつかの実装形態においては、メモリデバイス８１４が、ユーザと関連付けられたユーザプロファイルを記憶する。ユーザプロファイルが、例えば、ユーザと関連付けられた人口統計情報、ユーザと関連付けられた生体情報、ユーザと関連付けられた医療情報、自己申告によるユーザフィードバック、ユーザと関連付けられた睡眠パラメータ（例えば、１つ以上の以前の睡眠セッションから記録された睡眠関連パラメータ）、またはそれらの任意の組み合わせを含み得る。人口統計情報は、例えば、ユーザの年齢、ユーザの性別、ユーザの人種、ユーザの地理的位置、交際状況、不眠症または睡眠時無呼吸の家族歴、ユーザの雇用状況、ユーザの教育状況、ユーザの社会経済的状況、またはそれらの任意の組み合わせを示す情報を含み得る。医療情報は、例えば、ユーザと関連付けられた１つ以上の病状、ユーザによる薬剤使用、またはその両方を示す情報を含み得る。医療情報データは、反復睡眠潜時検査（ＭＳＬＴ）の結果またはスコアおよび／もしくはピッツバーグ睡眠質問票（ＰＳＱＩ）のスコアまたは値をさらに含み得る。自己申告によるユーザフィードバックは、自己申告による主観的な睡眠スコア（劣悪、普通、良好など）、自己申告によるユーザの主観的なストレスレベル、自己申告によるユーザの主観的な疲労レベル、自己申告によるユーザの主観的な健康状態、ユーザが経験した最近のライフ事象、またはそれらの任意の組み合わせを示す情報を含み得る。

電子インターフェース８１９は、１つ以上のセンサ８３０からデータ（例えば、生理学的データ）を受け取るように構成されており、そのデータは、メモリデバイス８１４に記憶すること、および／または制御システム８１０のプロセッサ８１２によって分析することができる。電子インターフェース８１９は、有線接続または無線接続を用いて（例えば、ＲＦ通信プロトコル、ＷｉＦｉ通信プロトコル、Ｂｌｕｅｔｏｏｔｈ（登録商標）通信プロトコル、セルラーネットワークなどを用いて）１つ以上のセンサ８３０と通信することができる。電子インターフェース８１９は、アンテナ、受信機（例えば、ＲＦ受信機）、送信機（例えば、ＲＦ送信機）、トランシーバ、またはそれらの任意の組み合わせを含み得る。電子インターフェース８１９は、本明細書に記載のプロセッサ８１２およびメモリデバイス８１４と同一または同様であるもう１つのプロセッサおよび／またはもう１つのメモリデバイスも含み得る。いくつかの実装形態においては、電子インターフェース８１９が、外部デバイス８７０に連結または統合されている。他の実装形態においては、電子インターフェース８１９が、制御システム８１０および／またはメモリデバイス８１４に連結されているか、それらと（例えば、ハウジング内で）統合されている。

呼吸療法システム８２０は、呼吸療法デバイス８２２と、ユーザインターフェース８２４、導管８２６（チューブまたは空気回路とも称される）、ディスプレイデバイス８２８、加湿タンク８２９の任意の組み合わせと、を含み得る。いくつかの実装形態においては、制御システム８１０、メモリデバイス８１４、ディスプレイデバイス８２８、センサ８３０のうちの１つ以上、および加湿タンク８２９が、呼吸療法デバイス８２２の一部である。上記したように、呼吸圧力療法とが、（例えば、タンクベンチレータや陽陰圧体外式人工呼吸器（ｃｕｉｒａｓｓ）などの陰圧療法とは異なり、）ユーザの呼吸サイクル全体を通じて大気に対して名目上陽である制御された目標圧力で、ユーザの気道の入口に空気供給を印加することを指す。呼吸療法システム８２０は一般に、１つ以上の睡眠関連呼吸障害（例えば、閉塞性睡眠時無呼吸、中枢性睡眠時無呼吸、または混合性睡眠時無呼吸）に罹患している個人を治療するのに使用される。

呼吸療法デバイス８２２は、（例えば、１つ以上のコンプレッサを駆動する１つ以上のモータを使用して）ユーザに送達される加圧空気を生成するのに一般に使用される送風機モータ（非図示）を有する。いくつかの実装形態においては、呼吸療法デバイス８２２が、ユーザに送達される連続的な一定の空気圧を生成する。他の実装形態においては、呼吸療法デバイス８２２が、２つ以上の所定の圧力（例えば、第１の所定の空気圧および第２の所定の空気圧）を生成する。さらに他の実装形態においては、呼吸療法デバイス８２２が、所定の範囲内の様々な異なる空気圧を生成するように構成されている。例えば、呼吸療法デバイス８２２が、少なくとも約６ｃｍＨ_２Ｏ、少なくとも約１０ｃｍＨ_２Ｏ、少なくとも約２０ｃｍＨ_２Ｏ、約６ｃｍＨ_２Ｏから約１０ｃｍＨ_２Ｏ、約７ｃｍＨ_２Ｏから約１２ｃｍＨ_２Ｏなどを送達することができる。呼吸療法デバイス８２２は、（周囲圧力に対して）陽圧を維持しながら、例えば、約－２０Ｌ／分と約１５０Ｌ／分との間の所定の流量で加圧空気を送達することもできる。

ユーザインターフェース８２４は、ユーザの顔の一部分と係合し、呼吸療法デバイス８２２からユーザの気道に加圧空気を送達して、睡眠中に気道が狭窄および／または閉塞しないように支援する。これにより、睡眠中のユーザの酸素摂取量も増加し得る。ユーザインターフェース８２４は、加圧空気がユーザの口、ユーザの鼻、またはユーザの口および鼻の両方を介してユーザの気道に送達されるように、ユーザの顔に係合するのが一般的である。呼吸療法デバイス８２２、ユーザインターフェース８２４、および導管８２６は、ユーザの気道と流体連結された空気通路を共に形成する。加圧空気は、睡眠中のユーザの酸素摂取量も増加し得る。適用される療法に応じて、ユーザインターフェース８２４は、例えばユーザの顔の領域または部分との密着を形成し得、これにより、周囲圧力に対して約１０ｃｍＨ_２Ｏの陽圧など、周囲圧力に対して十分に異なり、療法効果をもたらせる圧力でのガスの送達を促進する。酸素送達などの、他の療法の形態において、ユーザインターフェースは、約１０ｃｍＨ_２Ｏの陽圧において気道へのガス供給の送達を促進するのに充分な密閉を含まない場合がある。

図９に示すとおり、いくつかの実装形態においては、ユーザインターフェース８２４が、ユーザの鼻および口を覆う顔面マスクである。代替として、ユーザインターフェース８２４が、ユーザの鼻に空気を提供する鼻マスク、またはユーザの鼻孔に空気を直接送達する鼻枕マスクであり得る。ユーザインターフェース８２４は、ユーザの一部分（例えば顔）にインターフェースを位置付け、かつ／または安定させるための複数のストラップ（例えば面ファスナを含む）と、ユーザインターフェース８２４とユーザとの間での気密密着を提供するのを支援する形状適合性クッション（例えば、シリコーン、プラスチック、発泡体など）と、を含み得る。ユーザインターフェース８２４は、ユーザ９１０によって吐き出された二酸化炭素および他の気体を逃がせるようにするためのうちの１つ以上の通気孔も含み得る。他の実装形態においては、ユーザインターフェース８２４が、加圧空気をユーザ９１０の口内へと方向付けるためのマウスピース（例えば、ユーザ９１０の歯に適合するように成形されたナイトガードマウスピース、下顎骨位置変更デバイスなど）である。

（空気回路またはチューブとも称される）導管８２６が、呼吸療法デバイス８２２およびユーザインターフェース８２４など、呼吸療法システム８２０の２つの構成要素間で空気が流れるようにする。いくつかの実装形態においては、この導管に吸気および呼気用の別々の枝管が存在し得る。他の実装形態においては、単枝型導管が吸気および呼気の両方に使用される。

呼吸療法デバイス８２２、ユーザインターフェース８２４、導管８２６、ディスプレイデバイス８２８、および加湿タンク８２９のうちの１つ以上が、１つ以上のセンサ（例えば、圧力センサ、流量センサ、より一般的には、本明細書に記載されている他のセンサ８３０のいずれか）を含み得る。これらの１つ以上のセンサは、例えば、呼吸療法デバイス８２２によって供給される加圧空気の空気圧および／または流量を測定するのに使用することができる。

ディスプレイデバイス８２８は概して、静止画、ビデオ画像、もしくはその両方を含む画像（単数または複数）、および／または呼吸療法デバイス８２２に関する情報を表示するのに使用される。例えば、ディスプレイデバイス８２８は、呼吸療法デバイス８２２の状態に関する情報（例えば、呼吸療法デバイス８２２がオンかオフか、呼吸療法デバイス８２２によって送達されている空気の圧力、呼吸療法デバイス８２２によって送達されている空気の温度など）および／または他の情報（参照によりその全体が本明細書に組み込まれるＷＯ２０１６／０６１６２９などに記載されているｍｙＡｉｒ（商標）スコアとも称される睡眠スコアまたは療法スコア、現在の日付／時刻、ユーザ９１０の個人情報など）を提供することができる。いくつかの実装形態においては、ディスプレイデバイス８２８が、入力インターフェースとして画像（単数または複数）を表示するように構成されたグラフィックユーザインターフェース（ＧＵＩ）を含むヒューマンマシンインターフェース（ＨＭＩ）の働きをする。ディスプレイデバイス８２８が、ＬＥＤディスプレイ、有機ＥＬディスプレイ、液晶ディスプレイなどであり得る。入力インターフェースは、例えば、タッチスクリーンまたは接触感知基板、マウス、キーボード、または呼吸療法デバイス８２２とやりとりする人間ユーザによって行われる入力を感知するように構成された任意のセンサシステムであり得る。

加湿タンク８２９は、呼吸療法デバイス８２２に連結または統合されており、呼吸療法デバイス８２２から送達された加圧空気を加湿するのに使用できる貯水器を含む。呼吸療法デバイス８２２は、ユーザに提供された加圧空気を加湿するために加湿タンク８２９内の水を加熱するヒータを含み得る。加えて、いくつかの実装形態においては、導管８２６が、ユーザに送達された加圧空気を加熱する加熱要素（例えば、導管８２６に連結され、かつ／または埋め込まれたもの）も含み得る。加湿タンク８２９は、空気通路の水蒸気入口に流体連結して、水蒸気入口を介して水蒸気を空気通路内に送達すること、または空気通路自体の一部として空気通路と直列に形成することができる。いくつかの実装形態においては、加湿タンク８２９が、水の貯水器を備えておらず水なしであり得る。

呼吸療法システム８２０は、例えば、持続気道陽圧（ＣＰＡＰ）システム、自動気道陽圧システム（ＡＰＡＰ）、二相性または可変気道陽圧システム（ＢＰＡＰまたはＶＰＡＰ）、またはそれらの任意の組み合わせなどのベンチレータまたは気道陽圧（ＰＡＰ）システムとして使用することができる。ＣＰＡＰシステムは、（例えば、睡眠医師によって判断された）所定量の加圧空気をユーザに送達する。ＡＰＡＰシステムは、例えば、ユーザと関連付けられた呼吸データに基づいて、ユーザに送達される加圧空気を自動的に変化させる。ＢＰＡＰまたはＶＰＡＰシステムは、第１の所定圧力（例えば、吸気気道陽圧またはＩＰＡＰ）および第１の所定圧力より低い第２の所定圧力（例えば、呼気気道陽圧またはＥＰＡＰ）を送達するように構成されている。

図９を参照すると、いくつかの実装形態に係るシステム８００（図８）の一部分が表されている。呼吸療法システム８２０のユーザ９１０および同床者２２０がベッド９３０に居り、マットレス９３２に横たわっている。ユーザインターフェース８２４（例えばフルフェイスマスク）は、睡眠セッション中のユーザ９１０によって着用され得る。ユーザインターフェース８２４は、導管８２６を介して呼吸療法デバイス８２２に流体的に連結および／または接続されている。呼吸療法デバイス８２２は、導管８２６およびユーザインターフェース８２４を介してユーザ９１０に加圧空気を送達してユーザ９１０の喉における空気圧を高め、睡眠中に気道が閉塞および／または狭窄しないように支援する。呼吸療法デバイス８２２は、図９に示すとおり、ベッド９３０に直に隣接するナイトスタンド９４０上か、より一般的には、ベッド９３０および／またはユーザ９１０に概ね隣接する任意の表面または構造物上に位置付けることができる。

改めて図８を参照すると、システム８００の１つ以上のセンサ８３０は、圧力センサ８３２、流量センサ８３４、温度センサ８３６、モーションセンサ８３８、マイクロフォン８４０、スピーカ８４２、無線周波（ＲＦ）受信機８４６、ＲＦ送信機８４８、カメラ８５０、赤外線センサ８５２、光電式（ＰＰＧ）センサ８５４、心電図（ＥＣＧ）センサ８５６、脳波（ＥＥＧ）センサ８５８、静電容量センサ８６０、力センサ８６２、歪みゲージセンサ８６４、筋電図（ＥＭＧ）センサ８６６、酸素センサ８６８、分析物センサ８７４、水分センサ８７６、またはそれらの任意の組み合わせを含み得る。一般に、１つ以上のセンサ８３０のそれぞれが、メモリデバイス８１４または１つ以上の他のメモリデバイスに受信および記憶されたセンサデータを出力するように構成されている。

１つ以上のセンサ８３０は、圧力センサ８３２、流量センサ８３４、温度センサ８３６、モーションセンサ８３８、マイクロフォン８４０、スピーカ８４２、ＲＦ受信機８４６、ＲＦ送信機８４８、カメラ８５０、赤外線センサ８５２、光電式（ＰＰＧ）センサ８５４、心電図（ＥＣＧ）センサ８５６、脳波（ＥＥＧ）センサ８５８、静電容量センサ８６０、力センサ８６２、歪みゲージセンサ８６４、筋電図（ＥＭＧ）センサ８６６、酸素センサ８６８、分析物センサ８７４、水分センサ８７６のそれぞれを含むものとして図示および記載されているが、１つ以上のセンサ８３０は、本明細書に記載および／図示されたセンサのそれぞれの任意の組み合わせおよび任意の個数を含み得るのが、より一般的である。

本明細書に記載のとおり、システム８００は概して、睡眠セッション中にユーザ（例えば、図９に示す呼吸療法システム９２０のユーザ）と関連付けられた生理学的データを生成するのに使用することができる。生理学的データは、分析して１つ以上の睡眠関連パラメータを生成することができ、このパラメータは、睡眠セッション中にユーザと関連付けられた任意のパラメータや測定値などを含み得る。睡眠セッション中にユーザ９１０に関して判断できる１つ以上の睡眠関連パラメータは、例えば、無呼吸－低呼吸指数（ＡＨＩ）スコア、睡眠スコア、流れ信号、呼吸信号、呼吸数、吸気振幅、呼気振幅、吸気対呼気比、時間当たりの事象数、事象パターン、段階、呼吸療法デバイス８２２の圧力設定、心拍数、心拍数変動、ユーザ９１０の移動、温度、ＥＥＧ活動、ＥＭＧ活動、覚醒、いびき、窒息、咳、口笛、喘鳴、またはそれらの任意の組み合わせを含む。センサ８３０のうちの１つ以上のによって生成されたデータは、１つ以上のユーザパラメータおよび／または１つ以上の環境パラメータであり得るか、１つ以上のユーザパラメータおよび／または１つ以上の環境パラメータを判断するために処理されて、制御システム８１０が睡眠段階を促進するのに使用され得る。

１つ以上のセンサ８３０は、例えば、生理学的データ、音響データ、またはその両方を生成するのに使用することができる。センサ８３０のうちの１つ以上によって生成された生理学的データは、制御システム８１０により、睡眠セッション中のユーザ９１０（図９）と関連付けられた睡眠／覚醒信号および１つ以上の睡眠関連パラメータを判断するのに使用することができる。睡眠／覚醒信号は、覚醒、安静覚醒、微小覚醒、または別個の睡眠段階、例えば急速眼球運動（レム）段階、第１のノンレム段階（「Ｎ１」と称されることが多い）、第２のノンレム段階（「Ｎ２」と称されることが多い）、第３のノンレム段階（「Ｎ３」と称されることが多い）、またはそれらの任意の組み合わせなどを含む１つ以上の睡眠状態を示し得る。１つ以上のセンサ１３０など１つ以上のセンサによって生成された生理学的データから睡眠状態および／または睡眠段階を判断するための方法は、例えば、ＷＯ２０１４／０４７３１０、ＵＳ２０１４／００８８３７３、ＷＯ２０１７／１３２７２６、ＷＯ２０１９／１２２４１３、およびＷＯ２０１９／１２２４１４に記載されており、いずれも、参照によりその全体が本明細書に組み込まれる。

いくつかの実装形態において、本明細書中に記載の睡眠／覚醒信号には、ユーザの就床時刻、ユーザの起床時刻、ユーザの就眠試行時刻などを示すタイムスタンプを付与することができる。センサ８３０のうちの１つ以上によって生成されたデータは、例えば、１秒につき１サンプル、３０秒につき１サンプル、１分につき１サンプルなど所定のサンプリングレートで睡眠セッション中にセンサ（単数または複数）８３０で測定することができる。いくつかの実装形態においては、データが、睡眠セッション中の呼吸信号、呼吸数、吸気振幅、呼気振幅、吸気対呼気比、時間当たりの事象数、事象パターン、呼吸療法デバイス８２２の圧力設定、またはそれらの任意の組み合わせを示し得る。この事象（単数または複数）が、いびき、無呼吸、中枢性無呼吸、閉塞性無呼吸、混合性無呼吸、低呼吸、（例えばユーザインターフェース８２４からの）マスク漏れ、下肢静止不能、睡眠障害、窒息、心拍数増、呼吸困難、喘息発作、てんかん挿間症、発作、またはそれらの任意の組み合わせを含み得る。データに基づいて睡眠セッション中のユーザについて判断できる１つ以上のユーザパラメータとしては、例えば、全就床時間、全睡眠時間、入眠潜時、入眠後覚醒パラメータ、睡眠効率、断片化指数、またはそれらの任意の組み合わせが挙げることができる。

１つ以上のセンサ８３０によって生成された生理学的データおよび／またはオーディオデータは、睡眠セッション中のユーザと関連付けられた呼吸信号を判断するのに使用することもできる。この呼吸信号は概して、睡眠セッション中のユーザの呼吸または気息を示す。この呼吸信号は、例えば、呼吸数、呼吸数変動、吸気振幅、呼気振幅、吸気対呼気比、１つ以上の事象の発生、時間当たりの事象数、事象パターン、睡眠状態、みぞれ段階、無呼吸－低呼吸指数（ＡＨＩ）、呼吸療法デバイス８２２の圧力設定、またはそれらの任意の組み合わせなど１つ以上の睡眠関連パラメータを示すこと、および／または（例えば、制御システム８１０を使用して）それらのパラメータを判断するために分析することができる。１つ以上の事象（単数または複数）は、いびき、無呼吸、中枢性無呼吸、閉塞性無呼吸、混合性無呼吸、低呼吸、（例えば、ユーザインターフェース８２４からの）マスク漏れ、咳、下肢静止不能、睡眠障害、窒息、心拍数増、呼吸困難、喘息発作、てんかん挿間症、発作、血圧上昇、またはそれらの任意の組み合わせを含み得る。記載された睡眠関連パラメータは、一部は非生理学的パラメータであるとみなされ得るが、多くは生理学的パラメータである。他のタイプの生理学的および／または非生理学的パラメータも、１つ以上のセンサ８３０からのデータまたは他のタイプのデータのどちらかから判断することができる。

圧力センサ８３２は、メモリデバイス８１４に記憶すること、および／または制御システム８１０のプロセッサ８１２によって分析することのできる圧力データを出力する。いくつかの実装形態においては、圧力センサ８３２が、呼吸療法システム８２０のユーザの呼吸（例えば、吸気および／もしくは呼気）ならびに／または周囲圧力を示すセンサデータを生成する空気圧センサ（例えば大気圧センサ）である。かかる実装形態においては、圧力センサ８３２が、呼吸療法デバイス８２２に連結または統合することができる。圧力センサ８３２は、例えば、静電容量センサ、電磁センサ、圧電センサ、歪みゲージセンサ、光学センサ、電位差センサ、またはそれらの任意の組み合わせであり得る。

流量センサ８３４は、メモリデバイス８１４に記憶すること、および／または制御システム８１０のプロセッサ８１２によって分析することのできる流量データを出力する。流量センサ（例えば、流量センサ８３４など）の例が、国際公開第２０１２／０１２８３５号に記載されており、参照によりその全体が本明細書に組み込まれる。いくつかの実装形態において、流量センサ８３４は、呼吸療法デバイス８２２からの空気流量、導管８２６を通過する空気流量、ユーザインターフェース８２４を通過する空気流量、またはそれらの任意の組み合わせを判断するのに使用される。かかる実装形態においては、流量センサ８３４が、呼吸療法デバイス８２２、ユーザインターフェース８２４、または導管８２６に連結または統合することができる。流量センサ８３４が、例えば、回転流量計（例えば、ホール効果流量計）、タービン流量計、オリフィス流量計、超音波流量計、熱線センサ、渦流センサ、膜センサ、またはそれらの任意の組み合わせなどの質量流量センサであり得る。いくつかの実装形態においては、流量センサ８３４が、通気流れ（例えば、意図的な「漏れ」）、非意図的なリーク（例えば、口漏れおよび／またはマスク漏れ）、患者流れ（例えば、肺に入る、かつ／または肺から出る空気）、またはそれらの任意の組み合わせを測定するように構成されている。いくつかの実装形態においては、この流量データを分析して、ユーザの心原性振動を判断することができる。一例においては、圧力センサ８３２が、ユーザの血圧を判断するのに使用することができる。

温度センサ８３６は、メモリデバイス８１４に記憶すること、および／または制御システム８１０のプロセッサ８１２によって分析することのできる温度データを出力する。いくつかの実装形態においては、温度センサ８３６が、ユーザ９１０（図９）の中核体温、ユーザ９１０の皮膚温度、呼吸療法デバイス８２２から、および／または導管８２６を通過して流れる空気の温度、ユーザインターフェース８２４内の温度、周囲温度、またはそれらの任意の組み合わせを示す温度データを生成する。温度センサ８３６が、例えば、熱電対センサ、サーミスタセンサ、シリコンバンドギャップ温度センサもしくは半導体ベースのセンサ、抵抗温度検出器、またはそれらの任意の組み合わせであり得る。

モーションセンサ８３８は、メモリデバイス８１４に記憶すること、および／または制御システム８１０のプロセッサ８１２によって分析することのできるモーションデータを出力する。モーションセンサ８３８は、睡眠セッション中のユーザ９１０の移動を検出するのに、および／または呼吸療法デバイス８２２、ユーザインターフェース８２４、もしくは導管８２６など、呼吸療法システム８２０の構成要素のいずれかの移動を検出するのに使用することができる。モーションセンサ８３８は、加速度計、ジャイロスコープ、および磁力計など１つ以上の慣性センサを含み得る。いくつかの実装形態においては、モーションセンサ８３８が、代替または追加として、ユーザの体動を表す１つ以上の信号を生成し、この信号から、例えばユーザの呼吸動作を介して、ユーザの睡眠状態を表す信号が取得され得る。いくつかの実装形態においては、モーションセンサ８３８からのモーションデータを、別のセンサ８３０からの追加データと併用して、ユーザの睡眠状態を判断することができる。

マイクロフォン８４０は、メモリデバイス８１４に記憶すること、および／または制御システム８１０のプロセッサ８１２によって分析することのできる音および／またはオーディオデータを出力する。マイクロフォン８４０によって生成されたオーディオデータは、睡眠セッション中の１つ以上の音（単数または複数）（例えば、ユーザ９１０からの音）として再現可能である。マイクロフォン８４０からのオーディオデータは、本明細書でさらに詳述するとおり、睡眠セッション中のユーザが経験した事象を（例えば、制御システム８１０を使用して）特定するのに使用することもできる。マイクロフォン８４０は、呼吸療法デバイス８２２、ユーザインターフェース８２４、導管８２６、またはユーザデバイス８７０に連結または統合することができる。いくつかの実装形態においては、システム８００が複数のマイクロフォン（例えば、ビーム形成機能を有する２つ以上のマイクロフォンおよび／またはマイクロフォンの配列）を含み、複数のマイクロフォンのそれぞれによって生成された音データが、その複数のマイクロフォンのうちの別のものによって生成された音データを区別するのに使用できるようになっている。

スピーカ８４２は、システム８００のユーザ（例えば、図９のユーザ９１０）にとって可聴である音波を出力する。スピーカ８４２は、例えば、目覚まし時計として使用すること、または（例えば、事象を受けて）ユーザ９１０にアラートまたはメッセージを再生する目的で使用することができる。いくつかの実装形態においては、スピーカ８４２が、マイクロフォン８４０によって生成されたオーディオデータをユーザに伝えるのに使用することができる。スピーカ８４２が、呼吸療法デバイス８２２、ユーザインターフェース８２４、導管８２６、またはユーザデバイス８７０に連結または統合することができる。

マイクロフォン８４０およびスピーカ８４２は、別々のデバイスとして使用することができる。いくつかの実装形態においては、マイクロフォン８４０およびスピーカ８４２を、例えば、参照によりそれぞれ全体が本明細書に組み込まれるＷＯ２０１８／０５０９１３およびＷＯ２０２０／１０４４６５に記載のとおり、音響センサ８４１（例えば、ソナーセンサ）に組み入れることができる。かかる実装形態においては、スピーカ８４２が、所定の間隔で音波を生成または放出し、マイクロフォン８４０が、スピーカ８４２から放出された音波の反射を検出する。スピーカ８４２が生成または放出する音波は、ユーザ９１０または同床者９２０（図９）の睡眠を妨げないように、人間の耳には聞こえない周波数（例えば、２０Ｈｚ未満または約１８ｋＨｚ超）を有する。制御システム８１０は、マイクロフォン８４０および／またはスピーカ８４２からのデータに少なくとも部分的に基づいて、ユーザ９１０（図９）の位置および／または、例えば、呼吸信号、呼吸数、吸気振幅、呼気振幅、吸気対呼気比、時間当たりの事象数、事象パターン、睡眠状態、睡眠段階、呼吸療法デバイス８２２の圧力設定、またはそれらの任意の組み合わせなど、本明細書に記載されている睡眠関連パラメータのうちの１つ以上を判断することができる。かかる文脈においては、ソナーセンサが、超音波および／または低周波数超音波感知信号（例えば、約１７～２３ｋＨｚ、１８～２２ｋＨｚ、または１７～１８ｋＨｚの周波数範囲内）を空中で生成および／または送信することなどによるアクティブ音響センシングに関わるものと理解され得る。かかるシステムは、上記のＷＯ２０１８／０５０９１３およびＷＯ２０２０／１０４４６５と関連付けて考慮され得、両文献はそれぞれ、参照によってその全体が本明細書に組み込まれる。

いくつかの実装形態においては、センサ８３０が、（ｉ）マイクロフォン８４０と同一または同様であり、音響センサ８４１に統合されている第１のマイクロフォンと、（ｉｉ）マイクロフォン８４０と同一または同様だが、音響センサ８４１に統合されている第１のマイクロフォンとは別々かつ別個である第２のマイクロフォンと、を含む。

ＲＦ送信機８４８が、所定の周波数および／または所定の振幅（例えば、高周波帯域内、低周波帯域内、長波信号、短波信号など）を有する電波を生成および／または放射する。ＲＦ受信機８４６は、ＲＦ送信機８４８から放射された電波の反射を検出し、このデータは、制御システム８１０によって分析することにより、ユーザ９１０（図９）の位置および／または本明細書に記載されている睡眠関連パラメータ、ユーザパラメータおよび／または環境パラメータのうちの１つ以上を判断することができる。ＲＦ受信機（ＲＦ受信機８４６およびＲＦ送信機８４８のどちらか、または別のＲＦペア）は、制御システム８１０、呼吸療法デバイス８２２、１つ以上のセンサ８３０、ユーザデバイス８７０、またはそれらの任意の組み合わせの間での無線通信に使用することもできる。ＲＦ受信機８４６およびＲＦ送信機８４８は、図８において別々かつ別個の要素として示されているが、いくつかの実装形態においては、ＲＦ受信機８４６およびＲＦ送信機８４８がＲＦセンサ８４７（例えば、ＲＡＤＡＲセンサ）の一部として組み合わせられている。一部のかかる実装形態においては、ＲＦセンサ８４７が制御回路を含む。ＲＦ通信の具体的な形式は、Ｗｉ－ＦｉやＢｌｕｅｔｏｏｔｈ（登録商標）などであり得る。

いくつかの実装形態においては、ＲＦセンサ８４７がメッシュシステムの一部である。メッシュシステムの一例がＷｉ－Ｆｉメッシュシステムであり、このシステムが、メッシュノード、メッシュルータ（単数または複数）、およびメッシュゲートウェイ（単数または複数）を含み得、これらのそれぞれが移動式／可動式または固定式であり得る。かかる実装形態においては、Ｗｉ－Ｆｉメッシュシステムが、Ｗｉ－Ｆｉルータおよび／またはＷｉ－Ｆｉコントローラ、ならびに１つ以上の衛星（例えばアクセスポイント）を含み、これらのそれぞれが、ＲＦセンサ８４７と同一または同様であるＲＦセンサを含む。ＷｉＦｉルータおよび衛星が、Ｗｉ－Ｆｉ信号を使用して互いに常時通信する。ＷｉＦｉメッシュシステムは、物体や人が移動して信号を部分的に妨害することによってルータと衛星（単数または複数）との間で発生するＷｉ－Ｆｉ信号の変更（例えば、受信信号強度の差）に基づいてモーションデータを生成するのに使用することができる。このモーションデータは、モーション、呼吸、心拍数、歩行、転倒、挙動など、またはそれらの任意の組み合わせを示し得る。

カメラ８５０は、メモリデバイス８１４に記憶できる１つ以上の画像（例えば、静止画、ビデオ画像、熱画像、またはそれらの組み合わせ）として再現可能な画像データを出力する。カメラ８５０からの画像データは、例えば、１つ以上の事象（例えば、周期性四肢運動または下肢静止不能症候群）、呼吸信号、呼吸数、吸気振幅、呼気振幅、吸気対呼気比、時間当たりの事象数、事象パターン、睡眠状態、睡眠段階、またはそれらの任意の組み合わせなど、本明細書に記載されている睡眠関連パラメータ、ユーザパラメータ、および／または１つ以上の環境パラメータのうちの１つ以上を判断するために制御システム８１０が使用することができる。さらには、カメラ８５０からの画像データを使用して、例えば、ユーザの位置を特定し、ユーザ９１０（図９）の胸の移動を判断し、ユーザ９１０の口および／または鼻の空気流を判断し、ユーザ９１０がベッド９３０に入った時刻を判断し、ユーザ９１０がベッド９３０（図９）を後にした時刻を判断することができる。いくつかの実装形態においては、カメラ８５０が広角レンズまたは魚眼レンズを含む。

赤外線（ＩＲ）センサ８５２は、メモリデバイス８１４に記憶できる１つ以上の赤外線画像（例えば、静止画、ビデオ画像、またはその両方）として再現可能な赤外線画像データを出力する。ＩＲセンサ８５２からの赤外線データは、ユーザ９１０の温度および／またはユーザ９１０の移動を含む、睡眠セッション中の１つ以上の睡眠関連パラメータ、ユーザパラメータおよび／または１つ以上の環境パラメータを判断するのに使用することができる。ＩＲセンサ８５２は、ユーザ９１０の存在、位置、および／または移動を測定する際に、カメラ８５０と組み合わせて使用することもできる。ＩＲセンサ８５２が、例えば、約７００ｎｍと約１ｍｍとの間の波長を有する赤外光を検出することができるのに対し、カメラ８５０は、約３８０ｎｍと約７４０ｎｍとの間の波長を有する可視光を検出することができる。

ＰＰＧセンサ８５４は、例えば、心拍数、心拍数変動、心周期、呼吸数、吸気振幅、呼気振幅、吸気対呼気比、推定血圧パラメータ（単数または複数）、またはそれらの任意の組み合わせなど１つ以上の睡眠関連パラメータを判断するのに使用できる、ユーザ９１０（図９）と関連付けられた生理学的データを出力する。ＰＰＧセンサ８５４は、ユーザ９１０が着用すること、ユーザ９１０が着用する衣類および／または織地に埋め込むこと、ユーザインターフェース８２４および／またはその関連ヘッドギア（例えばストラップなど）に埋め込むことおよび／または連結すること、などができる。

ＥＣＧセンサ８５６は、ユーザ９１０の心臓の電気的活動と関連付けられた生理学的データを出力する。いくつかの実装形態においては、ＥＣＧセンサ８５６が、睡眠セッション中のユーザ９１０の一部分の上または周囲に位置付けられている１つ以上の電極を含む。ＥＣＧセンサ８５６からの生理学的データが、例えば、本明細書に記載されている睡眠関連パラメータユーザおよび／または環境パラメータのうちの１つ以上を判断するのに使用することができる。

ＥＥＧセンサ８５８は、ユーザ９１０の脳の電気的活動と関連付けられた生理学的データを出力する。いくつかの実装形態において、ＥＥＧセンサ８５８は、睡眠セッション中のユーザ９１０の頭皮の上または周囲に位置付けられている１つ以上の電極を含む。ＥＥＧセンサ８５８からの生理学的データは、例えば、睡眠セッション中の任意の所与の時期におけるユーザ９１０の睡眠状態および／または睡眠段階を判断するのに使用することができる。いくつかの実装形態において、ＥＥＧセンサ８５８は、ユーザインターフェース８２４および／またはその関連ヘッドギア（例えばストラップなど）に統合することができる。

静電容量センサ８６０、力センサ８６２、および歪みゲージセンサ８６４は、メモリデバイス８１４に記憶でき、かつ本明細書に記載されている睡眠関連パラメータ、ユーザおよび／または環境パラメータのうちの１つ以上を判断するのに制御システム８１０が使用できるデータを出力する。ＥＭＧセンサ８６６は、１つ以上の筋肉によって生み出された電気的活動と関連付けられた生理学的データを出力する。酸素センサ８６８は、（例えば、導管８２６内またはユーザインターフェース８２４における）気体の酸素濃度を示す酸素データを出力する。酸素センサ８６８は、例えば、超音波酸素センサ、電気酸素センサ、化学酸素センサ、光学式酸素センサ、パルスオキシメータ（例えば、ＳｐＯ_２センサ）またはそれらの任意の組み合わせであり得る。いくつかの実装形態においては、１つ以上のセンサ８３０が、電気皮膚反応（ＧＳＲ）センサ、血流センサ、呼吸センサ、脈拍センサ、血圧計センサ、オキシメトリセンサ、またはそれらの任意の組み合わせも含む。

分析物センサ８７４が、ユーザ９１０の吐出息における分析物の存在を検出するのに使用することができる。分析物センサ８７４によって出力されたデータは、メモリデバイス８１４に記憶することができ、ユーザ９１０の息に含まれる任意の分析物の同一性および濃度を判断するために制御システム８１０によって使用することができる。いくつかの実装形態においては、分析物センサ８７４が、ユーザ９１０の口付近に位置付けられ、ユーザ９１０の口から吐き出された息に含まれる分析物を検出する。例えば、ユーザインターフェース８２４が、ユーザ９１０の鼻および口を覆う顔面マスクであれば、分析物センサ８７４が、ユーザ９１０の口呼吸を監視するためにその顔面マスク内に位置付けられ得る。ユーザインターフェース８２４が鼻マスクまたは鼻枕マスクである場合など、他の実装形態においては、分析物センサ８７４が、ユーザの鼻を通じて吐き出される息に含まれる分析物を検出するために、ユーザ９１０の鼻付近に位置付けられ得る。さらに他の実装形態においては、ユーザインターフェース８２４が鼻マスクまたは鼻枕マスクである場合に、分析物センサ８７４が、ユーザ９１０の口付近に位置付けられ得る。この実装形態においては、分析物センサ８７４を、ユーザ９１０の口から不用意に空気が漏れていないかどうかを検出するのに使用することができる。いくつかの実装形態においては、分析物センサ８７４が、炭素系化学物質または化合物を検出するのに使用できる揮発性有機化合物（ＶＯＣ）センサである。いくつかの実装形態においては、分析物センサ８７４を、ユーザ９１０が鼻または口のどちらで呼吸しているかを検出するのに使用することもできる。例えば、ユーザ９１０の口付近または（ユーザインターフェース８２４が顔面マスクである実装形態において）顔面マスク内に位置付けられた分析物センサ８７４によって出力されたデータによって分析物の存在が検出された場合、制御システム８１０が、ユーザ９１０が口で呼吸しているという指標としてこのデータを使用することができる。

水分センサ８７６は、メモリデバイス８１４に記憶でき、かつ制御システム８１０が使用できるデータを出力する。水分センサ８７６は、ユーザを取り巻く様々な領域（例えば、導管８２６またはユーザインターフェース８２４の内部、ユーザ９１０の顔付近、導管８２６とユーザインターフェース８２４との間の接続部付近、導管８２６と呼吸療法デバイス８２２との間の接続部付近など）において水分を検出するのに使用することができる。そのため、いくつかの実装形態においては、水分センサ８７６を、呼吸療法デバイス８２２からの加圧空気の湿度を監視するために、ユーザインターフェース８２４に連結または統合すること、または導管８２６に統合することができる。他の実装形態においては、水分センサ８７６が、水分レベルを監視する必要がある任意の領域付近に配置されている。水分センサ８７６は、例えば寝室内の空気など、ユーザ９１０を取り巻く周囲環境の湿度を監視するのに使用することもできる。

光検出および測距（ＬｉＤＡＲ）センサ８７８は、深度感知に使用することができる。このタイプの光学センサ（例えばレーザセンサ）は、物体を検出し、生活空間など周囲環境の３次元（３Ｄ）マップを作成するのに使用することができる。ＬｉＤＡＲは一般に、パルスレーザを利用して飛行時間を計測する。ＬｉＤＡＲは、３Ｄレーザスキャンとも称される。かかるセンサの一使用例においては、ＬｉＤＡＲセンサ８６６を有する固定または（スマートフォンなどの）モバイルデバイスが、センサから５メートル以上離れた領域を測定およびマッピングすることができる。ＬｉＤＡＲデータは、例えば電磁式ＲＡＤＡＲセンサによって推定されたポイントクラウドデータと融合させることができる。ＬｉＤＡＲセンサ（単数または複数）８７８は、人工知能（ＡＩ）を使用して、（ＲＡＤＡＲに対して高反射性であり得る）ガラス窓など、ＲＡＤＡＲシステムにとっての問題をもたらし得る空間内の特徴を検出および分類することにより、ＲＡＤＡＲシステムのジオフェンスを自動的に作成することもできる。ＬｉＤＡＲは、人の身長に加え、人が座ったとき、倒れたときなどに発生する身長の変更を推定するのに使用することもできる。ＬｉＤＡＲは、環境の３Ｄメッシュ表現を形成するのに使用され得る。さらなる用途では、電波が通過する固体表面（例えば電波透過性材料）にＬｉＤＡＲが反射し得ることにより、異なるタイプの障害物の分類が可能となる。

いくつかの実装形態においては、１つ以上のセンサ８３０が、電気皮膚反応（ＧＳＲ）センサ、血流センサ、呼吸センサ、脈拍センサ、血圧計センサ、酸素測定センサ、ソナーセンサ、ＲＡＤＡＲセンサ、血糖センサ、色センサ、ｐＨセンサ、空気質センサ、傾斜センサ、雨センサ、土壌水分センサ、水流センサ、アルコールセンサ、またはそれらの任意の組み合わせも含む。

図８では別々に示されているが、１つ以上のセンサ８３０の任意の組み合わせを、呼吸療法デバイス８２２、ユーザインターフェース８２４、導管８２６、加湿タンク８２９、制御システム８１０、ユーザデバイス８７０、活動トラッカー８８０、またはそれらの任意の組み合わせを含むシステム８００の構成要素のうちの任意の１つ以上に統合および／または連結することができる。例えば、マイクロフォン８４０およびスピーカ８４２が、ユーザデバイス８７０に統合および／または連結され得、圧力センサ８３０および／または流量センサ８３２は、呼吸療法デバイス８２２に統合および／または連結される。いくつかの実装形態においては、１つ以上のセンサ８３０のうちの少なくとも１つが、呼吸療法デバイス８２２、制御システム８１０、またはユーザデバイス８７０に連結されておらず、睡眠セッション中のユーザ９１０に概ね隣接して位置付けられている（例えば、ユーザ９１０の一部分の上に位置付けられているか接触している、ユーザ９１０によって着用されている、ナイトスタンドに連結されているか位置付けられている、マットレスに連結されている、天井に連結されている、など）。

１つ以上のセンサ８３０からのデータを分析して、呼吸信号、呼吸数、呼吸パターン、吸気振幅、呼気振幅、吸気対呼気比、１つ以上の事象の発生、時間当たりの事象数、事象パターン、睡眠状態、無呼吸－低呼吸指数（ＡＨＩ）、またはそれらの任意の組み合わせを含み得る１つ以上の睡眠関連パラメータを判断することができる。１つ以上の事象（単数または複数）は、いびき、無呼吸、中枢性無呼吸、閉塞性無呼吸、混合性無呼吸、低呼吸、マスク漏れ、咳、下肢静止不能、睡眠障害、窒息、心拍数増、呼吸困難、喘息発作、てんかん挿間症、発作、血圧上昇、またはそれらの任意の組み合わせを含み得る。これらの睡眠関連パラメータの多くは生理学的パラメータであるが、これらの睡眠関連パラメータの一部は非生理学的パラメータであるとみなすことができる。他のタイプの生理学的および非生理学的パラメータも、１つ以上のセンサ８３０からのデータまたは他のタイプのデータのどちらかから判断することができる。

ユーザデバイス８７０（図８）は、ディスプレイデバイス８７２を含む。ユーザデバイス８７０は、例えば、スマートフォン、タブレット、ゲーム・コンソール、スマートウォッチ、ノートパソコンなどのモバイルデバイスであり得る。代替として、ユーザデバイス８７０は、外部感知システム、テレビ（例えばスマートテレビ）、または別のスマートホームデバイス（例えば、ＧｏｏｇｌｅＨｏｍｅ、ＡｍａｚｏｎＥｃｈｏ、Ａｌｅｘａなどのスマートスピーカ（単数または複数））であり得る。いくつかの実装形態においては、このユーザデバイスがウェアラブルデバイス（例えばスマートウォッチ）である。ディスプレイデバイス８７２は概して、静止画、ビデオ画像、またはその両方を含む画像（単数または複数）を表示するのに使用される。いくつかの実装形態においては、ディスプレイデバイス８７２が、画像（単数または複数）および入力インターフェースを表示するように構成されたグラフィックユーザインターフェース（ＧＵＩ）を含むヒューマンマシンインターフェース（ＨＭＩ）の働きをする。ディスプレイデバイス８７２が、ＬＥＤディスプレイ、有機ＥＬディスプレイ、液晶ディスプレイなどであり得る。入力インターフェースは、例えば、タッチスクリーンまたは接触感知基板、マウス、キーボード、またはユーザデバイス８７０とやりとりする人間ユーザによって行われる入力を感知するように構成された任意のセンサシステムであり得る。いくつかの実装形態においては、１つ以上のユーザデバイスを、システム８００が使用すること、および／またはシステム８００に含めることができる。

血圧デバイス８８０は、ユーザ９１０と関連付けられた１つ以上の血圧測定値を判断するための心血管データの生成を支援するのに使用されるのが一般的である。血圧デバイス８８０は、例えば、収縮期血圧成分および／または拡張期血圧成分を測定するための１つ以上のセンサ８３０のうちの少なくとも１つを含み得る。

いくつかの実装形態においては、血圧デバイス８８０が、ユーザ９１０が装着できる膨張式カフと、圧力センサ（例えば、本明細書に記載されている圧力センサ８３２）と、を含む血圧計である。例えば、図８の実施例に示すとおり、血圧デバイス８８０は、ユーザ９１０の上腕に装着することができる。血圧デバイス８８０が血圧計であるかかる実装形態においては、血圧デバイス８８０が、カフを膨張させるためのポンプ（例えば手動操作バルブ）も含む。いくつかの実装形態においては、血圧デバイス８８０が、呼吸療法システム８２０の呼吸療法デバイス８２２に連結されており、これによって加圧空気が送達されてカフが膨張する。血圧デバイス８８０は、呼吸療法システム８２０に通信可能に連結すること、および／または任意選択で呼吸療法システム８２０と（例えばハウジング内に）物理的に統合することができる。追加または代替として、血圧デバイス８８０は、制御システム８１０、メモリデバイス８１４、ユーザデバイス８７０、および／または活動トラッカー８９０に通信可能に連結することができ、ひいてはこれらが、呼吸療法システム８２０に通信可能に連結される。

いくつかの実装形態においては、血圧デバイス８８０が、ユーザ９１０の動脈血圧を連続的に監視すること、および動脈血液のガス含有量を分析する要求に応じて動脈血液サンプルを採取することのできる侵襲性デバイスである。他の実装形態においては、血圧デバイス８８０が、無線周波数（ＲＦ）センサ、無線検出および測距（ＲＡＤＡＲ）センサ、音響ナビゲーションおよび測距（ソナー）センサ、赤外線（ＩＲ）センサ、圧力センサ、変位センサ、またはそれらの組み合わせを使用する非侵襲性連続血圧モニタである。ＲＦセンサは、数秒（例えば、３秒、５秒、７秒など）ごとにユーザ２１０の血圧を測定することができる。ＲＦセンサは、連続波、ランプチャープ、三角波、正弦波、および位相偏位変調（ＰＳＫ）、周波数偏位変調（ＦＳＫ）など他の変調方式を有する周波数変調連続波（ＦＭＣＷ）、パルス連続波、および／または（拡散擬似ランダムノイズ（ＰＲＮ）コードまたはインパルスシステムを含み得る）超広帯域（ＵＷＢ）範囲内で拡散された波を使用し得る。

ＲＡＤＡＲセンサまたはソナーセンサの使用時に、ベッド９３０上のマットレスが心弾動図（ＢＣＧ）を求めることができ、いくつかの実装形態においては、ユーザ９１０の身体上に所在する光学センサ（例えば、スマートウォッチ、スマートパッチなど）または遠隔に所在する光学センサ（例えばビデオカメラ）が、光電式容積脈波（ＰＰＧ）を求めることができる。その後、収縮期血圧および拡張期血圧の両方を計算するために、ＢＣＧおよびＰＰＧの値を用いてこの２つの信号間の時間遅延を測定することができる。

いくつかの実装形態においては、自動利得および信号対ノイズ比（ＳＮＲ）管理を伴うＰＰＧを用いて、脈波伝播時間（ＰＴＴ）の計算、脈波分析を行うことができ、適切な較正パラメータ（人口統計パラメータまたはパーソナライズされたパラメータのどちらか）を伴うＰＰＧを用いて、ユーザ９１０の血圧を推定することができる。例えば、光学センサがユーザ９１０の皮膚内にコヒーレント光を発し、その後、光学センサの下にある皮膚の血管内の赤血球からの反射光を収集および捕捉することができる。こうして、光学センサおよび関連付けられたソフトウェアは、脈波を検出して、ユーザ９１０の血圧の測定値を判断することができる。他の技法は、（例えば、カスタマイズされたカメラシステムまたはスマートフォンを介して）経皮光学撮像を使用するなど、（周辺光またはＬＥＤもしくは赤外線源などの光を用いるなど）映像を直接使用してユーザの顔の映像から血圧を測定することができる。さらに他のセンサは超音波センサを含み得、このセンサにより、パルスおよび戻りエコーが、動脈の前壁および後壁をマッピングするのに使用される。

さらに他の実装形態においては、血圧デバイス８８０が、呼吸療法システム８２０に通信可能に連結された移動型血圧モニタである。移動型血圧モニタは、ユーザ９１０によって装着されるベルトまたはストラップに取り付けられた携帯型記録デバイスと、携帯型記録デバイスに取り付けられ、ユーザ９１０の腕の周囲に装着される膨張式カフと、を含む。この移動型血圧モニタは、２４時間または４８時間にわたり、約１５分から約３０分ごとに血圧を測定するように構成されている。この移動型血圧モニタは、ユーザ９１０の心拍数も同時に測定し得る。この複数の読取値が、２４時間にわたって平均化される。この移動型血圧モニタは、ユーザ９１０の測定された血圧および心拍数の任意の何らかの変更、ならびにユーザ９１０の睡眠期間中および覚醒期間中の血圧および心拍数データの何らかの分布および／または傾向パターンを判断する。測定されたデータおよび統計はその後、呼吸療法システム８２０に伝達され得る。

活動トラッカー８９０は、ユーザ９１０と関連付けられた活動測定値を判断するための生理学的データの生成を支援するのに使用されるのが一般的である。活動トラッカー８９０は、例えば、モーションセンサ８３８（例えば、１つ以上の加速度計および／またはジャイロスコープ）、ＰＰＧセンサ８５４、および／またはＥＣＧセンサ８５６など、本明細書に記載されているセンサ８３０のうちの１つ以上を含み得る。活動トラッカー８９０からの生理学的データを使用して、例えば、歩数、移動距離、登坂歩数、身体活動の持続時間、身体活動のタイプ、身体活動の強度、立って過ごした時間、呼吸数、平均呼吸数、安静時呼吸数、最大呼吸数、呼吸数変動、心拍数、平均心拍数、安静時心拍数、最大心拍数、心拍数変動、燃焼カロリー数、血中酸素飽和度、皮膚電気活動（皮膚コンダクタンスまたは電気皮膚反応とも称される）、またはそれらの任意の組み合わせを判断することができる。いくつかの実装形態においては、活動トラッカー８９０が、ユーザデバイス８７０に（例えば、電子的または物理的に）連結されている。

いくつかの実装形態においては、活動トラッカー８９０が、スマートウォッチ、リストバンド、リング、またはパッチなど、ユーザ９１０が装着できるウェアラブルデバイスである。例えば図９を参照すると、活動トラッカー８９０がユーザ９１０の手首に装着されている。活動トラッカー８９０は、ユーザ９１０が着用する衣服または衣類に連結または統合することもできる。さらなる代替として、活動トラッカー８９０は、ユーザデバイス８７０（例えば同じハウジング内）に連結または統合することもできる。活動トラッカー８９０は、制御システム８１０、メモリデバイス８１４、呼吸療法システム８２０、ユーザデバイス８７０、および／または血圧デバイス８８０と通信可能に連結または物理的に（例えばハウジング内に）統合できるのが、より一般的である。

制御システム８１０およびメモリデバイス８１４は、システム８００の別々かつ別個の構成要素として図８に記載および図示されているが、いくつかの実装形態においては、制御システム８１０および／またはメモリデバイス８１４が、ユーザデバイス８７０および／または呼吸療法デバイス８２２に統合されている。代替として、いくつかの実装形態においては、制御システム８１０またはその一部分（例えばプロセッサ８１２）がクラウドに所在し得（例えば、サーバに統合され、モノのインターネット（ＩｏＴ）デバイスに統合され、クラウドに接続され、エッジクラウド処理を受け得るなど）、１つ以上のサーバ（例えば、リモートサーバ、ローカルサーバなど、またはそれらの任意の組み合わせ）に所在し得る。

システム８００は、上記の構成要素のすべてを含むものとして示されているが、本開示の実装形態にかかる、ユーザの睡眠段階を促進するためのシステムに含まれる構成要素は、それより多くも少なくもあり得る。例えば、第１の代替システムは、制御システム８１０と、メモリデバイス８１４と、１つ以上のセンサ８３０のうちの少なくとも１つと、を含み、呼吸療法システム８２０を含まない。別例として、第２の代替システムは、制御システム８１０と、メモリデバイス８１４と、１つ以上のセンサ８３０のうちの少なくとも１つと、ユーザデバイス８７０と、を含む。さらなる別例として、第３の代替システムは、制御システム８１０と、メモリデバイス８１４と、呼吸療法システム８２０と、１つ以上のセンサ８３０のうちの少なくとも１つと、ユーザデバイス８７０と、を含む。そのため、本明細書に表示および記載されている構成要素の任意の部分（単数または複数）を使用して、かつ／または１つ以上の他の構成要素と組み合わせて、様々なシステムを形成することができる。

システム２００および８００は、２つの別個のシステムであるものとして表示および記載されているが、一方のシステムの１つ以上の構成要素が、他方のシステムに含まれ得る。加えて、別様に明示的に記載されていない限り、システム２００および８００のうちの一方に関して本明細書に記載されているすべての機能は、システム２００および８００のうちの他方によって実行することができる。そのため、２つのシステム２００および８００が異なる実装形態であるものとして存在する環境に加え、２つのシステム２００および８００についての記載内容も、図１および図９に図示および記載のとおり、単なる便宜上のものでもあり、限定的であることを意図するものではない。あるシステムおよび環境に関するすべての記載内容は、その他のシステムおよび環境に適用することができる。

本明細書で使用されている睡眠セッションは、例えば、初回の開始時刻および終了時刻に基づいていくつかの方法で定義することができる。図１０を参照すると、ある睡眠セッションの例示的な時系列１０００が表されている。時系列１０００は、就床時刻（ｔ_ｂｅｄ）と、入眠時刻（ｔ_ＧＴＳ）と、初回睡眠時刻（ｔ_{ｓｌｅｅｐ}）と、第１の微小覚醒ＭＡ_１および第２の微小覚醒ＭＡ_２と、覚醒時刻（ｔ_ｗａｋｅ）と、起床時刻（ｔ_ｒｉｓｅ）と、を含む。

本明細書においては、睡眠セッションを複数の方法で定義することができる。例えば、睡眠セッションを、初回の開始時刻および終了時刻によって定義することができる。いくつかの実装形態においては、睡眠セッションが、ユーザが眠っている持続時間であり、すなわち睡眠セッションが、開始時刻と終了時刻とを有し、睡眠セッション中はユーザが終了時刻まで覚醒しない。すなわち、ユーザが覚醒している時間は、睡眠セッションに含まれない。睡眠セッションの第１の定義からは、ユーザが一晩で複数回覚醒および就眠した場合、それらの覚醒期間によって隔てられたそれぞれの睡眠期間が睡眠セッションとなる。

代替として、いくつかの実装形態においては、睡眠セッションが、開始時刻と終了時刻とを有し、その睡眠セッション中が、ユーザが覚醒している連続時間が覚醒持続時間閾値未満である限り、そのユーザは、睡眠セッションが終了せずに覚醒することができる。覚醒持続時間閾値は、睡眠セッションの百分率と定義することができる。覚醒持続時間閾値は、例えば、睡眠セッションの約２０パーセント、睡眠セッション持続時間の約１５パーセント、睡眠セッション持続時間の約１０パーセント、睡眠セッション持続時間の約５パーセント、睡眠セッション持続時間の約２パーセントなど、または他の任意の閾値百分率であり得る。いくつかの実装形態においては、覚醒持続時間閾値が固定された時間量、例えば、約１時間、約３０分、約１５分、約１０分、約５分、約２分など、または他の任意の時間量と定義される。

いくつかの実装形態においては、睡眠セッションが、ユーザが最初に就床した夜の時刻から、ユーザが最後に起床した翌朝の時刻までの総時間と定義される。別の言い方をすれば、睡眠セッションは、（ユーザが寝る前に最初にテレビを見たりスマートフォンをいじったりすることを意図した場合ではなく）ユーザが寝るという意図を持って最初に就床した、現在の夜と称せる第１の日付（例えば、２０２０年１月６日月曜日）の第１の時刻（例えば午後１０：００）に始まり、ユーザがその翌朝に再び寝ないという意図を持って最初に起床した、翌朝と称せる第２の日付（例えば２０２０年１月７日火曜日）の第２の時刻（例えば午前７：００）に終わる時間と定義することができる。

いくつかの実装形態においては、ユーザが睡眠セッションの開始を手動で定義し、かつ／または睡眠セッションを手動で終了させることができる。例えば、ユーザが、ユーザデバイス８７０（図８）のディスプレイデバイス８７２に表示される１つ以上のユーザ選択可能要素を（例えば、クリックすること、またはタップすることによって）選択して、睡眠セッションを手動で開始または終了させることができる。

睡眠セッションは、ユーザ９１０がベッド９３０（またはユーザが睡眠するつもりで利用する別の領域もしくは物体）に横たわったり座ったりした後、および呼吸療法デバイス８２２の電源を入れ、かつユーザインターフェース８２４を身に付けた後の任意の時点を含むのが一般的である。そのため、睡眠セッションは、（ｉ）ユーザ９１０がＣＰＡＰシステムを使用しているが、就眠しようする前の（例えば、ユーザ９１０がベッド９３０で横になって本を読んでいる）期間、（ｉｉ）ユーザ９１０が就眠しようとするがまだ覚醒している期間、（ｉｉｉ）ユーザ９１０が浅睡眠（非急速眼球運動（ノンレム）睡眠の段階１および段階２とも称される）に入っている期間、（ｉｖ）ユーザ９１０が深睡眠（徐波睡眠、ＳＷＳ、またはノンレム睡眠の段階３とも称される）に入っている期間、（ｖ）ユーザ９１０が急速眼球運動（レム）睡眠に入っている期間、（ｖｉ）ユーザ９１０が浅睡眠、深睡眠、またはレム睡眠の間で周期的に覚醒している期間、または（ｖｉｉ）ユーザ９１０が覚醒して再び就眠しない期間を含み得る。

睡眠セッションは、ユーザ９１０がユーザインターフェース８２４を取り外し、呼吸療法デバイス８２２をオフにし、ベッド９３０から出ると終了するものと定義されるのが一般的である。いくつかの実装形態においては、睡眠セッションが、追加期間を含むこと、または上に開示された期間の一部のみに限定することができる。睡眠セッションは、例えば、呼吸療法デバイス８２２が気道またはユーザ９１０に加圧空気を供給し始めたときに始まり、呼吸療法デバイス８２２がユーザ９１０の気道に加圧空気を供給するのを停止したときに終わり、ユーザ９１０が睡眠または覚醒しているときにその間の時点の一部または全部を含む期間を包含するように画定することができる。

図１０の時系列１０００を参照すると、就床時刻ｔ_ｂｅｄは、ユーザが就眠する前に最初に就床（例えば、図９のベッド９３０）する（例えば、ユーザがベッドに横になったり座ったりする）時刻と関連付けられている。就床時刻ｔ_ｂｅｄは、ユーザが寝るために就床する時刻と、ユーザが他の理由で（例えば、テレビを見るために）就床する時刻と、を区別するために、就床閾値持続時間に基づいて特定することができる。例えば、就床閾値持続時間は、少なくとも約１０分間、少なくとも約２０分間、少なくとも約３０分間、少なくとも約４５分間、少なくとも約１時間、少なくとも約２時間などであり得る。本明細書においては、ベッドを参照して就床時刻ｔ_ｂｅｄを説明しているが、就床時刻ｔ_ｂｅｄは、ユーザが寝るために最初に何らかの位置（例えば、ソファ、椅子、寝袋など）に就いた時刻を表し得るのが、より一般的である。

入眠時刻（ＧＴＳ）は、ユーザが、床に就いた後、最初に就眠を試行する時刻（ｔ_ｂｅｄ）と関連付けられている。例えば、ユーザは、床に就いた後、眠ろうとする前に、くつろぐために１つ以上の活動（例えば、読書、テレビ視聴、音楽鑑賞、ユーザデバイス８７０の使用など）をし得る。初回睡眠時刻（ｔ_{ｓｌｅｅｐ}）は、ユーザが最初に就眠した時刻である。例えば、初回睡眠時刻（ｔ_{ｓｌｅｅｐ}）は、ユーザが最初にノンレム睡眠段階に入った時刻であり得る。

覚醒時刻ｔ_ｗａｋｅは、（例えば、ユーザが夜中に目覚めて眠りに戻るのではなく、）ユーザが眠りに戻ることなく目覚めた時期と関連付けられた時刻である。ユーザは、最初に就眠した後、短い持続時間（例えば、５秒、１０秒、３０秒、１分など）を有する、より多くの無意識の微小覚醒（例えば、微小覚醒ＭＡ_１およびＭＡ_２）のうちの１つを経験し得る。ユーザは、覚醒時刻ｔ_ｗａｋｅではなく、微小覚醒ＭＡ_１およびＭＡ_２のそれぞれを経て、再び眠る。同様に、ユーザは、最初に就眠した後、１つ以上の意識的な覚醒（例えば、覚醒Ａ）（例えば、トイレに行くために起きる、子供やペットの世話をする、夢中歩行するなど）を有し得る。ただし、ユーザは覚醒Ａの後に睡眠に戻る。そのため、覚醒時刻ｔ_ｗａｋｅは、例えば、（例えば、ユーザが少なくとも１５分間、少なくとも２０分間、少なくとも３０分間、少なくとも１時間などにわたって覚醒している）覚醒閾値持続時間に定義することができる。

同様に、起床時刻ｔ_ｒｉｓｅは、（例えば、ユーザが夜中にトイレに行くこと、子供やペットの世話をすること、夢中歩行することなどではなく、）睡眠セッションを終了するという意図を持ってユーザがベッドを後にし、離れた時刻と関連付けられている。言い換えれば、起床時刻ｔ_ｒｉｓｅは、ユーザが次の睡眠セッション（例えば、翌日の夜）までベッドに戻ることなく、最後にベッドを離れた時刻である。そのため、起床時刻ｔ_ｒｉｓｅは、例えば、（例えば、ユーザが少なくとも１５分間、少なくとも２０分間、少なくとも３０分間、少なくとも１時間などにわたって離床している）起床閾値持続時間に基づいて定義することができる。第２の後続の睡眠セッションの就床時刻ｔ_ｂｅｄも、（例えば、ユーザが少なくとも４時間、少なくとも６時間、少なくとも８時間、少なくとも１２時間などにわたって離床している）起床閾値持続時間に基づいて定義することができる。

上記のとおり、ユーザは、初回のｔ_ｂｅｄから最終のｔ_ｒｉｓｅまでの夜間にもう１回目覚めて離床し得る。いくつかの実装形態においては、事象（例えば、就眠または離床）後の所定の閾値持続時間に基づいて特定または判断される最終覚醒時刻ｔ_ｗａｋｅおよび／または最終起床時刻ｔ_ｒｉｓｅ。かかる閾値持続時間が、ユーザに合わせてカスタマイズすることができる。夜就床し、朝覚醒および起床する標準的なユーザの場合には、約１２時間から約１８時間の間の任意の時間（ユーザが覚醒（ｔ_ｗａｋｅ）または起床（ｔ_ｒｉｓｅ）してから就床（ｔ_ｂｅｄ）、入眠（ｔ_ＧＴＳ）または就眠（ｔ_{ｓｌｅｅｐ}）するまでの間）を用いることができる。ベッドで過ごす時間が長いユーザであれば、より短い閾値期間（例えば、約８時間から約１４時間）が使用され得る。この閾値期間は、ユーザの睡眠挙動を監視するシステムに基づいて、最初に選択および／または後で調整され得る。

全就床時間（ＴＩＢ）は、就床時刻ｔ_ｂｅｄから起床時刻ｔ_ｒｉｓｅまでの持続時間である。全睡眠時間（ＴＳＴ）は、初回睡眠時刻から覚醒時刻までの持続時間から、その間の意識的または無意識的な覚醒および／または微小覚醒を除外した時間と関連付けられている。全睡眠時間（ＴＳＴ）は、全就床時間（ＴＩＢ）よりも短く（例えば、１分短く、１０分短く、１時間短くなど）なるのが一般的である。例えば、図１０の時系列１０００を参照すると、全睡眠時間（ＴＳＴ）は、初回睡眠時刻ｔ_{ｓｌｅｅｐ}から覚醒時刻ｔ_ｗａｋｅまでであるが、第１の微小覚醒ＭＡ_１、第２の微小覚醒ＭＡ_２、および覚醒Ａの持続時間が除外されている。図示のとおり、本実施例においては、全睡眠時間（ＴＳＴ）が全就床時間（ＴＩＢ）よりも短い。

いくつかの実装形態においては、全睡眠時間（ＴＳＴ）を、全持続睡眠時間（ＰＴＳＴ）と定義することができる。かかる実装形態においては、全持続睡眠時間が、第１のノンレム段階（例えば、浅睡眠段階）の所定の初期部分または初期時間を除外している。例えば、この所定初期部分は、約３０秒間から約２０分間、約１分間から約１０分間、約３分間から約５分間などであり得る。全持続睡眠時間は、持続的睡眠の測定値であり、睡眠／覚醒睡眠経過図を滑らかにする。例えば、ユーザの初回就眠時に、そのユーザは、非常に短い時間（例えば約３０秒間）にわたる第１のノンレム段階に入り、短時間（例えば１分間）の覚醒段階に戻った後に、第１のノンレム段階に戻り得る。本例においては、全持続睡眠時間が、第１のノンレム段階の最初の事例（例えば約３０秒間）を除外している。

いくつかの実装形態においては、睡眠セッションが、就床時刻（ｔ_ｂｅｄ）に始まり、起床時刻（ｔ_ｒｉｓｅ）に終わる時間、すなわち全就床時間（ＴＩＢ）と定義されている。いくつかの実装形態においては、睡眠セッションが、初回睡眠時刻（ｔ_{ｓｌｅｅｐ}）に始まり、覚醒時刻（ｔ_ｗａｋｅ）に終わるものと定義されている。いくつかの実装形態においては、睡眠セッションが、全睡眠時間（ＴＳＴ）と定義されている。いくつかの実装形態においては、睡眠セッションが、入眠時刻（ｔ_ＧＴＳ）に始まり、覚醒時刻（ｔ_ｗａｋｅ）に終わるものと定義されている。いくつかの実装形態においては、睡眠セッションが、入眠時刻（ｔ_ＧＴＳ）に始まり、起床時刻（ｔ_ｒｉｓｅ）に終わるものと定義されている。いくつかの実装形態においては、睡眠セッションが、就床時刻（ｔ_ｂｅｄ）に始まり、覚醒時刻（ｔ_ｗａｋｅ）に終わるものと定義されている。いくつかの実装形態においては、睡眠セッションが、初回睡眠時刻（ｔ_{ｓｌｅｅｐ}）に始まり、起床時刻（ｔ_ｒｉｓｅ）に終わるものと定義されている。

図１１を参照すると、いくつかの実装形態に係る、時系列１０００（図１０）に対応する例示的な睡眠経過図１１００が表されている。図示のとおり、睡眠経過図１１００が、睡眠／覚醒信号１１０１と、覚醒段階軸１１１０と、レム段階軸１１２０と、浅睡眠段階軸１１３０と、深睡眠段階軸１１４０と、を含む。睡眠／覚醒信号４０１と軸１１１０～１１４０のうちの１つとの交点は、睡眠セッション中の任意の所与の時刻における睡眠段階を示している。

睡眠／覚醒信号１１０１は、ユーザと関連付けられた（例えば、本明細書に記載されているセンサ８３０のうちの１つ以上によって生成された）生理学的データに基づいて生成することができる。睡眠／覚醒信号は、覚醒、安静覚醒、微小覚醒、レム段階、第１のノンレム段階、第２のノンレム段階、第３のノンレム段階、またはそれらの任意の組み合わせを含む１つ以上の睡眠状態を示し得る。いくつかの実装形態においては、第１のノンレム段階、第２のノンレム段階、および第３のノンレム段階のうちの１つ以上をひとまとめにし、浅睡眠段階または深睡眠段階として分類することができる。例えば、浅睡眠段階が、第１のノンレム段階を含み得、深睡眠段階は、第２のノンレム段階と第３のノンレム段階とを含み得る。睡眠経過図１１００は、図１１において、浅睡眠段階軸１１３０と深睡眠段階軸１１４０とを含むものとして示されているが、いくつかの実装形態において、睡眠経過図１１００は、第１のノンレム段階、第２のノンレム段階、および第３のノンレム段階のそれぞれを表す軸を含み得る。他の実装形態においては、睡眠／覚醒信号が、呼吸信号、呼吸数、吸気振幅、呼気振幅、吸気対呼気比、時間当たりの事象数、事象パターン、またはそれらの任意の組み合わせも示し得る。睡眠／覚醒信号について記述している情報が、メモリデバイス８１４に記憶することができる。

睡眠経過図１１００は、例えば、入眠潜時（ＳＯＬ）、入眠後覚醒（ＷＡＳＯ）、睡眠効率（ＳＥ）、睡眠断片化指数、睡眠ブロック、またはそれらの任意の組み合わせなど、１つ以上の睡眠関連パラメータを判断するのに使用することができる。

入眠潜時（ＳＯＬ）は、入眠時刻（ｔ_ＧＴＳ）と初回睡眠時刻（ｔ_{ｓｌｅｅｐ}）との間の時間と定義される。言い換えれば、入眠潜時は、ユーザが最初に就眠を試行してから実際に就眠するまでに要した時間を示す。いくつかの実装形態においては、入眠潜時が持続的入眠潜時（ｐｅｒｓｉｓｔｅｎｔｓｌｅｅｐｏｎｓｅｔｌａｔｅｎｃｙ：ＰＳＯＬ）と定義される。持続的入眠潜時が、入眠時刻から所定量の持続的睡眠までの持続時間と定義されるという点で、入眠潜時とは異なる。いくつかの実装形態においては、所定量の持続的睡眠が、例えば、第２のノンレム段階内、第３のノンレム段階内、ならびに／または２分間以下の覚醒、第１のノンレム段階、および／もしくはその間の移行を伴うレム段階内の少なくとも１０分間の睡眠、を含み得る。言い換えれば、持続的入眠潜時が、例えば、第２のノンレム段階内、第３のノンレム段階内、および／またはレム段階内での最大８分間の持続的睡眠を要する。他の実装形態においては、所定量の持続的睡眠が、初回睡眠時刻後の第１のノンレム段階内、第２のノンレム段階内、第３のノンレム段階内、および／またはレム段階内の少なくとも１０分間の睡眠を含み得る。かかる実装形態においては、所定量の持続的睡眠が、一切の微小覚醒を除外し得る（例えば、１０秒間の微小覚醒後に、その１０分間が再開されることはない）。

入眠後覚醒（ＷＡＳＯ）は、初回睡眠時刻から覚醒時刻までの間でユーザが覚醒している全持続時間と関連付けられている。そのため、入眠後覚醒は、意識的か無意識的かを問わず、睡眠セッション中の短時間覚醒と微小覚醒と（例えば、図１１に示す微小覚醒ＭＡ_１とＭＡ_２と）を含む。いくつかの実装形態においては、入眠後覚醒（ＷＡＳＯ）が、所定の長さ（例えば、１０秒間超、３０秒間超、６０秒間超、約５分間超、約１０分間超など）を有する全覚醒持続時間だけを含む持続的入眠後覚醒（ＰＷＡＳＯ）と定義される。

睡眠効率（ＳＥ）が、全就床時間（ＴＩＢ）と全睡眠時間（ＴＳＴ）との比率と判断される。例えば、全就床時間が８時間で、全睡眠時間が７．５時間であれば、その睡眠セッションの睡眠効率は９３．７５％である。睡眠効率は、ユーザの睡眠衛生を示す。例えば、ユーザが就床し、睡眠前に他の活動（例えば、テレビの視聴）に時間を費やすと、睡眠効率が低下する（例えば、そのユーザが罰則を受ける）。いくつかの実装形態においては、全就床時間（ＴＩＢ）と、ユーザが入眠を試行する全時間と、に基づいて睡眠効率（ＳＥ）を計算することができる。かかる実装形態においては、ユーザが入眠を試行する全持続時間が、本明細書に記載されている入眠（ＧＴＳ）時刻から起床時刻までの時間と定義される。例えば、全睡眠時間が８時間（例えば、午後１１時から午前７時まで）、入眠時刻が午後１０：４５、起床時刻が午前７：１５であれば、かかる実装形態においては、睡眠効率パラメータが約９４％と計算される。

断片化指数が、睡眠セッション中の覚醒回数に少なくとも部分的に基づいて判断される。例えば、ユーザが２回の微小覚醒（例えば、図１１に示す微小覚醒ＭＡ_１および微小覚醒ＭＡ_２）を有していた場合には、断片化指数を２と表すことができる。いくつかの実装形態においては、この断片化指数が、所定範囲の整数間（例えば、０から１０の間）でスケーリングされる。

睡眠ブロックが、任意の睡眠段階（例えば、第１のノンレム段階、第２のノンレム段階、第３のノンレム段階、および／またはレム）と覚醒段階との間での移行と関連付けられる。睡眠ブロックは、例えば、３０秒の分解能で計算することができる。

いくつかの実装形態においては、本明細書に記載されているシステムおよび方法が、就床時刻（ｔ_ｂｅｄ）、入眠時刻（ｔ_ＧＴＳ）、初回睡眠時刻（ｔ_{ｓｌｅｅｐ}）、１回以上の第１の微小覚醒（例えば、ＭＡ_１およびＭＡ_２）、覚醒時刻（ｔ_ｗａｋｅ）、起床時刻（ｔ_ｒｉｓｅ）、またはそれらの任意の組み合わせを睡眠経過図の睡眠／覚醒信号に少なくとも部分的に基づいて判断または特定するために、睡眠／起床信号を含む睡眠経過図を生成または分析することを含み得る。

他の実装形態においては、センサ８３０のうちの１つ以上を使用して、就床時刻（ｔ_ｂｅｄ）、入眠時刻（ｔ_ＧＴＳ）、初回睡眠時刻（ｔ_{ｓｌｅｅｐ}）、１回以上の第１の微小覚醒（例えば、ＭＡ_１およびＭＡ_２）、覚醒時刻（ｔ_ｗａｋｅ）、起床時刻（ｔ_ｒｉｓｅ）、またはそれらの任意の組み合わせを判断または特定することができ、ひいては睡眠セッションを定義することができる。例えば、就床時刻ｔ_ｂｅｄは、モーションセンサ８３８、マイクロフォン８４０、カメラ８５０、またはそれらの任意の組み合わせなどによって生成されたデータに基づいて判断することができる。入眠時刻は、例えば、モーションセンサ８３８からのデータ（例えば、ユーザによる移動がないことを示すデータ）、カメラ８５０からのデータ（例えば、ユーザによる移動がないこと、および／またはユーザが照明を消したことを示すデータ）、マイクロフォン８４０からのデータ（例えば、使用がテレビを消したことを示すデータ）、ユーザデバイス８７０からのデータ（例えば、ユーザがユーザデバイス８７０をもう使用していないことを示すデータ）、圧力センサ８３２および／または流量センサ８３４からのデータ（例えば、ユーザが呼吸療法デバイス８２２の電源を投入したことを示すデータ、ユーザがユーザインターフェース８２４を着用したことを示すデータなど）、またはそれらの任意の組み合わせなどに基づいて判断することができる。

さらには、上述したプロセスの任意の１つ以上の態様を、上述した１つ以上の他のプロセスの任意の１つ以上の他の態様と組み合わせることができる。そのため、１つのプロセスに関して種々の態様が述べられているが、かかる態様は、その１つのプロセスのみと関連付けられることに限定されず、他の開示されたプロセスのうちの１つ以上と組み合わせることができ、その１つ以上のプロセスに関して述べられている他の態様と組み合わせることも、組み合わせずに単独で使用することもできる。

以下の請求項１～１３６のうちいずれかの１つ以上からの１つ以上の要素または態様またはステップあるいはその一部（単数または複数）をその他の請求項１～１３６のいずれかの１つ以上あるいはその組み合わせからの１つ以上の要素または態様またはステップあるいはその一部（単数または複数）と組み合わせることにより、本開示の１つ以上のさらなる実装形態および／または請求項を形成することができ得る。

本開示について１つ以上の特定の実装形態を参照して説明してきたが、当業者であれば、本開示の意図および範囲から逸脱すること無く多数の変更が可能であり得ることを認識する。これらの実施形態および実装形態、ならびにそれらの明らかな変形のそれぞれが、以下の特許請求の範囲に記載されている本開示の精神および範囲内に収まるものと考察される。

〔関連出願の相互参照〕
本出願は、２０２０年４月３０日に出願された米国仮特許出願第６３／０１８，３５８号の恩恵と優先権を主張する。同文献は、参照によりその全体が本明細書に組み込まれる。

Claims

睡眠セッション中のユーザであって、前記睡眠セッション中に呼吸療法システムを使用しているユーザの現在の睡眠段階を判断することと、
（ｉ）１つ以上のユーザパラメータ、１つ以上の以前の睡眠セッションからの情報、またはそれらの組み合わせ、および（ｉｉ）前記現在の睡眠段階に少なくとも部分的に基づいて、前記睡眠セッション中に前記ユーザに到来する非所望の睡眠段階を予測することと、
前記呼吸療法システム、前記ユーザの環境内の１つ以上のデバイス、またはそれらの組み合わせの１つ以上の制御パラメータを調整して、前記ユーザの所望の睡眠段階を促進し、それによって前記ユーザの睡眠を最適化することと、を含む方法。
前記１つ以上の以前の睡眠セッションからの前記情報が、前記ユーザの１つ以上の以前の睡眠セッションに関する情報である、請求項１に記載の方法。
前記１つ以上の以前の睡眠セッションからの前記情報が、１人以上のユーザの１つ以上の睡眠セッション中の前記１人以上のユーザからのクラウドソース情報である、請求項１または２に記載の方法。
前記所望の睡眠段階が、前記現在の睡眠段階の続きであり、前記１つ以上の制御パラメータの前記調整により、前記非所望の睡眠段階への進捗よりも前記現在の睡眠段階の維持が促進される、請求項１から３のいずれか一項に記載の方法。
前記所望の睡眠段階が、前記現在の睡眠段階とは異なり、前記１つ以上の制御パラメータの前記調整により、前記現在の睡眠段階が前記ユーザの所望の睡眠アーキテクチャ内で前記所望の睡眠段階へと進捗することが促進される、請求項１から３のいずれか一項に記載の方法。
前記１つ以上の制御パラメータの前記調整が、前記非所望の睡眠段階が発生する前に発生して、前記現在の睡眠段階の後に前記ユーザが前記非所望の睡眠段階を経験する可能性を下げる、請求項１から５のいずれか一項に記載の方法。
前記１つ以上の制御パラメータの前記調整が、前記非所望の睡眠段階が発生した後に発生して、前記非所望の睡眠段階から前記所望の睡眠段階への変更を促進する、請求項１から５のいずれか一項に記載の方法。
前記１つ以上の以前の睡眠セッションからの前記情報が、前記ユーザの過去の睡眠段階情報、睡眠セッション中の睡眠持続時間、過去の無呼吸－低呼吸指数、またはそれらの組み合わせを含む、請求項１から７のいずれか一項に記載の方法。
前記１つ以上の以前の睡眠セッションからの前記情報が、１つ以上の流れレベル、１つ以上の湿度レベル、１つ以上の温度レベル、１つ以上の漏れレベル、１つ以上の無呼吸－低呼吸指数、呼吸療法システムを使用する療法セッションの数および／もしくは持続時間、前記ユーザの位置および／もしくは姿勢の変更、またはそれらの組み合わせを含む１つ以上の睡眠プロファイルを含む、請求項１から８のいずれか一項に記載の方法。
前記１つ以上のユーザパラメータが、前記睡眠セッション中の無呼吸の数、低呼吸の数、いびきレベル、マスク漏れレベル、呼吸療法システムの現在の使用の持続時間、吐出息中の二酸化炭素レベル、睡眠時間、睡眠段階、心臓パラメータ、全身運動レベル、１つ以上の微小覚醒、またはそれらの組み合わせを含む、請求項１から９のいずれか一項に記載の方法。
前記非所望の睡眠段階の前記予測が、
前記ユーザの睡眠アーキテクチャを通じて前記ユーザの睡眠の予想進捗を前記睡眠セッションの残存期間中に推定することと、
前記ユーザの睡眠の前記予想進捗を、正規化された健康な睡眠者の予想睡眠アーキテクチャのモデルと比較して、前記ユーザの睡眠の前記予想進捗が、正規化された健康な睡眠者から逸脱しているかどうかを確認することと、を含む、請求項１から１０のいずれか一項に記載の方法。
睡眠アーキテクチャ調整の１つ以上のモデルを使用した複数のシミュレーションを実施して、前記１つ以上の制御パラメータの前記調整前に、前記１つ以上の制御パラメータの前記調整によって前記所望の睡眠段階が促進または維持される可能性が高いかどうかを推定することをさらに含む、請求項１から１１のいずれか一項に記載の方法。
前記１つ以上のモデルが、１つ以上の制御パラメータが調整された前記ユーザの１つ以上の以前の睡眠セッションに基づく１つ以上の機械訓練モデルである、請求項１２に記載の方法。
前記１つ以上の制御パラメータの前記調整の結果を追跡して、前記１つ以上のモデルの有効性を検証することをさらに含む、請求項１２または１３に記載の方法。
前記１つ以上の制御パラメータの前記調整の前記結果に基づいて前記１つ以上のモデルを更新して、前記ユーザの前記睡眠を最適化するという点で前記１つ以上のモデルを改善することをさらに含む、請求項１４に記載の方法。
前記１つ以上のユーザパラメータ、前記呼吸療法システム、前記ユーザの前記環境、またはそれらの組み合わせを監視して、睡眠妨害閾値を満たす１つ以上の事象が発生するかどうかを判断することをさらに含む、請求項１から１５のいずれか一項に記載の方法。
前記現在の睡眠段階の前記判断、前記非所望の睡眠段階の前記予測、または前記１つ以上の制御パラメータの前記調整のうちの少なくとも１つを、前記１つ以上の事象の後の閾値期間にわたって一時停止することをさらに含む、請求項１６に記載の方法。
前記１つ以上の制御パラメータを判断する１つ以上のモデルを訓練するための前記１つ以上の事象の後の閾値期間にわたり、前記１つ以上のユーザパラメータ、前記呼吸療法システムの前記１つ以上の制御パラメータ、前記ユーザの前記環境内の前記１つ以上のデバイスの前記１つ以上の制御パラメータ、またはそれらの組み合わせを無視することをさらに含む、請求項１６に記載の方法。
前記予測することが、少なくとも部分的には、１つ以上の所望の睡眠アーキテクチャを使用して訓練された１つ以上の事前訓練モデルまたは動的モデルによって実行される、請求項１から１８のいずれか一項に記載の方法。
前記１つ以上の制御パラメータの前記調整の結果に少なくとも部分的に基づいて、前記１つ以上の事前訓練モデルまたは動的モデルを更新することをさらに含む、請求項１９に記載の方法。
前記１つ以上の所望の睡眠アーキテクチャが複数のユーザに由来する、請求項１９または２０に記載の方法。
前記１つ以上の所望のアーキテクチャが前記ユーザに由来する、請求項１９から２１のいずれか一項に記載の方法。
前記呼吸療法システムの前記１つ以上の制御パラメータが、前記呼吸療法システムから前記ユーザに供給された加圧空気の流れレベル、前記呼吸療法システムから前記ユーザに供給された加圧空気の圧力レベル、モータ速度、通気弁、前記呼吸療法システムから前記ユーザに供給された加圧空気の湿度レベル、前記呼吸療法システムから前記ユーザに供給された加圧空気の温度レベル、またはそれらの組み合わせを含む、請求項１から２２のいずれか一項に記載の方法。
前記ユーザの前記環境内の前記１つ以上のデバイスの前記１つ以上の制御パラメータが、前記ユーザの前記環境の光レベル、音レベル、室温レベル、湿度レベル、音レベル、電気刺激、サウンドマスキングまたはサウンドキャンセレーションレベル、ベッドレベル、枕膨張、前記ユーザに姿勢を変更させるマットレス膨張ゾーン、ベッド温度、香り、またはそれらの組み合わせを含む、請求項１から２３のいずれか一項に記載の方法。
前記現在のみぞれ段階に続く前記所望の睡眠段階が、前記ユーザの所望の睡眠アーキテクチャに基づく、請求項１から２４のいずれか一項に記載の方法。
睡眠サイクルもしくは前記睡眠セッション、前記１つ以上の以前の睡眠セッション、またはそれらの組み合わせの進行中に過剰な浅睡眠を経験する前記ユーザの前記睡眠を最適化するために、前記非所望の睡眠段階がＮ１またはＮ２であり、前記所望の睡眠段階がＮ３またはレムである、請求項１から２５のいずれか一項に記載の方法。
睡眠サイクルもしくは前記睡眠セッション、前記１つ以上の以前の睡眠セッション、またはそれらの組み合わせの進行中に過剰な深睡眠またはレム睡眠を経験する前記ユーザの前記睡眠を最適化するために、前記非所望の睡眠段階がＮ３またはレムであり、前記所望の睡眠段階がＮ１またはＮ２である、請求項１から２６のいずれか一項に記載の方法。
前記ユーザが、前記睡眠セッション、前記１つ以上の以前の睡眠セッション、またはそれらの組み合わせの進行中に過剰なＮ３またはレム睡眠を有することによって睡眠不足を過剰に補償することに起因する過剰な深睡眠またはレム睡眠を経験する、請求項２７に記載の方法。
１つ以上のプロセッサを備える制御システムと、
機械可読命令を記憶したメモリと、を備え、
前記制御システムが前記メモリに連結され、前記メモリ内の前記機械実行可能命令が前記制御システムの前記１つ以上のプロセッサのうちの少なくとも１つによって実行されると、請求項１から２８のいずれか一項に記載の方法が実施される、システム。
請求項１から２８のいずれか一項に記載の方法を実施するように構成された制御システムを備える、前記ユーザの前記所望の睡眠段階を促進するためのシステム。
コンピュータによって実行されると、請求項１から２８のいずれか一項に記載の方法を前記コンピュータに実行させる命令を備えるコンピュータプログラム製品。
前記コンピュータプログラム製品が、非一時的コンピュータ可読媒体である、請求項３１に記載のコンピュータプログラム製品。
呼吸療法システムを装着しているユーザの将来の睡眠段階が、睡眠セッション中に最適な睡眠アーキテクチャ内の所望の睡眠段階から変化する可能性を予測することと、
前記睡眠セッション中に前記呼吸療法システムの１つ以上の設定を調整して、前記将来の睡眠段階の前記可能性を下げ、前記所望の睡眠段階を促進することと、を含む方法。
前記睡眠セッション中の以前の睡眠サイクルの数、前記睡眠セッション中の現在の睡眠サイクル内の持続時間、前記睡眠セッション中の所望の睡眠サイクルの数、前記睡眠セッションの所望の時間長、またはそれらの組み合わせに少なくとも部分的に基づいて前記所望の睡眠段階を判断することをさらに含む、請求項３３に記載の方法。
前記呼吸療法システムの前記１つ以上の設定を調整することと関連付けられた１つ以上の可能なシナリオを分析して、前記１つ以上のシナリオが発生する確率を判断することをさらに含み、前記呼吸療法システムの前記１つ以上の設定の前記調整が、最も高い確率を有する前記シナリオの１つ以上の設定に少なくとも部分的に基づく、請求項３３または３４に記載の方法。
前記１つ以上の設定が、前記呼吸療法システムから前記ユーザに供給された加圧空気の流れレベル、前記呼吸療法システムから前記ユーザに供給された加圧空気の圧力レベル、モータ速度、通気弁、前記呼吸療法システムから前記ユーザに供給された加圧空気の湿度レベル、前記呼吸療法システムから前記ユーザに供給された加圧空気の温度レベル、またはそれらの組み合わせを含む、請求項３３から３５のいずれか一項に記載の方法。
前記ユーザの環境の１つ以上の環境パラメータを調整して、前記将来の睡眠段階の前記可能性を下げ、前記所望の睡眠段階を促進することをさらに含む、請求項３３から３６のいずれか一項に記載の方法。
前記１つ以上の環境パラメータが、前記ユーザの前記環境の光レベル、音レベル、室温レベル、湿度レベル、音レベル、電気刺激、サウンドマスキングまたはサウンドキャンセレーションレベル、ベッドレベル、枕膨張、前記ユーザに姿勢を変更させるマットレス膨張ゾーン、ベッド温度、香り、またはそれらの組み合わせを含む、請求項３７に記載の方法。
前記予測することが、前記ユーザの現在の睡眠段階および前記ユーザの過去の睡眠段階情報に少なくとも部分的に基づく、請求項３３から３８のいずれか一項に記載の方法。
１つ以上の生理学的信号、ウェアラブルスマートデバイスからの１つ以上の信号、またはそれらの組み合わせに少なくとも部分的に基づいて前記ユーザの現在の睡眠段階を判断することをさらに含む、請求項３９に記載の方法。
前記生理学的信号が、流れ信号、１つ以上のパッシブ音響信号、１つ以上のアクティブ音響信号、１つ以上の心臓信号、またはそれらの任意の組み合わせのうちの１つ以上を含む、請求項４０に記載の方法。
前記ユーザの前記過去の睡眠段階情報が、前記睡眠セッション、１つ以上の以前の睡眠セッション、またはそれらの組み合わせに関するものである、請求項３９から４１のいずれか一項に記載の方法。
前記予測することが、現在の残存ＡＨＩ、過去の残存ＡＨＩ、またはそれらの組み合わせに少なくとも部分的に基づく、請求項３９から４２のいずれか一項に記載の方法。
前記予測することが、前記睡眠セッションの時点に少なくとも部分的に基づく、請求項３９から４３のいずれか一項に記載の方法。
前記予測することが、前記ユーザの１つ以上のユーザパラメータに少なくとも部分的に基づく、請求項３９から４４のいずれか一項に記載の方法。
前記１つ以上のユーザパラメータが、呼気二酸化炭素レベル、心臓パラメータ、呼吸パラメータ、運動パラメータ、前記ユーザの位置および／もしくは姿勢、またはそれらの組み合わせを含む、請求項４５に記載の方法。
１つ以上のプロセッサを備える制御システムと、
機械可読命令を記憶したメモリと、を備え、
前記制御システムが前記メモリに連結され、前記メモリ内の前記機械実行可能命令が前記制御システムの前記１つ以上のプロセッサのうちの少なくとも１つによって実行されると、請求項３３から４６のいずれか一項に記載の方法が実施される、システム。
請求項３３から４６のいずれか一項に記載の方法を実施するように構成された制御システムを備える、前記ユーザの前記所望の睡眠段階を促進するためのシステム。
コンピュータによって実行されると、請求項３３から４６のいずれか一項に記載の方法を前記コンピュータに実行させる命令を備えるコンピュータプログラム製品。
前記コンピュータプログラム製品が、非一時的コンピュータ可読媒体である、請求項４９に記載のコンピュータプログラム製品。
睡眠セッション中のユーザであって、前記睡眠セッション中に呼吸療法システムを使用しているユーザの現在の睡眠段階を判断することと、
前記呼吸療法システム、前記ユーザの環境内の１つ以上のデバイス、またはそれらの組み合わせの１つ以上の制御パラメータを調整して、前記現在の睡眠段階よりも前記ユーザの所望の睡眠段階を促進し、それによって前記ユーザの睡眠を最適化することと、を含む方法。
前記所望の睡眠段階が、前記睡眠セッション中に前記ユーザが最適な睡眠アーキテクチャにおいてたどる所望の進捗に基づいて前記現在の睡眠段階よりも所望される、請求項５１に記載の方法。
前記睡眠セッション中にユーザが現在の睡眠サイクル内にいた時間長を判断することをさらに含み、前記１つ以上の制御パラメータの前記調整が前記時間長に基づいて発生する、請求項５１または５２に記載の方法。
前記所望の睡眠段階が、前記ユーザが前記現在の睡眠サイクル内にいた前記時間長に少なくとも部分的に基づいて判断される、請求項５３に記載の方法。
前記所望の睡眠段階が、前記睡眠セッション中の前記ユーザの以前の睡眠サイクルの数に少なくとも部分的に基づいて判断される、請求項５３または５４に記載の方法。
睡眠サイクルもしくは前記睡眠セッション、前記１つ以上の以前の睡眠セッション、またはそれらの組み合わせの進行中に過剰な浅睡眠を経験する前記ユーザの睡眠を最適化するために、前記現在の睡眠段階がＮ１またはＮ２であり、前記所望の睡眠段階がＮ３またはレムである、請求項５１から５５のいずれか一項に記載の方法。
睡眠サイクルもしくは前記睡眠セッション、前記１つ以上の以前の睡眠セッション、またはそれらの組み合わせの進行中に過剰な深睡眠またはレム睡眠を経験する前記ユーザの睡眠を最適化するために、前記現在の睡眠段階がＮ３またはレムであり、前記所望の睡眠段階がＮ１またはＮ２である、請求項５１から５６のいずれか一項に記載の方法。
前記ユーザが、前記睡眠セッション、前記１つ以上の以前の睡眠セッション、またはそれらの組み合わせの進行中に過剰なＮ３またはレム睡眠を有することによって睡眠不足を過剰に補償することに起因する過剰な深睡眠またはレム睡眠を経験する、請求項５７に記載の方法。
１つ以上のプロセッサを備える制御システムと、
機械可読命令を記憶したメモリと、を備え、
前記制御システムが前記メモリに連結され、前記メモリ内の前記機械実行可能命令が前記制御システムの前記１つ以上のプロセッサのうちの少なくとも１つによって実行されると、請求項５１から５８のいずれか一項に記載の方法が実施される、システム。
請求項５１から５８のいずれか一項に記載の方法を実施するように構成された制御システムを備える、前記ユーザの睡眠を最適化するためのシステム。
コンピュータによって実行されると、請求項５１から５８のいずれか一項に記載の方法を前記コンピュータに実行させる命令を備えるコンピュータプログラム製品。
前記コンピュータプログラム製品が、非一時的コンピュータ可読媒体である、請求項６１に記載のコンピュータプログラム製品。
呼吸療法システムを使用しているユーザの睡眠セッション中の第１の睡眠段階から非所望の睡眠段階への変更を検出することと、
１つ以上の設定変更を前記呼吸療法システムに適用して、前記非所望の睡眠段階を前記ユーザの睡眠アーキテクチャ内の所望の睡眠段階に変更することと、を含む方法。
前記所望の睡眠段階が、前記第１の睡眠段階である、請求項６３に記載の方法。
前記所望の睡眠段階が、前記第１の睡眠段階とは異なる第２の睡眠段階である、請求項６３に記載の方法。
前記１つ以上の設定変更の各設定変更が、前記設定変更が前記ユーザの前記睡眠に悪影響を及ぼす可能性に基づいて重み付けされ、前記１つ以上の設定変更の前記適用が、最も低い可能性で重み付けされた設定変更を適用することを含む、請求項６３から６５のいずれか一項に記載の方法。
前記ユーザの前記睡眠に悪影響を及ぼすことが、覚醒をもたらす微小覚醒や、無呼吸、いびき、および／または咳などの呼吸事象などの睡眠妨害をもたらすことを含む、請求項６６に記載の方法。
前記１つ以上の設定変更の各設定変更が、前記設定変更が前記非所望の睡眠段階から前記所望の睡眠段階への前記変更をもたらすのに必要な時間に基づいて重み付けされ、前記１つ以上の設定変更の前記適用が、最短時間で重み付けされた設定変更を適用することを含む、請求項６３から６７のいずれか一項に記載の方法。
前記１つ以上の設定変更の各設定変更が、前記設定変更が前記ユーザの前記睡眠に悪影響を及ぼす可能性に基づき、より高い重み付けがより低い可能性に対応する形で、かつ、前記設定変更が前記非所望の睡眠段階から前記所望のみぞれ段階への前記変更をもたらすのに必要な時間に基づき、より高い重み付けがより短い時間に対応する形で重み付けされ、前記１つ以上の設定変更の前記適用が、全体的な重み付けが最も高い設定変更を適用することを含む、請求項６３から６８のいずれか一項に記載の方法。
前記１つ以上の設定変更の前記適用が、前記１つ以上の設定変更を、前記重み付けの順序で、前記非所望の睡眠段階から前記所望の睡眠段階への前記変更が発生するまで適用することを含む、請求項６９に記載の方法。
前記ユーザの環境の１つ以上の環境パラメータを調整して、前記非所望の睡眠段階を前記所望の睡眠に変更することをさらに含む、請求項６３から７０のいずれか一項に記載の方法。
前記１つ以上の環境パラメータの各環境パラメータが、前記環境パラメータの前記調整が前記ユーザの前記睡眠に悪影響を及ぼす可能性に基づいて重み付けされ、前記１つ以上の環境パラメータの前記調整が、前記最も低い可能性で重み付けされた環境パラメータを調整することを含む、請求項７１に記載の方法。
１つ以上のプロセッサを備える制御システムと、
機械可読命令を記憶したメモリと、を備え、
前記制御システムが前記メモリに連結され、前記メモリ内の前記機械実行可能命令が前記制御システムの前記１つ以上のプロセッサのうちの少なくとも１つによって実行されると、請求項６３から７２のいずれか一項に記載の方法が実施される、システム。
請求項６３から７２のいずれか一項に記載の方法を実施するように構成された制御システムを備えるシステム。
コンピュータによって実行されると、請求項６３から７２のいずれか一項に記載の方法を前記コンピュータに実行させる命令を備えるコンピュータプログラム製品。
前記コンピュータプログラム製品が、非一時的コンピュータ可読媒体である、請求項７５に記載のコンピュータプログラム製品。
機械可読命令を記憶するメモリと、
睡眠セッション中のユーザであって、前記睡眠セッション中に呼吸療法システムを使用しているユーザの現在の睡眠段階を判断するため、
１つ以上のユーザパラメータ、１つ以上の以前の睡眠セッションからの情報、またはそれらの組み合わせ、および前記現在の睡眠段階に少なくとも部分的に基づいて、前記睡眠セッション中に前記ユーザに到来する非所望の睡眠段階を予測するため、および
前記呼吸療法システム、前記ユーザの環境内の１つ以上のデバイス、またはそれらの組み合わせの１つ以上の制御パラメータを調整して、前記ユーザの所望の睡眠段階を促進し、それによって前記ユーザの睡眠を最適化するために前記機械可読命令を実行するように構成された１つ以上のプロセッサを含む制御システムと、を備えるシステム。
前記１つ以上の以前の睡眠セッションからの前記情報が、前記ユーザの１つ以上の以前の睡眠セッションに関する情報である、請求項７７に記載のシステム。
前記１つ以上の以前の睡眠セッションからの前記情報が、１人以上のユーザの１つ以上の睡眠セッション中の前記１人以上のユーザからのクラウドソース情報である、請求項７７または７８に記載のシステム。
前記所望の睡眠段階が、前記現在の睡眠段階の続きであり、前記１つ以上の制御パラメータの前記調整により、前記非所望の睡眠段階への進捗よりも前記現在の睡眠段階の維持が促進される、請求項７７から７９のいずれか一項に記載のシステム。
前記所望の睡眠段階が、前記現在の睡眠段階とは異なり、前記１つ以上の制御パラメータの前記調整により、前記現在の睡眠段階が前記ユーザの所望の睡眠アーキテクチャ内で前記所望の睡眠段階へと進捗することが促進される、請求項７７から８０のいずれか一項に記載のシステム。
前記１つ以上の制御パラメータの前記調整が、前記非所望の睡眠段階が発生する前に発生して、前記現在の睡眠段階の後に前記ユーザが前記非所望の睡眠段階を経験する可能性を下げる、請求項７７から８１のいずれか一項に記載のシステム。
前記１つ以上の制御パラメータの前記調整が、前記非所望の睡眠段階が発生した後に発生して、前記非所望の睡眠段階から前記所望の睡眠段階への変更を促進する、請求項７７から８１のいずれか一項に記載のシステム。
前記１つ以上の以前の睡眠セッションからの前記情報が、前記ユーザの過去の睡眠段階情報、睡眠セッション中の睡眠持続時間、過去の無呼吸－低呼吸指数、またはそれらの組み合わせを含む、請求項７７から８３のいずれか一項に記載のシステム。
前記１つ以上の以前の睡眠セッションからの前記情報が、１つ以上の流れレベル、１つ以上の湿度レベル、１つ以上の温度レベル、１つ以上の漏れレベル、１つ以上の無呼吸－低呼吸指数、呼吸療法システムを使用する療法セッションの数および／もしくは持続時間、前記ユーザの位置および／もしくは姿勢の変更、またはそれらの組み合わせを含む１つ以上の睡眠プロファイルを含む、請求項７７から８４のいずれか一項に記載のシステム。
前記１つ以上のユーザパラメータが、前記睡眠セッション中の無呼吸の数、低呼吸の数、いびきレベル、マスク漏れレベル、呼吸療法システムの現在の使用の持続時間、吐出息中の二酸化炭素レベル、睡眠時間、睡眠段階、心臓パラメータ、全身運動レベル、１つ以上の微小覚醒、またはそれらの組み合わせを含む、請求項７７から８５のいずれか一項に記載のシステム。
前記制御システムが、前記非所望の睡眠段階の前記予測のために、前記機械可読命令を実行して、
前記ユーザの睡眠アーキテクチャを通じて前記ユーザの睡眠の予想進捗を前記睡眠セッションの残存期間中に推定し、
前記ユーザの睡眠の前記予想進捗を、正規化された健康な睡眠者の予想睡眠アーキテクチャのモデルと比較して、前記予想睡眠進展が、正規化された健康な睡眠者から逸脱しているかどうかを確認する
ようにさらに構成されている、請求項７７から８６のいずれか一項に記載のシステム。
前記制御システムが、前記機械可読命令を実行して、睡眠アーキテクチャ調整の１つ以上のモデルを使用した複数のシミュレーションを実施して、前記１つ以上の制御パラメータの前記調整前に、前記１つ以上の制御パラメータの前記調整によって前記所望の睡眠段階が促進または維持される可能性が高いかどうかを推定するようにさらに構成されている、請求項７７から８７のいずれか一項に記載のシステム。
前記１つ以上のモデルが、１つ以上の制御パラメータが調整された前記ユーザの１つ以上の以前の睡眠セッションに基づく１つ以上の機械訓練モデルである、請求項８８に記載のシステム。
前記制御システムが、前記１つ以上の制御パラメータの前記調整の結果を追跡して前記１つ以上のモデルの有効性を検証するために前記機械可読命令を実行するようにさらに構成されている、請求項８８に記載のシステム。
前記制御システムが、前記１つ以上の制御パラメータの前記調整の前記結果に基づいて前記１つ以上のモデルを更新して、前記ユーザの前記睡眠を最適化するという点で前記１つ以上のモデルを改善するために前記機械可読命令を実行するようにさらに構成されている、請求項９０に記載のシステム。
前記所望の結果をもたらす調整された前記１つ以上の制御パラメータが、前記所望の結果をもたらさない調整された制御パラメータよりも高く重み付けされる、請求項９１に記載のシステム。
より高い重みが、より低い重みと比較して、将来のある時間に調整される確率が高いことを示す、請求項９２に記載のシステム。
前記制御システムが、前記１つ以上のユーザパラメータ、前記呼吸療法システム、前記ユーザの前記環境、またはそれらの組み合わせを監視して、睡眠妨害閾値を満たす１つ以上の事象が発生するかどうかを判断するために前記機械可読命令を実行するようにさらに構成されている、請求項７７から９３のいずれか一項に記載のシステム。
前記制御システムが、前記機械可読命令を実行して、前記現在の睡眠段階の前記判断、前記非所望の睡眠段階の前記予測、または前記１つ以上の制御パラメータの前記調整のうちの少なくとも１つを、前記１つ以上の事象の後の閾値期間にわたって一時停止するようにさらに構成されている、請求項９４に記載のシステム。
前記制御システムが、前記機械可読命令を実行して、前記１つ以上の制御パラメータを判断する１つ以上のモデルを訓練するための前記１つ以上の事象の後の閾値期間にわたり、前記１つ以上のユーザパラメータ、前記呼吸療法システムの前記１つ以上の制御パラメータ、前記ユーザの前記環境内の前記１つ以上のデバイスの前記１つ以上の制御パラメータ、またはそれらの組み合わせを無視するようにさらに構成されている、請求項９４に記載のシステム。
前記機械可読命令が、１つ以上の所望の睡眠アーキテクチャを使用して訓練された１つ以上の事前訓練モデルまたは動的モデルに少なくとも部分的に基づいて予測するように前記制御システムを構成する、請求項７７から９６のいずれか一項に記載のシステム。
前記制御システムが、前記機械可読命令を実行して、前記１つ以上の制御パラメータの前記調整の結果に少なくとも部分的に基づいて前記１つ以上の事前訓練モデルまたは動的モデルを更新するようにさらに構成されている、請求項９７に記載のシステム。
前記１つ以上の所望の睡眠アーキテクチャが複数のユーザに由来する、請求項９７または９８に記載のシステム。
前記１つ以上の所望の睡眠アーキテクチャが前記ユーザに由来する、請求項９７から９９のいずれか一項に記載のシステム。
前記呼吸療法システムの前記１つ以上の制御パラメータが、前記呼吸療法システムから前記ユーザに供給された加圧空気の流れレベル、前記呼吸療法システムから前記ユーザに供給された加圧空気の圧力レベル、モータ速度、通気弁、前記呼吸療法システムから前記ユーザに供給された加圧空気の湿度レベル、前記呼吸療法システムから前記ユーザに供給された加圧空気の温度レベル、またはそれらの組み合わせを含む、請求項７７から１００のいずれか一項に記載のシステム。
前記ユーザの前記環境内の前記１つ以上のデバイスの前記１つ以上の制御パラメータが、前記ユーザの前記環境の光レベル、音レベル、室温レベル、湿度レベル、音レベル、電気刺激、サウンドマスキングまたはサウンドキャンセレーションレベル、ベッドレベル、枕膨張、前記ユーザに姿勢を変更させるマットレス膨張ゾーン、ベッド温度、香り、またはそれらの組み合わせを含む、請求項７７から１０１のいずれか一項に記載のシステム。
前記現在のみぞれ段階に続く前記所望の睡眠段階が、前記ユーザの所望の睡眠アーキテクチャに基づく、請求項７７から１０２のいずれか一項に記載のシステム。
睡眠サイクルもしくは前記睡眠セッション、前記１つ以上の以前の睡眠セッション、またはそれらの組み合わせの進行中に過剰な浅睡眠を経験する前記ユーザの前記睡眠を最適化するために、前記非所望の睡眠段階がＮ１またはＮ２であり、前記所望の睡眠段階がＮ３またはレムである、請求項７７から１０３のいずれか一項に記載のシステム。
睡眠サイクルもしくは前記睡眠セッション、前記１つ以上の以前の睡眠セッション、またはそれらの組み合わせの進行中に過剰な深睡眠またはレム睡眠を経験する前記ユーザの前記睡眠を最適化するために、前記非所望の睡眠段階がＮ３またはレムであり、前記所望の睡眠段階がＮ１またはＮ２である、請求項７７から１０４のいずれか一項に記載のシステム。
前記ユーザが、前記睡眠セッション、前記１つ以上の以前の睡眠セッション、またはそれらの組み合わせの進行中に過剰なＮ３またはレム睡眠を有することによって睡眠不足を過剰に補償することに起因する過剰な深睡眠またはレム睡眠を経験する、請求項１０５に記載のシステム。
機械可読命令を記憶するメモリと、
呼吸療法システムを装着しているユーザの将来の睡眠段階が、睡眠セッション中に最適な睡眠アーキテクチャ内の所望の睡眠段階から変化する可能性を予測するため、および
前記睡眠セッション中に前記呼吸療法システムの１つ以上の設定を調整して、前記将来の睡眠段階の前記可能性を下げ、前記所望の睡眠段階を促進するために前記機械可読命令を実行するように構成された１つ以上のプロセッサを含む制御システムと、を備えるシステム。
前記制御システムが、前記機械可読命令を実行して、前記睡眠セッション中の以前の睡眠サイクルの数、前記睡眠セッション中の現在の睡眠サイクル内の持続時間、前記睡眠セッション中の所望の睡眠サイクルの数、前記睡眠セッションの所望の時間長、またはそれらの組み合わせに少なくとも部分的に基づいて前記所望の睡眠段階を判断するようにさらに構成されている、請求項１０７に記載のシステム。
前記制御システムが、前記機械可読命令を実行して、１つ以上の生理学的信号、ウェアラブルスマートデバイスからの１つ以上の信号、またはそれらの組み合わせに少なくとも部分的に基づいて前記ユーザの現在の睡眠段階を判断するようにさらに構成されている、請求項１０７または１０８に記載のシステム。
前記生理学的信号が、流れ信号、１つ以上のパッシブ音響信号、１つ以上のアクティブ音響信号、１つ以上の心臓信号、またはそれらの任意の組み合わせのうちの１つ以上を含む、請求項１０９に記載のシステム。
前記制御システムが、
前記呼吸療法システムの前記１つ以上の設定を調整する１つ以上のシナリオを分析して、前記１つ以上のシナリオが発生する確率を判断するために前記機械可読命令を実行するようにさらに構成されており、
前記呼吸療法システムの前記１つ以上の設定の前記調整が、最も高い確率を有する前記シナリオの１つ以上の設定に少なくとも部分的に基づく、請求項１０７から１１０のいずれか一項に記載のシステム。
前記１つ以上の設定が、前記呼吸療法システムから前記ユーザに供給された加圧空気の流れレベル、前記呼吸療法システムから前記ユーザに供給された加圧空気の圧力レベル、モータ速度、通気弁、前記呼吸療法システムから前記ユーザに供給された加圧空気の湿度レベル、前記呼吸療法システムから前記ユーザに供給された加圧空気の温度レベル、またはそれらの組み合わせを含む、請求項１０７から１１１のいずれか一項に記載のシステム。
前記制御システムが、前記ユーザの環境の１つ以上の環境パラメータを調整して前記将来の睡眠段階の前記可能性を下げるために前記機械可読命令を実行するようにさらに構成されている、請求項１０７から１１２のいずれか一項に記載のシステム。
前記１つ以上の環境パラメータが、前記ユーザの前記環境の光レベル、音レベル、室温レベル、湿度レベル、音レベル、電気刺激、サウンドマスキングまたはサウンドキャンセレーションレベル、ベッドレベル、枕膨張、前記ユーザに姿勢を変更させるマットレス膨張ゾーン、ベッド温度、香り、またはそれらの組み合わせを含む、請求項１１３に記載のシステム。
前記予測することが、前記ユーザの現在の睡眠段階および前記ユーザの過去の睡眠段階情報に少なくとも部分的に基づく、請求項１０７から１１４のいずれか一項に記載のシステム。
前記ユーザの前記過去の睡眠段階情報が、前記睡眠セッション、１つ以上の以前の睡眠セッション、またはそれらの組み合わせに関するものである、請求項１１５に記載のシステム。
前記予測することが、現在の残存ＡＨＩ、過去の残存ＡＨＩ、またはそれらの組み合わせに少なくとも部分的に基づく、請求項１１５または１１６に記載のシステム。
前記予測することが、前記睡眠セッションの時点に少なくとも部分的に基づく、請求項１１５から１１７のいずれか一項に記載のシステム。
前記予測することが、前記ユーザの１つ以上のユーザパラメータに少なくとも部分的に基づく、請求項１１５から１１８のいずれか一項に記載のシステム。
前記１つ以上のユーザパラメータが、呼気二酸化炭素レベル、心臓パラメータ、呼吸パラメータ、運動パラメータ、前記ユーザの位置および／もしくは姿勢、またはそれらの組み合わせを含む、請求項１１９に記載のシステム。
機械可読命令を記憶するメモリと、
睡眠セッション中のユーザであって、前記睡眠セッション中に呼吸療法システムを使用しているユーザの現在の睡眠段階を判断するため、および
前記呼吸療法システム、前記ユーザの環境内の１つ以上のデバイス、またはそれらの組み合わせの１つ以上の制御パラメータを調整して、前記現在の睡眠段階よりも前記ユーザの所望の睡眠段階を促進し、それによって前記ユーザの睡眠を最適化するために前記機械可読命令を実行するように構成された１つ以上のプロセッサを含む制御システムと、を備えるシステム。
前記所望の睡眠段階が、前記睡眠セッション中に前記ユーザが最適な睡眠アーキテクチャにおいてたどる所望の進捗に基づいて前記現在の睡眠段階よりも所望される、請求項１２１に記載のシステム。
前記制御システムが、前記機械可読命令を実行して、前記睡眠セッション中にユーザが現在の睡眠サイクル内にいた時間長を判断するようにさらに構成されており、前記１つ以上の制御パラメータの前記調整が前記時間長に基づいて発生する、請求項１２１または１２２に記載のシステム。
前記所望の睡眠段階が、前記ユーザが前記現在の睡眠サイクル内にいた時間長に少なくとも部分的に基づいて判断される、請求項１２３に記載のシステム。
前記所望の睡眠段階が、前記睡眠セッション中の前記ユーザの以前の睡眠サイクルの数に少なくとも部分的に基づいて判断される、請求項１２４に記載のシステム。
睡眠サイクルもしくは前記睡眠セッション、前記１つ以上の以前の睡眠セッション、またはそれらの組み合わせの進行中に過剰な浅睡眠を経験する前記ユーザの睡眠を最適化するために、前記現在の睡眠段階がＮ１またはＮ２であり、前記所望の睡眠段階がＮ３またはレムである、請求項１２１から１２５のいずれか一項に記載のシステム。
前記睡眠セッション、１つ以上の以前の睡眠セッション、またはそれらの組み合わせの進行中に過剰なＮ３またはレム睡眠を有することによって睡眠不足を過剰に補償するリバウンド効果を経験する前記ユーザの前記睡眠を最適化するために、前記現在の睡眠段階がＮ３またはレムであり、前記所望の睡眠段階がＮ１またはＮ２である、請求項１２１から１２５のいずれか一項に記載のシステム。
機械可読命令を記憶するメモリと、
呼吸療法システムを使用しているユーザの睡眠セッション中の第１の睡眠段階から非所望の睡眠段階への変更を検出するため、および
１つ以上の設定変更を前記呼吸療法システムに適用して、前記非所望の睡眠段階を前記ユーザの睡眠アーキテクチャ内の所望の睡眠段階に変更するために前記機械可読命令を実行するように構成された１つ以上のプロセッサを含む制御システムと、を備えるシステム。
前記所望の睡眠段階が、前記第１の睡眠段階である、請求項１２８に記載のシステム。
前記所望の睡眠段階が、前記第１の睡眠段階とは異なる第２の睡眠段階である、請求項１２８または１２９に記載のシステム。
前記１つ以上の設定変更の各設定変更が、前記設定変更が前記ユーザの前記睡眠に悪影響を及ぼす可能性に基づいて重み付けされ、前記１つ以上の設定変更の前記適用が、最も低い可能性で重み付けされた設定変更を適用することを含む、請求項１２８から１３０のいずれか一項に記載のシステム。
前記１つ以上の設定変更の各設定変更が、前記設定変更が前記非所望の睡眠段階から前記所望の睡眠段階への前記変更をもたらすのに必要な時間に基づいて重み付けされ、前記１つ以上の設定変更の前記適用が、最短時間で重み付けされた設定変更を適用することを含む、請求項１２８から１３１のいずれか一項に記載のシステム。
前記１つ以上の設定変更の各設定変更が、前記設定変更が前記ユーザの前記睡眠に悪影響を及ぼす可能性に基づき、より高い重み付けがより低い可能性に対応する形で、かつ、前記設定変更が前記非所望の睡眠段階から前記所望のみぞれ段階への前記変更をもたらすのに必要な時間に基づき、より高い重み付けがより短い時間に対応する形で重み付けされ、前記１つ以上の設定変更の前記適用が、全体的な重み付けが最も高い設定変更を適用することを含む、請求項１２８から１３２のいずれか一項に記載のシステム。
前記１つ以上の設定変更の前記適用が、前記１つ以上の設定変更を、前記重み付けの順序で、前記非所望の睡眠段階から前記所望の睡眠段階への前記変更が発生するまで適用することを含む、請求項１２８から１３３のいずれか一項に記載のシステム。
前記制御システムが、前記ユーザの環境の１つ以上の環境パラメータを調整して前記非所望の睡眠段階を前記所望の睡眠に変更するために前記機械可読命令を実行するようにさらに構成されている、請求項１２８から１３４のいずれか一項に記載のシステム。
前記１つ以上の環境パラメータの各環境パラメータが、前記環境パラメータの前記調整が前記ユーザの前記睡眠に悪影響を及ぼす可能性に基づいて重み付けされ、前記１つ以上の環境パラメータの前記調整が、前記最も低い可能性で重み付けされた環境パラメータを調整することを含む、請求項１２８から１３５のいずれか一項に記載のシステム。