TW201528198A - 疲勞監測與管理系統及其方法 - Google Patents

疲勞監測與管理系統及其方法 Download PDF

Info

Publication number
TW201528198A
TW201528198A TW103134978A TW103134978A TW201528198A TW 201528198 A TW201528198 A TW 201528198A TW 103134978 A TW103134978 A TW 103134978A TW 103134978 A TW103134978 A TW 103134978A TW 201528198 A TW201528198 A TW 201528198A
Authority
TW
Taiwan
Prior art keywords
fatigue
sleep
user
data
sensor
Prior art date
Application number
TW103134978A
Other languages
English (en)
Inventor
Conor Heneghan
Ciaran Gerard Mccourt
Stephen Mcmahon
Redmond Shouldice
Original Assignee
Resmed Sensor Technologies Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from AU2013903881A external-priority patent/AU2013903881A0/en
Application filed by Resmed Sensor Technologies Ltd filed Critical Resmed Sensor Technologies Ltd
Publication of TW201528198A publication Critical patent/TW201528198A/zh

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4815—Sleep quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • A61B5/0531—Measuring skin impedance
    • A61B5/0533—Measuring galvanic skin response
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B7/00—Instruments for auscultation
    • A61B7/003—Detecting lung or respiration noise
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/0057—Pumps therefor
    • A61M16/0066—Blowers or centrifugal pumps
    • A61M16/0069—Blowers or centrifugal pumps the speed thereof being controlled by respiratory parameters, e.g. by inhalation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
    • A61B5/291—Bioelectric electrodes therefor specially adapted for particular uses for electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4818—Sleep apnoea
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Dermatology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physiology (AREA)
  • Pulmonology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Anesthesiology (AREA)
  • Hematology (AREA)
  • Emergency Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)

Abstract

本發明揭示一種監測使用者的疲勞之系統。該系統可包括一或多個資料來源，諸如一非阻塞型睡眠感測器，其構成產生該使用者的客觀睡眠檢測。該系統亦可包括一疲勞監測模組，該疲勞監測模組構成基於來自該等一或多個資料來源的資料，以產生該使用者的疲勞狀態評估，諸如在一或多個處理器中。

Description

疲勞監測與管理系統及其方法
本技術有關疲勞的監測與管理。更具體地，本技術有關用於與疲勞的監測與管理之系統與方法。
相關申請案的交互參照
本申請案主張於2013年10月9日提交的第2013903881號的澳洲臨時專利申請案、與2014年6月19日提交的第2014902350號的澳洲臨時專利申請案之優先權，其整個內容在本說明書併入本文供參考。
人體的呼吸系統能夠促成氣體交換。
鼻與嘴形成患者的呼吸道的入口。呼吸道包括一系列的分支管，當分支管穿透更深入肺部時，會變成較窄、較短且更多。肺部的主要功能為氣體交換，允許氧從空氣進入靜脈血及排出二氧化碳。氣管分成右與左主支氣管，最後進一步分成末端細支氣管。支氣管構成傳導呼吸道，且不參與氣體交換。呼吸道的進一步分支造成呼吸細支氣管，且最終至肺泡。肺部之肺泡區域為發生氣體交換的地方，且稱為呼吸區。
呼吸障礙
多種呼吸障礙存在人體。
阻塞型睡眠呼吸中止症(OSA，Obstructive Sleep Apnoea)為一種睡眠呼吸障礙(SDB，Sleep Disordered Breathing)之形式，其特徵為睡眠期間的上氣道閉塞或障礙。此為睡眠期間發生自整個不正常小上氣道、及舌、軟腭、與後咽壁區域肌肉張力正常損失。該症狀導致受影響的患者每個夜晚典型停止呼吸30至120秒持續時間，有時200至300秒時間。此時常引起過度白天瞌睡，且可能引起心臟血管疾病與腦損害。併發症狀為一般失序，特別是中年超重男性，雖然受影響的人可能沒有注意到問題。請參閱美國專利第4,944,310號(蘇利文(Sullivan)先生)。
陳-施呼吸(CSR，Cheyne-Stokes Respiration)是患者呼吸控制器的障礙，其是通氣增強和減弱的旋律交互時段，造成動脈血液的重複去氧和復氧。陳-施呼吸是可能有害，因為重複缺氧。在一些患者中，陳-施呼吸是與睡眠的重複覺醒有關，引起嚴重睡眠中斷，增加交感神經活動與提高降低心膊量。請參見美國專利案第6,532,959號(伯松-瓊斯(Berthon-Jones)先生)。
肥胖肺換氣不足綜合症(OHS，Obesity Hyperventilation Syndrome)定義為嚴重肥胖與清醒時慢性高碳酸血症的組合，沒有換氣不足的其他已知因素。癥狀包括呼吸困難、早晨頭痛與過度白天嗜睡。
慢性阻塞性肺部疾病(COPD，Chronic Obstructive Pulmonary Disease)可包括一些有共同特定特徵的低呼吸道疾病之任一者。這些包括增加抵抗空氣流動、延長呼吸吐氣相位、與正常肺伸縮性損失。COPD的範例是肺氣腫與慢性支氣管炎。COPD是由慢性煙草吸煙(主要危險因素)、職業暴露、空氣污染與遺傳基因因素所引起。癥狀包括：運動性呼吸困難、慢性咳嗽與痰產生。
神經肌肉疾病(NMD，Neuromuscular Disease)是一廣義的術語，包括許多疾病與失調，直接經由本質肌肉病理或間接經由神經病理傷害肌肉功能。一些NMD患者的特徵為進行性肌肉傷害導致移動機能降低(需要坐輪椅)、吞嚥困難、呼吸器官肌肉衰竭，最後，呼吸器官衰竭導致死亡。神經肌肉疾病可分成快速進行性與慢性進行性：(i)快速進行性失序：其特徵為，肌肉傷害惡化超過數個月，且造成幾年內死亡(例如，青少年的肌萎縮側部硬化症(ALS)與裘馨氏肌肉失養症(DMD))；(ii)可變或慢進行性失序：其特徵為，肌肉傷害惡化超過數年，且只略微減少平均壽命可能性(例如，肢帶型、面肩臂型、與肌強直性肌肉營養失調)。NMD的呼吸器官衰竭癥狀包括：漸增的一般性衰弱、吞咽困難、運動中呼吸困難與休息、疲累、嗜睡、早晨頭痛、集中困難、和情緒變化。
胸腔壁障礙是胸廓變形之類，造成在呼吸肌肉與胸廓之間無效率耦合。胸腔壁障礙特徵通常為一限制性障礙且分擔長期高碳酸血症性呼吸衰竭的潛在性。脊椎側彎及/或脊椎後側彎可能引起嚴重的呼吸衰竭。呼吸衰竭的癥狀包括：運動性呼吸 困難、外周水腫、端坐呼吸、週期性胸腔感染、早晨頭痛、疲勞、不良睡眠品質與食慾不振。
治療
鼻持續呼吸道正壓通氣(CPAP，Nasal Continuous Positive Airway Pressure)治療已用以治療阻塞型睡眠呼吸中止症(OSA，Obstructive Sleep呼吸中止症)。該假設在於，持續呼吸道正壓充當一吹氣夾板，且可藉由將軟顎與舌前推及推離後咽壁而避免上呼吸道阻塞。
使用患者介面(諸如鼻罩、全臉罩、或鼻枕)可促成正壓空氣供應施加於患者呼吸道入口。
正壓空氣可藉由一呼吸壓治療(RPT)器件供應給患者的呼吸道，諸如一馬達驅動的送氣機。呼吸壓治療(RPT)器件的出口是經由一彈性輸送導管而連接如前述的患者介面。
疲勞
澳洲昆士蘭省發行的疲勞的指導性文件(2013年)將疲勞定義為有關下警覺與降低效能之含有身體及/或精神元素等的障礙狀態。存在著某些疲勞促成因素，典型有關：
˙不良的睡眠品質(例如，由於家庭/娛樂因素、壓力、噪聲、呼吸障礙及其他健康問題)。不良的睡眠品質為一全球性 重要議題且影響多達60%的成人族群。
˙延長清醒，定義為自最後睡眠以後的時間(以小時為單位)。
美國人疲勞的主要因素之一為自己造成的清醒或睡眠剝奪。換句話說，不良的「睡眠衛生習慣」可說是人在一週工作日與週末當中將自己限制在不同時段的睡眠及/或就寢，導致星期日夜晚失眠。例如，人可忽視睡眠而試圖完成更多工作，且保持花很長時間接觸膝上型電腦、平板電腦或智慧型手機(NSF，2013年)。
更普遍地，疲勞被認為是複雜的問題，且涉及多重因素。在暴露於睡眠不足(已知為急性疲勞)的短時間、或累積由於睡眠中斷或無足夠恢复性睡眠(稱為累積性疲勞)所引起睡眠不足的較長時間之後，可能發生由於睡眠品質或過短時間睡眠所引起的疲勞。精神(認知)疲勞可能(例如)顯露如下：傷害警決性、協調性與決策性；情緒衝擊；及工作期間的微睡眠。復原性(深、慢波)睡眠是與身體能量復原有關，即是減少身體疲勞。認知(REM)睡眠是與精神能量復原有關聯。
據估計，睡眠相關疲勞在曠工與工作場所意外事件一年要花費企業1,500億元。已注意，錯誤率隨著疲勞心理檢測的線性增加而呈指數增加(丁格斯(Dinges)先生等人，1997年)。失眠已與全部昂貴工作場所意外事件和錯誤的7%、與整個工作場所不幸的24%有關聯(雪莉(Shahly)小姐等人，2012年)。道生(Dawson)先生和里德(Reid)先生(1997年)將疲勞引起的職能傷 害與由於酒精中毒的職能傷害相提並論，且顯現中度疲勞產生的傷害程度較高於酒精中毒的規範程度。在各種認知心理試驗，不良品質睡眠與無足夠恢復將增加疲勞度、降低警覺度、與職能傷害(哈靈頓(Harrington)先生，1978年；尼科爾森(Nicholson)和奧里亞(D'Auria)先生，1999年)。巴克(Barker)先生與納斯鮑姆(Nussbaum)先生的護理人員研究(2010年)報導精神疲勞程度較高於身體疲勞程度，且集性疲勞程度較高於慢性疲勞程度。所有疲勞尺度與狀態與感受的效能為負面關聯性。瑞典職業疲勞評估表(SOFI，Swedish Occupational Fatigue Inventory)估計察覺性疲勞是與下列四個特質的工作有關聯：缺乏能量、身體費力、身體不適、與缺乏動機。缺乏能量特質用以檢測總疲勞，缺乏動機特質用以檢測精神疲勞，且身體費力與身體不適為檢測身體疲勞(亞斯伯格(Ahsberg)先生，2000年)。
先前方法
疲勞管理的先前方法主要在於工作時間/輪班與可能主體報告的睡眠期之檢討。
美國專利案第8075484 B2號號概略描述：「一種用於估計及修改疲勞之系統及方法，一輸入器件接收來自一個體的目前工作休息型態及/或睡眠資料。一資料聚合與處理平台結合工作休息型態及/或睡眠資料與有關個體的先前資料，以產生一疲勞評估結果、一診斷評估結果、與一矯正干預結果。至少一輸出顯示器以使用者可讀格式對使用者輸出疲勞評估結果、診斷評估結果、與矯正干預結果。使用者使用此資訊以校訂工作 休息型態，以減少或控制將來的疲勞風險」。
EP專利公開第2278508 A1號概略描述：「一種用於監測有關使用者在床上睡覺品質之一或多個客觀參數，同時經由一可攜式器件(諸如行動手機)從在清醒時的使用者接收來自認知及/或精神運動性能的客觀試驗資料的回饋，以改善使用者睡眠品質之睡眠管理方法及系統」。
美國專利申請第20120316845 A1號概略描述：「揭露分散計算方法與系統，其中根據可用計算資源、疲勞風險計算的參數、時間相關的使用者要求、及其他以劃分密集的疲勞風險計算。在揭露的方法中，執行成本函數用以分配可存取的計算資源。其他方法包括依使用者優先需要與計算本身的一般數學特徵以劃分計算工作。在此包括的方法為：只計算預測最大可能性，而不是整個可能性分配；使用貝斯(Bayesian)預測技術(而不是全部資料的整個重新制表)以計算預測可能；核對疲勞風險計算的暫時結果，其中序列結果可適當核對(例如，無關於涉及累積工作的續列時段)；使用疲勞預測的更豐富模型的簡化(例如，線性、第一階)近似值；對複數個此請求內的每個計算工作指定使用者識別的優先權；及其他」。
美國專利申請第20120329020 A1號概略描述：「一種提供用於確定有關主體之一或多個疲勞相關個體特性之個人化教育資訊之方法。該方法包括：接收指出表示主體之一或多個疲勞相關個體特性的第一輸入資料；估計一或多個疲勞相關個體特色之特色值，其中估計該等特色值包括：使用該第一輸入資 料與一疲勞模型(其使主體的疲勞程度與一組模型參數形成關聯性)以估計該組模型參數的值；及使用該組模型參數的評估值以估計一或多個特色估計函數；及基於該估計的特色值，決定有關主體之一或多個疲勞相關個體特色的個人化教育資訊」。
PCT專利公開第WO 2006000166 A1號概略描述：「來自操作者肌肉活動的操作者疲勞偵測，與使用資料採礦方法從已知疲勞程度的操作者獲得疲勞評估規則的評估」。
PCT專利公開第WO 2000044580 A1號概略描述：「用於決定主體(諸如，車輛或其他的駕駛員)警覺狀態之裝置。裝置包括監測一或多個生理變數(諸如，有關主體的EEG(腦電波)、EMG(肌電波)與EOG(眼動波)訊號之構件(1-11)。裝置亦包括取自代表對應該或每一變數的主體生理狀態之一或多個變數資料之構件(13-16)；及當主體的警覺狀態低於一預定臨界值而用於從資料之構件(17)。裝置可包括用於駕駛員的警覺狀態低於該預定臨界值的事件中干涉車輛控制之構件」。
CA專利申請第2578855 A1號概略描述：「一種系統包括：一職員模組，用於對職員提供技術與工具以自行估計、管理與管理個人睡眠、壓力與疲勞程度；一公司模組，用於透過個人睡眠、壓力與疲勞程度的管理，提供可接受效能程度的指導原則、與協助職員能符合指導原則。一ActiGraph型個人監測器件用以記錄個別職員工作疲勞程度、與下班後接受的睡眠量，供與公司指導原則相比較」。
PCT專利公開第WO 2010042615 A3號概略描述：「不管個體的環境及可提供給睡眠的時間，提供用於使個體的睡眠與睡醒後效能最佳化之系統及方法。系統與方法考慮決定睡後的靈巧、認知功能、與主觀疲勞感覺的睡眠期之影響的因素：睡眠期的持續時間與睡眠結構、睡眠期發生的晝夜循環點、睡眠期前累積的睡眠債務量、與主體的睡眠剝奪感受性。系統與方法包括較長時段的睡眠結構監測、檢測累積的睡眠債務、與評估及/或調整每個隨後睡眠期的睡眠結構、決定主體應處在的想要睡眠狀態、及產生用於使主體導向想要睡眠狀態的感覺刺激」。
PCT專利公開第WO 2009115073 A3號概略描述：「一種用於維持、恢復或增加疲勞人員的注意與警覺性、及避免意外事件、傷害或錯誤決定，而造成過度疲勞，特別是在延伸單調活動期間之方法及裝置」。
PCT專利公開第WO 2005039415 A1號概略描述：「能夠定量疲勞程度及將其顯示。一疲勞程度檢測裝置(1)包括：生物訊號峰值偵測構件(23)，用於偵測生物訊號資料原始波形之每一週期的峰值；功率值計算構件(24)，用以從生物訊號峰值偵測構件(23)獲得的峰值，計算預定時間範圍的上限端峰值與下限端峰值間的差異，及將該差異設定為功率值；及功率值傾斜量計算構件(25)，用於計算功率值的傾斜量。功率值傾斜量的時間序列訊號取決於絕對值處理，且一綜合值會被計算。綜合值獲得當作是疲勞程度。因此，可定量人類的疲勞程度」。
PCT專利公開第WO 2007138930 A1號概略描述：「一疲勞評估器件具有一身體運動偵測部(2)，用於持續偵測作為活動程度的使用者活動頻率。身體運動偵測部(2)偵測的活動程度輸出給一疲勞偵測部(3)，用以基於活動程度以估計使用者疲勞的程度」。
美國專利申請第20110178377 A1號概略描述：「用於檢測、總合及分析使用非接觸式或最小接觸式感測器收集資料之裝置、系統與方法提供個體的生活品質參數，特別是在人體的控制介入處置試驗範疇方面(例如，藥物臨床試驗、或消費者項目的評估，諸如芳香劑)。特別係，可評估生活品質參數(諸如，人的睡眠、壓力、放鬆、睡意、溫度、與情緒狀態)的非接觸或最小接觸檢測、連同自動化取樣、儲存、與傳輸給遠端資料分析中心。系統之一組件在於對人主體的正常行為盡可能減少中斷檢測客觀資料。系統亦支援針對改善生活品質的行為與藥物干預」。
美國專利申請第20100099954 A1號概略描述：「使用者監測及/或修正自己的睡眠之系統及方法。在一具體實施例，睡眠電子教練系統包括：一感測器，用於感測睡眠使用者的生理訊號，諸如EEG(腦電波)；電腦記憶體資料庫，用於儲存使用者與睡眠相關資料與建議；及一處理器，用以產生一組建議，基於使用者與睡眠相關資料而改善使用者睡眠滿意度。用於改善使用者睡眠滿意度的建議(能與使用者溝通)可包括睡眠電子教練計劃，其包括使用者可從事的一或多個睡眠電子教練工作 坊」。
因此，存在著需要系統能以更為客觀及/或個人化方法協助監測及管理疲勞。
專利引證
Åhsberg, E., 2000. Dimensions of fatigue in different working populations. Scandinavian Journal of Psychology, 41：231 - 241. http：//onlinelibrary.wiley.com/doi/10.1111/1467-9450.00192/pdf
Belenky, G., et al., 2003. Patterns of performance degradation and restoration during sleep restriction and subsequent recovery：a sleep dose-response study. J Sleep Res, vol. 12 no 1. http：//onlinelibrary.wiley.com/doi/10.1046/j.1365-2869.2003.00337.x/pdf
Dawson and Reid, 1997. Fatigue, alcohol and performance impairment. Nature, 388：235.
Dinges DF, Pack F, Williams K, Gillen KA, Powell JW, Ott GE, et al. Cumulative sleepiness, mood disturbance, and psychomotor vigilance performance decrements during a week of sleep restricted to 4 - 5 hours per night. Sleep 1997; 20 (4)：267 - 77.
Harrington, J., 1978. Shiftwork and Health：A Critical Review of the Literature. Report to the Medical Advisory Service, UK Health and Safety Executive.
Institute of Medicine (US) Committee on Sleep Medicine and Research; Colten HR, Altevogt BM, editors. Sleep Disorders and Sleep Deprivation：An Unmet Public Health Problem. Washington (DC)：National Academies Press (US); 2006. 4, Functional and Economic Impact of Sleep Loss and Sleep-Related Disorders. Available from：http：//www.ncbi.nlm.nih.gov/books/NBK19958/63.
Jackowska et al., 2012. Sleep problems and heart rate variability over the working day, Journal of Sleep Research, Volume 21, Issue 4, February 2012.
Nicholson PJ, D'Auria DA, 1999. Shift work, health, the working time regulations and health assessments. Occup Med (Lond). 1999 Apr;49(3)：127-37. http：//occmed.oxfordjournals.org/content/49/3/127.full.pdf
NSF (National Sleep Foundation), 2013. http：//www.sleepfoundation.org/article/sleep-related-problems/excessive-sleepiness-and-sleep
Sasaki, T., 2007. Overtime, job stressors, sleep/rest, and fatigue of Japanese workers in a company. https：//www.jstage.jst.go.jp/article/indhealth/45/2/45_2_237/_pdf
Shahly V, Berglund PA, Coulouvrat C, et al. The Associations of Insomnia With Costly Workplace Accidents and Errors：Results From the America Insomnia Survey. Arch Gen Psychiatry. 2012：69(10)：1054-10
Shambroom JR, Fabregas SE. Age Related Changes in Objectively Measured Sleep Observed in a Large Population in the Home, available through myzeo.com.
State of Queensland, Department of Natural Resources and Mines, 2013. Guidance Note for Fatigue Risk Management.
Trejo et al. EEG-Based Estimation of Mental Fatigue. http：//aiolos.um.savba.sk/~roman/Papers/hci07_1.pdf
Zichermann, G. and Cunningham, C. (August 2011). Introduction to Gamification by Design：Implementing Game Mechanics in Web and Mobile Apps (1st ed.). Sebastopol, California：O'Reilly Media.
本技術有關用於監測及管理疲勞之系統與方法。
本技術之一第一態樣有關一種疲勞監測與管理系統。
本技術之另一態樣有關用於監測及管理疲勞之方法。
本技術之態樣結合源自非阻塞型睡眠感測器的客觀心理與身體「重新補充能量」評估、及客觀與主觀的身體活動和使用者資料，以提供疲勞估計。
本技術之一形式包括一種用於監測使用者疲勞狀態之系統，該系統包括：一或多個資料來源，諸如睡眠與SDB(睡眠呼吸障礙)的客觀檢測、主觀使用者資料、客觀疲勞檢測、與環境資料；及一監測模組，用以分析資料以產生使用者疲勞狀態估計。
本揭露的系統可基於其估計的疲勞狀態以提供資訊給使用者(可對使用者提示改變其行為，或至少知道使用者的疲勞 程度)或第三者，以管理用者的活動(例如，基於疲勞程度以指定駕駛員或飛行員)。系統如此構成積極地管理使用者的疲勞狀態。
在一實例，揭露的系統作為一個人化疲勞與睡眠分析儀使用，能夠對人提供個人化與科學有效的「就寢」時間，為了更好的健康與效能，增進睡眠及舒緩疲勞。
下列為本技術之各種不同形式的態樣。
1.基於過去客觀睡眠參數的過去24、48、72小時與較長時段，使用一線性模型以監測疲勞(與白日嗜睡程度)，包括淺層、深沉與REM(快速動眼)睡眠、中斷、與就寢與起床時間。
2.結合客觀睡眠檢測與每日活動程度及卡路里攝取與身體質量指數(BMI，Body-mass Index)以監測疲勞(慢性或急性)，以形成生活品質的檢測之方法。
3.結合客觀睡眠檢測、及(或者)活動和其他生活方式參數、與經由量表及/或經由遊戲收集的主觀使用者資料，以估計當作疲勞表示的反應時間/警覺之方法。
4.結合用於睡眠期的RPT(呼吸壓治療)器件或射頻感測器估計AHI(呼吸暫停低通氣指數)檢測至使用者估計其疲倦/疲勞的基準AHI(呼吸暫停低通氣指數)之方法，藉使呈現的AHI(呼吸暫停低通氣指數)隨著疲倦/疲勞(具其他因素，諸如關 於使用者調查的酒精控制)而增加。
5.藉由使用疲勞檢測以改善CPAP(鼻持續呼吸道正壓通氣)治療順應性以影響CPAP(鼻持續呼吸道正壓通氣)治療順應性之方法。
6.結合經由音頻處理估計的鼾聲位準與持續時間至使用者的基準鼾聲位準的方法，藉使見到的鼾聲位準隨著疲倦/疲勞增加(具其他因素，諸如關於使用者量表的酒精控制)。從音頻處理獲得的鼾聲檢測可結合睡眠感測器資料處理與睡眠呼吸障礙的其他檢測，以改善準確性。
7.基於使用者的族群統計變異值與資料庫儲存的族群值相比較而隨後修改、與基於隨著時間從使用者收集的資料的進一步修改的預設疲勞臨界值(例如，少於5小時睡眠導致急性疲勞)的使用。
8.認知性補充能量(如經由REM(快速動眼)睡眠持續時間、與(或者)經由警覺或注意遊戲或量表或提示而估計)是與經由量表或提示(例如，經由智慧型手機應用程式)的使用者供應心理(心情)狀態、與過去值有關聯，以能基於將來的睡眠參數預測心理狀態。
9.客觀睡眠和估計的疲勞參數與規範性族群資料的比較以估計「實際睡眠經歷時間」即是，基於使用者的睡眠與疲勞估計，什麼是使用者的等同睡眠經歷時間(例如，有不良睡眠 衛生習慣的20歲男性可能歸類為有45的「實際睡眠經歷時間」)
10.來自射頻運動感測器或床墊型壓力感測器的REM和深沉睡眠參數的客觀檢測，藉使深沉睡眠係與身體恢復有關聯，且REM睡眠係與從疲勞恢復精神(認知)有關聯。
本技術的一些詮釋可包括一種用於監測使用者疲勞之系統。該系統可包括一或多個資料來源。該等一或多個資料來源可包括一睡眠感測器，諸如一非阻塞型睡眠感測器，其構成產生使用者的客觀睡眠檢測。系統亦可包括一疲勞監測模組，諸如一處理器的模組。該模組構成基於來自一或多個資料來源的資料，以產生使用者的疲勞狀態評估。
在某些情況，一或多個資料來源可更包括下列特徵之一或多者：一活動感測器，其構成產生使用者的身體活動資料；一環境感測器，其構成產生有關使用者睡眠位置環境狀況的環境資料；一器件，其構成取得有關使用者自我察覺性疲勞狀態的主觀使用者資料；一器件，其構成取得使用者的白天生理訊號資料；一器件，其構成取得使用者的疲勞或嗜睡的客觀檢測；一時鐘；及使用者的工作型態資料。
在某些情況，主觀使用者資料可包括生活方式參數，其包括下列特徵之一或多者：咖啡因攝取；壓力位準；能量位準；心理狀態；及察覺性睡眠品質。或者，環境資料可包括季節、天氣與過敏資料之一或多者。環境資料可包括環境溫度、環境音頻位準、光位準、空氣品質、與濕度之一或多者。疲勞或嗜 睡的客觀檢測可從使用者測試獲得。疲勞或嗜睡的客觀檢測可從使用者的遊戲實錄獲得。疲勞監測模組可基於歷史性資料庫產生使用者的疲勞狀態評估，該資料庫構成在一預定時間窗口從一或多個資料來源取得資料。疲勞監測模組可進一步構成基於從歷史性資料庫的資料趨勢分析取得的使用者基準參數而產生使用者的疲勞狀態評估。疲勞監測模組可進一步構成基於族群資料庫(含有來自系統的多重使用者之一或多個資料來源的資料)而產生使用者的疲勞狀態評估。疲勞監測模組可進一步構成基於從回應量表取得的有關使用者的基準參數而產生使用者的疲勞狀態評估。
在某些情況，睡眠感測器可進一步構成提供睡眠呼吸障礙檢測。睡眠呼吸障礙檢測可為鼾聲檢測。或者，睡眠感測器資料可結合來自一音頻感測器的音頻資料以獲得鼾聲檢測。當睡眠感測器資料指出使用者存在且睡熟，可限制鼾聲檢測的間隔。睡眠感測器可為一運動感測器，且獲得鼾聲檢測可包括使用以自運動感測器的呼吸運動訊號中含有的高頻成份而同時期或同時偵測類似鼾聲事件。在某些情況，睡眠呼吸障礙檢測可為呼吸中止症指數、呼吸不足指數、及/或睡眠呼吸暫停指數。在某些詮釋，睡眠呼吸障礙檢測可為提高的呼吸率。
在系統的某些詮釋，使用者的疲勞狀態評估可包括使用者的目前疲勞狀態估計。在某些情況，使用者的疲勞狀態評估可包括或涉及在指定時間預測使用者的將來疲勞狀態。在某些詮釋，客觀睡眠檢測可包括下列特徵之一或多者：心率；呼吸率；生物運動位準；睡眠統計；皮膚電反應；及體溫。在某些詮釋， 睡眠統計可能包括下列特徵之一或多者：睡眠持續時間；睡眠品質；睡眠中斷次數；REM(快速動眼)期；入睡後清醒；睡眠慣性；及睡眠潛伏期。
系統的某些詮釋可包括一第三者資訊模組，其構成提供有關使用者的疲勞狀態評估的資訊給第三者。在某些情況，系統可包括一使用者資訊模組，其構成提供有關使用者的疲勞狀態評估的資訊給使用者。
在某些情況，睡眠感測器可為一整合呼吸壓治療器件的感測器，使用者可從其接收或正接收CPAP(鼻持續呼吸道正壓通氣)治療。在某些詮釋，疲勞監測模組可為一線性分類器，其構成線性結合來自一或多個資料來源的資料，以產生一疲勞指數。或者，疲勞監測模組可將一規則集合施加於來自一或多個資料來源的資料，以產生一疲勞指數。在某些情況，疲勞指數可映射該組疲勞狀態之一。疲勞監測模組可實施於有關使用者的處理器件，該處理器件可連接一或多個資料來源。疲勞監測模組可實施於網路上連接一或多個資料來源的遠端伺服器。
本技術之某些詮釋可包括監測使用者疲勞之方法。該方法可包括基於來自一或多個資料來源的資料以產生(諸如在一或多個處理器)使用者的疲勞狀態評估。資料可包括一非阻塞型睡眠感測器產生使用者的客觀睡眠檢測。或者，該方法可更包括對使用者提供疲勞狀態評估，諸如經由有關處理器的一輸出器件。在某些情況，該方法可更包括基於疲勞狀態評估對使用者產生或進行建議，諸如經由有關處理器的一輸出器件。在某 些情況，建議可為讓使用者就寢的理想時間。在某些情況，建議可為讓使用者清醒的最佳時間。在某些情況，使用者可歷經CPAP(鼻持續呼吸道正壓通氣)治療，且建議可為改善或改變CPAP(鼻持續呼吸道正壓通氣)治療的建議。在某些情況，該方法可更包括對第三者提供疲勞狀態評估。在某些情況，產生評估可包括施加一線性分類器至一或多個資料來源。在某些情況，該方法可更包括(諸如在產生前)施加一非線性轉換至該等資料來源之一或多者。
當然，該等態樣的部分可形成本技術之附屬態樣。同時，附屬態樣及/或態樣之各種不同一些者能以各種不同方式組合，且亦可構成本技術的其他態樣或附屬態樣。
本技術之其他特徵可從下列實施方式、發明摘要、圖式簡單說明、與申請專利範圍中內容的考慮而變得更明白。
100‧‧‧疲勞監測與管理系統
110‧‧‧疲勞監測模組
115‧‧‧身體活動資料
118‧‧‧白天重要訊號資料
120‧‧‧客觀睡眠檢測
125‧‧‧睡眠呼吸障礙檢測
130‧‧‧客觀疲勞檢測
135‧‧‧工作型態資料
140‧‧‧歷史性資料
145‧‧‧主觀使用者資料
150‧‧‧族群資料
155‧‧‧基準資料
160‧‧‧環境資料
170‧‧‧一天當中的時間資料
180‧‧‧疲勞狀態評估
185‧‧‧使用者資訊模組
190‧‧‧第三者資訊模組
1000‧‧‧人
3000‧‧‧曲線圖
3010‧‧‧第一區段
3020‧‧‧時間
3030‧‧‧決定性睡眠程度
3040‧‧‧時間
4000‧‧‧線性分類器
5000‧‧‧分佈圖
6000‧‧‧示意圖
6010‧‧‧上圖
6020‧‧‧下圖
6030‧‧‧第二天
6040‧‧‧第三天
6050‧‧‧夜晚
6060‧‧‧夜晚
7000‧‧‧非接觸型感測器
本技術為經由範例(且非經由限制)、連同附圖加以示意說明，其中，相同參考編號表示類似元件，包括：圖1為說明根據本技術之一形式之疲勞監測與管理系統的資料流程之方塊圖。
圖2顯示一實例非接觸型感測器監測在床上熟睡的人。
圖3包含一天的人血流中腺甘酸程度之實例曲線圖。
圖4為圖1的資料流程中可當作疲勞監測模組使用之一實例線性分類器的方塊圖。
圖5為代表按照不同年齡階層的睡眠階段之實例分布圖。
圖6包含睡眠檢測與工作型態資料如何相對於數天的個體 疲勞指數顯示的示意圖。
圖7包含訓練與試驗資料兩者相對於實際心理動作警覺試驗(PVT，Psychomotor Vigilance Test)平均反應時間(疲勞指數)的PVT(心理動作警覺試驗)平均反應時間預測圖。
在更詳述本技術前，應瞭解，本技術未局限於本說明書描述可改變的特別實例。亦應瞭解，本發明使用術語只描述特別實例而不是限制。
疲勞監測與管理系統
圖1為說明根據本技術之一形式之疲勞監測與管理系統(100)的資料流程之方塊圖。主要的處理方塊是一疲勞監測模組(110)。疲勞監測模組(110)採用以自多重資料來源(身體活動資料(115)-一天當中的時間資料(170))的輸入，以提供疲勞監測與管理系統的使用者的疲勞狀態評估(180)。疲勞狀態評估(180)可採用使用者目前疲勞狀態估計、或在特定瞬間的使用者將發生疲勞狀態的預測之形式。使用者資訊模組(185)基於估計或預測的疲勞狀態以產生及提供資訊給使用者。第三者資訊模組(190)基於估計或預測的疲勞狀態以產生及提供資訊給第三者。使用者資訊模組(185)、第三者資訊模組(190)允許積極管理使用者的疲勞，如以下詳細描述。
疲勞監測與管理系統(100)使用的疲勞模型是基於個人化，藉使系統可「學習」針為使用者的睡眠型態，且使其與主觀疲勞評估(使用者如何「感覺」，例如根據卡羅連斯加嗜睡量 表(KSS，Karolinska Sleepiness Scale))、或客觀疲勞檢測(例如，心理動作警覺試驗(PVT，Psychomotor Vigilance Test)的效能)形成關聯性。
疲勞監測與管理系統(100)能以服務於單一個體的消費者設定、或當作公司工作場所疲勞管理方式之部分的工作場所設定加以實施；或者，附接至職業安全衛生管理系統(OH&S，Occupational Health and Safety System)的現有疲勞管理模組。此允許族群管理能力，其係利用經去識別化(匿名公司)的資料。此客製化公司資料代表用以用以提供常模性資料比較給疲勞監測模組(110)的全部族群資料庫(例如，族群資料(150))之子集。
在消費者實施方面，疲勞監測模組(110)能夠使用在有關使用者的處理器件上執行的軟體實施，諸如個人或膝上型電腦、行動電話、智慧型手機、或平板電腦，其能以有線或無線方式連接各種不同資料來源(身體活動資料(115)至一天當中的時間資料(170)之一或多者，其(或者)包括、耦接、或溝通一或多個感測器以偵測或產生訊號，從該訊號可取得資料(如本說明書中更詳細討論)。使用者可在相同的處理器件完成嗜睡、睡眠健康與認知效能量表(如用以獲得主觀使用者資料(145))。使用者資訊模組(185)然後可經由相同的處理器件提供資訊給使用者。
或者，疲勞監測模組(110)可在「雲端」實施，即是，在網路端連接各種不同資料來源(身體活動資料(115)至一天當中的 時間資料(170))之一遠端伺服器。此允許合計來自多重個體的疲勞狀態資料，當在工作場所實施。不過，消費者實施亦可利用一「雲端架構」疲勞監測模組。遠端伺服器可經由網路將嗜睡、睡眠健康與認知表現量表(當用以獲得主觀使用者資料(145))轉送給每一個體，且每一個體可使用一網路器件將此完成，諸如個人或膝上型電腦、行動電話、智慧型手機、或平板電腦。使用者資訊模組(185)然後經由相同器件提供資訊給每一個體。第三者資訊模組(190)可經由網路提供資訊給第三者，諸如公司管理人員。
疲勞監測模組(110)使用的各種不同資料來源(身體活動資料(115)至一天當中的時間資料(170))將在下面詳細描述。在本技術的各種不同形式中，資料來源(身體活動資料(115)至一天當中的時間資料(170))的某些子集是由疲勞監測模組(110)用以產生估計或預測的疲勞狀態評估(180)。
因此，本說明書描述的方法可實施於一或多個處理器件中或由其實施。例如，如本說明書描述，本技術的資料來源及/或模組具體實施例可為一處理器件，該處理器件可有一或多個處理器以實施在本說明書詳細描述的特別方法或演算法。此一器件或裝置可包括整合晶片、記憶體及/或其他控制指令、資料或資訊儲存媒體。例如，含有此方法的編程指令可在器件或裝置的記憶體中的整合晶片上編碼，以形成一應用導向積體電路(ASIC，Application Specific Integrated Chip)。此指令亦可(或者)使用適當的資料儲存媒體如同軟體或韌體載入。此處理器件可(或者)進一步溝通或耦接輸入器件，諸如鍵盤、觸控螢幕、 感測器、等等。
在下文，通常假設，人睡於夜間且於白天清醒，因此，使用上，「白天」與「清醒時間」同義，且「夜晚」與「睡眠時間」同義。不過，揭露的疲勞監測與管理系統(100)亦認為是由睡眠與清醒時間分別不符合夜間與白天的輪值工作人員使用。對於此使用者而言，「白天」可仍然認為表示「清醒時間」，且「夜晚」認為表示「睡眠時間」，甚至真正的對應更可能類似於相反。
身體活動資料(115)
增加的疲勞係與減少的運動與活動有關聯。身體活動資料(115)可從配戴式活動感測器(例如，步行計器、「計步器」、三軸加速度計(ActiGraph)、高度計、與有品牌商業活動感測器，諸如「Fitbit」、「Jawbone Up」、與「Actiwatch」)獲得。或者，身體活動資料(115)能從可攜式器件獲得，諸如結合活動感測器的智慧型手機。身體活動資料的實例為採用步驟的次數與運動的持續時間與密度。身體活動資料(115)用以建立使用者的每日活動位準的輪廓。
白天重要訊號資料(118)
疲勞可能與白天壓力位準有關聯。生理重要訊號(諸如心率、呼吸率、與血壓)的白天活力能由配戴式器件收集(諸如，極心率胸帶、ECG/R-peak)、或附接胸部的其他資料收集器件、 或使用光電容積脈搏波(PPG，Photoplethysmographic)方法(例如，LG或Blaupunkt製作)來記錄這類訊號的耳蕾(耳筒)。在一實施方面，來自耳蕾感測器的血壓估計可用以非侵入式追蹤一天當中的血壓值(例如，當使用者正在聆聽音樂/通勤/運動等等)。
心率估計亦可結合白天身體活動資料(115)以產生能量消耗的估計。
偵測心率的趨勢變化可以指出是否增加疲勞度，例如運動員過度訓練。
慢性壓力亦可表明白天疲勞度，且其可基於白天身體活動資料(115)、白天重要訊號資料(118)、與客觀睡眠檢測(120)加以監測(在下面描述)。
其他慢性狀況(諸如，慢性病進展可表明白天重要訊號資料(118)的變化，諸如增加的心率、減少的心率變異、增加的呼吸率、血壓變化、與減少的能量消耗。
杰可瓦斯卡(Jackowska)先生等人(2012年)發現，睡眠問題可能與減少白天心率變異(HRV，Heart Rate Variability)有關聯。因此，在疲勞的整體醫療觀中，疲勞的影響的權重取決於在隔天當中的夜間睡眠型態(例如，片段/不良睡眠)然後估計HRV(心率變異)兩者。在增加白天影響的情況，可能增加疲勞的累積性影響。
客觀睡眠檢測(120)
監測使用者睡眠與呼吸的「睡眠感測器」可用以提供臥室或其他睡眠地點的客觀睡眠檢測(120)，諸如客觀睡眠品質與生物運動位準的每日與長期趨勢。有利地係，客觀睡眠檢測(120)是以對使用者最小或沒有介入性方式而從睡眠感測器擷取。非阻塞型睡眠感測器技術不需要配戴，即是，這類感測器為「一次性設置」，能有最大長期使用。非阻塞型睡眠感測器之一實例是一非接觸型感測器。圖2說明一實例非接觸型感測器(7000)監測床上熟睡的人(1000)，該非接觸型感測器可為一射頻都普勒運動感測器(SleepMinder)。一非阻塞型睡眠感測器之另一實例是一床墊型電容或電阻墊(包括壓電)壓力感測器。
在使用者正經由患者介面(諸如，鼻罩)從RPT(呼吸壓治療)器件接受阻塞型睡眠呼吸中止症的CPAP(鼻持續呼吸道正壓通氣)治療的實施方面，睡眠感測器可為整合RPT(呼吸壓治療)器件或患者介面的感測器，諸如壓力或流率感測器。
從睡眠感測器訊號擷取的客觀睡眠檢測(120)可包括睡眠統計，諸如睡眠持續時間、睡眠品質(預期睡眠期的實際睡眠量)、與睡眠中斷次數。從睡眠感測器訊號亦可擷取就寢時間以及清醒時間。同時可擷取REM(快速眼動)睡眠期、連同深沉睡眠(慢波睡眠)期。如前述，REM(快速眼動)睡眠持續時間指出認知性補充能量，而深沉睡眠持續時間指出身體補充能量。同時，可擷取深沉睡眠、淺層睡眠、與REM(快速眼動)睡眠持 續時間的相對比率。另一睡眠統計為睡眠慣性，其代表清醒後的預期疲勞程度，特別是在使用者直接從深沉睡眠清醒的狀況。睡眠中醒來的時間(WASO，Wake After Sleep Onset)提供片段睡眠的總合估計，其可與偵測的中斷次數結合使用。同時可擷取清醒後的睡眠時間(睡眠潛伏期)與睡眠階段。
在睡眠感測器有能力檢測心率的情況，例如，射頻(RF)都普勒運動感測器或床墊型壓力感測器監測心衝擊圖，可對訊號進行功率譜分析，以顯示疲勞預測性的心腔內間期的變異性。更具體地，心率譜的HF(高頻)至LF(低頻)功率比可使用建議增加壓力位準與增加疲勞的(自治神經系統)減少副交感成份，以估計副交感神經活動。特別地係，在慢性疲勞的交感神經系統(戰鬥或逃跑反應(Fight-or-flight response))激活可就在身體重新復原(即是，在睡眠期間)時顯現。從接觸感測器(諸如，配備有光學感測器、脈膊氧化計的配戴式腕錶樣式器件)、胸帶(諸如，Polar心率監測器)、或配備EEG電極(例如)的頭帶亦可獲得心率資料(且如此獲得HRV(心率變異))。
皮膚電反應(GSR，Galvanic skin response)(亦熟知為皮膚電應答)可由一配戴式器件(例如，Basis智能手錶、或其他商用GSR(皮膚電反應)檢測器件)記錄。GSR(皮膚電反應)訊號可當作交感神經系統「戰鬥或逃跑反應」活動的間接檢測。結合擷取的GSR(皮膚電反應)與HRV(心率變異)訊號亦產生交感與副交感神經系統活動間比值的估計。
當使用者清醒(例如，經由胸電極或腕錶樣式器件)，亦可 收集HRV(心率變異)與GSR(皮膚電反應)資料，因此，其形成白天重要訊號資料(118)的部分。
用於從一非接觸式射頻都普勒運動感測器訊號擷取客觀睡眠檢測(120)(諸如生物運動位準、呼吸率、心率、與睡眠統計)之方法是在(例如)PCT專利公開第WO 2010/091168號說明，其整個內容在此併入本文供參考。
一睡眠感測器的特殊實例為基於具有電子緩衝、放大與數位化電路之石墨烯(碳元素的晶體形式)浸漬膠(或具塑膠或膠匹覆的其他傳導材料)之壓阻式過床墊帶。
在客觀睡眠檢測(120)呈現較差於主觀使用者資料(145)的情況，可執行其他生活方式參數與睡眠呼吸障礙(SDB)檢測(125)相比較。
可能影響疲勞程度的實際睡眠品質的進一步客觀睡眠檢測(120)是表面體溫度(相對於環境溫度校準)。例如，此一溫度監測器件能以BodyMedia Sensewear器件具體實施，其結合兩感測器以檢測環境與皮膚溫度，因此提供基本體溫的矯正。體溫對於睡眠品質的評估是重要，因為在整個正常夜晚睡眠存在著特徵溫度型態。疲勞的起動子(諸如，時差生理失調)將引起偏離此型態，因為睡眠溫度輪廓會被體溫的基本晝夜變異「蓋過」。因此，潛在的促成客觀睡眠檢測(120)可為整晚的估計體溫，且此溫度輪廓從使用者的預期輪廓發生變化。
睡眠呼吸障礙(SDB)檢測(125)
除了不良睡眠衛生習慣(諸如自我強加的睡眠限制)之外，疲勞的主要促成者是呈現睡眠呼吸障礙(SDB)。睡眠呼吸障礙(SDB)檢測(125)的實例是呼吸暫停低通氣指數(AHI)與週期性肢體運動(PLM，Periodic Limb Movement)的發生率與嚴重度。用於從一非接觸式射頻都普勒運動感測器訊號擷取SDB(睡眠呼吸障礙)檢測(諸如，AHI(呼吸暫停低通氣指數))的方法是(例如)在PCT專利公開第WO 2010/091168號中概略說明，其內容在此併入本文供參考。
另一睡眠呼吸障礙(SDB)檢測(125)為提高呼吸率，例如，睡眠過程的中度呼吸率超過每分鐘20至24個呼吸(取決於年齡與基本條件)。
此外，鼾聲為睡眠呼吸障礙(SDB)檢測(125)，其基於從一音頻感測器獲得的取樣音頻波形的短時間傅立葉轉換(STFT，Short Time Fourier Transform)分析、與其正常化次頻帶功率位準的評估加以定量。梅爾頻率倒譜係數(MFCC，Mel-frequency Cepstral Coefficient)可用以區別鼾聲與講話語音，且頻譜通量(分析功率頻譜估計間的變化)可用以偵測鼾聲發生。RMS(均方根、或二次平均值)可結合使用STFT(短時間傅立葉轉換)功率位準與滑動中值濾波器，以從背景雜訊區分觸發聲音位準。
鼾聲(與有關呼吸中止症或呼吸不足症狀的鼾聲停止)能以下列方法結合生物運動位準與擷取睡眠統計。智慧型手機可置 於人體通常睡覺床側部的床邊桌上。一般的音頻記錄器(聲音記錄)智慧型手機應用程式可用以將內建音頻感測器(麥克風)的音頻檔案儲存在記憶體。為了減少暫時儲存空間，音頻能以11.025kHz，單聲(單聲道)取樣。或者，可使用22.5kHz(千赫)或44.1kHz(千赫)(或其他取樣率)。最好係，音頻應以可用的最高率取樣；取樣的訊號可稍後縮減取樣(某些內部智慧型手機麥克風設定8kHz(千赫)的上限取樣率)。亦最好係，麥克風面對使用者。例如，Samsung Galaxy S3有兩麥克風，使用的「錄音」麥克風是在右下緣的針孔。Apple iPhone5亦有兩麥克風，使用的錄音麥克風是在左下緣。注意，某些iPod變體需要連接能夠記錄的附屬耳機/麥克風(例如，較舊於Gen 4 iPod Touch)。
為了容易處理，能以區塊大小從輸入檔案讀取音頻資料。此區塊大小可建構，且代表記憶輸體輸入/輸出速度與可用記憶體間的折衷方案。10至20個微小片段為一實例區塊大小。訊號預處理包括施加數位帶通濾波器，保有頻率成份100Hz(赫茲)至4,000Hz(赫茲)範圍。藉由使用一凯斯窗(Kaiser Window)的直接形式FIR濾波器或藉由其他構件可將此達成。訊號可重新取樣到8000Hz(赫茲)(如果儲存空間限制需要此)。或者，訊號可(例如)藉由應用μ律壓縮或類似方式而縮擴。此亦可藉由其他訊號構件處理，且不必然需要縮擴。
在頻域中，特徵可包括下列次頻帶(Hz(赫茲)為單位)的次頻帶功率：0.01-500、500-1000、1000-1500、1500-2000、2000-2500。對於較高的取樣率而言，可考慮較高的頻帶。頻帶亦可分成較小或較大的片段。例如，可考慮低於800Hz(赫茲) 的特定次頻帶，即是0-800Hz(赫茲)(去均數)。其他頻譜檢測為頻譜矩心、與音頻處理步驟，諸如「基頻」-調和乘積譜、頻譜通量、展頻、頻譜自相關係數、及/或頻譜峰態值。例如，大於800Hz(赫茲)至小於800Hz(赫茲)的功率比值可從帶有SDB(睡眠呼吸障礙)的發鼾聲者區分單純發鼾聲者(其中，特定分頻可基於鼾聲族群而憑經驗選擇)。
視覺上，可在頻譜(以STFT(短時間傅立葉轉換)為主)的鼾聲頻率處追蹤「頻率線」。因此，可基於軍事聲納應用與類似所使用的技術而使用自動演算法方式偵測及擷取這類「頻率線」，包括隱馬可夫模型(hidden Markov model)與影像追蹤技術。
在時域，特徵可包括過零率(Zero Crossing Rate)、自相關係數、與工作振幅檢測。其他方法是計算短期能量與短時間過零率。
來自聲音訊號的鼾聲偵測之普遍問題係受到背景雜訊破壞，即是，不是來自受監測使用者的噪聲。這些來源可包括：白噪聲或其他有色噪聲樣式來源(例如，風扇、空調、道路喧嘩)；來自電視、收音機、智慧型手機(例如，使用者觀賞平板電腦的電影節目)的聲音、音樂等等；在房間講話的另一人；或(而且)另一人的鼾聲(例如，床伴)。藉由進階的音頻處理、及同時藉由結合音頻處理與睡眠感測器資料處理(包括不存在/存在、清醒、與睡眠階段偵測)，可處理此問題。
如果使用者正在實施鼾聲偵測(或在連接或網路的器件)的 相同智慧型手機播放音頻/媒體，可排除非鼾聲成份，即是排除最初不是鼾聲的這類聲音。對於要播放的音頻/媒體或其他講話語音來源(例如在房間交談)，一聲音辨識系統(例如，基於聲碼器)可用以掃描記錄的聲音來源。為了此應用，聲音特徵的辨識用以抑制鼾聲偵測，此假設鼾聲只在其他講話語音來源不存在時發生。當使用者在開啟收音機或電視時睡著，這會造成一問題；不過，這問題可藉由使用一單獨睡眠感測器偵測睡眠階段而處理(即是，當使用者存在，且(b)當使用者睡熟，明確地限制鼾聲偵測的間隔)。
藉由結合音頻處理與睡眠感測器資料處理(包括不存在/存在與睡眠分期)，可限制當最近音頻感測器的使用者睡熟時的鼾聲偵測。因此，即使床伴正在打鼾，但受監測的使用者清醒，這些鼾聲片段會被排除。當使用者離床(例如，上廁所)，這亦將有排除鼾聲的效果，因為發現使用者為清醒，然後睡眠感測器認為超過(不存在)範圍。
一混淆因素存在，在於兩床伴可能睡熟，且兩者發鼾聲(或兩者睡熟，不過只有進一步遠離(不受監測)的使用者正發鼾生)。在此情況(或其他情況)，存取來自一運動感測器的呼吸運動訊號可結合來自音頻訊號的偵測鼾聲類似事件。例如，音頻鼾聲事件可與重疊於呼吸運動訊號的高頻成份有關聯，例如，因為在吸氣階段的高頻成份。在其他鼾聲類型，鼾聲可能發生在吸氣與呼氣階段。呼吸運動資料中的這些鼾聲型態可取決於運動感測器的定位。來自呼吸運動訊號的呼吸中止症與呼吸不足事件的偵測亦與偵測的鼾聲型態變化有關聯。同時取得來自 運動感測器的鼾聲音頻訊號與震動的進一步效益在於，既然鼾聲在吸氣過程為更普遍，鼾聲可用以決定一運動訊號是否代表吸氣或呼氣。一進一步跡象可藉由評估吸氣與呼氣比值而獲得(其在正常對照組為1：2)。
鼾聲事件可亦與睡眠階段有關聯，例如，在非REM(快速動眼)與REM(快速動眼)睡眠期發生。雖然習知的鼾聲在深沉睡眠與淺層睡眠更普遍，不過較少出現在REM(快速動眼)睡眠。REM(快速動眼)睡眠可包括不同的音頻事件，諸如有關從呼吸中止症復原呼吸之類(例如)。
偵測來自特定使用者的鼾聲、及確實提供其呼吸率的精估的另一方法是比較從音頻訊號與從運動訊號擷取的呼吸率估計。在這些為緊密關聯性的情況，可偵測最近的使用者。在這兩者保持高品質但分隔值的情況，其可為已偵測的進一步使用者。在音頻訊號包括明顯鼾聲(或音頻品質非常不良)的情況，呼吸率估計不可能來自音頻訊號，且無法以此方法在訊號間執行關連性。
客觀疲勞檢測(130)
揭露的疲勞監測與管理系統(100)之一重要態樣在於，結合可接受的客觀嗜睡或客觀疲勞檢測(130)，例如從使用者試驗獲得之類。通常，用以獲得客觀疲勞檢測(130)的試驗可處理認知、執行的功能、壓力、與能量位準，其全部會受到疲勞影響。可用以獲得客觀疲勞檢測(130)的正式使用者試驗包括心理動 作警覺試驗(PVT，Psychomotor Vigilance Test)、牛津睡眠阻抗試驗(OSLER、Oxford Sleep Resistance Test)、清醒維持試驗(MWT，Maintenance of Wakefulness Test)。PVT(心理動作警覺試驗)評估反應時間與手/眼睛協調。PVT(心理動作警覺試驗)試驗一類型關注的合理良好可接受的檢測，其先前已顯示當作嗜睡的合理指示符，其已知為疲勞的關聯性。在PVT(心理動作警覺試驗)的一實例，光可隨時經由手持式器件提供給使用者，其中使用者必須按下按鈕來回應。由PVT(心理動作警覺試驗)提供的度量包括平均或中位反應時間與錯失次數。在PVT(心理動作警覺試驗)的另一實例，使用者必須遵循一目標且維持其位置。一持續注意回應試驗是檢測嗜睡的另一方法。
在一實施方面，一天可從事四次(例如，起床後的2小時、午餐後的1小時、晚餐後的30分鐘、睡前的1小時)PVT(心理動作警覺試驗)。
其他類型試驗導致疲勞與估計其位準兩者。例如，電腦化克雷佩林(Kraepelin)試驗是導致精神疲勞負荷之一方法。在此試驗，使用者會隨著延長時間(例如，1-2小時)而被要求重複性地重複心算與選擇試驗。工作本身已顯現導致疲勞，且此藉由關注在心算速度(加上速度變化)、與答案的準確性而估計。
在清醒時間過程定量疲勞的進一步客觀方法係使用疲勞的EEG(腦電波)檢測。一些疲勞的EEG(腦電波)預測計已經過評估，諸如特雷霍(Trejo)先生等人描述之類。
在揭露的疲勞監測系統(例如，疲勞監測與管理系統(100))的一實施，使用者在系統的訓練階段過程配戴EEG(腦電波)頭帶，以提供客觀疲勞檢測(130)。這些檢測用以訓練有關檢測客觀與主觀使用者資料的模型，與該使用者經歷的實際疲勞。
這些類型的試驗可結合在疲勞監測與管理系統(100)，以提供客觀嗜睡或客觀疲勞檢測(130)(且因此當作疲勞的內部「校準」點)。
客觀疲勞檢測(130)可為來自多個形式持續注意力試驗的「硬」檢測，諸如前述之；或者，從遊戲實錄取得的「軟」檢測。關於後者的替代性，注意力試驗可「遊戲化」以維持參與。遊戲化是在非遊戲框架領域內使用遊戲思維與遊戲機，以結合使用者及解決問題(茲側曼(Zichermann)和古尼罕(Cunningham)先生，2011年)。具體地係，注意力試驗的遊戲化允許社交態樣與目標搜尋態樣兩者。社會態樣允許族群區隔比較，例如「我的睡眠」與其他職員的睡眠比較，人員可有自己的年齡、高性能等等。亦允許分享在社交媒體端比較，諸如Twitter與Facebook。目標搜尋態樣增添目標與獎賞的觀念，經由點累積的軟體內「幹的好」訊息，或經由系統的公司贊助者的實體獎賞。來自遊戲實錄的資料(例如認知、警覺、與執行的功能估計)可提供神經行為效能的估計。這些係與記憶體、產生的錯誤(例如，失去比賽「目標」)、與精神和身體反應時間有關聯。
工作型態資料135
如果疲勞監測與管理系統(100)提供工作型態資料(135)，該疲勞監測與管理系統便可獲得更多的洞察力，其可簡單為「一周工作5天，早上8：30至下午5點」，或複雜為詳細的輪班。工作型態資料(135)可指出使用者的可能睡眠型態，且增加疲勞狀態評估(180)的準確性。
在一實例，白天睡眠與夜間睡覺的比率可擷取作為客觀睡眠檢測(120)的部分。此比率可為著睡眠、輪班工作、時差失調與其他因素而變化。具體地係，如果疲勞監測與管理系統具有即將來臨的工作時間(例如，輪班工作)或跨多重時區旅行的工作型態資料(135)，當使用者準備即將來臨的變化(例如，如果使用者預料睡眠時間變化而要改變其睡眠習慣)，其允許使用者的「預期」睡眠。
歷史性檢測(140)
疲勞監測模組(110)可利用來自其他資料來源(身體活動資料(115)-一天當中的時間資料(170))的歷史性資訊(例如，歷史性檢測(140))。例如，最近1-7天可提供使用者可能疲勞狀態的有用資訊。例如，對於典型觀察睡眠7.5小時的使用者，每夜晚6小時的逐漸轉變指出累積疲勞。每晚5小時或更少的突然變化(即是，在一短暫時段)指出急性疲勞。
在一預定時間窗口(例如，7天)，來自其他資料來源的每個參數的歷史可儲存在歷史性檢測(140)的資料庫。
主觀使用者資料(145)
主觀使用者資料(145)代表使用者輸入的資料，例如回應量表。主觀使用者資料(145)之一形式有關使用者的主觀或自我察覺嗜睡。例如，艾普沃斯嗜睡量表(ESS，Epworth Sleepiness Scale)與史丹福嗜睡量表(SSS，Stanford Sleepiness Scale)兩者為基於評估量表，其為主觀地定量嗜睡。Stop-Bang評估量表可提供對SDB(睡眠呼吸障礙)的風險估計。
卡羅連斯加嗜睡量表(KSS，Karolinska Sleepiness Scale)發展且廣泛使用為主觀嗜睡的指示符。KSS(卡羅連斯加嗜睡量表)要求人根據下列五點量計，以時間為單位估計其當時的嗜睡：
1=極度警覺
3=警覺
5=既非警示且非嗜睡
7=嗜睡，但對保持清醒無困難度
9=極度嗜睡，克制睡意
主觀使用者資料(145)可經由使用者器件取得，諸如智慧型手機或平板電腦。在一實例，智慧型手機「應用程式」提供一「疲勞按鈕」，當使用者感覺疲倦/疲勞(例如，當打哈欠)時，使用者可觸動該疲勞按鈕，且(或者)允許使用者經由相關的計數器以選擇其察覺的疲勞嚴重性。在另一實例，已知為視覺類比量度(VAS，Visual Analog Scale)，而不是詢問使用者按口述來評估使用者自身，應用程式提供嗜睡的連續性，使用者可沿 著其以移動「捲動軸」(例如，在表示使用者的主觀嗜睡程度的圖形使用者界面(GUI，Graphical User Interface))。
在一實施，一天可管理VAS(視覺類比量度)四次(例如，一處理器自動觸發)(例，起床後的2小時、午餐後的1小時、晚餐後的30分鐘、與就寢前的1小時)。
有關察覺性疲勞的主觀使用者資料(145)之其他形式為生活方式參數，諸如咖啡因攝取、壓力位準、能量位準、心理(心情)狀態、察覺性睡眠品質、與月經週期、及相關疲勞的可能性。這些生活方式參數之每一者可經由如前述的使用者器件取得，且當作疲勞監測模組(110)的輸入使用。
族群資料(150)
揭露的疲勞監測與管理系統(100)的一態樣在於，分析可用以比較使用者的紀錄與較大量族群的紀錄，以建立基準且亦決定使用者可適合的族群。例如，一些個體更易受到較少於他人的短期睡眠的影響，且此可藉由隨著時間檢查人的紀錄而學習。在高位準，特定區域可能展現不同的疲勞特徵，例如，關於固有的產業、由於時間變化的短期影響、區域性的飲食習慣與BMI、社經位準、季節影響(諸如晝間小時的持續時間)、糖尿病的傳播、等等。
為此，族群資料(150)包括來自疲勞監測與管理系統(100)的多重使用者的參數。族群資料(150)允許基於族群統計、心理 變數、行為與地理參數的混合，利用來自類似使用者的資料以初步評估疲勞狀態。為允許對標準檢測的比較，族群資料(150)可被去識別以保護使用者的隱私。
基準資料155
基準參數(155)代表使用者的標準值，且可取自歷史性檢測(140)的趨勢分析(最初在短時間量表，但可延伸到數星期、數月或數年資料的圖式)。
一基準亦可能從對量表的回應而建立，諸如匹茲堡睡眠品質量表(PSQ，Pittsburgh Sleep Questionnaire)與生活品質(QoL，Quality of Life)調查。量表可管理，且回應(155)可經由使用者器件(諸如智慧型手機或平板電腦)取得。
環境(資料(160))
使用者的區域環境在其疲勞程度可扮演一角色，特別係，如果使用者對傳授花粉量或光位準(例如，季節性情緒失調)敏感。大規模環境資料(160)(諸如季節、天氣與過敏症資訊)可基於使用者的睡眠位置(或以輪廓細節由其供應、或經由地理定位器件獲得，例如GPS器件)、與適當的線上資料庫交叉檢查而蒐集。
更特別的環境資料(160)包括使用者睡眠地點的環境溫度(有關舒服的睡眠溫度)、環境音頻位準(用以偵測大聲噪音)、 光位準(用以識別日出時間，反複檢查季節資訊與地點、與房間燈光控制)、空氣品質與濕度。這些此資料能從專屬的校準環境感測器(諸如記錄溫度值的Onset HOBO記錄器)、或使用者設置在房間內的智慧型手機環境(例如環境音頻)感測器獲得。
一天當中的時間資料(170)
從時鐘獲得的一天當中的時間資料(170)在疲勞評估方面可當作關鍵的查詢檢測使用。一天當中的時間資料(170)可取得疲勞的基本日或夜律動變化，例如使用一正弦曲線模型。
其他資料輸入
疲勞監測與管理系統(100)的一些實施結合嗜睡與警覺的可接受生理檢測(諸如血流內的腺甘酸與聚黑素)，作為使用者的整體嗜睡位準的潛在校準點。腺甘酸位準是嗜睡的指示，因為腺甘酸減慢神經活動。圖3包含一天當中人血流的腺甘酸程度之實例曲線圖(3000)。在第一區段(3010)，當人睡熟時的位準較低。就在人員於時間(3020)清醒前，位準會開始上升，且在整個清醒時段會持續上升直到超過人員在此點想睡的「決定性睡眠程度」(3030)。人員在時間(3040)入睡，其後位準開始下降。注意，藉由在腦中最好結合腺甘酸受體，咖啡因可對警覺程度提供短暫提神，且因此減慢腺甘酸的神經抑制作用。
疲勞監測與管理系統(100)亦可收集來自使用者有關疲勞 的狀況/疾病狀態的資訊，包括焦慮、頭痛與鼻塞、哮喘、貧血(例如，關於月經)、憂鬱、關節炎、糖尿病、與睡眠呼吸中止症。
疲勞監測模組(110)使用的另一類型資料是有關床具的資訊，例如，床單類型，其何時為最後變更、底墊與棉被的使用時間，與灰塵過敏症的出現。這些資料可結合其估計的疲勞型態、睡眠趨勢(特別係運動量)、房間環境資料(160)(例如，溫度)與族群資料(150)。
在疲勞監測與管理系統(100)的駕駛實施，有關使用者駕駛的資訊可經由一加速度計與地理定位器件(例如，GPS為主)獲得，以區別駕駛與移動(即是，從其他類型移動區分駕駛)兩者間。這些資料可用以編索引含有區域道路網路的映射資料庫，特別在例疲勞相關意外的已知「黑點」，例如，已知為具有「駕驶中典型睡眠徵状」意外事件或傷亡提高影響的區域或道路。
疲勞監測模組(110)
如前述，疲勞監測模組(110)採用以自該等資料來源(身體活動資料(115)-一天當中的時間資料(170))之一或多者的輸入，以產生使用者的疲勞狀態評估(180)。疲勞狀態評估(180)可採用使用者的目前疲勞狀態估計、或使用者的將來疲勞狀態預測。
在疲勞監測模組(110)使用輸入的資料之前，輸入的資料可 能歷經非線性轉換，(諸如，對數)。輸入的資料亦可常態化，例如藉著平均消去法，以除去個體間的「靜態偏置」。
圖4為根據本技術之一形式之可用以實施疲勞監測模組(110)之線性分類器(4000)的方塊圖。在圖4，線性分類器(4000)採用從輸入資料來源(身體活動資料(115)-一天當中的時間資料(170))取得的三個資料參數x、y與z，且分別使用係數　、　、和　將其線性組合。在一實例，疲勞指數值1表示高度疲勞，且疲勞指數值0表示低度疲勞。在其他實施，大於或小於3的一些輸入參數是被線性分類器(4000)線性組合，以產生疲勞指數f。
線性分類器(4000)的進一步輸入可為符合疲勞指數f的時間t。如果時間t是現在，疲勞指數f為目前疲勞狀態的估計。如果時間t是未來時間，疲勞指數f代表在時間t的預測疲勞狀態。通常，係數　、　、和　為隨著時間變化，使得時間t可用以獲得用於評估疲勞的係數　、　、和　的正確值。
在一實例，線性分類器(4000)的輸入參數包括下列參數集合：{自清醒的時間、昨晚睡眠的持續時間、前夜晚的中斷次數、過去五個夜晚睡眠持續時間的連續檢測值平均、年齡、性別、前夜晚深沉睡眠的持續時間、昨晚室溫}。
對於有用的一線性分類器(4000)，需要權重係數　、　、和　的適當值、與使特定個體特徵化之輸入參數的「最佳」集合(例如，對於一些個體而言，最重要的輸入參數是自清醒的 時間，對於其他，可為昨晚睡眠的持續時間)。多重線性迴歸是從訓練組建立輸入參數與對應係數的「最佳」集合之監督方法。在多重線性復迴歸方式，疲勞監測與管理系統(100)學習輸入參數與對應係數的「最好」集合，以估計或預測人的疲勞狀態。在沒有任何先前學習資料，標準的線性模型可用以初始化線性分類器(4000)。
訓練資料可從個別使用者獲得，在此情況，分類器是以使用者為對象，或來自多重個體，在此情況，分類為更通用。此一通用的分類器可包括基於來自不同區域的訓練資料的子模型。通用的分類器可基於來自先前未知個體的資料而產生疲勞評估。
在訓練資料為可用的情況，此將時常包括在一天當中從使用者獲得客觀或主觀疲勞檢測(使用例如心理動作警覺試驗、視覺類比量表、或EEG(腦電波)為主的疲勞檢測)。此然後將允許線性模型適合於有用的輸出疲勞指數。
存在著線性迴歸的許多替代性，諸如羅吉斯迴歸(Logistic Regression)與非線性迴歸，疲勞監測模組(110)可用以學習輸入參數與對應係數的「最佳」集合，以估計疲勞指數f。
在揭露的疲勞監測與管理系統(100)的其他形式中，疲勞監測模組(110)可使用不同的方法產生疲勞狀態評估(180)(諸如非線分類器)，支援向量機器或神經網路。
疲勞監測模組(110)的另一實施使用以規則為主的方式以產生疲勞指數。此實施之一實例包括下列規則集合，其具有下列特徵之一、多者或全部：
˙如果睡眠時數<6，增加疲勞指數[注意：有時非常短睡眠可能花一天影響使用者，特別係如果其到目前已好轉；但如果其持續，那麼其可能有慢性疲勞]。
˙如果睡眠時數>10，增加疲勞指數。
˙如果在過去三個夜晚就寢時間改變超過2.5小時，增加疲勞指數。
˙如果深沉睡眠<7%，增加疲勞指數。
˙如果深沉睡眠與過去三個夜晚的平均>8%，增加疲勞指數(如果在第二或隨後的夜晚持續減少趨勢，進一步增加疲勞指數。如果隨後在深沉睡眠增加>5%，那麼使用者在「好轉中」，且疲勞指數減少)。
˙如果REM(快速動眼)非常短(<5-7%)，增加疲勞指數。
˙如果睡眠效率<75-80%，增加疲勞指數(如果運動感測器拾起臥室內的背景運動，且使用者沒有在應用程式輸入就度時間，可能需檢查異常值)。
˙否則，減少疲勞指數。
可考慮下列一些其他規則：
˙週末減少疲勞指數，特別係如果結合長睡眠持續時間與減少REM(快速動眼)。
˙如果使用者花長時間睡眠(高睡眠潛伏期)，增加疲勞指數(但有時此特徵可能被歪曲)。
˙如果PSQI/QoL量度很壞，使用者可能有睡眠障礙，故 增加疲勞指數。
˙如果活動資料建議使用者通常久坐然後突然活躍，故增加疲勞指數。
疲勞狀態評估(180)可為疲勞指數值f。或者，疲勞監測模組(110)可將使用一或多個臨界值的計算疲勞指數值f映射至一組疲勞狀態之一者。此疲勞狀態可代表更容易解釋的疲勞狀態評估(180)。在此映射之一實施，該組的可能疲勞狀態與對應的臨界值如下：
˙「都很好」，意指未發現不愉快的疲勞狀態(f<0.5)。
˙「風險」，意指使用者具有提高的疲勞風險性(0.5<f<0.8)。如此，提供此如何取得及其嚴重程度的指示。例如，使用者可能呈現睡眠不足的早期階段，且在經歷慢性疲勞狀態之前經由行為改變而矯正。
˙「急性疲勞」，意指相對短期(在1-2天內)睡眠限制或非常不良品質睡眠可能每況愈下可能急性疲勞(0.8<f<1)。基於工作型態資料(135)或其他資料，此可認為是高度風險狀態(例如，使用者要執行安全關鍵性功能、或使用者報告計畫性長途駕駛汽車)。此可能最初明顯身體疲勞，然後增加精神疲勞(具相關的認知功能障礙)。
˙「慢性疲勞」(數日介於0.5<f<0.8)可為較長期睡眠限制或通常不良睡眠衛生習慣(包括保持清醒的不良飲食、及/或咖啡因/能量飲料，然後睡前飲酒與安眠藥的混合)/失眠的結果。一基本SDB(睡眠呼吸障礙)情況亦可能為根本原因。
在其他實施方面，可使用符合較大範圍可能疲勞狀態的大量臨界值。
使用者資訊模組(185)
使用者資訊模組(185)對使用者產生及提供包含疲勞狀態評估、與(或者)形成客觀睡眠檢測部分的睡眠統計之報告。
在疲勞監測與管理系統(100)的消費者實施方面，使用者資訊模組(185)可對使用者提供估計疲勞程度、危險因子、與改善策略的個人化觀察。
圖6包括使用者資訊模組(185)如何顯示客觀睡眠檢測(120)、身體活動資料(115)、與有關數天使用者疲勞指數f的工作型態資料(135)的示意圖(6000)。在圖6，下圖(6020)的兩顯示檢測是熟睡時間、與實際執輪班執勤時間。上圖(6010)包括疲勞指數f，其部分基於這些檢測的睡眠與輪班執勤時間，其係使用圖4的線性分類器(4000)計算。在圖6，在第二天(6030)與第三天(6040)，使用者的疲勞指數f較高，因為使用者在先前的夜晚(6050、6060)歷經短的睡眠期，且亦較長於平時的輪班執勤。
如果使用者沒有給他自有足夠睡眠機會(即是，使用者沒有給自己平時充份睡眠，使用者可能或可能不知道此)，使用者資訊模組(185)可提供警覺。不過，在疲勞監測與管理系統(100)的消費者實施方面，警覺可能沒有時效性，因為(例如)旅 行或社交可能短期或短暫不利改變疲勞狀態。在工作場所實施的情況，警覺可構成更有時效性，特別係，如果使用者具有安全關鍵角色(例如，採礦、火車駕駛員、起重機作業員等等)。
疲勞狀態評估(180)可用以對使用者建議。如一實例，考慮使用者有不良的夜間睡眠，且經由前述非阻塞性睡眠感測器收集客觀睡眠檢測(120)。在一天當中，疲勞相關資料是從使用者取得，諸如客觀疲勞檢測(130)、環境資料(160)、身體活動資料(115)、地點資料、與飲食資料。疲勞監測模組(110)可分析此資料，以產生疲勞狀態評估(180)。使用者資訊模組(185)基於此估計以評估及建議該天的「理想睡眠時間」。使用者將如此預先知道何時是且能有選擇性服從或忽略建議。此堅持或順應性資料本身會是進一步分析的輸入。警覺可於建議的理想睡眠時間預先提供(即是，「睡眠時間」提醒器件，例如經由使用者的智慧型手機傳達)。隨著時間，疲勞監測與管理系統發展成為個人化「理想睡眠時間」建議系統。
使用者資訊模組(185)亦可基於各種不同情境下的預測疲勞狀態，對使用者建議隔天清醒的最佳時間，以達成(a)最佳清醒警覺、或(b)最適宜的全日警覺。經由使用者智慧型手機的時鐘應用程式的建議時間對使用者傳達警覺。
使用客觀睡眠檢測(120)以估計疲勞狀態評估(180)之一效益在於，使用者可實際睡得比其自身感覺更好。透過使用者資訊模組(185)對使用者溝通實際狀況可用以中止惡性循環，因此使用者認知將有不舒服的日子(心理或妄想性疲勞)，然後過度 服用刺激藥(諸如咖啡或其他含咖啡因的飲料)，睡前飲酒或安眠藥。更普遍地，如果系統察覺到此刺激藥型態，使用者資訊模組(185)可建議在一段時間減少(與可能去除)咖啡因，與類似管理酒精攝取(與抽菸或「嚼煙草」，若適用)。
在前述的床具應用方面，使用者資訊模組(185)可對使用者提供提醒訊息以變更使用者臥室的床具及/或環境狀況。
在前述的駕駛實施方面，使用者資訊模組(185)可對使用者提供特定的個人化建議。此潛在可提高安全性。例如，如果估計或預測的疲勞狀態評估(180)指出升高駕駛睡著的風險，使用者資訊模組(185)可建議使用者找尋大眾運輸的替代方案，諸如大眾運輸、共乘制(共搭乘汽車)等等。在隨著時間監測疲勞，地理區域及其疲勞程度的評估可加以估計，且連結通勤意外事故等等發生的可能性。使用者資訊模組(185)亦可基於一天當中的時間以建議睡覺策略，且提供適當警覺度以避免睡過頭(過度睡覺)。
在旅行實施方面，使用者資訊模組(185)可建議使用者在一天當中增加暴露於陽光(若可能)或利用日光(全光譜)燈/光源，以讓使用者準備即將來臨的時區變化。
在玩遊戲實施方面，使用者資訊模組(185)可提醒使用者就寢。
在學生實施方面，使用者資訊模組(185)可充當健康睡眠習 慣的建議引擎，以於讀書與考試時提高能量位準。
CPAP(鼻持續呼吸道正壓通氣)治療的效益為減少疲勞(例如，減少白天嗜睡)。增加疲勞指數的CPAP患者可對處方CPAP治療建議採未達最佳順應性。因此，在疲勞監測與管理系統(100)的CPAP治療實施方面，使用者資訊模組(185)能提供改善患者CPAP治療順應性程度的建議。具體地係，透過使用者資訊模組(185)陳述的說明(增加對連鎖的瞭解)，對於未規律使用CPAP治療的患者顯示提高順應性的效益。高疲勞指數係與低度治療順應性有關聯，因此可刺激患者改善其疲勞指數，且如此提高患者順應性。
在CPAP(鼻持續呼吸道正壓通氣)患者患有失眠的情況，患者可選擇不使用其治療。因此，藉由傳遞個人化睡眠衛生習慣改善建議，且(或者)提供使人放鬆呼吸規劃(導引呼吸，例如，利用個人電腦器件執行的音頻程式輸送)，疲勞監測與管理系統(100)提供擁有更好睡眠的構件，且因此增加CPAP治療順應性。
疲勞狀態評估(180)可用以推論就寢時使用的特別音樂序列是否有利於促進睡眠，及對次日疲勞程度的影響(例如，識別「降低疲勞」音軌)。
疲勞狀態評估(180)可用以推論特殊呼吸練習是否促進睡眠或警覺度(例如，警覺度呼吸練習，其係使用經由光或顯示器件與特殊化音頻序列之一或多個步階式照度，以減少呼吸率 及調整吸氣/呼氣時間；或者，使用來自一非接觸式睡眠感測器的生物反饋)。
第三者資訊模組(190)
在疲勞監測與管理系統(100)的工作場所實施方面，第三者資訊模組(190)提供一項包含多位職員的睡眠與疲勞資訊的報告給第三者(諸如，公司雇主的現場健康諮詢者)。報告可客製化，包含如下列特徵之一或多者：
˙每位職員(或職員群體)的每日報告
˙基於某些因素(包括睡眠歷史、一天當中的時間、與工作負荷)的疲勞風險度量
˙變化的睡眠型態指示
˙起因於不良睡眠品質或睡眠時數型態的最近睡眠歷史
˙實際睡眠時間，即為睡眠的持續時間、睡眠品質、與睡眠的時間點
˙長期趨勢，包括長期睡眠負債的估計、及個體與族群比較(即是，相較於平均值)
˙恢復性(深沉睡眠)與認知(REM)睡眠的平衡
˙睡眠呼吸障礙-風險評估
˙睡眠慣性(從深沉睡眠或淺層睡眠清醒)
˙其他重要檢測(治療順應性、藥物治療追蹤等等)
在床具實施方面，第三者資訊模組(190)可當作床具業者探究床具使用平均時間、與相對舒適程度的研究工具(兩者經由 主觀使用者資料(145)與經由客觀睡眠檢測(120)輸入)。
取樣使用案例
一使用者的疲勞監測與管理系統(100)的取樣使用案例如下。疲勞監測模組(110)是在雲端網路伺服器採用軟體模組實施，為了每日追蹤，該疲勞監測模組係與智慧型手機端的軟體應用程式(App)通訊，且經由藍芽(Bluetooth)無線連接一非接觸式睡眠感測器與一配戴式活動感測器。
第一夜：使用者使用連接使用者智慧型手機或其他本地記憶體儲存器件的非接觸式睡眠感測器監測自己的睡眠。此器件將客觀睡眠檢測(120)(諸如就寢時間、睡眠潛伏期(睡著時間)、中斷次數、清醒時間、與睡眠量度)傳輸給疲勞監測模組(110)。同時整晚記錄鼾聲位準(經由智慧型手機麥克風、或經由內建在非接觸式睡眠感測器的麥克風)。
第一日：在早晨，將Stop-Bang量表提供給使用者，因為使用者的鼾聲位準強度、與睡眠中斷次數被疲勞監測模組(110)認為有利害關係(超過臨界值)。同時提示使用者輸入自己的身高與重量、與(或者)卡路里消耗資料。使用者的身體活動資料(115)是由一配戴式活動感測器取得，其為無線連接使用者的智慧型手機，供稍後傳輸給疲勞監測模組(110)。使用者的運動位準係與典型的健康值相比較。如果在一天當中發生「疲勞事件(例如，打哈欠、閉眼等等)」，便要求使用者經由在自己的智慧型手機執行的應用程式記錄這類事件。智慧型手機收集的其他 主觀使用者資料(145)包括使用者是否正在通勤(且若如此，是否駕駛中)，且使用者是否在一天當中睡覺。
第二夜：使用者經由自己的智慧型手機接收來自使用者資訊模組(185)的第一回應，包含改善睡眠衛生習慣的某些建議(若需要)。這形成特定使用者疲勞效準的基礎。
在下一星期，使用者資訊模組(185)將提供諮詢建議。
第七日：一週(7天，因想要取得一整個工作週(若可能))之後，一疲勞狀態評估(180)是由使用者資訊模組(185)提供給使用者、或由第三者資訊模組(190)提供給OH & S計畫管理員。在7天時段已過之前，產生可用的疲勞狀態評估(180)；特別係，如果偵測到SDB(睡眠呼吸障礙)型態。
使用者的疲勞程度係與族群資料(150)相比較，提供此參數當作使用者的「真正的睡眠年齡」。在睡眠醫學領域的研究人員已按照年齡函數描繪睡眠階段的可能分配輪廓。圖5包括代表按照年齡函數的睡眠階段之實例分佈圖(5000)(摘自薩姆布努(Shambroom)先生與法布雷加斯(Fabregas)先生)。藉由比較使用者睡眠階段的實際分佈與族群分佈，可決定該使用者的睡眠年齡。
疲勞監測模組(110)基於疲勞指數與其他生活方式參數兩者可取得生活品質估計，該等生活方式參數可由疲勞監測與管理系統(100)取得當作主觀使用者資料(145)。此參數包括咖啡因 攝取、察覺性壓力與能量位準、與「心理(心情)狀態」估計。
實例效能
疲勞監測管理系統(100)之一實例實施利用七天從從下列資料來源收集到20位使用者的資料：
˙匹茲堡睡眠品質量表(Pittsburgh Sleep Questionnaire)與生活品質調查(基準資料(155))
˙SleepMinder非接觸式運動感測器(客觀睡眠檢測(120)與睡眠呼吸障礙(SDB)檢測(125))
˙HOBO溫度記錄器(環境資料(160))
˙FitBit活動感測器(身體活動資料(115))
˙每日四次經由智慧型手機管理PVT(客觀疲勞檢測(130))
˙每日四次經由智慧型手機管理VAS(主觀使用者資料(145))
˙就寢/清醒的時間(手動輸入智慧型手機應用程式)
˙智慧型手機應用程式記錄的環境音頻(環境資料(160))
一線性分類器(4000)用以實施疲勞監測模組(110)。線性分類器(4000)使用90%的收集資料進行訓練，其除了PVT(心理動作警覺試驗)平均反應時間量度之外，將全部來源當作輸入使用。該天的第一PVT的PVT平均反應量度係經過計算，當作輸出疲勞指數值的表示。訓練過的線性分類器(4000)然後施加於含有其餘10%資料的試驗資料，以預測PVT平均反應時間。 圖7包括針對訓練資料(O)與試驗資料(X)的預測PVT平均反應時間(預測疲勞指數)與實際PVT平均反應時間(實際疲勞指數)的比較圖。試驗資料的RMS(均方根、或二次平均值)預測誤差為49.3毫秒，而在訓練資料的RMS預測誤差為52.1毫秒，顯現線性分類器(4000)對未知的使用者為普遍通用。試驗資料的r2值是0.70。
字彙
為了本技術揭示之目的，在本技術之特定形式中，可應用一或多個下列定義。在本技術之其他形式中，可應用其他定義。
空氣(Air)：在本技術之特定形式中，供應給患者的空氣可為大氣空氣，且在本技術之其他形式中，大氣空氣可補充氧氣。
鼻腔持續正壓換氣(CPAP，Nasal Continuous Positive Airway Pressure)治療：相對於大氣，施加持續正壓空氣或可呼吸氣體供應至呼吸道入口，且在患者的呼吸週期內最好大致不變。在CPAP治療的某些形式，壓力在患者的不同呼吸週期間發生改變，例如隨著偵測到局部上呼吸道障礙的指示而增加，且隨著沒有偵測到局部上呼吸道障礙的指示而減少。
呼吸中止症(Apnea)：呼吸中止症是在一段持續時間(例如，10秒)，呼吸流掉落低於一預定臨界值而發生。阻礙性呼吸中止症是在(儘管患者的努力)一些呼吸道的障礙不讓空氣流動而發生。中樞神經性睡眠呼吸中止症是在由於減少呼吸努 力、或缺乏呼吸努力而發現呼吸中止症時發生。
呼吸率(Breathing Rate)：患者的自然呼吸率，通常是以每分鐘的呼吸為單位檢測。
呼吸不足(Hypopnea)：呼吸不足會降低減少呼吸流動，但不會停止流動。在一形式中，呼吸不足應是當減少流速低於持久性的臨界值時發生。
暢通性呼吸道(Patency Airway)：呼吸道打開的程度，或呼吸道打開的範圍。暢換呼吸道是打開的。呼吸道暢通可量化，例如1值為暢通，與0值為關閉。
呼吸流速、氣流、患者氣流、呼吸氣流(Qr)：這些同義術語可視為RPT(呼吸壓治療)器件對呼吸氣流的評估，而不是「正確呼吸流速」或「正確呼吸氣流」，其為患者經歷的正確呼吸流速，通常是以每分鐘公升數表示
上呼吸道障礙(UAO，Upper Airway Obstruction)：包括部分與總上呼吸道障礙。此可能有關流速限制的狀態，其中，流速程度只略微增加，或當跨上呼吸道的壓力差增加(斯塔林電阻行為)時，可能甚至減少。
其他補充說明
本專利文件的揭露部分包括受制於版權保護的材料。版權 擁有者對於專利文件或專利揭露部分的任何一者的傳真再生沒有異議，因為專利文件或專利揭露部分出現在專利商標局專利檔案或記錄，但在其他方面保有所有版權。
除非本說明書明確指出且提供各種值，否則，應明白，在範圍內的上限值與下限值間的每個居間值(到下限值單位的十分之一)、與在所述範圍內的任何其他指定值或居間值涵蓋在本技術內。這些居間範圍的上限值與下限值(可獨自包括在居間的範圍中)亦涵蓋的本技術(隸屬於在所述範圍內的任何特別排除限制)內。在所述範圍包括一或兩限制之情況，排除這些包括限制的任一者或兩者的範圍亦包括在本技術內。
此外，在一值或數值在此所述當作本技術之一部分實施的情況，應瞭解，除非特明聲明，否則此值可能近似，且此值可被用於任何適當有效數字至實際技術實施可能允許或需要的範圍。
除非定義，否則，在此使用的所有技術與科學術語具有與熟諳此技者普遍瞭解相同的意義。雖然類似或等同在本說明書所述的任何方法與材料亦可用以實施或試驗本技術，不過在本說明書描述有限數量的示範方法與材料。
當特別材料視為用以構成一組件時，很明顯，具類似屬性的替代性材料可替代使用。此外，除非在此指定相反意義，否則在此所述的任何與所有組件應瞭解可製造，同樣地，可一起製造或個別製造。
必須注意，如在本說明書與文後申請專利範圍的使用，除非明確說明，否則單數形式「一」、與「該」包括其複數個等效物。
在本說明書提到的所有專利公開內容是整個併入本文供參考且描述有關這些專利公開內容主題的方法及/或材料。本說明書中討論的專利公開內容只是為了揭示在本申請的申請日之前的專利公開內容而提供。不應解釋為承認本技術不能因為是在先前發明而先於這些揭示。此外，提供的專利公開內容的日期可能不同於實際的出版日期，可能需要單獨確認。
此外，在解釋本發明中，全部用語應為符合本說明書的最寬廣合理解釋。更具體地，用語「包括」與「包含」應以非專屬方法式解釋為元件、組件、或步驟，其表示參考的元件、組件或步驟提供、或使用、或結合於未明白參考的其他元件、組件或步驟。
實施方式中包含使用的主要標題僅供讀者容易參考，且不用以限制本發明或文後申請專利範圍中描述的主題。主要標題應不用以構成文後申請專利範圍的範疇、或文後申請專利範圍限制。
雖然在本說明書的技術已描述有關特別具體實施例，不過應瞭解，這些具體實施例僅說明本技術之原理與應用。在某些例證，術語與符號可表示不需要實作該技術的特定細節。例 如，雖然可使用序詞「第一」與「第二」，除非特別指定，否則其非意欲表示表示任何順序，而是可用以區別不同的元件。此外，雖然本方法的處理步驟可能依序描述或說明，不過不需要此一順序。熟諳此技者應明白，此順序可修改，及/或可同時或甚至同步進行其態樣修改。
因此，應瞭解，能夠對說明的具體實施例進行許多修改，且可設計其他配置，不致悖離本技術的精神與範疇。
100‧‧‧疲勞監測與管理系統
110‧‧‧疲勞監測模組
115‧‧‧身體活動資料
118‧‧‧白天重要訊號資料
120‧‧‧客觀睡眠檢測
125‧‧‧睡眠呼吸障礙檢測
130‧‧‧客觀疲勞檢測
135‧‧‧工作型態資料
140‧‧‧歷史性資料
145‧‧‧主觀使用者資料
150‧‧‧族群資料
155‧‧‧基準資料
160‧‧‧環境資料
170‧‧‧一天當中的時間資料
180‧‧‧疲勞狀態評估
185‧‧‧使用者資訊模組
190‧‧‧第三者資訊模組

Claims (39)

  1. 一種用於監測使用者疲勞之系統，該系統包括：一或多個資料來源，包括：一非阻塞型睡眠感測器，其構成產生該使用者的客觀睡眠檢測；及一處理器的疲勞監測模組，該模組構成基於來自該等一或多個資料來源的資料以產生該使用者的疲勞狀態評估。
  2. 如請求項1所述之系統，其中該等一或多個資料來源更包括下列特徵之一或多者：一活動感測器，其構成產生該使用者的身體活動資料；一環境感測器，其構成產生有關該使用者睡眠位置的環境狀況之環境資料；一器件，其構成取得有關該使用者自我察覺性疲勞狀態的主觀使用者資料；一器件，其構成取得該使用者的白天生理訊號資料；一裝置，其構成取得該使用者的疲勞或嗜睡的客觀檢測；一時鐘；及該使用者的工作型態資料。
  3. 如請求項2所述之系統，其中該主觀使用者資料包括生活方式參數，該等生活方式參數包括下列特徵之一或多者：咖啡因攝取；壓力位準；能量位準； 心理狀態；及察覺性睡眠品質。
  4. 如請求項2至3中任一項所述之系統，其中該環境資料包括季節、天氣、與過敏資訊之一或多者。
  5. 如請求項2至3中任一項所述之系統，其中該環境資料包括環境溫度、環境音頻位準、光位準、空氣品質、與濕度之一或多者。
  6. 如請求項2至5中任一項所述之系統，其中該等疲勞或嗜睡的客觀檢測是從使用者試驗獲得。
  7. 如請求項2至5中任一項所述之系統，其中該等疲勞或嗜睡的客觀檢測是由使用者從遊戲實錄獲得。
  8. 如請求項1至7中任一項所述之系統，其中該疲勞監測模組基於歷史性資料庫以產生該使用者的疲勞狀態評估，該歷史性資料庫構成在一預定時間窗口範圍從該等一或多個資料來源取得資料。
  9. 如請求項8所述之系統，其中該疲勞監測模組進一步構成基於從該歷史性資料庫的資料趨勢分析取得的該使用者基準參數，以產生該使用者的疲勞狀態評估。
  10. 如請求項1至9中任一項所述之系統，其中該疲勞監測模組進一步構成基於族群資料庫以產生該使用者的疲勞狀態評 估，該族群資料庫包含來自該系統的多重使用者的該等一或多個資料來源的資料。
  11. 如請求項1至10中任一項所述之系統，其中該疲勞監測模組進一步構成基於從量表的回應取得的該使用者基準參數，以產生該使用者的疲勞狀態評估。
  12. 如請求項1至11中任一項所述之系統，其中該睡眠感測器進一步構成提供睡眠呼吸障礙檢測。
  13. 如請求項12所述之系統，其中該睡眠呼吸障礙檢測為鼾聲檢測。
  14. 如請求項13所述之系統，其中該睡眠感測器資料結合來自音頻感測器的音頻資料，以獲得該鼾聲檢測。
  15. 如請求項14所述之系統，其中當該睡眠感測器資料指出該使用者存在且睡熟，鼾聲檢測侷限於某些間隔。
  16. 如請求項14所述之系統，其中該睡眠感測器為一運動感測器，且獲得該鼾聲檢測包括偵測音頻資料中的鼾聲類似事件，該音頻資料同時具有來自該運動感測器的呼吸運動訊號中的高頻成份。
  17. 如請求項12所述之系統，其中該睡眠呼吸障礙檢測為一睡眠呼吸暫停指數。
  18. 如請求項12所述之系統，其中該睡眠呼吸障礙檢測為提高的呼吸率。
  19. 如請求項1至18中任一項所述之系統，其中該使用者的疲勞狀態評估包括該使用者的目前疲勞狀態估計。
  20. 如請求項1至18中任一項所述之系統，其中該使用者的疲勞狀態評估包括在指定時間預測該使用者的未來疲勞狀態。
  21. 如請求項1至20中任一項所述之系統，其中該客觀睡眠檢測包括下列特徵之一或多者：心率；呼吸率；生物運動位準；睡眠統計；皮膚電反應；及體溫。
  22. 如請求項21所述之系統，其中該睡眠統計包括下列特徵之一或多者：睡眠持續時間；睡眠品質；睡眠中斷次數；REM(快速動眼)睡眠期；睡眠中醒來的時間； 睡眠慣性；及睡眠潛伏期。
  23. 如請求項1至22中任一項所述之系統，更包括一第三者資訊模組，其構成提供有關該使用者的疲勞狀態評估的資訊給第三者。
  24. 如請求項1至23中任一項所述之系統，更包括一使用者資訊模組，其構成提供有關該使用者的疲勞狀態評估的資訊給該使用者。
  25. 如請求項1至24中任一項所述之系統，其中該睡眠感測器為一整合呼吸壓治療器件的感測器，其中該使用者正從該感測器接受CPAP(鼻持續呼吸道正壓通氣)治療。
  26. 如請求項1至25中任一項所述之系統，其中該疲勞監測模組為一線性分類器，其構成線性組合來自該等一或多個資料來源的資料，以產生一疲勞指數。
  27. 如請求項1至25中任一項所述之系統，其中該疲勞監測模組施加一規則集合至來自該等一或多個資料來源的資料，以產生一疲勞指數。
  28. 如請求項26至27中任一項所述之系統，其中該疲勞指數係映射至疲勞狀態集合之一者。
  29. 如請求項1至28中任一項所述之系統，其中該疲勞監測 模組實施於有關該使用者的一處理器件，該處理器件係連接該等一或多個資料來源。
  30. 如請求項1至28中任一項所述之系統，其中該疲勞監測模組實施於一遠端伺服器，該遠端伺服器連接網路上的該等一或多個資料來源。
  31. 一種監測使用者的疲勞之方法，該方法包括在一或多個處理器中，基於來自一或多個資料來源的資料以產生該使用者的疲勞狀態評估，該資料包括一非阻塞型睡眠感測器產生的該使用者的客觀睡眠檢測。
  32. 如請求項31所述之方法，更包括對該使用者提供該疲勞狀態評估。
  33. 如請求項31至32中任一項所述之方法，更包括基於該疲勞狀態評估，對該使用者提出建議。
  34. 如請求項33所述之方法，其中該建議為該使用者就寢的理想時間。
  35. 如請求項33所述之方法，其中該建議為該使用者清醒的最佳時間。
  36. 如請求項33所述之方法，其中該使用者正在歷經CPAP(鼻持續呼吸道正壓通氣)治療，且建議為改善CPAP(鼻持續呼吸道正壓通氣)治療之建議。
  37. 如請求項31至36中任一項所述之方法，更包括對第三者提供該疲勞狀態評估。
  38. 如請求項31至37中任一項所述之方法，其中該產生包括施加一線性分類器至該等一或多個資料來源。
  39. 如請求項38所述之方法，其更包括，在該產生之前，施加一非線性轉換至該等資料來源之一或多者。
TW103134978A 2013-10-09 2014-10-08 疲勞監測與管理系統及其方法 TW201528198A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
AU2013903881A AU2013903881A0 (en) 2013-10-09 Fatigue monitoring and management system
AU2014902350A AU2014902350A0 (en) 2014-06-19 Fatigue monitoring and management system

Publications (1)

Publication Number Publication Date
TW201528198A true TW201528198A (zh) 2015-07-16

Family

ID=52813551

Family Applications (1)

Application Number Title Priority Date Filing Date
TW103134978A TW201528198A (zh) 2013-10-09 2014-10-08 疲勞監測與管理系統及其方法

Country Status (9)

Country Link
US (2) US11197633B2 (zh)
EP (1) EP3054836B1 (zh)
JP (3) JP6963894B2 (zh)
CN (2) CN105899129B (zh)
AU (1) AU2014332201A1 (zh)
CA (1) CA2925548C (zh)
NZ (1) NZ630770A (zh)
TW (1) TW201528198A (zh)
WO (1) WO2015054134A1 (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI593390B (zh) * 2016-05-05 2017-08-01 國立中央大學 用於睡眠呼吸中止診療之床具組
TWI617289B (zh) * 2016-05-05 2018-03-11 Pan Ren Hao Method and evaluation system for estimating current concentration based on user's sleep history
TWI660276B (zh) * 2017-12-05 2019-05-21 財團法人資訊工業策進會 應用使用者輪廓模型以進行評分的系統及方法
TWI670692B (zh) * 2016-07-12 2019-09-01 日商Ｓｅｃｕａｌ股份有限公司 資料收集解析系統、資料收集解析方法及程式
TWI685758B (zh) * 2018-12-12 2020-02-21 周家蓓 道路平整度精進加速度均方根指標演算法及其系統
TWI714084B (zh) * 2019-05-10 2020-12-21 東帝興實業股份有限公司 睡眠品質以及健康狀況分析系統
TWI757092B (zh) * 2021-02-09 2022-03-01 臺北醫學大學 具檢測人體睡眠狀態功能的床墊
TWI769786B (zh) * 2021-04-16 2022-07-01 國立中興大學 疲勞檢測裝置及疲勞檢測方法
US11464446B2 (en) 2019-04-17 2022-10-11 Mediatek Inc. Physiological status monitoring apparatus and method

Families Citing this family (129)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5695052B2 (ja) 2009-09-04 2015-04-01 ナイキ イノベイト セー． フェー． 運動活動のモニタリングおよび追跡の方法
US9743848B2 (en) * 2015-06-25 2017-08-29 Whoop, Inc. Heart rate variability with sleep detection
US11648373B2 (en) 2013-07-08 2023-05-16 Resmed Sensor Technologies Limited Methods and systems for sleep management
CN105592777B (zh) 2013-07-08 2020-04-28 瑞思迈传感器技术有限公司 用于睡眠管理的方法和系统
NZ630770A (en) 2013-10-09 2016-03-31 Resmed Sensor Technologies Ltd Fatigue monitoring and management system
US20160051184A1 (en) * 2013-10-24 2016-02-25 JayBird LLC System and method for providing sleep recommendations using earbuds with biometric sensors
CA2990779C (en) * 2013-12-16 2018-11-06 Blue Ocean Laboratories, Inc. Sleep system alarm
WO2015107681A1 (ja) 2014-01-17 2015-07-23 任天堂株式会社 情報処理システム、情報処理サーバ、情報処理プログラム、および情報提供方法
CN103823562B (zh) * 2014-02-28 2017-07-11 惠州Tcl移动通信有限公司 自动提醒用户睡觉的方法、系统及可穿戴设备
US20150342519A1 (en) * 2014-05-28 2015-12-03 Huneo, LLC System and method for diagnosing medical condition
US11974847B2 (en) 2014-08-07 2024-05-07 Nintendo Co., Ltd. Information processing system, information processing device, storage medium storing information processing program, and information processing method
US9808185B2 (en) 2014-09-23 2017-11-07 Fitbit, Inc. Movement measure generation in a wearable electronic device
WO2016075592A1 (en) * 2014-11-13 2016-05-19 Koninklijke Philips N.V. Method and apparatus for use in monitoring a physiological characteristic of a subject
CN107530012B (zh) 2015-02-16 2019-12-10 内森·英特拉托 用于脑活动解析的系统
EP3281012A1 (en) * 2015-04-09 2018-02-14 Koninklijke Philips N.V. Device, system and method for detecting illness- and/or therapy-related fatigue of a person
US20160353995A1 (en) * 2015-06-04 2016-12-08 Under Armour, Inc. System and Method for Monitoring Fatigue
US11766182B2 (en) * 2015-06-05 2023-09-26 The Arizona Board Of Regents On Behalf Of The University Of Arizona Systems and methods for real-time signal processing and fitting
WO2016201008A1 (en) * 2015-06-08 2016-12-15 Jaques Reifman Method and system for measuring, predicting and optimizing human cognitive performance
CN106361270B (zh) * 2015-07-22 2021-05-07 松下电器（美国）知识产权公司 清醒度预测方法和清醒度预测装置
US11793454B2 (en) * 2015-08-14 2023-10-24 Oura Health Oy Method and system for providing feedback to user for improving performance level management thereof
WO2017032873A2 (en) 2015-08-26 2017-03-02 Resmed Sensor Technologies Limited Systems and methods for monitoring and management of chronic desease
US10521731B2 (en) * 2015-09-14 2019-12-31 Adobe Inc. Unique user detection for non-computer products
WO2017122138A1 (en) 2016-01-12 2017-07-20 Koninklijke Philips N.V. Sleep quality and apnea hypopnea index monitoring system
WO2018200685A2 (en) 2017-04-27 2018-11-01 Ecosense Lighting Inc. Methods and systems for an automated design, fulfillment, deployment and operation platform for lighting installations
US9814420B2 (en) 2016-03-09 2017-11-14 International Business Machines Corporation Burnout symptoms detection and prediction
WO2017178359A1 (en) 2016-04-12 2017-10-19 Koninklijke Philips N.V. System for improving sleep effectiveness of a user
US11642077B2 (en) 2016-04-29 2023-05-09 Fitbit, Inc. Sleep monitoring system with optional alarm functionality
US10325514B2 (en) * 2016-06-02 2019-06-18 Fitbit, Inc. Systems and techniques for tracking sleep consistency and sleep goals
EP3463062A4 (en) 2016-06-07 2020-02-19 Neurosteer Ltd. SYSTEMS AND METHODS FOR CEREBRAL ACTIVITY ANALYSIS AND APPLICATIONS THEREOF
JP6764697B2 (ja) * 2016-06-09 2020-10-07 富士通株式会社 勤務計画補助情報提供方法、勤務計画補助情報提供プログラムおよび勤務計画補助情報提供装置
US10970664B2 (en) 2016-06-17 2021-04-06 Predictive Safety Srp, Inc. Impairment detection system and method
WO2017220667A1 (de) * 2016-06-21 2017-12-28 Stefan Zechner Verfahren und vorrichtung zur veränderung der affektiven visuellen information im gesichtsfeld eines benutzers
JP2018023459A (ja) * 2016-08-08 2018-02-15 セイコーエプソン株式会社 体内時計時刻算出装置および体内時計時刻算出方法
JP6676499B2 (ja) * 2016-08-12 2020-04-08 オムロンヘルスケア株式会社 疲労度判定装置、疲労度判定方法、疲労度判定プログラム、及び、生体情報測定装置
CN106361276A (zh) * 2016-08-25 2017-02-01 深圳市沃特沃德股份有限公司 宠物睡眠的判断方法和装置
US11207021B2 (en) 2016-09-06 2021-12-28 Fitbit, Inc Methods and systems for labeling sleep states
US10434279B2 (en) 2016-09-16 2019-10-08 Bose Corporation Sleep assistance device
US10653856B2 (en) * 2016-09-16 2020-05-19 Bose Corporation Sleep system
US10561362B2 (en) 2016-09-16 2020-02-18 Bose Corporation Sleep assessment using a home sleep system
US10517527B2 (en) 2016-09-16 2019-12-31 Bose Corporation Sleep quality scoring and improvement
US10963146B2 (en) 2016-09-16 2021-03-30 Bose Corporation User interface for a sleep system
US11594111B2 (en) 2016-09-16 2023-02-28 Bose Corporation Intelligent wake-up system
US10245408B2 (en) 2016-09-23 2019-04-02 Nokia Technologies Oy Method, apparatus and computer program product for providing a dynamic wake-up alert
US20180085050A1 (en) * 2016-09-28 2018-03-29 Arizona Board Of Regents On Behalf Of The University Of Arizona Systems and methods for individualized sleep optimization
EP3525161A4 (en) * 2016-10-06 2019-08-14 Sony Corporation INFORMATION PROCESSING DEVICE AND INFORMATION PROCESSING METHOD
KR102023524B1 (ko) * 2016-10-11 2019-09-20 사스메도 가부시키가이샤 불면증 치료 지원 장치 및 불면증 치료 지원용 프로그램
CN106503443A (zh) * 2016-10-25 2017-03-15 南京鼓楼医院 一种手机app监测方法
JP6864460B2 (ja) * 2016-11-02 2021-04-28 花王株式会社 疾病予測装置
EP3537961A1 (en) 2016-11-10 2019-09-18 The Research Foundation for The State University of New York System, method and biomarkers for airway obstruction
DE102017000940A1 (de) * 2017-02-02 2018-08-02 Xenios Ag Anordnung mit einer Blutpumpe, einer Steuereinheit und einem Gerät zur Übermittlung der Messwerte
US10402417B2 (en) 2017-02-09 2019-09-03 Microsoft Technology Licensing, Llc Synthesizing data sources
CN107067152A (zh) * 2017-02-14 2017-08-18 上海脉融健康科技有限公司 一种基于hrv分析的疲劳恢复指数监测装置及方法
WO2018161085A1 (en) * 2017-03-03 2018-09-07 BehaVR, LLC Dynamic multi-sensory simulation system for effecting behavior change
CN106952448B (zh) * 2017-03-08 2019-06-28 武汉理工大学 一种具备驾驶全周期疲劳等级实时辨识预警功能的车载装置
US10111615B2 (en) 2017-03-11 2018-10-30 Fitbit, Inc. Sleep scoring based on physiological information
JP6960654B2 (ja) * 2017-03-30 2021-11-05 株式会社タニタ 情報処理装置、情報処理方法及びプログラム
KR101917855B1 (ko) 2017-03-31 2018-11-12 코웨이 주식회사 생체 신호를 수집하여 수면상태를 판별하고 수면 인자를 도출하는 방법 및 이를 이용한 서버
WO2018191741A1 (en) * 2017-04-14 2018-10-18 Emfit Ltd. Wearable sensor and system thereof
US10678969B2 (en) * 2017-04-21 2020-06-09 General Electric Company Usage based lifing
GB2563036A (en) * 2017-05-30 2018-12-05 Sultan & Knight Ltd Systems and methods for monitoring and modulating circadian rhythms
GB2597865B (en) * 2017-05-30 2022-06-15 Circadia Tech Limited Systems and methods for monitoring and modulating circadian rhythms
TR201708323A2 (tr) 2017-06-06 2018-03-21 Senay Cetinkaya Bebekleri̇n ağlamasini önceden tespi̇t edi̇p, beyaz gürültü di̇nleterek saki̇nleşmeleri̇ni̇ sağlayan ci̇haz
US20190000375A1 (en) * 2017-06-29 2019-01-03 Koninklijke Philips N.V. Method to increase ahi estimation accuracy in home sleep tests
WO2019012742A1 (ja) * 2017-07-13 2019-01-17 株式会社村田製作所 疲労回復支援装置
KR101830857B1 (ko) * 2017-07-14 2018-02-21 코웨이 주식회사 사용자의 생체 데이터 및 수면환경 데이터를 수집하여 챗봇을 통해 설문을 간소화하는 방법 및 이를 이용한 챗봇 제공 장치
US20190053754A1 (en) * 2017-08-18 2019-02-21 Fitbit, Inc. Automated detection of breathing disturbances
JP6865438B2 (ja) * 2017-09-12 2021-04-28 東洋紡株式会社 精神神経状態を判別する指標の作成方法および作成装置
CN107582079B (zh) * 2017-09-13 2020-07-14 中国人民解放军总医院 视警觉性检测系统
KR102097558B1 (ko) * 2017-11-03 2020-04-07 재단법인대구경북과학기술원 전자 장치 및 그의 레이블링 방법
CN108392212A (zh) * 2018-01-15 2018-08-14 广东乐芯智能科技有限公司 一种基于手环的人体疲劳度判断方法及手环
US10890343B2 (en) * 2018-02-07 2021-01-12 Government Of The United States As Represented By The Administrator Of The U.S. Environmental Protection Agency System and method for assessment and management of air pollution exposures using personal devices
JP7215678B2 (ja) * 2018-02-26 2023-01-31 公立大学法人広島市立大学 生体情報測定装置、生体情報測定方法及びプログラム
KR102127099B1 (ko) * 2018-03-05 2020-06-26 (주)제니스타 미세전류 인가에 의한 건강관리 카페 시스템
CN108742555A (zh) * 2018-06-04 2018-11-06 新华网股份有限公司 疲惫状态监测方法及监测设备
EP3594963A1 (en) * 2018-07-11 2020-01-15 Koninklijke Philips N.V. Device, system and method for determining a stress level of a user
CN109222976A (zh) * 2018-08-15 2019-01-18 遵义市第人民医院 一种慢性阻塞性肺病的检测方法
CN109044296A (zh) * 2018-09-03 2018-12-21 深圳市尼欧科技有限公司 一种智能生理疲劳度检测的驾驶疲劳提醒手环
JP7407806B2 (ja) * 2018-10-01 2024-01-04 コーニンクレッカ フィリップス エヌ ヴェ 睡眠段階において呼吸事象を使用するためのシステム及び方法
CN111008541A (zh) * 2018-10-08 2020-04-14 天津职业技术师范大学 一种vdt视觉疲劳监测预警系统
US11311201B2 (en) * 2018-11-02 2022-04-26 Samsung Electronics Co., Ltd. Feature selection for cardiac arrhythmia classification and screening
US11508484B1 (en) * 2018-12-28 2022-11-22 ResMed Pty Ltd Prediction of respiratory therapy compliance
EP3677171B1 (en) * 2019-01-07 2023-11-01 Firstbeat Analytics OY A method and apparatus for determining sleep need and sleep pressure based on physiological data
US11857309B2 (en) * 2019-02-07 2024-01-02 Casey Marie Campbell Respiration monitoring device and methods for use
US10936066B1 (en) * 2019-02-13 2021-03-02 Snap Inc. Sleep detection in a location sharing system
JP7334057B2 (ja) * 2019-05-09 2023-08-28 ロジスティード株式会社 運転の危険リスクを予測するシステム
EP3969086A4 (en) 2019-05-16 2022-07-13 ResMed Pty Ltd TWO-WAY COMMUNICATION IN A MEDICAL DEVICE
JP2020188947A (ja) * 2019-05-22 2020-11-26 本田技研工業株式会社 状態判定装置、状態判定方法及びコンピュータプログラム
CN110154894B (zh) * 2019-05-29 2020-12-11 辽宁工业大学 一种基于路面状况的汽车安全驾驶预警方法
EP3991167B1 (en) * 2019-06-28 2023-12-27 ResMed Sensor Technologies Limited Systems and methods for triggering sounds to mask noise from respiratory systems and their components
US11191466B1 (en) * 2019-06-28 2021-12-07 Fitbit Inc. Determining mental health and cognitive state through physiological and other non-invasively obtained data
CN110313901A (zh) * 2019-07-10 2019-10-11 莫雨潜 一种睡眠监控方法、装置及电子设备
CN110367934B (zh) * 2019-07-25 2023-02-03 深圳大学 一种基于非语音身体声音的健康监测方法及监测系统
WO2021054186A1 (ja) * 2019-09-17 2021-03-25 Cyberdyne株式会社 行動タスク評価システムおよび行動タスク評価方法
GB201917818D0 (en) * 2019-12-05 2020-01-22 Univ Oxford Innovation Ltd Intraoral device
JP7403094B2 (ja) * 2019-12-18 2023-12-22 学校法人立命館 判定装置
US11148673B2 (en) * 2020-01-13 2021-10-19 Pony Ai Inc. Vehicle operator awareness detection
US11738763B2 (en) 2020-03-18 2023-08-29 Waymo Llc Fatigue monitoring system for drivers tasked with monitoring a vehicle operating in an autonomous driving mode
CN113509144B (zh) * 2020-04-10 2023-06-02 华为技术有限公司 提示方法及装置
FR3111044A1 (fr) * 2020-05-29 2021-12-03 Orange Prédiction de situations émotionnelles négatives dans un habitat connecté pour promouvoir des services invoquant des émotions positives
US11837106B2 (en) * 2020-07-20 2023-12-05 Koninklijke Philips N.V. System and method to monitor and titrate treatment for high altitude-induced central sleep apnea (CSA)
WO2022017990A1 (en) * 2020-07-20 2022-01-27 Koninklijke Philips N.V. Sleep reactivity monitoring based sleep disorder prediction system and method
US20220022788A1 (en) * 2020-07-27 2022-01-27 Medtronic, Inc. Seasonal affective disorder determination
US20220039677A1 (en) * 2020-08-04 2022-02-10 Taipei Medical University Methods and apparatuses for determining fatigue index
US11331024B2 (en) * 2020-08-07 2022-05-17 Dalian University Of Technology Calibration method for critical point of mental fatigue based on self-organized criticality
CN116114026A (zh) * 2020-08-31 2023-05-12 瑞思迈私人有限公司 用于确定用于用户的建议的治疗的系统和方法
JP7414676B2 (ja) * 2020-09-14 2024-01-16 株式会社東芝 負荷推定装置、方法およびプログラム
WO2022076670A1 (en) * 2020-10-07 2022-04-14 Consumer Sleep Solutions Llc Systems and methods for analyzing, managing and improving sleep
WO2022087687A1 (en) 2020-10-30 2022-05-05 ResMed Pty Ltd Two-way communication in a medical device
US20240000375A1 (en) * 2020-11-10 2024-01-04 ResMed Pty Ltd System and method for classifying and using chronotypes
US20230420124A1 (en) 2020-11-20 2023-12-28 Resmed Sensor Technologies Limited Systems and methods for monitoring a comfort level of an individual
KR20220069466A (ko) * 2020-11-20 2022-05-27 사회복지법인 삼성생명공익재단 교대근무로 인한 장애 발생 예측 방법 및 시스템
CN112561468A (zh) * 2020-12-04 2021-03-26 珠海格力电器股份有限公司 入睡提醒方法、装置、可读存储介质和计算机设备
CN117119955A (zh) * 2021-01-29 2023-11-24 瑞思迈传感器技术有限公司 用于估计主观舒适度水平的系统和方法
CN113012719B (zh) * 2021-02-04 2023-11-17 上海小芃科技有限公司 睡眠声音信号疲劳评估方法、系统、电子设备及存储介质
CN113064355A (zh) * 2021-03-22 2021-07-02 合肥工业大学 一种工业工程专业仿真实验系统
US20220305231A1 (en) * 2021-03-26 2022-09-29 Sleep Number Corporation Sleep system with features for personalized sleep recommendations
USD1014517S1 (en) 2021-05-05 2024-02-13 Fisher & Paykel Healthcare Limited Display screen or portion thereof with graphical user interface
CN113288168A (zh) * 2021-05-21 2021-08-24 天津工业大学 一种智能可穿戴疲劳监测及预警系统
US11762753B2 (en) 2021-05-28 2023-09-19 Gmeci, Llc Systems and methods for determining a user specific mission operational performance metric, using machine-learning processes
CN113780150A (zh) * 2021-09-07 2021-12-10 广西电网有限责任公司贺州供电局 一种基于多维身体状态感知的疲劳检测方法及系统
KR102378040B1 (ko) * 2021-10-22 2022-03-24 웰트 주식회사 데이터 기반의 수면 장애 치료를 위한 정보 제공 방법 및 이러한 방법을 수행하는 장치
TWI781834B (zh) * 2021-11-29 2022-10-21 國立陽明交通大學 睡眠評估方法及其運算裝置
CN114224359B (zh) * 2021-12-18 2023-06-30 西南交通大学 一种针对高铁调度员的脑电疲劳指标判定方法
JPWO2023120064A1 (zh) * 2021-12-24 2023-06-29
CN114366986B (zh) * 2022-01-13 2023-11-24 上海工程技术大学 一种辅助睡眠的方法、介质和可穿戴设备
US20230389714A1 (en) * 2022-06-01 2023-12-07 Rezet Technologies, Inc. Smart mattress topper system and associated method
WO2024092505A1 (en) * 2022-11-01 2024-05-10 Huawei Technologies Co., Ltd. Methods and devices for continous fatigue monitoring using smart devices
CN117257234B (zh) * 2023-09-22 2024-04-12 中国民航科学技术研究院 飞行机组联合参数疲劳评测方法、系统及电子设备
CN117281491A (zh) * 2023-11-03 2023-12-26 中国科学院苏州生物医学工程技术研究所 基于物联网的多模态生理信号同步采集系统及方法

Family Cites Families (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0088761B1 (en) 1981-04-24 1987-08-12 Somed Pty. Ltd. Device for treating snoring sickness
JPH0341927A (ja) 1989-07-10 1991-02-22 Matsushita Electric Ind Co Ltd 睡眠状態判定装置
JP3351160B2 (ja) 1995-03-24 2002-11-25 松下電器産業株式会社 生体評価装置
AUPP366398A0 (en) 1998-05-22 1998-06-18 Resmed Limited Ventilatory assistance for treatment of cardiac failure and cheyne-stokes breathing
WO2000044580A1 (en) 1999-01-27 2000-08-03 Compumedics Sleep Pty. Ltd. Vigilance monitoring system
KR20050072435A (ko) * 2002-10-09 2005-07-11 컴퓨메딕스 리미티드 치료 처리중 수면 품질을 유지하고 모니터하기 위한 방법및 장치
US7887493B2 (en) * 2003-09-18 2011-02-15 Cardiac Pacemakers, Inc. Implantable device employing movement sensing for detecting sleep-related disorders
EP1670547B1 (en) * 2003-08-18 2008-11-12 Cardiac Pacemakers, Inc. Patient monitoring system
US7532934B2 (en) * 2003-09-18 2009-05-12 Cardiac Pacemakers, Inc. Snoring detection system and method
JP2005074012A (ja) 2003-09-01 2005-03-24 Yamatake Corp 無呼吸状態測定装置
DE602004031659D1 (de) 2003-10-23 2011-04-14 Delta Tooling Co Ltd Htung zum nachweis von müdigkeit und computerprogramm
JP2005261669A (ja) 2004-03-18 2005-09-29 Toyota Motor Corp 生体状態推定装置
WO2005096729A2 (en) 2004-03-31 2005-10-20 Resmed Limited Methods and apparatus for monitoring the cardiovascular condition of patients with sleep disordered breathing
JP4407365B2 (ja) 2004-04-23 2010-02-03 パナソニック電工株式会社 睡眠状態検出装置
CZ2004770A3 (cs) 2004-06-29 2006-02-15 Pavelka@Miloslav Zpusob detekce únavy operátora ze svalové cinnosti a zarízení k provádení tohoto zpusobu
WO2006006634A1 (ja) * 2004-07-14 2006-01-19 Virus Ikagaku Kenkyusho Inc. 疲労度評価方法およびその利用
KR20070048201A (ko) * 2004-07-23 2007-05-08 인터큐어 엘티디 비접촉 마이크로폰을 사용한 호흡 패턴 판별 장치 및 방법
JP4192127B2 (ja) * 2004-08-25 2008-12-03 株式会社東芝 睡眠状態管理装置及び睡眠状態管理方法
US8075484B2 (en) 2005-03-02 2011-12-13 Martin Moore-Ede Systems and methods for assessing equipment operator fatigue and using fatigue-risk-informed safety-performance-based systems and methods to replace or supplement prescriptive work-rest regulations
JP4905918B2 (ja) 2006-02-22 2012-03-28 株式会社タニタ 健康管理装置
JP4819887B2 (ja) 2006-05-29 2011-11-24 シャープ株式会社 疲労推定装置及びそれを搭載した電子機器
JP2008000222A (ja) 2006-06-20 2008-01-10 Sanei:Kk 安眠支援システム、安眠支援プログラムおよびその記録媒体
US8083682B2 (en) * 2006-07-19 2011-12-27 Cardiac Pacemakers, Inc. Sleep state detection
WO2008037020A1 (en) * 2006-09-27 2008-04-03 Resmed Ltd Methods and apparatus for assessing sleep quality
CA2578855A1 (en) 2007-02-15 2008-08-15 Donna L. Kelly Management assistance program to resolve stress, sleep and fatigue based presenteeism
US10154790B2 (en) * 2007-08-21 2018-12-18 University College Dublin, National University Of Ireland Method and system for monitoring sleep
DE102008028751A1 (de) 2008-03-18 2009-09-24 Bude, Friedrich, Dr. Verfahren und Vorrichtung zur Erhaltung, Wiedererlangung oder Erhöhung der Aufmerksamkeit und Wachheit einer ermüdeten Person
EP3764369A1 (en) 2008-09-24 2021-01-13 ResMed Sensor Technologies Limited Contactless and minimal-contact monitoring of quality of life parameters for assessment and intervention
US8628462B2 (en) 2008-10-07 2014-01-14 Advanced Brain Monitoring, Inc. Systems and methods for optimization of sleep and post-sleep performance
JP2010099173A (ja) 2008-10-22 2010-05-06 Aisin Seiki Co Ltd 多人数用の睡眠管理システムおよび多人数用の睡眠管理方法
US20100099954A1 (en) 2008-10-22 2010-04-22 Zeo, Inc. Data-driven sleep coaching system
WO2010080405A1 (en) * 2008-12-19 2010-07-15 The Board Of Trustees Of The University Of Illinois Detection and prediction of physiological events in people with sleep disordered breathing using a lamstar neural network
US9526429B2 (en) 2009-02-06 2016-12-27 Resmed Sensor Technologies Limited Apparatus, system and method for chronic disease monitoring
US8355769B2 (en) * 2009-03-17 2013-01-15 Advanced Brain Monitoring, Inc. System for the assessment of sleep quality in adults and children
EP2408353B1 (en) * 2009-03-17 2021-05-12 Advanced Brain Monitoring, Inc. A system for the assessment of sleep quality in adults and children
US20100292545A1 (en) * 2009-05-14 2010-11-18 Advanced Brain Monitoring, Inc. Interactive psychophysiological profiler method and system
GB2471902A (en) 2009-07-17 2011-01-19 Sharp Kk Sleep management system which correlates sleep and performance data
KR20230145261A (ko) * 2009-08-14 2023-10-17 데이비드 버톤 피험자의 생리학적 신호들을 모니터링하기 위한 장치
US20110154958A1 (en) 2009-12-29 2011-06-30 Wen-Pin Wang Dual-purpose pliers adapted to chain link
KR20130051922A (ko) * 2010-03-04 2013-05-21 뉴미트라 엘엘씨 심리장애(ｐｓｙｃｈｏｌｏｇｉｃａｌ ｄｉｓｏｒｄｅｒｓ) 치료를 위한 장치 및 방법
KR101930566B1 (ko) * 2010-11-24 2018-12-18 디지털 아티펙츠 엘엘씨 인지 기능을 평가하는 시스템 및 방법
US20120329020A1 (en) 2011-02-25 2012-12-27 Pulsar Informatics, Inc. Systems and methods for presonalized fatigue education and risk management
US8594982B2 (en) 2011-06-09 2013-11-26 Pulsar Informatics, Inc. Systems and methods for distributed calculation of fatigue-risk prediction and optimization
US9380978B2 (en) * 2011-06-29 2016-07-05 Bruce Reiner Method and apparatus for real-time measurement and analysis of occupational stress and fatigue and performance outcome predictions
US9192326B2 (en) * 2011-07-13 2015-11-24 Dp Technologies, Inc. Sleep monitoring system
JP5788251B2 (ja) 2011-07-25 2015-09-30 オムロンヘルスケア株式会社 睡眠時情報検出装置および睡眠時情報検出装置における検出方法
JP2013128659A (ja) 2011-12-21 2013-07-04 Pacific Medico Co Ltd 携帯式呼吸誘導装置
US9622660B2 (en) * 2012-05-25 2017-04-18 Emotiv Lifesciences Inc. System and method for enabling collaborative analysis of a biosignal
NZ630770A (en) 2013-10-09 2016-03-31 Resmed Sensor Technologies Ltd Fatigue monitoring and management system

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI593390B (zh) * 2016-05-05 2017-08-01 國立中央大學 用於睡眠呼吸中止診療之床具組
TWI617289B (zh) * 2016-05-05 2018-03-11 Pan Ren Hao Method and evaluation system for estimating current concentration based on user's sleep history
TWI670692B (zh) * 2016-07-12 2019-09-01 日商Ｓｅｃｕａｌ股份有限公司 資料收集解析系統、資料收集解析方法及程式
TWI660276B (zh) * 2017-12-05 2019-05-21 財團法人資訊工業策進會 應用使用者輪廓模型以進行評分的系統及方法
TWI685758B (zh) * 2018-12-12 2020-02-21 周家蓓 道路平整度精進加速度均方根指標演算法及其系統
US11464446B2 (en) 2019-04-17 2022-10-11 Mediatek Inc. Physiological status monitoring apparatus and method
TWI714084B (zh) * 2019-05-10 2020-12-21 東帝興實業股份有限公司 睡眠品質以及健康狀況分析系統
TWI757092B (zh) * 2021-02-09 2022-03-01 臺北醫學大學 具檢測人體睡眠狀態功能的床墊
TWI769786B (zh) * 2021-04-16 2022-07-01 國立中興大學 疲勞檢測裝置及疲勞檢測方法

Also Published As

Publication number Publication date
JP6963894B2 (ja) 2021-11-10
JP2022033992A (ja) 2022-03-02
NZ630770A (en) 2016-03-31
EP3054836A4 (en) 2017-06-21
JP6998424B2 (ja) 2022-01-18
CN105899129A (zh) 2016-08-24
EP3054836A1 (en) 2016-08-17
US11197633B2 (en) 2021-12-14
EP3054836B1 (en) 2024-04-17
JP7356488B2 (ja) 2023-10-04
CN113729642A (zh) 2021-12-03
AU2014332201A1 (en) 2016-04-21
US20160270718A1 (en) 2016-09-22
CA2925548A1 (en) 2015-04-16
CN105899129B (zh) 2021-11-02
WO2015054134A1 (en) 2015-04-16
JP2016538898A (ja) 2016-12-15
CA2925548C (en) 2021-05-04
JP2020157074A (ja) 2020-10-01
US20220061752A1 (en) 2022-03-03

Similar Documents

Publication Publication Date Title
JP7356488B2 (ja) 疲労モニタリング及び管理システム
US20220273896A1 (en) Methods and apparatus for assessing sleep quality
US8348840B2 (en) Device and method to monitor, assess and improve quality of sleep
US10117616B2 (en) Apnea safety control
JP2018531055A6 (ja) 慢性疾患の監視および管理のためのシステムおよび方法
JP2018531055A (ja) 慢性疾患の監視および管理のためのシステムおよび方法
US20110015495A1 (en) Method and system for managing a user&#39;s sleep
JP2024512835A (ja) 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
CN111467644A (zh) 用于睡眠管理的方法和系统
CN114901134A (zh) 用于失眠症筛查和管理的系统和方法
US20220218273A1 (en) System and Method for Noninvasive Sleep Monitoring and Reporting
Chiang et al. Introduction to modern sleep technology
Zaiwalla et al. Polysomnography and other investigations for sleep disorders
Stuck et al. Diagnostic Methods
Marçal A Single Channel High-Resolution Snoring Signal as a Medical Tool For Obstructive Sleep Apnoea Assessment
JP2023516210A (ja) 個人の眠気を増加させるためのシステムおよび方法
CN118202422A (zh) 针对失眠的生物反馈认知行为疗法