定义、任务层级与用途边界
体动检测算法利用腕、踝、腰或其他位置的加速度与姿态变化,识别佩戴者是否运动、运动强度以及活动—静息模式。睡眠应用中的 actigraphy 通常先把连续信号转换为历元级活动特征,再估计睡眠窗口、睡眠—觉醒状态和总睡眠时间等指标。传感器检测到的是机械运动,不是脑电定义的睡眠。
“有无体动”“活动计数”“睡眠—觉醒分类”和“睡眠参数汇总”是不同任务。一次翻身可形成高幅体动,却不必然代表觉醒;清醒者静卧又可能被误判为睡眠。算法应声明输出层级、时间分辨率、传感位置、适用年龄与场景,不能用下游睡眠标签倒称为直接测得的睡眠阶段。
体动法适合低负担地记录多个昼夜,可辅助描述作息、失眠、昼夜节律和睡眠不足,也可为部分居家检测估计睡眠时间。但它不能替代有指征时的多导睡眠监测,也不能仅凭肢体运动诊断周期性肢体运动障碍、癫痫或快速眼动睡眠行为障碍。消费级睡眠分数与临床级 actigraphy 亦不能自动互换。
传感、活动表征与分类模型
三轴加速度计记录各轴的比力,采样率、量程、分辨率、模拟或数字滤波以及传感器方向都会改变波形。重力分量可用于估计姿态,动态分量可描述动作;常见特征包括向量模、轴向变化、角度变化、零交叉、方差和频域能量。采集端饱和、削波或丢包在算法后端无法完全恢复。
早期设备常把原始加速度压缩为无量纲“活动计数”,不同厂商、型号、滤波和历元长度的计数并非通用单位。Cole–Kripke、Sadeh 等传统方法对当前及邻近历元的计数加权并设阈值;基于原始信号的方法可用手臂角度、启发式规则、状态模型或机器学习。公式名称相同也不保证输入计数与实现相同。
时间上下文能抑制单个冲击并表达入睡或觉醒的持续性,但会引入边界效应与延迟。后处理常用连续睡眠或觉醒规则重新标记短片段,阈值越偏向睡眠,睡眠敏感度通常越高而觉醒特异度越低。模型复杂度不能消除运动对睡眠生理信息不足的根本限制。
预处理、佩戴识别与睡眠窗口
预处理应校验时间戳、时区、夏令时、采样间隔、单位、轴方向和设备时钟漂移,再按明确规则滤波、校准重力并生成历元。重采样和历元聚合会改变短动作的幅度与持续时间,不能把不同历元长度直接套入原阈值。原始、清洗、排除和推断数据应保持可追溯。
摘下设备、松动佩戴、充电、传感器被放在床头以及真正的长时间静止可能呈现相似信号。非佩戴识别可结合持续低变异、温度、接触或电容信息和日记,但每种方法都有误差。系统应区分非佩戴、信号缺失、有效静止和未知状态,不应把整段缺失自动补成睡眠。
睡眠窗口可由事件按钮、睡眠日记、光照、角度变化、活动模式或多信号共同确定。先限定“在床窗口”再做睡眠—觉醒分类,与在完整 24 小时中自动寻找主睡眠段是不同问题。轮班、午睡、碎片睡眠、卧床休息和跨午夜记录要求算法保留多个候选窗口及人工复核依据。
验证设计与性能指标
逐历元睡眠—觉醒验证通常以同步 PSG 的人工分期为参考,并预先规定如何把 PSG 历元映射到算法历元。时钟偏差数十秒即可把短觉醒错配,故需要共同触发、对时记录或事后可审计的同步。日记可提供在床时间和行为语境,但不是睡眠生理的等价真值。
评价应同时报告睡眠敏感度、觉醒特异度、平衡准确率、F1 或其他类别不平衡指标,以及混淆矩阵。总体准确率常被大量睡眠历元主导,可能掩盖对夜间清醒的低识别率。阈值选择必须在独立验证集完成,并给出个体级分布而非只给合并历元结果。
总睡眠时间、入睡潜伏期、睡眠后觉醒、睡眠效率和起止时间需报告偏倚、一致性界限与误差分布。高相关不等于一致,平均误差接近零也可能由相反方向误差抵消。单夜 PSG 检验逐历元性能,多日家庭记录检验依从性与节律输出,两类证据不能互相替代。
误差来源、人群差异与泛化
安静清醒是体动法最典型的假睡眠来源,失眠、疼痛、卧床或阅读可加重该误差;睡中翻身、震颤、照护动作和床伴传递振动则可形成假觉醒。手腕活动与全身活动并不相同,腕部固定、辅助器具、瘫痪或异常运动会破坏通常映射。质量控制必须允许不可判定,而非强制二分类。
年龄、发育、体型、优势手、佩戴侧、活动能力、神经系统疾病、药物和睡眠障碍会改变动作分布。儿童、老年人、住院患者、轮班者与健康成人不应默认共享阈值。验证样本应覆盖目标人群及其低睡眠效率、白天睡眠和真实家庭行为,并按关键亚组报告性能。
数据划分必须以受试者为单位,且将同一人的相邻夜晚留在同一分区;否则个体动作特征会泄漏到测试集。外部验证还应更换地点、设备批次和操作流程,并检验跨型号或跨固件迁移。由某种专有活动计数训练的模型,不能在未验证时直接用于另一种计数或原始信号。
输出解释、透明报告与版本治理
算法输出应标注有效佩戴时间、缺失比例、睡眠窗口来源、阈值或模型版本和置信度。睡眠起点、终点与总睡眠时间可用于长期模式观察,而由单一加速度信号细分的睡眠阶段或微觉醒需要额外证据。界面应把实测运动、算法推断和汇总评分分层呈现。
可复现报告至少包括设备与位置、采样率和量程、校准与滤波、活动计数定义、历元长度、非佩戴规则、睡眠窗口、分类器、后处理、缺失处理和软件版本。还应公布被排除的夜晚、人工修订比例和完全失败案例。只报“准确率”或品牌名称不足以复现实验。
固件、滤波、计数转换或云端模型更新都可能改变长期基线。部署前应做版本锁定和回归测试,更新后评估与旧版本的桥接,并向使用者标记不可直接比较的日期。模型应监测输入分布、失败率和亚组偏差,但不能用线上数据静默改写临床结果。
临床使用、隐私与安全
在临床流程中,体动结果应与病史、睡眠日记、症状和适当检查共同解释。多日趋势可提示作息不规律或记录与主观报告的差异,却不能单独确定病因。若结果将改变诊断、治疗或安全决策,应使用符合预期用途、经过相应验证和监管要求的系统。
连续活动资料可暴露睡眠时间、工作规律、居家状态和疾病行为,属于敏感健康与生活数据。采集应遵循最小必要原则,明确本地或云端处理、访问权限、保存期限、导出与删除机制。用于再训练或共享的数据需要适当授权,并防止从时间模式重新识别个人。
算法故障不应生成虚假的完整夜晚或确定性建议。系统应在低电量、脱落、时钟异常、信号不足或目标人群不适用时明确降级,并保留人工复核路径。持续失眠、明显日间嗜睡、异常夜间行为、受伤风险或呼吸症状需要专业评估,不能由“体动正常”排除。