定义、预测方向与产品边界
血糖波动与睡眠预测模型,是把按时间排列的葡萄糖、睡眠和相关情境数据组合起来,估计未来明确时间窗内睡眠结果或葡萄糖结果概率与数值的统计或机器学习模型。本词条归入 WSIC 4.4.4 睡眠数字孪生与个体化预测模型。模型可能预测当夜低血糖或高血糖风险、夜间波动、次日血糖状态,也可能从既往葡萄糖与其他资料预测睡眠时长、连续性或主观睡眠结果;每个产品必须明确方向,不能用“血糖—睡眠模型”掩盖目标不清。
本条关注葡萄糖波动与睡眠的双向预测框架,可接收经验证的连续葡萄糖监测、规范的血糖自测序列、睡眠记录及临床和生活情境。下一条特指以连续葡萄糖监测数据建立睡眠响应预测的模型,两者不能仅凭同一批 CGM 数据混作同一产品。单次指尖读数、糖化血红蛋白、手表推算值、主观睡眠评分和整夜曲线回答不同问题;静态值不能单独重建波动,关联分析也不等于能对个体未来作可靠预测。
预测模型不同于血糖仪、连续葡萄糖监测器、睡眠监测器、低血糖报警器和自动胰岛素输注控制器。上游设备提供测量,模型把测量转换为风险或预测;若输出直接触发胰岛素、碳水摄入、报警或治疗,风险与证据要求会显著提高。模型不能凭一项睡眠或葡萄糖特征诊断糖尿病、失眠、睡眠呼吸暂停,也不能把某次夜间波动解释为单一病因。
葡萄糖数据、波动指标与测量误差
输入应标明测量对象和方法。毛细血管、静脉血浆和组织间液葡萄糖不是完全相同的信号;CGM 在快速上升或下降时可因生理和算法时滞与血糖不同。模型需要保存设备型号、传感器批次或使用日、单位、采样间隔、校准方式、趋势箭头、超量程和质量标记,并统一毫克每分升与毫摩尔每升。未经授权声称手表或戒指可独立无创测糖的数值,不能当作等同于经验证葡萄糖测量的输入。
“波动”可以指标准差、变异系数、平均日内波动幅度、日间差异、变化速率、低值或高值暴露、范围内时间及其他指标,它们的公式、观察长度和临床含义不同。均值相同的两段曲线可有完全不同的波动和极值;糖化血红蛋白反映较长期平均状态,不呈现实时低血糖、高血糖或短期变异。模型应预先确定指标、窗口和最低有效覆盖率,不能事后挑选最显著的波动量。
夜间数据有特有伪差。睡姿压迫传感器可能产生突降或异常读数,暖机、脱落、通信中断、插值、漂移和特定干扰物也会改变曲线。算法应区分真实事件、可疑压迫、缺失和设备错误,保留原始质量信息并测试不同处理规则;将低值一律删掉会漏掉真正低血糖,将每个突降都当真又会制造虚假关联和无效报警。症状、活动或预期与读数不符时,应遵循具体设备说明和专业方案进行确认,而不是由预测分数裁决真伪。
睡眠时间轴、标签与联合数据
睡眠输入可来自多导睡眠监测、经验证的体动记录、可穿戴设备、床旁传感器、睡眠日记或问卷,但这些方法不能互换。脑电定义的睡眠阶段、体动推定的睡眠、设备自有“深睡”、主观质量和卧床时间是不同变量。固定使用午夜至清晨的钟点段会漏掉提前、延后、轮班或中断的真实睡眠;研究与产品应说明睡眠窗口如何确定、时区和夏令时如何处理以及醒着进食或处理报警的时段如何标注。
若目标是预测睡眠,结局应明确为入睡时间、总睡眠时间、睡眠效率、觉醒、阶段、主观恢复感或睡眠障碍筛查中的哪一项,并规定参考方法和预测提前量。若目标是预测葡萄糖,需明确预测的是最低值、超过阈值的事件、范围内时间、变化轨迹还是次日汇总值。一个模型不能用同一“睡眠差”标签合并失眠症状、短睡、碎片化、呼吸事件和因设备报警而醒,也不能把夜间低值与睡眠阶段自动建立因果关系。
联合数据必须在同一时钟上可追溯对齐,并区分预测窗口与结果窗口。传感器内部时钟、手机、泵、日记和睡眠设备可能漂移或采用不同时区;简单按日期拼接会把晚餐、运动、胰岛素或睡眠配到错误夜晚。应记录时间同步、重采样、窗口跨午夜规则、重复或缺失数据、日间小睡及有效配对比例。任何在预测时点之后才产生的睡眠评分、葡萄糖值或治疗动作都不能泄漏到模型输入。
关联证据、混杂与适用人群
研究提示睡眠质量与葡萄糖变异可能相关,也有小型连续监测研究观察到个体内睡眠和葡萄糖指标相互对应;但系统综述指出方法异质、偏倚和二型糖尿病资料不足,对睡眠时长等结果并不一致。相关性不能证明改变一个输入必然改善另一个结果,模型的特征重要性、相关热图或时间领先也不能单独证明生理因果。
混杂因素包括糖尿病类型和病程、残余胰岛功能、年龄、妊娠、肾肝功能、感染、疼痛、压力、睡眠呼吸暂停、轮班和时差,以及胰岛素、磺脲类、激素和其他药物。餐食时间与成分、酒精、运动及其延迟效应、疾病日处理、睡前纠正和自动输注系统会同时改变夜间葡萄糖和睡眠。缺少这些信息时,模型应降低用途或明确不确定性,而不是把未测混杂归因于睡眠。
一型、二型、妊娠期及其他类型糖尿病,以及未患糖尿病的人群,在基线风险、治疗、目标和传感器用途上差异显著。儿童、老年人、低血糖感知受损者、住院患者和夜班人员也不能相互替代。开发与验证资料应明确纳入和排除标准、治疗方案、设备、睡眠方法及事件发生率;只在一种设备和单一人群中训练的模型,不应外推到健康筛查、另一糖尿病类型或不同治疗情境。
建模、验证与性能报告
开发前应预先规定目标人群、预测时点、预测范围、结局、可用输入和预期行动。重复分钟值不能被当作大量独立样本;样本量应依据参与者、夜数和实际事件,而非数据点总数夸大。训练、调参与测试要按参与者和时间隔离,避免同一人的相邻夜、同一传感器周期或重叠窗口同时出现在两侧。缺失、类别不平衡、个体内相关和治疗随时间改变需要显式处理。
内部验证只能估计过拟合,外部验证应使用冻结模型,覆盖不同机构、家庭、季节、设备、睡眠计划和治疗方式。对个体化模型还要说明需要多少校准夜、何时开始可信,以及换传感器、改变治疗或长期漂移后如何再校准。若模型持续学习,应把训练资料、更新条件、性能门槛和回退版本分开管理;用部署数据重新训练后不能继续引用更新前的成绩。
性能应与任务匹配。事件预测需报告按参与者和按事件的灵敏度、特异度、阳性预测值、漏报、每夜误报、提前量和重复报警合并规则;连续值需报告误差分布、偏倚和临床相关区间;概率模型还要报告校准图、截距、斜率和决策净获益。受试者工作特征曲线下面积或总体准确率不能代替校准和报警负担,置信区间、失败夜、未知输入、排除样本与各亚组表现均应公开。
输出、报警与治疗安全
界面应说明预测的是谁、什么结果、从何时到何时,并显示绝对概率或有明确定义的等级、数据新鲜度、输入完整性、模型版本和适用限制。睡眠中、睡前和次日预测具有不同提前量和行动价值;历史相关分数不能伪装成实时报警。输入断流、传感器质量不足、时钟错位或超出训练范围时,应暂停或标为不可判定,不能用平滑曲线掩盖未知状态。
假阴性可能延误对危险低血糖或高血糖的响应,假阳性则会惊醒使用者、造成不必要进食、确认检测或不当用药;长期误报还会导致报警疲劳。阈值应根据目标人群、事件严重性、提前量和实际工作流验证,并允许人工复核和记录处理结果。模型不能保证整夜安全,照护者也不应因分数正常而忽略症状、设备报警或既定糖尿病安全计划。
不得仅凭预测模型自行增加、减少或停用胰岛素、磺脲类或其他降糖药,也不得用其结果替代具体设备说明、血糖确认规则和专业治疗方案。直接控制泵或自动输注的算法属于更高风险的闭环功能,需要独立验证其传感器输入、剂量逻辑、互锁、最大输出、故障降级和人因;一个离线预测研究不能证明自动控制安全。出现意识改变、抽搐、无法安全吞咽或其他严重低血糖或高血糖急症表现时,应立即按既定急救方案和当地急救流程处理,不等待模型重算。
隐私、监管与生命周期治理
葡萄糖、胰岛素、进食、活动、睡眠时间、卧室传感、位置和账户数据可共同揭示疾病、作息和家庭活动。应遵循最少必要原则,区分本人、照护者、临床、研究和供应商权限,明确实时共享、保存期限、导出、更正、删除及二次训练用途。共享链接、旧手机、床伴资料、云端备份和第三方健康平台都要纳入同意、撤销、加密、日志和事件响应,而不能因数据已变成特征就视为匿名。
产品属于一般健康分析、临床决策支持、报警软件还是医疗器械,应按预期用途和销售地规则判断。声称预测低血糖、高血糖、疾病、睡眠障碍或直接指导治疗时,需要相称的质量、软件、风险、人因、网络安全和临床证据。监管授权只覆盖核准的版本、设备、输入、人群和用途;将获准 CGM 数据显示在未验证应用中,并不会自动使应用的睡眠预测或治疗建议获得同等授权。
生命周期档案应连接数据来源、设备和单位、睡眠与葡萄糖标签、时间同步、代码依赖、训练记录、冻结模型、阈值、验证、说明书、更新和事件处置。上线后需监测缺失率、传感器与睡眠设备变化、风险分布、校准、误报漏报、群体差异、人工推翻和伤害信号。任何改变输入设备、波动公式、睡眠定义、预测范围、模型、阈值、报警或建议逻辑的更新,都应评估累积影响、按风险重新验证,并清楚说明新旧结果能否比较。