World Sleep Industry ENCYCLOPEDIA

睡眠异常预警算法

4.4.1

品类定义与使用边界

睡眠异常预警算法是持续或周期性分析睡眠相关数据,识别相对个人基线、参考人群或预设安全规则的显著偏离,并在满足条件时生成提示、分级告警或人工复核任务的软件功能,归入 WSIC 4.4.1。它关注“与平常不同且可能需要行动”,不等同于睡眠分期、单病种筛查、疾病诊断、生命体征监护或紧急呼救系统。异常可以真实存在而没有疾病,也可能来自设备、环境和行为变化;没有触发告警也不代表健康或安全。

产品必须先写明预期用途、目标人群、使用地点、输入设备、异常对象、输出接收者和建议行动。例如,“连续三晚睡眠时长明显下降后提醒本人复盘作息”与“发现疑似夜间低氧后通知照护者”具有不同风险、证据和响应时限。用于一般健康趋势的提示不得包装成疾病早诊;用于临床决策、机构照护或高风险人群的功能,则需按适用监管、质量体系和专业流程验证。算法不能替代急救判断,急性胸痛、严重呼吸困难、意识改变、疑似卒中或其他紧急症状不应等待应用告警。

输入质量、基线与异常评分

输入可包括上床与起床时间、睡眠时长和连续性、活动、体位、离床、声音、脉搏、心率变异、血氧、呼吸、皮温、环境或自报信息。每项数据都应有单位、采样方式、时间同步、有效覆盖率和质量标志;由消费设备推算的睡眠阶段或呼吸事件仍是模型输出,不应被当作无误差的真值。低电量、佩戴松动、皮肤接触不良、床伴或宠物、网络中断、旅行和夏令时切换都可能制造假异常。

个人基线应由足够数量的有效夜晚建立,并覆盖工作日与休息日、轮班、季节及正常波动;人群阈值适合缺少历史数据时启动,但可能忽略个人差异。稳健做法可结合静态参考、缓慢更新的个人模型与明确规则,并为每次评分保留数据质量和不确定性。基线更新过快会把持续恶化“学成正常”,更新过慢则会把康复、换班或长期生活改变反复报错。缺失本身有时与疾病或设备弃用相关,不能一律插补成正常;覆盖不足时应输出“无法判断”而非低风险。

阈值、分级与响应工作流

异常分数只有与行动相连才成为预警。阈值应依据漏报伤害、误报负担、事件发生率、可用响应资源和预期提前量设定,而不是只选择使准确率或 AUC 最高的切点。应区分一次性轻微偏离、连续多夜趋势、多个信号一致的中度风险和需及时处理的高风险规则,并采用持续时间、迟滞、冷却期、重复合并及恢复条件,防止数值在边界附近反复鸣响。阳性预测值会随使用人群和基础发生率变化,在低发生率场景中,即使灵敏度与特异度看似良好也可能产生大量误报。

每条告警应说明观察到什么、数据是否完整、严重度、建议何时做什么、何时升级以及如何确认或纠正。一般健康提醒可先由使用者复核佩戴、作息、旅行、饮酒或患病等背景;临床告警应进入有负责人、时限、备援和闭环记录的队列。高风险用途须验证夜间、周末、网络故障和无人响应情形,不能假定手机通知一定被看到。允许静音或延后时,应区分非紧急提示与安全关键告警;频繁且不可行动的通知会造成告警疲劳,使真正重要的信号也被忽略。

验证指标与公平性

开发与评估数据应按人员而非按夜晚隔离,避免同一人的相邻夜晚同时进入训练和测试造成泄漏。除内部锁定测试外,还要在不同地区、机构、设备型号、固件、操作系统、睡眠习惯和临床谱系中做时间上和地理上的外部评估。参考标准必须与声称的异常一致:行为变化可由可靠日记或活动记录确认,呼吸或心律相关异常可能需要临床级测量与盲法判读,不能用另一个未验证的可穿戴输出自我证明。

报告至少应包含事件级与每人夜级灵敏度、特异度、阳性和阴性预测值、假告警数/人夜、漏报数、校准、提前量、无结论率、数据覆盖率及置信区间,并展示不同阈值的权衡。还要按年龄、性别、肤色或皮肤特征、体型、残障、孕期、合并疾病、药物、轮班、设备及网络条件检查性能;样本太少应明确不确定性,不用总体平均掩盖弱势亚组。若告警会改变照护,还需前瞻性评估是否被理解、是否及时响应、是否带来有益行动、额外检查、焦虑或资源挤占。

失效模式、漂移与安全工程

典型失效包括传感器掉线被误判为静止、床伴信号归错人、跨时区日期错位、算法更新改变分布、用户生病时基线追随恶化、药物或酒精造成非特异改变,以及对训练集中少见的心律、呼吸或运动模式判断失准。安全设计应把信号质量门控、合理性检查、跨传感器一致性、时钟校验、降级模式和故障提示置于异常评分之前。设备或云端不可用时,系统应明确停止了什么、仍能做什么以及是否需要人工替代,不能静默输出旧结果。

上线后应监测输入覆盖、无结论率、分数分布、事件发生率、校准、分组性能、告警量、响应率、处理时长、升级和不良事件,并预先规定触发调查、暂停或回滚的界限。模型、阈值、特征、传感器、固件和通知文案的变化都可能改变临床表现;每次变更需版本化、影响评估、验证、审批和可追溯发布。反馈标签可能受告警本身影响,也可能只来自愿意回应的人,不能未经审查自动用于在线学习。严重漏报、异常误报潮、数据错配和安全事件应进入统一事件管理与根因分析。

临床定位与证据解释

算法是否“有效”要沿证据链逐层回答:异常与目标状况是否有可信临床关联;软件能否从输入稳定、准确地得到预定输出;该输出在目标人群和场景中能否实现预期用途。技术回顾性准确并不证明前瞻性部署会改善睡眠、减少住院或预防伤害。与多导睡眠、临床诊断或事件记录的一致性,也不等同于告警能提前、可行动且净获益为正。研究应预注册目标、锁定版本和阈值,披露排除、缺失、共同干预、资金与利益冲突,并避免只呈现表现最佳的数据切片。

消费级睡眠技术可帮助整理趋势和促进医患沟通,但输出容易受算法不透明和参考标准不足限制。若长期出现显著嗜睡、失眠、喘醒、打鼾伴停顿、夜间行为异常或功能下降,应基于症状接受专业评估,而不是等待分数越界。临床机构采购时还应验证与本地患病率、工作流、人员配置和现有报警系统的匹配;试运行应设置对照、人工复核和停止规则,不能在证据不足时直接自动改变治疗。

宣称、隐私与采购验收

“提前发现所有疾病”“预防猝死”“零漏报”“医学级准确”或诊断睡眠呼吸暂停、心律失常、抑郁等宣称,必须与明确用途、目标人群、参考标准、阈值和适用监管授权一致。AUC、相关系数、总体准确率、实验室小样本或用户好评不能单独支持这些说法。对外材料应同时给出适用与不适用人群、最低数据要求、无结论处理、误报和漏报后果、性能更新日期、人工介入及紧急情形说明。

睡眠、声音、位置、血氧、心率和照护者联系方式可揭示健康、关系与生活规律。系统应最小化采集和保留,区分本地计算与云端上传,实施传输和存储保护、最小权限、身份校验、审计、漏洞响应、删除与导出,并对照护者共享、雇主或保险用途和二次训练另行取得清晰选择。采购验收应使用代表性本地数据进行影子运行,核对时间同步、故障降级、告警路由、去重、延迟、日志、角色权限、无障碍、客服与退出方案;合同还应约定版本通知、性能复核、事件通报、数据返还和服务终止。相关词条包括多夜趋势分析算法、睡眠分期算法、睡眠呼吸事件检测、离床与跌倒风险识别算法、远程患者监测及医疗告警系统。