World Sleep Industry ENCYCLOPEDIA

睡眠数据质量评估服务

4.4.3

定义、用途与服务边界

睡眠数据质量评估服务以预定用途为基准,对 PSG、HSAT、EEG、EOG、EMG、ECG、血氧、PPG、体动、雷达、床垫传感、音频、视频、可穿戴、问卷、临床资料及其标签和元数据进行独立检查,归入 WSIC 4.4.3“睡眠数据服务”。它回答的不是数据抽象地“好不好”,而是其完整性、准确性、一致性、及时性、可追溯性、代表性和可用性是否足以支持特定研究、算法训练、独立验证、产品监测或临床分析。不同用途容许的缺失、误差、标签不确定性和人群偏差不同,质量结论必须带用途、版本和适用范围。

该服务不同于数据清洗、标注和算法评测。评估可发现问题、量化影响并提出修复或降级建议,但不应在未授权时直接改写源数据;修复后的数据需要重新评估。它也不能用一个总分证明数据已获认证、算法必然有效或临床结论可靠。合同与方案应先冻结评估对象、来源快照、目标任务、关键变量、质量维度、阈值、抽样与复测规则,避免看到结果后改变标准。若用途尚不明确,报告只能给出描述性风险,不能宣称“适用”。

文件、结构与数据完整性检查

文件层应核对清单、数量、大小、校验值、可读性、压缩包、命名、重复、截断、损坏和格式版本。结构层检查 schema、字段类型、编码、单位、允许值、主外键、时区、字符集、空值表示、记录顺序和跨表引用。对 EDF、EDF+、DICOM、厂商容器、CSV、JSON 和数据库导出,应使用能理解格式的解析器,而不是只看扩展名;私有字段、注释、文件头、旁车标签和报告需要纳入。转换到公共数据模型时,还要验证本地概念映射、精度变化、未映射值和源字段丢失。

完整性不等于每个单元格都有值。评估要区分未采集、不适用、设备失败、受试者未佩戴、解析失败、人工删除和真正阴性,并报告缺失发生在哪个人群、中心、设备、时段和数据处理阶段。重复检查需覆盖完全重复、同一受试者多次导出、裁剪或重采样版本和跨数据源近重复。血缘应能从分析记录追溯到源记录及其采集、校正、脱敏、映射和合并步骤;无法追溯的数据即使数值看似合理,也可能不适合高风险用途。质量检查自身的脚本、配置、阈值和执行日志也要版本化。

信号质量、时间与设备状态

信号评估应按通道和时间窗口检查采样率、物理与数字单位、量程、参考与极性、滤波、分辨率、有效时长、平线、削波、饱和、断连、丢包、基线漂移、工频或运动伪迹和非生理突变。PSG 还需核对 EEG、EOG、下颏与肢体 EMG、气流、呼吸努力、SpO₂、体位和 ECG 等通道是否与方案一致;可穿戴和 PPG 要关注佩戴状态、低灌注、皮肤接触、运动和固件;雷达、床垫、音频或视频应检查占用、遮挡、自动增益、压缩和环境干扰。阈值应由设备、任务、目标人群和采集环境决定,不能把一个通用信号质量指数当作所有模态的真值。

时间质量包括开始与结束、时区、夏令时、跨午夜、时钟重置、漂移、插值以及多设备同步。波形、事件、问卷、用药和设备日志若错位,可能仍能打开却产生错误因果顺序或事件率。评估应区分总记录时长、技术有效时长、佩戴时间、在床时间和总睡眠时间,并核对派生指标所用分母;以总记录时间替代总睡眠时间可系统改变事件指数。异常由自动规则定位后,应回放原始片段或与设备日志、人工记录交叉核验,避免把真实罕见生理现象当作噪声删除。

标签、参考标准与派生结果

标签质量评估首先核对任务定义、评分体系及版本、epoch 长度、事件边界、时间容差、忽略区间、评分者资格、盲法、复核和仲裁。睡眠分期、觉醒、呼吸事件、腿动和其他事件应分别评价,不能由总体一致率掩盖低频或困难类别。人工评分本身存在结构性分歧,因此单人标签不是无误真值;可报告逐类混淆、评分者间一致性、事件数量差异、起止时间偏差、无法判断率和仲裁率,并说明参考结果如何形成。金标准样本若已被评分者反复见过,也可能高估真实表现。

派生结果应从底层记录独立复算并与现有报告比对,包括总睡眠时间、睡眠效率、入睡潜伏期、觉醒后清醒、阶段比例、AHI 或其他任务指标。检查重点包括单位、舍入、分母、缺失通道处理、重叠事件、边界规则和软件版本。标签与信号需保持同一时间基准,数据裁剪、重采样或日期偏移后尤其要验证。自动预标注应保留模型版本和人工修改轨迹,不能把模型与人工共识混称为独立参考。发现系统性标签偏差时,应定位受影响评分者、中心、时期和规则版本,而不是只随机重标少量样本。

队列代表性、偏差与泄漏

队列层评估应还原纳入、排除、拒绝、失败、撤回和随访流失路径,说明受试者数、记录夜数、中心、地区、年龄、性别、疾病谱与严重度、合并症、设备、采集环境和信号质量。记录数量不能替代独立受试者数量,多夜高频贡献者可能支配分布。缺失并非总是随机:严重患者更容易产生伪迹,居家设备失败可能与年龄或数字能力相关,人工质控可能偏向保留容易判读的记录。应按关键亚组和时间报告覆盖、缺失和失败,而不是用全体平均值隐藏薄弱区域。

用于机器学习时,还要检查同一人的多夜、重叠窗口、重复导出、家庭成员、中心或设备批次是否跨越训练、开发与测试集。按 epoch 随机切分整夜记录会产生参与者泄漏;预训练语料、公开镜像和派生版本也可能造成内容污染。队列是否代表预期环境,应结合目标任务判断:单中心成人实验室 PSG 不能自动代表儿童、老年人、居家 HSAT 或消费者可穿戴。评估可以识别这些限制和潜在偏差,但不能仅凭统计加权把不存在的人群、设备或工作流“修复”出来。

指标、问题分级与报告交付

指标应给出明确分子、分母、统计单位、阈值来源和不确定性。可包括文件可读率、记录与通道有效率、缺失和重复率、时间漂移、异常持续时间、标签一致性、事件时间偏差、链接成功与错误率、血缘覆盖、亚组覆盖和从源数据复算的结果差异。指标最好按受试者、夜、通道、epoch、事件或字段分别报告,避免混用分母。总体等级如确有需要,应公开权重和阻断项,并能下钻到具体记录和规则;严重错误不能被大量低风险通过项抵消。

问题清单应包含唯一编号、证据、影响范围、严重度、可检测性、可能原因、用途影响、建议处置和负责人。处置可分为源端纠正、重新导出、重新标注、隔离、限制用途、作为缺失处理或接受剩余风险;不应以无依据插补掩盖采集失败。交付物通常包括管理摘要、机器可读问题表、样本索引、可复现规则或查询、质量画像、血缘图、已知限制和修复后复测结果。评估方应区分已观察事实、推断原因与专业判断,并记录未能检查的范围。

采购验收、隐私与持续监测

采购方应提供预期用途、关键变量、数据字典、采集方案、评分规则、设备和固件清单、转换记录及已知变更,并先用代表性小样本校准规则。选择服务方时,应核查睡眠领域知识、原始格式解析、人工复核能力、统计抽样、数据工程、独立性和隐私控制,而不只看仪表盘。合同需规定数据快照、阈值批准、误报与漏报复核、问题归属、返工、复测、交付格式、审计权和结论表述。评估报告不是监管批准或数据保证书,超出所测用途、版本和人群使用时须重新判断。

质量检查常需访问未脱敏波形、自由文本和身份关联键,应采用最小权限、受控环境、导出限制、保留期限和可验证删除;报告中的罕见病例与小群体也需防止再识别。一次性审计只能反映一个快照,成熟服务还应持续监测中心、设备、固件、schema、字段、缺失、标签规则和人群构成的漂移,设置基线、告警、人工确认和变更后复验。自动质量指数可提高覆盖率,但最终判断仍须结合临床语义和用途;当数据无法修复或风险不可接受时,正确结论可能是降级、拒用或重新采集。