World Sleep Industry ENCYCLOPEDIA

可穿戴睡眠数据集

4.4.3

定义、用途与词条边界

可穿戴睡眠数据集,是把人在睡眠与日常生活中由随身或贴身设备采集的信号,与设备、佩戴、时间、质量、参与者和参考标签组织在一起的数据资源。设备可包括腕表、手环、指环、贴片、智能织物、胸带和头戴式装置;信号可包括加速度、角速度、PPG 或 BVP、心电、皮温、皮电、阻抗、声学以及环境光。它们可支持睡眠—清醒识别、睡眠分期估计、作息与节律研究、呼吸或心血管信号分析、设备比较和算法复现。

“可穿戴”描述的是采集形态,不代表统一的测量原理、质量等级或临床用途。只有活动计数、厂商心率、睡眠阶段、总睡眠时间或综合评分的数据表,与开放原始波形的数据集并不等价;腕式心率通常是由光学信号计算的派生值,不能自动当作原始 PPG。数据集应准确说明开放的是原始信号、处理后信号、窗口特征、设备输出还是研究者标签,并避免把不同证据层混为一种“真实睡眠”。

设备形态、传感器与佩戴条件

硬件形态决定接触方式、运动伪差、充电需求和可接受的佩戴时长。腕部和指环的光学路径、头带电极、胸带电极、皮肤贴片与织物传感器不能直接视为同一分布。文档应记录厂商与型号、硬件修订、固件和应用版本、传感器通道、采样率、单位、量化精度、滤波、自动增益、时间戳精度和本地或云端处理步骤。若研究同时使用多台设备,还需提供设备编号及其与参与者、夜晚的对应关系。

佩戴位置与操作同样属于测量条件。应说明左手或右手、惯用手或非惯用手、指环手指、表带松紧、贴片位置、电极准备、睡前启停、重新佩戴和校准流程,并记录设备脱落、离腕、充电、洗浴、皮肤刺激、蓝牙中断与人工修正。温度、灌注、肤色、毛发、纹身、睡姿和被褥遮挡可影响部分传感器。没有这些元数据时,模型差异可能只是佩戴或硬件差异,而不是睡眠生理差异。

数据层级、时间轴与参考标签

一个资源可能同时包含高频原始波形、设备内滤波序列、按秒或历元汇总、厂商专有睡眠阶段、整夜摘要和问卷。每个字段应有定义、单位、有效范围、缺失码、计算来源和版本。发布者最好保留最接近原始的数据以及生成派生结果的代码或可解释流程;若只能开放派生数据,也应明确哪些处理不可逆。睡眠评分、恢复分数或“压力”指数常依赖未公开算法,不能与直接测量的物理信号互换。

参考标签可来自同步 PSG 人工判读、简化 EEG 头戴设备、临床事件标注、睡眠日记、按钮事件或另一套自动算法,可靠性和任务含义并不相同。时间对齐应记录共同时间源、时区、夏令时、设备启动偏差、时钟漂移、重采样、分段拼接和日期移位。按文件第一行对齐可能掩盖分钟级漂移;出于隐私而平移日期时也须保留相对顺序和跨午夜逻辑。标签历元、传感器窗口和事件起止必须有明确映射。

依从性、缺失数据与质量控制

多夜居家采集的价值在于接近日常状态,但缺失不是随机噪声。忘记佩戴、需要充电、设备不适、皮肤反应、旅行、网络或同步失败、存储满、应用被关闭,以及参与者在症状严重时主动取下设备,都可能造成整夜或局部缺失。研究应同时报告计划人数与夜晚、实际开始记录、成功上传、可用佩戴时长、参考标签可用性和最终纳入量,并区分未佩戴、静止、睡眠、硬件失败与算法拒判。

质量控制可结合信号幅度、饱和、断点、运动、接触或离腕标志、跨传感器一致性及人工抽查,但阈值、处理顺序和排除理由应公开。补零、前向填充和平滑不能把无信号变为有效睡眠记录。只删除失败参与者或困难夜晚,会形成依从性和幸存者偏倚;评测除准确率外还应报告数据覆盖、拒判率、缺失夜晚比例和质量分层表现。更正文件、重新同步或重新标注应留下版本和变更日志。

人群代表性、固件漂移与跨设备协调

样本代表性既受招募影响,也受“愿意并能够持续佩戴”影响。年龄、疾病、移动能力、轮班工作、药物、睡眠环境、皮肤特征、末梢循环和数字设备使用习惯都可能改变数据质量或睡眠模式。应报告参与者数、每人夜晚数、人口与临床构成、设备分布和失效原因,并检查不同群体的覆盖和误差。肤色与社会定义的种族不是同一变量,研究不应把后者当作前者的精确替代。

消费硬件、固件和云端算法会持续更新,同名字段的计算也可能发生变化。数据集应保存硬件修订、固件、应用、算法或导出版本、导出日期和更新批次,必要时把更新前后视为不同测量域。跨设备协调不宜只比较最终睡眠评分;应在共同时间窗内检查原始或最接近原始的信号、有效覆盖、时间偏差和参照误差。校准关系若只在某一型号、佩戴部位或人群建立,不能无验证地迁移到其他设备。

机器学习划分、评测与复现

训练、验证和测试应按参与者划分;同一人的重复夜晚、同一家庭成员、重叠窗口、同一夜生成的不同传感器视图及增强副本应留在同一集合。随机拆分历元会因个体节律、设备特征和相邻时间上下文产生严重泄漏。归一化、缺失填补、质量阈值、特征选择和模型阈值只能由训练资料确定。除内部测试外,最好增加跨设备型号、站点、人群、固件时期或真实居家场景的外部验证。

指标应匹配任务:睡眠—清醒或分期需给出逐类表现、混淆与一致性;总睡眠时间等夜级指标需报告偏差、误差分布和一致性界限;事件检测需说明匹配容差和每小时假阳性。还要报告未能输出结果的人员与夜晚,避免模型通过拒绝困难样本获得虚高分数。复现资料应固定数据与标签版本、参与者级划分、预处理、代码环境、随机种子、最终阈值和锁定测试集,并防止利用测试集反复选择设备或模型。

隐私、许可与临床边界

连续可穿戴记录可推断作息、活动、位置规律、心率节律、健康状态和生活事件;与账号、手机、家庭或环境传感器连接后,再识别风险会增加。采集前应说明数据是否上传云端、厂商能否访问、会保留多久、是否用于后续研究或模型训练,以及参与者如何撤回、导出或删除。发布时应数据最小化、移除直接标识、评估时间与位置组合风险,并按敏感度采用开放、申请或受控访问;使用者必须遵守许可、保密和禁止再识别要求。

消费级睡眠输出、一般健康功能和医疗用途不能仅凭外观区分,而应依据预期用途、声明、目标人群、硬件与算法版本、验证证据及适用监管要求判断。未经适当验证的睡眠阶段、血氧、呼吸或心率提示不能单独用于诊断、排除疾病或改变治疗,也不能自动替代 PSG 和专业评估。用于研究时应披露证据局限;用于临床辅助时还需质量失败提示、可解释的升级路径和专业复核。个体若有持续嗜睡、呼吸暂停征象或其他健康疑虑,应寻求合格医疗人员评估。