定義、任務與用途邊界
體動與體位分析算法把加速度、角速度、床體動、壓力或影片等連續信號轉換成活動強度、動作事件、睡眠—清醒估計、在床區間、翻身,以及仰臥、俯臥、左側、右側等姿勢。不同輸出解決不同問題:腕部活動計適合觀察多日睡眠—清醒節律,軀幹傳感器較適合判斷體位,床下傳感器則記錄整床機械變化。
體動是睡眠的代理信號,而非腦電睡眠本身。靜臥清醒常被誤判為睡眠,睡眠中的翻身、週期性腿動或床伴動作又可能被誤判為清醒。算法可估計總睡眠時間、入睡、醒後清醒及睡眠效率,但不能僅靠動作完整重現 PSG 睡眠分期、覺醒、呼吸事件或週期性腿動計分。
體位也須明確測量對象:腕部朝向、頭部方向、頸部姿勢及軀幹姿勢並非同一變量。位置性呼吸分析通常關心事件發生時的身體或頭頸姿勢,壓瘡管理則可能關心接觸面和持續受壓。系統必須說明傳感器位置、標籤代表哪個部位,以及輸出用於趨勢、臨床輔助或干預控制。
傳感器、座標與標定
三軸加速度計同時感受重力方向與動作加速度,陀螺儀可補充旋轉速度,磁力計提供航向但容易受環境磁場影響。腕帶、戒指、胸貼、頸部設備、腰部設備及床墊傳感器的座標含義不同。算法應保存採樣率、量程、解析度、濾波、傳感器軸定義與時間戳,不能把廠商彙總的「活動點數」當作通用物理單位。
體位分類首先要建立設備座標與人體解剖軸的關係。佩戴角度、鬆緊、左右手、胸貼傾斜和夜間旋轉都會改變重力向量;使用者重新佩戴後,前一夜的邊界可能失效。初始化姿勢、自動校準、方向連續性及重新標定規則應明確記錄,無法區分傳感器移位與真實翻身時須輸出低置信度。
非接觸床傳感器會混合受檢者、床伴、寵物、床架及環境振動;影片受被褥、照明、視角和私隱限制;腕部信號則受睡前閱讀、手部習慣與白天摘戴影響。多傳感器融合可減少歧義,但每個通道的空間覆蓋及失效方式不同。系統應先回答「誰在動、哪個部位在動」,再解釋睡眠或體位。
前處理、非佩戴與動作事件
前處理通常包括時間同步、重採樣、去重力或姿態估計、頻寬限制、偽跡偵測及滑動視窗特徵。活動可用軸向變化、向量模長、角度範圍、能量或學習特徵表達。視窗長度和平滑會改變短動與翻身數量,閾值及聚合規則必須版本化;原始加速度指標亦不能與專有活動計數直接比較。
非佩戴、充電、設備脫落及信號飽和必須與真實靜止區分。連續零值、異常恆定溫度、光學接觸、阻抗或日記可提供線索,但不同設備的可用證據不同。把非佩戴當作睡眠會虛增總睡眠時間,把夜間摘表當成清醒又會製造長醒段,因此有效佩戴區間應作為獨立輸出並容許人工修正。
一次動作事件可為短暫肢體活動、整體翻身、起床或設備碰撞。事件邊界須規定啟動、停止、最短持續、相鄰合併與跨無效區段處理。腕部大動作不一定代表身體翻身,軀幹角度改變也不一定伴隨高活動強度;把活動強度與姿態轉換分別建模,通常比用同一閾值解釋所有動作更清楚。
睡眠—清醒與節律估計
傳統活動計算法以目標 epoch 前後的加權活動量判斷睡眠或清醒,現代模型則利用原始加速度、手臂角度、光學心率、溫度與較長時序。兩類方法都容易偏向識別睡眠而漏掉靜臥清醒。應同時報告睡眠靈敏度與清醒特異度,不能用較高總體準確率掩蓋失眠或碎片化睡眠中的系統偏差。
睡眠區間不只由逐 epoch 分類決定,還要辨認上床、嘗試入睡、最終醒來與離床。睡眠日記、按鍵、環境光及設備狀態可協助限定分析視窗,但使用者記錄也可能缺失。算法應保存自動邊界、人工修訂和證據來源,並區分在床時間、睡眠機會及估計睡眠時間,避免指標名稱相同但分母不同。
多日活動計的優勢是描述作息時間、規律性、晝夜分布及治療前後趨勢,而非追求單夜微結構。缺失日、輪班、午睡、跨時區、設備換手與夏令時間會影響節律解讀。分析應採用連續日期及本地時區,記錄日記事件與缺失,並在資料不足時拒絕提供穩定的節律結論。
體位分類與位置性指標
軀幹姿勢可按重力向量分成仰臥、俯臥、左側、右側及直立,也可保留滾轉、俯仰等連續角度。寬類別方便臨床報告,卻會把接近邊界的斜側臥壓成單一標籤;連續角度較精細,但對標定和傳感器滑動更敏感。閾值附近應提供遲滯與置信度,減少反覆切換。
頭頸與軀幹可能朝向不同,特別在枕頭支撐、半側臥或床頭抬高時。胸部傳感器不能自動代表頭位,腕部朝向更不能代表身體側別。若位置性 OSA 或體位治療依賴頭頸資訊,應使用相應傳感器或影片參考並分別報告,而不能由軀幹類別推斷全部上氣道姿勢。
位置性呼吸指標要把每個呼吸事件與同時段的有效睡眠及體位配對,再分別計算各姿勢事件率。某姿勢暴露時間過短會令比值不穩定,自動睡眠和體位錯誤又會同時影響分子與分母。報告應列出每種姿勢的有效睡眠時長、事件數、置信度和最低可解釋暴露規則,而非只給一個位置性標籤。
標籤、資料與性能驗證
睡眠—清醒標籤宜來自同步 PSG,體位標籤可來自同步影片、人工觀察或經驗證的身體傳感器;兩者時間必須精確對齊。參考應說明 epoch、姿勢定義、被褥遮擋、頭與軀幹是否分開及標註者。以另一款未驗證可穿戴或設備自身舊算法作真值,只能比較一致性,不能建立準確度。
訓練、調參與測試須按受試者及記錄夜隔離,並涵蓋年齡、體型、行動能力、失眠、睡眠呼吸障礙、神經疾病、輪班、不同床伴與佩戴方式。兒童、長者、活動受限者和一般成人的動作—睡眠關係不同。應保留非佩戴、低活動清醒及高體動睡眠樣本,報告排除夜晚與可分析比例。
逐 epoch 驗證應報告睡眠及清醒的靈敏度、特異度、F1、混淆矩陣和轉換邊界誤差;體位應報告每類指標、角度誤差及翻身偵測。記錄級再比較總睡眠時間、入睡潛伏期、醒後清醒、睡眠效率、各體位時間及轉換次數的偏差與一致性。相關性不能取代一致性和個體誤差分析。
部署、報告與發展方向
部署介面應顯示原始活動或角度趨勢、佩戴品質、自動睡眠視窗、體位及人工修訂,並容許使用者或專業人員標註摘戴、午睡、上床與異常夜。系統必須保留資料不足狀態,不能把整段靜止自動解釋成睡眠。硬件、韌體、佩戴位置、閾值或模型更新都須回歸測試及版本追蹤。
選型先明確用途和時間尺度:多日節律、失眠評估輔助、HSAT 睡眠時間估計、位置性呼吸分析、體位治療回饋或一般健康趨勢。然後核對傳感器位置、原始資料、非佩戴處理、目標人群、外部驗證與人工複核。活動計不能取代腿肌電診斷 PLMD,也不能在需要 PSG 時取代 PSG。
未來方向包括個人化靜臥清醒識別、頭頸與軀幹聯合姿態、多傳感器不確定性融合、開放原始指標及私隱保護的居家驗證。更好的算法應說明何時不知道,而不是把每個 epoch 強制分類。自適應更新仍須限定修改範圍、預定驗證、漂移監測及回退能力,確保縱向趨勢在設備和版本變化後仍可解釋。