定義、輸出與任務邊界
晝夜節律相位估計演算法用於推斷個體內源晝夜振盪在某一時刻所處的位置。輸出可以是昏暗光線下褪黑素起始時間、核心體溫最低點等參考事件的時刻,也可以是涵蓋二十四小時週期的相位角、相位分布或可信區間。演算法必須寫明估計的具體標誌、日期、時區和參照座標,不能只給出「早型」或「晚型」標籤。
內源相位不等同於入睡時間、起床時間、作息中點或問卷型 chronotype。睡眠時刻同時受睡眠壓力、工作、照護、鬧鐘、藥物和個人選擇影響;輪班、跨時區旅行或自由運行狀態下,兩者尤其可能分離。相位、週期、振幅和相位角也是不同量,不能由一次相位估計推斷內源週期或節律強度。
演算法輸出可輔助研究、節律睡眠—清醒障礙評估及干預時機討論,但不是獨立診斷。相同鐘錶時間在不同日期、時區和夏令時間狀態下含義不同,而相似症狀還可能源自睡眠不足、失眠、睡眠呼吸障礙、情緒問題或藥物作用。系統應限定預期用途,並將估計值、量測值和臨床解釋分層呈現。
參考標誌與採樣條件
褪黑素節律是常用的人體相位標誌,唾液、血漿或尿液代謝物的採集和分析方法並不等價。DLMO 通常依據連續樣本越過預先規定的絕對或個體化閾值並持續高於閾值來確定;不同閾值、檢測下限、平滑和插值規則可改變結果。報告必須保留樣本時點、標本類型、分析平台、閾值規則及無法確定的原因。
光線可抑制夜間褪黑素,因此實驗室或家庭 DLMO 採樣需要控制眼部光暴露、採樣頻率、時間視窗、進食、姿勢和依從性。外源褪黑素、某些藥物、咖啡因、煙草、酒精、口腔污染、漏採和超出檢測範圍都可能改變曲線。若預期上升點落在採樣視窗外,或曲線平坦、多峰、雜訊過高,演算法應報告截尾或不確定,而不是強行給出時刻。
核心體溫最低點、皮質醇、周邊溫度或分子標誌也可用於相位研究,但受睡眠、活動、進食、姿勢、疾病和採樣組織影響。核心體溫在恆定常規條件下能更好分離內源成分,日常皮膚溫度卻包含行為性遮蔽。不同標誌之間存在穩定但非固定的相位關係,模型必須針對所聲稱的參照標誌單獨驗證。
可穿戴輸入與時間軸
動態模型可把個人光照歷史輸入晝夜振盪器,統計或機器學習模型則可利用活動、睡眠、皮膚溫度、心率或多訊號節律。腕部光感測器量到的是手腕處照度,可能被衣物、寢具和身體朝向遮擋,並不等於到達眼部的光譜輻照。設備應保存感測器位置、光譜響應、飽和與暗雜訊、校準資訊和佩戴狀態。
活動和睡眠時序可間接反映生活規律,卻也可能只是工作安排而非內源時鐘。以活動替代光照時,模型假設及訓練人群必須明確;夜班者、臥床者、視力受損者、兒童和極不規律作息人群不能未經驗證套用一般日班成人模型。缺失、除下、充電、靜止清醒和設備時鐘漂移應作為獨立品質狀態處理。
時間軸必須保存帶偏移量的本地時間和 UTC、時區名稱、夏令時間轉換、跨日邊界、旅行地點及班次。把所有記錄只存成無時區鐘錶時間會在時鐘回撥時產生重複區間,在向前調整時產生空洞。多設備融合前需要校正採樣延遲和漂移;跨經度旅行後的相位是隨日期演變的狀態,不能只平移檔案時間戳。
模型、初始化與不確定性
生理驅動模型通常表示光對晝夜振盪器的相位依賴作用,並透過既往光史推進狀態;統計模型可從睡眠中點、活動節律或多模態特徵直接預測參照相位。兩類方法都依賴初始化、參數和歷史視窗。以群體平均相位初始化可能在規律作息者中可用,卻會對夜班、時差和非二十四小時節律產生較大偏差。
相位屬於圓周變數,二十三點五十分與零點十分相差二十分鐘而不是二十三小時四十分鐘。訓練損失、平均值、可信區間和誤差統計應使用圓周方法或明確的展開規則。多峰後驗可能代表兩個合理相位,不能壓成位於兩者之間但生理上不合理的單點;輸出應包含估計分布、可信度和最近資料時間。
個體化可利用既往 DLMO、長期光照—活動史或重複量測更新模型,但應區分校準與真實相位移動。演算法不能用同一次參照量測同時完成個體擬合並宣稱獨立驗證。自適應更新需限制參數、記錄版本和回復條件;當新資料與模型強烈衝突時,應提高不確定性並要求覆核,而不是靜默追隨雜訊。
資料設計與參照對齊
開發資料應涵蓋正常作息、延遲或提前相位、輪班、跨時區和不同季節,並包含年齡、性別、光環境、視功能、藥物及共病差異。訓練、調參與測試必須按受試者和採集週期隔離,同一人的相鄰日不能分散到不同資料集。若只納入能產生清晰 DLMO 的參與者,還需報告被排除者,以免高估真實可用性。
可穿戴輸入與 DLMO 參照必須來自明確對應的歷史視窗,並核對實驗室採樣當日是否改變了日常光照、睡眠或行為。標籤演算法要在查看預測前預定,人工修訂應盲於模型結果。家庭採樣需要記錄實際光照和每管時間;只依賴計畫時刻或事後回憶會把依從性誤差誤算成模型誤差。
模型若以睡眠時間、活動和光照共同輸入,應評估各訊號缺失時的退化模式。插補不得跨越旅行、換班或夏令時間跳變而製造平滑日程。資料增強和模擬光史可以擴大訓練條件,但不能取代真實人群外部測試;用同一數學模型產生標籤並評價其近似模型,只能證明內部一致,不能證明生理準確。
驗證、比較與結果報告
驗證應以預先規定的 DLMO、核心體溫相位或其他目標標誌為參照,報告有符號圓周誤差、絕對誤差、偏倚、一致性界限和落在若干臨床相關誤差視窗內的比例。相關係數主要反映排序,不能證明個體時刻一致。還應給出覆蓋率、無法輸出率和可信區間校準,使高準確率不能藉拒絕困難個案獲得。
效能要按輪班狀態、作息規律度、季節、年齡、膚色或設備光學條件、視功能、藥物、採樣地點和設備版本分層,並展示每位受試者及重複夜的誤差。與睡眠中點、問卷或群體平均等簡單基線比較,可判斷複雜模型是否真正增加價值。外部驗證應使用獨立地點、設備批次和實驗室分析流程。
縱向應用不只要比較每次相位,還要驗證相位移動量。兩個有誤差的單次估計相減會放大不確定性,因此報告必須傳播兩次量測誤差並區分真實改變與量測波動。用於安排干預的系統還應評估估計延遲、資料陳舊、失敗警報和人工覆核後的實際決策,而不能只展示離線平均誤差。
部署、解釋與安全邊界
部署介面應同時顯示目標相位標誌、估計日期、時區、輸入覆蓋、最近同步時間、可信區間及主要缺失來源。使用者需要知道結果來自生物樣本、可穿戴代理還是混合模型。韌體、光感測器、睡眠演算法、檢測平台或模型更新都可能造成縱向斷點,必須做版本追蹤、橋接測試和漂移監測。
光照、活動、位置、旅行、班次和生物樣本時間能揭示工作與生活規律,屬於敏感健康和行為資料。採集應最小化,並明確本地處理、上傳、存取、保留、刪除及二次訓練規則。面向多人或僱傭情境時,不能把低可信相位估計用於紀律、排班適任或保險決定,也不能以缺失資料推斷不依從。
相位估計不能自動產生個人化強光、避光、褪黑素、鎮靜藥或興奮劑的時間和劑量。錯誤時機可能使預期相位移動方向相反,藥物和光照還存在個體禁忌與安全條件。出現持續嚴重睏倦、駕駛風險、明顯情緒或功能惡化,或懷疑其他睡眠和醫學問題時,應進入合適的專業評估;可信演算法的職責是呈現證據與不確定性,而不是取代診療。