World Sleep Industry ENCYCLOPEDIA

睡眠質量綜合評分算法

4.4.1

定義與評分構念

睡眠品質綜合評分演算法,是把一個或多個夜晚的睡眠時長、連續性、時點、規律性、主觀滿意度、日間警覺以及可選生理或睡眠階段指標,按預先定義的規則合成為分項和總分的方法。它可以使用門檻加總、加權公式、統計模型或機器學習。分數是對特定構念、時間窗、輸入裝置和目標人群的壓縮表達,並不是可直接觀測的「睡眠品質真值」。

開發前必須說明分數服務於健康溝通、個人趨勢、研究分層還是臨床決策,明確高低方向、範圍、分項、參考期和可採取的行動。本條不同於睡眠恢復評分、睡眠負債估計、異常預警、睡眠分期及經驗證的主觀問卷;這些工具可提供輸入或對照,但概念不能互換。不同產品即使都用百分制,也可能測量完全不同的對象,不能直接橫向排名。

輸入來源與時間對齊

輸入可來自睡眠日誌、問卷、腕部活動和光學脈搏、床邊雷達、床墊感測、環境資料或多導睡眠檢查。每項都應保留裝置型號、韌體、演算法版本、佩戴或擺放位置、取樣率、時區、主睡與小睡定義和有效覆蓋。消費裝置推算的入睡、覺醒和階段不是原始事實;上游誤差會進入總分,多個由同一感測器衍生的指標也不能被誤當成獨立證據。

演算法需先建立明確的夜晚邊界並處理跨午夜、輪班、分段睡眠、跨時區、日光節約時間和多裝置重疊。主觀「昨晚睡得如何」和裝置記錄若參考期不同,不應直接混合。有效資料為零、未佩戴、同步延遲、訊號品質差、使用者主動刪除和真實短睡必須保持不同狀態;系統不能把缺測補成正常,也不能把沒有分數顯示成低品質睡眠。

標準化、權重與缺測

聚合前要公開每項的單位、方向、轉換、截斷與參考分布。人群門檻便於解釋,但可能不適合兒童、老年人、孕期、慢性病、輪班或治療中的人;個人基線有助於看變化,卻可能把長期異常穩定成「正常」。權重來自專家判斷、統計關聯或預測最佳化時,應說明訓練目標、樣本和約束,避免僅因易測或波動大就讓某一指標支配總分。

總分會掩蓋抵消:時長增加可能與規律性惡化相抵,兩個相同總分也可能有完全不同的分項組合。因此介面應同時顯示分項、覆蓋率、主要影響因素和資料品質,並允許查看未加總值。缺少某項時可以拒絕評分、使用經驗證的降級版本或給出區間,但必須標記可比性變化;用剩餘權重自動重標若未驗證,會悄然改變分數含義。

不確定性、個人化與公平性

輸出不應只給一個精確整數,還應說明測量雜訊、模型不確定性、最低可解釋變化和相鄰夜間自然波動。個人化需區分適應性校準與任意迎合:基線窗口、更新速度、異常值處理和重新初始化條件都應固定並可稽核。旅行、急性疾病、酒精或藥物變化、裝置更換和睡眠治療可作為情境標籤,但不能由演算法自行作醫學因果判斷。

訓練和驗證樣本要覆蓋預定年齡、膚色、性別與性別相關生理狀態、體型、身心障礙、睡眠障礙、共病、作息類型和裝置使用方式。總體平均誤差可能掩蓋某組持續偏高或偏低,尤其當光學訊號品質、活動模式或呼吸障礙嚴重度不同。公平評價應報告分組覆蓋、誤差、校準、拒絕評分率和建議後果,而不是透過刪除難測使用者換取漂亮指標。

驗證與效果評價

驗證至少分三層:輸入和計算是否技術正確,所定義分數是否與聲稱的睡眠健康構念或結局存在有效關聯,以及實際使用能否帶來淨效益。單項輸入可分別與合適參考方法比較,聚合公式則需檢驗重測可靠性、校準、已知組差異、收斂與區分效度、對真實變化的反應,以及相對簡單指標是否提供增量價值。相關性、分類準確率和內部交叉驗證不能互相替代。

外部驗證必須鎖定硬體、韌體、演算法和人群,並預先規定主要結局、缺測規則和成功標準。除平均誤差外,還應看個人差值、極端範圍、排序穩定性、誤報漏報和分數跨版本斷點;若用於建議或分流,還要評價行為、日間功能、就醫延誤和傷害。實驗室一夜與家庭多夜用途不同,健康成人結果不能自動外推到兒童、輪班者或患者。

人因與臨床邊界

分數可能促進趨勢理解,也可能誘發反覆查看、追求滿分、延長臥床或忽視主觀感受。介面應允許隱藏總分、減少睡眠階段細節、延遲晨間推播並把單夜變化降級為背景資訊。對因數字而焦慮的人,停止追蹤可能比繼續最佳化更合適。參與失眠認知行為治療時,減少在床時間可能是計畫的一部分,演算法不能持續把這種受監督的短期變化判為失敗。

高分不能排除持續打鼾、呼吸暫停、危險睏倦、異常夜間行為或長期失眠,低分也不能獨立診斷疾病。醫療宣稱需匹配相應的臨床證據、監管和專業工作流程;一般健康評分應清楚標明不用於診斷或治療。就業、保險、教育、駕駛適任和照護資格等高影響決策不得只憑消費睡眠分數作出,專業人員需要原始分項、品質標記、版本和症狀背景。

隱私、版本與治理

評分可能彙集作息、心率、呼吸、活動、位置、工作班次、主觀感受、疾病與用藥等敏感資料,並生成新的健康推斷。產品應遵循目的限定和最少收集,分別說明本機與雲端處理、第三方 SDK、研究、廣告和模型訓練用途,提供存取、匯出、更正、刪除和撤回。預設不應把低分、失眠擔憂或脆弱時段用於定向行銷,也不應在未經明確授權時向雇主、保險方或家庭成員披露。

每個分數應可追溯到輸入覆蓋、規範表、權重、模型、程式碼和顯示版本。更新前要評估預期改變,更新後進行迴歸、分組和真實世界監測;歷史重算與保留舊分數需明確區分。發現漂移、介面故障或不公平影響時,應能暫停評分、回復舊版並通知使用者。停止服務或裝置淘汰時要支持資料匯出、刪除和連續性說明,不能把演算法變化偽裝成使用者睡眠突然改善或惡化。