品類定義與使用邊界
睡眠異常預警算法是持續或週期性分析睡眠相關資料,識別相對個人基線、參考人群或預設安全規則的顯著偏離,並在滿足條件時產生提示、分級警報或人工複核任務的軟體功能,歸入 WSIC 4.4.1。它關注「與平常不同且可能需要行動」,不等同於睡眠分期、單病種篩檢、疾病診斷、生命徵象監護或緊急呼救系統。異常可以真實存在而沒有疾病,也可能來自裝置、環境和行為變化;沒有觸發警報也不代表健康或安全。
產品必須先寫明預期用途、目標人群、使用地點、輸入裝置、異常對象、輸出接收者和建議行動。例如,「連續三晚睡眠時長明顯下降後提醒本人檢視作息」與「發現疑似夜間低氧後通知照護者」具有不同風險、證據和回應時限。用於一般健康趨勢的提示不得包裝成疾病早期診斷;用於臨床決策、機構照護或高風險人群的功能,則需按適用監管、品質系統和專業流程驗證。算法不能取代急救判斷,急性胸痛、嚴重呼吸困難、意識改變、疑似中風或其他緊急症狀不應等待應用程式警報。
輸入品質、基線與異常評分
輸入可包括上床與起床時間、睡眠時長和連續性、活動、體位、離床、聲音、脈搏、心率變異、血氧、呼吸、皮溫、環境或自報資訊。每項資料都應有單位、採樣方式、時間同步、有效覆蓋率和品質標誌;由消費裝置推算的睡眠階段或呼吸事件仍是模型輸出,不應被當作無誤差的真值。低電量、佩戴鬆動、皮膚接觸不良、床伴或寵物、網路中斷、旅行和日光節約時間切換都可能製造假異常。
個人基線應由足夠數量的有效夜晚建立,並涵蓋工作日與休息日、輪班、季節及正常波動;人群閾值適合缺少歷史資料時啟動,但可能忽略個人差異。穩健做法可結合靜態參考、緩慢更新的個人模型與明確規則,並為每次評分保留資料品質和不確定性。基線更新過快會把持續惡化「學成正常」,更新過慢則會把康復、換班或長期生活改變反覆報錯。缺失本身有時與疾病或裝置棄用相關,不能一律插補成正常;覆蓋不足時應輸出「無法判斷」而非低風險。
閾值、分級與回應工作流程
異常分數只有與行動相連才成為預警。閾值應依據漏報傷害、誤報負擔、事件發生率、可用回應資源和預期提前量設定,而不是只選擇使準確率或 AUC 最高的切點。應區分一次性輕微偏離、連續多夜趨勢、多個訊號一致的中度風險和需及時處理的高風險規則,並採用持續時間、遲滯、冷卻期、重複合併及恢復條件,防止數值在邊界附近反覆鳴響。陽性預測值會隨使用人群和基礎發生率變化,在低發生率情境中,即使靈敏度與特異度看似良好也可能產生大量誤報。
每條警報應說明觀察到什麼、資料是否完整、嚴重度、建議何時做什麼、何時升級以及如何確認或修正。一般健康提醒可先由使用者複核佩戴、作息、旅行、飲酒或患病等背景;臨床警報應進入有負責人、時限、備援和閉環記錄的佇列。高風險用途須驗證夜間、週末、網路故障和無人回應情形,不能假定手機通知一定被看到。允許靜音或延後時,應區分非緊急提示與安全關鍵警報;頻繁且不可行動的通知會造成警報疲勞,使真正重要的訊號也被忽略。
驗證指標與公平性
開發與評估資料應按人員而非按夜晚隔離,避免同一人的相鄰夜晚同時進入訓練和測試造成洩漏。除內部鎖定測試外,還要在不同地區、機構、裝置型號、韌體、作業系統、睡眠習慣和臨床譜系中做時間上和地理上的外部評估。參考標準必須與聲稱的異常一致:行為變化可由可靠日誌或活動記錄確認,呼吸或心律相關異常可能需要臨床級測量與盲法判讀,不能用另一個未驗證的穿戴式裝置輸出自我證明。
報告至少應包含事件級與每人夜級靈敏度、特異度、陽性和陰性預測值、假警報數/人夜、漏報數、校準、提前量、無結論率、資料覆蓋率及信賴區間,並展示不同閾值的權衡。還要按年齡、性別、膚色或皮膚特徵、體型、身心障礙、孕期、共病、藥物、輪班、裝置及網路條件檢查性能;樣本太少應明確不確定性,不用總體平均掩蓋弱勢亞組。若警報會改變照護,還需前瞻性評估是否被理解、是否及時回應、是否帶來有益行動、額外檢查、焦慮或資源排擠。
失效模式、漂移與安全工程
典型失效包括感測器斷線被誤判為靜止、床伴訊號歸錯人、跨時區日期錯位、算法更新改變分布、使用者生病時基線追隨惡化、藥物或酒精造成非特異改變,以及對訓練集中少見的心律、呼吸或運動模式判斷失準。安全設計應把訊號品質閘控、合理性檢查、跨感測器一致性、時鐘校驗、降級模式和故障提示置於異常評分之前。裝置或雲端不可用時,系統應明確停止了什麼、仍能做什麼以及是否需要人工替代,不能靜默輸出舊結果。
上線後應監測輸入覆蓋、無結論率、分數分布、事件發生率、校準、分組性能、警報量、回應率、處理時長、升級和不良事件,並預先規定觸發調查、暫停或回復舊版的界限。模型、閾值、特徵、感測器、韌體和通知文案的變化都可能改變臨床表現;每次變更需版本化、影響評估、驗證、審批和可追溯發布。回饋標籤可能受警報本身影響,也可能只來自願意回應的人,不能未經審查自動用於線上學習。嚴重漏報、異常誤報潮、資料錯配和安全事件應進入統一事件管理與根因分析。
臨床定位與證據解釋
算法是否「有效」要沿證據鏈逐層回答:異常與目標狀況是否有可信臨床關聯;軟體能否從輸入穩定、準確地得到預定輸出;該輸出在目標人群和情境中能否實現預期用途。技術回顧性準確並不證明前瞻性部署會改善睡眠、減少住院或預防傷害。與多導睡眠、臨床診斷或事件記錄的一致性,也不等同於警報能提前、可行動且淨獲益為正。研究應預先登錄目標、鎖定版本和閾值,揭露排除、缺失、共同介入、資金與利益衝突,並避免只呈現表現最佳的資料切片。
消費級睡眠技術可幫助整理趨勢和促進醫病溝通,但輸出容易受算法不透明和參考標準不足限制。若長期出現顯著嗜睡、失眠、喘醒、打鼾伴停頓、夜間行為異常或功能下降,應基於症狀接受專業評估,而不是等待分數越界。臨床機構採購時還應驗證與本地盛行率、工作流程、人員配置和現有警報系統的匹配;試運行應設置對照、人工複核和停止規則,不能在證據不足時直接自動改變治療。
宣稱、隱私與採購驗收
「提前發現所有疾病」「預防猝死」「零漏報」「醫學級準確」或診斷睡眠呼吸中止症、心律不整、憂鬱症等宣稱,必須與明確用途、目標人群、參考標準、閾值和適用監管授權一致。AUC、相關係數、總體準確率、實驗室小樣本或使用者好評不能單獨支持這些說法。對外資料應同時給出適用與不適用人群、最低資料要求、無結論處理、誤報和漏報後果、性能更新日期、人工介入及緊急情形說明。
睡眠、聲音、位置、血氧、心率和照護者聯絡方式可揭示健康、關係與生活規律。系統應最小化蒐集和保留,區分本地運算與雲端上傳,實施傳輸和儲存保護、最小權限、身分校驗、稽核、漏洞回應、刪除與匯出,並對照護者分享、雇主或保險用途和二次訓練另行取得清晰選擇。採購驗收應使用具代表性的本地資料進行影子運行,核對時間同步、故障降級、警報路由、去重、延遲、日誌、角色權限、無障礙、客服與退出方案;合約還應約定版本通知、性能複核、事件通報、資料返還和服務終止。相關詞條包括多夜趨勢分析算法、睡眠分期算法、睡眠呼吸事件偵測、離床與跌倒風險識別算法、遠距病人監測及醫療警報系統。