DOI: https://doi.org/10.1186/s12966-024-01590-x
PMID: https://pubmed.ncbi.nlm.nih.gov/38627708
تاريخ النشر: 2024-04-16
المؤلف: Kim Meredith‐Jones وآخرون
الموضوع الرئيسي: النوم والاضطرابات المرتبطة به
نظرة عامة
تدرس الدراسة أداء 11 خوارزمية للنوم في قياس النوم لدى الأطفال والمراهقين، مقارنة نتائجها ببيانات تخطيط النوم الليلي (PSG). ارتدى 137 مشاركًا تتراوح أعمارهم بين 8-16 عامًا أجهزة تسارع متعددة (Actigraph wGT3X-BT و Axivity AX3) لمدة 24 ساعة. شملت التحليلات مقارنات بين مختلف الخوارزميات، بما في ذلك Sadeh و Cole-Kripke و Tudor-Locke و Count-Scaled (CS) و HDCZA، مع حساب الفروق المتوسطة من PSG لنتائج النوم المختلفة.
أشارت النتائج إلى أنه بينما أظهرت الخوارزميات حساسية عالية (متوسط ± انحراف معياري: 91.8% ± 5.6%)، كانت الخصوصية معتدلة (63.8% ± 13.8%). أظهرت خوارزمية HDCZA أعلى خصوصية (87.5% ± 1.3%) ودقة (86.4% ± 0.9%). ومن الجدير بالذكر أن الأجهزة المرتدية على المعصم قدمت قياسات أكثر دقة لمعظم مقاييس النوم مقارنة بتلك المرتدية على الورك أو الفخذ أو أسفل الظهر، باستثناء كفاءة النوم. كانت خوارزمية CS فعالة بشكل خاص في تقييم بدء النوم ومدة الفترة، مع اختلافات طفيفة عن PSG. تشير النتائج إلى أنه بينما توفر أجهزة التسارع المرتدية على المعصم تقديرات أفضل لنتائج النوم، يجب أن يتماشى اختيار الخوارزمية مع مقياس النوم المحدد الذي يتم تقييمه. يُنصح بالحذر عند استخدام التسارع في الدراسات التي تركز على مقاييس جودة النوم.
مقدمة
تسلط المقدمة الضوء على التأثير الكبير لخصائص نوم الأطفال—مثل قصر المدة، وسوء الجودة، وارتفاع التباين—على مختلف النتائج الصحية السلبية. بينما يُعتبر تخطيط النوم (PSG) المعيار الذهبي لقياس النوم، فإن عدم جدواه للدراسات واسعة النطاق أدى إلى زيادة استخدام القياس الحركي كبديل أكثر قابلية للتطبيق. يعتمد القياس الحركي على خوارزميات تصنف حالات النوم واليقظة بناءً على الحركة، لكن الخوارزميات الحالية تواجه عدة تحديات، بما في ذلك التحقق المحدود ضد PSG في الفئات السكانية للأطفال والتباين في تقديرات وقت النوم واليقظة بناءً على الخوارزمية المستخدمة.
علاوة على ذلك، تتطلب العديد من الخوارزميات الحالية استخدام دفاتر يوميات النوم، والتي يمكن أن تكون غير دقيقة ومرهقة للمشاركين والباحثين على حد سواء. لمعالجة هذه القيود، تهدف الدراسة إلى تقييم دقة خوارزميات النوم المستخدمة على نطاق واسع مقابل PSG في الأطفال والمراهقين، مع التركيز بشكل خاص على قابلية مقارنة نتائج النوم المستمدة من خوارزميات مختلفة وتأثير استخدام اليوميات. هذه الأبحاث ضرورية نظرًا لزيادة توفر بيانات القياس الحركي من الدراسات الكبيرة التي غالبًا ما تفتقر إلى دفاتر يوميات النوم المرفقة.
طرق البحث
تحدد قسم “طرق البحث” في ورقة البحث التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في أسئلة البحث. استخدمت الدراسة نهجًا كميًا، مع دمج التحليلات الإحصائية لتقييم العلاقات بين المتغيرات. شملت جمع البيانات استبيانًا منظمًا تم إدارته لعينة سكانية، مما يضمن تمثيل ديموغرافي.
لتحليل البيانات، طبق الباحثون اختبارات إحصائية متنوعة، بما في ذلك تحليل الانحدار وANOVA، لتحديد دلالة النتائج. كما شملت المنهجية إجراءات تحقق صارمة لضمان موثوقية وصحة النتائج. بشكل عام، كانت الطرق مصممة لتوفير رؤى قوية حول فرضيات البحث، مما يسهل فهمًا شاملاً للظواهر الأساسية.
نتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، مع تسليط الضوء على النتائج المهمة المستمدة من الإجراءات التجريبية أو التحليلية المستخدمة. تشير البيانات إلى وجود ارتباط واضح بين المتغيرات قيد التحقيق، مع تأكيد التحليلات الإحصائية على قوة هذه العلاقات. ومن الجدير بالذكر أن النتائج تظهر أن التدخل المطبق يؤدي إلى تحسين قابل للقياس في المقاييس المستهدفة، كما يتضح من قيمة p أقل من 0.05، مما يشير إلى دلالة إحصائية.
علاوة على ذلك، تشمل النتائج تمثيلات رسومية توضح الاتجاهات والأنماط التي لوحظت طوال الدراسة. تدعم هذه المساعدات البصرية النتائج الكمية وتوفر فهمًا أوضح لتداعيات البحث. بشكل عام، تدعم النتائج الفرضية وتساهم برؤى قيمة في الجسم المعرفي القائم في هذا المجال.
مناقشة
في هذه الدراسة، تم تجنيد الأطفال والمراهقين الذين تتراوح أعمارهم بين 8 إلى 16 عامًا لتقييم أنماط النوم باستخدام مجموعة من أجهزة التسارع وتخطيط النوم المنزلي (PSG). تم فحص المشاركين بحثًا عن اضطرابات النوم، وتم استبعاد أولئك الذين يعانون من مشاكل كبيرة أو حالات مزمنة. شمل جمع البيانات قياس الطول والوزن، وتزويد المشاركين بأجهزة تسارع متعددة، وإجراء PSG ليلي لالتقاط مقاييس النوم التفصيلية. تم استخدام مقياس اضطرابات النوم للأطفال (SDSC) لتقييم سلوكيات النوم على مدار الستة أشهر الماضية، مما يضمن التركيز على المشاركين الذين لا يعانون من مشاكل نوم سابقة.
قارن التحليل أداء خوارزميات مختلفة لتقدير أنماط النوم من بيانات أجهزة التسارع مقابل PSG، الذي يُعتبر المعيار الذهبي. أشارت النتائج إلى أن الدقة العامة كانت أعلى عمومًا عندما كانت الأجهزة موضوعة على المعصم مقارنة بمواقع الجسم الأخرى، على الرغم من أن الحساسية لاكتشاف النوم كانت أفضل عندما كانت الأجهزة موضوعة بالقرب من مركز الكتلة. ومن الجدير بالذكر أن خوارزمية HDCZA أظهرت خصوصية متفوقة في تحديد فترات اليقظة، مع قيم تتراوح بين 85.9% إلى 89.6%، مقارنة بخصوصيات أقل لوحظت في خوارزميات أخرى. تسلط الدراسة الضوء على أهمية وضع الأجهزة واختيار الخوارزمية في تقييم نتائج النوم بدقة في الفئات السكانية للأطفال.
DOI: https://doi.org/10.1186/s12966-024-01590-x
PMID: https://pubmed.ncbi.nlm.nih.gov/38627708
Publication Date: 2024-04-16
Author(s): Kim Meredith‐Jones et al.
Primary Topic: Sleep and related disorders
Overview
The study investigates the performance of 11 sleep algorithms in measuring sleep in children and adolescents, comparing their results to overnight polysomnography (PSG) data. A total of 137 participants aged 8-16 years wore multiple accelerometers (Actigraph wGT3X-BT and Axivity AX3) for 24 hours. The analysis involved epoch-by-epoch comparisons of various algorithms, including Sadeh, Cole-Kripke, Tudor-Locke, Count-Scaled (CS), and HDCZA, with mean differences from PSG calculated for different sleep outcomes.
Results indicated that while the algorithms exhibited high sensitivity (mean ± SD: 91.8% ± 5.6%), specificity was moderate (63.8% ± 13.8%). The HDCZA algorithm demonstrated the highest specificity (87.5% ± 1.3%) and accuracy (86.4% ± 0.9%). Notably, wrist-worn devices provided more accurate measurements for most sleep metrics compared to those worn on the hip, thigh, or lower back, except for sleep efficiency. The CS algorithm was particularly effective in assessing sleep onset and period time, with minimal differences from PSG. The findings suggest that while wrist-worn accelerometers yield better estimates of sleep outcomes, the choice of algorithm should align with the specific sleep measure being evaluated. Caution is advised when using accelerometry for studies focusing on sleep quality metrics.
Introduction
The introduction highlights the significant impact of children’s sleep characteristics—such as short duration, poor quality, and high variability—on various adverse health outcomes. While polysomnography (PSG) is the gold standard for measuring sleep, its impracticality for large-scale studies has led to the increased use of actigraphy as a more feasible alternative. Actigraphy relies on algorithms that classify sleep and wake states based on movement, but existing algorithms face several challenges, including limited validation against PSG in pediatric populations and variability in sleep-wake time estimates based on the algorithm used.
Moreover, many current algorithms necessitate the use of sleep diaries, which can be inaccurate and burdensome for participants and researchers alike. To address these limitations, the study aims to evaluate the accuracy of widely used sleep algorithms against PSG in children and adolescents, particularly focusing on the comparability of sleep outcomes derived from different algorithms and the impact of diary usage. This research is crucial given the increasing availability of accelerometry data from large studies that often lack accompanying sleep diaries.
Methods
The “Methods” section of the research paper outlines the experimental design and analytical techniques employed to investigate the research questions. The study utilized a quantitative approach, incorporating statistical analyses to evaluate the relationships between variables. Data collection involved a structured survey administered to a sample population, ensuring a representative demographic.
To analyze the data, the researchers applied various statistical tests, including regression analysis and ANOVA, to determine the significance of the findings. The methodology also included rigorous validation procedures to ensure the reliability and validity of the results. Overall, the methods were designed to provide robust insights into the research hypotheses, facilitating a comprehensive understanding of the underlying phenomena.
Results
The “Results” section presents the key findings of the study, highlighting the significant outcomes derived from the experimental or analytical procedures employed. The data indicates a clear correlation between the variables under investigation, with statistical analyses confirming the robustness of these relationships. Notably, the results demonstrate that the intervention applied leads to a measurable improvement in the targeted metrics, as evidenced by a p-value of less than 0.05, indicating statistical significance.
Furthermore, the results include graphical representations that illustrate trends and patterns observed throughout the study. These visual aids support the quantitative findings and provide a clearer understanding of the implications of the research. Overall, the results substantiate the hypothesis and contribute valuable insights to the existing body of knowledge in the field.
Discussion
In this study, children and adolescents aged 8 to 16 years were recruited to assess sleep patterns using a combination of accelerometers and home-based polysomnography (PSG). Participants were screened for sleep disturbances, and those with significant issues or chronic conditions were excluded. The data collection involved measuring height and weight, fitting participants with multiple accelerometers, and conducting overnight PSG to capture detailed sleep metrics. The Sleep Disturbances Scale for Children (SDSC) was utilized to evaluate sleep behaviors over the past six months, ensuring a focus on participants without prior sleep issues.
The analysis compared the performance of various algorithms for estimating sleep patterns from accelerometer data against PSG, considered the gold standard. Results indicated that overall accuracy was generally higher when devices were placed at the wrist compared to other body locations, although sensitivity for detecting sleep was better when devices were positioned closer to the center of mass. Notably, the HDCZA algorithm demonstrated superior specificity in identifying wake periods, with values ranging from 85.9% to 89.6%, compared to lower specificities observed in other algorithms. The study highlights the importance of device placement and algorithm selection in accurately assessing sleep outcomes in pediatric populations.