Estimating the sleep period time window based on a hip- worn accelerometer collected in children and adults

睡眠は人間の生命における基本的なリズムであり、身体が自らを修復し、精神が世界を処理する日々のサイクルです。人々がどれくらいの睡眠をとっているのか、そしてその量が健康とどのように関係しているのかを理解するために、科学者たちは人が入眠してから起床するまでの正確な時間の窓、すなわち「睡眠期間」を測定する必要があります。何十年もの間、研究者たちは手首に装着する時計のような小さなデバイスを用いて、動きを追跡し、人がいつ眠っているのかを推測してきました。これらのデバイスは、人が起きているときは手首が目に見えて動き、眠っているときは静止するため、うまく機能します。しかし、何千人もの人々の健康を長年にわたって追跡する多くの大規模研究では、異なるアプローチが採用されています。リストバンドの代わりに、一日中のあらゆる身体活動を測定するために、ベルトのように腰にセンサーを装着するのです。この方法は一日の動きの完全な全体像を捉えることができますが、睡眠時間を特定するために使われる標準的なコンピュータプログラムは、腰のデータではなく、手首のデータ用に構築されたものでした。これにより、科学者たちは豊富な腰装着データの保有しながらも、そこから正確な睡眠情報を抽出するための信頼できる方法を欠いているという、空白が生じていました。

研究チームは、睡眠窓を見つけ出すために設計された2つのオープンソースのコンピュータプログラムをテストし、改良することで、この空白を埋めるべく取り組みました。彼らは、手首と腰の両方に装着されたセンサーから収集された生の動きデータを使用する方法に焦点を当てました。研究には、8歳から12歳の子ども109名と、若年成人194名を含む計303名の参加者が加わりました。各参加者は6晩、手首と腰に同時に2つのセンサーを装着しました。コンピュータプログラムが信頼できる基準に対してテストされていることを確実にするため、参加者は睡眠日記も付け、就寝時刻と起床時刻を正確に記入しました。研究者たちは、これらの日記に導かれた手首のデータを、信頼できる参照点として使用しました。そして、腰のデータを取得し、動きをどのように解釈するかを指示する一連のルールである、2つの異なるアルゴリズム（HDCZAとHorAngle）を実行しました。HDCZAと呼ばれる一方のアルゴリズムは、センサーがほとんど動かない長い期間を探します。もう一方のHorAngleは、腰用に特別に設計された新しい手法であり、センサーが水平になっている時間、つまり人がベッドに横たわっていることを示唆する時間を探索します。

研究者たちは、単にプログラムをデフォルト設定で実行したわけではありません。代わりに、最も正確な結果をもたらす設定を見つけるために、データの一定部分を用いて両方のアルゴリズムの内部ルールを注意深く調整しました。その後、残りの参加者を用いて、それらの調整された設定がどの程度うまく機能するかをテストしました。結果として、両方のプログラムが腰装着センサーから睡眠時間を推定することに成功しました。コンピュータの推測値と、参加者が日記に記入した実際の時間を比較したところ、平均的な差は非常にわずかでした。入眠時刻については、HDCZAプログラムの誤差は平均3分であり、HorAngleプログラムの誤差は平均0分でした。起床時刻についても同様に差は小さく、HDCZAは4分、HorAngleは反対方向に4分の差でした。推定された総睡眠時間も日記の記録と密接に一致しており、その差は平均してわずか数分でした。

平均的な誤差は小さいものの、研究者たちは、特定の夜においては、推測が数時間ほど大きく外れる可能性があることも指摘しています。これは、個々の夜の睡眠が不規則になり得るため、予想されることです。しかし、研究者たちが全体的なパターンを見たとき、両方のアルゴリズムは人々を正しくランク付けすることにおいて非常に優れていました。ある人が他の人よりも長く眠っていた場合、コンピュータプログラムはほとんどの場合においてその違いを特定できました。また、本研究では、これらの推定の正確性が、参加者が子どもであるか大人であるか、あるいは男女であるかには依存しないことも分かりました。精度に影響を与えた主な要因は、センサーが装着されていない時間の長さでした。夜間にデバイスを外してしまうと、コンピュータが利用できる情報が少なくなり、推定の信頼性が低下します。

本研究は、適切なコンピュータアルゴリズムを使用すれば、腰装着センサーから睡眠窓を正確に推定することが可能であると結論付けています。HDCZAアルゴリズムは、特定の種類のセンサーに対する特別な調整を必要としないという利点があり、柔軟なツールとなります。一方で、水平であることを検知することに依存するHorAngleアルゴリズムは、同等に優れた性能を示しましたが、研究者がセンサーのどの軸が身体の長さを表しているかを正しく特定する必要があります。どちらの手法も、すでに大規模な健康調査で収集されている膨大な量の腰装着活動データから、睡眠データを解き明かすための貴重な手段を提供します。これは、研究者が数十年前の既存のデータを振り返り、全員に手首センサーによる再測定を強いることなく、睡眠パターンが健康にどのように影響するかについての新たな知見を得られることを意味します。この研究は、注意深い調整を行えば、人の一日の歩数を追跡するのと同じ動きのデータが、休息の静かな時間をも明らかにできることを示しています。