A Grid-Search Framework for Dataset-Specific Calibration of Actigraphy Sleep Detection Algorithms

Deze studie introduceert een grid-search-framework voor de dataset-specifieke kalibratie van actigrafie-algoritmen, dat handmatige parameteraanpassing vervangt door een reproduceerbaar proces met kleine verbeteringen in de slaapdetectie en een robuuster omgaan met wakkerperiodes tijdens de slaap.

De kern

Stel je voor dat je een slapende hond wilt observeren. Je hebt geen camera in zijn nest, maar je hebt wel een bewegingssensor (een versnellingsmeter) op zijn pootje gedaan. Deze sensor registreert elke beweging: een zucht, een draaiing, een krabbel.

Het probleem is: hoe vertaal je die bewegingen naar "slaaptijd" en "wakker tijd"?

Voor dit probleem hebben wetenschappers al decennialang regels (algoritmen) bedacht. Denk aan regels als: "Als de hond 5 minuten niet beweegt, is hij waarschijnlijk aan het slapen." Of: "Als hij 10 minuten heel stil is, is het zeker slaap."

Maar hier zit de adder onder het gras: Elke hond is anders.

• De ene hond beweegt veel in zijn slaap.
• De andere hond ligt als een blok, maar is wel wakker.
• De sensor op de poot van de ene hond werkt anders dan op die van de andere.

In het verleden moesten onderzoekers deze regels met de hand aanpassen. Ze keken naar de data, schoven een schuifje op en dachten: "Ja, dit ziet eruit als een goede slaap." Dit is echter lastig te reproduceren. Als jij het doet, krijg je een ander resultaat dan als ik het doe. Het is alsof je een recept probeert te volgen zonder exacte grammaten: "een snufje zout" is niet hetzelfde voor iedereen.

De Oplossing: De "Meester-Kok" Grid-Search

De auteur van dit paper, Ali Rahjouei, heeft een slimme oplossing bedacht: een automatische grid-search (een roosterzoek).

Stel je voor dat je in plaats van één kok, vijf verschillende koks hebt. Elke kok heeft zijn eigen recept voor het herkennen van slaap, maar ze gebruiken allemaal verschillende hoeveelheden ingrediënten (parameters).

• Kok A (Cole-Kripke) gebruikt misschien veel zout.
• Kok B (Sadeh) gebruikt veel peper.
• Kok C (Oakley) is heel voorzichtig.

In plaats van dat jij (de mens) moet beslissen welk recept het beste is, laat je deze vijf koks tegelijkertijd koken met duizenden verschillende combinaties van ingrediënten.

Het slimme trucje:
De computer kijkt niet naar een "perfecte" slaap (want die kennen we vaak niet zonder een slaaplaboratorium). In plaats daarvan kijkt hij naar overeenstemming.

• Als Kok A, B, C, D en E allemaal zeggen: "Op dit moment slaapt de hond," dan is de kans groot dat ze gelijk hebben.
• Als Kok A zegt "slaap" en Kok B zegt "wakker", dan is er waarschijnlijk iets mis met de ingrediënten.

De computer zoekt dus naar de perfecte combinatie van ingrediënten waarbij al die koks het het meest eens zijn, terwijl ze tegelijkertijd zorgen dat de resultaten logisch blijven (bijvoorbeeld: niemand slaapt 24 uur per dag, dat is onmogelijk).

Wat leverde dit op?

1. Geen handmatig gezeur meer: De computer doet het werk dat een mens voorheen met de hand deed. Het resultaat is eerlijker en iedereen krijgt exact hetzelfde antwoord voor dezelfde data.
2. Beter slapen detecteren: De automatische methode vond net iets betere tijden voor wanneer de hond (of mens) in slaap viel en wakker werd, vergeleken met de handmatige methode.
3. De "Meester-Kok" (Ensemble): Door de resultaten van al die koks samen te nemen (meerderheidsstemming), konden ze korte momenten van wakker zijn tijdens de slaap (zoals even krabben of omdraaien) beter filteren. Het resultaat is een rustiger, minder gefragmenteerd beeld van de nacht.

De Grootte Beperking: De Sensor is niet Alles

Het paper maakt ook een heel belangrijk punt, net als een goede kok die eerlijk is: Een bewegingssensor kan niet alles zien.

Stel je voor dat de hond wakker is, maar hij ligt helemaal stil en ademt zachtjes.

• De sensor ziet: "Geen beweging." -> Conclusie: Slaap.
• De hond is eigenlijk: Wakker.

Zelfs de slimste computer kan dit niet oplossen, omdat de sensor alleen beweging meet, niet de hersengolven. Dit is net als proberen te weten of iemand droomt door alleen naar hun ademhaling te kijken. De methode is dus geweldig voor het vinden van de grote lijnen (wanneer slaap begint en eindigt), maar minder goed voor het zien van heel korte momenten van stil wakker zijn.

Samenvatting in één zin

De auteur heeft een slimme, automatische manier bedacht om slaap-detectie-apparaten af te stellen door te kijken naar waar verschillende methoden het met elkaar eens zijn, waardoor onderzoekers minder handmatig moeten gissen en betrouwbaardere resultaten krijgen, zonder dat ze een dure slaaplaboratorium nodig hebben.

Technische samenvatting

Probleemstelling

Actigrafie (het meten van fysieke activiteit via draagbare versnellingsmeters) is een hoeksteen in slaaponderzoek en klinische praktijk vanwege de mogelijkheid tot langdurige, niet-invasieve monitoring in natuurlijke omgevingen. Echter, de bestaande regelgebaseerde algoritmen voor het classificeren van slaap en waaktoestand (zoals Cole-Kripke, Sadeh, Oakley, MASDA en Crespo) vereisen vaak handmatige parameterafstelling (bijv. activiteitsthendels, raamgroottes voor smoothing).

De huidige uitdagingen zijn:

1. Variabiliteit: Optimale parameters variëren sterk per apparaat, populatie en opnamecontext.
2. Reproduceerbaarheid: Handmatige tuning is vaak informeel, subjectief en leidt tot inconsistente resultaten tussen studies.
3. Gebrek aan grondwaarheid: In veel real-world studies ontbreekt polysomnografie (PSG), waardoor onderzoekers geen objectieve referentie hebben om parameters te optimaliseren.
4. Fragmentatie: Algoritmen hebben vaak tegenstrijdige sterke en zwakke punten; sommige detecteren korte waakmomenten goed maar fragmenteren de slaap, terwijl andere de slaap continu houden maar korte waakmomenten missen.

Methodologie

De auteur presenteert een grid-search-gebaseerd kalibratiekader dat specifiek is ontworpen voor datasets, zonder gebruik te maken van een nieuw voorspellend model of gelabelde trainingsdata. Het doel is het automatiseren van de parameterselectie door gebruik te maken van consensus tussen meerdere bestaande algoritmen.

Het Workflow-proces:

1. Dataset: De methode werd getest op twee datasets:
   • Een PSG-gevalideerde actigrafiedataset (23 proefpersonen).
   • Een zelfverzamelde dual-device dataset (een proefpersoon met een research-grade actigrafie en een Apple Watch gedurende 10 dagen).
2. Grid Search & Filtering: Voor vijf algoritmen (Cole-Kripke, Sadeh, Oakley, Crespo, MASDA) werd een breed parameterrooster doorzocht.
   • Fysiologische plausibiliteit: Configuraties die onrealistische slaapprocentages opleverden (bijv. <10% of >50% van de opname) werden verwijderd.
   • Diversiteit: Een subset van diverse configuraties werd geselecteerd om de zoekruimte te beperken.
3. Consensus-gebaseerde Optimalisatie: De kern van de methode is het maximaliseren van de overeenkomst tussen de verschillende algoritmen.
   • Het doel is het maximaliseren van de mean pairwise Jaccard-similariteit tussen de slaap-waak maskers van de algoritmen.
   • Als tie-breakers werden gebruikt: minimaliseren van de standaardafwijking van de voorspelde slaaptijd en het benaderen van een fysiologisch plausibele gemiddelde slaaptijd.
4. Ensemble-methode: Na het vinden van de optimale parameters werden twee ensemble-maskers gegenereerd:
   • Strict Consensus: Een epoch wordt als slaap gemarkeerd alleen als alle algoritmen het eens zijn.
   • Majority Voting: Een epoch wordt als slaap gemarkeerd als meer dan de helft van de algoritmen het als slaap classificeert.
5. Validatie: De resultaten werden vergeleken met handmatige parameterselectie, PSG (voor dataset 1) en de Apple Watch (voor dataset 2).

Belangrijkste Bijdragen

1. Kalibratiekader: Een systematische, grid-search-benadering voor dataset-specifieke kalibratie van klassieke actigrafie-algoritmen.
2. Automatisering: Het aantonen dat geautomatiseerde kalibratie handmatige tuning kan vervangen met vergelijkbare prestaties en betere reproduceerbaarheid.
3. Ensemble-gebaseerde detectie: Evaluatie van consensus- en meerderheidsvoting-methoden om fragmentatie door korte waakmomenten te verminderen.
4. Inzicht in beperkingen: Een vergelijking met PSG benadrukt dat actigrafie-algoritmen voornamelijk gedragsstilte (behavioral quiescence) detecteren en niet noodzakelijk electrophysiologisch gedefinieerde slaap.

Resultaten

• Prestatie vs. Handmatige Tuning: De grid-search-optimalisatie leverde prestaties op die vergelijkbaar waren met handmatige tuning, maar met een lichte verbetering in de detectie van slaapaanvang en -einde. Vooral de metrics die rekening houden met class-imbalance (zoals Balanced Accuracy, Cohen's kappa en MCC) toonden bescheiden winst.
• Slaap vs. Waak: Alle algoritmen vertoonden een hoge sensitiviteit voor slaap (recall ≈ 1,0), maar een lagere specificiteit voor waaktoestand. Dit bevestigt de bekende beperking van actigrafie: het onderscheidt rustige waaktoestand moeilijk van slaap.
• Consensus en Ensemble:
  • De Consensus-methode (alle algoritmen moeten het eens zijn) was zeer effectief in het detecteren van korte waakmomenten (micro-awakenings) binnen de slaapperiode, maar kon leiden tot fragmentatie.
  • De Majority Voting-methode bood een meer permissieve schatting die de continuïteit van de hoofdslaapperiode beter behield en fragmentatie verminderde.
• Tijdschatten: Grid-search-configuraties leidden tot nauwkeurigere schattingen van slaapaanvang en -einde in vergelijking met PSG, met kleinere foutmarges dan handmatige instellingen.
• Longitudinale Analyse: In de multi-day dataset met de Apple Watch als referentie toonden de gekalibreerde algoritmen een coherent slaap-waakpatroon over meerdere dagen, wat aantoont dat de methode bruikbaar is in ecologische monitoring zonder PSG.

Betekenis en Conclusie

Dit onderzoek biedt een praktische en wetenschappelijk verdedigbare oplossing voor het kalibreren van actigrafie-algoritmen wanneer geen PSG beschikbaar is. In plaats van een nieuw model te bouwen, harmoniseert het kader bestaande methoden via een transparant, auditabel en reproduceerbaar optimalisatieproces.

De belangrijkste conclusie is dat consensus tussen diverse algoritmen een goede proxy kan zijn voor betrouwbare classificatie in afwezigheid van grondwaarheid. Hoewel het kader de inherente beperkingen van versnellingsmeters (het niet kunnen onderscheiden van rustige waaktoestand) niet kan opheffen, verbetert het de reproduceerbaarheid, schaalbaarheid en consistentie van slaapstudies aanzienlijk ten opzichte van informele handmatige tuning. Het stelt onderzoekers in staat om dataset-specifieke parameters te vinden die fysiologisch plausibel zijn en robuust tegen variatie in individuele bewegingspatronen.