Agreement between smartphone-based mobile sensing and actigraphy sleep metrics in young people with bipolar disorder

Deze studie toont aan dat passieve smartphone-sensoren in jongeren met een bipolaire stoornis een betrouwbare en schaalbare alternatieve methode bieden voor het meten van slaaptiming en -duur in vergelijking met de traditionele actigrafie.

De kern

Slaap in de smartphone: Een nieuwe manier om de stemming van jongeren met bipolaire stoornis te volgen

Stel je voor dat je lichaam een heel gevoelige wekker is. Voor mensen met een bipolaire stoornis (een aandoening waarbij de stemming van depressief naar manisch schommelt) is deze wekker vaak kapot. Ze slapen slecht, of juist te weinig, en dat is vaak het eerste teken dat er weer een nieuwe "stemmingsbui" aankomt.

Vroeger was het lastig om dit te meten. Wetenschappers moesten mensen een dure horloge (een actigraaf) laten dragen dat bewaakt hoe ze bewegen. Maar die horloges zijn duur, moeten worden opgeladen en mensen vinden ze soms vervelend om te dragen.

De slimme oplossing: Je eigen telefoon

Vandaag de dag heeft bijna elke tiener en jonge volwassene een smartphone. Deze telefoons zitten vaak in hun hand, zelfs in bed. De onderzoekers van deze studie dachten: "Waarom gebruiken we die telefoon niet als een sluwe slaap-detecteur?"

Ze noemen dit mobiele sensoren. In plaats van een horloge, kijken ze naar wat de telefoon doet:

• Wanneer is het scherm uit? (Dit betekent waarschijnlijk: de persoon slaapt).
• Wanneer wordt de telefoon weer aan? (Dit betekent: de persoon is wakker).
• Hoe vaak wordt er 's nachts naar de telefoon gekeken?

Het experiment: Twee meetinstrumenten naast elkaar

De onderzoekers deden een proef met 23 jonge mensen (tussen de 14 en 25 jaar) met een bipolaire stoornis. Ze droegen zowel het dure horloge als hun eigen telefoon. Ze lieten beide apparaten een paar weken lang hun slaap meten en vergeleken de resultaten.

Het was alsof ze twee verschillende weegschalen naast elkaar zetten om te zien of ze hetzelfde gewicht aangaven.

Wat ontdekten ze? (De resultaten)

De resultaten waren verrassend goed, met een paar kleine nuanceringen:

1. De klokken kloppen: De telefoon kon heel goed voorspellen wanneer iemand in slaap viel, wanneer ze wakker werden en hoe lang ze sliepen. De afwijking was vaak minder dan 20 minuten. Dat is als het verschil tussen een trein die op tijd is en één die 15 minuten te laat is; je mist je verbinding niet, je weet gewoon dat je even moet wachten.
2. De telefoon is een beetje optimistisch: De telefoon dacht dat de mensen iets langer sliepen dan ze eigenlijk deden en dat ze iets eerder naar bed gingen. Alsof de telefoon dacht: "Je ligt al in bed, dus je slaapt al!" terwijl de persoon misschien nog even naar zijn scherm staarde.
3. Het middenpunt is perfect: Het moment halverwege de slaap (midsleep) werd door de telefoon bijna perfect voorspeld. Dit is belangrijk omdat het een goed beeld geeft van je biologische ritme.
4. Het probleem met wakker worden: Als iemand 's nachts wakker werd en even naar zijn telefoon keek, zag de telefoon dit als "wakker blijven". Maar de telefoon kon niet zien of iemand 5 minuten of 50 minuten wakker was. De telefoon onderschatte dus hoe vaak mensen echt wakker lagen. Toch was er een duidelijke link: hoe langer iemand wakker lag (zoals gemeten door het horloge), hoe groter de kans dat ze ook naar hun telefoon keken.

Waarom is dit belangrijk?

Dit onderzoek is als het vinden van een nieuwe, gratis en onmisbare tool voor artsen.

• Geen extra apparaten: Jongeren hoeven geen extra horloge te dragen. Ze hoeven hun telefoon niet op te geven.
• Vroegtijdige waarschuwing: Omdat de telefoon 24/7 meegaat, kan het systeem misschien een patroon zien voordat de patiënt zelf merkt dat hij of zij depressief of manisch wordt. Bijvoorbeeld: "Hé, deze jongen ligt de laatste drie dagen 2 uur later op en kijkt 30 minuten langer naar zijn scherm. Dat is een waarschuwingssignaal!"
• Beter begrip: Het laat zien dat voor deze groep jongeren, hun telefoon niet alleen een speeltje is, maar een spiegel van hun gezondheid.

De beperkingen (De kleine krassen op het glas)

Natuurlijk is de telefoon geen wondermiddel.

• De groep mensen in dit onderzoek was klein.
• De telefoon kan niet zien of iemand wakker ligt en niet naar zijn telefoon kijkt (misschien omdat ze in de donkere kamer liggen te piekeren).
• Het onderzoek duurde maar een paar weken, dus we weten nog niet hoe dit werkt over een heel jaar.

Conclusie

Kortom: Deze studie laat zien dat we de smartphone van een tiener met een bipolaire stoornis kunnen gebruiken als een betrouwbare "slapewachter". Het is niet perfect, maar het is goed genoeg om te zien of iemand uit zijn ritme raakt. Dit opent de deur naar een toekomst waarin artsen en patiënten samen kunnen werken om stemmingsbuien te voorkomen, gewoon door te kijken naar de data die de telefoon al verzamelt.

Het is alsof we een stille, digitale vriend hebben die fluistert: "Pas op, je slaappatroon verandert. Laten we daar nu nog iets aan doen, voordat het te laat is."

Technische samenvatting

Probleemstelling

slaapstoornissen zijn een kernkenmerk van bipolaire stoornis (BD) en gaan vaak vooraf aan recidieven van stemmingsstoornissen, vooral bij jongeren. Hoewel actigrafie (het dragen van een polsbandje dat beweging meet) een geldig en objectief instrument is voor het meten van slaap, heeft het beperkingen: het is duur, vereist hoge naleving van de gebruiker en heeft een beperkte batterijduur, wat het moeilijk maakt om longitudinale veranderingen over maanden of jaren te monitoren.

Mobiele sensing (passieve dataverzameling via smartphones) biedt een schaalbaar alternatief, aangezien 95% van de jongeren een smartphone bezit. Echter, de validiteit van passieve smartphone-gebaseerde slaapmetingen in de specifieke populatie van jongeren met BD is nog niet goed gedocumenteerd. Het is onduidelijk of deze methoden nauwkeurig enough zijn om circadiane verstoringen te detecteren in deze klinische groep.

Methodologie

De studie maakte gebruik van data van de PROMPT-BD-studie (Predicting Recurrence of Mood in Patients with Bipolar Disorder) van het University of Pittsburgh Medical Center.

• Deelnemers: 23 jongeren (leeftijd 14–25 jaar) met een diagnose van BD-I of BD-II die zich in remissie bevonden.
• Dataverzameling:
  • Actigrafie: Deelnemers droegen een actigrafiehorloge gedurende twee weken (na intake en follow-up). Dit diende als de "gouden standaard" (referentiestandaard).
  • Mobiele Sensing: Deelnemers installeerden de AWARE-app op hun persoonlijke Android- of iOS-apparaten. Deze app verzamelde passieve data over schermontgrendelingen, activiteit en locatie.
  • Vergelijkingsperiode: Minimaal vier dagen met gelijktijdige geldige actigrafie- en mobiele sensing-data.
• Gedefinieerde Metrieken:
  • Actigrafie: Totale slaaptijd (TST), slaaptijdstip (aanvang, einde, middenslaap), en wakker worden na slaapstart (WASO).
  • Mobiele Sensing (Proxies): Totale offline tijd (TOT), aanvang/einde/middenslaap gebaseerd op schermgebruik, en "Phone After Sleep Onset" (PASO) als proxy voor WASO.
  • Correcties: Om de bias door het aggregeren van data in uur-intervallen te corrigeren, werd de geschatte slaapaanvang met 30 minuten teruggetrokken en het einde met 30 minuten toegevoegd.
• Statistische Analyse:
  • Overeenkomst: Beoordeeld met Root Mean Squared Error (RMSE) en gemengde lineaire modellen (met willekeurige intercepten voor herhaalde metingen per persoon).
  • PASO vs. WASO: Gebruik van zero-inflated negative binomial regressie om de associatie tussen WASO (actigrafie) en de detectie van PASO (mobiel) te analyseren, gezien de sterke scheefverdeling en nul-inflatie in de data.
  • Sensitiviteitsanalyses: Getest op ontbrekende data, smartphone-gebruiksgewoonten, uitbreiding van het slaapvenster (van 22:00-11:00 naar 19:00-13:00), besturingssystemen (iOS vs. Android), en moderatie door weekend/weekday en symptomatologie (stemming en angst).

Belangrijkste Resultaten

1. Overeenkomst in Slaaptiming en Duur:

   • Er was een sterke convergentie tussen mobiele sensing en actigrafie voor slaaptiming en duur.
   • RMSE: De foutmarges waren laag: < 21 minuten voor aanvang, einde, middenslaap en totale slaaptijd. De sterkste overeenkomst was voor middenslaap (RMSE = 14,8 minuten).
   • Correlatie: Gemengde regressiemodellen toonde zeer sterke associaties (gestandaardiseerde $\beta$ = 0,54–0,75; $p < .0001$).
   • Bias: Mobiele sensing schatte de slaaptijd iets langer in en de tijdstippen iets eerder dan actigrafie.

2. WASO vs. PASO (Nachtelijk wakker worden):

   • PASO (gebruik van de telefoon na slaapstart) onderschatte de werkelijke WASO aanzienlijk (RMSE = 48,8 minuten).
   • Echter, er was een significante associatie: voor elke toename van 15 minuten WASO (actigrafie) steeg de kans op het detecteren van enige PASO met 35% (Odds Ratio = 1,35; $p < .0001$).
   • Er was geen significante lineaire relatie tussen het aantal minuten WASO en het aantal minuten PASO bij waarnemingen waar PASO wel voorkwam.

3. Sensitiviteitsanalyses en Moderatoren:

   • Besturingssysteem: iOS-gebruikers toonden kleinere RMSE-waarden dan Android-gebruikers, maar het aantal Android-gebruikers was klein (n=5).
   • Weekend vs. Werkdag: De correlatie was sterker in het weekend dan doordeweeks. Dit wordt toegeschreven aan minder externe beperkingen (school/werk) en meer continue telefoongebruikpatronen in het weekend.
   • Symptomatologie: De associaties waren sterker bij deelnemers met actieve stemmingsklachten of comorbide gegeneraliseerde angststoornis (GAD), wat suggereert dat mobiele sensing gevoeliger is voor klinisch significante verstoringen.
   • Slaapvenster: Het verbreden van het slaapvenster leidde tot meer ruis en outliers, wat de keuze voor een beperkter venster (22:00–11:00) ondersteunt.

Kernbijdragen

• Validatie in een klinische populatie: Dit is een van de eerste studies die de validiteit van passieve mobiele sensing voor slaapmeting valideert bij jongeren met bipolaire stoornis, een groep met complexe en vaak onregelmatige slaappatronen.
• Schaalbaarheid: Het bewijst dat smartphones, gezien hun hoge penetratiegraad en lage last voor de gebruiker, een haalbaar alternatief kunnen zijn voor dure actigrafiehorloges voor langdurig monitoring.
• Nuance in Metrieken: De studie onderscheidt duidelijk dat mobiele sensing uitstekend werkt voor het schatten van slaaptiming (wanneer iemand slaapt), maar minder nauwkeurig is voor het kwantificeren van slaapkwaliteit (specifiek de duur van nachtelijke wakkerperiodes/WASO), hoewel het wel een signaal geeft voor het voorkomen van wakker worden.

Betekenis en Toekomstperspectief

De bevindingen ondersteunen het potentieel van mobiele sensing als een schaalbaar tool voor "digital phenotyping" in de psychiatrische zorg. Omdat slaapverstoringen vaak voorafgaan aan een recidief van manie of depressie, kunnen passieve smartphone-data worden gebruikt voor:

1. Vroege detectie: Het identificeren van circadiane verstoringen als een waarschuwingssignaal voor een aankomende stemmingscrisis.
2. Just-in-Time Interventies: Het ontwikkelen van adaptieve interventies die direct ingrijpen bij gedetecteerde slaappatroonveranderingen (bijv. prompts om schermgebruik te beperken of slaapritme te regulariseren).
3. Klinische Integratie: Het mogelijk maken van continue monitoring buiten de kliniek, wat essentieel is voor het beheer van chronische aandoeningen zoals BD.

De auteurs benadrukken dat hoewel de methoden niet perfect zijn (vooral wat betreft WASO), ze waardevolle inzichten bieden die klinisch relevant zijn, mits ze worden geïnterpreteerd binnen de context van de gebruiker en de dagelijkse routine.