Dissociating the Nocturnal Physiological Drivers of Agitation Occurrence and Severity in Dementia: An Explanatory Study Using Contactless Sleep Sensing

Dit onderzoek toont aan dat passief nachtelijk fysiologisch monitoring via contactloze sensoren de kans op de volgende dag optredende agitatie bij mensen met dementie kan voorspellen, hoewel deze signalen geen verband vertonen met de ernst van de agitatie.

De kern

De Kern: Een Voorspellingssysteem voor 'Slechte Dagen'

Stel je voor dat je een ouder familielid hebt met dementie. Soms zijn ze rustig en vredig, en soms worden ze plotseling onrustig, lopen ze heen en weer of roepen ze hard. Dit gedrag heet agiteer (opwinding). Voor verzorgers en familie is dit heel zwaar, en het is vaak moeilijk om te voorspellen wanneer het gaat gebeuren.

De onderzoekers van deze studie wilden een antwoord vinden op de vraag: Kunnen we zien in de slaap van vannacht of iemand morgen onrustig wordt?

Ze gebruikten hiervoor geen lastige sensoren die de patiënt moet dragen (zoals een horloge), maar slimme matrassen die onder het bed liggen. Deze matrassen voelen de ademhaling en beweging alsof ze een 'stille waarnemer' zijn.

Hoe deden ze dit? (De 'Slapende Sensor')

De onderzoekers keken naar drie groepen mensen met dementie:

1. Twee groepen in een psychiatrisch ziekenhuis (met sensoren van merken Emfit en Withings).
2. Een groep mensen die thuis woonden (met openbare data).

Deze sensoren hielden de hele nacht bij:

• Hoe snel ademt de persoon?
• Hoe onrustig beweegt hij of zij in bed?
• Hoeveel tijd ligt de persoon in bed?

De volgende dag keken ze naar het gedrag: Was de persoon rustig? Of was er sprake van onrust (agiteer)? En als er onrust was, hoe erg was het?

De Belangrijkste Ontdekkingen

De studie kwam met twee verrassende conclusies, die we kunnen vergelijken met een weerbericht en een thermometer.

1. De 'Weersvoorspelling' voor Onrust (Ja of Nee)

De onderzoekers ontdekten dat de slaap van vannacht een heel goed voorspeller is voor of iemand morgen onrustig wordt.

• De Ademhaling als Thermometer: Als iemand vannacht langzamer en rustiger ademt dan normaal, is de kans groot dat ze morgen onrustig worden. Het is alsof het lichaam 'op laag vuur' staat en niet genoeg energie heeft om de dag rustig door te komen.
• De Onrust in Bed: Als iemand vannacht veel heen en weer draait en de beweging in bed erg onstabiel is (alsof je op een schommelboot ligt), is de kans ook groter dat ze morgen onrustig worden.

De Analogie:
Stel je voor dat het lichaam een auto is. Als de motor (ademhaling) te langzaam draait en de wielen (beweging) trillen, weet de bestuurder (de verzorger) dat de auto morgen misschien niet goed wil starten. De sensoren op de matras zien deze trillingen en geven een waarschuwing: "Pas op, morgen kan het een zware dag worden."

2. Het Verschil tussen 'Of' en 'Hoe Erg'

Dit is het meest interessante deel. De sensoren konden goed voorspellen of er onrust zou zijn, maar ze konden niet voorspellen hoe erg die onrust zou zijn.

• Vergelijking: Het is alsof je kunt voorspellen dat het morgen gaat regenen (ja/nee), maar je kunt niet zeggen of het een lichte motregen of een zware storm wordt.
• De oorzaak: Of iemand morgen onrustig wordt, hangt samen met hoe ze vannacht hebben geslapen. Maar hoe erg die onrust wordt, hangt af van andere dingen die de sensoren niet zien: bijvoorbeeld of ze pijn hebben, of ze zich eenzaam voelen, of ze een bepaalde persoonlijkheid hebben, of ze medicijnen hebben genomen.

3. Lichaamsbeweging vs. Praten

De studie merkte ook een verschil op tussen soorten onrust:

• Lichaamsbeweging (lopen, draaien): Dit had een sterke link met de slaap. Als de slaap slecht was, liepen ze de volgende dag vaak onrustig rond.
• Praten (schreeuwen, roepen): Dit had weinig te maken met de slaap. Dit soort onrust kwam vaker door directe oorzaken op dat moment (zoals pijn of een behoefte die niet werd begrepen).

Waarom is dit belangrijk?

Stel je voor dat je een vroege waarschuwingssysteem hebt.

• Vroeger: Verzorgers reageren pas nadat iemand onrustig is geworden. Ze moeten dan proberen te kalmeren, wat vaak lastig is.
• Met deze studie: Als de sensor vannacht ziet dat de ademhaling te traag is en de beweging te onrustig, kan de verzorger morgen voorbereid zijn. Ze kunnen extra aandacht geven, de omgeving rustig houden of eerder ingrijpen.

Het is alsof je een rookmelder hebt voor de geestelijke gezondheid. De rookmelder (de sensor) slaat niet aan als er al een brand (de onrust) is, maar hij waarschuwt als de temperatuur (de slaap) al begint te stijgen, zodat je de brand nog kunt voorkomen.

Conclusie in Eén Zin

Deze studie toont aan dat we met een slimme matras onder het bed kunnen zien of iemand met dementie morgen waarschijnlijk onrustig wordt, vooral door te kijken naar hun ademhaling en beweging in de nacht. Dit geeft verzorgers de kans om proactief te handelen in plaats van alleen maar te reageren op crises.

Technische samenvatting

Probleemstelling

Agitatie is een van de meest voorkomende en belastende neuropsychiatrische symptomen bij dementie (BPSD). Het manifesteert zich als overmatige motorische activiteit, verbale uitbarstingen of agressie en leidt tot een zware last voor zorgverleners, veiligheidsrisico's en vroegtijdige opname in verpleeghuizen.
Huidige managementstrategieën zijn vaak reactief en gebaseerd op subjectieve observaties of retrospectieve rapportages, wat leidt tot onvolledige contextinformatie en het missen van korte-termijn schommelingen. Hoewel slaapstoornissen een bekende upstream-factor zijn die dagelijkse agitatie kan verergeren, ontbreekt het aan objectieve, niet-invasieve tools om het risico op agitatie op korte termijn (van de ene op de andere dag) te stratificeren. Bestaande methoden zoals polysomnografie (PSG) zijn te invasief voor langdurig gebruik, terwijl actigrafie beperkte fysiologische specificiteit biedt.

Methodologie

De studie gebruikt een longitudinale, real-world benadering met contactloze sensoren om de relatie tussen nachtelijke fysiologie en de volgende dag's agitatie te kwantificeren.

• Data Bronnen: De analyse omvatte drie cohorts:

  1. EMFIT: 21 patiënten in een gespecialiseerde psychiatrische afdeling (KU Leuven), gemeten met Emfit QS-sensoren (1 week).
  2. WSA: 16 patiënten in dezelfde afdeling, gemeten met Withings Sleep Analyzer (2 weken).
  3. TIHM: Een extern validatiecohort van 17 patiënten in een thuisomgeving (publieke dataset).
     Totaal: 55 patiënten (333 nachten) voor de hoofdanalyse en 18 patiënten (803 nachten) voor externe validatie.

• Sensoren en Data: Er werden onder-matras sensoren gebruikt die ballistocardiografie (BCG) en drukmeting toepassen om hartslag (HR), ademhaling (RR) en beweging (Act) te meten zonder dat de patiënt een draagbaar apparaat hoeft te dragen.

  • Features: Er werden 50 nachtelijke kenmerken geëxtraheerd, waaronder slaaparchitectuur (efficiëntie, fragmentatie), autonome dynamiek (HR/RR variabiliteit) en bewegingsinstabiliteit.

• Agitatie Meting: Agitatie werd gekwantificeerd met de Pittsburgh Agitation Scale (PAS), met een schaal van 0-4 voor vier subtypes (motorisch, verbaal, agressie, weerstand).

  • Agitatie Voorkomen: Binair (ja/nee) op basis van een PAS-score > 0.
  • Agitatie Ernst: Ordinaal (0-4) als de maximale PAS-score op een dag.

• Statistische Analyse: Een twee-gedeeld mixed-effects framework werd toegepast om de hiërarchische structuur van de data (nachten genest binnen personen) en de nul-geïnfundeerde verdeling van agitatie te modelleren:

  1. GLMM (Generalized Linear Mixed Model): Voor het voorspellen van de voorkomen van agitatie (binair).
  2. CLMM (Cumulative Link Mixed Model): Voor het voorspellen van de ernst van agitatie (ordinaal), alleen op dagen waar agitatie voorkwam.
  • Er werd gecorrigeerd voor covariaten (leeftijd, geslacht, cohort) en multicollineariteit werd aangepakt via VIF-analyse.

Belangrijkste Resultaten

1. Voorspelling van Agitatie Voorkomen:

   • Ademhaling: Een lagere nachtelijke ademhalingsfrequentie (zowel minimum als gemiddelde RR) was een sterke onafhankelijke predictor voor een hogere kans op agitatie de volgende dag. Een hogere RR was beschermend (OR = 0,60 voor min. RR).
   • Activiteit: Grotere instabiliteit in nachtelijke activiteit (hoge standaarddeviatie van beweging) voorspelde een hogere kans op agitatie (OR = 1,62).
   • Subtype Verschil: Deze associaties waren sterker voor motorische agitatie dan voor verbaal agitatie. Bij verbaal agitatie waren de meeste slaap-gerelateerde factoren na correctie niet significant.
   • Validatie: De bevindingen rond ademhaling werden succesvol gerepliceerd in het externe TIHM-thuiscohort.

2. Voorspelling van Agitatie Ernst:

   • In tegenstelling tot het voorkomen, voorspelde geen enkele nachtelijke fysiologische feature significant de ernst van de agitatie op dagen waarop agitatie al voorkwam.
   • De variantie in ernst werd voornamelijk verklaard door subject-specifieke random effecten (persoonlijke kenmerken/traits) en niet door nachtelijke schommelingen. Dit suggereert dat slaap de kans op een episode beïnvloedt, maar niet noodzakelijk de intensiteit ervan.

3. Model Performance:

   • Het multivariabele model voor voorkomende agitatie had een AUC van 0,71.
   • De Marginal R² (verklaarde variantie door vaste effecten) was laag (0,14), terwijl de Conditional R² (inclusief random effecten) 0,46 was, wat aangeeft dat inter-individuele verschillen een grotere rol spelen dan dag-tot-dag fysiologische schommelingen.

Bijdragen en Significatie

• Decoupling van Voorkomen en Ernst: De studie biedt een cruciaal inzicht dat de drijvers van het ontstaan van agitatie (fysiologische instabiliteit, vooral ademhaling en beweging) verschillen van de drijvers van de ernst ervan (die meer afhankelijk lijkt van stabiele patiëntkenmerken).
• Niet-invasieve Biomarkers: Het identificeert respiratoire stabiliteit en bewegingsinstabiliteit als reproduceerbare, fysiologisch interpreteerbare biomarkers voor kortetermijnrisicostratificatie.
• Technologie: Het bewijst de haalbaarheid van passieve, onder-matras sensoren voor langdurig monitoring in zowel institutionele als thuisomgevingen, zonder de compliance-problemen van draagbare sensoren.
• Klinische Implicaties:
  • Ondersteuning voor de ontwikkeling van "Early Warning Systems" die zorgverleners kunnen waarschuwen voor "hoog-risico dagen".
  • Mogelijkheid voor proactieve, gepersonaliseerde interventies (bijv. slaapverbetering) specifiek gericht op patiënten met motorische agitatie.
  • Een verschuiving van reactieve crisisbeheersing naar preventieve zorg.

Conclusie:
De studie toont aan dat nachtelijke fysiologische dysregulatie, specifiek een lagere ademhaling en grotere bewegingsinstabiliteit, een robuuste biologische basis vormt voor het risico op de volgende dag's agitatie bij dementiepatiënten. Hoewel deze factoren de kans op een episode voorspellen, zijn ze minder geschikt om de ernst van de episode te voorspellen, wat wijst op een onderscheid tussen "state" (toestand) en "trait" (karaktertrek) in de dynamiek van BPSD.