Performance of a Semi-Automated Hierarchical Rest Interval Detection Pipeline (actiSleep) for Wrist Actigraphy in Adolescents

O estudo avaliou o pipeline semi-automático actiSleep em 51 adolescentes, demonstrando que ele estima intervalos de repouso com precisão comparável à pontuação manual e superior a algoritmos puramente baseados em atividade, sugerindo seu potencial para substituir a pontuação manual em pesquisas com essa população.

O essencial

Imagine que você quer saber exatamente quando seu filho vai para a cama e quando acorda de manhã. Você poderia perguntar a ele todos os dias, mas ele pode esquecer, mentir ou não perceber que estava acordado rolando na cama. Ou você poderia colocar um sensor de movimento no pulso dele (um "relógio inteligente" de pesquisa) que registra cada movimento.

O problema é que o relógio sozinho é um pouco "burro". Ele sabe que se você não se mexe, provavelmente está dormindo. Mas e se você estiver apenas lendo um livro na cama, imóvel? O relógio pode achar que você está dormindo quando, na verdade, está acordado.

É aqui que entra o actiSleep, o protagonista desta história.

O Problema: O Relógio Cego vs. O Chefe Exausto

Até agora, para saber a hora exata do "dormir" e do "acordar", os cientistas tinham duas opções ruins:

1. Deixar o relógio decidir sozinho: Ele comete erros, especialmente com pessoas que têm sono agitado ou problemas de saúde mental.
2. Pedir para um humano revisar tudo: Um especialista olha para gráficos complexos, diários de sono e registros de luz por dias a fio. É como tentar encontrar uma agulha em um palheiro, mas a agulha é um horário de sono e o palheiro são 14 dias de dados. É caro, demorado e cansativo.

A Solução: O "Detetive Semi-Automático" (actiSleep)

Os pesquisadores criaram um novo programa chamado actiSleep. Pense nele como um detetive semi-automático que trabalha em equipe com o relógio.

O actiSleep não olha apenas para o movimento. Ele é um detetive que reúne todas as pistas disponíveis:

• O Movimento: O que o relógio viu.
• O Diário: O que a pessoa escreveu ("apaguei a luz às 22h").
• O Botão: Se a pessoa apertou um botão no relógio dizendo "bom noite".
• A Luz: Se a luz do quarto diminuiu (indicando que a luz foi apagada).

O actiSleep funciona como um chef de cozinha experiente. Se o movimento diz "está dormindo", mas o diário diz "estava lendo", e a luz diz "a luz ainda está acesa", o chef (o algoritmo) sabe que a pessoa não está dormindo, mesmo que não esteja se mexendo. Ele usa regras hierárquicas (como uma lista de prioridades) para decidir qual pista é a mais importante em cada situação.

O Teste: Adolescentes e o "Caos do Sono"

Para testar esse novo detetive, os cientistas usaram dados de 51 adolescentes. Alguns eram "normais" e outros tinham histórico familiar de transtorno bipolar (o que significa que o sono deles era mais bagunçado e difícil de prever).

Eles compararam três métodos:

1. O "Cego" (Apenas Movimento): O relógio sozinho.
2. O "Melhorado" (Movimento + Juntar intervalos): O relógio tentando adivinhar, mas juntando pequenos cochilos.
3. O "Detetive" (actiSleep): O sistema que usa todas as pistas.

O Resultado: Quem Ganhou?

A resposta foi clara: O Detetive (actiSleep) foi o vencedor.

• Precisão: O actiSleep acertou os horários de dormir e acordar quase exatamente como o especialista humano (o "padrão ouro"). A diferença foi de apenas alguns minutos.
• O Momento Crítico: O grande diferencial foi nas "pontas" do sono. Os primeiros e últimos 30 a 60 minutos são os mais confusos (quando a pessoa está tentando pegar no sono ou acordando devagar). O relógio sozinho errava muito aqui, achando que a pessoa dormia quando estava apenas deitada. O actiSleep, usando as pistas da luz e do diário, acertou quase sempre.
• Velocidade: Enquanto um humano levaria cerca de 17 horas para revisar os dados de todos os adolescentes, o actiSleep fez o trabalho em 1 hora. O humano só precisou dar uma olhada rápida em 19 dias que o sistema marcou como "suspeitos".

Por que isso importa?

Imagine que você tem um estudo com 1.000 pessoas. Fazer isso manualmente seria impossível. Usar apenas o relógio daria resultados ruins. O actiSleep é a ponte perfeita: ele traz a inteligência e a precisão da revisão humana, mas com a velocidade de um computador.

Isso é especialmente importante para adolescentes com problemas de sono ou saúde mental, onde os padrões são mais caóticos e os relógios comuns falham.

Em resumo: O actiSleep é como ter um assistente superinteligente que sabe ler entre as linhas, misturando o que o relógio vê com o que a pessoa sente e registra, garantindo que saibamos exatamente quando o sono começa e termina, sem precisar de um humano exausto olhando gráficos o dia todo.

Resumo técnico

Resumo Técnico: Desempenho de um Pipeline Semi-Automatizado de Detecção Hierárquica de Intervalos de Repouso (actiSleep) para Actigrafia de Pulso em Adolescentes

1. O Problema

A actigrafia de pulso é uma ferramenta amplamente utilizada para avaliar padrões de sono em pesquisas e na prática clínica devido à sua acessibilidade e viabilidade para monitoramento de longo prazo. No entanto, a definição precisa do "intervalo de repouso" (o período em que o indivíduo tenta dormir) é crítica para a validade das métricas de sono, como latência e eficiência.

• Limitações da Pontuação Automática: Algoritmos puramente baseados em atividade (ex: Cole-Kripke, Oakley) tendem a ter viés, classificando erroneamente a vigília imóvel como sono, especialmente em populações com sono fragmentado.
• Limitações da Pontuação Manual (Hand-scoring): As melhores práticas recomendam o uso de uma abordagem hierárquica manual, integrando dados de atividade, sensores de luz, marcadores de eventos (botão pressionado pelo usuário) e diários de sono. Embora mais precisos, esses métodos manuais são intensivos em mão de obra, demorados e difíceis de escalar para grandes coortes, além de sofrerem problemas de reprodutibilidade entre avaliadores.
• Necessidade: Existe uma lacuna para uma abordagem que combine a precisão da pontuação manual hierárquica com a eficiência da automação.

2. Metodologia

O estudo avaliou o desempenho de um novo algoritmo semi-automatizado chamado actiSleep, desenvolvido para replicar as regras de decisão hierárquicas usadas na pontuação manual.

• Amostra: 51 adolescentes (14-19 anos), divididos em grupos de baixo risco (n=29) e alto risco para transtorno bipolar (n=22), monitorados por 2 semanas.

• Dados Coletados: Actigrafia de pulso (Actiwatch Spectrum), diários de sono diários, sensores de luz e registros de pressionamento de botões (marcadores de evento).

• Algoritmos Comparados:

  1. Hand-scoring (Padrão-Ouro): Pontuação manual por um especialista seguindo regras hierárquicas padronizadas (baseadas no algoritmo de Patel).
  2. actiSleep: Algoritmo semi-automatizado que integra atividade, luz, marcador e diário, seguindo a mesma hierarquia e regras de concordância do hand-scoring, mas com revisão visual apenas para dias "flagrados" (com discrepâncias extremas).
  3. Activity-Merged: Algoritmo totalmente automatizado baseado apenas em atividade, mas que funde intervalos de repouso adjacentes.
  4. Activity-Only: Algoritmo padrão de estimativa de sono baseado apenas em atividade (sem fusão de intervalos).

• Lógica do actiSleep:

  • Hierarquia para Início do Repouso (Good Night Time): Marcador > Diário > Luz > Atividade.
  • Hierarquia para Fim do Repouso (Get Up Time): Atividade > Luz > Marcador > Diário.
  • Regras de Concordância: O algoritmo busca concordância entre indicadores dentro de janelas de 15 e 30 minutos. Casos especiais (ex: marcador pressionado muito depois do início sugerido) são tratados com regras específicas.
  • Flagging: O sistema identifica automaticamente dias com características atípicas (ex: intervalo muito curto, latência excessiva) para revisão manual pontual.

• Análises: Comparação de concordância (gráficos de Bland-Altman), testes pareados (t-test/Wilcoxon) e métricas de precisão em nível de epoca (Valor Preditivo Positivo - VPP e Taxa de Verdadeiros Positivos - TVP), focando especificamente nas "pontas" dos intervalos de repouso (primeiros e últimos 30-60 minutos).

3. Principais Contribuições

• Desenvolvimento do actiSleep: Criação de um pipeline semi-automatizado em R que codifica regras complexas de pontuação manual, incorporando múltiplas fontes de dados (atividade, luz, diário, marcador).
• Validação em População Adolescente: Primeira avaliação de tal sistema em adolescentes, incluindo aqueles com risco psiquiátrico e distúrbios de sono, onde a detecção de repouso é mais desafiadora.
• Eficiência Operacional: Demonstração de que o processamento semi-automatizado reduz drasticamente o tempo de análise (de ~17 horas para ~1 hora para a coorte inteira) mantendo a fidelidade ao método manual.
• Disponibilidade de Código: O algoritmo é de código aberto (GitHub), permitindo reprodutibilidade e adaptação para outros dispositivos e populações.

4. Resultados

• Concordância Geral: O actiSleep apresentou a maior concordância com a pontuação manual para início, fim e duração do intervalo de repouso. As diferenças médias foram de 1-3 minutos, comparado a 2-4 minutos para Activity-Merged e 7-14 minutos para Activity-Only.
• Precisão nas "Pontas" do Intervalo: A maior vantagem do actiSleep foi observada nas primeiras e últimas 30-60 minutos do intervalo de repouso (períodos de maior ambiguidade).
  • No intervalo de 60 minutos nas pontas, o actiSleep manteve VPP e TVP próximos a 95%, enquanto os algoritmos baseados apenas em atividade caíram para a faixa de 80-90%.
• Desempenho em Grupos de Risco: O actiSleep demonstrou superioridade particular no grupo de Alto Risco (adolescentes com mais perturbações psiquiátricas e de sono), onde os algoritmos puramente baseados em atividade falharam mais frequentemente em alinhar com a pontuação manual.
• Métricas Secundárias: O actiSleep subestimou ligeiramente a vigília após o início do sono (WASO) e o tempo de sono total em comparação ao manual, mas sem diferenças estatisticamente significativas na maioria das métricas principais.

5. Significância e Conclusão

O estudo demonstra que é possível automatizar com sucesso as regras hierárquicas complexas usadas na pontuação manual de actigrafia, superando as limitações dos algoritmos puramente baseados em atividade.

• Impacto na Pesquisa: O actiSleep oferece uma solução viável para grandes estudos de coorte, permitindo a aplicação de "melhores práticas" de pontuação de forma escalável e reprodutível.
• Aplicabilidade Clínica e de Pesquisa: A capacidade de detectar com precisão o início e o fim do repouso em populações com sono perturbado é crucial para estudos sobre saúde mental e distúrbios do sono.
• Futuro: Embora validado em adolescentes com dispositivos Philips, os autores indicam planos para integrar o actiSleep com pipelines de código aberto (como GGIR) e outros dispositivos (ActiGraph, GeneActiv), ampliando sua utilidade para a comunidade científica global.

Em resumo, o actiSleep representa um avanço significativo na metodologia de actigrafia, equilibrando a precisão da avaliação humana com a eficiência computacional, sendo particularmente valioso para populações com padrões de sono complexos.