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

O sono é um ritmo fundamental da vida humana, um ciclo diário onde o corpo se repara e a mente processa o mundo. Para entender quanto as pessoas dormem, e como essa quantidade se relaciona com a sua saúde, os cientistas precisam medir a janela exata de tempo entre o momento em que uma pessoa adormece e quando ela acorda. Esse período é conhecido como o período de sono. Durante décadas, pesquisadores confiaram em pequenos dispositivos usados no pulso, semelhantes a um relógio, para rastrear o movimento e adivinhar quando uma pessoa está dormindo. Esses dispositivos funcionam bem porque o pulso se move de forma perceptível quando a pessoa está acordada e permanece imóvel quando está dormindo. No entanto, muitos estudos de grande escala que acompanham a saúde de milhares de pessoas ao longo de muitos anos utilizam uma abordagem diferente. Em vez de uma pulseira, esses estudos colocam o sensor no quadril, como um cinto, para medir toda a atividade física ao longo de todo o dia. Embora este método capture uma imagem completa do movimento diário, os programas de computador padrão usados para encontrar os tempos de sono foram construídos para dados de pulso, não de quadril. Isso criou uma lacuna: os cientistas tinham uma riqueza de dados de sensores no quadril, mas careciam de uma maneira confiável de extrair informações precisas de sono a partir deles.

Uma equipe de pesquisadores partiu para preencher essa lacuna testando e refinando dois programas de computador de código aberto projetados para encontrar janelas de sono. Eles focaram em um método que utiliza dados brutos de movimento coletados de sensores usados tanto no pulso quanto no quadril. O estudo envolveu 303 participantes, incluindo 109 crianças entre oito e doze anos, e 194 jovens adultos. Cada pessoa usou dois sensores simultaneamente durante seis noites: um no pulso e outro no quadril. Para garantir que os programas de computador estivessem sendo testados contra um padrão confiável, os participantes também mantiveram um diário de sono, escrevendo exatamente quando iam para a cama e quando levantavam. Os pesquisadores usaram os dados do pulso, guiados por esses diários, como um ponto de referência confiável. Eles então pegaram os dados do quadril e os passaram por dois algoritmos diferentes, que são conjuntos de regras que dizem ao computador como interpretar o movimento. Um algoritmo, chamado HDCZA, procura por longos períodos onde o sensor não se move muito. O outro, chamado HorAngle, é um método mais novo especificamente projetado para o quadril; ele busca o momento em que o sensor está deitado de lado (na horizontal), o que sugere que a pessoa está deitada na cama.

Os pesquisadores não apenas executaram os programas com suas configurações padrão. Em vez disso, eles ajustaram cuidadosamente as regras internas de ambos os algoritmos usando uma parte de seus dados para encontrar as configurações que produzissem os resultados mais precisos. Eles então testaram essas configurações ajustadas nos participantes restantes para ver o quão bem elas performavam. Os resultados mostraram que ambos os programas puderam estimar com sucesso os tempos de sono a partir dos sensores de quadril. Ao comparar o palpite do computador com o tempo real que o participante escreveu em seu diário, a diferença média foi muito pequena. Para o momento em que a pessoa ia dormir, o programa HDCZA estava errado por uma média de três minutos, enquanto o programa HorAngle estava errado por zero minutos em média. Para o momento em que a pessoa acordava, as diferenças foram de forma semelhante pequenas, com o HDCZA errando por quatro minutos e o HorAngle errando por quatro minutos na direção oposta. O tempo total de sono estimado pelos programas também coincidiu de perto com os registros do diário, com diferenças de apenas alguns minutos em média.

Embora os erros médios fossem pequenos, os pesquisadores observaram que, para qualquer noite individual, o palpite poderia estar errado por uma margem maior, às vezes por várias horas. Isso é esperado, já que as noites de sono individuais podem ser irregulares. No entanto, quando os pesquisadores observaram os padrões gerais, ambos os algoritmos foram muito bons em classificar as pessoas corretamente. Se uma pessoa dormiu mais do que outra, os programas de computador foram capazes de identificar essa diferença na maioria das vezes. O estudo também descobriu que a precisão dessas estimativas não dependia de o participante ser criança ou adulto, ou se era homem ou mulher. O principal fator que influenciou a precisão foi quanto tempo o sensor ficou sem ser usado. Se o dispositivo era retirado durante a noite, o computador tinha menos informações para trabalhar, tornando a estimativa menos confiável.

O estudo conclui que é possível estimar com precisão as janelas de sono a partir de sensores usados no quadril, desde que os algoritmos de computador corretos sejam utilizados. O algoritmo HDCZA tem a vantagem de não precisar de nenhum ajuste especial para o tipo específico de sensor, tornando-o uma ferramenta flexível. O algoritmo HorAngle, que depende da detecção de quando o sensor está na horizontal, desempenhou tão bem quanto, mas exige que o pesquisador identifique corretamente qual eixo do sensor representa o comprimento do corpo. Ambos os métodos oferecem uma maneira valiosa de desbloquear dados de sono das enormes quantidades de dados de atividade de quadril já coletados em grandes estudos de saúde. Isso significa que os pesquisadores agora podem olhar para trás, em décadas de dados existentes, e obter novos insights sobre como os padrões de sono afetam a saúde em toda a população, sem precisar re-medir todos com um sensor de pulso. O trabalho demonstra que, com um ajuste cuidadoso, os mesmos dados de movimento que rastreiam os passos diários de uma pessoa também podem revelar as horas silenciosas de seu descanso.