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

睡眠是人类生活的一种基本节律，是一个身体自我修复、大脑处理世界的每日循环。为了了解人们睡眠的具体时长以及这一时长如何与其健康相关，科学家需要测量出一个人从入睡到醒来之间的精确时间窗口。这段时期被称为“睡眠时段”。几十年来，研究人员一直依赖佩戴在手腕上的小型设备（类似于手表）来追踪运动，并以此推测一个人何时处于睡眠状态。这些设备之所以有效，是因为人在清醒时手腕会有明显的动作，而在睡眠时则保持静止。然而，许多追踪数千人多年健康状况的大规模研究采用了另一种方法。这些研究并非使用腕带，而是将传感器佩戴在臀部（类似于腰带），以测量全天的所有身体活动。虽然这种方法捕捉到了日常运动的全貌，但用于寻找睡眠时间的标准计算机程序是为腕部数据设计的，而非臀部数据。这造成了一个缺口：科学家们拥有大量的臀部佩戴数据，却缺乏一种可靠的方法从中提取准确的睡眠信息。

一个研究小组致力于通过测试和改进两个旨在寻找睡眠窗口的开源计算机程序来填补这一缺口。他们专注于一种结合了从手腕和臀部传感器收集到的原始运动数据的方法。该研究涉及303名参与者，包括109名八至十二岁的儿童和194名年轻人。每位参与者同时佩戴两个传感器六个晚上：一个在手腕上，一个在臀部。为了确保计算机程序是在可靠的标准下进行测试，参与者还记录了睡眠日记，写下他们上床睡觉和起床的具体时间。研究人员利用这些日记引导下的腕部数据作为可信的参考点。随后，他们将臀部数据输入两个不同的算法运行，这些算法是告诉计算机如何解释运动的一套规则。其中一种名为HDCZA的算法通过寻找传感器几乎不移动的长时段来工作；另一种名为HorAngle的算法是专门为臀部设计的新方法，它通过搜索传感器处于水平位置的时间来判断，这表明人正躺在床上。

研究人员并没有直接使用程序的默认设置。相反，他们利用部分数据仔细调整了两种算法的内部规则，以找到能产生最准确结果的设置。然后，他们在剩余的参与者身上测试了这些经过调整后的设置，以观察其表现如何。结果显示，两种程序都能成功地从臀部传感器估算睡眠时间。当将计算机的预测值与参与者在日记中记录的实际时间进行比较时，平均误差非常小。对于入睡时间，HDCZA程序的平均误差为三分钟，而HorAngle程序的平均误差为零分钟。对于起床时间，差异同样很小，HDCZA偏差四分钟，HorAngle则向相反方向偏差四分钟。程序估算的睡眠总时长也与日记记录紧密吻合，平均差异仅为几分钟。

尽管平均误差很小，但研究人员指出，对于任何单个夜晚，预测值可能会出现较大的偏差，有时甚至会差几个小时。这是预料之中的，因为个人的睡眠情况可能并不规律。然而，当研究人员观察整体模式时，两种算法在对人群进行正确排序方面都表现得相当出色。如果一个人比另一个人睡得更久，计算机程序大多时候都能识别出这种差异。研究还发现，这些估算的准确性并不取决于参与者是儿童还是成年人，也不取决于性别。影响准确性的主要因素是传感器未佩戴的时长。如果设备在夜间被取下，计算机获取的信息就会减少，从而导致估算结果的可靠性降低。

研究结论认为，只要使用正确的计算机算法，通过佩戴在臀部的传感器来准确估算睡眠窗口是可行的。HDCZA算法的优势在于不需要针对特定类型的传感器进行特殊调整，使其成为一个灵活的工具。而HorAngle算法依赖于检测传感器是否处于水平状态，其表现同样出色，但要求研究人员能够正确识别传感器的哪一轴代表身体的长度方向。这两种方法都提供了一种有价值的方式，可以从大规模健康研究中已收集到的海量臀部佩戴活动数据中解锁睡眠数据。这意味着研究人员现在可以回顾过去几十年的现有数据，并获得关于睡眠模式如何影响整个人群健康的全新见解，而无需让每个人重新使用腕部传感器进行测量。这项工作证明，通过精心的调优，那些追踪日常步数的相同运动数据，同样可以揭示静谧休息时段的奥秘。