遠程睡眠監測移動設備的設計

【作 者】劉思佳 ，屈云

1 四川大學華西醫院康復醫學中心，成都市，610041

2 四川大學華西臨床醫學院康復醫學系，成都市，610041

3 康復醫學四川省重點實驗室，成都市， 610041

4 康復醫學大數據實驗室，成都市，610041

隨著社會人口增加，高科技發展，各行各業充斥著激烈的競爭壓力，睡眠障礙（Sleep Disorders）已成為當今社會的常見、多發性疾病[1]。睡眠障礙包括了睡眠質量異常或睡眠時發生某些臨床癥狀，如睡眠減少或睡眠過多、睡眠相關運動障礙等，其中以入睡困難最為常見。根據國際睡眠障礙分類，可分為失眠、睡眠相關呼吸障礙、非呼吸相關睡眠障礙所致白天過度嗜睡（Excessive daytime sleeping, EDS）、異態睡眠、睡眠相關運動障礙（孤立性睡眠癥狀）以及其他睡眠障礙[2]。Ohayon等[3]發現全球普通人群中失眠率為4%～48%。中國睡眠研究會2015年流行病學調查顯示：我國成年人失眠發生率已達38.2%，其中老年人發病率高達74.1%[4]。睡眠障礙不僅降低患者生活質量、影響工作效率，還增加事故隱患。伴隨而來的癥狀主要為頭暈、頭痛、心煩、焦慮、情緒性格的改變，嚴重者還會出現軀體、功能障礙[5]。

隨著中國特色社會主義現代化發展，精準醫療、智能醫療成為當下醫學的前沿領域。本設計基于患者睡眠質量監測、管理的有效性和實用性與物聯網、移動互聯網+、健康信息管理技術，充分利用現代健康體檢、疾病風險評估、健康咨詢指導，構建成熟規范的治未病、慢性疾病綜合健康管理服務體系，針對睡眠障礙進行預防和治療。采用隨機對照研究，通過醫療干預，降低睡眠障礙發病率及影響。

1 遠程睡眠監測系統的組成

1.1 系統總體設計

遠程睡眠監測系統的使用者為患者、醫務人員。患者使用睡眠監測手環，移動終端下載、安裝APP；醫務人員在手機或平板上安裝APP。遠程睡眠監測系統基于數據庫、云計算為患者和醫務人員提供溝通平臺（見圖1）。數據中心包括數據庫、數據管理軟件、數據存儲倉庫等。

圖1 遠程睡眠監測系統架構Fig.1 The composition of the remote sleep monitoring system

1.2 硬件部分

硬件部分包括患者佩戴的腕式微型傳感設備和微型傳感器。患者終端是睡眠監測應用程序，可在手機、安卓平板電腦及計算機等移動終端上安裝。系統的微型傳感器以手環形式綁于患者手腕，全程監測患者睡眠過程心率、呼吸頻率、運動等參數信息，檢測結束后輸入睡眠、心理評定量表數據。通過藍牙與系統鏈接，實行無線傳輸。醫務人員的硬件安裝了專門設計的睡眠監測及管理應用程序的移動終端。

1.3 軟件部分

軟件部分由患者監測APP及遠程醫務人員管理APP組成。患者睡眠監測APP及傳感器相關配置程序安裝在患者的手腕式移動設備和電子終端；醫務人員遠程管理APP對患者的數據進行分析后，為患者量身定制治療計劃，以圖表、動畫、語音等可視化形式遠程指導患者調整睡眠時間、藥物及完成訓練。治療后，患者在APP上完成反饋，醫務人員也可根據無線保真（WiFi）或移動網絡（Mobileweb）了解患者的數據變化，對患者睡眠情況進行監測和管理，隨時調整治療方案。

1.4 微型傳感設備的穿戴

為協助微型傳感器追蹤患者睡眠情況，需將傳感器貼身放在可以檢測患者數據的部位。我們選擇了手腕掌面，可感知患者動脈搏動、血壓、呼吸頻率、血氧、運動、能量消耗、睡眠監測等。本設計通過在線就診、復診，減少患者就醫成本，解決了患者就醫難、依從性不佳的缺陷。另一方面，也響應了國家衛生部門的號召，讓醫療服務進社區、家庭，方便老百姓就醫看病，也是智慧醫療的體現。

2 遠程睡眠監測系統的有效性設計

無醫務人員介入時，患者可能因睡眠障礙（入睡困難、易驚醒、睡眠時間過短、睡眠時間過長、嗜睡、多夢等）引起身體的不適，如頭暈、頭痛、心煩、情緒性格改變，從而影響工作、生活、社交活動[6]。很多患者長期服用安眠藥來幫助睡眠，由于藥物的依賴性和成癮性，部分患者出現耐藥或者后期藥物無效。如果長期睡眠障礙，還會對患者的心理造成負擔[7]。

2.1 監測指標納入標準

根據美國精神疾病診斷與統計手冊-第五版DSM-5 睡眠-覺醒障礙的標準[8]，我們建立了睡眠-覺醒障礙數據庫，數據庫分為三個模塊：①患者基本信息（姓名、身高、體重、出生年月日、性別），睡眠相關檢查（查體、腦電圖、多導睡眠圖、多次睡眠潛伏期），輔助檢查（血液檢查及影像學檢查）；②評估量表；③治療與反饋。

2.2 系統使用量表的選擇

① DSM-5 制定的量表[9]包括患者對睡眠質量不滿、睡眠紊亂、每周超過3次失眠、睡眠困難超過3月等8個類目中，滿足3個或以上便可診斷睡眠障礙。②睡眠狀況自評量表（Self-Rating Scale of Sleep,SRSS）[10]用于說明近一個月的睡眠質量，所包含有10個項目，每個項目分值分為5級（1～5分）。總分為0～50分，10個項目相加＜10分說明無睡眠障礙；最高為50分（最嚴重）。評分愈高，說明睡眠問題愈嚴重。③匹茲堡睡眠質量指數（Pittsburgh Sleep Quality Index, PSQI）[11]內容包含10個類目，10個分數相加，總分為0～21分，得分越高說明睡眠情況越差。④Epworth 嗜睡程度評價表（Epworth Sleepiness Scale, ESS）[12]最早由澳大利亞的睡眠專家提出，是全球應用較廣泛的睡眠剝奪評估量表。在坐著看書、看電視、公共場所靜坐等8種情況下，不打瞌睡為0分，輕微瞌睡為1分，重度嗜睡為2分，重度嗜睡為3分。8項相加，總分＜9分為正常，＞9分為異常。⑤失眠嚴重指數（Insomnia Severity Index，ISI）[13]是1月內出現入睡困難、早醒、睡眠影響日常生活等7種情況，根據癥狀無、輕度、中度、重度、極重度分別評為0、1、2、3、4分。總分為0～28分，其中0～7分為正常，8～14分為閾下失眠，≥15分為失眠。⑥漢密爾頓焦慮量表（Hamilton Anxiety Scale，HAMA）[14]根據患者緊張、認知障礙、心血管系統癥狀、呼吸系統癥狀、胃腸道癥狀、植物神經系統癥狀等14個表現來進行5級評分，分值根據程度從無到重分別評為為0～4分。總分＜7分為正常，＞8分為焦慮，分值越高焦慮程度越大。⑦漢密爾頓抑郁量表（Hamilton Depression Scale，HAMD）[15]是世界廣泛應用于抑郁程度評估的一項量表。內容包括情緒評估、軀體癥狀、體重評估及自知力等共17項指標，每項指標從無癥狀到極重度癥狀的主觀指標評為0～4分。其意義是：總分＜ 7分者為正常；總分在7～17分者可能有抑郁癥；總分在17～24分者肯定有抑郁癥；總分 ＞24分者為嚴重抑郁癥。

2.3 系統應用的時間、周期

該設備患者端使用時間擬為21:00至次日8:00之間，若患者睡眠時間不在此范圍內，可根據自己睡眠時間在睡前佩戴腕式監測設備，覺醒時取下。監測周期為1月，通過睡眠、心理評分和趨勢分析，每月進行一次患者睡眠情況數據比較分析并提出建議，醫務人員與患者、家屬通過反饋與負反饋來進行睡眠管理。

3 遠程睡眠監測系統的實用性設計

隨著睡眠障礙患者群體的增多，患者的就醫比例卻在下降。患者希望不用去醫院便可進行睡眠質量的監測和管理，遠程睡眠監測和治療系統可以滿足日益增多患者的就診要求，提高失眠患者就醫體驗。

3.1 基于患者的實用性設計

3.1.1 設備的便攜性

患者端的設備大小為：主機49 mm×19 mm×10 mm，腕帶長250 mm，主機屏幕大小為0.96 in(1 in=25.4 mm)，重量為18 g，藍牙同步，使用溫度為-20 ℃～60 ℃。患者通過腕式設備與手機、平板、電腦等移動端連接，便可進行睡眠方案調整，保障了患者對產品的移動需求。

3.1.2 設備的易用性

患者終端為腕式微型傳感移動設備和手機、平板、電腦，充電、攜帶方便。患者終端分辨率高、成像清晰、便于患者閱覽及操作，還可連接顯示器或電視機，面對大屏幕進行訓練，患者代入感、舒適感更強。患者、家屬不必記憶訓練內容，軟件模塊有記憶存儲功能，能記憶患者治療、訓練過程并打分、記錄，患者跟著醫務人員的訓練計劃按步驟進行即可。

3.1.3 設備的用戶黏性

治療內容主要包括：①藥物治療方案、藥物劑量、頻率的調整；②行為療法：改變不良生活方式；③音樂療法：可在睡前放輕音樂使患者放松；④放松訓練：緩解緊張情緒及放松肌肉，降低臥床時的警覺性；⑤刺激控制：減少白天睡眠時間或禁止患者白天入睡，避免受強烈精神或物理刺激；⑥認知療法：增強患者對睡眠障礙的重視，減少患者的焦慮、抑郁情緒，避免將軀體癥狀全歸咎于失眠；⑦運動療法：根據患者的生命體征、睡眠時間進行規律的運動以幫助調節神經運動功能，改善睡眠。

3.2 基于醫務人員監測的實用性設計

3.2.1 APP評估的直觀性

醫務人員在APP上，根據患者基本信息、睡眠相關檢測、輔助檢查下達評定內容，患者、家屬按醫囑執行以后，數據通過藍牙傳到醫務人員的APP中，并形成可視化數據庫。

3.2.2 APP的數據統計與計算

醫務人員根據患者睡眠質量初次評分，選擇量表。患者或家屬在APP上完成評估，數據反饋至醫務人員終端，根據量表換算公式打分、記錄。每天的分數形成趨勢圖，每種量表的評分用不同形狀、顏色的線條表示。

3.2.3 APP指導的便利性

醫務人員根據自己的時間對患者進行指導，可利用碎片時間進行APP登陸，每天只需在治療前將調整好的方案上傳至APP，便可對患者進行睡眠管理。還可通過APP監督患者的執行情況及接受治療的情況，APP直接發送至患者端，對患者進行留言推送或者督促、詢問、交流、互動。

3.2.4 APP的社區、家庭式應用

基于三級醫療體制的改革，目前部分患者已解決就醫難的問題。但要做到人人就醫，還需要社區、家庭治療。利用物聯網、移動互聯網+、大數據的平臺構建社區、家庭醫療平臺進行慢性疾病管理，不僅方便患者就醫，也使醫務人員可以通過遠程醫療對患者進行隨時的監督和指導。

4 臨床驗證

為了驗證系統的有效性與實用性，在四川大學華西醫院康復醫學中心進行了初步的臨床測試。根據DSM-5診斷為睡眠障礙的18例患者納入研究，數據采用Microsoft Excel 2003軟件錄入，正態分布的計量資料采用均數及標準差描述，非正態分布的計量資料采用中位數及四分位數描述，計數資料采用構成比描述。采用K-S法進行計量資料的正態分布檢驗，正態分布的兩組計量資料采用配對t檢驗進行比較，非正態分布的兩組計量資料采用Wilcoxon檢驗進行比較。以P＜0.05為有統計學意義。數據分析采用SPSS 17.0軟件。

試驗中選取了18例睡眠障礙患者，其中男性7例，女性11例，年齡（52.50±17.16）歲（所有納入患者均＞18歲）。患者接受連續4周的每日遠程睡眠監測并接受睡眠管理。醫務組記錄患者入組時，治療4周后的6種睡眠、心理量表數據。18例患者中認知障礙患者4例；情緒障礙3例。經過4周的訓練，患者的生命體征平穩，睡眠、心理量表評分P值均小于0.05，具有統計意義（見表1）。研究過程中，患者可獨立或在家屬、醫務人員指導下完成指導及治療，依從性較好。所有患者均表示接受這種睡眠監測及人性化、個性化的疾病管理，部分患者及家屬表示出院后希望繼續這種睡眠管理或推薦給家人使用本設備。

表1 治療前、治療4周后睡眠、心理評估量表比較Tab.1 Comparison of sleep and psychiatric evaluation scale before and after 4 weeks' treatment

5 結論

物聯網技術在醫療領域中的應用遍及各個環節，涉及醫療信息化、身份識別、醫療急救、遠程監護、家庭護理、藥品與耗材領域，以及醫療設備和醫療垃圾的監控、血液管理、傳染控制等多個方面[16]。醫用傳感器和生物醫學傳感器研制包括：新型醫學傳感技術的研制；小型化、微型化醫用傳感器研制；醫用傳感器的模塊化設計；醫用多傳感器融合技術。綜合運用數字信號處理、模式識別、分布式計算等技術，對多模醫學信息自動分析綜合，可實現初步自動決策和評估[17]。

遠程監控與疾病管理是醫務人員遠距離指導、非醫務人員陪同患者治療的新型治療方式，需要其有效及實用[18]。本系統為國內首次將專業醫務人員、患者APP運用到慢性疾病的預防、管理和治療中，通過臨床實驗驗證了遠程指導的有效性和實用性，改善了患者的睡眠情況。

目前該系統還處在試用階段，有些功能尚待開發和完善，如引進全息投射、VR、AR技術，使設備視聽系統更加豐富真實，直接模擬醫務人員及患者遠程進行“真實”地面對面交流。隨著大數據、云計算、智慧醫療、人工智能、機器人的不斷發展，科技與醫療的結合日新月異，遠程醫療與人工智能的結合也將在未來醫療服務中起到重要的作用。

[1] Daniel B, John R, Charles F. Clinical management of insomnia disorder[J]. JAMA, 2017,318(20):1973-1974.

[2] American Psychiatric Association. Diagnostic and statistical manual of mental disorders[M]. Arlington, VA, USA: American Psychiatric Publishing, 2013.

[3] Ohayon M M. Epidemiology of insomnia：what we know and what we still need to learn[J]. Sleep Med Rev, 2002, 6:97-111.

[4] Rowe R, Rapaport M H. Classification and treatment of subthreshold depression[J]. Curr Opin Psychiatry, 2006, 19: 9-13.

[5] Sateia M J. International classification of sleep disorders-third edition: highlights and modif i cations[J]. Chest, 2014, 146(5): 1387-1394.

[6] Ford E S, Wheaton A G, Cunningham T J, et al. Trends in outpatient visits for insomnia, sleep apnea, and prescriptions for sleep medications among US adults: findings from the National Ambulatory Medical Care survey 1999-2010[J]. Sleep, 2014, 37:1283-1293.

[7] Bernert R A, Nadorあ M R. Sleep disturbances and suicide risk[J].Sleep Med Clin, 2015; 10: 35-39.

[8] Ruoあ C, Rye D. The ICSD-3 and DSM-5 guidelines for diagnosing narcolepsy: clinical relevance and practicality[J]. Curr Med Res Opin, 2016, 20: 1-12.

[9] Kassebaum N J, Arora M, Barber R M, et al. Global, regional, and national disability-adjusted life-years (DALYs) for 315 diseases and injuries and healthy life expectancy (HALE), 1990-2015:a systematic analysis for the Global Burden of Disease Study 2015[J]. Lancet, 2016, 388: 1603-1658.

[10] Krueger J M, Rector D M, Roy S, et al. Sleep as a fundamental property of neuronal assemblies[J]. Nat Rev Neurosci, 2008, 9(12):910-919.

[11] Wang Y, Ai L, Luo J, et al. Effect of adherence on daytime sleepiness, fatigue, depression and sleep quality in the obstructive sleep apnea/hypopnea syndrome patients undertaking nasal continuous positive airway pressure therapy[J]. Patient Prefer Adherence, 2017, 11:769-779.

[12] Kaambwa B, Mpundu-Kaambwa C, Adams R, et al. Suitability of the epworth sleepiness scale (ESS) for economic evaluation: an assessment of its convergent and discriminant validity[J]. Behav Sleep Med, 2016, 18: 1-26.

[13] Edinger J D, Manber R, Buysse D J, et al. Are patients with childhood onset of insomnia and depression more diきcult to treat than are those with adult onsets of these disorders? a report from the TRIAD study[J]. J Clin Sleep Med, 2017, 13(2): 205-213.

[14] Donzuso G, Cerasa A, Gioia M C, et al. The neuroanatomical correlates of anxiety in a healthy population: diあerences between the State-Trait Anxiety Inventory and the Hamilton Anxiety Rating Scale[J]. Brain Behav, 2014, 4(4): 504-514.

[15] Park S C, Lee H Y, Lee D W, et al. Screening for depressive disorder in elderly patients with chronic physical diseases using the patient health questionnaire-9[J]. Psychiatry Investig, 2017, 14(3):306-313.

[16] Moussa Y, Mahdanian A A, Yu C, et al. Mobile health technology in late-life mental illness: a focused literature review[J]. Am J Geriatr Psychiatry, 2017, 25(8): 865-872.

[17] Gonzalez-Hernandez G, Sarker A, O'Connor K, et al. Capturing the patient's perspective: a review of advances in natural language processing of health-related text[J]. Yearb Med Inform, 2017,26(1): 214-227.

[18] Hilty D M, Ferrer D C, Parish M B, et al. The effectiveness of telemental health: a 2013 review[J]. Telemed J E Health, 2013, 19:444-454.