一种基于新型可穿戴设备的睡眠质量指数，用于量化术后患者的睡眠质量

《The Journal of Thoracic and Cardiovascular Surgery》：A Novel Wearables-Based Sleep Quality Index to Quantify Postoperative Sleep Quality

　　

方正正宇|王丹尼|亚历山德拉·L·波特|张丽子|张玉航|布莱恩·雷特纳|亚历山大·朱|梅根·麦卡锡|郭秋娜|迪普蒂·斯里尼瓦桑|M·克拉克·阿冯代特|雅各布·贝尔德|卡森·奥尔迪纳|安娜·亚伦|艾伦-雅各布·卡斯蒂略|奥布里·波普|本杰明·切尼|穆罕默德·莫塞尼|吉娜·汉娜|詹姆斯·克兰诺|李晓

美国马萨诸塞州波士顿市麻省总医院外科部门

目的

开发一种基于可穿戴设备的新型睡眠指数，以量化肺切除术后的睡眠中断情况，并运用机器学习分析这些指数来识别具有不同术后睡眠模式的患者。

方法

这项前瞻性观察性队列研究分析了在术前和术后至少90天内佩戴可穿戴设备进行肺切除术的患者。为了捕捉术后患者的睡眠-清醒状态的差异，我们制定了“昼夜睡眠恢复指数”（CSRI）。我们使用K均值聚类算法，根据术后第2至7天的CSRIs特征（通过PCA降维处理）来识别具有不同睡眠模式的患者群体，并评估了这些群体与长期睡眠质量及患者报告的生活质量（QOL）之间的关联。

结果

在113名患者中，术后第0天的CSRI中位数急剧下降，并在术后前两周内保持在较低水平，表明存在显著的睡眠中断。对CSRIs的无监督分析发现了两个群体：一个群体睡眠中断较少（“快速睡眠恢复组”），另一个群体睡眠中断较严重（“缓慢睡眠恢复组”）。与快速睡眠恢复组相比，缓慢睡眠恢复组在术后30天的生活质量下降更为明显，且手术后的3个月内睡眠中断更为严重。

结论

通过对基于可穿戴设备的新型睡眠指数进行机器学习分析，我们识别出了术后早期存在显著睡眠中断的患者；这些睡眠中断与长期睡眠问题及生活质量下降有关。