Domo Health - Kontaktlose Schlafüberwachung

Hintergrund: Die Alterung der Bevölkerung stellt die Gesellschaft vor zahlreiche soziale und wirtschaftliche Herausforderungen. Eine dieser Herausforderungen ist die soziale und wirtschaftliche Belastung durch erhöhte Gesundheitsausgaben, die durch frühzeitige Heimeinweisungen verursacht werden. Der Einsatz moderner Pervasive-Computing-Technologien ermöglicht die kontinuierliche Überwachung des Gesundheitszustands von in der Gemeinschaft lebenden älteren Erwachsenen zu Hause. Die frühzeitige Erkennung von Gesundheitsproblemen durch diese Technologien kann die Behandlungskosten senken und gezielte Präventionsmaßnahmen einleiten, die zu besseren Gesundheitsergebnissen führen. Schlaf ist ein Schlüsselfaktor für die allgemeine Gesundheit, und viele Gesundheitsprobleme gehen mit einer Verschlechterung des Schlafs einher. Die Schlafqualität und Schlafstörungen wie das Schlafapnoe-Syndrom wurden mit verschiedenen tragbaren Geräten zu Hause oder in Schlaflabors eingehend untersucht. Es gibt jedoch nur wenige Forschungsarbeiten, die das Potenzial der berührungslosen und kontinuierlichen Schlafüberwachung bei der Erkennung früher Anzeichen von Gesundheitsproblemen bei in der Gemeinschaft lebenden älteren Erwachsenen untersucht haben.

Zielsetzung: In dieser Arbeit soll untersucht werden, welcher berührungslos messbare Schlafparameter am besten geeignet ist, um wahrgenommene und tatsächliche Veränderungen des Gesundheitszustands bei älteren Erwachsenen zu überwachen.

Methoden: Wir analysierten Längsschnittdaten aus der realen Welt (bis zu einem Jahr) von 37 in der Gemeinde lebenden älteren Erwachsenen mit mehr als 6000 gemessenen Schlafnächten. Die Schlafparameter wurden mit einem unter der Matratze angebrachten Drucksensor aufgezeichnet, und die entsprechenden Informationen über den Gesundheitszustand wurden durch wöchentliche Fragebögen und Berichte des Gesundheitspersonals erfasst. Insgesamt wurden 20 Schlafparameter analysiert, darunter gängige Schlafparameter wie Schlafeffizienz, Verzögerung des Schlafbeginns und Schlafstadien, aber auch Vitalparameter in Form von Herz- und Atemfrequenz sowie Bewegungen im Bett. Die Assoziation mit dem selbstberichteten Gesundheitszustand, der anhand von Bewertungen auf der visuellen EuroQol-Analogskala (EQ-VAS) ermittelt wurde, wurde mit Hilfe individueller linearer Modelle mit gemischten Effekten quantitativ bewertet. Die Übertragung auf objektive, reale Gesundheitsvorfälle wurde durch eine manuelle retrospektive Fall-zu-Fall-Analyse untersucht.

Results: Using EQ-VAS rating based self-reported perceived health, we identified body movements in bed—measured by the number toss-and-turn events—as the most predictive sleep parameter (t score=–0.435, P value [adj]=<.001). Case-by-case analysis further substantiated this finding, showing that increases in number of body movements could often be explained by reported health incidents. Real world incidents included heart failure, hypertension, abdominal tumor, seasonal flu, gastrointestinal problems, and urinary tract infection.

Schlussfolgerungen: Unsere Ergebnisse deuten darauf hin, dass nächtliche Körperbewegungen im Bett potenziell ein äußerst relevanter sowie leicht zu interpretierender und abzuleitender digitaler Biomarker zur Überwachung eines breiten Spektrums von Gesundheitsverschlechterungen bei älteren Erwachsenen sein könnten. So könnte er dazu beitragen, gesundheitliche Beeinträchtigungen frühzeitig zu erkennen und frühzeitigere, individuellere und präzisere Behandlungsoptionen anzubieten.

‍

Vollständiger Artikel : https://mhealth.jmir.org/2021/6/e24666