Somnologie

, Volume 20, Issue 1, pp 54–60 | Cite as

Validierung von SleepMinder® zur Erfassung der Schlafqualität bei Patienten mit OSAS

  • S. Terjung
  • Y. Wang
  • S. Werther
  • A. Zaffaroni
  • H. Teschler
  • G. Weinreich
Originalien
First Online:
Received:
Accepted:
  • 129 Downloads

Zusammenfassung

Hintergrund

Die kardiorespiratorische Polysomnographie (PSG) ist der Goldstandard der Diagnostik schlafbezogener Atemstörungen (SBAS) und stellt aufgrund des großen Zeit- und Kostenaufwands den letzten Schritt einer Stufendiagnostik dar.

Ziel

Das Ziel war die Bestimmung der diagnostische Aussagekraft von SleepMinder® (Resmed Sensor Technologies, Dublin, Irland) bei der Erkennung von Schlafdauer (engl. Total Sleep Time [TST]) und Schlafeffizienz (SE).

Material und Methoden

SleepMinder® ist ein kontaktloses Screeninggerät zur Analyse respiratorischer Ereignisse und der Schlafqualität, basierend auf dem Prinzip der Reflexion leistungsarmer Radiowellen. In einem Kollektiv von 57 Patienten mit Verdacht auf SBAS wurde simultan zu einer PSG eine Messung mit SleepMinder® durchgeführt und die diagnostische Aussagekraft der durch SleepMinder® erhaltenen Ergebnisse ermittelt. Zusätzlich wurde der Einfluss von periodischen Beinbewegungen (PLM) auf die klinische Güte von SleepMinder® untersucht.

Ergebnisse

SleepMinder® überschätzt im Vergleich zur PSG die TST, wobei kein statistisch signifikanter Unterschied beim Vergleich zwischen Gruppe 1 (Apnoe-Hypopnoe-Index [AHI] < 15/h) und Gruppe 2 (AHI ≥ 15/h) bestand. Gruppe 1 zeigte eine Abweichung von 5 % und Gruppe 2 eine von 6 % beim Vergleich der mittels SleepMinder® und PSG bestimmten TST. Bei 51 % der Patienten trat eine Abweichung < 10 % auf, bei 70 % der Patienten < 20 % und bei 9 % der Patienten ≥ 30 %. Die mittlere Abweichung lag bei 24 min. Für den Vergleich von SEPSG und SESleepMinder® ergab sich eine Abweichung von 1 % in Gruppe 1 und von 7 % in Gruppe 2 (p = n. s.). Auch hier fand sich kein statistisch signifikanter Unterschied zwischen den untersuchten Gruppen. Bei 49 % der Patienten zeigte sich eine Abweichung < 10 %, bei 67 % der Patienten < 20 % und bei 7 % der Patienten ≥ 30 %. Die mittlere Abweichung lag bei 2 %.

Diskussion

Die Möglichkeit durch SleepMinder® TST und SE mit moderater Genauigkeit zu schätzen kann beim Screening zur Bestimmung von SBAS eine nützliche Zusatzfunktion sein, um zu entscheiden, ob bspw. ein geringer AHI darauf zurückzuführen ist, dass der Patient während der Nacht kaum geschlafen hat.

Schlüsselwörter

Schlafbezogene Atmungsstörungen Polysomnographie Patientenüberwachung Intrinsische Schlafstörung Apnoe-Hypopnoe-Index 

Validation of SleepMinder® for sleep quality evaluation in patients with OSAS

Abstract

Background

Polysomnography (PSG) is the gold standard for diagnosis of sleep-disordered breathing (SDB). As PSG is time-consuming and labor-intensive it is the last step in a step-wise diagnostic.

Aim

This study assessed the validity of SleepMinder® (Resmed Sensor Technologies, Dublin, Ireland) for the detection of total sleep time (TST) and sleep efficiency (SE).

Materials and methods

SleepMinder® is a non-contact device using weak radiowaves to measure respiration and sleep quality. Diagnostic accuracy of SleepMinder® was studied in a cohort of 57 patients admitted to the sleep laboratory due to suspected SDB. Results obtained by SleepMinder® were compared with those of a simultaneous PSG to assess the diagnostic accuracy of SleepMinder®. Additionally we examined the influence of periodic limb movements on the diagnostic accuracy of SleepMinder®.

Results

SleepMinder® overestimates TST compared to TST estimated by PSG. Comparison between the results in TST estimation of PSG and SleepMinder® showed a deviation of 5 % in group 1 (AHI < 15/h) and 6 % in group 2 (AHI ≥ 15/h) without a statistically significant difference between the groups. Compared to PSG-detected TST in SleepMinder® analysis 51 % of the patients had a deviation < 10 %, 70 % a deviation < 20 % and in 9 % a deviation ≥ 30 %. The systemic bias was 24 min. Comparing SESleepMinder with SEPSG, we found a deviation of 1 % for group 1 whereas we obtained a deviation of 7 % for group 2 (p = n .s.) without a statistically significant difference between the groups. Comparing SESleepMinder and SEPSG, in our cohort 16 (28 %) patients showed a deviation < 5 %, 28 (49 %) patients had a deviation < 10 %, 38 (6 %) < 20 % and 4 (7 %) patients had a 30 % deviation. Furthermore, a 2 % overestimation by SleepMinder could be found.

Conclusion

SleepMinder® estimates TST and SE with moderate accuracy. Therefore, measuring these parameters can be an additional and helpful feature in SBD screening.

Keywords

Sleep-disordered breathing Polysomnography Patient monitoring Intrinsic sleep disorders Apnea-hypopnea index 
This is a preview of subscription content, log in to check access.

Notes

Einhaltung ethischer Richtlinien

Interessenkonflikt

A. Zaffaroni ist Mitarbeiter der Fa. ResMed Sensor Technologies. H. Teschler erhält eine Forschungsförderung der Fa. ResMed Limited. S. Terjung, Y. Wang, S. Werther und G. Weinreich geben an, dass kein Interessenkonflikt besteht.

Alle beschriebenen Untersuchungen am Menschen wurden mit Zustimmung der zuständigen Ethik-Kommission, im Einklang mit nationalem Recht sowie gemäß der Deklaration von Helsinki von 1975 (in der aktuellen, überarbeiteten Fassung) durchgeführt. Von allen beteiligten Patienten liegt eine Einverständniserklärung vor.

Literatur

  1. 1.
    American Academy of Sleep Medicine (2007) The AASM manual for the scoring of sleep and associated events: rules, terminology and technical specifications. American Academy of Sleep Medicine, WestchesterGoogle Scholar
  2. 2.
    Bassetti C, Aldrich MS (1999) Sleep apnea in acute cerebrovascular diseases: final report on 128 patients. Sleep 22:217e23Google Scholar
  3. 3.
    Birkbak J, Clark AJ, Rod HR (2014) The effect of SDB on the outcome of stroke and. TIA, A systematic review. JCSMGoogle Scholar
  4. 4.
    Bland JM, Altman DG (1986) Statistical methods for assessing agreement between two methods of clinical measurement. Lancet 327(8476):307–310CrossRefGoogle Scholar
  5. 5.
    Chen H, Lowe AA, Bai Y et al (2009) Evaluation of a portable recording device (ApneaLink) for case selection of obstructive sleep apnea. Sleep Breath 13(3):213–219CrossRefPubMedGoogle Scholar
  6. 6.
    De Chazal P, Fox N, O’Hare E et al (2011) Sleep/wake measurement using a non-contact biomotion sensor. J Sleep Res 20(2):356–366CrossRefPubMedGoogle Scholar
  7. 7.
    De Chazal P, O’Hare E, Fox N, Heneghan C (2008) Assessment of Sleep/Wake Patterns Using a Non-Contact Biomotion Sensor. 30th Annual International. IEEE, EMBS ConferenceGoogle Scholar
  8. 8.
    Einhorn D, Stewart DA, Erman MK et al (2007) Prevalence of sleep apnea in a population of adults with type 2 diabetes mellitus. Endocr Pract 13(4):355–362CrossRefPubMedGoogle Scholar
  9. 9.
    Fletcher EC, DeBehnke RD, Lovoi MS, Gorin AB (1985) Undiagnosed sleep apnea in patients with essential hypertension. Ann Intern Med 103:190e5Google Scholar
  10. 10.
    Javaheri S, Parker TJ, Liming JD et al (1998) Sleep apnea in 81 ambulatory male patients with stable heart failure. Types and their prevalences, consequences, and presentations. Circulation 97:2154e9Google Scholar
  11. 11.
    International Commission on Non-Ionizing Radiation Protection (1998) Guidelines for limiting exposure to time-varying electric, magnetic, and electromagnetic fields (up to 300 GHz). Health Phys 74(4):494–522Google Scholar
  12. 12.
    Lamberts M, Nielsen OW, Lip, GYH, Ruwald MH, Christiansen CB, Kristensen SL, Torp-Pedersen C, Hansen ML, Gislason GH (2014) Cardiovascular risk in patients with SA with or without CPAP therapy. Follow-up of 4.5 million Danish adults. InternMed 2014:659–666Google Scholar
  13. 13.
    Logan AG, Perlikowski SM, Mente A et al (2001) High prevalence of unrecognized sleep apnoea in drug-resistant hypertension. J Hypertens 19:2271e7Google Scholar
  14. 14.
    Marin JM, Carrizo SJ, Vicente E, Agusti AG (2005) Long-term cardiovascular outcomes in men with obstructive sleep apnoea-hypopnoea with or without treatment with continuous positive airway pressure: an observational study. Lancet 365:1046e53Google Scholar
  15. 15.
    Mooe T, Franklin KA, Holmstrom K et al (2001) Sleep-disordered breathing and coronary artery disease: long-term prognosis. Am J Respir Crit Care Med 164:1910e3Google Scholar
  16. 16.
    Murthy JN, van Jaarsveld J, Fei J et al (2009) Thermal infrared imaging: a novel method to monitor airflow during polysomnography. Sleep 32(11):1521–1527PubMedPubMedCentralGoogle Scholar
  17. 17.
    Norman MB, Middleton S, Erskine O et al (2014) Validation of the sonomat: a contactless monitoring system used for the diagnosis of sleep disordered breathing. Sleep 37(9):1477–1487PubMedPubMedCentralGoogle Scholar
  18. 18.
    O’Hare E, Flanagan D, Penzel T, Garcia C, Frohberg D, Heneghan C (2015) A comparison of radio-frequency biomotion sensors and actigraphy versus polysomnography for the assesment of sleep in normal subjects. Sleep Breath 2015(19):91–98CrossRefGoogle Scholar
  19. 19.
    Oldenburg O, Lamp B, Faber L et al (2007) Sleep-disordered breathing in patients with symptomatic heart failure: a contemporary study of prevalence in and characteristics of 700 patients. Eur J Heart Fail 9:251e7Google Scholar
  20. 20.
    Peker Y, Kraiczi H, Hedner J, LoÈ S, Johansson AE, Bende M (1999) An independent association between obstructive sleep apnoea and coronary artery disease. Eur Respir J 1999(13):179–184CrossRefGoogle Scholar
  21. 21.
    Pollmächer T, Schulz H (1993) ). Periodic leg movements (PLM): their relationship to sleep stages. Sleep 16(6):572–577PubMedGoogle Scholar
  22. 22.
    Ragette R, Wang Y, Weinreich G et al (2010) Diagnostic performance of single airflow channel recording (ApneaLink) in home diagnosis of sleep apnea. Sleep Breath 14(2):109–114CrossRefPubMedGoogle Scholar
  23. 23.
    Resnick HE, Redline S, Shahar E et al (2003) Diabetes and sleep disturbances: findings from the Sleep Heart Health Study. Diabetes Care 26:702e9Google Scholar
  24. 24.
    Weinreich G, Wessendorf TE, Erdmann T et al (2013) Association of obstructive sleep apnoea with subclinical coronary atherosclerosis. Atherosclerosis 231:191e197Google Scholar
  25. 25.
    Weinreich G, Terjung S, Wang Y, WertherS, Zaffaroni A, Teschler H (2014) Validierung von SleepMinder als Screeninggerät für die obstructive Schlafapnoe. Somnologie. doi:10.1007/s11818-014-0690-9 Google Scholar
  26. 26.
    Wessendorf TE, Teschler H, Wang YM et al (2000) Sleep-disordered breathing among patients with first-ever stroke. J Neurol 247(1):41e7Google Scholar
  27. 27.
    West SD, Nicoll DJ, Stradling JR (2006) Prevalence of obstructive sleep apnoea in men with type 2 diabetes. Thorax 61:945e50Google Scholar
  28. 28.
    Young T, Shahar E, Nieto FJ et al (2002) Predictors of sleep-disordered breathing in community-dwelling adults: the Sleep Heart Health Study. Arch Intern Med 162(8):893e900Google Scholar
  29. 29.
    Young T, Palta M, Dempsey J, Skatrud J, Weber S, Badr S (1993) The occurrence of sleep-disordered breathing among middle-aged adults. N Engl J Med 328:1230e5Google Scholar
  30. 30.
    Zaffaroni A, De Chazal P, Heneghan C et al (2009) ). SleepMinder: An Innovative Contact. Free, Device for the Estimation of the Apnoea-Hypopnoea Index. IEEE EMBSGoogle Scholar
  31. 31.
    Zaffaroni A, Kent B, O’Hare E et al (2013) Assessment of sleep-disordered breathing using a non-contact bio-motion sensor. J Sleep Res 22(2):231–236CrossRefPubMedGoogle Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2016

Authors and Affiliations

  • S. Terjung
    • 1
  • Y. Wang
    • 1
  • S. Werther
    • 1
  • A. Zaffaroni
    • 1
  • H. Teschler
    • 1
  • G. Weinreich
    • 1
  1. 1.Ruhrlandklinik, Westdeutsches Lungenzentrum am Universitätsklinikum Essen gGmbHUniversitätsklinikEssenDeutschland

Personalised recommendations