Somnologie

pp 1–8 | Cite as

Classification of sleep and wake using a novel minimal-contact single-channel device

  • Sarah Terjung
  • Jan Geldmacher
  • Sebastian Brato
  • Stefanie Werther
  • Helmut Teschler
  • Christian Taube
  • Jürgen Götze
  • Gerhard Weinreich
Originalien
  • 7 Downloads

Abstract

Background

Polysomnography (PSG) is the gold standard for sleep analysis and the diagnosis of sleep-disordered breathing (SDB). As PSG is time-consuming and labor-intensive, it is the last step in a stepwise diagnostic workup. An early preliminary diagnosis can be obtained by a novel single-channel minimal-contact device which is placed under the patient’s mattress topper.

Objectives

This study assessed the diagnostic accuracy of the novel minimal-contact device VitaLog (SWG Sportwerk GmbH & Co. KG, Dortmund, Germany) for sleep–wake classification and measurement of heart rate (HR). The results were compared to PSG.

Materials and methods

VitaLog is a minimal-contact sensor that does not restrict sleep. The diagnostic accuracy of VitaLog was studied in 49 patients referred to our sleep research unit due to suspected SBD. Results obtained by VitaLog were compared to those of a simultaneous PSG to assess the diagnostic accuracy of VitaLog for sleep–wake classification and measurement of HR.

Results

Compared to PSG, the accuracy of HR determined by VitaLog was excellent (r = 0.99) with a bias of 0.15 beats per min (bpm). Regarding total sleep time (TST), we found a good correlation of r = 0.8 and a bias of 14 min. For sleep efficiency (SE) estimated by VitaLog, the correlation was moderate with r = 0.6 with a bias of 4.0%. Sleep latency (SL) and wake after sleep onset (WASO) were underestimated by 1 and 12 min, respectively.

Conclusions

VitaLog is a promising approach for the estimation of the sleep-related parameters TST, SE, SL, and WASO based on a minimal-contact sensor. In addition, it measures HR with excellent accuracy. However, algorithm modifications are desired to provide appropriate diagnostic accuracy in all sleep disorder cohorts.

Keywords

Polysomnography Sleep wake disorders Sleep-disordered breathing Sleep apnea syndromes Heart rate 

Ein neues einkanaliges Minimalkontakt-Screening-Device für die Schlaf-Wach-Klassifizierung

Zusammenfassung

Hintergrund

Die kardiorespiratorische Polysomnographie (PSG) ist der Goldstandard für die Schlafanalyse und die Diagnose schlafbezogener Atemstörungen (SBAS). Da diese Methode aber arbeitsintensiv und teuer ist, stellt sie den letzten Schritt einer Stufendiagnostik dar. Eine frühzeitige Analyse von Schlaf und Schlafstörungen könnte durch einen neuen einkanaligen Minimalkontaktsensor möglich sein, der auf die Matratze gelegt wird.

Zielsetzung

In der vorliegenden Studie wurde die diagnostische Güte des neuen Minimalkontakt-Screeninggerätes VitaLog (SWG Sportwerk, Dortmund, Deutschland) in Bezug auf die Messung der Herzfrequenz und der Schlaf-Wach-Klassifikation untersucht. Alle Ergebnisse wurden mit denen der PSG verglichen.

Material und Methoden

Bei dem Device handelt es sich um einen Minimalkontaktsensor, der zwischen Matratze und Bettlaken platziert wird und daher den natürlichen Schlaf nicht stört. Die diagnostische Güte von VitaLog bezüglich der Abschätzung verschiedener Schlafparameter und der Herzfrequenz wurde in einer 49 Patienten umfassenden Kohorte mit den Ergebnissen der PSG verglichen. Alle Teilnehmer wurden wegen Verdachte auf SBAS an unsere schlafmedizinische Einheit überwiesen.

Ergebnisse

Der Vergleich der Herzfrequenzmessung („heart rate“, HR) von VitaLog mit den Ergebnissen der PSG ergab eine exzellente Korrelation (r = 0,99) und einen geringen systemischen Fehler von 0,15 bpm (Schläge pro Minute). Bezüglich der Gesamtschlafzeit („total sleep time“, TST) fanden wir eine gute Korrelation (r = 0,8) und eine geringe Überschätzung von 14 min, während sich für die Schätzung der Schlafeffizienz (SE) eine moderate Korrelation (r = 0,6) und ein systemischer Fehler von 3,5 % ergab. Sowohl die Schlaflatenz (SL) als auch die Wachphasen nach erstmaligen Einschlafen („wake after sleep onset“, WASO) wurden durch VitaLog um 1 bzw. 12 min unterschätzt.

Zusammenfassung

Basierend auf einem Minimalkontaktsensor stellt VitaLog ein vielversprechendes Screening-Device für die Schätzung der Schlafparameter TST, SE, SL und WASO dar. Weiterhin liefert es eine exzellente Messung der Herzfrequenz. Dennoch sind weitere Analysen vonnöten, um eine ausreichende diagnostische Güte für alle bekannten Schlafstörungen sicherzustellen (z. B. für Patienten mit „periodic limb movement“, PLM).

Schlüsselwörter

Polysomnographie Schlaf-Wach-Störungen Schlafbezogene Atemstörungen Schlafapnoesyndrome Herzfrequenz 

References

  1. 1.
    American Academy of Sleep Medicine (2012) 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.
    Bland JM, Altman DG (1986) Statistical methods for assessing agreement between two methods of clinical measurement. Lancet 327:307–310CrossRefGoogle Scholar
  3. 3.
    Cappuccio FP, D’Elia L, Strazzullo P, Miller MA (2010) Sleep duration and all-cause mortality: a systematic review and meta-analysis of prospective studies. Sleep 33(5):585–592CrossRefPubMedPubMedCentralGoogle Scholar
  4. 4.
    De Chazal P, Fox N, O’Hare E, Heneghan C, Zaffaroni A, Boyle P, Smith S, O’Connell C, McNicholas WT (2011) Sleep/wake measurement using a non-contact biomotion sensor. J Sleep Res 20(2):356–366CrossRefPubMedGoogle Scholar
  5. 5.
    De Souza L, benedito-Silva AA, Pires MLN, Poyares D, Tufik S, Cali HM (2003) Further validation of actigraphy for sleep studies. Sleep 26:81–85CrossRefPubMedGoogle Scholar
  6. 6.
    Dick R, Penzel T, Fietze I, Partinen M, Hein H, Schulz J (2010) AASM standards of practice compliant validation of actigraphic sleep analysis from SOMNOwatch™ versus polysomnographic sleep diagnostics shows high conformity also among subjects with sleep disordered breathing. Physiol Meas 12:1623–1633CrossRefGoogle Scholar
  7. 7.
    Franzen PL, Buysse DJ (2008) Sleep disturbances and depression: risk relationships for subsequent depression and therapeutic implications. Dialogues Clin Neurosci 10(4):473–481PubMedPubMedCentralGoogle Scholar
  8. 8.
    Fu YT, Moa CJ, Ma LJ, Zhang HJ, Wang Y, Li J, Huang JY, Liu JY, Liu CF (2017) Pain correlates with sleep disturbances in parkinson’s disease patients. Pain Pract. https://doi.org/10.1111/papr.12578 Google Scholar
  9. 9.
    Gorny SW, Allen RP, Krausmann DT, Cammarata J, Earley CJ (1997) A parametric and sleep hysteresis approach to assessing sleep and wake from a wrist activity meter enhanced frequency range. J Sleep Res 26:662–665Google Scholar
  10. 10.
    Heinzer R, Vat S, Marques-Vidal P, Marti-Soler H, Andries D, Tobback N, Mooser V, Preisig M, Malhotra A, Waeber G, Vollenweider P, Tafti M, Haba-Rubio J (2015) Prevalence of sleep-disordered breathing in the general population: the HypnoLaus study. Lancet Respir Med 3(4):310–318CrossRefPubMedPubMedCentralGoogle Scholar
  11. 11.
    Hedner J, Pillar G, Pittman SD, Zou D, Grote L, White DP (2004) A novel adaptive wrist actigraphy algorithm for sleep-wake assessment in sleep apnea patients. Sleep 27:1560–1566CrossRefPubMedGoogle Scholar
  12. 12.
    Kripke DF, Garfinkel L, Wingard DL, Klauber MR, Marler MR (2002) Mortality associated with sleep duration and insomnia. Arch Gen Psychiatry 59(2):131–136CrossRefPubMedGoogle Scholar
  13. 13.
    Kushida CA, Chang A, Gadkary C, Guilleminault C, Carillo O, Dement WC (2001) Comparison of actigraphic, polysomnographic and subjective assessment of sleep parameters in sleep-disordered patients. Sleep Med 2:389–396CrossRefPubMedGoogle Scholar
  14. 14.
    Lichstein KL, Stone KC, Donaldson J, Nau SD, Soeffing JP, Murray D, Lester KW, Agulliard RN (2005) Actigraphy validation with insomnia. Sleep 29:232–238Google Scholar
  15. 15.
    Moser D, Anderer P, Guber G, Parapatics S, Loretz E, Boeck M, Kloesch G, Heller E, Schmidt A, Danker-Hopfe H, Saletu B, Zeitlhofer J, Dorffner G (2009) Sleep classification according to AASM and Rechtschaffen & kales: effects on sleep scoring parameters. Sleep 32(2):139–149CrossRefPubMedPubMedCentralGoogle Scholar
  16. 16.
    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 assessment of sleep in normal subjects. Sleep Breath 19:91–98CrossRefPubMedGoogle Scholar
  17. 17.
    Peppard PE, Young T, Barnet JH, Palta M, Hagen EW, Hla KM (2013) Increased prevalence of sleep-disordered breathing in adults. Am J Epidemiol 177(9):1006–1014CrossRefPubMedPubMedCentralGoogle Scholar
  18. 18.
    Rechtschaffen A, Kales A (eds) (1968) A manual of standardized terminology, techniques and scoring system of sleep stages in human subjects. Brain Information Service, Brain Research Institute, University of California, Los AngelesGoogle Scholar
  19. 19.
    Soucise A, Vaughn C, Thompson CL, Millen AE, Freudenheim JL, Wactawski-Wende J, Phipps AI, Hale L, Qi L, Ochs-Balcom HM (2017) Sleep quality, duration, and breast cancer aggressiveness. Breast Cancer Res Treat 164(1):169. https://doi.org/10.1007/s10549-017-4245-1 CrossRefPubMedGoogle Scholar
  20. 20.
    Terjung S, Wang Y, Werther S, Zaffaroni A, Teschler H, Weinreich G (2016) Validierung von SleepMinder zur Erfassung der Schlafqualität bei Patienten mit OSAS. Somnologie 20:54–60CrossRefGoogle Scholar
  21. 21.
    Türoff A, Thiem U, Fox H, Spießhöfer J, Bitter T, Tamisier R, Punjabi NM, Horstkotte D, Oldenburg O (2017) Sleep duration and quality in heart failure patients. Sleep Breath. https://doi.org/10.1007/s11325-017-1501-x PubMedGoogle Scholar
  22. 22.
    Voinescu BI, Wislowska M, Schabus M (2014) Assessment of somnowatch plus EEG for sleep monitoring in healthy individuals. Physiol Behav 132:73–78CrossRefPubMedGoogle Scholar
  23. 23.
    Wang D, Wong KK, Dungan GC, Buchanan PR, Yee BJ, Grundstein RR (2008) The validity of wrist actimetry assessment of sleep with and without sleep apnea. J Clin Sleep Med 4:450–455PubMedPubMedCentralGoogle Scholar
  24. 24.
    Weinreich G, Wessendorf TE, Erdmann T, Moebus S, Dragano N, Lehmann N, Stang A, Roggenbuck U, Bauer M, Jöckel KH, Erbel R, Teschler H, Möhlenkamp S, Heinz Nixdorf Recall (HNR) study group (2013) Association of obstructive sleep apnoea with subclinical coronary atherosclerosis. Atherosclerosis 231(2):191–197CrossRefPubMedGoogle Scholar
  25. 25.
    Weinreich G, Terjung S, Wang Y, Werther S, Zaffaroni A, Teschler H (2014) Validierung von SleepMinder als Screeninggerät für die obstruktive Schlafapnoe. Somnologie 18(4):238–242CrossRefGoogle Scholar
  26. 26.
    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):893–900CrossRefPubMedGoogle Scholar
  27. 27.
    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 328:1230–1235CrossRefPubMedGoogle Scholar
  28. 28.
    Zaffaroni A, de Chazal P, Heneghan C, Boyle P, Mppm PR, McNicholas WT (2009) Sleepminder: an innovative contact. Free device for the estimation of the apnoea-hypopnoea index. Conf Proc IEEE Eng Med Biol Soc. https://doi.org/10.1109/IEMBS.2009.5332909 PubMedGoogle Scholar
  29. 29.
    Zaffaroni A, Kent B, O’Hare E, Heneghan C, Boyle P, O’Connell G, Pallin M, de Chazal P, McNicholas WT (2013) Assessment of sleep-disordered breathing using a non-contact bio-motion sensor. J Sleep Res 22(2):231–236CrossRefPubMedGoogle Scholar

Copyright information

© Springer Medizin Verlag GmbH 2017

Authors and Affiliations

  1. 1.RuhrlandklinikEssenGermany

Personalised recommendations