Optimización de cafeína en tiempo real durante la privación total del sueño

El primer objetivo del presente estudio es determinar si el modelo de optimización de cafeína 2B-Alert (2BAlert) puede crear programas de cafeína individualizados que recuperen efectivamente el rendimiento de PVT durante un período de tiempo específico. El modelo 2BAlert es el eje del sistema integral de gestión de la fatiga que está siendo desarrollado por el Instituto de Investigación del Ejército Walter Reed (WRAIR) y el Instituto de Aplicaciones de Software de Computación de Alto Rendimiento de Biotecnología (BHSAI). Es una herramienta de software que "aprende" (cuantifica) la relación entre los parámetros de sueño/vigilia de un individuo (medidos objetivamente a través de actigrafía de muñeca) y su desempeño psicomotor (medidos objetivamente en un PVT). Cuantifica el grado en que un individuo es sensible/resistente a los efectos de la pérdida de sueño y produce predicciones de rendimiento individualizadas que se pueden usar para informar decisiones sobre la preparación actual y futura, así como la aplicación de contramedidas para la fatiga, como siestas o cafeína. . La versión más reciente de 2BAlert puede aplicar contramedidas de fatiga directamente a un individuo en función de su predicción de rendimiento individualizado. Este modelo brinda recomendaciones sobre cuándo y cuánta cafeína usar para optimizar el rendimiento durante un período de tiempo específico. Si bien este modelo se ha aplicado post-hoc a los datos recopilados previamente, aún no se ha probado en tiempo real. Este estudio brindará la primera oportunidad de probar directamente si el modelo se puede usar de manera efectiva, en tiempo real, para recuperar el rendimiento de PVT al nivel deseado (es decir, 275 ms) cuando sea necesario (es decir, un período de seis horas después de 44 horas de sueño). pérdida).

Un segundo objetivo del presente estudio es investigar si 2BAlert no solo puede recuperar el rendimiento de PVT durante un período específico, sino también recuperar los aumentos en el estrés y la ansiedad autoinformados relacionados con la pérdida de sueño. Los datos de un estudio anterior realizado por WRAIR muestran que el estrés y la ansiedad autoinformados aumentan después de 1 noche de pérdida de sueño y continúan aumentando después de una segunda noche de privación continua del sueño. Estas medidas vuelven a la línea de base después de 12 horas de sueño de recuperación y se asignan directamente al rendimiento de PVT. Por lo tanto, los investigadores plantean la hipótesis de que si el rendimiento de PVT se puede recuperar con la cafeína, el estrés y la ansiedad autoinformados también pueden volver a los niveles iniciales con la cafeína.

Un objetivo terciario del estudio es evaluar si las imágenes adquiridas con la cámara de un teléfono inteligente son adecuadas para desarrollar un sistema de visión por computadora pasivo y no intrusivo que podría sustituir al PVT para evaluar el estado de alerta. Actualmente, el algoritmo utiliza datos de PVT porque: (a) en comparación con otras medidas de rendimiento, el PVT es relativamente sensible a la pérdida de sueño y al ritmo circadiano de alerta; y (b) no hay efectos de aprendizaje en el PVT. Sin embargo, el PVT requiere que una persona participe activamente en una prueba de 3 a 10 minutos de duración, que debe realizarse al menos una docena de veces durante la privación del sueño, lo que la convierte en una prueba sensible pero poco práctica para medir el estado de alerta de un soldado en entornos operativos.

Todos los participantes participarán en las siguientes fases de estudio continuo. Se puede administrar chicle con cafeína durante este estudio.

Fase 1: Medición del sueño/vigilia en el hogar: Se indicará a todos los participantes que mantengan su horario normal de sueño/vigilia durante los 13 días/12 noches inmediatamente anteriores a la fase 2 (la parte del estudio en el laboratorio). El cumplimiento se verificará objetivamente mediante actigrafía de muñeca. A los participantes se les dará un teléfono inteligente y se les pedirá que completen un PVT cada 3 horas mientras están despiertos y registren su uso normal de cafeína, así como la duración del sueño diario.

Fase 2: Evaluación del rendimiento del sueño/vigilia y PVT en el laboratorio: los participantes se presentarán en el laboratorio del sueño a las 19:00 horas del día 13. Mientras están despiertos en el laboratorio, completarán varias pruebas cognitivas, incluido el PVT, y grabarán un video de 3 minutos de su rostro cada 3 horas. Se les permitirá dormir desde las 23:00 horas del día 13 hasta las 07:00 horas del día 14 y el sueño se controlará mediante PSG y actigrafía. A esto le seguirán 62 horas de vigilia continua (es decir, desde las 07:00 h del día 14 hasta las 21:00 h del día 16). A las 19:00 del día 15, 2BAlert se ejecutará para cada individuo y utilizará el sueño y el rendimiento previos de cada individuo para crear un programa de dosificación de cafeína individualizado para optimizar el rendimiento desde las 03:00 hasta las 09:00 del día 16.

Fase 3: Recuperación en el laboratorio: todos los participantes se someterán a una fase de recuperación que constará de 12 horas en cama desde las 21:00 horas del día 16 hasta las 09:00 horas del día 17 y el sueño se controlará mediante PSG y actigrafía. El programa de pruebas cognitivas y grabación de video facial continuará desde la Fase 2 durante las horas de vigilia. Después de ser evaluados por un médico del estudio, serán dados de alta del estudio aproximadamente a las 18:00 horas del día 17. Así, los participantes estarán en el laboratorio un total de 95 horas.

El criterio principal de valoración de este estudio es el rendimiento de la prueba de vigilancia psicomotora (PVT), medido mediante Smart-PVT. Un criterio de valoración secundario es el estrés y la ansiedad autoinformados, medidos por la Escala analógica visual de estrés y el Inventario de ansiedad rasgo-estado de Spielberger, respectivamente. Un tercer punto final del estudio es probar si las imágenes faciales capturadas con la cámara del teléfono podrían usarse para evaluar el nivel de alerta de los sujetos con privación del sueño.

Hipótesis a probar: (a) Los datos de rendimiento psicomotor recopilados en el Smart-PVT permanecerán en 275 ms o menos durante la Ventana de Alerta Máxima de rendimiento optimizado, lo que indica que 2BAlert es válido y está listo para ser utilizado en futuros estudios de campo y entornos operativos. (b) El estrés y la ansiedad autoinformados volverán a los niveles de referencia durante la Ventana de Alerta Máxima y se mapearán en la recuperación del rendimiento de PVT durante esta ventana de tiempo.

ANTECEDENTES: Los déficits neuroconductuales inducidos por la pérdida de sueño son una amenaza reconocida para la seguridad y la productividad en entornos operativos tanto civiles como militares. Los accidentes y percances relacionados con la fatiga muy publicitados (incluidos percances comerciales como los ocurridos en 3-Mile Island, Chernobyl y Bhopal; y percances militares como la emboscada de la 507th Maintenance Company) siguen llamando la atención sobre el problema del sueño. pérdida/somnolencia en entornos operativos. Dichos accidentes resaltan los efectos perjudiciales de la pérdida de sueño en la toma de decisiones, la vigilancia, la resolución de problemas y otras habilidades mentales críticas para la eficacia militar. Publicaciones y manuales del Ejército, el Cuerpo de Marines de los EE. UU. y la Marina de los EE. UU. han documentado los efectos nocivos de la pérdida del sueño con relevancia militar en el estado de alerta y el rendimiento. La quinta encuesta del Equipo Asesor de Salud Mental del Ejército de los combatientes que prestan servicio en la Operación Libertad Iraquí y la Operación Libertad Duradera reveló que los miembros del servicio que informaron dormir menos también informaron tasas más altas de accidentes y errores, y respaldaron con mayor frecuencia elementos de salud mental negativos.

El Departamento de Defensa ha financiado el desarrollo de un modelo computacional para cuantificar los efectos de las cantidades diarias de sueño en el desempeño neuroconductual. La versión más reciente (y más avanzada) del modelo matemático de predicción del sueño/rendimiento es el modelo 2BAlert, desarrollado por BHSAI. Al igual que sus predecesores, 2BAlert se basó principalmente en datos PVT recopilados en el laboratorio de investigación del sueño WRAIR. Los datos de PVT se usaron porque, con el fin de construir modelos de predicción de rendimiento/sueño, generalmente son superiores a los datos de otras medidas de rendimiento en varios aspectos importantes: (a) en comparación con otras medidas de rendimiento, el PVT es relativamente sensible a la pérdida de sueño y el ritmo circadiano de alerta; (b) no hay efectos de aprendizaje en el PVT; y (c) se ha demostrado previamente que un modelo de predicción de rendimiento/sueño basado en PVT tiene una buena validez ecológica. Es decir, se ha demostrado que las predicciones de eficacia del rendimiento del modelo basado en PVT se correlacionan bien con el "riesgo de accidentes" en las operaciones ferroviarias reales.

La herramienta 2BAlert actual viene en dos formas: 1) una herramienta basada en la web que toma los horarios de sueño y cafeína y muestra el rendimiento PROMEDIO DEL GRUPO previsto y 2) una aplicación de teléfono inteligente que utiliza el rendimiento individual medido con el PVT en un teléfono inteligente para individualizar el rendimiento modelo predictivo. Esta versión de la herramienta fue validada con éxito en un estudio reciente de WRAIR. La versión más reciente de la aplicación para teléfonos inteligentes utiliza predicciones de rendimiento individualizadas para calcular la programación de cafeína individualizada que optimiza el rendimiento durante períodos específicos. Si bien esta herramienta se desarrolló utilizando datos recopilados en WRAIR y se ejecutó post-hoc en datos recopilados previamente en WRAIR, aún no se ha probado en tiempo real. Por lo tanto, el propósito de este estudio es validar este algoritmo de optimización de cafeína en tiempo real. Los investigadores utilizarán el mismo protocolo de estudio que el reciente estudio WRAIR porque se sabe que existe variabilidad en el rendimiento en una población sana durante este período de tiempo y que el rendimiento general es más lento que 275 ms y el estrés y la ansiedad autoinformados aumentan significativamente sin un intervención de cafeína. Además, al utilizar un diseño de estudio anterior, los investigadores pueden minimizar la carga del equipo de estudio al crear nueva documentación y cronogramas.

Dando un paso atrás, es importante abordar por qué la optimización de la cafeína es importante y relevante para las fuerzas armadas. Si bien la cafeína es ampliamente aceptada y utilizada como estimulante para contrarrestar los efectos de la fatiga asociada con el trabajo por turnos y la pérdida de sueño, un estudio anterior realizado por WRAIR demostró que la cafeína pierde su eficacia e incluso puede retrasar la recuperación con el uso repetido y la pérdida crónica de sueño. Este sorprendente resultado indica que la cafeína tiene un límite y un costo y, por lo tanto, el guerrero sería más efectivo si utilizara la cafeína de manera óptima. Para estudios previos de cafeína con duraciones similares de privación continua del sueño que el protocolo actual, los participantes recibieron 800 mg de cafeína durante cada noche. Si bien esta investigación sugiere que los investigadores podrían recuperar el rendimiento dando a todos los participantes en este estudio 800 mg de cafeína, el algoritmo 2BAlert les permitirá a los investigadores darles a algunos participantes menos cafeína pero aún así alcanzar el mismo resultado que si todos hubieran recibido 800 mg de cafeína.

Investigaciones recientes aplicaron el algoritmo 2BAlert post-hoc utilizando los parámetros establecidos en este protocolo. Los resultados del modelo muestran que todos los participantes recuperaron el rendimiento durante la ventana de máxima alerta, es decir, entre 44 y 50 horas despiertos, donde la recuperación se define como 275 ms o más rápido, y más de la mitad de los sujetos requirieron menos de la mitad de la cantidad total máxima permitida de cafeína (800 mg). ), mientras que tres sujetos no requirieron cafeína en absoluto. Los investigadores esperan validar 2BAlert aplicándolo a datos en tiempo real utilizando el diseño original del estudio.

Además de probar el modelo de optimización de cafeína, los investigadores también están interesados ​​en probar la hipótesis de que si el rendimiento de PVT se puede recuperar con cafeína, el estrés y la ansiedad autoinformados también se pueden recuperar. Un trabajo reciente encontró que el estrés y la ansiedad autoinformados aumentaron con una mayor pérdida de sueño y se recuperaron a la línea de base después del sueño de recuperación, siguiendo la misma tendencia que los datos de rendimiento de PVT. Si bien trabajos anteriores han demostrado que el estrés y la ansiedad autoinformados aumentan con 1 noche de insomnio, estos son los primeros datos que muestran que el estrés y la ansiedad autoinformados continúan aumentando después de 2 noches de insomnio. Actualmente no hay estudios que informen si y cómo el estrés y la ansiedad autoinformados pueden recuperarse con cafeína durante la pérdida de sueño.