Viselhető technológia az alvással összefüggő légzési rendellenességek kimutatására és értékelésére (ReSTech)

Az elmúlt években az alvászavarok egyre fontosabbá váltak, mivel nagy elterjedtségük és a mindennapi életre gyakorolt ​​hatásuk befolyásolja az emberek napi feladatok elvégzésének képességét és csökkenti az életminőséget. Ezek a rendellenességek magukban foglalják az elalvási nehézségeket, a légzéskimaradásokat és a rossz alvásminőséget, különösen jelentősek az alvással kapcsolatos légzési rendellenességek (SRBD), például az obstruktív alvási apnoe (OSA). Az alvás közbeni ismétlődő légúti elzáródásokkal járó OSA különösen gyakori az idősebb felnőtteknél, az elhízott személyeknél és a férfiaknál, de gyakran aluldiagnosztizálják.

Az SRBD nemcsak megzavarja az alvást, hanem növeli a krónikus betegségek, például a cukorbetegség, a magas vérnyomás és a stroke kockázatát is, miközben gazdasági terhet jelent az orvosi erőforrások iránti nagyobb igény miatt. A testi és lelki egészségre gyakorolt ​​hatásuk fáradtsághoz, csökkent termelékenységhez, munkahelyi balesetekhez, sőt rokkantsághoz vezet, rávilágítva a hatékonyabb diagnosztikai és irányítási eszközök szükségességére.

Míg a poliszomnográfia (PSG) az alvászavarok diagnosztizálásának aranystandardja, magas költsége és invazív jellege korlátozza hozzáférhetőségét. A hordható eszközök, például a csuklópántok és az órák elérhetőbb és nem invazív alternatívát kínálnak, valós idejű adatokat szolgáltatva az alvásról, a pulzusszámról és a tevékenységről. Bár ígéretesek, ezek az eszközök még mindig további kutatást igényelnek, hogy megerősítsék pontosságukat az SRBD kimutatásában. A projekt célja, hogy értékelje a viselhető eszközök, mint kiegészítő eszközök hatékonyságát e rendellenességek diagnosztizálásában és kezelésében. Konkrétan a következő konkrét céljai vannak: (1) A hordható eszközök, például a karszalagok és órák pontosságának, specifikusságának és érzékenységének felmérése a vér oxigéntelítettségének, pulzusszámának és aktivitásának mérése során, összehasonlítva az éjszakai poligráfiával. (2) Felügyelet nélküli tanulási technikák segítségével elemezni ezen eszközök hatékonyságát a potenciális alvással összefüggő légzési rendellenességben (SRBD) szenvedő egyének azonosításában. (3) A mesterséges intelligencia modell hatásának és teljesítményének értékelése a potenciális SRBD kimutatására és osztályozására.