Heart Rate Variability and Firstbeat Method for Detecting Sleep Stages in Healthy Young Adults: Feasibility Study
Notice bibliographique
Résumé
BACKGROUND: Polysomnography (PSG) is considered the only reliable way to distinguish between different sleep stages. Wearable devices provide objective markers of sleep; however, these devices often rely only on accelerometer data, which do not enable reliable sleep stage detection. The alteration between sleep stages correlates with changes in physiological measures such as heart rate variability (HRV). Utilizing HRV measures may thus increase accuracy in wearable algorithms. OBJECTIVE: We examined the validity of the Firstbeat sleep analysis method, which is based on HRV and accelerometer measurements. The Firstbeat method was compared against PSG in a sample of healthy adults. Our aim was to evaluate how well Firstbeat distinguishes sleep stages, and which stages are most accurately detected with this method. METHODS: Twenty healthy adults (mean age 24.5 years, SD 3.5, range 20-37 years; 50% women) wore a Firstbeat Bodyguard 2 measurement device and a Geneactiv actigraph, along with taking ambulatory SomnoMedics PSG measurements for two consecutive nights, resulting in 40 nights of sleep comparisons. We compared the measures of sleep onset, wake, combined stage 1 and stage 2 (light sleep), stage 3 (slow wave sleep), and rapid eye movement (REM) sleep between Firstbeat and PSG. We calculated the sensitivity, specificity, and accuracy from the 30-second epoch-by-epoch data. RESULTS: In detecting wake, Firstbeat yielded good specificity (0.77), and excellent sensitivity (0.95) and accuracy (0.93) against PSG. Light sleep was detected with 0.69 specificity, 0.67 sensitivity, and 0.69 accuracy. Slow wave sleep was detected with 0.91 specificity, 0.72 sensitivity, and 0.87 accuracy. REM sleep was detected with 0.92 specificity, 0.60 sensitivity, and 0.84 accuracy. There were two measures that differed significantly between Firstbeat and PSG: Firstbeat underestimated REM sleep (mean 18 minutes, P=.03) and overestimated wake time (mean 14 minutes, P<.001). CONCLUSIONS: This study supports utilizing HRV alongside an accelerometer as a means for distinguishing sleep from wake and for identifying sleep stages. The Firstbeat method was able to detect light sleep and slow wave sleep with no statistically significant difference to PSG. Firstbeat underestimated REM sleep and overestimated wake time. This study suggests that Firstbeat is a feasible method with sufficient validity to measure nocturnal sleep stage variation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».