Sleep Detection for Younger Adults, Healthy Older Adults, and Older Adults Living With Dementia Using Wrist Temperature and Actigraphy: Prototype Testing and Case Study Analysis
Notice bibliographique
Résumé
BACKGROUND: Sleep is essential for one's health and quality of life. Wearable technologies that use motion and temperature sensors have made it possible to self-monitor sleep. Although there is a growing body of research on sleep monitoring using wearable devices for healthy young-to-middle-aged adults, few studies have focused on older adults, including those living with dementia. OBJECTIVE: This study aims to investigate the impact of age and dementia on sleep detection through movement and wrist temperature. METHODS: A total of 10 younger adults, 10 healthy older adults, and 8 older adults living with dementia (OAWD) were recruited. Each participant wore a Mi Band 2 (accemetry-based sleep detection) and our custom-built wristband (actigraphy and wrist temperature) 24 hours a day for 2 weeks and was asked to keep a daily sleep journal. Sleep parameters detected by the Mi Band 2 were compared with sleep journals, and visual analysis of actigraphy and temperature data was performed. RESULTS: The absolute differences in sleep onset and offset between the sleep journals and Mi Band 2 were 39 (SD 51) minutes and 31 (SD 52) minutes for younger adults, 49 (SD 58) minutes and 33 (SD 58) minutes for older adults, and 253 (SD 104) minutes and 161 (SD 94) minutes for OAWD. The Mi Band 2 was unable to accurately detect sleep in 3 healthy older adults and all OAWDs. The average sleep and wake temperature difference of OAWD (1.26 °C, SD 0.82 °C) was significantly lower than that of healthy older adults (2.04 °C, SD 0.70 °C) and healthy younger adults (2.48 °C, SD 0.88 °C). Actigraphy data showed that older adults had more movement during sleep compared with younger adults and that this trend appears to increase for those with dementia. CONCLUSIONS: The Mi Band 2 did not accurately detect sleep in older adults who had greater levels of nighttime movement. As more nighttime movement appears to be a phenomenon that increases in prevalence with age and even more so with dementia, further research needs to be conducted with a larger sample size and greater diversity of commercially available wearable devices to explore these trends more conclusively. All participants, including older adults and OAWD, had a distinct sleep and wake wrist temperature contrast, which suggests that wrist temperature could be leveraged to create more robust and broadly applicable sleep detection algorithms.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».