//Logo Image
作者:徐業良,鄭智銘 (2008-02-17)
附註:本文為滄海書局出版「老人福祉科技與遠距居家照護技術」第十一章。

第十一章 適用於居家環境之睡眠監測技術的發展

睡眠占據了人生三分之一的時間,不良的睡眠品質對於生理及心理健康會造成不良的影響,高齡者更常見不同程度的睡眠障礙。藉著各種生理監測技術的發展,目前對於睡眠已經有全貌性的瞭解,而隨著相關睡眠訊號監測設備及資訊通訊技術的普及,睡眠品質監測與評估也從睡眠診所的醫療專業診斷,逐漸走向可在居家環境下進行的日常保健行為,成為遠距居家健康照護重要項目之一。

本章針對睡眠相關監測技術進行介紹,內容著重於適合居家環境中使用的睡眠生理監測技術。

11.1 認識睡眠

「你昨晚睡的好嗎?」

這是一句常聽到的問候語,卻也是個不易回答的問題。我們可以詳細地描述晚餐吃了幾道菜、喝了幾碗湯,卻不容易準確地回憶昨晚睡了幾個小時、做了幾個夢、翻過幾次身…,而睡眠相關的疾病,如打鼾、夢遊、呼吸中止症等,更無法由病患本身察覺,往往必須藉由他人的觀察才能發現。

對於睡眠的研究與探索起步比較晚,原因之一是睡眠者本身無法清楚地描述睡眠時的情形,必須仰賴研究人員或護理人員進行整夜的觀察,非常耗費人力;此外早期學者認為睡眠狀態是一個靜止、與現實暫時脫離的狀態,甚至定義睡眠為介於生死之間的階段,並無特別值得研究的地方。這樣的描述是對於睡眠狀態下眼睛閉合、活動力減少、對外在環境反應降低等現象的觀察而來,其實睡眠狀態不似一般人想像的靜止,一夜的睡眠伴隨著大約20~60次的翻身動作,且大腦在睡眠時仍持續運作。睡眠學研究之父Nathaniel Kleitman將睡眠比擬為汽車引擎低速空轉狀態,而非引擎靜止,他認為睡眠只是“對清醒狀態的間歇性暫時休止或中斷”。對心理學家而言,清醒與睡眠都屬於有意識的狀態,睡眠並非代表全無知覺或暫時死亡的狀態,只是對周遭事物的監督能力降低而已。

1929年德國精神科醫師Hans Berger成功地以置於頭皮上之電極收集、記錄腦波(electroencephalogram, EEG)之後,研究者方得一窺睡眠過程中大腦活動的情形。現今睡眠醫學上將睡眠區分為「非快速眼動(Non-Rapid Eye Movement, NREM)」以及「快速眼動(Rapid Eye Movement, REM)」兩個狀態。NREM也稱「常型睡眠」,是最早被觀察到並定義的睡眠階段,由淺眠至深眠可區分為I~IV期。REM則直到1953年才由AserinskyKleitman兩位研究者所發現,他們觀察到REM時期的腦波與清醒時非常相似,而外在活動上會伴隨著眼球快速轉動,同時他們也發現了REM與作夢的關聯性,若在REM時期喚起睡眠者,多數受測者會回應其正處於作夢的階段。REM的發現是睡眠醫學的一大進步,證實了夢境並非在睡眠過程中隨機出現,而是有固定的週期和規律性,每一個睡眠循環約60~90分鐘,由NREMREM組成,一個晚上重複4~6次的睡眠循環。

睡眠對人體的功能至今仍然屬於研究上的議題。1973Hartmann在其著作「睡眠的功能(The Functions of Sleep)[Hartmann, 1973]一書中,說明深眠期睡眠為精神與身體疲勞恢復以及身體細胞修復進行的階段;另一方面,REM睡眠的功能則顯得相當重要,許多研究指出REM睡眠與腦部發育、記憶、學習相關。總括而言,睡眠與身體機能恢復、生理和心理健康均有密切的關係。

某些疾病僅發生於睡眠狀態中,睡眠疾病所帶來的困擾,輕則影響睡眠品質,重則可能會對生命造成威脅。「國際睡眠疾病分類(The International Classification of Sleep Disorders, ICSD)」將睡眠疾病區分為四類:對睡眠質與量有影響的睡眠疾病稱為「睡眠異常(dyssomnias)」,常見的睡眠異常包含「失眠(psychophysiological insomnia)」、「阻塞式睡眠呼吸中止症(Obstructive Sleep Apnea Syndrome, OSAS)」、「週期性肢體抖動症(Periodic Limb Movement Disorder, PLMD)」等;在睡眠過程中出現的某些不會造成睡眠中斷的異常行為,則稱為「異睡症(parasomnias)」,常見的異睡症有夢遊、夢話、單純性打呼(primary snoring)等;此外尚有「與內科或精神科有關的睡眠疾病(sleep disorders associated with medical/psychiatric disorders)」,以及「待確認的睡眠疾病(proposed sleep disorder)」兩個類別。

行政院主計處於2005年所進行的「社會發展趨勢調查」報告中指出,我國15歲以上國民有24.39%的比例有失眠困擾,而各年齡層中以65歲及以上者之失眠困擾比例39.89%為最高,其次是55~64歲者之26.51%【行政院主計處,2005】,失眠困擾者之比例明顯地隨著年齡層增加而升高。隨著現代人睡眠困擾的增加與對生活品質要求的提升,睡眠相關研究,包括睡眠疾病的診斷或是睡眠生理相關監測技術的開發,都日益受到重視,例如睡眠中的翻身活動與睡眠的深度相關,是學者最早產生興趣的監測項目,而睡眠呼吸中止症對健康造成的危害,則是患者最積極求診的項目。以下章節將分別討論睡眠生理監測技術與睡眠品質評估方法。

11.2 睡眠生理監測技術

如前所述,睡眠者本身無法清楚地描述睡眠中的狀態或察覺本身的睡眠疾病,因此必須仰賴各式睡眠生理監測技術,瞭解受測者的睡眠狀態,以做睡眠相關疾病診斷與睡眠品質評估。臨床診斷上,「多項生理監測儀(Polysomnography, PSG)」是一個公認客觀的睡眠監測設備。本節中首先將介紹多項生理監測儀,接著並介紹適合居家環境中應用之睡眠監測技術,包括對於睡眠中呼吸以及身體活動相關之監測技術發展。

11.2.1 多項生理監測儀

多項生理監測儀(PSG)是藉由多組生理感測器監測受測者的睡眠生理狀態,並藉由生理資訊的分析進行睡眠階段的判定與睡眠相關疾病的診斷。一般而言,PSG常見的監測項目包括:

(1)   睡眠階段判別,如腦波圖(Electroencephalography, EEG)與眼動圖(Electrooculogram, EOG)

(2)   身體活動監測,如肌電圖(Electromyography, EMG)與體位感測(body position)

(3)   呼吸相關監測,如鼾聲、鼻部氣流、呼吸動作、血氧濃度。

(4)   其他感測訊號,如心電圖(Electrocardiograph, ECG)

以量測腦波做睡眠階段的判別是多項生理監測儀主要的功能,清醒時的腦波以7~13Hzab波為主,隨著睡眠的深度增加,頻率更低的q波和d波所占比例會越來越高。1968RechtschaffenKales提出“R-K method”做臨床上睡眠階段的判斷,主要是評估腦波中各種波段所占的比例,進行NREM睡眠I~IV期的判定,並藉由眼動圖辨識REM睡眠,瞭解受測者的睡眠時間與睡眠型態,這也是目前睡眠醫學上主流的睡眠階段判定法則。

睡眠中身體活動的監測與睡眠呼吸相關疾病的診斷,也是PSG非常重要的功能。身體活動監測是藉由肌電圖監測上肢與下肢的活動,並藉由身體體位感測器監測身體翻身等活動的情形,相關資訊可用來進行週期性肢體抖動症(PLMD)的診斷,並瞭解睡眠中身體活動的情況。呼吸相關的感測器則包括鼾聲感測、鼻部氣流、呼吸動作、血氧濃度四項,主要的功用是睡眠中鼾聲與阻塞式睡眠呼吸中止症(OSAS)病患的篩檢。大部分的睡眠疾病僅是影響病患的睡眠品質,但OSAS嚴重時有危害生命的風險,因此也是目前應用PSG常見的監測項目。

現行睡眠相關疾病的診斷方式,多半是安排患者進行一夜或數夜的多項生理監測,藉由PSG提供的資訊進行相關的診斷與評估。一般而言,使用PSG進行睡眠監測必須在專業的睡眠實驗室進行,並由專業護理人員進行操作,過程中必需黏貼大量的腦波電極、心電圖電極、肌電圖電極、鼻部氣流感測器、胸腔活動感測帶以及血氧計等,在不熟悉的環境以及配戴大量感測裝置的狀況下,往往對受測者的睡眠造成影響。在專業的睡眠實驗室以PSG做整晚的睡眠監測,成本相當昂貴,近年來由於可攜式多項生理監測儀的出現,患者可於家中進行睡眠監測,但醫護人員仍需至受測者家中進行感測器的黏貼與儀器的設置。

隨著感測器技術的進步以及睡眠研究的發展,許多學者致力研究如何以更輕巧、更簡便、非接觸式、甚至非察覺性的感測技術做睡眠監測,讓睡眠監測不再侷限於醫療院所或睡眠實驗室的醫療服務,而是可以在居家環境中進行的日常保健行為,其中又以睡眠呼吸相關監測及睡眠中身體活動監測為主要的研究方向。

11.2.2 適用於居家環境之睡眠呼吸相關監測技術

鼾聲與阻塞式睡眠呼吸中止症(OSAS)是常見的睡眠困擾,也是睡眠生理監測技術中相當多學者投入研究的領域。鼾聲與OSAS的發生,都是因人體肌肉在睡眠時呈現鬆弛的狀態,上呼吸道受到舌根或軟顎的壓迫而造成呼吸道不通暢,便產生鼾聲,而當呼吸道部分或完全被阻塞時便稱為阻塞式睡眠呼吸中止症。

OSAS發生時,可以觀察到患者胸腔仍有起伏,但是呼吸與鼾聲因呼吸道阻塞而中斷,待患者因短暫覺醒恢復呼吸後,常伴隨著非常大的鼾聲,因此暫停10~60秒的間斷鼾聲,也被視為OSAS的徵兆。在使用PSG的檢測中,鼾聲是利用麥克風或喉部振動感測器來監測,而OSAS則另需鼻部氣流、胸腹腔呼吸活動、血氧濃度等三項感測資訊進行評估。

OSAS在一般臨床診斷上以AHI(Apnoea Hypopnoea Index)作為病況的評估指標。AHI代表每小時呼吸中止或部分呼吸中止的次數,AHI介於5~15間為輕度睡眠呼吸中止症,介於15~30間為中度睡眠呼吸中止症,AHI超過30則為重度患者,目前台灣地區AHI超過40的重度睡眠呼吸中止症患者可向衛生局申請輕度殘障手冊。

OSAS發生時因為呼吸道阻塞而導致血氧濃度的下降,患者為了恢復呼吸往往會伴隨著短暫的覺醒,造成睡眠中斷。夜間長時間腦部缺氧以及斷斷續續的睡眠型態,常反應在白天精神不濟、嗜睡等現象;較嚴重的睡眠呼吸中止症,長期累積可能出現記憶力、注意力降低的現象,甚至在睡夢中因缺氧而死亡。一般在臨床診斷上會先藉由「嗜睡量表(Epworth Sleepiness Score)」的問卷,評估患者是否有日間嗜睡的現象,造成日間嗜睡的可能原因之一是因OSAS而造成夜間睡眠品質不良,經日間嗜睡量表篩選過的病患,方能進一步在睡眠實驗室以PSG進行檢查。

許多研究希望開發適合在居家環境中長期監測鼾聲與OSAS的設備。在這個領域中以麥克風收集受測者鼾聲,並進行頻譜或時域特性的分析為主流的研究方向,主要是因為鼾聲的頻率屬於低頻的範圍,而多數鼾聲像呼吸一樣具有持續、規律性的特性。Jane等人[2000]利用類神經網路設計了一套自動監測鼾聲的電腦系統,藉由22項聲音特徵的輸入,判別鼾聲與一般呼吸聲音的差異,在其評估中鼾聲辨認的準確率為90%Solà-Soler等人[2005]則是利用邏輯迴歸模型,以聲音的密度與頻譜特性,建立一般鼾聲患者與OSAS患者的判別系統;此模型參數經過校準後,可以100%篩選出呼吸中止症病患,但仍有57.1%的一般鼾聲患者被誤認為OSAS病患。利用聲音特徵分析做作鼾聲監測的優點,是不需要在受測者身上黏貼大量的感測器,受測者是在非拘束性甚至非察覺性的狀態下,進行睡眠呼吸相關疾病的評估。

隨著微處理器技術的發展,相關的監測技術不必再需要仰賴電腦的運算能力,從1990年代初期開始,更輕巧、可攜式的監測設備得以實現,如Cohen[1990]便以微處理器架構為基礎,設計了客觀、定量的鼾聲分析演算法;Penzel等人[1990, 1991]也建構了一套適合居家環境中使用的睡眠呼吸監測系統,名為“MESAM IV”(MAP; Martinsried, Germany)以數位方式記錄血氧濃度、心跳、鼾聲、身體姿勢,應用於鼾聲與OSAS等睡眠疾病的判斷。

MESAM IV的判斷法則中,鼾聲是以其聲音低頻的特性進行判斷,當聲音在50~800Hz的低頻比例超過50%時,便被認定為鼾聲。在OSAS的監測上,MESAM IV也利用間斷鼾聲進行判斷。圖11-1所示為典型OSAS鼾聲的聲音波形,鼾聲因呼吸道阻塞而暫停10~60秒,隨後因短暫覺醒而恢復呼吸。從聲音特徵分析的觀點上來看,這種鼾聲-間斷-鼾聲的特徵,便稱為「間斷性鼾聲(intermittent snoring)」,可以視為OSAS的徵兆。當呼吸因阻塞而中止時,會直接造成鼾聲間斷、血氧濃度下降,並因為短暫的清醒造成「心率變異性(Heart Rate Variability, HRV)」的變化。MESAM IV定義間斷鼾聲為兩個鼾聲間包含5~60秒的間距,並藉由間斷鼾聲指標(Intermittent Snoring Index, ISI)、心率變異性以及血氧濃度等綜合判斷呼吸中止症的發生。

11-1. 呼吸中止症鼾聲波形

以鼾聲的聲音特徵進行OSAS的篩選有許多優點,但僅依據聲音特徵的判斷方式會造成較高的誤判機率。以MESAM IV為例,其判別準確率經過許多學者的檢驗,證實MESAM IV在間斷鼾聲的判別上具有良好的靈敏度(sensitivity 92%~96%),但是特異性較低(specificity 16%~27%),代表一般鼾聲也容易被誤判成間斷性鼾聲。

目前已經有許多鼾聲監測相關的商品問世,主要的訴求是在以麥克風監測到鼾聲的同時,藉由震動或是電脈衝刺激讓使用者鼾聲停止,相關產品大多是手錶型配戴於手腕處,並利用電刺激方式止鼾,例如HIVOX公司[http://www.hivoxproduct.com/]“Snore WatchTMMicroCare公司[http://www.microcare.com/]“Snore Stopper”Silent Night公司的“True Sleep”等,國內歐興實業有限公司的「止鼾枕」則是在監測到鼾聲時,利用枕頭的振動達到止鼾的功能。

總而言之,藉由鼾聲特徵的分析進行呼吸中止症的判斷,具有設備輕巧、適合居家使用、適合長期使用、非接觸式等特點,適用於OSAS病患的先期篩選以及居家環境中睡眠監測系統的建立。

11.2.3 適用於居家環境之睡眠中身體活動監測

睡眠中身體活動監測是睡眠相關監測技術上起步最早的項目,早期適用於居家環境之睡眠中身體活動監測技術研究,著重於受測者臥床∕離床時間、睡眠中翻身次數等監測。利用影像辨識相關技術做睡眠中身體活動監測所需成本較高,且有隱私方面的問題,因此相關監測所應用的技術大多是採用感測力的方式。利用「荷重元(load cell)」是最常見量測力的方式,如圖11-2所示,僅需要在四支床腳上裝設荷重元,經過類比∕數位訊號轉換(A/D converter)後傳送至電腦做分析,便可藉由四支床腳荷重訊號的改變,得知使用者離床∕臥床時間、身體活動等資訊。因為這項技術的門檻較低、價格也相對低廉,許多學者均是使用類似技術做睡眠中身體活動監測[Wheatley, et al., 1980; Barbenel, et al., 1985; Choi, et al., 2004; Adami, 2005]

11-2. 以荷重元量測睡眠中身體活動

為了要能更細部地感測睡眠中的身體活動狀態,體積較小、量測範圍也較小的「力感測器(force sensor)」也常被應用在睡眠中身體活動的監測上。如圖11-3所示,Nishida[1997]等人設計的“Robotic Bed”,在床面上布置了221個力感測器,進行身體姿態與呼吸訊號的監測;Van der Loos等人[2004]也應用了相似的概念,以54個力感測器和54個溫度感測器建構了SleepSmart™,應用於身體質量中心的計算與身體活動程度的評估;Harada[2000]所設計的睡眠監測裝置,藉由枕頭下放置的壓力感測裝置,監測因呼吸時壓力改變而產生的規律性波動,當睡眠姿勢改變時所引起的壓力劇烈變化,也可作為身體動作判別的指標。

11-3. 以力感測器監測睡眠中身體活動[Nishida, 1997]

隨著新的感測材料的開發,荷重元、力感測器等較大型感測設備,漸漸被輕薄的墊狀感測設備所取代。例如「靜電荷感應床(Static Charge Sensitive Bed, SCSB)」利用兩片金屬與夾在中間的非導電材料,形成類似電容器的感測單元,可藉以監測睡眠中的身體活動狀態,許多學者的研究中都使用SCSB作為睡眠中的身體活動狀態監測工具[Alihanka and Vaahtoranta, 1979; Rauhala, et al., 1996; Kaartinen, et al., 2003]。另一個輕巧的感測技術是氣墊式的感測墊,圖11-4所示為Watanabe[2005]所設計置於床墊下的氣壓墊(air cushion),藉由氣壓感測器的變化監測受測者的身體活動情況。紡織技術也被應用在睡眠的監測上,如圖11-5所示,Kimura[2004]等人應用縱橫交錯的導電纖維,量測受測者的身體姿勢、呼吸訊號、心跳訊號等感測訊號(圖11-5中之“sensor data signal”),經由感測器控制器(sensor controller)以及類比∕數位訊號轉換後傳送至電腦做分析,電腦也可以發出控制訊號(圖11-5中之“control data signal”);Tamura[1992]等人則是將光纖縫織於床上,進行身體活動的監測。

11-4. 以氣壓墊方式量測身體活動[Watanabe, 2005]

11-5. 以導電纖維進行睡眠身體活動量測[Kimura, 2004]

身體活動相關監測技術主要針對使用者臥床∕離床時間以及睡眠中的身體活動狀況進行監測,由於力感測器在使用上都是直接設置於床面上與使用者直接接觸,因此除了身體活動的監測之外,呼吸訊號的監測在技術上也可以達成。

睡眠中身體活動監測技術在嬰兒的生命訊號監測上也有相當多的應用,如前面提到的靜電荷感應床(SCSB)技術是最廣泛應用於市售產品的技術。SCSB的感測墊由上下兩層金屬板與活性層所構成,身體活動造成的形變會導致活性層中電荷分佈改變與兩金屬板間電壓改變,藉此量測身體活動與呼吸等訊號。Angelcare Monitors公司[http://www.angelcare-monitor.com/]在此技術的基礎上設計了一系列嬰兒呼吸感測墊,使用時置於床墊下(厚度在14公分以下)以監測嬰兒的呼吸訊號,當呼吸或身體活動停止超過20秒時,父母端的監測裝置便會響起警報提醒父母。其他商用產品如Jablotron公司[http://www.jablotron.cz/]“Nanny”系列、Hisense公司 [http://www.babysense.net/]“Babysense”嬰兒監測系統、Tommee Tippee公司[http://www.tommeetippee.co.uk/]”SureSoundTM系列等,也都是採用類似的技術。

11.3 睡眠階段判斷與睡眠品質評估

適用於居家環境之睡眠監測技術的發展,主要是希望能夠長期監測、評估睡眠相關疾病和睡眠品質。如前所述,在睡眠品質評估上,以多項生理監測儀監測睡眠狀態,利用腦波與眼動圖進行睡眠階段判別,是現在睡眠醫學公認的標準方法,然而在適用於居家環境之睡眠監測技術通常不採用腦波監測,必須仰賴其他生理參數來反應睡眠狀態。

在許多睡眠評估的實驗中,使用「行為反應法(behavioral response)」是一種直接與使用者溝通的監測方式,使用者清醒狀態下,聽到電腦發出的聲響時必須按下確認按鈕;當使用者進入睡眠狀態中按鈕訊號便會停止送出,藉此評估使用者的入睡時間[Bonato, et al., 1989, Blood, et al., 1997]。而從行為的特徵來看,身體活動的減少是睡眠狀態很重要的一項特徵,睡眠研究學者也經常分析腕部與身體活動的密度與強度,藉此評估受測者的睡眠狀態。「睡眠腕動監測(actioculographic monitor of sleep)」是由Kayed1979年所提出[Kayed et al., 1979],手腕上設置如圖11-6所示的感測器,進行睡眠中手部活動的監測,除了可以用於監測上肢與身體的活動情況外,Kayed也藉由腕動計的訊號區別清醒、NREMREM等階段。如圖11-7所示,在清醒時腕動計可以監測到較為密集的活動訊號,NREM階段身體幾乎是屬於靜止狀態,而REM時期則會伴隨較大型的身體活動(如翻身)。

許多手錶型的腕動計已是商品化的成熟產品,為了免除訊號線的牽絆,錶型腕動計內部包含儲存設備可以記錄整晚的活動情形,待隔日下載至電腦進行後續分析。市售產品如Mini Mitter公司[http://www.minimitter.com/]“Actiwatch”,藉由腕部活動辨識使用者睡眠與清醒的差異;ActiGraph公司[http://www.theactigraph.com/]的腕動計除了可以下載至近端電腦進行相關分析外,更提供了網路介面進行長期的儲存與評估分析功能;Sleep Watch公司[http://www.thesleepwatch.com/]的產品“Sleeptracker”,除了監測清醒∕睡眠週期外,還可以設定鬧鐘在較淺眠的時期喚起使用者,以減少賴床的情形。

11-6. 睡眠腕動監測[Kayed et al., 1979]

11-7. 腕動計在不同睡眠階段的活動訊號 [Kayed et al., 1979]

Ajilore[1995]等人所設計的家用睡眠監測系統中,則是利用身體活動的程度來辨識使用者清醒與睡眠的差異,並利用眼睛的活動鑑別NREMREM的差異。Choi[2007]等人也利用相似的概念,設計了「身體活動監測床(bed actigraphy)」,其設備類似圖11-2所示,藉由床腳下的四組荷重元記錄受測者床面上的身體活動,所收集到的資料藉由程式自動進行睡眠與清醒階段的判定。相較於腕動計僅收集到上肢的訊號,身體活動監測床更能全面性地呈現身體活動的程度。

許多學者曾針對腕動計與PSG的判斷結果進行比對,在睡眠與清醒的鑑別上,腕動計的一致性高於八成[Hauri and Wisbey, 1992; Sadeh, et al., 1995]。前述身體活動監測床與PSG進行每30秒為一時間單位逐一比對,可以發現所判定清醒與睡眠的結果非常相似(95.2%),但是靈敏率與正確預測率約為六成左右,顯示會有誤判的情況產生[Choi, et al., 2007]。雖然利用腕動計與身體活動進行睡眠狀態的判定的方式,並不如使用PSG來得準確,但在清醒與睡眠狀態的區別上已具有相當的準確率。腕動計與身體活動監測裝置在使用上不需要像腦波記錄一般黏貼大量的感測器,具有非拘束性、非察覺性等優點,非常適合於一般居家環境中使用。

利用心率變異性(HRV)評估受測者的睡眠狀態是一項新興的技術,此監測技術可以瞭解睡眠中交感與副交感神經作用的情形,進而區分睡眠中不同的睡眠階段。早期學者僅留意睡眠深淺與心跳速率間的關聯,近代學者開始利用統計學、時域分析、頻域分析等方式瞭解心率變異性與睡眠狀態的關係。WelchRichardson[1973]利用統計學的決策分類方法分析心率變異性,進行睡眠階段的判別,與腦波判定結果相較,一致性約為40%~66%Kesaite[2001, 2002]等人則是分別利用迴歸分析以及頻譜分析的方式,利用心率變異性中高頻、低頻等多項特徵進行分析,藉此區分睡眠各階段的差異性。Watanabe[2005]等人建立了一套基於心率變異性分析方法的睡眠監測設備,這套設備採用氣墊式感測墊進行身體活動與心跳訊號的量測,藉此辨別清醒、NREMREM等不同狀態。此外前面提到,也有相關研究利用心率變異性分析進行睡眠呼吸中止症的監測,因為在呼吸中止發生時會因缺氧而造成心率的改變[Hilton, et al., 1998, Chazal, et al., 2003]

11.4 結論與未來發展趨勢

睡眠生理監測技術的發展,是為了滿足睡眠疾病的診斷與睡眠狀態評估之目的。使用多項生理監測儀PSG仍是目前臨床診斷上的標準方法,但是進行多項生理監測所需要的昂貴設備與醫療人力,侷限了在居家環境下廣泛應用的可能性,甚至在臨床應用上,也往往會先藉由問卷等方式篩選出風險較高的病患後,再接受多項生理監測儀睡眠監測,以節省醫療資源。

許多學者致力於成本低、設置及操作容易、適合居家環境下使用的各式睡眠監測技術的發展,可以讓病患先行在家中進行相關睡眠疾病的先期篩選,不僅可以節省醫療資源,相較於睡眠實驗室中僅一晚的睡眠監測結果,居家環境下的監測方式可以提供持續性的病患睡眠生理資料以供診斷上的依據。各式非約束性的睡眠生理感測技術的發展,簡化了原本需要大量導線與電極貼片的測試過程,測試過程中不再需要專業醫療人員的設置與操作,非約束性的監測技術也得以在不影響受測者睡眠品質的前提下進行睡眠生理監測。

睡眠呼吸相關疾病監測、身體活動評估、睡眠階段的判定,是睡眠監測技術中主要研究項目。在睡眠呼吸相關疾病的監測上,目前主流的研究方向是藉由鼾聲在時域與頻域上的各項特徵進行分析,評估鼾聲與睡眠呼吸中止症的病徵,這類技術具有裝置輕巧與非察覺性等優點;在身體活動與睡眠階段判定上,利用力感測器、氣墊、導電纖維等各式感測墊,是非常適合家庭環境中的睡眠監測方式,各項感測設備可以與原有床墊整合,在不影響受測者睡眠習慣的前提下進行。

遠距監測技術的發展也讓睡眠監測進入了新的里程碑。Kristo等人[2001]藉由網際網路傳輸技術建立了遠距多項生理監測系統,藉由遠端監測技術的輔助節省醫療人力;Seo等人[2005]所設計的家庭健康系統,包含心電圖、體重、身體活動、鼾聲等項目,提供使用者生理健康與睡眠問題上的參考;Choi等人[2004]建立了睡眠環境下的監測系統,藉由非察覺性的感測方式記錄受測者的心電圖、身體活動、鼾聲等資料。基於遠距監測技術所發展的各式睡眠監測系統,讓原本侷限於醫療機構所進行的睡眠監測與睡眠評估系統,得以在居家環境下實現。

睡眠生理監測所獲得的各項資料,除了在睡眠相關疾病診斷上的應用之外,睡眠品質評估也是一個重要的應用目的。傳統睡眠品質評估是仰賴主觀式的睡眠品質評估問卷,最常見的是「匹茲堡睡眠品質評估表(Pittsburgh Sleep Quality Index, PSQI)」,藉由受測者睡眠長度、睡眠潛伏期(從躺上床至入睡的所需的時間)、睡眠效率(實際睡眠時間占總臥床時間之比例)、睡眠困擾等項目的主觀評斷結果進行睡眠品質的評估。根據受測者所提供的睡眠資訊,每一項目分別評以03分,分數越高代表睡眠困擾的程度越嚴重,總分超過5分,則視為睡眠品質不良。Peng等人[2006]藉由心率、影像、聲音等監測分辨受測者清醒與睡眠的狀態,藉此判定受測者的睡眠型態以評估受測者的睡眠品質。也有些許學者應用相同的概念,並結合上述匹茲堡睡眠品質評估表,發展睡眠品質評估系統[Aritomo, et al., 1999, Wakoda, et al., 2005]

總括而言,睡眠生理監測所提供的各項資料,可作為睡眠品質評估的客觀量化指標,設置於居家環境中的睡眠監測系統更可長期、持續地進行睡眠監測與睡眠品質評估,讓使用者瞭解本身睡眠問題,進而改善睡眠品質。