Simple Science

La science de pointe expliquée simplement

# Informatique# Interaction homme-machine

Nouveau jeu de données améliore la recherche sur la qualité du sommeil

Le dataset BiHeartS donne un aperçu du comportement de sommeil et de la mesure de la qualité du sommeil.

― 7 min lire


Ensemble de donnéesEnsemble de donnéesBiHeartS pour larecherche sur le sommeilcardiaques.qualité du sommeil et les fréquencesUn ensemble de données innovant suit la
Table des matières

Le sommeil est super important dans la vie, ça nous aide à récupérer de la fatigue quotidienne. Ça joue un rôle clé pour garder notre santé mentale et physique. Un bon sommeil peut vraiment améliorer notre bien-être général. Il y a plein de façons de suivre la Qualité du sommeil, souvent avec des appareils qui suivent divers signaux liés à notre comportement de sommeil. Ces appareils peuvent donner des insights et des conseils pour améliorer la qualité du sommeil. Mais, comprendre comment évaluer la qualité du sommeil à partir des données de ces appareils peut être compliqué. C'est surtout à cause des différentes façons dont chacun vit son sommeil, de leurs routines personnelles et de leur perception de leur propre qualité de sommeil.

Le besoin de données complètes

Pour mesurer efficacement la qualité du sommeil, il faut vraiment des données détaillées et complètes. Ces données devraient couvrir les habitudes quotidiennes des utilisateurs, les signaux physiques pendant leur sommeil, et leurs propres avis sur la façon dont ils ont dormi. Comprendre cette variété est important pour créer des systèmes fiables pour évaluer la qualité du sommeil.

Qu'est-ce que le jeu de données BiHeartS ?

Pour combler ce manque de données, un nouveau jeu de données appelé le jeu de données BiHeartS a été créé. Ce jeu de données se concentre sur la mesure des rythmes cardiaques provenant de différents appareils et positions corporelles pour surveiller le sommeil. Les données proviennent de 10 personnes qui ont participé pendant 30 nuits consécutives. Des appareils de recherche et commerciaux ont été utilisés pour cette collecte. De plus, des auto-évaluations détaillées ont été recueillies concernant la qualité du sommeil et les activités quotidiennes de chaque personne.

Le rôle des Dispositifs portables

Aujourd'hui, beaucoup de gens utilisent des dispositifs portables, comme des bracelets de fitness et des montres connectées, pour surveiller leur santé et leurs habitudes de sommeil. Des exemples bien connus incluent les montres FitBit et les bagues intelligentes Oura. Ces appareils utilisent des capteurs pour recueillir des données sur le sommeil. Ils peuvent estimer plusieurs paramètres de sommeil, comme combien de temps une personne a dormi et combien de fois elle se réveille pendant la nuit. Bien que ces gadgets offrent des aperçus précieux, surveiller les comportements de sommeil est compliqué. Des facteurs comme les différences individuelles dans les activités quotidiennes et les perceptions personnelles de la qualité du sommeil rendent cette tâche difficile.

La variabilité de la qualité du sommeil

Le défi de surveiller le sommeil vient du fait que chacun vit le sommeil différemment. Ce qui constitue une bonne qualité de sommeil peut varier d'une personne à l'autre. Cette variation rend difficile la création d'une solution universelle pour évaluer le sommeil. La façon dont les gens perçoivent leur sommeil est influencée par des sentiments et des souvenirs personnels, ajoutant une couche de complexité supplémentaire.

L'importance d'une surveillance personnalisée

Étant donné ces défis, il y a un besoin urgent de systèmes de surveillance du sommeil personnalisés. Ces systèmes devraient prendre en compte les habitudes uniques et les signaux physiologiques de chaque utilisateur. Pour créer des modèles efficaces d'évaluation de la qualité du sommeil, de grands ensembles de données qui reflètent ces différences individuelles sont essentiels. Le jeu de données BiHeartS vise à répondre à cette exigence en rassemblant des données étendues dans des situations réelles.

Méthodologie de collecte des données

Le jeu de données BiHeartS a été développé à travers une approche systématique de collecte des données. Un processus de révision et d'approbation a permis de s'assurer que les normes éthiques étaient respectées. Dix participants, une femme et neuf hommes âgés de 20 à 30 ans, ont participé à l'étude. Chaque participant a porté trois dispositifs différents pendant 30 nuits. Les dispositifs comprenaient :

  1. L'anneau Oura (Gen. 3), qui suit le sommeil grâce à un capteur de lumière spécial.
  2. Deux bracelets Empatica E4, un à chaque poignet, qui suivent une gamme de signaux, y compris le rythme cardiaque et la température de la peau.

Comment les données ont été recueillies

La collecte des données a commencé par la signature de formulaires de consentement par les participants. Ils ont reçu des instructions détaillées sur la façon de configurer les dispositifs pour l'enregistrement des données. Les participants ont consigné leurs expériences quotidiennes via deux types d'auto-évaluations : matin et soir.

Pour assurer un reporting précis, les participants ont été rappelés de remplir leurs auto-évaluations. Ils pouvaient utiliser la méthode papier-crayon ou une application mobile. Cette conception visait à réduire les effets du biais de mémoire, car les participants ne pouvaient rapporter que les expériences du jour même.

Avant le début de l'étude, les participants ont rempli un questionnaire pour recueillir des informations sur les données démographiques et le bien-être. Pendant l'étude, les participants ont porté les dispositifs à partir d'une heure avant de dormir et jusqu'à une heure après le réveil. Ils ont également synchronisé les dispositifs quotidiennement pour s'assurer que toutes les données étaient correctement collectées.

Types de données collectées

Les données collectées comprenaient deux types principaux : les signaux physiques des dispositifs portables et les données auto-reported.

Signaux physiques

Des anneaux Oura, les données incluaient le rythme cardiaque (HR) et la variabilité du rythme cardiaque (HRV). L'anneau Oura fournissait des lectures moyennes du HR toutes les cinq minutes pendant le sommeil. Il mesurait aussi la HRV en utilisant une méthode spécifique pour calculer la variabilité.

Les bracelets Empatica E4 recueillaient des signaux plus détaillés comme le rythme cardiaque, les intervalles entre les battements et le pouls du volume sanguin. Les participants ont synchronisé les données de ces dispositifs sur une plate-forme en ligne dédiée à cette étude.

Auto-évaluations

Les participants ont fourni des auto-évaluations matinales qui comprenaient des questions sur leurs habitudes de sommeil, le temps passé à dormir, les sensations de récupération, et d'éventuelles perturbations pendant la nuit. Les auto-évaluations du soir portaient sur les activités journalières, les niveaux de stress, la fatigue, ainsi que sur l'exercice physique effectué durant la journée.

Résultats de la collecte de données

La collecte de données a donné des aperçus précieux, avec un total de 148 sessions de sommeil enregistrées ainsi que 234 auto-évaluations matinales et 213 auto-évaluations du soir. Pour l'estimation spécifique de la qualité du sommeil, 146 sessions de sommeil ont été collectées avec les auto-évaluations matinales correspondantes. Le jeu de données incluait également 91 sessions complètes enregistrées à partir des dispositifs Empatica E4, tandis que 135 autres sessions incluaient des données de l'anneau Oura et au moins un dispositif Empatica.

Conclusion

En conclusion, le jeu de données BiHeartS offre une vue unique et complète du comportement et de la qualité du sommeil. En utilisant des données provenant de plusieurs dispositifs et en encourageant les participants à rapporter leurs habitudes quotidiennes, ce jeu de données peut soutenir diverses analyses. Il peut être utilisé pour estimer la qualité de sommeil personnalisée, étudier les différences dans les signaux physiologiques, et comparer des données de différents dispositifs portables.

Alors que la technologie continue d'avancer, l'importance de comprendre le sommeil et comment le surveiller efficacement devient de plus en plus évidente. Avec la création de jeux de données comme BiHeartS, les chercheurs et les professionnels de la santé peuvent travailler à développer de meilleurs systèmes pour évaluer la qualité du sommeil. Cela mènera finalement à une amélioration de la santé et du bien-être des individus, alors qu'ils obtiennent des aperçus plus profonds sur leurs habitudes de sommeil et comment améliorer leur qualité de vie globale.

Source originale

Titre: BiHeartS: Bilateral Heart Rate from multiple devices and body positions for Sleep measurement Dataset

Résumé: Sleep is the primary mean of recovery from accumulated fatigue and thus plays a crucial role in fostering people's mental and physical well-being. Sleep quality monitoring systems are often implemented using wearables that leverage their sensing capabilities to provide sleep behaviour insights and recommendations to users. Building models to estimate sleep quality from sensor data is a challenging task, due to the variability of both physiological data, perception of sleep quality, and the daily routine across users. This challenge gauges the need for a comprehensive dataset that includes information about the daily behaviour of users, physiological signals as well as the perceived sleep quality. In this paper, we try to narrow this gap by proposing Bilateral Heart rate from multiple devices and body positions for Sleep measurement (BiHeartS) dataset. The dataset is collected in the wild from 10 participants for 30 consecutive nights. Both research-grade and commercial wearable devices are included in the data collection campaign. Also, comprehensive self-reports are collected about the sleep quality and the daily routine.

Auteurs: Nouran Abdalazim, Leonardo Alchieri, Lidia Alecci, Silvia Santini

Dernière mise à jour: 2023-08-13 00:00:00

Langue: English

Source URL: https://arxiv.org/abs/2308.06811

Source PDF: https://arxiv.org/pdf/2308.06811

Licence: https://creativecommons.org/licenses/by-sa/4.0/

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.

Articles similaires