组成图示
点击图片查看大图 · 依据论文自动绘制
传感器类型
可穿戴生物传感器
检测对象
睡眠期皮肤电导（EDA/skin conductance）、皮肤温度与运动（actigraphy）；样品基质：健康受试者手腕皮肤（睡眠实验室、医院、家庭）
检测原理
该传感器以手腕内侧 Ag-AgCl 干电极接触皮肤，将睡眠期间交感神经活动引起的汗腺分泌和皮肤离子电导变化转换为电信号，即皮肤电导/EDA。EDA 信号与皮肤温度、加速度计运动数据同步无线记录，采样率为 8 Hz 或 32 Hz。数据经低通滤波后，通过一阶导数斜率阈值检测高频 GSR 峰值；当 30 s 片段内峰值数达到阈值且相邻片段连续时，判定为 EDA 风暴。自主神经活动越强，皮肤电导变化越频繁，峰值数和风暴片段比例越高。系统进一步将 EDA 风暴特征与 PSG 睡眠分期及主观睡眠质量关联，实现自然睡眠自主神经模式的定量读出。
检测灵敏度
原文未报告 LOD、线性范围、灵敏度斜率或相关系数。
效应效果
7 名 PSG 对比受试者中 6 人夜间出现 EDA 风暴，多集中于 NREM2 和 SWS，SWS 振幅变异更大，多数 EDA 低于 1 μS。24 人 54 夜中 36 夜（67%）出现风暴，最常见每夜 2 次，风暴持续 30 s 最常见，最长 51 min，首次风暴多在入睡后 60 min 内。3 名家庭长期受试者 30–60 夜中风暴出现率为 64%、77%、71%，首次风暴多在 60–120 min。第一睡眠象限 SWS 风暴片段比例与主观睡眠质量正相关（R²=0.80，N=6）。作者认为该可穿戴 EDA 方法可补充 PSG 和活动度计，用于自然睡眠自主神经模式分类与睡眠质量生物标志物。
传感器的构成
- 换能器电极：1 cm Ag-AgCl 干电极，用于接触手腕皮肤并采集皮肤电导/EDA信号
- 无线传感模块：Affectiva Q Sensor，用于无线记录 EDA、皮肤温度和运动数据
- 运动传感元件：加速度计（accelerometer），用于记录运动/活动度并辅助睡眠-觉醒判别
- 皮肤温度传感元件：Affectiva Q Sensor 内置温度通道，用于记录皮肤表面温度（具体材料未说明）
中文摘要
本文提出基于 Affectiva Q 无线记录生物传感器自动睡眠自主神经模式分类的初步框架。该传感器佩戴于手腕，可舒适地记录皮肤电导、皮肤温度和运动。已有睡眠期皮肤电活动（EDA）研究多限于少数夜晚，本文在三种情境下定量分析睡眠 EDA：（1）在睡眠实验室将 7 名受试者的 EDA 与多导睡眠图（PSG）比较；（2）在睡眠实验室、医院和家庭中记录 24 名受试者多夜 EDA；（3）在家庭睡眠中采集 3 名受试者 30–60 夜的长期 EDA。基于该数据，作者刻画了 EDA 特征的个体间与个体内差异，并分析 EDA 峰值与主观睡眠质量的关系。结果显示 EDA“风暴”多出现在非快速眼动 2 期和慢波睡眠，约七成夜晚出现风暴，且第一睡眠象限慢波睡眠中风暴片段比例与主观睡眠质量相关。研究旨在建立自然睡眠中自主神经模式的分类基础。
英文摘要
This paper presents a first version of a taxonomy of automatic sleep patterns found with the Affectiva Q™ Sensor, a wireless, logging biosensor that measures skin conductance, skin temperature, and motion comfortably from the wrist. Several studies have examined electrodermal activity (EDA) during sleep, but they focused on an analysis of EDA for only a small number of nights. We quantitatively analyzed EDA during sleep in three study situations: (1) Comparing EDA with polysomnography (PSG) from seven subjects in a sleep lab, (2) Characterizing multiple nights of EDA in a sleep lab, in a hospital and at home from 24 subjects, and (3) Gathering long-term EDA (30-60 nights) patterns from three subjects during home sleep. After gathering this rich corpus of data, we characterized inter- and intra-individual differences of EDA features and the relation of EDA peaks to subjective sleep quality. Here we present results from the three studies in an effort to begin to characterize autonomic patterns found in natural sleep.