Domo Health - Surveillance du sommeil sans contact

Background : Le vieillissement de la population pose de multiples défis sociaux et économiques à la société. L'un de ces défis est le fardeau social et économique lié à l'augmentation des dépenses de santé causée par les placements précoces en institution. L'utilisation de technologies informatiques modernes et omniprésentes permet de surveiller en permanence l'état de santé des personnes âgées vivant dans la communauté, à leur domicile. La détection précoce des problèmes de santé grâce à ces technologies peut permettre de réduire les coûts de traitement et d'initier des mesures préventives ciblées conduisant à de meilleurs résultats en matière de santé. Le sommeil est un facteur clé de la santé globale et de nombreux problèmes de santé se manifestent par une détérioration du sommeil. La qualité du sommeil et les troubles du sommeil tels que le syndrome d'apnée du sommeil ont été largement étudiés à l'aide de divers dispositifs portables à domicile ou dans le cadre de laboratoires du sommeil. Cependant, peu de recherches ont été menées pour évaluer le potentiel de la surveillance continue et sans contact du sommeil dans la détection des signes précoces de problèmes de santé chez les personnes âgées vivant dans la communauté.

Objectif : Dans ce travail, nous visons à évaluer quel paramètre du sommeil mesurable sans contact est le mieux adapté pour surveiller les changements perçus et réels de l'état de santé chez les personnes âgées.

Méthodes : Nous avons analysé les données longitudinales du monde réel (jusqu'à 1 an) de 37 personnes âgées vivant dans la communauté et comprenant plus de 6000 nuits de sommeil mesurées. Les paramètres du sommeil ont été enregistrés par un capteur de pression placé sous le matelas, et les informations correspondantes sur l'état de santé ont été recueillies au moyen de questionnaires hebdomadaires et de rapports du personnel soignant. Au total, 20 paramètres du sommeil ont été analysés, y compris des mesures courantes du sommeil telles que l'efficacité du sommeil, le délai d'endormissement et les stades du sommeil, mais aussi les signes vitaux sous la forme du rythme cardiaque et respiratoire ainsi que les mouvements dans le lit. L'association avec l'état de santé autodéclaré, évalué par l'échelle visuelle analogique EuroQol (EQ-VAS), a été évaluée quantitativement à l'aide de modèles linéaires individuels à effets mixtes. La transposition à des incidents de santé objectifs et réels a été étudiée par le biais d'une analyse manuelle rétrospective au cas par cas.

Resultats : Using EQ-VAS rating based self-reported perceived health, we identified body movements in bed—measured by the number toss-and-turn events—as the most predictive sleep parameter (t score=–0.435, P value [adj]=<.001). Case-by-case analysis further substantiated this finding, showing that increases in number of body movements could often be explained by reported health incidents. Real world incidents included heart failure, hypertension, abdominal tumor, seasonal flu, gastrointestinal problems, and urinary tract infection.

Conclusions : Nos résultats suggèrent que les mouvements nocturnes du corps au lit pourraient potentiellement constituer un biomarqueur numérique très pertinent, facile à interpréter et à dériver pour surveiller un large éventail de détériorations de la santé chez les personnes âgées. En tant que tel, il pourrait contribuer à la détection précoce des détériorations de la santé et fournir des options de traitement plus rapides, plus personnalisées et plus précises.

‍

Article complet : https://mhealth.jmir.org/2021/6/e24666

‍