Способ и система обеспечения поведенческой терапии для лечения бессонницы

Способ и система обеспечения поведенческой терапии для лечения бессонницы

Иллюстрации

Показать все

Реферат

По настоящей заявке испрашивается приоритет согласно § 119(е) Раздела 35 Кодекса законов США по предварительной патентной заявке США № 61184165, зарегистрированной 4 июня 2009 г. под заголовком "System and Method for Managing Insomnia".

Область техники, к которой относится изобретение

Изобретение относится к системе и соответствующему способу, предназначенным для облегчения когнитивной поведенческой терапии для пациента, страдающего бессонницей.

Уровень техники изобретения

Нарушения сна являются распространенным явлением. По меньшей мере, 10 % населения страдают нарушением сна, что клинически значимо и важно для здравоохранения. Бессонница является наиболее распространенной формой нарушения сна.

Большинство определений бессонницы содержат описания специфических симптомов сна с сопутствующими жалобами во время дневного времени суток. Симптомы сна, как правило, содержат трудность засыпания, трудность поддержания сна, окончательное пробуждение, которое происходит намного раньше, чем желательно, или сон, который не восстанавливает силы или, в целом, обладает низким качеством. Симптомы бодрствования связаны с жалобами во время дневного времени суток, характеризующимися усталостью, сонливостью, нарушением настроения, когнитивными трудностями и ухудшением социальных или профессиональных показателей.

Распространенность отдельных симптомов бессонницы у населения в целом составляет приблизительно 30-50 % и приблизительно 9-15 % сообщают о значительных ухудшениях самочувствия в течение дневного времени суток в результате проблем, связанных с хронической бессонницей. У большинства пациентов бессонница лечится медикаментозно. Рынок снотворных лекарственных средств составляет приблизительно 4,6 млрд. долларов США. Другие формы лечения, такие как терапия с ограничением сна, менее распространены, хотя данные свидетельствуют, что они более эффективны при длительном лечении, чем только одно фармацевтическое лечение.

В большинстве случаев используется стандартный диагностический способ оценки природы и серьезности проблемы сна, так называемый регистратор сна или дневник сна, то есть, вопросник, обычно на бумаге; также, в качестве альтернативы регистратору сна, может использоваться регистратор активности.

Главный недостаток этого регистратора сна состоит в том, что на его точность влияет субъективность восприятия пациента, например, пациентам часто трудно бывает правильно помнить периоды сна и пробуждения в течение ночи.

Автоматическое обнаружение стадий сна и бодрствования требует измерения основных показателей организма, но, к сожалению, большинство существующих решений основывается на липких электродах, например, прикрепляемых или приклеиваемых к коже пациента, который должен носить электроды, например, для ЭЭГ - на голове. Эти электроды мешают пациенту во время сна из-за кабелей и устройств записи, присоединенных к этим датчикам. Дополнительно, существует проблема, что во время отдыха крепление кабелей или электродов может ослабнуть, что снижает качество принятого сигнала.

Диагноз бессонницы с помощью автоматического регистратора сна в полностью оборудованной для сна лаборатории является дорогим, места подключения могут быть недоступны в течение долгого времени и, таким образом, возможность диагностики для больных бессонницей ограничивается.

Дополнительно, добавочные датчики и кабели вдоль тела пациента могут нарушать сон пациента и поэтому влиять на оценку этапов сна и бодрствования в течение ночного времени, что приводит к влиянию на регистрацию сна и может приводить к неправильному диагнозу.

Публикация патентной заявки США № 2004/0225179 раскрывает автоматизированные поведенческие способы и системы для лечения бессонницы, которые используют пассивное средство определения состояния сна/бодрствования, и включена в настоящее описание посредством ссылки.

Бессонница является распространенным нарушением сна у населения в целом. Однако, на практике пациенты имеют тенденцию не обращаться за лечением или диагностируются не у специалиста по сну, а, например, у терапевта, без использования стандартного и соответствующего способа, чтобы оценить природу и серьезность проблемы сна. Обычно это приводит к недооценке реальности проблемы сна и/или назначению снотворных средств, хотя терапия без использования лекарственных средств - когнитивная поведенческая терапия бессонницы (CBT-I) - показала себя эффективной и более жизнеспособной. Дополнительно, более точная оценка и индивидуальная терапия могут приводить к более высокой податливости и, следовательно, к лучшему медицинскому результату.

Цель настоящего изобретения состоит в обеспечении системы, призванной облегчить когнитивную поведенческую терапию для пациента, страдающего бессонницей, причем система содержит устройство связи, выполненное с возможностью обеспечения электронной связи, систему датчиков, имеющую, по меньшей мере, один датчик, причем система датчиков выполнена с возможностью обнаружения данных активности во время сна и обеспечения сигнала системы датчиков, включающего данные активности во время сна, и система датчиков соединена и осуществляет электронную связь с устройством связи, первый блок обработки, соединенный и осуществляющий электронную связь с устройством связи, причем первый блок обработки выполнен с возможностью приема сигнала системы датчиков и преобразования данных активности во время сна в данные структуры сна, второй блок обработки, имеющий устройство ввода и выполненный с возможностью сбора входных данных пациента, причем второй блок обработки соединен и осуществляет электронную связь с устройством связи, третий блок обработки, соединенный и осуществляющий электронную связь с устройством связи, причем третий блок обработки выполнен с возможностью приема данных структуры сна и входных данных пациента, выполнения их анализа, создавая, таким образом, профиль сна пациента, четвертый блок обработки, соединенный и осуществляющий электронную связь с устройством связи, причем четвертый блок обработки выполнен с возможностью анализа профиля сна пациента и обеспечения курса терапии, связанного с профилем сна пациента, и дисплей, соединенный и осуществляющий электронную связь с устройством связи, причем дисплей выполнен с возможностью предоставления интерфейса пользователя.

Дополнительная цель настоящего изобретения состоит в предоставлении способа обеспечения когнитивной поведенческой терапии бессонницы, причем упомянутый способ содержит этапы, на которых контролируют сон пациента, используя систему датчиков, имеющую, по меньшей мере, один не мешающий датчик, причем система датчиков выполнена с возможностью обнаружения данных активности во время сна, собирают входные данные пациента, объединяют входные данные и данные активности во время сна, чтобы создать профиль сна пациента, анализируют профиль сна пациента, чтобы определить курс терапии, и представляют курс терапии пациенту на дисплее.

Термин "пациент", как он используется здесь, применяется не только к людям, но также и к животным. Дополнительно, термин "пациент" не означает, что соответствующий человек/животное страдает болезнью, и, таким образом, здоровые люди также будут упоминаться как "пациенты".

Термин "классификация сна/бодрствования" относится к классификации интересующего периода как "бодрствование" или "сон", следуя из вероятности принадлежности к соответствующему классу, или классификация "истинный" или "ложный", даваемая в качестве выходного результата классификатора, но также относится к отображению результатов классификатора на интерфейсе пользователя или на любом другом устройстве.

Дополнительно, термин "pNN50" относится к проценту количества разностей интервалов смежных NN-интервалов, больших, чем 50 миллисекунд, термин "SDNN" относится к стандартной девиации всех NN-интервалов, термин "SDSD" относится к стандартной девиации расстояний между смежными интервалами, термин "RR_mean" относится к средней длительности RR-интервалов, термин "HR_mean" относится к средней частоте сердечных сокращений, термин "LF" относится к низкочастотному диапазону, определяемому стандартами изменчивости частоты сердечных сокращений, термин "HF" относится к высокочастотному диапазону, определяемому стандартами изменчивости частоты сердечных сокращений, термин "RMSSD" относится к корню из квадрата средних последовательных разностей, и термин "HRV" относится к изменчивости частоты сердечных сокращений.

Эти и другие аспекты изобретения станут очевидны из описания и разъяснения, приведенных здесь далее со ссылкой на варианты осуществления.

На чертежах:

Фиг.1 - общий принцип изобретения;

Фиг.2 - схематическая блок-схема последовательности выполнения операций способа выделения признаков в соответствии с первым предпочтительным вариантом осуществления изобретения;

Фиг.3 - схематическая блок-схема последовательности выполнения операций способа классификации сна/бодрствования в соответствии с первым предпочтительным вариантом осуществления изобретения;

Фиг.4 - алгоритм ограничения сна, основанный на способе настоящего изобретения;

Фиг.5 - схема элементов изобретения;

Фиг.6 - схематическая блок-схема последовательности выполнения операций способа обеспечения когнитивной поведенческой терапии бессонницы;

Фиг.7 - схематическая блок-схема последовательности выполнения операций, связанная с модулем графика сна;

Фиг.8 - схематическая блок-схема последовательности выполнения операций, связанная с модулем ассоциации "кровать-сон";

Фиг.9 - схематическая блок-схема последовательности выполнения операций, связанная с модулем когнитивной реконструкции;

Фиг.10 - схематическая блок-схема последовательности выполнения операций, связанная с модулем стратегии преодоления;

Фиг.11 - схематическая блок-схема последовательности выполнения операций, связанная с модулем релаксации; и

Фиг.12 - схематическая блок-схема последовательности выполнения операций, связанная с модулем образа жизни.

Как можно видеть на фиг.1, система 100 классификации сна/бодрствования, соответствующая предпочтительному варианту осуществления настоящего изобретения, содержит не мешающие встроенные в кровать датчики для контроля 101 основных показателей состояния тела, такого как контроль сердечной деятельности по ЭКГ и/или контроль движения тела по пленочному датчику на кровати и т.п., как будет описано далее. Дополнительным этапом является блок 102 предварительной обработки для фильтрации и удаления артефактов во время подготовки сигналов, блок 103 выделения признаков, выделяющий, в частности, признаки из сигнала ЭКГ и/или движений тела, одного или в комбинации, затем здесь присутствует блок 104 классификатора сна/бодрствования для классификации состояния сна/бодрствования в соответствии со всеми входными признаками, блок 105 вычисления эффективности сна для вычисления времени, сна по сравнению со временем пребывания в кровати, используемым в качестве входных данных для алгоритма сокращения сна пациента, устройство 106, обеспечивающее пациенту, например, правила более здорового сна.

Выходной результат классификации 104 сна/бодрствования, вычисление 105 эффективности сна и устройство 106 для алгоритма сокращения сна могут использоваться для обеспечения обратной связи с пациентом 107 или медицинским персоналом, который может также получать информацию от дополнительных источников, таких как вопросы регистратора сна для получения субъективных параметров 109.

Что касается части, относящейся к датчикам предложенной системы, возможны следующие варианты осуществления: датчик является ферроэлектретной фольгой, помещаемой ниже грудной клетки пациента, чтобы измерять частоту сердечных сокращений, дыхание и движения тела.

Альтернативно, в другом предпочтительном варианте осуществления пьезорезистивная полоска тензометрического датчика, наклеивающаяся на перекладину под матрацем в области грудной клетки пациента, может использоваться для измерения частоты сердечных сокращений, дыхания и движений тела.

В другом предпочтительном варианте осуществления может использоваться только ЭКГ, предпочтительно, матерчатый датчик ЭКГ, интегрированный в кровать как электрод для подушки и подкладки под ноги.

Вместо ферроэлектретной фольги или наклеиваемой полоски тензометрического датчика, датчик ЭКГ может объединяться с сигналом дыхания, измеренным с помощью стандартной (индуктивной или пьезорезистивной) ленты, обматываемой вокруг грудной клетки и/или брюшной полости. Этот тип датчика также может интегрироваться в ткань (например, футболки), чтобы делать его менее мешающим.

Альтернативно, в другом варианте осуществления вместо ферроэлектретной фольги или наклеиваемой полоски с тензометрическим датчиком, датчик ЭКГ может объединяться с сигналом акселерометра. Устройство можно носить на запястье, но предпочтительно двумерный или трехмерный акселерометр помещается на туловище пациента, чтобы измерять движения тела. Кроме того, этот тип датчика может интегрироваться в ткань (например, футболки), чтобы сделать его менее мешающим.

Процесс, выполняемый блоком обработки, содержит несколько этапов, как показано на фиг.1. Это предварительная обработка исходных данных, выделение признаков и классификация сна/бодрствования. В последующих абзацах различные варианты каждого из этих этапов будут описаны более подробно.

Устройство 102 предварительной обработки сигнала, показанное на фиг.1, содержит выполнение одного или более следующих этапов, которые можно проходить последовательно, параллельно или с повтором:

соответствующая фильтрация сигнала(-ов) и

удаление артефактов.

В случае сигнала ЭКГ может быть необходимо удаление эктопических систол.

В случае пропаданий сигнала может понадобиться интерполяция.

Устройство 103 выделения признаков содержит извлечение признаков из ЭКГ и сигнала дыхания, при котором:

Из ЭКГ получают следующие признаки:

статистические параметры изменчивости частоты сердечных сокращений - из временной области (например, средняя частота сердечных сокращений, SDNN, RMSSD и т. д.);

параметры, получаемые из спектра (например, LF, HF) изменчивости (HRV) частоты сердечных сокращений;

энтропию выборки с использованием масштабов; и

прогрессивный анализ флюктуаций с исключенным трендом.

Из сигнала дыхания, измеренного с помощью ферроэлектретной фольги, датчика на перекладине или индуктивной/пьезорезистивной ленты, вычисляется спектр и мощности LF и HF извлекаются в качестве признаков. Кроме того, определяется средняя частота дыхания.

Дополнительно, устройство 103 выделения признаков позволяет в случае обоих сигналов, сигнала ЭКГ и сигнала дыхания, вычислить когерентную мощность обоих спектров как дополнительную функцию. Кроме того, отношение частоты сердечных сокращений и частоты дыхания может быть получено как дополнительная функция.

Дополнительно, из сигнала ферроэлектретной фольги или из сигнала датчика на перекладине, индекс активности получается, основываясь на больших движениях тела.

Предпочтительный вариант осуществления настоящего изобретения дополнительно предполагает, что для следующего шага - классификации 104 сна/бодрствования - индекс активности и, по меньшей мере, один дополнительный признак, касающийся кардиального и/или дыхательного состояния, являются предпочтительной комбинацией в качестве входных данных для процесса классификации.

Вектор, по меньшей мере, одного признака, и предпочтительно всех или, по меньшей мере, поднабора упомянутых выше признаков создается для каждого интересующего момента, например, для каждого 1-минутного сегмента данных.

Дополнительно, этот вектор вводится в классификатор 104 сна/бодрствования, который основан на стандартном подходе распознавания образов с контролируемым обучением, как будет описано на фиг.3. Для классификатора предпочтительно могут использоваться следующие подходы:

Байесовский линейный или квадратичный дискриминантный классификатор;

Векторный механизм поддержки;

Способ "k ближайших соседей" (kNN);

Нейронная сеть; и

Скрытая марковская модель

Обучение параметрам классификатора осуществляется на большой базе данных для репрезентативных данных.

Чтобы принять входные данные пациента, касающиеся субъективных вопросов, содержащихся в регистраторе сна, индексе серьезности бессонницы, вопроснике по частоте бессонницы или других оценках, и создать с ним обратную связь, блок ввода и блок отображения предпочтительно объединяются в предпочтительном варианте осуществления настоящего изобретения в одном устройстве 107 интерфейса пользователя. Это устройство может быть обычным ноутбуком, планшетным персональным компьютером с сенсорным экраном, переносным устройством, таким как PDA или мобильным телефоном. В зависимости от вычислительной мощности такого устройства, устройство обработки может быть также частью этого устройства. Обратная связь с пациентом может содержать один или более следующих параметров: время пребывания в кровати, общее время сна, общее время бодрствования, эффективность сна, латентность сна, количество и продолжительность пробуждений или упрощенная гипнограмма.

Обратная связь с медицинским персоналом может осуществляться через тот же самый интерфейс 108 пользователя. В другом варианте осуществления существует процедура загрузки, чтобы передавать данные пациента от пользовательского интерфейса пациента на персональный компьютер врача (например, через кабель USB, через Bluetooth, ZigBee или любой другой стандарт или устройство связи). В еще одном варианте осуществления данные пациента можно (автоматически) посылать врачу через Интернет или GSM, UMTS, EDGE, GPRS или любой другой стандарт или систему Интернета или мобильного телефона.

Обратная связь с медицинским персоналом должна содержать все упомянутые параметры. Дополнительно, она также должна содержать ответы пациента на субъективные вопросы регистратора сна, чтобы он мог сравнить субъективные и объективные данные, что даст ему важную информацию для соответствующего терапевтического подхода. Это, например, особенно важно в случае неправильного восприятия состояния сна, типа бессонницы, при котором объективные данные сна отражают нормальную структуру сна, но сам пациент не признает, что он спал.

Как можно видеть на фиг.2, сигнал ЭКГ, обеспечиваемый датчиком 200 ЭКГ, подвергается предварительной обработке 201, причем предварительная обработка состоит в обнаружении R-зубца, удалении эктопического биения, линейной интерполяции и повторной дискретизации на заданной частоте, предпочтительно, 4 Гц. Затем рассматривается результирующая серия интервалов RR и параметры изменчивости частоты сердечных сокращений, в соответствии со стандартом, оцениваются в частотной и временной областях. Сначала, предпочтительно используя авторегрессивную модель с опережающим исключенным трендом, вычисляется 202 спектр мощности за заданный период времени, предпочтительно 5-минутный сегмент временной последовательности, центрованный на одноминутном интересующем периоде. Альтернативно, предлагаются другие способы, основанные на анализе Фурье, распределениях частоты-времени, авторегрессивном моделировании с изменяющимся временем. В двух последних случаях оценка спектра мощности обновляется с более коротким временным интервалом, например, при каждом новом обнаруженном R-зубце ЭКГ.

Спектры мощности в низкочастотном диапазоне LF, предпочтительно, 0,04-0,15 Гц, и в высокочастотном диапазоне HF, предпочтительно, 0,15-0,4 Гц, используются для определения спектральных признаков на этапе 203: мощность нормализуется в соответствии с LF_norm=LF/(LF+HF) и вычисляется отношение LF/HF. Дополнительно, статистика последовательности RR-интервалов за заданный период времени, предпочтительно 5-минутный сегмент на этапе 204, обеспечивает результирующие признаки во временной области на этапе 205, например, pNN50 (процент количества разностей интервалов смежных NN-интервалов, больших, чем 50 миллисекунд), SDNN (стандартная девиация всех NN-интервалов), SDSD (стандартная девиация последовательных разностей между смежными интервалами), RMSSD (корень из квадрата средних последовательных разностей), среднее значение RR (средняя длительность RR-интервалов) и среднее значение HR (среднее значение мгновенной частоты сердечных сокращений).

Нелинейные параметры также извлекаются из временной последовательности RR-интервалов на этапе 206, применяя два способа. Первый нелинейный способ вычисления, используемый на этапе 207, является прогрессивным анализом флюктуаций с исключенным трендом, который позволяет постепенно интегрировать сигнал перед исключением тренда по окнам длины 64. Дополнительно, затем рассматриваются частичные суммы квадратичного сигнала и это обеспечивает результирующие дифференцированные временные последовательности на этапе 208, из которых мы извлекаем новый признак 209, определяемый как максимальное значение на рассматриваемом интервале, предпочтительно, одноминутном интервале, но который может иметь любую заданную длительность интервала.

Второй нелинейный способ вычисления, применяемый к последовательности RR-интервалов, обеспечивает энтропию выборки с использованием масштабов. Сначала, на этапе 210 последовательность является крупномодульной в масштабах 1 и 2 и рассматриваются 5-минутные сегменты. Энтропия выборки (здесь далее называемая сэмпэн (sampen)) вычисляется на этапе 211 на нескольких уровнях от 1 до 10. Следовательно, на этапе 212 обеспечиваются следующие признаки: sampen_scale1_k (сэмпэн_масштаб1_k), для уровней k= от 1 до 10 и sampen_scale2_k (сэмпэн_масштаб2_k), для уровней k= от 1 до 10.

Как можно видеть в нижней части фиг.2, сигнал от фольги на кровати, обеспечиваемый датчиком 213, изготовленным из фольги и помещенным на кровати, подвергается предварительной обработке 214, которая состоит из подавления шума и калибровки. Использование низкочастотной фильтрации 215 приводит к формированию сигнала дыхания. Идентификация пиков в этом сигнале позволяет вывести последовательность интервалов дыхания, которая также линейно интерполируется и подвергается повторной дискретизации с заданной частотой, предпочтительно, 4 Гц, на этапе 216. Затем на этапе 217 вычисляется спектр мощности, предпочтительно используя авторегрессивную модель с опережающим исключением тренда. Спектр мощности затем разделяется и нормализуется на этапе 218 в низкочастотной полосе LF (0,04-0,15 Гц) и в высокочастотной полосе HF (0,15-0,4 Гц), которые используются для определения спектральных признаков, нормированного дыхания в низкочастотном диапазоне LF и отношения LF/HF для дыхания. Кроме того, обнаружение артефактов с малой и большой энергией на этапе 219 позволяет определять индекс эвристической деятельности для одноминутных интервалов, также используемый в качестве признака на этапе 220. Дополнительно, полосовая фильтрация на этапе 221 дает так называемую баллистокардиограмму, представляющую механическую сердечную деятельность. Этот сигнал может быть интересной альтернативой сигналу ЭКГ для получения сигнала изменчивости частоты сердечных сокращений. Наконец, последовательности RR-интервалов и интервалов дыхания объединяются на этапе 222, оценивая квадратичную функцию когерентности для 5-минутных интервалов, центрованных на одноминутном интересующем интервале. Эта функция когерентности умножается на автоспектр последовательность RR-интервалов и интегрируется вдоль частотной оси. Результирующий признак на этапе 223 является величиной когерентной мощности, выраженной в %. Мы можем также подумать о других признаках, оценивающих кардиопульмональную связку, таких как отношение RR-интервал/интервал дыхания.

Как можно видеть в правой части фиг.2, предпочтительный вариант осуществления содержит признаки 203, 205, 209, 212, 223, 218, 220, которые формируют компоненты вектора признака, используемого в процессе классификации, который дополнительно описывается на фиг.3.

На фиг.3 представлен предпочтительный вариант осуществления способа классификации сна/бодрствования. Этап 303 представляет информацию, приходящую от процесса выделения признаков, обеспечивающего вектор, по меньшей мере, с одним элементом, принадлежащим набору тестовых данных. Решение основывается на контролируемом классификаторе 301 обучения, который обучается с помощью набора 302 данных обучения. Классификатор 304 принимает решение на основе баессовского линейного или квадратичного дискриминантного классификатора, векторного механизма поддержки или классификатора на основе "способа k ближайших соседей" (kNN) и с помощью контролируемого подхода к обучению, основанного на наборе данных обучения, в зависимости от того, бодрствует ли пациент или спит. Чем более репрезентативными являются данные обучения, тем выше точность и рабочие характеристики классификации на этапе 304.

Терапия с ограничением сна является нефармакологическим способом, который может использоваться для лечения бессонницы сам по себе или в комбинации с фармакологическим лечением. Существует естественное стремление людей с плохим сном увеличивать количество времени, проведенное в кровати, стремясь обеспечить больше возможности для сна, стратегия, которая, наиболее вероятно, должна приводить к фрагментированному сну и сну низкого качества.

Терапия с ограничением сна состоит в сокращения количества времени, проводимого в кровати, до фактического количества времени сна. Время в кровати последовательно регулируется на основе вычисления эффективности сна в течение заданного периода времени, который обычно является предыдущей неделей. Например, если человек сообщает о сне в среднем 6 часов за ночь из 8 часов, проведенных в кровати, первоначально предписанное окно для сна должно составить 6 часов.

Последующее допустимое время в кровати уменьшается приблизительно на 15-20 минут в течение заданной недели, когда эффективность сна превышает 90%, уменьшается на то же самое количество времени, когда эффективность сна ниже 80% и остается неизменной, когда эффективность сна находится в пределах между 80 и 90%. Альтернативно, терапевт может установить верхний предел эффективности сна равным 85%. Корректировки делаются периодически, например, еженедельно, пока не будет достигнута оптимальная продолжительность сна. Изменения в осуществлении этой процедуры могут содержать изменение времени пребывания в кровати на основе скользящего среднего значения эффективности сна, например, на прошедшие три-пять дней, или его изменение на еженедельной основе, независимо от изменения эффективности сна. Эта процедура улучшает непрерывность сна за счет умеренного недосыпания и снижения времени ожидания сна. Чтобы предотвратить чрезмерную сонливость в течение дневного времени суток, время пребывания в кровати не должно уменьшаться меньше, чем до пяти часов за ночь.

Как можно видеть на фиг.4, существует предпочтительный вариант осуществления способа терапии с ограничением сна, основанный на вычислении эффективности сна, которое обеспечивается настоящим изобретением.

На первом этапе 401 врач назначает время пробуждения и время ложиться спать. На этапе 402 в течение пяти дней собираются данные, которые также содержат информацию, полученную при анкетных опросах.

На этапе 403 вычисляется средняя эффективность сна за прошедшие пять дней. На этапе 404 принимается конкретное решение, определяя, составляет ли эффективность сна менее 80%, 80-90 % или она больше 90%.

В случае, когда средняя эффективность сна ниже 80%, на этапе 406 пациента просят сократить время пребывания в кровати на 15 минут, в случае, когда средняя эффективность сна больше 90%, на этапе 405 пациента просят продлить время пребывания в кровати на 15 минут. Процесс повторяется на этапе 402 со сбором информации о сне в течение следующих пяти дней. В случае, когда средняя эффективность сна находится между 80-90%, на этапе 407 с пациентом образуется положительная обратная связь и на этапе 408 время пробуждения и время ложиться спать будут поддерживаться в течение еще одного дня и процесс переходит к этапу 403.

Раскрытая концепция может также быть идентифицирована как система 1000, выполненная с возможностью облегчения когнитивной поведенческой терапии для пациента, страдающего бессонницей, и может использовать способ, изложенный ниже. Перед обсуждением системы 1000 и способа, приводятся следующие определения.

Термин "не мешающий датчик", как он используется здесь, означает датчик, который не закрепляется непосредственно на теле пациента, например, клеем, или является беспроводным. Датчик, который не закрепляется непосредственно на теле пациента, например, ферроэлектретная фольга, расположенная непосредственно рядом или в контакте с грудной клеткой пациента, является "не мешающим датчиком", потому что он не закрепляется на пациенте, и пациент может двигаться свободно. Другие "не мешающие датчики" содержат пьезорезистивную полоску тензометрического датчика, соединенную с кроватью пациента, датчик ЭКГ, заделанный в ткань, например, в постельное белье, пижаму, ночной колпак, или радиолокационную/видеосистему, выполненную с возможностью обнаружения движения. "Не мешающим датчиком", который может быть соединен с корпусом пациента, является любой миниатюрный/легкий датчик, который может быть установлен на браслете или подобной конструкции. Одним примером такого не мешающего датчика является акселерометр. Любой датчик, имеющий провод, проходящий между пациентом и устройством, не является "не мешающим датчиком".

Термин "данные активности во время сна", как он используется здесь, является данными и, предпочтительно, биометрическими данными, представляющими измеримое действие, независимо от того, добровольное или ненамеренное, который является указанием состояния сознания пациента, то есть, спит он или бодрствует.

Термин "оценка", как он используется здесь, является оценкой ответов на один или более вопросов/формулировок по шкале, например, 1-5 дней в неделю, от очень сонного до полностью проснувшегося и т.д. Такие ответы преобразуются в "баллы", например, сонный = 1 балл, бодрствующий = 5 баллов. Если вопросов больше одного, то баллы могут объединяться в результирующий показатель. Действие по объединению баллов может быть простым сложением, но может также включать множитель для синергических комбинаций. Например, оценка может содержать следующие три вопроса/формулировки: Оцените серьезность (1) трудности засыпания, 1 = отсутствует, 5 = тяжело, (2) трудность оставаться во сне, 1 = отсутствует, 5 = тяжело, и (3) сколько чашек кофе Вы выпивается после 6:00 часов вечера. Здесь, "баллы", связанные с вопросами (1) и (2), могут объединяться простым сложением, тогда как "баллы", связанные, например, с количеством потребляемых чашек кофе, могут быть множителем. Дополнительно, как известно, конечный результирующий показатель для оценки, как правило, сравнивается с одним или более заданными пороговыми значениями, связанными с этой оценкой. Например, одна оценка может определить уровень или серьезность бессонницы пациента, а другая оценка может определить тип бессонницы, ассоциированный с пациентом. Упомянутые оценки содержат, в частности: шкалу сонливости Эпуорта (ESS), шкалу возбуждения перед сном, вопросник по нарушению сна, практическую шкалу гигиены сна, вопросник по знанию Каффейна, шкалу самооценки поведения во время сна, вопросник Глазго по содержанию мыслей, шкалу Глазго по усилиям для сна, Питсбургский индекс качества сна (PSQI) и многомерный вопросник по усталости (MFI).

Термин "пороговое значение", как он используется здесь, может также быть диапазоном значений. То есть, "пороговое значение" может существовать как максимальное значение, минимальное значение или диапазон приемлемых (неприемлемых) значений.

Как показано на фиг.5, система 1000, выполненная с возможностью облегчения когнитивной поведенческой терапии для пациента, страдающего бессонницей, содержит устройство 1002 связи, систему 1004 датчиков, первое устройство 1006 обработки, второе устройство 1008 обработки, третье устройство 1010 обработки, четвертое устройство 1012 обработки и дисплей 1014. Устройство 1002 связи выполнено с возможностью обеспечения электронной связи между компонентами, идентифицированными выше. То есть, каждый компонент соединен и осуществляет электрическую связь с устройством 1002 связи. Устройство 1002 связи и компоненты с помощью беспроводных технологий могут соединяться с различными компонентами. Устройство 1002 связи предпочтительно соединено и осуществляет электрическую связь с сетью 1001 электронной связи, такой как, в частности, Интернет.

Система 1004 датчиков имеет, по меньшей мере, один датчик 1020. Система 1004 датчиков выполнена с возможностью обнаружения данных активности во время сна и обеспечения сигнала системы датчиков, содержащего в себе данные активности во время сна. Термин "данные активности во время сна", как он используется здесь, содержит, по меньшей мере, данные частоты сердечных сокращений, данные частоты дыхания и данные о движении тела пациента. Как известно, данные от таких датчиков 1020, например, данные движения, обнаруженные регистратором активности, и данные частоты сердечных сокращений, обнаруженные ЭКГ, могут объединяться, чтобы определить или оценить, спит пациент или бодрствует. Снова заметим, что датчик ЭКГ, связанный с раскрытым способом, является не мешающим датчиком, то есть, датчиком, встроенным в одежду пациента, а не традиционным датчиком ЭКГ, имеющим провода/кабели, присоединяемые к датчику, наклеенному на кожу пациента. К другим датчикам, которые могут использоваться, относятся, в частности, датчики плетизмографии, выполненные с возможностью обнаружения эффекта дыхания, и фольга Emfit, выполненная с возможностью измерения баллистокардиографии (кардиальной деятельности, дыхательной деятельности и деятельности движения тела).

Система 1004 датчиков, каждый из которых представляет собой, по меньшей мере, один датчик 1020, соединяется и осуществляет электронную связь с устройством 1002 связи. Каждый, по меньшей мере, один датчик 1020 является не мешающим датчиком, выполненным с возможностью создания сигнала датчика, имеющего, по меньшей мере, один признак, как указано выше. По меньшей мере, один датчик 1020 может быть, в частности, датчиком 1022 ЭКГ и/или датчиком 1024 регистратора активности. Датчик 1022 ЭКГ выполнен с возможностью обнаружения данных частоты сердечных сокращений и данных частоты дыхания. Данные частоты сердечных сокращений и данные частоты дыхания являются признаком, введенным в сигнал датчика 1022 ЭКГ. Датчик 1024 регистратора активности выполнен с возможностью обнаружения данных о движении тела пациента. Данные о движении тела пациента являются признаком, введенным в сигнал датчика 1024 регистратора активности. Конкретные типы, по меньшей мере, одного датчика 1020 обсуждаются выше. Таким образом, по меньшей мере, один датчик 1020 может быть единым акселерометром, единым регистратором активности и т.д.

Каждый блок обработки, то есть, первый, второй, третий и четвертый блок 1006, 1008, 1010, 1012 обработки, содержит рабочие элементы, такие как, в частности, программируемая логическая схема (PLC) и система связи (ни то, ни другое не показаны), известные в технике. Рабочие элементы каждого блока 1006, 1008, 1010, 1012 обработки могут также содержать запоминающее устройство (не показано), такое как, в частности, оперативное запоминающее устройство (RAM), постоянное запоминающее устройство (ROM), флэш-память и/или жесткий диск, который может быть диском или твердотельным устройством. Запоминающее устройство выполнено с возможностью хранения одного или более наборов исполняемых команд, здесь далее, программ 1030, а также собранных данных, других данных, обеспечиваемых программами 1030, и данных, загружаемых через сеть 1001 электронной связи. Как известно, любые данные, хранящиеся на каждом блоке 1006, 1008, 1010, 1012 обработки, могут передаваться в удаленное место, такое как, в частности, кабинет врача, через устройство 1002 связи и сеть 1001 электронной связи. Точно также, данные и/или режимы 1030 могут загруж