Un capteur sous le matelas qui lit la respiration permet de distinguer le sommeil paradoxal du sommeil non paradoxal
Lead. Un capteur placé sous le matelas, sans aucun fil, ceinture ni contact avec le dormeur, peut distinguer le sommeil paradoxal (REM) du sommeil non paradoxal (NREM) avec une précision d’environ 84 %, selon une nouvelle étude publiée dans Frontiers in Digital Health. La recherche, menée par Shaonan Wang et ses collègues, présente une méthode qui combine la détection des mouvements corporels avec une mesure sophistiquée de la stabilité du rythme respiratoire pour améliorer la tâche notoirement difficile de la stadification non contact du sommeil.
Ce qu’ils ont trouvé
Les chercheurs ont testé leur approche sur 85 adultes ayant subi des enregistrements simultanés avec une polysomnographie clinique (PSG) et une bande capteur piézoélectrique commerciale placée sous le matelas. Les capteurs piézoélectriques convertissent la pression mécanique, en l’occurrence la force de la respiration et des mouvements corporels transmise à travers le matelas, en signaux électriques. Après avoir exclu les époques d’éveil, l’équipe a classé chaque époque de 30 secondes comme sommeil REM ou NREM.
Le classificateur XGBoost a atteint une précision moyenne de 84,39 % (plus ou moins 12,76 points de pourcentage selon les sujets) avec un Kappa de Cohen de 0,524, indiquant un accord modéré au-delà du hasard. Le sommeil REM s’est avéré plus difficile à identifier que le NREM : la précision REM était de 0,600, le rappel REM de 0,735 et le score F1 REM de 0,603.
L’innovation clé a été l’ajout d’une caractéristique basée sur la Time Warp Edit Distance (TWED), une méthode qui quantifie la similarité entre les séquences d’intervalles respiratoires. En mesurant la stabilité ou la variabilité du rythme respiratoire d’une personne à différentes échelles de temps, les caractéristiques basées sur TWED ont amélioré à la fois le Kappa et le score F1 REM par rapport à l’utilisation des seules caractéristiques conventionnelles de mouvement corporel et de variabilité respiratoire. En d’autres termes, la respiration irrégulière caractéristique du sommeil REM fournit un signal utile que les mesures conventionnelles ne captent pas.
Le rythme respiratoire dérivé du capteur piézoélectrique a également montré une bonne concordance avec le signal de débit d’air d’une canule nasale (la référence PSG), validant ainsi que le dispositif sous le matelas capture des données respiratoires cliniquement significatives.
Pourquoi c’est important
La polysomnographie reste l’étalon-or pour la stadification du sommeil, mais elle est coûteuse, nécessite une nuitée en laboratoire du sommeil et implique un enchevêtrement de fils, d’électrodes et de capteurs fixés à la tête, au visage, à la poitrine et aux jambes. Ce fardeau limite son utilisation pour un suivi répété ou longitudinal.
La surveillance non contact du sommeil est précisément attrayante parce qu’elle élimine ce fardeau. Une bande sous le matelas collecte passivement les données, nuit après nuit, sans aucun effort de la part du dormeur. Le défi a été que, sans électroencéphalographie (EEG), les enregistrements des ondes cérébrales qui définissent les stades du sommeil, distinguer le REM du NREM est beaucoup plus difficile. Les deux stades diffèrent subtilement dans leurs signatures respiratoires et motrices, et les tentatives passées de discrimination REM/NREM sans contact ont peiné en matière de fiabilité.
Cette étude ajoute aux preuves que l’analyse respiratoire, en particulier les mesures de stabilité respiratoire, peut servir de proxy viable pour les distinctions de stades de sommeil basées sur l’EEG que fournit la PSG clinique. Si ces méthodes continuent de s’améliorer, la surveillance du sommeil à domicile pourrait devenir pratique pour le suivi des troubles du sommeil, le contrôle de la réponse au traitement et le repérage des changements longitudinaux, le tout sans le coût et les inconvénients des visites répétées en laboratoire.
Limites
Plusieurs limitations tempèrent ces résultats. Premièrement, l’étude a exclu les époques classées comme éveil, de sorte que le classificateur ne distingue pas l’éveil du sommeil, un défi distinct et important. Deuxièmement, la précision de 84 % et le Kappa de 0,524, bien que prometteurs, ne sont pas encore au niveau du diagnostic clinique. Une précision REM de 0,600 signifie que 40 % des époques que le modèle a étiquetées comme REM étaient en réalité du NREM, ce qui fausserait les évaluations cliniques des paramètres liés au REM comme la latence ou la densité du REM.
Troisièmement, l’étude a utilisé un seul type de bande capteur piézoélectrique et une configuration de matelas spécifique ; les performances peuvent différer avec d’autres matériels ou types de matelas. Quatrièmement, la taille de la cohorte de 85 sujets est modeste pour les études d’apprentissage automatique, et la variabilité inter-sujets était substantielle (la précision variait largement, comme en témoigne l’écart-type de 12,76 points de pourcentage). La conception de validation croisée imbriquée « leave-one-out » aide à se prémunir contre le surajustement, mais des échantillons plus larges et plus diversifiés sont nécessaires pour confirmer la généralisabilité.
Enfin, les auteurs notent qu’aux niveaux de performance actuels, la méthode est mieux considérée comme un outil adjuvant à faible contrainte pour la surveillance longitudinale nocturne hors ligne et l’évaluation des tendances dans des environnements domestiques, et non comme un remplacement du diagnostic clinique basé sur la PSG.
Conclusion
Un capteur piézoélectrique sous le matelas, combiné à des caractéristiques conventionnelles de mouvement corporel et à de nouvelles mesures de stabilité respiratoire basées sur TWED, peut discriminer le sommeil REM du NREM avec une précision modérée. Le signal d’instabilité respiratoire capté par TWED semble apporter des informations utiles au-delà des mesures plus simples, ouvrant la voie vers une stadification pratique et non contact du sommeil pour un usage domestique. Pour l’instant, l’approche est surtout adaptée au suivi des tendances et à l’observation longitudinale plutôt qu’à la prise de décision clinique autonome.
Traduit par Lydie
Source
Wang S, Yu J, Yang X, Liu D, Bai Q, Yu J, Ding S, Xu Y, Zhu D. Non-contact REM/NREM sleep staging from piezoelectric signals using respiratory and body-movement features with auxiliary TWED-based respiratory stability measures. Front Digit Health. 2026 Jun 15;8:1780166. doi:10.3389/fdgth.2026.1780166. PMID: 42375153. PMCID: PMC13310895.
Source URL: https://pubmed.ncbi.nlm.nih.gov/42375153/