验证CircaCP：一种通用的睡眠-觉醒周期检测算法

睡眠-觉醒周期检测是从体动记录仪数据中推断睡眠模式的关键步骤。目前已开发出许多监督式检测算法，其参数均针对特定数据集进行估计和优化，但它们在不同传感器或不同研究之间的泛化能力尚属未知。在本文中，我们提出并验证了一种无监督算法——CircaCP——用于从逐分钟的体动记录仪数据中检测睡眠-觉醒周期。该算法首先使用稳健的余弦模型估计昼夜节律，然后在每个周期内搜索单一变点。我们使用CircaCP从MESA睡眠研究中2125名个体的数据估计了睡眠/觉醒起始时间，并将估计的S/WOTs与自我报告的S/WOT事件标记进行了比较。最后，我们利用线性混合效应模型和方差成分分析，量化了估计与自我报告S/WOTs之间的偏差，以及两种方法导致的S/WOTs变异。平均而言，CircaCP估计的SOTs比事件标记报告的晚5分钟，而CircaCP估计的WOTs比标记报告的晚不到1分钟。考虑到受试者间变异的其他来源，这些差异在SOTs和WOTs中占比不到0.2%的变异。通过关注体动记录仪捕捉到的人类昼夜节律的共性，我们的算法能够从我们先前研究中收集的儿童髋部佩戴的ActiGraph数据，无缝迁移到收集自成人的腕部佩戴的Actiwatch数据。受试者间和受试者内巨大的变异性凸显了在进行体动记录仪研究时估计个体层面S/WOTs的必要性。我们算法的泛化能力也表明，它可广泛应用于其他可穿戴传感器收集的体动记录仪数据。