用于失眠症筛查和管理的系统和方法与流程

用于失眠症筛查和管理的系统和方法
1.相关申请的交叉引用
2.本技术要求2019年10月31日提交的美国临时专利申请no.62/928,508的权益及优先权，该申请的全部内容以引用的方式并入本文。
技术领域
3.本发明一般涉及用于筛查和监测失眠的系统和方法，并且更具体地，涉及用于确定用户在睡眠时段期间是否经历失眠的系统和方法。


背景技术：

4.许多个体患有失眠(例如，开始睡眠困难，最初入睡后频繁或延长的觉醒，以及不能返回睡眠的早期觉醒)或其他睡眠相关病症(例如，周期性肢体运动障碍(plmd)、阻塞性睡眠呼吸暂停(osa)、潮式呼吸(csr)、呼吸功能不全、肥胖症过度换气综合征(ohs)、慢性阻塞性肺病(copd)、神经肌肉疾病(nmd)等)。许多与睡眠相关的疾病可以使用呼吸系统(例如气道正压通气(pap)系统)进行治疗，而失眠症的治疗方法不同(例如，通过改善睡眠卫生、使用认知行为疗法、开具睡眠药物等)。因此，识别用户是否正在经历失眠症或另一种睡眠相关病症是有利的，使得用户被引导到适当的治疗。本发明旨在解决这些问题并解决其他需要。


技术实现要素：

5.根据本发明的一些实施方式，一种方法包括在睡眠时段期间接收与用户相关联的生理数据。该方法还包括至少部分地基于所接收的生理数据来确定在睡眠时段期间用户的睡眠-觉醒信号。该方法还包括至少部分地基于睡眠-觉醒信号来确定在睡眠时段期间用户的一个或多个睡眠相关参数。方法还包括至少部分地基于一个或多个睡眠相关参数中的至少一个来确定用户在睡眠时段期间经历了失眠。方法还包括至少部分地基于一个或多个睡眠相关参数来识别用户经历的失眠的类型。
6.根据本发明的一些实施方式，一种系统包括电子接口、存储器和控制系统。电子接口配置为接收与用户相关联的生理数据。存储器存储机器可读指令。控制系统包括一个或多个处理器，处理器配置为执行机器可读指令以至少部分地基于生理数据确定在睡眠时段期间用于用户的睡眠-觉醒信号。控制系统还配置为至少部分地基于睡眠-觉醒信号来确定在睡眠时段期间用户的一个或多个睡眠相关参数。控制系统还配置为至少部分地基于一个或多个睡眠相关参数来确定用户在所述睡眠时段期间经历了失眠。控制系统还配置为响应于确定用户在睡眠时段期间经历了失眠，至少部分地基于一个或多个睡眠相关参数来识别用户经历的失眠的类型。
7.根据本发明的一些实现方式，一种系统包括：传感器，其配置为用于在睡眠时段期间生成与用户相关联的生理数据；存储器，其存储机器可读指令；以及控制系统，其包括一个或多个处理器，该一个或多个处理器配置为用于执行这些机器可读指令以：至少部分地
基于所述生理数据来确定在所述睡眠时段期间所述用户的睡眠-觉醒信号，至少部分地基于所述睡眠-觉醒信号来确定在所述睡眠时段期间所述用户的一个或多个睡眠相关参数，至少部分地基于所述一个或多个睡眠相关参数来确定所述用户在所述睡眠时段期间经历了失眠，响应于确定所述用户在所述睡眠时段期间经历了失眠，至少部分地基于所述一个或多个睡眠相关参数来识别所述用户经历的失眠的类型。
8.根据本发明的一些实现方式，一种系统包括：第一传感器，其配置为生成(i)在第一睡眠时段期间与用户相关联的第一生理数据和(ii)在第二睡眠时段期间与用户相关联的第二生理数据，第二传感器，其配置为在第一睡眠时段之后和第二睡眠时段之前生成与用户相关联的第三生理数据，存储器，其存储机器可读指令；以及控制系统，其包括配置为执行所述机器可读指令的一个或多个处理器，以：在用户的第一睡眠时段期间接收由第一传感器生成的第一生理数据，至少部分地基于第一生理数据确定与第一睡眠时段相关联的用户的第一睡眠-觉醒信号，至少部分地基于第一睡眠-觉醒信号确定与第一睡眠时段相关联的用户的第一睡眠相关参数，将第一睡眠相关参数与预定阈值进行比较以确定用户在第一睡眠时段期间是否经历失眠，在用户的第一睡眠时段之后和用户的第二睡眠时段之前接收由第二传感器生成的第二生理数据，至少部分地基于第二生理数据将预定阈值调整为与预定阈值不同的经调整的阈值。在用户的第二睡眠时段期间接收由第一传感器生成的第三生理数据，至少部分地基于第二生理数据确定与第二睡眠时段相关联的用户的第二睡眠-觉醒信号，至少部分地基于第二睡眠-觉醒信号确定与第二睡眠时段相关联的用户的第二睡眠相关参数，以及将所述第二睡眠相关参数与所述经调整的阈值进行比较以确定所述用户在所述第二睡眠时段期间是否经历失眠。
9.以上概述并非旨在表示本发明的每个实施方案或每个方面。本发明的详细描述和附图中，本发明的附加特征和优点是明显的。
附图说明
10.图1是根据本发明的一些实现方式的用于识别用户在睡眠时段期间是否经历失眠的系统的功能框图；
11.图2是根据本发明的一些实现方式的图1的系统和用户的透视图；
12.图3是根据本发明的一些实现方式的用于确定用户在睡眠时段期间经历失眠的方法的过程流程图；
13.图4示出了根据本发明的一些实现方式的在睡眠时段期间与用户相关联的示例性催眠图；
14.图5是根据本发明的一些实现方式的图4的睡眠时段的示例性时间线；以及
15.图6是根据本发明的一些实现方式的用于确定用户在多个睡眠时段期间经历失眠的方法的过程流程图；
16.虽然本发明易受各种修改和替换形式的影响，但是其具体实现方式和实施方案已经通过附图中的示例示出并且将在本文中详细描述。然而，应当理解，这并不旨在将本发明限制为所公开的特定形式，而是相反，本发明将覆盖落入由所附权利要求限定的本发明的精神和范围内的所有修改，等同物和替换物。
具体实施方式
17.许多个体患有失眠症，失眠症的特征通常在于对睡眠质量或持续时间不满意(例如，难以开始睡眠，在最初入睡后频繁或长时间觉醒，以及不能恢复睡眠的早醒)。据估计全世界超过26亿人经历某种形式的失眠，并且全世界超过7亿5千万人患有经诊断的失眠病症。在美国，失眠造成的总经济负担估计为每年1075亿美元，占所有无法工作的天数的13.6％，占需要就医的受伤的4.6％。最近的研究还表明，失眠是第二种最普遍的精神障碍，并且失眠是抑郁症的主要危险因素。
18.夜间失眠症状通常包括例如降低的睡眠质量、降低的睡眠持续时间、入睡失眠、睡眠维持性失眠、早醒、混合性失眠和/或反常性失眠。入睡失眠的特征在于在就寝时难以开始睡眠。睡眠维持性失眠的特征在于在最初入睡后的夜间频繁和/或长时间的觉醒。早醒的特征在于清晨觉醒(例如，在目标或期望的觉醒时间之前)，不能回到睡眠。共病性失眠是指失眠症状至少部分由另一种身体或精神病症(例如焦虑、抑郁、医学病症和/或药物使用)的症状或并发症引起的失眠类型。混合性失眠是指其他类型失眠的属性的组合(例如，入睡、睡眠维持和早醒症状的组合)。反常性失眠是指用户感知的睡眠质量和用户实际睡眠质量之间的分离或不一致。
19.昼夜(例如白天)失眠症状包括例如疲劳、能量减少、认知受损(例如注意力、专注力和/或记忆力)，在学术或职业环境中功能困难和/或情绪障碍。这些症状可能导致心理并发症，例如表现不佳、反应时间缩短、抑郁风险增加和/或焦虑症风险增加。失眠症状还可能导致生理并发症，例如免疫系统功能差、高血压、心脏病风险增加、糖尿病风险增加、体重增加和/或肥胖。
20.共病性失眠和睡眠呼吸暂停(comisa)是指受试者经历失眠和阻塞性睡眠呼吸暂停(osa)的失眠类型。osa可以基于呼吸暂停低通气指数(ahi)和/或氧去饱和水平来测量。ahi用户在睡眠时段期间经历的呼吸暂停和/或呼吸不足事件的数量除以睡眠时段中睡眠的总小时数来计算ahi。事件可以是例如持续至少10秒的呼吸暂停。小于5的ahi被认为是正常的。大于或等于5但小于15的ahi被认为是轻度osa的指示。大于或等于15但小于30的ahi被认为是中度osa的指示。大于或等于30的ahi被认为是严重osa的指示。在儿童中，大于1的ahi被认为是异常的。
21.失眠也可以基于其持续时间进行分类。例如，如果失眠症状发生少于3个月，则认为它们是急性的或短暂的。相反，如果失眠症状发生例如3个月或更长时间，则认为它们是慢性的或持久的。持续性/慢性失眠症状通常需要与急性/短暂性失眠症状不同的治疗途径。
22.失眠的已知风险因素包括性别(例如，失眠在女性中比在男性中更常见)，家族史和应激暴露(例如，严重和慢性生活事件)。年龄是失眠的潜在危险因素。例如，入睡失眠在年轻成人中更常见，而睡眠维持性失眠在中年和老年成人中更常见。失眠的其他潜在风险因素包括种族、地理(例如，生活在冬季较长的地理区域)、海拔和/或其他社会人口学因素(例如，社会经济状况、就业、教育程度、自测健康等)。
23.失眠的机制包括诱病因素、诱因因素和持续因素。诱病因素包括过度觉醒，其特征在于睡眠和觉醒期间生理觉醒增加。过度觉醒的量度包括例如皮质醇水平增加，自主神经系统的活动增加(例如，如由静息心率增加和/或心率改变所指示)，脑活动增加(例如，睡眠
期间eeg频率增加和/或rem睡眠期间觉醒次数增加)，代谢速率增加，体温增加和/或垂体-肾上腺轴的活动增加。影响因素包括应激性生活事件(例如，与就业或教育、关系等有关)。影响因素包括过度担心睡眠损失和所产生的后果，其甚至在除去影响因素后仍可维持失眠症状。
24.通常，诊断或筛查失眠(包括鉴定失眠的类型和/或特定症状)包括一系列步骤。通常，筛查过程以来自患者的主观抱怨(例如，他们不能进入或保持睡眠)开始。
25.接下来，临床医生使用包括失眠症状、影响失眠症状的因素、健康因素和社会因素的检查表来评估主观抱怨。失眠症状可包括例如发作年龄、突发事件、发作时间、当前症状(例如，入睡、睡眠维持、早醒)、症状频率(例如，每晚、发作性、特定夜晚、特定情形或季节性变化)、自症状发作以来的过程(例如，症状的严重性和/或相对出现的变化)和/或感知的白天后果。影响失眠症状的因素包括，例如，过去和当前的治疗(包括其功效)，改善或减轻症状的因素，加剧失眠的因素(例如，应激或时间表变化)，维持失眠的因素，包括行为因素(例如，过早就寝、在周末获得额外睡眠、饮酒等)和认知因素(例如，对睡眠的无益信念、对失眠的后果的担忧、对不良睡眠的恐惧等)。健康因素包括医学病症和症状、干扰睡眠的病症(例如疼痛、不适、治疗)和药理学考虑(例如药物的警告和镇静作用)。社会因素包括与睡眠不相容的工作时间表、晚回家没有时间放松、晚上的家庭和社会责任(例如，照顾孩子或老人)、压力性生活事件(例如，过去的压力性事件可能是诱因和当前的压力事件可能是永久性的)和/或与宠物睡觉。
26.在临床医生完成检查表并评估失眠症状、影响症状的因素、健康因素和/或社会因素之后，患者通常被引导创建每日睡眠日记和/或填写问卷(例如，失眠严重性指数或匹兹堡睡眠质量指数)。因此，这种用于失眠筛查和诊断的常规方法易受误差的影响，因为它依赖于主观抱怨而不是客观睡眠评估。由于睡眠状态错觉(反常性失眠)，患者的主观抱怨与实际睡眠之间可能存在断开。
27.此外，传统的失眠诊断方法并不排除其他与睡眠相关的疾病，例如，周期性肢体运动障碍(plmd)、不宁腿综合征(rls)、睡眠障碍性呼吸(sdb)、阻塞性睡眠呼吸暂停(osa)、潮式呼吸(csr)、呼吸功能不全、肥胖症换气过度综合征(ohs)、慢性阻塞性肺病(copd)、神经肌肉疾病(nmd)和胸壁障碍。这些其他病症的特征在于当个体睡眠时发生的特定事件(例如打鼾、呼吸暂停、呼吸不足、不宁腿、睡眠障碍、窒息、心率增加、呼吸困难、哮喘发作、癫痫发作、癫痫、或其任何组合)。虽然这些其他睡眠相关病症可具有与失眠类似的症状，但区分这些其他睡眠相关病症与失眠可用于定制可要求不同治疗的有效治疗计划区分特征。例如，疲劳通常是失眠的特征，而过度的日间嗜睡是其他病症(例如，plmd)的特征性特征，并且反映无意中入睡的生理倾向。
28.一旦诊断，可以使用多种技术或向患者提供建议来管理或治疗失眠症。一般来说，可以鼓励或建议患者养成健康的睡眠习惯(例如，大量运动和白天活动、有规律的生活、白天不睡觉、早点吃晚餐、睡前放松、下午避免摄入咖啡因、避免饮酒、让卧室舒适、消除卧室干扰、如果不困就起床、尝试每天在同一时间醒来，无论睡觉时间如何)或不鼓励某些习惯(例如，不要在床上工作、不要去早睡、不累就不去睡)。可以另外地或可选地使用睡眠药物和医学疗法，如处方睡眠助剂、非处方睡眠助剂和/或家用草药治疗剂，来治疗患者。
29.还可以使用认知行为疗法(cbt)或失眠的认知行为疗法(cbt-i)治疗患者，其通常
包括睡眠卫生教育、放松疗法、刺激控制、睡眠限制和睡眠管理工具和设备。睡眠限制是一种设计用于将床上时间(睡眠窗口或持续时间)限制为实际睡眠，增强稳态睡眠驱动的方法。睡眠窗口可以在数天或数周的时间段内逐渐增加，直到患者达到最佳睡眠持续时间。刺激控制包括向患者提供一组指令，该指令被设计成加强床和卧室之间与睡眠的关联，并且重新建立一致的睡眠-觉醒时间表(例如，仅在困倦时上床睡觉，在不能睡眠时下床睡觉，仅将床用于睡眠(例如，不阅读或观看电视)，每个早晨同时醒来，不午睡)。放松训练包括旨在减少自主觉醒、肌肉张力和干扰睡眠的侵入性思维的临床程序(例如，使用进行性肌肉松弛)。认知治疗是一种心理学方法，其被设计为减少对睡眠的过度担忧并重建对失眠及其日间后果的无益信念(例如，使用社会主义问题、行为体验和反常意图技术)。睡眠卫生教育包括关于可能干扰睡眠的健康实践(例如，饮食、锻炼、物质使用)和环境因素(例如，光、噪声、过高温度)的一般准则。基于心智的干预可包括例如冥想。
30.参照图1，说明了根据本发明的一些实现方式的系统100。系统100包括控制系统110、存储器设备114、电子接口119、呼吸治疗系统120、一个或多个麦克风130和一个或多个用户设备170。
31.控制系统110包括一个或多个处理器112(下文，处理器112)。控制系统110通常用于控制(例如致动)系统100的各种部件和/或分析由系统100的部件获得和/或产生的数据。处理器112可以是通用或专用处理器或微处理器。虽然在图1中示出了一个处理器112，但是控制系统110可以包括任何合适数量的处理器(例如，一个处理器，两个处理器、五个处理器、十个处理器等)，这些处理器可以在单个壳体中，或者彼此远离地定位。控制系统110可以联接到和/或定位在例如用户设备170的壳体、呼吸系统120的一部分(例如壳体)内、和/或一个或多个传感器130的壳体内。控制系统110可以是集中式的(在一个这样的壳体内)或分散式的(在物理上不同的两个或多个这样的壳体内)。在包括包含控制系统110的两个或更多个壳体的这种实施方式中，这种壳体可以彼此靠近地和/或远离地定位。
32.存储器设备114存储可由控制系统110的处理器112执行的机器可读指令。存储器设备114可以是任何合适的计算机可读存储设备或介质，例如随机或串行访问存储设备、硬盘驱动器、固态驱动器、闪存设备等。虽然图1中示出了一个存储器设备114，但是系统100可以包括任何合适数量的存储器设备114(例如，一个存储设备、两个存储设备、五个存储设备、十个存储设备等)。存储器设备114可以联接到和/或定位在呼吸设备122的外壳内、外部设备170的外壳内、一个或多个传感器130的外壳内、或其任何组合。与控制系统110类似，存储器设备114可以是集中式的(在一个这样的壳体内)或分散式的(在物理上不同的两个或多个这样的壳体内)。
33.在一些实现方式中，存储器设备114(图1)存储与用户相关联的用户简档。用户简档可以包括例如与用户相关联的人口统计信息、与用户相关联的生物统计信息、与用户相关联的医疗信息、自报告用户反馈、与用户相关联的睡眠参数(例如、从一个或多个较早睡眠时段记录的睡眠相关参数)或其任何组合。人口统计信息可以包括例如指示用户年龄、用户性别、用户种族、用户的地理位置、关系状态、失眠家族史、用户就业状况、用户教育状况、用户社会经济状况或其任何组合的信息。医疗信息可以包括例如指示与用户相关联的一个或多个医疗状况、用户的药物使用、或两者。医疗信息数据可以进一步包括多睡眠等待时间测试(mslt)测试结果或得分和/或匹兹堡睡眠质量指数(psqi)得分或值。自我报告的用户
反馈可包括指示自我报告的主观睡眠评分(例如，差、平均、优秀)、用户的自我报告的主观压力水平、用户的自我报告的主观疲劳水平、用户的自我报告的主观健康状态、用户最近经历的生活事件或其任何组合的信息。
34.电子接口119配置为从一个或多个传感器130接收数据(例如，生理数据和/或音频数据)，使得数据可以被存储在存储器设备114中和/或由控制系统110的处理器112分析。电子接口119可以使用有线连接或无线连接(例如，使用rf通信协议、wifi通信协议、蓝牙通信协议、通过蜂窝网络等)与一个或多个传感器130通信。电子接口119可包括天线、接收器(例如，rf接收器)、发射器(例如，rf发射器)、收发器或其任何组合。电子接口119还可以包括与本文描述的处理器112和存储器设备114相同或相似的一个或多个处理器和/或一个或多个存储器设备。在一些实现方式中，电子接口119联接到或集成在用户设备170中。在其他实现方式中，电子接口119与控制系统110和/或存储器设备114联接或集成(例如，在壳体中)。
35.在一些实施方式中，系统100可选地包括呼吸系统120(也称为呼吸治疗系统)。呼吸系统120可以包括呼吸压力治疗设备122(称为呼吸设备122)、用户接口124、导管126(也称为管或空气回路)、显示设备128、加湿罐129，或其任何组合。在一些实现方式中，控制系统110、存储器设备114、显示设备128、一个或多个传感器130、以及加湿罐129是呼吸设备122的一部分。呼吸压力疗法是指以受控的目标压力向用户气道入口供应空气，该受控的目标压力在整个用户的呼吸循环中相对于大气名义上是正的(例如与罐式通气机或导管式通气机的负压治疗相反)。呼吸系统120通常用于治疗患有一种或多种睡眠相关呼吸障碍(例如，阻塞性睡眠呼吸暂停、中枢性睡眠呼吸暂停或混合性睡眠呼吸暂停)的个体。
36.呼吸设备122通常用于产生输送到用户的加压空气(例如，使用驱动一个或多个压缩机的一个或多个马达)。在一些实现方式中，呼吸设备122产生连续恒定的空气压力，该空气压力被递送至用户。在其他实现方式中，呼吸设备122产生两个或更多个预定压力(例如，第一预定空气压力和第二预定空气压力)。在又其他实现方式中，呼吸设备122配置为在预定范围内产生多种不同的空气压力。例如，呼吸设备122可以输送至少大约6cm h2o、至少大约10cm h2o、至少大约20cm h2o、介于大约6cm h2o和大约10cm h2o之间、介于大约7cm h2o和大约12cm h2o之间等。呼吸设备122还可以以例如大约-20l/min和大约150l/min之间的预定流量输送加压空气，同时保持正压(相对于环境压力)。
37.用户接口124接合用户面部的一部分，并将加压空气从呼吸设备122输送到用户的气道，以帮助防止气道在睡眠期间变窄和/或塌陷。这也可以增加用户在睡眠期间的氧气摄入。取决于待施加的治疗，用户接口124可与例如用户面部的区域或部分形成密封，从而有利于气体以与环境压力有足够差异的压力(例如，相对于环境压力大约10cm h2o的正压)进行的输送，以实现治疗。对于其他形式的治疗，诸如氧气递送，用户接口可以不包括足以有利于将约10cm h2o的正压下的气体供应递送至气道的密封。
38.如图2所示，在一些实现方式中，用户接口124是覆盖用户的鼻子和嘴的面罩。可替换地，用户接口124可以是向用户的鼻子提供空气的鼻罩或直接向用户的鼻孔输送空气的鼻枕罩。用户接口124可以包括用于将接口定位和/或稳定在用户的一部分(例如，面部)上的多个绑带(例如，包括钩和环紧固件)以及有助于在用户接口124与用户之间提供气密密封的适形缓冲垫(例如，硅酮、塑料、泡沫等)。在一些示例中，用户接口124可以是管状面罩，其中面罩的绑带配置为用作将加压空气递送到面罩或鼻罩的一个或多个导管。用户接口
124还可以包括一个或多个通风口，用于允许用户210呼出的二氧化碳和其他气体逸出。在其他实现方式中，用户接口124可以包括嘴件(例如，模制为符合用户的牙齿的夜间防护嘴件、下颌复位设备等)。
39.导管126(也称为空气回路或管)允许空气在呼吸系统120的两个部件之间流动，如呼吸设备122和用户接口124。在一些实现方式中，可具有用于吸气和呼气导管的独立分支。在其他实现方式中，单个分支空气导管用于吸气和呼气。
40.呼吸设备122、用户接口124、导管126、显示设备128和加湿罐129中的一个或多个可以包含一个或多个传感器(例如，压力传感器、流量传感器、或更一般地在此描述的任何其他传感器130)。这些一个或多个传感器可用于例如测量由呼吸设备122供应的加压空气的空气压力和/或流量。
41.显示设备128通常用于显示包括静止图像、视频图像或两者的图像和/或关于呼吸设备122的信息。例如，显示设备128可以提供关于呼吸设备122的状态的信息(例如，呼吸设备122是否开/关、由呼吸设备122递送的空气的压力、由呼吸设备122递送的空气的温度等)和/或其他信息(例如，睡眠得分或治疗得分(诸如myair
tm
得分)、当前日期/时间、用户210的个人信息等)。在一些实现方式中，显示设备128充当包括图形用户接口(gui)的人机接口(hmi)，图形用户接口配置为将图像显示为输入接口。显示设备128可以是led显示器、oled显示器、lcd显示器等。输入接口可以是例如触摸屏或触敏基板、鼠标、键盘或配置为感测由与呼吸设备122交互的人类用户做出的输入的任何传感器系统。
42.加湿罐129与呼吸设备122连接或集成在呼吸设备中，并包括可用于加湿从呼吸设备122输送的加压空气的储水器。呼吸设备122可以包括加热器以加热加湿罐129中的水以加湿提供给用户的加压空气。另外，在一些实现方式中，导管126还可以包括加热元件(例如，联接至和/或嵌入在导管126中)，加热元件加热递送至用户的加压空气。
43.呼吸系统120可用作例如呼吸机或气道正压通气(pap)系统，如持续气道正压通气(cpap)系统、自动气道正压通气系统(apap)、双水平或可变气道正压通气系统(bpap或vpap)或其任意组合。cpap系统将预定气压(例如，由睡眠医师确定的)输送给用户。apap系统基于例如与用户相关的呼吸数据自动改变输送给用户的气压。bpap或vpap系统配置为递送第一预定压力(例如，吸气气道正压或ipap)和低于第一预定压力的第二预定压力(例如，呼气气道正压或epap)。
44.参照图2，示出了根据一些实现方式的系统100(图1)的一部分。呼吸系统120的用户210和床伴220位于床230中并躺在床垫232上。用户接口124(例如，完整的面罩)可以由用户210在睡眠时段期间佩戴。用户接口124经由导管126流体地联接和/或连接到呼吸设备122。呼吸设备122又通过导管126和用户接口124将加压空气输送到用户210，以增加用户210的喉咙中的空气压力，从而有助于防止气道在睡眠期间闭合和/或变窄。呼吸设备122可定位在如图2所示直接邻近床230的床头柜240上，或更一般地，定位在通常邻近床230和/或用户210的任何表面或结构上。
45.通常，与不使用呼吸系统120相比(特别是当用户遭受睡眠呼吸暂停或其他睡眠相关病症时)，被指定使用呼吸系统的用户将倾向于在使用呼吸系统120之后的一天期间经历更高质量的睡眠和更少的疲劳。然而，许多用户不符合他们的规定使用，因为用户接口124不舒服或笨重，或者由于其他副作用(例如，眼睛干涩、喉咙干涩、噪音等)。如果用户未能感
知到他们正在体验任何益处(例如，白天减少疲劳)，则用户更有可能未能按照规定使用呼吸系统120(或完全停止使用)。然而，睡眠质量或日间疲劳缺乏改善可能是由于失眠病症而不是缺乏治疗功效。因此，识别呼吸治疗系统用户是否正在经历失眠是有利的，以便可以适当地治疗失眠症状，并且用户不会因为感知到缺乏益处(例如，由失眠发作引起)而中断或减少他们对呼吸治疗系统的使用。
46.虽然在此描述的呼吸治疗系统120是治疗系统的示例，但是可以设想用于辅助治疗睡眠相关病症的其他类型的治疗系统。其他治疗系统可包括口腔矫治器，如牙科矫治器或下颌复位设备(mrd)。口腔矫治器疗法可通过将颚(下颌骨)支撑在向前位置，在睡眠期间保持用户的气道打开来帮助防止舌头和咽喉后部的软组织塌陷。
47.再参考图1，系统100的一个或多个传感器130包括压力传感器132、流量传感器134、温度传感器136、运动传感器138、麦克风140、扬声器142、射频(rf)接收器146、rf发射器148、相机150、红外传感器152、光电容积图(ppg)传感器154、心电图(ecg)传感器156、eeg传感器158、电容传感器160、力传感器162、应变计传感器164、肌电图(emg)传感器166、氧传感器168、分析物传感器174、湿度传感器176、激光雷达传感器178或其任何组合。通常，一个或多个传感器130中的每一个配置为输出被接收并存储在存储器设备114或一个或多个其他存储器设备中的传感器数据。
48.尽管一个或多个传感器130被示出和描述为包括压力传感器132、流量传感器134、温度传感器136、运动传感器138、麦克风140、扬声器142、rf接收器146、rf发射器148、相机150、红外传感器152、光电容积图(ppg)传感器154、心电图(ecg)传感器156、eeg传感器158、电容传感器160、力传感器162、应变计传感器164、肌电图(emg)传感器166、氧气传感器168、分析物传感器174、湿度传感器176和激光雷达传感器178中的每一个，更一般地，一个或多个传感器130可以包括本文描述和/或示出的传感器中的每一个的任何组合和任何数量。
49.一个或多个传感器130可用于产生例如生理数据、音频数据或两者。控制系统110可以使用由一个或多个传感器130生成的生理数据来确定在睡眠时段期间与用户相关联的睡眠-觉醒信号和一个或多个睡眠相关参数。睡眠-觉醒信号可以指示一种或多种睡眠状态，包括觉醒、放松的觉醒、微觉醒、快速眼动(rem)阶段、第一非rem阶段(通常称为“n1”)、第二非rem阶段(通常称为“n2”)、第三非rem阶段(通常称为“n3”)或其任何组合。睡眠-觉醒信号还可以加时间戳以指示用户入床的时间、用户离开床的时间、用户试图入睡的时间等。睡眠-觉醒信号可以由传感器130在睡眠时段期间以预定采样速率测量，例如每秒一个样本、每30秒一个样本、每分钟一个样本。可以在睡眠时段期间基于睡眠-觉醒信号为用户确定的一个或多个睡眠相关参数的示例包括总床上时间、总睡眠时间、入睡等待时间、入睡后觉醒参数、睡眠效率、分段指数或其任何组合。
50.睡眠-觉醒信号还可以加时间戳以指示用户入床的时间、用户离开床的时间、用户试图入睡的时间等。可以在睡眠时段期间以预定采样速率(例如每秒一个样本，每30秒一个样本，每分钟一个样本等)测量传感器130的睡眠-觉醒信号。在一些实现方式中，睡眠-觉醒信号还可以指示在睡眠时段期间的呼吸信号、呼吸速率、吸气幅度、呼气幅度、吸气-呼气比率、每小时事件的数目、事件的模式、呼吸设备122的压力设置或其任何组合。事件可以包括打鼾、呼吸暂停、中枢性呼吸暂停、阻塞性呼吸暂停、混合呼吸暂停、呼吸不足、面罩泄漏(例如，来自用户接口124)、不宁腿、睡眠障碍、窒息、心率增加、呼吸困难、哮喘发作、癫痫发作、
癫痫或其任何组合。可以在睡眠时段期间基于睡眠-觉醒信号为用户确定的一个或多个睡眠相关参数包括，例如，总床上时间、总睡眠时间、入睡等待时间、入睡后觉醒参数、睡眠效率、分段指数或其任何组合。如本文进一步详细描述的，可以分析这些睡眠相关参数以确定用户在睡眠期间是否经历失眠、识别失眠的类型、和/或识别失眠症状。
51.由一个或多个传感器130生成的生理数据和/或音频数据还可以用于确定在睡眠时段期间与用户相关联的呼吸信号。呼吸信号通常表示用户在睡眠时段期间的呼吸。呼吸信号可以指示例如呼吸速率、呼吸速率可变性、吸气幅度、呼气幅度、吸气-呼气比、每小时的事件数量、事件模式、呼吸设备122的压力设置或其任何组合。事件可以包括打鼾、呼吸暂停、中枢性呼吸暂停、阻塞性呼吸暂停、混合呼吸暂停、呼吸不足、面罩泄漏(例如，来自用户接口124)、不宁腿、睡眠障碍、窒息、心率增加、呼吸困难、哮喘发作、癫痫发作、癫痫或其任何组合。
52.压力传感器132输出可以存储在存储器设备114中和/或由控制系统110的处理器112分析的压力数据。在一些实现方式中，压力传感器132是产生指示呼吸系统120的用户的呼吸(例如，吸气和/或呼气)和/或环境压力的传感器数据的空气压力传感器(例如，大气压力传感器)。在这样的实现方式中，压力传感器132可以联接到或集成在呼吸设备122中。压力传感器132可以是例如电容传感器、电磁传感器、压电传感器、应变片传感器、光学传感器、电位传感器或其任意组合。在一个示例中，压力传感器132可用于确定用户的血压。
53.流量传感器134输出可以存储在存储器设备114中和/或由控制系统110的处理器112分析的流量数据。在一些实现方式中，流量传感器134用于确定来自呼吸设备122的空气流量、通过导管126的空气流量、通过用户接口124的空气流量、或其任何组合。在这种实现方式中，流量传感器134可以联接到或集成在呼吸设备122、用户接口124或导管126中。流量传感器134可以是质量流量传感器，如旋转流量计(例如霍尔效应流量计)、涡轮流量计、孔口流量计、超声流量计、热线传感器、涡流传感器、膜传感器、或其任何组合。
54.温度传感器136输出可以存储在存储器设备114中和/或由控制系统110的处理器112分析的温度数据。在一些实现方式中，温度传感器136生成指示用户210(图2)的核心体温、用户210的皮肤温度、从呼吸设备122和/或通过导管126流动的空气的温度、用户接口124中的温度、环境温度、或其任何组合的温度数据。温度传感器136可以是例如热电偶传感器、热敏电阻传感器、硅带隙温度传感器或基于半导体的传感器、电阻温度检测器或其任何组合。
55.麦克风140输出可以存储在存储器设备114中和/或由控制系统110的处理器112分析的音频数据。由麦克风140产生的音频数据在睡眠时段期间可再现为一个或多个声音(例如，来自用户210的声音)。来自麦克风140的音频数据还可用于识别(例如，使用控制系统110)用户在睡眠时段期间经历的事件，如本文中进一步详细描述。麦克风140可以联接到或集成在呼吸设备122、使用接口124、导管126或用户设备170中。
56.扬声器142输出系统100的用户(例如，图2的用户210)可听见的声波。扬声器142可用作例如闹钟或向用户210播放警报或消息(例如，响应于事件)。在一些实现方式中，扬声器142可用于将由麦克风140生成的音频数据传送给用户。扬声器142可以联接到或集成在呼吸设备122、用户接口124、导管126或用户设备170中。
57.麦克风140和扬声器142可以用作单独的设备。在一些实现方式中，麦克风140和扬
声器142可以被组合到声学传感器141中，如在例如wo2018/050913中所描述的，在此通过引用将其整体并入本文。在这种实现方式中，扬声器142以预定间隔产生或发射声波，并且麦克风140检测来自扬声器142的发射声波的反射。由扬声器142产生或发射的声波具有人耳听不到的频率(例如，低于20hz或高于约18khz)，以便不干扰用户210或床伴220的睡眠(图2)。至少部分地基于来自麦克风140和/或扬声器142的数据，控制系统110可以确定用户210(图2)的位置和/或这里描述的一个或多个睡眠相关参数。
58.在一些实施方式中，传感器130包括(i)第一麦克风，其与麦克风140相同或相似，并且集成在声学传感器141中；以及(ii)第二麦克风，其与麦克风140相同或相似，但是与集成在声学传感器141中的第一麦克风分开且不同。
59.rf发射器148产生和/或发射具有预定频率和/或预定幅度(例如，在高频带内、在低频带内、长波信号、短波信号等)的无线电波。rf接收器146检测从rf发射器148发射的无线电波的反射，并且该数据可以由控制系统110分析以确定用户210(图2)的位置和/或这里描述的睡眠相关参数中的一个或多个。rf接收器(rf接收器146和rf发射器148或另一rf对)也可用于控制系统110、呼吸设备122、一个或多个传感器130、用户设备170或其任意组合之间的无线通信。虽然rf接收机146和rf发射器148在图1中被示为分离且不同的元件，但是在一些实现方式中，rf接收机146和rf发射器148被组合为rf传感器147的一部分。在一些这样的实现方式中，rf传感器147包括控制电路。rf通信的特定格式可以是wifi、蓝牙等。
60.在一些实现方式中，rf传感器147是网格系统的一部分。网格系统的一个示例是wifi网格系统，其可以包括网格节点、网格路由器和网格网关，其中的每一个可以是移动的/可移动的或固定的。在这样的实现方式中，wifi网格系统包括wifi路由器和/或wifi控制器以及一个或多个卫星(例如，接入点)，每个卫星包括与rf传感器147相同或相似的rf传感器。wifi路由器和卫星使用wifi信号连续地彼此通信。wifi网格系统可以用于基于路由器和卫星之间的wifi信号中的变化(例如，接收信号强度中的差异)来生成运动数据，所述变化是由于移动的物体或人部分地阻挡了信号而引起的。运动数据可以指示运动、呼吸、心率、步态、跌倒、行为等，或其任何组合。
61.相机150输出可再现为可存储在存储器设备114中的一个或多个图像(例如，静止图像、视频图像、热图像或其组合)的图像数据。来自相机150的图像数据可由控制系统110用于确定本文所述的睡眠相关参数中的一个或多个。例如，来自相机150的图像数据可用于识别用户的位置，确定用户210入床230(图2)的时间，以及确定用户210离开床230的时间。
62.红外(ir)传感器152输出可再现为可存储在存储器设备114中的一个或多个红外图像(例如，静止图像、视频图像或两者)的红外图像数据。来自ir传感器152的红外数据可用于确定睡眠时段期间的一个或多个睡眠相关参数，包括用户210的温度和/或用户210的移动。当测量用户210的存在、位置和/或移动时，ir传感器152也可以与照相机150结合使用。例如，ir传感器152可以检测波长在约700nm和约1mm之间的红外光，而照相机150可以检测波长在约380nm和约740nm之间的可见光。
63.ppg传感器154输出与用户210(图2)相关联的生理数据，该生理数据可用于确定一个或多个睡眠相关参数，如心率、心率变异性、心动周期、呼吸率、吸气幅度、呼气幅度、吸气-呼气比、估计血压参数或其任意组合。ppg传感器154可以由用户210佩戴，嵌入在由用户210佩戴的衣服和/或织物中，嵌入在和/或联接到用户接口124和/或其相关联的头盔(例
如，绑带等)等。
64.ecg传感器156输出与用户210的心脏的电活动相关联的生理数据。在一些实现方式中，ecg传感器156包括在睡眠时段期间位于用户210的一部分之上或周围的一个或多个电极。来自ecg传感器156的生理数据可用于例如确定本文所述的睡眠相关参数中的一个或多个。
65.eeg传感器158输出与用户210的大脑的电活动相关联的生理数据。在一些实施方式中，eeg传感器158包括一个或多个电极，其在睡眠期间定位在用户210的头皮上或周围。来自eeg传感器158的生理数据可用于例如确定用户210在睡眠时段期间的任何给定时间的睡眠状态。在一些实现方式中，eeg传感器158可以集成在用户接口124和/或相关联的头盔(例如，绑带等)中。
66.电容性传感器160、力传感器162和应变仪传感器164输出可存储在存储器设备114中且由控制系统110使用，以确定本文所述的睡眠相关参数中的一个或多个的数据。emg传感器166输出与一个或多个肌肉产生的电活动相关的生理数据。氧气传感器168输出指示气体的氧气浓度的氧气数据(例如，在导管126中或在用户接口124处)。氧气传感器168可以是例如超声波氧气传感器、电氧气传感器、化学氧气传感器、光学氧气传感器或其任意组合。在一些实施方式中，一个或多个传感器130还包括皮肤电反应(gsr)传感器、血流传感器、呼吸传感器、脉搏传感器、血压计传感器、血氧传感器、或其任意组合。
67.分析物传感器174可用于检测用户210呼气中分析物的存在。由分析物传感器174输出的数据可以存储在存储器设备114中，并由控制系统110使用以确定用户210的呼吸中的任何分析物的身份和浓度。在一些实现方式中，分析物传感器174位于用户210的嘴附近，以检测从用户210的嘴呼出的呼吸中的分析物。例如，当用户接口124是覆盖用户210的鼻子和嘴的面罩时，分析物传感器174可以位于面罩内以监视用户210的嘴呼吸。在其他实现方式中，如当用户接口124是鼻罩或鼻枕面罩时，分析物传感器174可定位在用户210的鼻子附近，以检测通过用户鼻子呼出的呼吸中的分析物。在其他实现方式中，当用户接口124是鼻罩或鼻枕面罩时，分析物传感器174可以位于用户210的嘴附近。在该实现方式中，分析物传感器174可用于检测任何空气是否无意中从用户210的嘴泄漏。在一些实现方式中，分析物传感器174是可用于检测碳基化学品或化合物的挥发性有机化合物(voc)传感器。在一些实施方式中，分析物传感器174还可用于检测用户210是否正在通过他们的鼻子或嘴呼吸。例如，如果由位于用户210的嘴附近或面罩内(在用户接口124是面罩的实现方式中)的分析物传感器174输出的数据检测到分析物的存在，则控制系统110可以使用该数据作为用户210正通过他们的嘴呼吸的指示。
68.湿度传感器176输出可以存储在存储设备114中并由控制系统110使用的数据。湿度传感器176可用于检测围绕用户的各个区域中的湿度(例如，在导管126或用户接口124内部，靠近用户210的面部，靠近导管126和用户接口124之间的连接，靠近导管126和呼吸设备122之间的连接，等)。因此，在一些实现方式中，湿度传感器176可以被联接到或集成在用户接口124中或导管126中以监测来自呼吸设备122的加压空气的湿度。在其他实现方式中，湿度传感器176被放置在需要监测湿度水平的任何区域附近。湿度传感器176还可用于监测用户210周围的周围环境的湿度，例如卧室内的空气。
69.光检测和测距(激光雷达lidar)传感器178可用于深度感测。这种类型的光学传感
器(例如，激光传感器)可用于检测对象并构建周围环境(例如，生活空间)的三维(3d)图。激光雷达通常可以利用脉冲激光来进行飞行时间测量。激光雷达也被称为3d激光扫描。在使用这种传感器的示例中，具有激光雷达传感器166的固定或移动设备(如智能电话)可以测量和映射从传感器延伸5米或更远的区域。例如，激光雷达数据可以与由电磁radar传感器估计的点云数据融合。激光雷达传感器178还可以使用人工智能(ai)通过检测和分类可能引起radar系统的问题的空间中的特征来自动地理栅栏radar系统，例如玻璃窗(其可以是对radar高度反射的)。例如，激光雷达还可以用于提供人的身高的估计，以及当人坐下或跌倒时身高的变化。激光雷达可用于形成环境的3d网格表示。在进一步的用途中，对于无线电波穿过的固体表面(例如，透射线材料)，激光雷达可以反射离开这样的表面，从而允许对不同类型的障碍物进行分类。
70.在一些实现方式中，系统100还包括活动跟踪器180。活动跟踪器180通常用于帮助生成用于确定与用户相关联的活动测量的生理数据。活动测量可以包括，例如，步数、行进的距离、爬升的步数、身体活动的持续时间、身体活动的类型、身体活动的强度、站立所花费的时间、呼吸速率、平均呼吸速率、休息呼吸速率、最大呼吸速率、呼吸速率可变性、心率、平均心率、休息心率、最大心率、心率可变性、燃烧的卡路里数、血氧饱和度、皮肤电活动(也称为皮肤电导或皮肤电反应)，或其任何组合。活动跟踪器180包括这里描述的一个或多个传感器130，例如运动传感器138(例如，一个或多个加速度计和/或陀螺仪)、ppg传感器154和/或ecg传感器156。
71.在一些实现方式中，活动跟踪器180是可由用户佩戴的可佩戴设备，如智能手表、腕带、戒指或贴片。例如，参考图2，活动跟踪器190佩戴在用户210的手腕上。活动跟踪器190还可以联接到或集成到由用户穿戴的衣服或衣服。或者，活动跟踪器190还可联接到用户设备170或集成在用户设备中(例如，在同一壳体内)。更一般地，活动跟踪器190可以与控制系统110、存储器114、呼吸系统120、和/或用户设备170通信地联接，或物理地集成在控制系统、存储器设备、呼吸系统、和/或用户设备设备中(例如，壳体内)。
72.虽然在图1中单独示出，但是一个或多个传感器130的任何组合可以集成在和/或联接到系统100的任何一个或多个部件，包括呼吸设备122、用户接口124、导管126、加湿罐129、控制系统110、用户设备170或其任何组合。例如，麦克风140和扬声器142集成在和/或联接到外部设备170，并且压力传感器130和/或流量传感器132集成在和/或联接到呼吸设备122。在一些实现方式中，一个或多个传感器130中的至少一个不联接到呼吸设备122、控制系统110或用户设备170，并且在睡眠时段期间通常邻近用户210定位(例如，定位在用户210的一部分上或与其接触，由用户210佩戴，联接到或定位在床头柜上，联接到床垫，联接到天花板等)。
73.用户设备170(图1)包括显示设备172。用户设备170例如可以是诸如移动设备、智能电话、平板电脑、膝上型电脑等的移动设备。可替换地，用户设备170可以是外部感测系统，电视(例如，智能电视)或另一智能家庭设备(例如，智能扬声器，诸如google家庭、amazon回声、alexa等)。在一些实现方式中，用户设备是可穿戴设备(例如，智能手表)。显示设备172通常用于显示包括静止图像、视频图像或两者的图像。在一些实现方式中，显示设备172充当包括图形用户接口(gui)的人机接口(hmi)，图形用户接口配置为显示图像和输入接口。显示设备172可以是led显示器、oled显示器、lcd显示器等。输入接口可以是例如触
摸屏或触敏基板、鼠标、键盘或配置为感测由与呼吸设备170交互的人类用户做出的输入的任何传感器系统。在一些实现中，系统100可以使用和/或包括一个或多个用户设备。
74.虽然控制系统110和存储器设备114在图1中被描述和示出为系统100的单独且不同的部件，但是在一些实现方式中，控制系统110和/或存储器设备114被集成在用户设备170和/或呼吸设备122中。可替代地，在一些实现方式中，控制系统110或其一部分(例如，处理器112)可以位于云中(例如，集成在服务器中、集成在物联网(iot)设备(例如，智能电视、智能恒温器、智能家电、智能照明等)中，连接到云，经受边缘云处理等)，位于一个或多个服务器中(例如，远程服务器、本地服务器等、或其任何组合)。
75.虽然系统100被示为包括上述所有部件，但是根据本发明的实现，更多或更少的部件可被包括在用于生成生理数据并为用户确定推荐的通知或动作的系统中。例如，第一替代系统包括控制系统110、存储器设备114、和一个或多个传感器130中的至少一个传感器。作为另一示例，第二替代系统包括控制系统110、存储设备114、一个或多个传感器130中的至少一个传感器和用户设备170。作为又一示例，第三替代系统包括控制系统110、存储设备114、呼吸系统120、一个或多个传感器130中的至少一个传感器和用户设备170。因此，可使用本文所示和所述的部件的任何部分或多个部分和/或与一个或多个其他部件组合来形成各种系统。
76.如这里所使用的，可以基于例如初始开始时间和结束时间以多种方式定义睡眠时段。在一些实现方式中，睡眠时段是用户睡眠的持续时间。在这样的实现方式中，睡眠时段具有开始时间和结束时间，并且在睡眠时段期间，用户直到结束时间才醒来。也就是说，用户醒着的任何时段都不包括在睡眠时段中。根据睡眠时段的这一第一定义，如果用户在同一夜晚多次醒来并入睡，则由醒来间隔分开的每个睡眠间隔是睡眠时段。
77.或者，在一些实现方式中，睡眠时段具有开始时间和结束时间，并且在睡眠时段期间，只要用户醒着的连续持续时间低于醒着持续时间阈值，用户就可以醒着，而睡眠时段不结束。觉醒持续时间阈值可以被定义为睡眠时段的百分比。觉醒持续时间阈值可以是例如睡眠时段的大约百分之二十、睡眠时段持续时间的大约百分之十五、睡眠时段持续时间的大约百分之十、睡眠时段持续时间的百分之五、睡眠时段持续时间的大约百分之二等、或任何其他阈值百分比。在一些实现方式中，觉醒持续时间阈值被定义为固定的时间量，如大约一小时、大约三十分钟、大约十五分钟、大约十分钟、大约五分钟、大约两分钟等、或任何其他时间量。
78.在一些实现方式中，睡眠时段被定义为在晚上用户首先上入床的时间与第二天早上用户最后离开床的时间之间的整个时间。换言之，睡眠时段可以被定义为在第一日期(例如，周一，2020年1月6日)在第一时间(例如，下午10:00)开始的时间段，该时间段可以被称为当前晚上，当用户首先进入意图去睡眠的床时(例如，如果用户不打算在去睡眠之前首先观看电视或用智能电话播放等)，并且在第二日期(例如，周二，2020年1月7日)在第二时间(例如，上午7:00)结束，这可以被称为第二天早上，此时用户首先离开该床，目的是不要在第二天早上返回睡眠。
79.在一些实现方式中，用户可以手动定义睡眠时段的开始和/或手动终止睡眠时段。例如，用户可以选择(例如，通过点击或轻敲)在外部设备170(图1)的用户设备172上显示的用户可选元素，以手动发起或终止睡眠时段。
80.参考图3，示出了用于识别用户在睡眠期间是否经历过失眠的方法300。这里描述的方法300的一个或多个步骤可以使用系统100(图1)来实现。
81.方法300的步骤301包括接收与用户相关联的个人数据。例如，个人数据可以被接收并存储在用户设备170的存储器设备114和/或用户设备174中。个人数据可由用户经由用户设备170(图1)的显示设备172的接口设备提供和/或由第三方(例如，医疗提供者)提供。个人数据可以包括医疗数据，例如指示用户已被诊断患有的一种或多种医疗病症、药物使用或两者的信息(例如，医疗记录)。个人数据可以包括人口统计数据，例如指示用户的年龄、用户的性别、用户的种族、用户的就业状况、用户的教育状况、用户的社会经济地位、用户是否有失眠家族史或其任何组合的信息。个人数据还可以包括主观用户数据，包括指示自我报告的主观睡眠分数(例如，差、平均、优秀)、自我报告的主观疲劳水平、自我报告的主观压力水平、自我报告的主观健康状况(例如，健康或不健康)、最近的生活事件(例如，关系状态的变化、孩子的出生、家庭中的死亡等)，或其任何组合。个人数据还可以包括由第三方提供的信息(例如，来自医疗提供者的医疗记录，来自与用户相关联的家庭成员或朋友的问卷或反馈等)。个人数据可以进一步包括多睡眠等待时间测试(mslt)测试结果或得分和/或匹兹堡睡眠质量指数(psqi)得分或值。在一些实现方式中，个人数据还包括由用户指定或为用户推荐的目标或期望的入睡时间和/或目标或期望的觉醒时间。
82.方法300的步骤302包括在睡眠时段的至少一部分期间接收与用户相关联的生理数据。可以使用至少一个或多个传感器130(图1)产生或获得生理数据。例如，在一些实现方式中，使用压力传感器132和/或流量传感器134(图1)生成或获得生理数据，压力传感器和/或流量传感器联接到呼吸设备122或集成在呼吸设备中。在其他实现方式中，使用上述麦克风140来生成生理数据，麦克风联接到用户设备170或集成在用户设备中。生理数据可通过例如本文所述的电子接口119和/或用户设备170从一个或多个传感器130中的至少一个接收，并存储在存储器114(图1)中。生理数据可以由电子接口119或用户设备170直接或间接地(例如，利用一个或多个媒介)从一个或多个传感器130中的至少一个接收。描述生理数据的信息可以存储在存储器设备114和/或存储器设备174或用户设备170中。
83.方法300的步骤303包括分析在步骤302期间接收的生理数据以确定在睡眠时段期间用户的睡眠-觉醒信号。如上所述，睡眠-觉醒信号可以指示一种或多种睡眠状态、包括觉醒、放松的觉醒、微觉醒、rem阶段、第一非rem阶段、第二非rem阶段、第三非rem阶段或其任何组合。在一些实现方式中，第一非rem阶段、第二非rem阶段和第三非rem阶段中的一个或多个可以被分组在一起并且被分类为轻度睡眠阶段或深度睡眠阶段。例如，浅睡眠阶段可以包括第一非rem阶段，而深睡眠阶段可以包括第二非rem阶段和第三非rem阶段。在其他实现方式中，睡眠-觉醒信号还可以指示呼吸信号、呼吸速率、吸气幅度、呼气幅度、吸气-呼气比率、每小时事件的数目、事件的模式、呼吸设备122的压力设置或其任何组合。描述睡眠-觉醒信号的信息可存储在存储器设备114中。
84.参照图4，在一些实现方式中，步骤303可以包括生成指示睡眠-觉醒信号的睡眠图400。可以使用用户设备170的显示设备172来显示睡眠图400。如图所示，睡眠图400包括睡眠-觉醒信号401(步骤303)、觉醒阶段轴410、rem阶段轴420、轻度睡眠阶段轴430和深度睡眠阶段轴440。睡眠图400还示出了睡眠期间的入床时间t
入床
、入睡时间t
gts
、初始睡眠时间t
睡
、觉醒时间t
醒
、起床时间t
起床
、第一微觉醒ma1和第二微觉醒ma2。睡眠-觉醒信号401和轴
410-440之一之间的交点表示在睡眠时段期间的任何给定时间的睡眠阶段。
85.虽然在图4中示出的睡眠图400包括浅睡眠阶段轴430和深睡眠阶段轴440，但是在一些实现方式中，睡眠图400可以包括用于第一非rem阶段、第二非rem阶段和第三非rem阶段中的每一个的轴。
86.方法300(图3)的步骤304包括分析睡眠-觉醒信号(步骤303)以确定在睡眠时段期间与用户相关联的一个或多个睡眠相关参数。如本文所述，一个或多个睡眠相关参数可包括入床时间、初始睡眠时间、觉醒时间、起床时间、总床上时间(tib)、总睡眠时间(tst)、入睡时间(gts)、入睡等待时间(sol)、入睡后觉醒(waso)参数、睡眠效率(se)、分段指数、睡眠阻塞、过度觉醒或其任何组合。
87.入床时间与用户(例如，当用户躺下或坐在床中时)最初入床(例如，床240)以开始睡眠时段的时间相关联。例如，参考图4，在睡眠图400上将入床时间示为时间t
入床
。可以基于例如由运动传感器138、麦克风140和扬声器142、相机150或其任意组合生成的数据来确定入床时间t
入床
。
88.觉醒时间是与用户在不回到睡眠的情况下醒来的时间(例如，与用户在晚间醒来并回到睡眠相反)相关联的时间。类似地，起床时间与用户离开床并下床以结束睡眠时段(例如，与用户在夜间起床去浴室、遛狗、照顾儿童、梦游等相反)的时间相关联。参照图4，在睡眠图400上，觉醒时间被示为时间t
醒
，而起床时间被示为时间t
起床
。
89.床中总时间(tib)是上述的入床时间和起床时间之间的持续时间。因此，在大多数情况下，tib包括当用户睡眠时的一个或多个时间段以及当用户不睡眠时的一个或多个时间段(例如，在进入床之后用户入睡之前的时间，觉醒时间和起床时间之间的时间等)。例如，图5a示出了包括入床时间(t
入床
)、初始睡眠时间(t
睡
)、觉醒时间(t
醒
)、起床时间(t
起床
)和总床上时间(tib)的示例性时间线501。总床上时间(tib)是入床时间t
入床
和起床时间t
起床
之间的持续时间。
90.总睡眠时间(tst)与初始睡眠时间和觉醒时间之间的持续时间相关联，不包括其间的任何有意识或无意识的觉醒和/或微觉醒。通常，总睡眠时间参数将比总床上时间参数短(例如，短一分钟、短十分钟、短一小时等)。例如，参考图5a的时间线501，总睡眠时间(tst)跨越初始睡眠时间t
睡
和觉醒时间t
醒
之间，但不包括第一微觉醒ma1和第二微觉醒ma2的持续时间。如图所示，在该示例中，总睡眠时间(tst)比总床上时间(tib)短。
91.在一些实现方式中，总睡眠时间可以被定义为持久总睡眠时间(ptst)。在这种实现方式中，持久总睡眠时间不包括第一非rem阶段(例如，轻度睡眠阶段)的预定初始部分或时段。例如，预定的初始部分可以在大约30秒和大约20分钟之间、在大约1分钟和大约10分钟之间、在大约3分钟和大约5分钟之间等。持久的总睡眠时间是持续睡眠的量度，并且使睡眠-觉醒睡眠图平滑。例如，当用户最初入睡时，用户可以处于第一非rem阶段很短的时间(例如，30秒)，然后返回到觉醒阶段很短的时间(例如，一分钟)，然后返回到第一非rem阶段。在该示例中，持久总睡眠时间排除第一非rem阶段的第一实例(30秒)。基于持续总睡眠时间(ptst)呈现平滑的睡眠图(例如，睡眠图400)可能是有用的，因为用户可能更熟悉更长块的睡眠阶段(例如，因为用户不记得他们如何入睡)。
92.入睡时间(gts)与用户最初尝试入睡的时间相关联。例如，在入床之后，用户可以参加一个或多个活动以在试图睡眠之前放松一下(例如，阅读、观看电视、听音乐、使用用户
设备170(图1等)。换句话说，入床时间通常与入睡时间不同。可以基于例如来自运动传感器138的数据(例如，指示用户没有移动的数据)、来自相机150的数据(例如，指示用户没有移动和/或用户已经关闭灯的数据)、来自麦克风140的数据(例如，指示正在关闭tv的数据)、来自用户设备170的数据(例如，指示用户不再使用用户设备170的数据)、来自压力传感器132和/或流量传感器134的数据(例如，指示用户打开呼吸设备122的数据，指示用户佩戴用户接口124的数据等)、或其任何组合来确定入睡时间。
93.入睡等待时间(sol)与进入睡眠时间和上述初始睡眠时间之间的持续时间相关。如本文进一步详细描述的，入睡等待时间可用于确定用户在睡眠期间是否经历失眠(例如，入睡失眠)。参考图5a的时间线501，入睡等待时间(sol)包括进入睡眠时间(t
gts
)和初始睡眠时间(t
睡
)之间的时间。
94.在一些实现方式中，入睡等待时间被定义为持续入睡等待时间(psol)。持续入睡等待时间与入睡等待时间的不同之处在于，持续入睡等待时间被定义为进入睡眠时间与预定量的持续睡眠之间的持续时间。在一些实现方式中，预定量的持续睡眠可以包括例如在第二非rem阶段、第三非rem阶段和/或rem阶段(其中不超过2分钟的觉醒)、第一非rem阶段内至少10分钟的睡眠和/或其间的移动。换句话说，在第二非rem阶段、第三非rem阶段和/或rem阶段和/或rem阶段内持续睡眠多达例如8分钟。在其他实现方式中，预定量的持续睡眠可以包括在初始睡眠时间之后的第一非rem阶段、第二非rem阶段、第三非rem阶段和/或rem阶段内的至少10分钟的睡眠。在这样的方式中，预定量的持续睡眠可以排除任何微觉醒(例如，十秒微觉醒不重新开始10分钟时段)。
95.睡眠后觉醒开始(waso)与用户在初始睡眠时间和觉醒时间之间醒着的总持续时间相关联。因此，睡眠后觉醒开始包括睡眠期间的短暂和微觉醒(例如，图4中所示的微觉醒ma1和ma2)，无论是有意识的还是无意识的。在一些实现方式中，睡眠后觉醒发作(waso)被定义为仅包括具有预定长度(例如，大于10秒、大于30秒、大于60秒、大于约5分钟、大于约10分钟等)的觉醒的总持续时间的持续睡眠后觉醒发作(pwaso)。
96.睡眠效率(se)被确定为床中总时间(tib)与总睡眠时间(tst)的比率。例如，如果在床上的总时间是8小时并且总睡眠时间是7.5小时，则该睡眠时段的睡眠效率是93.75％。睡眠效率表示用户的睡眠卫生。例如，如果用户在睡觉之前入床并花费时间从事其他活动(例如，观看电视)，则睡眠效率将降低(例如，用户被罚分)。
97.在一些实现方式中，可以基于总床上时间(tib)和用户试图睡眠的总时间来计算睡眠效率(se)。在这样的实现方式中，用户试图睡眠的总时间被定义为进入睡眠(gts)时间这里描述的起床时间之间的持续时间。例如，如果总睡眠时间是8小时(例如，在下午11点和上午7点之间)，进入睡眠时间是上午10:45，并且起床时间是上午7:15，则在这样的实现方式中，睡眠效率参数被计算为大约94％。
98.至少部分地基于睡眠时段期间的觉醒次数来确定分段指数。例如，如果用户具有两个微觉醒(例如，图4中所示的微觉醒ma1和微觉醒ma2)，则分段指数可以表示为2。在一些实现方式中，分段索引在整数的预定范围之间(例如，在0和10之间)缩放。
99.睡眠块与任何睡眠阶段(例如，第一非rem阶段、第二非rem阶段、第三非rem阶段和/或rem)和觉醒阶段之间的过渡相关联。可以以例如30秒的分辨率计算睡眠块。
100.如本文所述，过度觉醒的特征在于增加的生理活动并且可以指示用户的压力水
平。因此，在一些实现方式中，步骤304包括基于睡眠-觉醒信号(步骤303)、生理数据(步骤302)和/或个人数据(步骤301)来确定用户的过度觉醒水平。例如，可以通过将包括在个人数据中的用户的自我报告的主观压力水平(步骤301)与先前记录的用户的主观压力水平和/或人口标准进行比较来确定过度觉醒水平。在另一示例中，可以基于睡眠时段期间用户的呼吸(例如，呼吸速率、呼吸可变性、呼吸持续时间、呼吸间隔、平均呼吸速率、每个睡眠阶段期间的呼吸)来确定过度觉醒水平。对于另一示例，可基于睡眠时段期间用户的移动(例如，基于来自运动传感器138的数据)来确定过度觉醒水平。在另一示例中，可以基于睡眠期间或白天期间用户的心率数据来确定过度觉醒水平。
101.方法300的步骤305包括确定用户在睡眠期间是否经历失眠。在一些实现方式中，方法300的步骤305包括识别用户经历的失眠类型和/或识别用户经历的一种或多种失眠症状。失眠的类型包括例如持续性或慢性失眠、急性失眠、入睡失眠、睡眠维持性失眠、早醒、混合性失眠、共病性失眠和反常性失眠。例如，步骤305可以包括将一个或多个睡眠相关参数(步骤305)与预定阈值进行比较，以识别用户是否经历了失眠，包括特定类型的失眠。
102.在一些实现方式中，步骤305包括通过将上述入睡等待时间(sol)或持续入睡等待时间(psol)与和入睡失眠相关联的预定阈值进行比较来确定用户在睡眠时段期间经历了入睡失眠。在这种实现方式中，预定阈值可以是例如约15分钟至约60分钟之间、约20分钟至约30分钟之间、至少20分钟、至少30分钟、至少45分钟等。优选地，将入睡等待时间(sol)与约30分钟的预定阈值进行比较，并且将持续入睡等待时间(psol)与约20分钟的预定阈值进行比较。如果入睡等待时间等于或超过预定阈值，则控制系统110确定用户在睡眠时段期间经历了入睡失眠。相反，如果入睡等待时间没有超过预定阈值，则控制系统110确定用户没有经历入睡失眠。
103.在一些实现方式中，步骤305包括至少部分地基于睡眠后觉醒开始(waso)、总睡眠时间(tst)、睡眠效率(se)、睡眠阻滞或其任何组合来确定用户在睡眠时段期间经历了睡眠维持性失眠。更具体地，可以将这些睡眠相关参数中的每一个与和睡眠维持性失眠相关联的预定阈值进行比较。预定阈值可以存储在用户设备170(图1)的存储器设备114和/或存储器设备172中。
104.例如，步骤305可以包括将睡眠后觉醒开始(waso)或持续睡眠后觉醒开始(pwaso)与预定阈值进行比较，预定阈值在约5分钟和约60分钟之间、在约15分钟和约45分钟之间、大于约20分钟、大于约30分钟、大于约45分钟等。将睡眠后觉醒开始(waso)与约30分钟的预定阈值进行比较，并将持续睡眠后觉醒开始(pwaso)与约45分钟的预定阈值进行比较。
105.作为另一示例，步骤305可以包括将总睡眠时间(tst)与预定阈值进行比较，预定阈值在大约3小时和大约7小时之间、在大约4小时和大约6.5小时之间、至少4小时、至少5小时、至少6小时、至少6.5小时等。如果总睡眠时间(tst)不等于或超过预定阈值，则控制系统110确定用户在睡眠时段期间经历了睡眠维持性失眠。
106.在另一示例中，步骤305可以包括将睡眠效率(se)与预定阈值进行比较，预定阈值在约50％和约100％之间、在约75％和约90％之间、至少约75％、至少约85％、至少约90％等。如果睡眠效率(se)不等于或超过预定阈值，则控制系统110确定用户在睡眠时段期间经历了睡眠维持性失眠。
107.作为另一示例，步骤305可以包括将睡眠分段指数与一个或多个预定阈值进行比
较，包括预定数量的觉醒(例如，多于3次觉醒、多于5次觉醒、多于10次觉醒等)和/或每个觉醒的预定持续时间(例如，至少15秒、至少30秒、至少一分钟、至少3分钟等)。如果睡眠分段指数超过预定阈值，则控制系统110确定用户在睡眠时段期间经历了睡眠维持性失眠。
108.在一些实现方式中，步骤305包括至少部分地基于觉醒时间、起床时间、目标或期望觉醒时间、目标或期望起床时间、或其任何组合来确定用户经历了早醒。如上所述，当使用者醒来并且不能回到睡眠时，发生早醒。例如，步骤305可以包括将觉醒时间和起床时间之间的持续时间与关于早醒的预定阈值(例如，至少20分钟、至少30分钟、至少60分钟等)进行比较。如果觉醒时间和起床时间之间的持续时间超过预定阈值，则控制系统110确定用户经历了早醒。在另一示例中，步骤305可以包括将觉醒时间与目标或期望觉醒(其可以在步骤301中作为个人数据的一部分被接收)进行比较。如果觉醒时间与目标或期望觉醒时间之间的差超过预定阈值(例如，至少20分钟、至少30分钟、至少45分钟、至少60分钟等)，则控制系统110确定用户经历早醒。在另一示例中，步骤305可以包括将起床时间与目标或期望起床时间(其可以在步骤301期间作为个人数据的一部分被接收)进行比较。如果起床时间与目标或期望起床时间之间的差超过预定阈值(例如，至少20分钟、至少30分钟、至少45分钟、至少60分钟等)，则控制系统110确定用户经历早醒。
109.在一些实现方式中，步骤305包括至少部分地基于存储在存储器设备114(图1)中的所接收的个人数据来确定用户经历共病性失眠和/或与药理学/治疗相关的失眠(步骤301)。在这样的实现方式中，步骤305包括确定个人数据是否包括指示与共病性失眠相关联的一种或多种医学状况和/或处方药物使用的信息。例如，已知用于治疗抑郁、疼痛和/或炎症的某些处方药与失眠相关症状有关。如果个人数据指示用户具有与共病性失眠相关的医疗状况或使用处方药，并且如果控制系统110确定用户经历了入睡失眠、睡眠维持性失眠和/或早醒，则控制系统110确定用户在睡眠时段期间经历了共病性失眠。
110.在一些实现方式中，步骤305包括至少部分地基于在步骤301期间接收到的个人数据来确定用户经历了反常失眠。如上所述，个人数据可以包括自报告的主观睡眠评分(例如，差、平均、优秀)、自报告的主观疲劳水平、自报告的主观压力水平和/或自报告的主观健康状态。当用户感知的睡眠质量不同于实际的睡眠-觉醒数据时，出现反常的失眠。例如，如果自报告的主观睡眠评分差(步骤301)，而总睡眠时间满足或超过预定阈值(例如，8小时睡眠)，则控制系统110可以确定用户经历了反常失眠。
111.在一些实现方式中，步骤305包括确定用户经历了混合性失眠。当使用者具有入睡失眠、睡眠维持性失眠和/或早醒的组合属性时，出现混合性失眠。因此，例如，如上所述，如果控制系统110确定用户经历了入睡失眠、睡眠维持性失眠和早醒中的两种或更多种，则控制系统110可以确定用户在睡眠时段期间经历了混合失眠。
112.在一些实现方式中，步骤305还可以包括至少部分地基于睡眠-觉醒信号(步骤303)和睡眠相关参数(步骤304)来确定用户在睡眠时段期间经历了另一睡眠相关障碍(除了失眠之外)。例如，步骤305可以包括确定用户经历了周期性肢体运动障碍(plmd)、阻塞性睡眠呼吸暂停(osa)、潮式呼吸(csr)、呼吸功能不全、肥胖换气过度综合征(ohs)、慢性阻塞性肺病(copd)、神经肌肉疾病(nmd)、胸壁障碍、打鼾、呼吸暂停、呼吸不足、不宁腿、睡眠障碍、窒息、心率增加、呼吸困难、哮喘发作、癫痫发作、惊厥发作或其任何组合中的一种或多种。因此，方法300可用于区分失眠和其他睡眠相关病症，以避免失眠的假阳性识别。
113.在一些实现方式中，步骤305包括使用机器学习算法来确定用户在睡眠时段期间经历了失眠。例如，步骤305可以包括使用神经网络(例如，浅或深方法)来确定用户经历了失眠并且识别失眠的类型。
114.在一些实现方式中，方法300还包括生成报告或响应于确定用户在睡眠时段期间经历失眠。例如，报告可提供指示在步骤305期间识别的失眠类型(例如，入睡失眠、睡眠维持性失眠或早醒)的信息和/或指示在步骤305期间确定的一个或多个睡眠相关参数的信息。报告可以存储在控制系统110的存储器设备114和/或用户设备170(图1)的存储器设备174中，在用户设备170的显示设备172上显示，和/或发送到第三方(例如，医疗提供者)。
115.方法300还可以包括响应于确定用户在睡眠时段期间经历了失眠(步骤305)或确定用户在睡眠时段期间经历了不同的睡眠相关病症，为用户生成推荐的个性化治疗或动作。例如，方法300包括推荐改变睡眠习惯或保健、推荐睡眠医学和/或医药治疗、推荐认知行为治疗或其任何组合。如上所述，在步骤301期间接收的个人数据可以包括指示用户的压力或焦虑水平的信息和自我报告的主观反馈。因此，所推荐的治疗可被个性化以建议可能有效的一种或多种治疗，同时不增加用户的焦虑或压力水平。推荐的治疗也可以基于用户坚持治疗的倾向来个性化，如基于接收到的个人数据所确定的。个性化治疗可以帮助将用户连接到适当的治疗以解决特定的状况(从而减少对睡眠实验室和医师的依赖)并且通常提高用户的生活质量。
116.在一些实现方式中，方法300还包括至少部分地基于所确定的失眠类型来调节呼吸系统120(图2)的一个或多个设置(步骤305)，以帮助减少失眠症状。例如，此类实现方式可以包括调节呼吸设备122的压力设置(例如，减小压力设置、调节压力上升、延长加压空气的递送等)。
117.参考图6，示出了用于识别用户在多个睡眠时段期间是否经历失眠的方法600。这里描述的方法600的一个或多个步骤可以使用系统100(图1)来实现。
118.方法600的步骤601与方法300(图3)的步骤301相同或相似，并且包括接收与用户相关联的个人数据。个人数据可包括医疗数据，如指示一种或多种医疗状况、药物使用或两者的信息。个人数据可以包括人口统计数据，例如指示用户的年龄、用户的性别、用户的种族、用户的就业状况、用户的教育状况、用户的社会经济地位、用户是否有失眠家族史或其任何组合的信息。个人数据还可以包括主观用户数据，包括指示自我报告的主观睡眠分数(例如，差、平均、优秀)、自我报告的主观疲劳水平、自我报告的主观压力水平、自我报告的主观健康状况(例如，健康或不健康)、最近的生活事件(例如，关系状态的变化、孩子的出生、家庭中的死亡等)，或其任何组合。在一些实现方式中，个人数据还包括由用户指定或为用户推荐的目标或期望的入睡时间和/或目标或期望的觉醒时间。
119.方法600的步骤602与方法300(图3)的步骤302相同或相似，并且包括在第一睡眠时段期间接收与用户相关联的第一生理数据。例如，步骤602可以包括从本文所述的一个或多个传感器130(图1)中的至少第一传感器接收第一生理数据。在一些实现方式中，在步骤602期间使用的第一传感器被联接到或集成在呼吸设备122中(例如，第一传感器包括压力传感器132和/或流量传感器134)。
120.方法600的步骤603与方法300(图3)的步骤303相同或相似，并且包括分析第一生理数据(步骤602)以确定在第一睡眠时段期间与用户相关联的睡眠-觉醒信号。如本文所
述，步骤603可包括产生显示睡眠-觉醒信号的睡眠图(例如，与图4所示的睡眠图400相同或类似的睡眠图)。
121.方法600的步骤604与方法300(图3)的步骤304相同或类似，并且包括至少部分地基于睡眠-觉醒信号来确定在第一睡眠时段期间与用户相关联的至少第一睡眠相关参数(步骤603)。如本文所述，第一睡眠相关参数可包括例如入床时间、初始睡眠时间、觉醒时间、起床时间、总床上时间(tib)、总睡眠时间(tst)、入睡时间(gts)、入睡等待时间(sol)、入睡后觉醒(waso)参数、睡眠效率(se)、分段指数、睡眠阻塞或其任何组合。
122.方法600的步骤605与方法300(图3)的步骤305相同或类似，并且包括至少部分地基于个人数据(步骤601)和/或第一睡眠相关参数(步骤604)来确定用户在第一睡眠时段期间是否经历失眠。例如，如本文所述，步骤605可包括确定用户经历了入睡失眠、睡眠维持性失眠、早醒、共病性失眠等。
123.方法600的步骤606包括在第一睡眠时段之后但在第二后续睡眠时段之前，使用至少第二传感器接收与用户相关联的第二生理数据。在一些实现方式中，可以使用不同于第一传感器的第二传感器来生成或获得第二生理数据。例如，在这样的实现方式中，第一传感器(步骤602)可以联接到或集成在呼吸设备122(图1)中，而第二传感器联接到或集成在用户设备170中。第二生理数据与第一生理数据相同或相似(步骤602)，但是在一天期间而不是在第一睡眠时段期间生成或获得。
124.方法600的步骤607包括分析第二生理数据(步骤606)以识别用户经历的一个或多个白天症状。如本文所述，某些失眠症状可表征为昼间(白天)症状，例如疲劳、精力降低、认知受损(例如注意力、专注力和/或记忆力)、在学术或职业环境中功能困难和/或情绪障碍。例如，步骤607可以包括使用第二生理数据确定用户在一天中的活动水平，并且将所确定的活动水平与预定阈值进行比较以确定用户在一天中是否经历疲劳症状。作为另一示例，步骤607可包括确定用户的反应时间(例如，响应于刺激)，并将所确定的反应时间与预定阈值进行比较以确定用户是否在白天经历了认知受损的症状。
125.在一些实现方式中，步骤607包括接收与第一睡眠时段相关联的主观用户报告反馈。例如，用户可以在第一睡眠时段之后提供(例如，使用用户设备170(图1))描述自报告主观睡眠得分(例如，差、平均、优秀)、自报告主观疲劳水平、自报告主观压力水平等的信息。用户还可以提供例如第二后续睡眠时段的目标或期望的入睡时间和/或目标或期望的觉醒时间。
126.方法600的步骤608包括调整在步骤605期间使用的预定阈值以确定用户在第一睡眠时段期间是否经历失眠。该调整可以至少部分地基于在第一睡眠时段期间失眠的识别(步骤605)，在步骤607期间识别的失眠症状，或两者。调节可以包括增加或减少预定阈值。
127.例如，如上所述，可以将所确定的入睡等待时间(sol)与预定阈值进行比较，以确定用户是否经历入睡失眠(例如，如果入睡等待时间超过阈值)。在一些实现方式中，调整包括降低预定阈值以与第二睡眠时段的入睡等待时间进行比较(例如，将阈值从约30分钟降低到约20分钟)。例如，预定阈值可以至少部分地基于所识别的白天症状和/或上述自报告的主观反馈而降低。如果用户在白天严重疲劳，则用户入睡应该比用户在白天没有疲劳时快。因此，在这种情况下，当确定用户是否经历了入睡失眠时，可以降低预定阈值以解决这一事实。
128.作为另一示例，如上所述，可以将所确定的睡眠后觉醒开始(waso)与预定阈值进行比较，以确定用户是否经历睡眠维持性失眠(例如，如果waso超过阈值)。在一些实现方式中，调节包括响应于确定用户在第一睡眠时段期间未经历睡眠维持性失眠而降低要与waso进行比较的预定阈值(例如，将阈值从约30分钟降低到约15分钟)。或者，如上所述，可将所确定的总睡眠时间(tst)与预定阈值进行比较以确定用户是否经历睡眠维持性失眠(例如，如果tst低于阈值)。在一些实现方式中，调节包括部分地基于所识别的失眠症状来升高或降低阈值(步骤607)。例如，如果确定用户在第一睡眠时段之后的一天期间疲劳，则可以降低与tst进行比较的阈值，以确定用户在第二睡眠时段期间是否经历失眠(步骤612)。
129.方法600的步骤609与步骤602相同或类似，并且包括在第二睡眠时段期间使用上述第一传感器接收与用户相关联的第三生理数据。或者，可以使用与用于产生或获得第一生理数据的传感器不同的传感器来产生或获得第三生理数据(步骤602)。
130.方法600的步骤610与上述步骤603相同或相似，并且包括分析第三生理数据以确定在第二睡眠时段期间与用户相关联的第二睡眠-觉醒信号。类似于第一睡眠-觉醒信号(步骤602)，第二睡眠时段的第二睡眠-觉醒信号可被绘制为与睡眠图400(图4)相同或相似的睡眠图。在一些实现方式中，方法600包括使用例如用户设备170(图1)的显示设备172同时显示第一睡眠-觉醒信号的第一睡眠图(步骤603)和第二睡眠-觉醒信号的第二睡眠图(步骤610)。
131.方法600的步骤611与上述步骤604相同或类似，并且包括确定在第二睡眠时段期间与用户相关联的至少第二睡眠相关参数。第二睡眠相关参数(步骤611)可以与第一睡眠相关参数(步骤604)相同或不同。
132.方法600的步骤612与上述步骤605相同或类似，并且包括至少部分地基于调整的预定阈值来确定用户在第二睡眠时段期间是否经历失眠(步骤605)。因为在第一睡眠时段和第二睡眠时段之间调整预定阈值(步骤605)，所以即使对于相同的睡眠相关参数值，步骤612的标识也可以不同于步骤605的标识。
133.虽然本文针对两个睡眠时段描述方法600，但方法600的步骤可针对任何数目的睡眠时段(例如，三个睡眠时段、十个睡眠时段、五十个睡眠时段、一百个睡眠时段等)重复一次或多次。
134.总之，本文所述的系统和方法可用于帮助患有不利生理状况(例如，较低的表现、较慢的反应时间、增加的抑郁症风险、焦虑症等)和不利的生理状况(例如，高血压、心脏病风险增加、免疫系统功能差、肥胖等)通过自动确定用户在睡眠期间经历了失眠，而不是其他与睡眠相关的疾病或问题。这些系统和方法基于生理数据和用户的主观感受来分类用户经历的失眠的类型，这允许个性化的治疗路径。这些和其他益处可减少对药物治疗的依赖及其相关的不利之处(例如，副作用和/或依赖性)并减少忙碌的临床医生和睡眠实验室的负担。
135.来自以下权利要求1-54中任一项的一项或多项的一个或多个要素或方面或步骤或其任何部分可以与来自其他权利要求1-54中任一项的一项或多项或其组合的一个或多个要素或方面或步骤或其任何部分组合，以形成本发明的一个或多个附加实现方式和/或权利要求。
136.虽然已经参考一个或多个特定实施方案和实现方式描述了本发明，但是本领域技
术人员将认识到，在不脱离本发明的精神和范围的情况下，可以对其做出许多改变。这些实现方式及其明显变化中的每一个都被认为落入本发明的精神和范围内。还设想根据本发明的方面的附加实现方式可以组合来自本文描述的任何实现方式的任何数量的特征。