Roma – Un nuovo studio che sarà presentato all’incontro annuale SLEEP 2024 offre un quadro per un sistema di monitoraggio del sonno oggettivo, non invasivo e senza sforzo utilizzando termostati intelligenti dotati di sensori di movimento.
I risultati mostrano che i termostati intelligenti hanno identificato tre distinti cluster di qualità del sonno, con chiare variazioni nella durata del sonno, nei disturbi e nell’efficienza. L’analisi comparativa ha sottolineato l’eterogeneità nella qualità del sonno, evidenziando il potenziale dei dispositivi intelligenti e delle fonti di dati IoT NextGen nell’identificare i modelli di sonno e nel contribuire alla ricerca sul sonno senza monitoraggio invasivo.
“Anche se questi termostati intelligenti non erano originariamente destinati al monitoraggio della salute, la loro capacità di distinguere accuratamente tra modelli complessi e disturbi del sonno è stata la parte più sorprendente di questo studio”, ha affermato Jasleen Kaur, che ha un dottorato in informatica e ingegneria ed è un ricercatore post-dottorato presso l’UbiLab, Università di Waterloo in Ontario, Canada.
I ricercatori hanno analizzato otto terabyte di dati raccolti dai termostati intelligenti in 178.706 famiglie. Le attivazioni dei sensori sono state tradotte in segnali che modellavano le caratteristiche del sonno e modelli di apprendimento automatico sono stati utilizzati per discernere gli indicatori di qualità del sonno.
L’American Academy of Sleep Medicine riconosce che la tecnologia del sonno di consumo può essere utilizzata per migliorare l’interazione paziente-medico quando presentata nel contesto di un’appropriata valutazione clinica. Tuttavia, questi strumenti non sostituiscono la valutazione medica.
Secondo Kaur, lo studio evidenzia il potenziale dei dispositivi intelligenti per raccogliere dati significativi sulla salute comportamentale a lungo termine in casa per la sorveglianza sanitaria pubblica quasi in tempo reale.
“La qualità del sonno è fondamentale per la salute e il benessere delle persone”, ha affermato Kaur. “Tuttavia, raccogliere dati affidabili è difficile poiché spesso si basa su errori di richiamo e interpretazione soggettiva; questo offre il potenziale per integrare i dati sulla salute ambientale e comportamentale per migliorare la salute del sonno”. (30science.com)