可穿戴多传感器阵列绘制夜间睡眠与清醒期身体运动的生理图谱及其心血管关联研究

《Scientific Reports》：Mapping the physiological landscape of body movements during nocturnal sleep and wakefulness and their cardiovascular correlates with a wearable multi-sensor array

本研究针对传统视频多导睡眠监测（video-PSG）技术复杂、成本高且难以规模化应用的局限，开发了一种基于可穿戴多传感器阵列（集成加速度计、光电脉搏波传感器和心电图）的全新测量与分析方案，旨在系统性刻画夜间睡眠与清醒期自发身体运动的生理特征及其心血管相关性。研究通过优化运动检测算法（F1评分达90.6%~94.4%），首次揭示睡眠期运动以节段性（42.8%）和下肢运动（15.3%）为主，而清醒期以全身性运动（66.1%）为特征；同时发现运动伴随心率（HR）上升和脉搏波振幅（PWA）下降，且响应幅度与运动强度（尤其是全身运动）显著正相关（p<0.001）。该方案为睡眠障碍及心血管风险的无创、长程动态监测提供了可扩展的技术路径，具有重要的临床转化潜力。

　　

在睡眠医学领域，自发运动活动是生理性睡眠的典型特征，但在睡眠相关运动障碍（如不宁腿综合征）中会显著增强。传统上，视频多导睡眠监测（video-PSG）是诊断和评估睡眠运动的金标准，它通过多通道脑电图、肌电图、心电和呼吸传感器结合视频记录，全面捕捉睡眠中的运动事件及其生理关联。然而，video-PSG设备复杂、成本高昂，且需在实验室环境中进行，难以应用于长期、家庭或大规模人群监测。因此，开发一种基于可穿戴技术、能够无扰、连续记录夜间运动及其心血管响应的新方法，成为睡眠研究的重要方向。

在此背景下，由Marcello Sicbaldi、Alessandro Silvani等学者领导的研究团队在《Scientific Reports》上发表了最新成果。他们利用包含五个加速度计、一个光电脉搏波（PPG）传感器和一个心电图（ECG）传感器的可穿戴阵列，对12名健康受试者进行家庭环境下的整夜监测，旨在绘制夜间睡眠与清醒期身体运动的“生理图谱”，并解析其与心率（HR）和脉搏波振幅（PWA）的动态关联。

研究团队首先开发了一套基于加速度信号包络阈值的运动自动检测算法，并通过与人工标注结果对比验证其可靠性（F1评分90.6%~94.4%）。运动按参与身体节段分为节段性（单节段）、区域性（上下肢或跨区域组合）和全身性运动。睡眠-清醒状态则通过非优势腕部加速度计数据结合睡眠日记，采用Van Hees算法进行自动划分。

关键发现显示，睡眠期运动指数（21.4±1.5次/小时）显著低于清醒期（90.4±6.2次/小时），且运动拓扑结构存在明显差异：睡眠期以节段性（42.8%）和下肢运动（15.3%）为主，而清醒期以全身性运动（66.1%）为主导。此外，睡眠后半程的全身性、下肢和跨区域运动显著增多，提示与睡眠结构变化相关。

在心血管响应方面，运动前2–6秒即出现HR上升和PWA下降，峰值出现在运动后3–5秒，符合中枢自主神经命令优先于运动执行的模式。节段性运动引起双相HR反应（先升后降），而全身性运动则引发单相HR上升；PWA响应则普遍表现为下降后回升的双相模式。重要的是，运动强度与HR峰值呈正相关（全身运动r=0.38–0.46, p<0.001），与PWA谷值呈负相关（r=-0.30–-0.44, p<0.001），且HR峰值与PWA谷值之间也存在显著负相关，支持运动驱动交感神经激活同时影响心脏和血管的机制。

研究还观察到睡眠期全身运动后20–30秒出现延迟性PWA上升和HR下降，可能反映压力反射激活或觉醒反应的消退。这些精细的心血管动力学特征此前仅能通过PSG记录推断，本研究首次通过纯可穿戴设备实现同步捕捉。

研究方法上，团队重点运用了多传感器同步技术（通过机械敲击产生加速度标记实现ECG、PPG与加速度计时间对齐）、基于包络阈值的运动检测算法、以及基于GGIR软件包的睡眠-清醒自动分期。信号处理环节包括R波峰值与PPG波形的自动识别（分别采用Neurokit和Aboy++算法），并对运动相关时间窗口内HR和PWA进行基线校正与归一化分析。

运动检测与拓扑分析

通过阈值优化算法，研究实现了高精度运动事件捕捉，并发现睡眠期运动数量、时长和幅度均低于清醒期，且拓扑分布具状态特异性。

心血管响应模式

运动前自主神经激活表现为HR上升与PWA下降，其幅度与运动范围和强度相关；节段性与区域性运动后出现HR下降，可能反映压力反射代偿。

运动强度与心血管指标关联

全身运动强度与HR峰值、PWA谷值显著相关，提示运动相关心血管响应可作为量化自主神经功能的潜在生物标志。

本研究通过可穿戴多传感器阵列，首次系统描绘了夜间睡眠与清醒期身体运动的生理景观及其心血管关联，证明了该方案在家庭环境下的可行性与内一致性。其运动检测算法与video-PSG基于肌电图的记录结果高度一致，而同步获取的PWA动态变化为理解运动相关交感-血管调节提供了新视角。尽管缺乏PSG直接对照和连续血压监测，该工作仍为开发基于运动-心血管耦合关系的数字生物标志物奠定了方法学基础，未来在睡眠障碍、自主神经疾病及心血管风险人群中的推广验证值得期待。