Álmosság és biztonság: ahol a biológiának szüksége van technológiára

Takashi Abe

1 Űrbiomedikai Kutatási Iroda, Repülőszemélyzet Üzemeltetési és Technológiai Osztály, Tsukuba Űrközpont, Japán Aerospace Exploration Agency, Tsukuba, Ibaraki, Japán

Daniel Mollicone

2 Pulsar Informatics, Inc., Philadelphia, Pennsylvania, USA

Mathias Basner

3 Alvás- és kronobiológiai osztály, Pszichiátriai Tanszék, Perelman Orvostudományi Kar, Pennsylvaniai Egyetem, Philadelphia, Pennsylvania, USA

David F. Dinges

3 Alvás- és kronobiológiai osztály, Pszichiátriai Tanszék, Perelman Orvostudományi Kar, Pennsylvaniai Egyetem, Philadelphia, Pennsylvania, USA

Absztrakt

BEVEZETÉS

Kiterjedt adatok dokumentálják, hogy az akut és krónikus részleges alvásvesztés, a hosszan tartó ébrenlét és az éjszakai ébrenlét teljesítménye, amikor az ember biológiailag alvásra van programozva, kockázati tényezők a teljesítménybeli hibákhoz és a balesetekhez sokféle foglalkozási környezetben. 1–3 Ezenkívül a rövid alvási időtartam, az alvászavarok és a cirkadián eltérések számos fiziológiai és mentális rendellenességgel társulnak, beleértve a magas vérnyomást, a cukorbetegséget, az elhízást, a depressziót vagy a rákot. 4–11 Nemrégiben két új ígéretes technológia jelent meg az álmosság/fáradtság kockázatának kezelésére az emberi rendszerekben. Ezek közé tartozik a fáradtság megelőzése a munkarend optimalizálásával az alváshoz és a cirkadián dinamikához kapcsolódó teljesítményváltozások biomatematikai modelljeivel, 12–13, valamint az álmos és fáradt operátorok detektálására szolgáló technológiákkal. 14 A fáradtság és az álmosság kezelésére szolgáló technológiák nemrégiben készült áttekintése rámutatott, hogy ezek és más fáradtságcsökkentő technológiák jelentős kihívásokkal járnak. 14 Meg kell állapítani érvényességüket, biztonsági értéküket, elfogadásukat, felhasználásuk betartását és visszaélés lehetőségét. 13–16

A fáradtság az a kifejezés, amelyet a kormány, az ipar, a munkaerő és a közvélemény használ, arra utalva, hogy a túl hosszú munkavégzés, a túl kevés pihenés és/vagy egy adott feladat teljesítésének bizonyos szintjét nem képes fenntartani. 1 Ezek a kérdések nagymértékben átfedik azokat, amelyek az álmosságra és annak teljesítményhatásaira vonatkoznak, következésképpen az álmosságot és a fáradtságot ebben a felülvizsgálatban felcserélhető módon használják.

A MŰKÖDŐK FÁRTALMATLAN KÉPESSÉGE ÚJ MEGOLDÁSOKRA VONATKOZIK

A fáradt operátorokat észlelő technológiák másik indoklása abból adódik, hogy az emberek gyakran nem képesek szubjektíven megbecsülni az éberségük és a teljesítményük károsodásának mértékét a nem megfelelő alvás, az éjszakai munkavégzés vagy az alvászavar miatt. 22., 27. A krónikus részleges alvásmegvonás kísérleteinek klasszikus megállapítása az, hogy az emberek túlbecsülték szubjektív éberségüket, és alábecsülték csökkent viselkedési éberségük súlyosságát, valamint annak valószínűségét, hogy krónikus részleges alvásvesztés esetén a teljesítmény elvesztése vagy hirtelen alváskor bekövetkezzen. 22 Vagyis az emberek hajlamosak azt hinni, hogy akaraterővel vagy bizonyos magatartásmóddal (pl. Zenehallgatás stb.) Képesek legyőzni az álmosságot, de ezek a figyelmeztető ingerek csak kicsi és rövid ideig tartó hatásokkal bírnak. 28–29 Ezen túlmenően a fáradtság-kockázatkezelő programok, amelyek nagyrészt az ön által jelentett fáradtságos aluszékonyságra támaszkodnak, valószínűleg hiányolják a veszélyeztetett, krónikusan alváshiányos egyéneket, és azokat, akiket a legnagyobb veszély fenyeget egy olyan teljesítményleállásra, amelynek súlyos következményei lehetnek a biztonságra (pl., elsodródás az útról.

ALVÁS/FÁRADÁS JELENTÉSI TECHNOLÓGIÁK

Az álmosságot/fáradtságot több napra előre jelző matematikai modellek jelentős figyelmet kaptak az elmúlt két évtizedben. 12, 17, 53–54 Az alvásszabályozás kétfázisú modellje 17 képes megjósolni az alvás időzítését és időtartamát, azonban ez az egyszerű modell nem tudta megjósolni a krónikus alváskorlátozás neurobehaviorális hatásait. 55–56 A neurobehaviorális teljesítmény legújabb biomatematikai modelljeit kidolgozták a teljes alváshiány és a krónikus alváskorlátozás viselkedési éberségének előrejelzésére. 54, 57 Az 54 modell fontos előrejelzése az, hogy a neurobevaviorális teljesítmény romlása aszimptotikailag stabil egyensúlyhoz konvergál, amikor a napi ébrenlét időtartama 20,2 óra (3,8 óra TIB) alatt van, de a teljesítményhiányok jelentősen növekednek, ha a napi ébren tartási idő meghaladja a 20,2 órát (azaz kevesebb, mint 3,8 óra alvás 24 órán belül). Egy másik fontos jóslat ebből a modellből az, hogy a gyógyulási alvás egyetlen éjszakája nem megfelelő a krónikus alváskorlátozás felépüléséhez. Ezt az előrejelzést a közelmúltbeli kísérleti eredmények is megerősítették. 26.

A korábbi matematikai modellek másik korlátja, hogy nem sikerült pontosan megjósolniuk az alvásvesztés különböző fenotípusos sebezhetőségével küzdő egyének viselkedési éberségét. Ennek a korlátozásnak a kezelése érdekében Van Dongen és mtsai. 53 adaptív Bayes-i előrejelzési teljesítmény-előrejelzési módszert dolgozott ki, amely az egyén korábbi teljesítményének eredményeit felhasználva azonosítja tulajdonságainak értékeit, majd megjósolja a jövőbeli teljesítményt, frissítve egy fáradtságérzékelő technológiával. A múltbeli adatpontok számának növekedésével a modell növeli a tulajdonság paramétereinek becslésének pontosságát (1. ábra). Az individualizált előrejelzések pontosabban megjósolják az egyének tényleges jövőbeli teljesítményét, mint a népesség átlagos előrejelzése. Az egyéni különbségeket figyelembe vevő matematikai modell segítségével pontosabb becslés érhető el az egyénekre gyakorolt fáradtsághatások időzítéséről és nagyságrendjéről, 53 amelynek elő kell segítenie az individualizált ellenintézkedések alkalmazását (pl. Szundikálás, gyógyulási alvás, koffeinbevitel).

Szimuláció Bayes-féle előrejelzési eljárással három személy jövőbeni teljesítményének előrejelzésére, 10 perces PVT-vel mérve, teljes alváshiány alatt. A teljesítményt az ébrenlét t = 44h-tól kezdve jósolják, átlagos (fekete vonal) és 95% -os konfidencia intervallummal (függőleges vonalak). Az egyéni jóslatok a korábbi teljesítménymérésektől egészen 44 óráig (fekete pontok) azonosított tulajdonságokon alapulnak. A szürke körök a 24 órás előrejelzési periódus tényleges teljesítményméréseit mutatják. Ábra Van Dongen és munkatársai engedélyével újranyomtatva. 53

Matematikai modellezéssel jelenleg az alváshiányos kockázatot jelentő munkarendeket lehet azonosítani és a kockázat nagyságát megbecsülni. 13 Felismerhető azonban, hogy az alvásvesztésből és a cirkadián interakciókból eredő fáradtság kockázatának előrejelzésére és megelőzésére kifejlesztett matematikai modelleknek korlátai vannak. Például, a pontosságuk javításához visszajelzésre van szükségük a neuro-viselkedési teljesítmény tényleges értékeiből. 53 Ezenkívül egyetlen modell sem képes megjósolni a fáradtság/álmosság pillanatnyi változását. Ezért ezek csak a fáradtság kockázatkezelési rendszer egyik fontos elemét jelenthetik. Az álmosság-előrejelző és -felderítő technológiák integrált használata ígéretesnek tűnik, mivel a balesetek és a hibakockázat hatékonyabb enyhítésére használható technológiák.

ALVÁS/FÁRADÁSFELTÉTELEZÉSI TECHNOLÓGIÁK

Alkalmassági vizsgálatok

Az éber figyelem nagyon sok biztonsági szempontból fontos feladat, a mozgó szállítóeszközök üzemeltetésétől a sokféle munka elvégzéséig, az anomáliák és fenyegetések felderítéséig. A kognitív teljesítménytesztek áttekintése következetesen megállapította, hogy az éber figyelemfeladatok az alvásvesztés és a cirkadián periodicitás egyik legérzékenyebb mércéje. 58 Egy nemrégiben készült metaanalízis 70 publikált tanulmányt vizsgált meg az éjszakai akut teljes alvásvesztés 147 kognitív tesztre gyakorolt hatásáról, beleértve az egyszerű figyelmet, az összetett figyelmet, a munkamemóriát, a feldolgozási sebességet, a rövid távú memóriát és az érvelést. 58 Ez a tanulmány feltárta, hogy a hatásméretek a figyelemhiányos és a legkisebbek az érvelési pontosság szempontjából. 58 Így a figyelem fenntartásának és a gyors reagálás képességének hiányosságai a nem megfelelő alvás teljesítményre gyakorolt elsődleges káros hatásai közé tartoznak. 58

A szokásos 10 perces PVT-t azonban időtartama miatt gyakran praktikusnak tartják operatív vagy klinikai körülmények között. A fáradtság felmérésére és az ügyeletes alkalmasságra vonatkozó neuro-magatartási teszteknek nemcsak operatív és fogalmi szempontból érvényesnek, megbízhatónak, érzékenynek, specifikusnak, általánosíthatónak és könnyen használhatónak kell lenniük, hanem elég rövidnek is, hogy elfogadhatók legyenek a célpopuláció számára, és lehetővé tegyék az ismételt alkalmazást. működési környezetek. E kritériumok teljesítése érdekében a PVT két rövidebb idejű változatát (a teljesítményértékeléshez módosított algoritmusokkal) kifejlesztették, kiterjedt validációval, mind akut teljes, mind krónikus részleges alvásmegvonásra való érzékenységükre vonatkozóan. Ezek a rövid PVT (PVT-B) 60 és a PVT adaptív időtartamú változata (PVT-A). 65

A PVT-B ISI-értékei a 10 perces PVT szokásos 2-10 másodpercéről 1-4 másodpercre csökkentek, és csökkentette a megszűnési küszöböt 500-ról 355 ms-ra. 60 A PVT-B kimutatták, hogy az idő múlásával szorosan követi a standard 10 perces PVT-t mind a teljes alvásmegvonás, mind a krónikus alváskorlátozás kísérleteiben. 60 PVT-B teszt időtartama 70% -kal csökkent a 10 perces PVT-hez képest, az alvásvesztésre való érzékenységének hatása csak 22,7% -kal csökkent. 60 Ez elfogadható kompromisszum a feladat időtartama és az érzékenység között. A munka teljesítményének laboratóriumi tanulmányában annak megállapítására, hogy a PVT-B rendelkezik-e alkalmassággal szolgálati alkalmassági tesztként, bebizonyosodott, hogy a PVT-B szorosan nyomon követte a fáradtsággal kapcsolatos fenyegetés-észlelési teljesítménycsökkenéseket egy szimulált poggyász-átvizsgálási feladat során. 66 A PVT-B teljesítménye és a szimulált poggyász-átvizsgálási feladat a teljes alváshiány 34 órás periódusában változott. Ez különösen fontos megállapítás, mert a fenyegetés-felderítési feladat nagy hűséggel bír ahhoz, amit az üzemeltetőknek meg kell tenniük a poggyász röntgengépeken történő átvizsgálása során. Így a PVT-B képes megjósolni az éberségi munkához képest a működés szempontjából releváns teljesítményt.

Online operátor monitorozás

Az alkalmassági vizsgálatok azt ígérik, hogy kimutatják az alvással kapcsolatos fáradtság állapotát a fáradtságot kiváltó munkarend miatt bekövetkező balesetek és hibák kockázatának kitett népességekben. Azonban, amint azt a fentiekben megjegyeztük, az alvásvesztés és a cirkadián periodicitás neurobehaviorális hatásai nem lineáris időbeli lefutást követnek napokon belül és között, valamint átmenetibb kiváltott hatásokat okoznak az éberségre a testtartás, a társas interakció, a koffein stb. Az online üzemeltetői megfigyeléssel kiegészített biomatematikai modellek átfogóbb módot jelenthetnek a munkával kapcsolatos fáradtság kimutatására. Az alábbiakban egy példa a kezelői fáradtság álmosságon alapuló folyamatos monitorozásának egyik típusára használjuk a szemhéj lassú bezáródását (azaz lassú pislogást), amelyet PERCLOS-nak nevezünk (az idő aránya, amikor a szemek bizonyos időközönként csukódnak). 16, 67–72. Ez a példa szemlélteti az validációs tudomány kritikáját, amelyet első lépésként el kell végezni az álmosság valóban megbízható, nem zavaró mértékének kifejlesztése felé.

A lassú szemhéjzáródások (PERCLOS) koherenciájának átlagos százalékos ideje a PVT-kiesési frekvencián az ébrenlét 42 órája (háromszögek) alatt, egy korszak meghatározásához használt időalap függvényében. A távolsággal súlyozott legkisebb négyzetek függvény illeszkedett az adatokhoz. A PERCLOS-t egy emberi pontszerű videofelvétel alapján mértük a szemhéj lassú bezáródásával (1. kísérlet) és az infravörös retina reflexióval (2. kísérlet, CMRL). Mindkét kísérletben sokkal nagyobb koherenciát mutatott a figyelem elvesztésével (azaz nagy érzékenységgel a viselkedési éberségre), mint bármely más, a kísérletekben értékelt technológia (azaz két különböző EEG algoritmus [EEG-1, EEG-2), két különböző szempislogási technológiák [Eye blink-1, Eye blink-2] és fej mozgásérzékelő technológiája [Head sensor]). A PERCLOS szintén jobb előrejelzője volt az éberségnek, mint az alanyok önálló jelentései az álmosságról vizuális analóg skála alapján (azaz VAS-álmosság). A PVT-teljesítményre vonatkozó PERCLOS-előrejelzések pontossága nőtt, mivel az integrált értékelések időalapja 1-ről 20 percre nőtt. Egy újabb munka alátámasztja a PERCLOS pontosságát az álmosság észrevétlen észleléséhez, miközben az ébrenléti teszt 70 és a PVT 71 viselkedésbeli fenntartását végzi. Ábra újranyomtatva Dinges és munkatársai részéről. 16, 67 .

Újabb tanulmányok összehasonlították az éberség romlásának előrejelzésének pontosságát számos mérés között, beleértve az EEG frekvenciasáv aktivitását, a pulzus változékonyságát és a szem változóit (saccade, lassú szemmozgás, pupilla, pislogás vagy szemhéj bezáródása). 70–71 A kísérletek azt is megállapították, hogy a PERCLOS volt az alvásalapú fáradtság leghatékonyabb mutatója az értékelt változók közül. 70–71 Dinges et al. A 73–76. Között egy új technikát fejlesztenek ki, amely magában foglalja a PERCLOS valós és pontos, valós idejű nyomon követését, optikai számítógépes felismeréssel.

Az online operátor-figyelő technológia másik példája a Johns álmossági skála (JDS; 0 és 10 közötti pontszám, ahol 0 = nagyon éber és 10 = nagyon álmos), amely több szembetegségből, például a pislogás időtartamából származtatott súlyossági kombináción alapszik. és az infravörös reflexiós okulográfiával mért amplitúdó-sebesség arány a villogások záró és újranyitási szakaszában. 77–78 A JDS-pontról kimutatták, hogy nyomon követi a teljesítményszinteket az éberségi figyelemfeladatok és a vezetési szimulátor feladatok, valamint az éberségi szintek után a koffein bevitele után. 77–82 Ezen túlmenően a magasabb JDS-pontszámok (≥ 4,5) összefüggésben álltak az ön által jelentett figyelmetlenséggel a közúti vezetési események során az ápolónőknek éjszakai és éjszakai ingázáshoz, valamint váltó műszakokhoz. 83 A JDS azonban különleges szemüveg viselését követeli meg, ami visszatartó erőt jelenthet bizonyos körülmények között történő használatához.

Két független tanulmány, 40 órán át tartó folyamatos ébrenlét alkalmazásával, állandó rutin mellett vizsgálta a PERCLOS vagy JDS pontosságát (a vevő-működési jelleggörbe alatti terület: AUC 0,5 és 1,0 között; a magasabb érték jobb), hogy azonosítsák a küszöbérték-növekedést (> 25%,> 50% és> 75%) a PVT-kiesések számában, az egyes alanyok teljesítményéhez viszonyítva az alapvonal során (az ébrenlét első 16 órája). 71, 84 Az eredmények azt mutatták, hogy a PERCLOS és a JDS AUC értéke 0,89-0,91, illetve 0,74-0,76. 71., 84. Noha az éberség mérésére szolgáló eljárások nem voltak azonosak (hallási vagy vizuális PVT, a teszt során 1 vagy 2 órás intervallumok stb.), Ezek az eredmények azt jelzik, hogy a PERCLOS pontossága magasabb volt, mint a JDS. Jövőbeni vizsgálatokra lesz szükség, hogy pontosságukat ugyanabban a protokollban hasonlítsák össze.

Egy tanulmány kimutatta, hogy a PVT kimaradása nyitott szemmel jár, ami azt jelenti, hogy az éberség romlása akkor is előfordulhat, ha a PERCLOS jele nincs. 70 A meghibásodott éberség (hamis negatívumok) hiányos kimutatása potenciálisan baleseteket okozhat, és a riasztó személyek éberségének csökkenésére adott nem megfelelő figyelmeztetés (hamis pozitív) csökkentheti a technológiák használatának való megfelelést. Folyamatosan javítani kell az online üzemeltetői fáradtságfigyelés pontosságát.

A fáradtság-észlelő technológiák terepi vizsgálata

A közúti haszongépjármű-sofőrökön végzett viszonylag kevés fáradtságfigyelő vizsgálat egyikében Dinges és munkatársai azt vizsgálták, hogy a fáradtságérzékelő technológiákból származó visszajelzések segítenek-e a teherautó-sofőröknek fenntartani éberségüket a tényleges vezetési körülmények között. 86 A technológiák magukban foglalták a vezetési teljesítmény változóit (például a sávkövetés változékonyságát), a PERCLOS-t, a fejérzékelőt, a csuklós órát és a 10 perces PVT-tesztet. A tanulmány eredményei azt mutatták, hogy a járművezetők úgy érezték, hogy a fáradtságérzékelő készülékek tájékoztatják őket a fáradtsági szintjükről, és arra késztették őket, hogy több alváshoz jussanak munkanapon kívül. Valójában a csukló aktigráfiai adatai megerősítették, hogy amikor az éberségi szintjükről visszajelzést kaptak, a sofőrök átlagosan 45 perccel növelték alvásukat a szolgálaton kívüli napokon. 86 Ez figyelemre méltó és váratlan eredmény, és a munkahelyi fáradtságérzékelési technológiák másik célját sugallja - nevezetesen arra, hogy az operátorokat hosszabb helyreállási alvásra ösztönözzék. Ha a fáradtságkezelő technológiákat használhatnánk arra, hogy figyelmeztessük a sofőröket, amikor elálmosodnak, és arra ösztönözzük őket, hogy szálljanak le az úttestről, csökkenteni lehet az álmossággal kapcsolatos balesetek és hibák kockázatát.

A valós működési környezetekben alkalmazott fáradtság-észlelési technológiák másik példája az űrhajósok éber figyelése, akik hosszú ideig tartózkodnak a Nemzetközi Űrállomáson (ISS). Spaceflight Cognitive Assessment Tool for Windows (WinSCAT) -ot alkalmazták az űrhajósok neurobehaviorális teljesítményszintjeinek értékelésére az ISS-ben, 87 azonban a WinSCAT körülbelül 30 percnyi személyzeti időt igényel. Ezért a teszt nem alkalmas az űrhajósok neurobevaviorális teljesítményének értékelésére egy napon belül vagy minden nap. A PVT-B-t ISS-en is tanulmányozták az űrhajósok éberségi szintjének értékelésére. 88 Fontos, hogy egy átfogó, de rövid teljesítménytesztet (amelyet ma COGNITION-nak neveznek) fejlesztettek ki az űrhajósok ISS fedélzetén végzett teljesítményének számos neurokognitív és érzelmi területének értékelésére. 89 Ezek a megközelítések lehetőséget kínálnak arra, hogy gyorsan és megbízhatóan értékeljék nemcsak a viselkedési éberséget, hanem számos olyan kognitív funkciót is, amelyeket az alvásvesztés befolyásolhat.

KÖVETKEZTETÉS

Fontos annak megelőzésére és értékelésére szolgáló technológia, hogy az operátorok a munka megkezdése előtt vagy alatt elegendő teljesítmény-képességgel bírnak-e (az alvásigényhez és a cirkadián időzítéshez viszonyítva), hogy megelőzzék a fáradtsággal kapcsolatos neurobehaviorális hiányok miatt bekövetkező baleseteket és hibákat. Ezenkívül ezeknek a technológiáknak a kiegészítő használata, beleértve a matematikai modelleket, az alkalmassági vizsgálatokat vagy az online üzemeltetői megfigyelést, hatékonyabb lehet a balesetek és hibák kockázatának gyors és pontos megtalálásához. Az ilyen technológiák lehetővé teszik az operátorok számára, hogy munkájuk megkezdése vagy folytatása előtt mérsékeljék az álmosságot és a fáradtságot, hozzájárulva az alvásvesztés és a cirkadián elmozdulás következtében fellépő neurobevaviorális hiányosságok okozta működési hibák és balesetek csökkentéséhez. Továbbá, figyelembe véve, hogy az alvásvesztés számos fiziológiai és mentális rendellenesség kockázati tényezője, 4–11 a fáradtságkezelő technológiák sürgető hatása az emberek tájékoztatására az alvás helyreállásának szükségességéről hozzájárulhat a nem megfelelő alvással járó különféle betegségek kialakulásának megelőzéséhez is.

KÖSZÖNETNYILVÁNÍTÁS

A felülvizsgálat megírásához szükséges időt és erőfeszítést a JSPS Postdoctoral Fellowships for Foreign Research és a KAKENHI Grant Number 22730598 támogatta (T. Abe); NIH támogatás R01 NR004281 (D. F. Dinges); National Space Biomedical Research Institute a NASA NCC 9-58 (D.F. Dinges) révén; valamint a Haditengerészeti Kutatási Hivatal és a haditengerészet BUMED Advanced Medical Development Program N65236-09-D-3809, N00014-10-C-0392, N00014-11-C-0592 és N62645-12-C-4004 ( D. Mollicone).

Lábjegyzetek

KÖZZÉTÉTELI NYILATKOZAT

Ez nem volt az ipar által támogatott tanulmány. Dr. Abe-nak és Dr. Basner-nek nincsenek pénzügyi összeférhetetlenségei. Dr. Mollicone a Pulsar Informatics elnöke és vezérigazgatója. Dr. Dinges-t az Associated Professional Sleep Societies, LLC kompenzálja, amiért a SLEEP főszerkesztőjeként tevékenykedett, és kompenzációt kapott a Mars, Inc. tudományos tanácsadó testületében való szolgálatért.