• rete neurale artificiale
• actigrafia
• accelerometro
• sonno

Introduzione: Recentemente lo studio del ruolo del sonno nella modulazione delle prestazioni motorie e sportive ha acquisito un sempre maggiore interesse. Numerose evidenze sperimentali hanno chiarito come gli atleti dormano in media di meno (6,5–6,7 h per notte) e abbiano una qualità di sonno significativamente ridotta, rispetto alla popolazione generale [1]–[5]. Esistono inoltre prove sperimentali dell’effetto negativo di vari fattori sul sonno dell’soggetto atleta, come l’organizzazione delle sedute di allenamento, i viaggi dovuti alle competizioni, il jet lag e l’ansia pre-gara [1], [5], [6]. Il complesso quadro disegnato dalle relazioni che intercorrono fra questi fattori e gli andamenti circadiani della prestazione hanno come risultato condizioni di restrizione o privazione di sonno che possono alterare i livelli di performance motoria. In un lavoro ormai classico è stato dimostrato come livelli relativamente moderati di privazione di sonno (17-19 h di veglia consecutive) riducano le prestazioni sportive a livelli paragonabili all’assunzione di moderate quantità di alcol (tasso alcolemico 0,05%) [7].
Ad oggi il gold-standard per lo studio del sonno è la polisonnografia (PSG), ovvero lo studio delle onde elettroencefalografiche durante stati prolungati di sonno e veglia, nonostante alcune limitazioni: essa infatti richiede attrezzature complesse, è costosa e relativamente invasiva. Viste queste caratteristiche, la PSG non si presta ad essere utilizzata per il monitoraggio longitudinale del sonno e in ambiti naturalistici come l’attività fisica. Al contrario l’actigrafia, una tecnica di misura e registrazione dell’attività motoria, fa uso di strumentazioni compatte e non invasive che possono raccogliere dati per periodi protratti di tempo. Oltre a questi vantaggi questa tecnica ha potuto beneficiare della generalizzata diminuzione del costo dei componenti elettronici (accelerometri in particolare) utilizzati in ogni actigrafo, con conseguente riduzione delle spese di utilizzo.
L’obiettivo di questa tesi è stato quello di sviluppare un algoritmo basato su reti neurali artificiali, che sia in grado di analizzare automaticamente dati actigrafici ad alta risoluzione, con lo scopo di determinare in modo accurato i principali parametri di qualità e quantità del sonno. Il raggiungimento di questo obiettivo consente di ampliare e facilitare lo studio del sonno anche in ambiti non usuali o non adatti all’impiego della PSG. Il sistema da noi proposto è stato progettato per essere flessibile e modulare, caratteristiche che lo rendono adatto ad essere applicato in varie situazioni; è possibile, infatti, adattare l’algoritmo in modo da poter classificare vari parametri e analizzare altri stati, oltre al sonno, essendo sufficiente che l’attività motoria dell’individuo analizzato contenga le informazioni adeguate.
Materiali e Metodi: in 30 soggetti sani (35,1±16,8 anni, 9 femmine) è stata registrata: 1) l’attività motoria del polso tramite un actigrafo ad alta risoluzione dotato di un accelerometro triassiale 2) l’attività poligrafica portatile (elettrica cerebrale, elettromiografica ed elettroculografica) per la determinazione degli stati di vigilanza. L’actigrafo utilizzato in questo studio è denominato Axivity AX3. Si tratta di un dispositivo open-source ad alte prestazioni. La frequenza di campionamento per AX3 è stata impostata a 100Hz, il fondoscala dell’accelerometro è stato settato a ±8g, e tutti i dati acquisiti sono stati codificati con risoluzione di 10bit. La PSG è stata eseguita secondo gli standard AASM [8]. Lo scoring del segnale EEG è stato effettuato a mano su epoche di 30s da un tecnico specializzato.
L’intero pre-processing dei dati, così come la rete neurale artificiale sono stati sviluppati in ambiente MATLAB.
Risultati: L’algoritmo di analisi proposto in questo studio ha raggiunto elevati livelli di concordanza (88,3±6,5%), specificità (87,3±8,6%) e sensibilità (88,9±7,4%) rispetto allo scoring sonno/veglia ottenuto tramite il gold-standard PSG, per epoche di una risoluzione di 60 secondi. La stima dei parametri di: quantità del sonno (TST, total sleep time) e qualità del sonno (SE%, efficienza del sonno e WASO, Waking After Sleep Onset) da parte dell’algoritmo di analisi automatica si è rivelata analoga rispetto alla PSG (differenza non significativa in test dei ranghi con segno di Wilcoxon). Attraverso il metodo di Bland-Altman sono stati calcolati i bias associati alle metriche TST, SE% e WASO, risultati rispettivamente: 3,8±32,7 minuti, -0,3±4,8% e 1,8±22,6 minuti.
Conclusioni: Il metodo di analisi actigrafica proposto in questo studio ha raggiunto una elevata concordanza, specificità e sensibilità rispetto alla PSG nella determinazione dei principali parametri quantitativi e qualitativi del sonno. La registrazione longitudinale dell’attività motoria tramite actigrafia ad alta risoluzione rappresenta quindi una tecnica affidabile, utilizzabile per lo studio non invasivo del sonno. Questo metodo di indagine si rende particolarmente utile nei casi in cui non è possibile utilizzare la PSG, come negli studi protratti in ambito sportivo o nel contesto di studi in ambiente naturalistico.
Referenze:
[1] C. D. Mah, K. E. Mah, E. J. Kezirian, and W. C. Dement, “The effects of sleep extension on the athletic performance of collegiate basketball players.,” Sleep, vol. 34, no. 7, pp. 943–950, 2011.
[2] I. Fietze, J. Strauch, M. Holzhausen, M. Glos, C. Theobald, H. Lehnkering, and T. Penzel, “Sleep Quality in Professional Ballet Dancers,” Chronobiol. Int., vol. 26, no. 6, pp. 1249–1262, 2009.
[3] C. Hausswirth, J. Louis, A. Aubry, G. Bonnet, R. Duffield, and Y. Le Meur, “Evidence of disturbed sleep and increased illness in overreached endurance athletes,” Med. Sci. Sports Exerc., vol. 46, no. 5, pp. 1036–1045, 2014.
[4] J. Leeder, M. Glaister, K. Pizzoferro, J. Dawson, and C. Pedlar, “Sleep duration and quality in elite athletes measured using wristwatch actigraphy,” J. Sports Sci., vol. 30, no. March 2014, pp. 541–545, 2012.
[5] C. Sargent, M. Lastella, S. L. Halson, and G. D. Roach, “The impact of training schedules on the sleep and fatigue of elite athletes.,” Chronobiol. Int., vol. 31, no. 10, pp. 1160–8, 2014.
[6] L. E. Juliff, S. L. Halson, and J. J. Peiffer, “Understanding sleep disturbance in athletes prior to important competitions,” J. Sci. Med. Sport, vol. 18, no. 1, pp. 13–18, 2015.
[7] a M. Williamson and a M. Feyer, “Moderate sleep deprivation produces impairments in cognitive and motor performance equivalent to legally prescribed levels of alcohol intoxication.,” Occup. Environ. Med., vol. 57, no. 10, pp. 649–655, 2000.
[8] C. Iber, “AASM - Manual for the Scoring ofSleep and Associted Events,” 2007. [Online]. Available: http://www.nswo.nl/userfiles/files/AASM - Manual for the Scoring ofSleep and Associted Events - 05-2007_2.pdf.