Ces dernières années, le nombre de personnes dans le monde qui sont insatisfaites ou anxieuses à propos de leur sommeil a augmenté en raison de la diversification des modes de vie. La mesure simple du sommeil et la compréhension quantitative des habitudes de sommeil individuelles sont très importantes non seulement dans le domaine des soins de santé, mais aussi du point de vue médical, comme dans le diagnostic des troubles du sommeil.
Un groupe de recherche de l’Université de Tokyo dirigé par le professeur Hiroki Ueda (également chef d’équipe Riken) et Machiko Katori, et le professeur adjoint Shoi Shi (RIKEN) ont utilisé ACCEL(1)un algorithme original d’apprentissage automatique développé par leur laboratoire de recherche, pour déterminer les états de sommeil et d’éveil en fonction de l’accélération du bras et a converti les données d’accélération d’environ 100 000 personnes de la biobanque britannique(2) en données sur le sommeil, qui ont ensuite été analysées en détail. Ils ont découvert que les habitudes de sommeil de ces 100 000 personnes pouvaient être classées en 16 types différents.
Le groupe de recherche s’est d’abord concentré sur les données d’accélération du bras d’environ 100 000 personnes de la biobanque britannique. Ces données ont été obtenues auprès d’hommes et de femmes dans la trentaine à la soixantaine, principalement au Royaume-Uni, qui ont été mesurés jusqu’à 7 jours à l’aide d’accéléromètres de type bracelet. À l’aide d’un algorithme (ACCEL) qu’ils avaient développé en 2022, le groupe de recherche a généré des données sur le sommeil(3) pour environ 100 000 personnes à partir des données d’accélération. Les données de sommeil obtenues ont été converties en 21 indicateurs de sommeil, puis, en utilisant la réduction de dimension(4) et regroupement(5) méthodes, les habitudes de sommeil ont été classées en 8 groupes différents. Ceux-ci comprenaient des clusters liés au “jet lag social” et des clusters caractérisés par des réveils moyens et des insomnies considérées, permettant d’extraire des clusters liés aux modes de vie et aux troubles du sommeil. Ensuite, afin d’examiner plus en détail les schémas de sommeil associés aux troubles du sommeil, le groupe de recherche s’est concentré sur 6 des 21 indicateurs du sommeil, y compris la durée du sommeil et le temps de réveil intermédiaire, qui sont connus pour être étroitement liés aux troubles du sommeil. En appliquant la même analyse aux données où un indicateur s’écarte significativement du sommeil général (données dans le 2,28e centile supérieur ou supérieur ou dans le 2,28e centile inférieur ou inférieur (6) dans la distribution globale), ils ont pu classer les données en 8 clusters. Ceux-ci comprenaient des grappes liées aux types du matin et aux types du soir. Ils ont également identifié plusieurs groupes associés à l’insomnie et ont pu, avec le regroupement utilisant l’ensemble des données, classer 7 types de schémas de sommeil associés à l’insomnie.
Ainsi, en analysant le sommeil à grande échelle, ils ont révélé le paysage du phénotype du sommeil humain. Cette étude a permis de classer quantitativement les clusters liés au mode de vie tels que le « décalage horaire social » et les types matin/soir, qui sont généralement difficiles à déterminer avec des mesures de PSG à court terme.(7), De plus, une analyse détaillée des valeurs aberrantes et la classification des habitudes de sommeil ont révélé 7 groupes liés à l’insomnie. Ces clusters sont classés sur la base de nouveaux indicateurs différents des méthodes conventionnelles, et devraient être utiles à la construction de nouvelles méthodes en termes de diagnostic de l’insomnie et de proposition de méthodes de traitement.
Ces résultats ont été obtenus grâce au « Ueda Biological Timing Project », programme ERATO financé par la Japan Science and Technology Agency (JST). Dans ce projet, JST développe une « biologie des systèmes qui contribue à la compréhension des êtres humains », en utilisant les rythmes veille-sommeil comme système modèle, et vise à comprendre dans le comportement veille-sommeil humain l’information de « temps biologique » qui s’étend des molécules aux individus humains. vivant en société.
Remarques:
(1) ACCEL : Un algorithme original de détermination du sommeil développé par l’équipe de recherche. Pour plus de détails, reportez-vous au document suivant. “Un algorithme ACCEL basé sur les secousses pour la classification précise des états veille-sommeil à partir de l’accélération du bras” DOI : 10.1016/j.isci.2021.103727
(2) UK Biobank : Une grande base de données de recherche contenant des informations génétiques et de santé sur environ 500 000 participants britanniques. Cette étude utilise des données d’accélération pour environ 100 000 personnes ainsi que des données liées sur le sexe et l’âge.
(3) Données de sommeil : données de séries chronologiques avec des intervalles de 30 secondes étiquetées comme sommeil ou éveil. La mesure PSG utilise diverses données mesurées par des techniciens spécialisés pour créer des données sur le sommeil. Dans cette étude, les données sur le sommeil ont été obtenues en appliquant ACCEL à des accéléromètres.
(4) Méthode de réduction des dimensions : méthode permettant de réduire le nombre de dimensions des données. Cela permet d’extraire des informations importantes des données et de capturer les caractéristiques des données. Dans cette étude, UMAP (Uniform Manifold Approximation and Projection) est utilisé.
(5) Méthode de regroupement : méthode de classification des données en grappes en fonction des similitudes entre les données. Il existe deux types de méthodes de clustering : le clustering supervisé, qui utilise des données correctes pour le clustering, et le clustering non supervisé, qui ne le fait pas. Dans cette étude, la méthode de clustering non supervisée, DBSCAN (Density-Based Spatial Clustering of Applications with Noise) est utilisée.
(6) Centiles supérieur et inférieur : la valeur d’un pourcentage donné lorsque les valeurs sont classées par ordre décroissant est appelée le centile supérieur. À l’inverse, la valeur d’un pourcentage donné lorsque les valeurs sont répertoriées dans l’ordre croissant est appelée le centile inférieur. Par exemple, les données au-dessus du 2,28e centile supérieur ou en dessous du 2,28e centile inférieur dans la distribution normale font référence à des données s’écartant de la moyenne de plus de deux fois l’écart type (2SD).
(7) Polysomnographie (PSG) : dans les mesures de PSG, plusieurs électrodes et capteurs sont fixés au candidat pour mesurer les ondes cérébrales, les mouvements oculaires, l’état respiratoire et l’état de l’électrocardiogramme. C’est actuellement la méthode de mesure la plus précise utilisée pour déterminer les habitudes de sommeil humain. Il est également utilisé pour diagnostiquer les troubles du sommeil.
