JultikaUniversity of Oulu repository

Tiivistelmä

Tämän kandidaatintyön tarkoituksena oli perehtyä uneen ja sen mittaamiseen erityisesti puettavien älylaitteiden osalta. Työssä tarkasteltiin erilaisia uneen vaikuttavia tekijöitä ja unenmittausmenetelmiä ja selvitettiin, millä menetelmillä unta voi mitata puettavilla älylaitteilla kotioloissa.

Unta tutkitaan pääosin unihäiriöiden selvittämistä varten. Unta ja kehon palautumista olisi hyvä seurata myös ilman varsinaista epäilyä unihäiriöistä. Kliiniset mittaukset ovat kuitenkin usein hankalia toteuttaa eivätkä ne sovellu pitkäaikaiseen unenseurantaan. Tähän ongelmaan ratkaisun tarjoaa unta mittaavat älylaitteet.

Tämän työn aikana selvisi, että älylaitteilla tehtävää unenmittausta verrataan aina unipolygrafiaan, joka on paras unitutkimusmenetelmä. Lisäksi selvisi, että unen tutkiminen perustuu pitkälti univaiheiden erotteluun. Kaikki unenlaatua arvioivat mittalaitteet pyrkivät selvittämään univaiheiden keston mahdollisimman tarkasti. Unipolygrafiassa univaiheiden erottelu tehdään muun muassa aivoaaltoja, silmien liikkeitä ja lihasjännitystä mittaamalla. Työn aikana selvisi myös, että puettavat älylaitteet käyttävät pääosin sykevälivaihtelua mittaavaa fotopletysmografiaa unen mittauksessa. Lisäksi kävi ilmi, että on olemassa myös aivoaaltoja mittaavia älylaitteita. Kaikki puettavat älylaitteet hyödyntävät myös aktigrafiaa unenseurannassaan.

Measuring and researching sleep with wearables

Abstract

The purpose of this bachelor’s thesis was to explore sleep and its measurement, particularly in the context of wearables. The work examined various factors affecting sleep and methods of sleep measurement and found out which methods can be used to measure sleep using wearables at home.

Sleep is primarily researched to find out sleep disorders. Monitoring sleep and body recovery would be beneficial even in the absence of suspected sleep disorders. However, clinical measurements are often challenging to implement and not suitable for long-term sleep monitoring. Wearables that measure sleep offer a solution to this problem.

During this thesis, it was found that sleep measurement using wearables is always compared to polysomnography, which is the best method for sleep research. In addition, it turned out that the research of sleep is largely based on the separation of sleep stages. All measurement devices assessing sleep quality strive to determine the duration of each sleep stage as accurately as possible. Polysomnography achieves this through measuring brain waves, eye movements, and muscle tension, among other parameters. It was also discovered that wearables primarily use photoplethysmography, which measures heart rate variability, to measure sleep. In addition, it turned out that there are also wearables capable of measuring brain waves. All wearables also utilize actigraphy in their sleep monitoring.