睡眠状態の検出
自動装置が、睡眠状態を特定する方法論を提供し、睡眠状態の特定は、持続的気道陽圧装置等の圧力治療装置による、睡眠機能不全のある呼吸の治療と併せることができる。呼吸空気流量の測定値に基づいて、呼吸特性が抽出されて、覚醒状態、睡眠安定性、睡眠状態を検出し、及び／又は睡眠品質評価を実行する。この方法論は、専用コンピュータ、呼吸空気流量を測定する監視装置、及び／又は検出された状態に基づいて呼吸治療計画を提供する呼吸治療装置によるデータ解析のために実施することができる。
【発明の詳細な説明】
【技術分野】
【０００１】
本技術は、睡眠の状態及び関連する特性を検出する方法及び装置に関する。
【０００２】
［関連出願の相互参照］
本願は、２００９年７月１６日に出願された米国仮特許出願第６１／２２６，０６９号の出願日の利益を主張するものであり、この仮特許出願の開示内容を引用することにより、本明細書の一部を成すものとする。
【背景技術】
【０００３】
ＯＳＡを有する患者は、睡眠中、患者の覚醒によってのみ終わる再発性無呼吸又は減源呼吸を経験する場合がある。これらの再発性呼吸機能不全事象は、睡眠を途切れさせ、交感神経系を刺激する。これは、患者に対して、（自動車両事故の可能性を伴う）日中の眠気、不良な精神作用、記憶の問題、抑鬱、及び過度の緊張を含む深刻な結果を有する可能性がある。ＯＳＡを有する患者は、大きないびきをかく傾向も有し、そのため、配偶者の睡眠も乱れる。
【０００４】
患者は、睡眠を中断させる場合がある他の事象も経験することがある。例えば、周期的な四肢運動（ＰＬＭ）は、睡眠中の四肢の繰り返される痙攣又は攣縮である。これらの四肢運動事象は、睡眠を乱し、日中の眠気に繋がる場合、睡眠障害とみなすことができる。
【０００５】
ＯＳＡを有する患者は通常、持続的気道陽圧法（ＣＰＡＰ）を用いて治療される。陽圧は、吸気中、患者の気道が潰れるのを防ぎ、それにより、再発性呼吸系事象（例えば、無呼吸又は減呼吸）並びにそれらの続発症を防ぐ。そのような呼吸治療装置は、患者の呼吸サイクル中、適切なときに１つ以上の治療圧力で清潔で呼吸可能なガス（breathable gas）（通常、酸素補給あり又はなしの空気）の供給を患者に供給するように機能することができる。
【０００６】
呼吸治療装置は通常、フロー生成器と、エアフィルタと、マスク又はカニューレと、フロー生成器をマスクに接続する空気送達管と、様々なセンサと、マイクロプロセッサに基づくコントローラとを備える。フロー生成器は、サーボ制御されるモーター及びインペラーを備えることができる。フロー生成器は、モーター速度制御への代替として、患者に送達される圧力を変更する手段として、空気を大気中に排出可能な弁を備えることもできる。センサは、特に、圧力変換器、フローセンサ等を用いてモーター速度、ガス体積流量、及び流出圧を測定する。この装置は、任意選択的に、空気送達管の経路に加湿及び／又は加熱要素を備えることができる。コントローラは、一体化されたデータ検索／転送機能及び表示機能とともに、又はこれら機能なしでデータ記憶容量を含みうる。
【発明の概要】
【発明が解決しようとする課題】
【０００７】
これらの装置は通常、無呼吸又は減呼吸型の睡眠障害呼吸事象を検出するように構成することができ、通常、睡眠についてのより詳細な情報をユーザに提供しない。したがって、睡眠のこれらの状態及び他の状態を検出して、睡眠の品質をより完全に評価する方法及び装置を開発することが望ましいであろう。
【課題を解決するための手段】
【０００８】
本技術のいくつかの実施の形態の第１の態様は、睡眠品質を検出する方法及び装置を提供することである。
【０００９】
本技術のいくつかの実施の形態の別の態様は、睡眠状態を検出する方法及び装置を提供することである。
【００１０】
本技術のいくつかの実施の形態の更なる態様は、睡眠安定性を検出する方法及び装置を提供することである。
【００１１】
本技術のいくつかの実施の形態のまた更なる態様は、睡眠からの覚醒を検出する方法及び装置を提供することである。
【００１２】
いくつかの実施の形態は、プロセッサを制御して、呼吸可能なガスの測定フローから睡眠状態を検出する方法を含む。該プロセッサの該方法は、呼吸フローの測定値（measure）から複数の呼吸特性を求めることを含む。これはまた、ノンレム睡眠状態及びレム睡眠状態を含む潜在的な睡眠状態から状態を検出することも含む。該状態を検出することは、前記求められた呼吸特性に基づくことができる。次に、プロセッサは、前記検出された状態を示すことができる。
【００１３】
いくつかの実施の形態では、前記潜在的な睡眠状態は目覚め状態を更に含みうる。同様に、前記レム睡眠状態は軽いレム状態とすることができ、前記潜在的な睡眠状態は深いレム状態も含みうる。
【００１４】
いくつかの実施の形態では、前記プロセッサは、前記複数の呼吸特性からのデータを用いて、各潜在的な睡眠状態間の遷移を表す確率を計算することにより前記検出される状態を求め、前記計算された確率のうちの最も確からしい確率の関数として前記検出される状態を求める。任意選択的に、前記複数の呼吸特性は、吸気ピークフロー変動の測定値、呼気ピークフロー変動の測定値、呼気ピークフロー位置と呼気時間との比率の測定値、呼気ピークフロー位置変動の測定値、呼気ピークフローのエリアの測定値、呼気ピークフローのエリア変動の測定値、呼気ピークフローから吸気が開始するまでの時間の測定値、最後に確認された呼吸からの時間変動の測定値、高呼吸頻度期間の測定値、及び吸気時間変動の測定値のうちの１つ以上のものを含みうる。
【００１５】
上記方法のうちの１つ以上のものは、該方法（複数の場合もあり）を用いて構成されたコントローラを含む睡眠状態検出装置として実施することができる。コントローラは、任意選択的に、フローセンサと結合して、呼吸可能なガスの流れを測定することができる。このとき、コントローラは、プロセッサ制御されるフロー生成器を備え、検出された状態に基づいて制御された呼吸圧力治療計画を提供することもできる。
【００１６】
本技術のいくつかの実施の形態は、呼吸可能なガスの測定フローから睡眠覚醒状態を分類するようにプロセッサを制御する方法を含みうる。該プロセッサの該方法は、呼吸フローの測定値から複数の呼吸特性を求めることを含みうる。プロセッサは、前記複数の呼吸特性から乱れを検出することができる。該乱れは、覚醒状態を示すことができる。次に、プロセッサは、前記乱れが非呼吸関連の覚醒であるか否かを評価することができる。次に、プロセッサは、前記検出された乱れが、呼吸機能不全の症状以外の事象に基づく覚醒を表すことを示すことができる。
【００１７】
いくつかの実施の形態では、前記評価は、フロー平坦化検出等の呼吸フロー制限を示す測定値を求めることを含みうる。前記評価することは、呼吸フロー制限がないことを検出することを含みうる。いくつかのそのような実施の形態では、前記複数の呼吸特性は、吸気ピークフローの或る割合に達するまでの時間の測定値、吸気ピークフローの或る割合を超えるエリアの測定値、吸気ピークフローの或る割合を超えるエリアの変動の測定値、及び吸気ピークフローの或る割合から呼気ピークフローまでの時間の測定値のうちの１つ以上のものを含みうる。任意選択的に、上述した、前記乱れが非呼吸関連の覚醒であるか否かを評価することは、睡眠状態の検出に基づくことができる。前記評価することは、マスク漏れに起因する覚醒を検出することができるように、マスク漏れを検出することを含むこともできる。
【００１８】
上述した方法のうちの１つ以上のものは、該方法（複数の場合もあり）を用いて構成されたコントローラを含む睡眠覚醒状態分類装置として実施することができる。コントローラは、任意選択的に、フローセンサに結合して、呼吸可能なガスの流れを測定することができる。このとき、コントローラは、プロセッサ制御されるフロー生成器を備え、検出された睡眠覚醒状態に基づいて制御された呼吸圧力治療計画を提供することもできる。
【００１９】
また更なる実施の形態では、呼吸可能なガスの測定フローから睡眠の安定性を評価するにあたり、プロセッサを制御する方法を実施することができる。プロセッサの方法は、呼吸フローの測定値から複数の呼吸特性を求めることを含みうる。該方法は、前記複数の呼吸特性から乱れを検出することであって、該乱れは覚醒状態を示す、検出することを含むこともできる。該方法は、前記乱れの程度を求めることを含むこともできる。該程度は前記覚醒状態が睡眠を中断した度合いを示すことができる。次に、プロセッサは、乱れの程度を示すことができる。
【００２０】
いくつかの実施の形態では、前記乱れの程度を求めることは、前記乱れに起因する呼吸特性と前記乱れが発生する前のフローデータに起因する一般的な呼吸特性との比率を計算することを含みうる。このような例では、前記フローデータは複数の呼吸サイクルを表すことができる。この実施の形態のいくつかの例では、前記乱れに起因する呼吸特性（複数の場合もあり）は、吸気ピークフローの或る割合に達するまでの時間の測定値、吸気ピークフローの或る割合を超えるエリアの測定値、吸気ピークフローの或る割合を超えるエリアの変動の測定値、及び吸気ピークフローの或る割合から呼気ピークフローまでの時間の測定値、のうちの少なくとも１つとすることができる。
【００２１】
任意選択的に、前記乱れの程度を求めることは、前記乱れに起因する複数の呼吸特性の分散と、前記乱れが発生する前のフローデータに起因する一般的な複数の呼吸特性の分散との比率の平均を計算することを含むことができ、前記フローデータは複数の呼吸サイクルを表す。
【００２２】
さらに、いくつかの実施の形態では、前記プロセッサの前記方法は、前記求められた乱れの程度及び患者の特性データから自律神経活性化のレベルを求めることを更に含みうる。例えば、前記自律神経活性化は、心拍変動性のデータ値及び／又はパルス遷移時間のデータ値を含みうる。したがって、前記自律神経活性化のレベルを求めることは、心拍変動性の値及びパルス遷移時間の値のうちの少なくとも一方を選択することを含みうる。前記選択することは、前記求められた乱れの程度、並びに患者の年齢及び患者の体重等の前記患者の特性データが索引付けられたデータ構造にアクセスすることを含みうる。
【００２３】
上述した方法のうちの１つ以上のものは、該方法（複数の場合もあり）を用いて構成されたコントローラを含む睡眠安定性評価装置として実施することができる。コントローラは、任意選択的に、フローセンサに結合して、呼吸可能なガスの流れを測定することができる。このとき、コントローラは、プロセッサ制御されるフロー生成器を備え、評価された睡眠安定性に基づいて制御された呼吸圧力治療計画を提供することもできる。
【００２４】
本技術のいくつかの実施の形態では、プロセッサを制御する方法は、呼吸可能なガスの測定フローから睡眠品質インジケータを求める。該方法では、前記プロセッサは、呼吸フローの測定値から複数の呼吸特性を求める。該方法は、前記複数の呼吸特性から睡眠状態測定値及び睡眠安定性も求める。次に、該方法は、前記睡眠状態測定値及び前記安定性測定値から睡眠品質インデックスを求め示す。
【００２５】
前記睡眠品質インデックスは、治療セッションの求められた睡眠時間と前記睡眠安定性測定値との比率を用いてプロセッサにより導出することができる。いくつかの実施の形態では、前記睡眠品質インデックスは、治療セッション中の睡眠時間と前記睡眠安定性測定値との比率の関数として導出することができる。前記睡眠品質インデックスは、前記治療セッション中の目覚め期間の持続時間の関数として導出することもできる。いくつかの実施の形態では、前記睡眠状態測定値は、レム状態、ノンレム状態、及び目覚め状態のうちの少なくとも１つ並びに前記睡眠状態測定値の持続時間の測定値を含みうる。さらに、前記睡眠安定性測定値は、求められる流れの乱れ及び該流れの乱れの前のフローデータの関数として導出することができる。加えて、前記睡眠安定性測定値を求めることは、前記流れの乱れに基づいて睡眠からの覚醒を検出することを含むこともできる。
【００２６】
上述した方法のうちの１つ以上のものは、該方法（複数の場合もあり）を用いて構成されたコントローラを含む睡眠安定性評価装置として実施することができる。コントローラは、任意選択的に、フローセンサに結合して、呼吸可能なガスの流れを測定することができる。このとき、コントローラは、プロセッサ制御されるフロー生成器を備え、評価された睡眠安定性に基づいて制御された呼吸圧力治療計画を提供することもできる。
【００２７】
本技術のまた更なる実施の形態は、周期的な呼吸を検出する方法を含みうる。該方法は、呼吸フローの測定値から呼吸特性のセットを求めることを含みうる。該方法は、前記呼吸特性のセットを閾値処理することを更に含みうる。該方法は、前記閾値処理に基づいて周期的な呼吸状態を検出することを更に含みうる。いくつかのこのような実施の形態では、前記呼吸特性のセットは、吸気フロー曲線のエリアを含みうる。例えば、前記呼吸特性のセットは、換気の測定値と呼吸時間との比率を含みうる。該方法は、カウンタの関数として前記周期的な呼吸状態を設定することも含みうる。任意選択的に、前記カウンタは処理された呼吸の数を表すことができる。
【００２８】
いくつかの実施の形態では、本方法は、周期的な呼吸を検出する装置として実施することができる。例えば、プロセッサは、呼吸フローの測定値から呼吸特性のセットを求め、該呼吸特性のセットを閾値処理し、該閾値処理に基づいて周期的な呼吸状態を検出するように構成することができる。
【００２９】
本技術のいくつかの追加の実施の形態は、睡眠の開始を検出する方法を含みうる。該方法は、呼吸フローの測定値から呼吸特性のセットを求めることを含みうる。該方法は、前記呼吸特性のセットを閾値処理することを含むこともできる。次に、該方法は、前記閾値処理に基づいて睡眠状態スコアを求めることを含みうる。この睡眠状態スコアは睡眠状態を示すことができる。次に、該方法は、前記閾値処理及び前記求められた睡眠状態スコアの関数として睡眠の開始を検出することを含みうる。いくつかのこのような実施の形態では、前記呼吸特性のセットは、求められた呼気ピークフロー位置の関数を含みうる。任意選択的に、前記関数は、（ａ）前記呼気ピークフロー位置と呼気時間との比率と、（ｂ）いくつかの呼吸にわたって求められる複数の前記比率の平均との差とすることができる。さらに、該方法は、前記検出することに基づいて、治療セッションの最初の睡眠期間への遷移を表す睡眠開始インデックスを出力することを含むこともできる。
【００３０】
いくつかの実施の形態では、本方法は、睡眠開始を検出する装置として実施することができる。例えば、呼吸フローの測定値から呼吸特性のセットを求めるように構成することができる。前記プロセッサは、前記呼吸特性のセットを閾値処理し、該閾値処理に基づいて睡眠状態スコアを求め、該閾値処理及び該求められた睡眠状態スコアに基づいて睡眠開始状態を検出するように構成することもできる。
【００３１】
また更なる実施の形態では、本技術は呼吸治療装置を含む。該装置は、患者との境界面に対し大気圧よりも高い圧力で呼吸可能なガスの流れをで生成するフロー生成器を備えることができる。該装置は、患者の呼吸に起因する呼吸可能なガスの流れを測定するフローセンサを更に備えることができる。該装置は、前記フロー生成器及び前記フローセンサに結合されたコントローラを更に備えることができる。１つ以上のプロセッサ等のこのコントローラは、実質的に前記フローセンサからの流れの測定値からのデータに基づいて、複数の睡眠状態のうちの１つを検出するように構成することができる。該検出された睡眠状態に基づいて呼吸圧力治療計画を制御するように構成されたコントローラを更に備えることができる。
【００３２】
例えば、この呼吸圧力治療計画は、呼気圧力緩和の制御を含むことができ、前記コントローラは、前記複数の睡眠状態のうちの前記検出された１つが睡眠に起因する状態である場合、前記呼気圧力緩和の圧力低減量を低減する。さらに、前記呼吸圧力治療計画は、呼気圧力緩和制御を含むことができ、前記コントローラは、前記複数の睡眠状態のうちの前記検出された１つが覚醒に起因する状態である場合、前記呼気圧力緩和の圧力低減量を増大させる。またさらに、前記呼吸圧力治療計画は、前記流れの測定値のデータから事象を検出することを含むことができ、前記事象は無呼吸及び減呼吸のうちの少なくとも一方を含み、前記事象は、前記複数の睡眠状態のうちの前記検出された１つが睡眠に起因する状態である場合、スコア付けされる。任意選択的に、検出された事象は、検出された睡眠状態に関連付けて別個に報告することができる。
【００３３】
いくつかの実施の形態では、前記呼吸圧力治療計画は、治療圧力レベルの自動調整を含むことができ、前記コントローラは、呼吸異常の検出に応答して前記治療圧力レベルを増大させ、睡眠安定性インデックスと閾値との比較に応答して、前記治療圧力レベルを低減させる。
【００３４】
またさらに、前記呼吸圧力治療計画は、流れの測定値からの心臓性フローの検出を含むことができ、前記複数の睡眠状態のうちの前記検出された１つが睡眠に起因する状態である場合、前記心臓性フローの検出は制御される。この呼吸圧力治療計画は、心臓性フローの存在の前記検出に基づいて中枢的な無呼吸の検出を含みうる。このような場合、前記複数の睡眠状態のうちの前記検出される１つはノンレム状態とすることができる。
【００３５】
本呼吸技術の追加の特性が、以下の詳細な考察、図面、及び特許請求の範囲の検討から明らかになるであろう。
【００３６】
本技術は、限定ではなく例として添付図面の図に示され、図面中、同様の参照番号は同様の要素を指す。
【図面の簡単な説明】
【００３７】
【図１】本技術の睡眠状態検出装置のコントローラの例のブロック図である。
【図２】呼吸フロー信号の吸気及び呼気ピークフロー変動特性の図である。
【図３】呼気ピークフロー位置と呼気時間との比率及び呼気ピークの或る割合よりも下のエリアを含む呼吸フロー信号の更なる特性を示す図である。
【図４】呼気ピークフローの或る割合からの時間及び最後に確認された吸気からの時間を含む呼吸フロー信号の更なる特性の図である。
【図５】呼吸フロー信号の高呼吸頻度特性の図である。
【図６】吸気ピークフローの或る割合に達するまでの時間、吸気ピークフローの或る割合を超えるエリア、及びピークフローの或る割合から呼気ピークフロー位置までの時間を含む呼吸フロー信号の更なる特性の図である。
【図７】装置を制御して、フローセンサからのデータに基づいて睡眠状態を検出する方法論の実施形態の例の流れ図である。
【図８】装置を制御して、フローセンサからのデータを用いて非呼吸関連覚醒を検出する方法論の実施形態の例の流れ図である。
【図９】装置を制御して、フローセンサからのデータを用いて睡眠安定性測定値を検出する方法論の実施形態の例の流れ図である。
【図１０】装置を制御して、フローセンサからのデータを用いて睡眠品質測定値を検出する方法論の実施形態の例の流れ図である。
【図１１】本技術の睡眠状態検出装置の例を示す図である。
【図１２】本技術の検出方法論の実施に適した構成要素の例を含む減呼吸検出装置内のコントローラのブロック図である。
【図１３】本技術のいくつかの実施形態における覚醒検出モジュールの例の処理方法論を示すブロック図である。
【図１４】本技術の覚醒検出器の例における特徴を閾値処理する入力値及び出力値の例を有する一般的な閾値関数のグラフの例を示す。
【図１５】本技術のいくつかの実施形態における睡眠安定性検出モジュールの例の処理方法論を示すブロック図である。
【図１６】睡眠安定性検出器の例における漏れを考慮するために、睡眠安定性スコアを調整する関数の例のグラフを示す。
【図１７】睡眠安定性検出器の例における特徴を閾値処理する入力値及び出力値の例を有する一般的な閾値関数のグラフの例を示す。
【図１８】本技術のいくつかの実施形態における周期的呼吸状態検出モジュールの例の処理方法論を示すブロック図である。
【図１９】本技術の周期的呼吸状態検出器の例における特徴を閾値処理する入力値及び出力値を有する一般的な閾値関数のグラフの例を示す。
【図２０】睡眠状態検出器の例の処理方法論を示す図である。
【図２１】睡眠状態検出器の実施形態の例において検出可能な睡眠条件状態（condition state）を実施する有限状態機械の状態図を示す。
【図２２】目覚めている人からの通常の呼吸空気流信号のグラフである。
【図２３】睡眠中の人からの通常の呼吸空気流信号のグラフである。
【図２３−Ａ】ノンレム睡眠遷移として特性化することができる呼吸フロー信号のグラフである。
【図２４】本技術の睡眠状態検出器により解析される特徴の一般的な閾値関数のグラフの例を示す。
【図２５】図２４のグラフを用いて特徴を閾値処理する入力値及び出力値の例を有する表を含む。
【図２６】睡眠状態の特定に用いられる状態遷移確率を支配する規則の値の例を有する３つの表を有する。
【図２７】睡眠状態の特定に用いられる状態遷移確率を支配する追加の規則の値の例を有する４つの表を有する。
【図２８】睡眠品質評価モジュールの例の処理構成要素のブロック図である。
【図２９】図２８の睡眠品質評価モジュールの睡眠状態閾値処理関数を示すグラフである。
【図３０】図２８の睡眠品質評価モジュールの睡眠安定性インデックス閾値処理関数を示すグラフである。
【図３１】図２８の睡眠品質評価モジュールの覚醒データ閾値処理関数を示すグラフである。
【発明を実施するための形態】
【００３８】
図１に示されるように、本技術の実施形態は、１つ以上のプロセッサを有して、本明細書において更に詳細に説明するアルゴリズム等の特定の睡眠状態及び／又は睡眠覚醒検出方法論を実施することができるコントローラ１０４を有する睡眠状態検出デバイス１０２又は装置を含みうる。実施形態の例では、コントローラのシステムは、コントローラの様々な側面を制御する複数の構成要素又はモジュールを有することができる。構成要素又はモジュールは、集積チップ、メモリ、及び／又は他の制御命令、データ、若しくは情報記憶媒体を用いて実施することができる。例えば、そのような検出方法論を包含したプログラム命令をデバイス又は装置のメモリ内の集積チップに符号化して、特定用途向け集積チップ（ＡＳＩＣ）を形成することができる。そのような命令は、代替又は追加として、それらの命令が中に存在する適切なデータ記憶媒体を用いてソフトウェア又はファームウェアとしてロードされ、そして、１つ以上のプログラム可能なプロセッサを制御することができる。
【００３９】
図１の例示的な実施形態では、コントローラ１０４は、呼吸フロー信号からのデータにアクセスすることができ、又は別の形でオプションのフロー測定モジュール１０５を含みうる。そのようなモジュールを用いて、コントローラは呼吸フローを直接測定することができる。したがって、プロセッサは、前の睡眠セッションからの前に記録された呼吸フローデータに基づいて、本明細書においてより詳細に説明するように、睡眠状態の評価又は検出を制御することができる。代替的に、検出は、フローセンサを用いたフローデータの現在の測定を用いる呼吸フロー信号の測定と同時に、睡眠セッション中に実行することができる。したがって、いくつかの実施形態では、装置自体を、任意選択的に、実施される方法論と併用される呼吸フロー信号を測定するフローセンサで実施することができる。例えば、鼻カニューラ若しくはマスクへの流れ又は鼻カニューラ若しくはマスクを通る流れは、呼吸気流計及び差圧変換器、又は１束の管若しくは導管を利用してフロー信号を導出する装置のような同様の装置を用いて測定することができる。任意選択的に、フロー信号は、２００５年１１月２日に出願されたＰＣＴ／ＡＵ２００５／００１６８８号に記載されるモーター電流センサ等の他のセンサから推測することができる。この出願の開示全体は、相互参照によって引用することにより、本明細書の一部を成すものとする。
【００４０】
本明細書においてより詳細に考察するように、フローデータは、フロー制限検出モジュール１０６、無呼吸及び／又は減呼吸（ＡＨＩ）検出モジュール１０８、呼吸フロー特性又は特徴抽出モジュール１１０、並びに漏れ検出モジュール１１２等のオプションのモジュールにより処理することができる。ＡＨＩ検出モジュール１０８は、無呼吸及び減呼吸事象を特定するにあたり、睡眠状態検出モジュール１１４からの入力を利用することもできる。フロー制限検出モジュール１０６、ＡＨＩ検出モジュール１０８、及び呼吸特徴抽出モジュール１１０からの出力信号又はデータは、覚醒検出モジュール１１４により処理することができる。同様に、漏れ検出モジュール１１２及び呼吸特徴抽出モジュール１１０からの出力は、睡眠状態検出モジュール１１８により処理することができる。さらにまた、覚醒検出モジュール１１４及び患者特性データ記憶装置１２２からの出力信号又はデータは、睡眠安定性検出モジュール１１６により処理することができる。次に、睡眠品質検出／評価モジュール１２０が、睡眠安定性検出モジュール１１６、患者特性データ記憶装置１２２モジュール、及び睡眠状態検出モジュール１１８からの出力データ又は信号を処理することができる。次に、睡眠品質評価モジュール１２０からの出力信号又はデータは、ユーザインターフェースモジュール１２４を用いて表示し、かつ／又はフィードバック制御モジュール１２６への入力として機能することができ、フィードバック制御モジュール１２６は、圧力治療による治療の設定等の治療制御処理モジュール１２８の設定を変更又は調整するように機能する。
【００４１】
本技術のいくつかの実施形態では、コントローラの検出器及びモジュールは、以下の特徴及び機能を有して実施することができる。
【００４２】
Ａ．患者特性（複数の場合もあり）記憶モジュール
このモジュールは、睡眠状態検出装置１０２を利用して患者のデータ及び情報特性の記憶を制御することができる。データは、ユーザインターフェースモジュール１２４を介して入力することができ、ユーザインターフェースモジュール１２４は、任意選択的に、キーボードや、パネルのボタンや、タッチスクリーン等を含みうる。例えば、モジュールの制御下で、この装置は、年齢、性別、体重、身長、ＢＭＩ、及び／又は既存状態データ（例えば、心拍変動に潜在的に影響する場合がある健康状態、空気流パターンに違いを生み出すのに潜在的に関与する場合がある健康状態、他の現在の生理学的状態等）等の１つ以上の患者の特性を選択又は入力するように、患者又は臨床医に促すことができる。そのような健康状態は、例えば、喘息、気腫、慢性心血管疾患を含みうる。次に、装置の他のモジュールが記憶されたデータを利用することができる。
【００４３】
これらの患者特性を利用して、本明細書において説明される方法論の出力を重み付けすることができる。例えば、異なる睡眠状態を検出する際に比較するあらゆる患者の平均として用いることができる絶対的な空気流特徴がない場合がある。したがって、患者の特性を用いて、特徴抽出器の感度（又は呼吸特性を比較する閾値）を調整することができる。このようにして、様々な患者について、空気流の特性の有意性をより正確に評価することができる。例えば、年齢が５０歳を超える患者は、当然ながら、上気道の安定性がより低い。したがって、本技術のシステム又は方法は、そのような患者のフロー安定性の評価への厳しさを選択的に低くすることができる。
【００４４】
システムによる患者の特性の他の用途について本明細書においてより詳細に説明する。
【００４５】
Ｂ．フロー制限検出モジュール
呼吸フロー制限検出モジュール１０６は、フロー信号データから呼吸フローの制限の測定値を検出するように構成することができる。例えば、装置は、２００８年５月９日に出願された国際出願ＰＣＴ／ＡＵ０８／０００６４７号（国際公開第２００８／１３８０４０号として公開）及び２００７年８月１７日に出願された米国仮特許出願第６０／９６５，１７２号に開示されているファジーフロー制限測定値等のフロー制限の測定値を検出するように構成することができ、これら出願の開示内容は、引用することにより、本明細書の一部を成すものとする。任意選択的に、フローデータの平坦化を解析することにより、フロー制限を検出するように構成することができる。例えば、平坦化は、米国特許第５，７０４，３４５号に開示される方法により特定することができる。この特許の開示内容は、引用することにより、本明細書の一部を成すものとする。
【００４６】
Ｃ．ＡＨＩ検出モジュール
いくつかの実施形態では、フローデータを処理して、減呼吸及び／又は無呼吸を検出又はスコア付けすることができる（例えば、閉塞性無呼吸及び／又は中枢的な無呼吸）。例えば、装置は、米国特許第６，１３８，６７５号及び同第６，０２９，６６５号に記載の任意の方法により閉塞性無呼吸、部分閉塞性無呼吸、及び／又は中枢的な無呼吸を検出するように構成することができる。これらの特許の開示全体は、相互参照によって引用することにより、本明細書の一部を成すものとする。
【００４７】
いくつかの実施形態では、ＡＨＩ検出モジュール１０８は、漏れ検出モジュール１１２に基づいて事象のスコア付けを除外するように変更することができる。例えば、漏れが検出される場合、漏れが検出されなくなるまで、いかなる同時のスコア付け事象もディセーブルすることができる。このようにして、合計マスク装着時間に関してＡＨＩを計算することができる。すなわち、患者の合計睡眠時間ではなく、患者が実際にマスクを装着していた時間である。この結果、フロー生成器（ＦＧ）の性能の過大評価を防ぐことができる。
【００４８】
したがって、いくつかの実施形態では、ＡＨＩは、任意選択的に、平坦化インジケータ及び漏れインジケータと組み合わせて、睡眠品質に単純な洞察をもたらすことができる単純な睡眠品質スコアを提供することができる。
【００４９】
Ｄ．漏れ検出モジュール
したがって、いくつかの実施形態では、フローデータを処理して、マスクのずれに関連付けられた漏れ又は高漏出等の漏れの存在を検出することができる。例えば、高漏出は、或る量の閾値を超える漏れ（例えば、約０．４リットル毎秒（１／ｓ）を超える漏れ）とみなすことができる。更なる例として、装置は、米国特許第６，１５２，１２９号及び／又は同第６，５３２，９５７号に記載の任意の方法により、漏れが生じているか又は生じた場合を検出するように構成することができる。これらの特許の開示全体は、相互に参照して引用することにより、本明細書の一部を成すものとする。漏れ検出は、任意選択的に、マスク漏れによる睡眠からの覚醒の分類を支援し、上述したような漏れの存在下でのＡＨＩスコア付けを除外するように機能することができる。
【００５０】
Ｅ．特徴抽出モジュール
１つ以上の呼吸フロー特性を特徴抽出モジュール１１０により求めることができる。通常の実施形態では、特徴は、呼吸フローデータを処理することにより求めることができる。任意選択的に、特徴は、呼吸単位又はいくつかの呼吸サイクルを含むスライド窓の使用により計算することができる。次に、特徴は、インジケータ又はシステムのその他のモジュールへの入力として機能することができる。例えば、測定特性のうちの１つ以上のものからのデータに応じて、他のモジュールにおいて、フローデータを用いて睡眠状態についての様々な結論を引き出すことができる。以下は、フローデータから検出又は特定できる特徴の例である。
【００５１】
１．吸気ピークフロー変動
この呼吸フロー特性は、吸気ピークフローの分散を計算することにより求めることができる。そのような特性を図２に示す。変動は、複数の呼吸（例えば、５つの呼吸）を含むスライド窓を用いて求めることができる。図２に示されるように、計算は、連続した呼吸群の吸気ピークフロー値２０２を利用する。適した閾値を用いて状態検出器により評価する場合、この値は以下の異なる睡眠状態を示すことができる。
（ａ）目覚め状態：高レベルの吸気ピークフロー変動を示す。
（ｂ）レム睡眠状態：中程度のレベルの吸気ピークフロー変動を示す。
（ｃ）ノンレム睡眠状態：最小レベルの吸気ピークフロー変動を示す。
この吸気ピークフロー変動特徴は、本明細書では「ＩＰＦＶ」と記される。
【００５２】
２．呼気ピークフロー変動
この呼吸フロー特性は、呼気ピークフローの分散を計算することにより求めることができる。そのような特性を図２に示す。変動は、複数の呼吸（例えば、５つの呼吸）を含むスライド窓を用いて求めることができる。図２に示されるように、計算は、連続した呼吸群の呼気ピークフロー値２０４を利用する。適した閾値を用いて状態検出器により評価する場合、この値は以下の異なる睡眠状態を示すことができる。
（ａ）目覚め状態：高レベルの呼気ピークフロー変動を示す。
（ｂ）レム睡眠状態：中程度のレベルの呼気ピークフロー変動を示す。
（ｃ）ノンレム睡眠状態：最小レベルの呼気ピークフロー変動を示す。
この呼気ピークフロー変動特徴は、本明細書では「ＥＰＦＶ」と記される。
【００５３】
３．呼気ピークフロー位置／呼気時間比率
図３に示されるように、この呼吸フロー特性は、合計呼気時間（ＴＥ）に対する呼気の開始から呼気ピークフロー（ＴＰＥ）に達するまでにかかる時間の比率として計算することができる。比率は図３に示される。適した閾値を用いて状態検出器により評価する場合、この値は以下のように異なる睡眠状態を示すことができる。
（ａ）目覚め状態：睡眠状態と比較して大きな呼気ピークフロー位置／呼気時間比率を示す。
（ｂ）レム睡眠状態：目覚め状態と比較して小さな呼気ピークフロー位置／呼気時間比率を示す。
（ｃ）ノンレム睡眠状態：目覚め状態と比較して小さな呼気ピークフロー位置／呼気時間比率を示す。
【００５４】
４．呼気ピークフロー位置／呼気時間比率変動
この呼吸フロー特性は、前の特性である比率の変動（例えば、分散）として計算することができる。変動は、複数の呼吸（例えば、５つの呼吸）を含むスライド窓を用いて求めることができる。適した閾値を用いて状態検出器により評価される場合、この値は、以下のように異なる睡眠状態を示すことができる。
（ａ）目覚め状態：呼吸毎に大きな呼気ピークフロー位置／呼気時間比率変動を示す。
（ｂ）レム睡眠状態：呼吸毎に小さな呼気ピークフロー位置／呼気時間比率変動を示す。
（ｃ）ノンレム睡眠状態：呼吸毎に小さな呼気ピークフロー位置／呼気時間比率変動を示す。
【００５５】
５． ７５％呼気ピークフロー未満のエリア
この呼吸フロー特性は、呼気ピークフローの呼気フロー曲線のエリアの或る割合（例えば、７５％と１００％との間）として計算することができる。呼気ピークフローエリアの例３０６を図３に示す。適した閾値を用いて状態検出器により評価する場合、この値は以下のように異なる睡眠状態を示すことができる。
（ａ）目覚め状態：７５％呼気ピークフロー未満のより大きなエリアを示す。
（ｂ）レム睡眠状態：７５％呼気ピークフロー未満の小さな７エリアを示す。
（ｃ）ノンレム睡眠状態：７５％呼気ピークフロー未満の小さなエリアを示す。
【００５６】
６． ７５％呼気ピークフロー未満のエリアの変動
この呼吸フロー特性は、前の特性であるエリアの変動（例えば、分散）として計算することができる。変動は、複数の呼吸（例えば、５つの呼吸）を含むスライド窓を用いて求めることができる。適した閾値を用いて状態検出器により評価される場合、この値は以下のように異なる睡眠状態を示すことができる。
（ａ）目覚め状態：呼吸毎に７５％呼気ピークフロー未満のエリアのより大きな変動を示す。
（ｂ）レム睡眠状態：呼吸毎に７５％呼気ピークフロー未満のエリアの小さな変動を示す。
（ｃ）ノンレム睡眠状態：呼吸毎に７５％呼気ピークフロー未満のエリアの小さな変動を示す。
【００５７】
７． ７５％呼気ピークフローから吸気を開始するまでの時間
この呼吸フロー特性は、呼気ピークフローの立ち上がり部分のピークフローの或る割合（例えば、７５％）から次の吸気が開始されるまでの時間として計算することができる。この特性を図４に示す。適した閾値を用いて状態検出器により評価される場合、この値は以下のように異なる睡眠状態を示すことができる。
（ａ）目覚め状態：７５％呼気ピークフローから吸気開始まで、より遅い立ち上がり時間を示す。
（ｂ）レム睡眠状態：７５％呼気ピークフローから吸気開始まで、より早い立ち上がり時間を示す。
（ｃ）ノンレム睡眠状態：７５％呼気ピークフローから吸気開始まで、より早い立ち上がり時間を示す。
【００５８】
８．最後に確認された呼吸からの時間
この呼吸フロー特性は、最後に確認された吸気からの時間として計算することができる。この特性を図４に示す。そのような特性は、本明細書においてより詳細に説明する覚醒検出器により、適した閾値を用いて評価することができる。
【００５９】
９．最後に確認された呼吸からの時間の変動性
この呼吸フロー特性は、前の特性である最後に確認された吸気からの時間の変動（例えば、分散）として計算することができる。変動は、複数の呼吸（例えば、５つの呼吸）を含むスライド窓を用いて特定することができる。適した閾値を用いて状態検出器により評価される場合、この値は以下のように異なる睡眠状態を示すことができる。
（ａ）目覚め状態：呼吸毎に最後に確認された呼吸からの時間の大きな変動を示す。
（ｂ）レム睡眠：呼吸毎に最後に確認された呼吸からの時間の中程度の変動を示す。
（ｃ）ノンレム睡眠：呼吸毎に最後に確認された呼吸からの時間の小さな変動を示す。
この最後に確認された呼吸からの時間の変動性特徴は、本明細書では「ＴＳＬＢＶ」と記すことができる。
【００６０】
１０．高呼吸頻度期間
この呼吸フロー特性は、スライド呼吸期間（例えば、１５の呼吸）にわたる高頻度呼吸の任意の小さな部分のスキャンにより計算することができる。この特性を図５に示す。適した閾値を用いて状態検出器により評価される場合、この値はレム呼吸を示すことができる。
【００６１】
１１．吸気時間変動性
この呼吸フロー特性は、吸気時間の変動（例えば、分散）として計算することができる。変動は、複数の呼吸（例えば、５つの呼吸）を含むスライド窓を用いて特定することができる。適したい閾値を用いて状態検出器により評価される場合、この値は以下のように異なる睡眠状態を示すことができる。
（ａ）目覚め状態：吸気時間の大きな変動を示す。
（ｂ）レム睡眠：吸気時間の中程度の変動を示す。
（ｃ）ノンレム睡眠：吸気時間の小さな変動を示す。
【００６２】
１２．呼吸一貫性チェッカー
この特徴は、いくつかの呼吸（例えば、５つの呼吸）の期間にわたる呼吸毎の以下の呼吸フロー特性に一貫性があるか否かを判断するために実施することができる。一貫性チェックは、吸気時間、吸気ピークフロー位置、呼気時間、呼気ピークフロー位置を考慮する。特性の小さな差は一貫していると考えることができる。
【００６３】
１３．特徴一貫性チェッカー
この特徴は、前に識別された呼吸フロー特性（例えば、特性１〜１２）の複数の呼吸期間（例えば、３０の呼吸）にわたる変動をチェックする。例えば、いくつかの呼吸（例えば、３０）の期間にわたる任意の特徴の自動解析は、任意の特徴が一貫性を有するか、又は有意な変動を有するかを識別することができる。例えば、目覚めている期間において、ピークフロー変動性特徴は、睡眠期間中よりも平均で高くなる。そのような値は、３０の呼吸の期間等にわたって、計算される都度、必要とされる目覚めの閾値を超えるわけではないが、評価することができる閾値を有意な割合で超えることができる。
【００６４】
１４． ９５％吸気ピークフローに達するまでの時間
この呼吸フロー特性は、呼吸が吸気の開始から吸気ピークフローの或る割合（例えば、９５％）に達するまでにかかる時間として計算することができる。参照文字Ｔ＿９５を用いて、この９５％時間特性を図６に示す。この呼吸フロー特性の特徴は、覚醒検出モジュール１１４による評価に利用することができる。
【００６５】
１５． ７５％吸気ピークフローを超えるエリア
この呼吸フロー特性は、吸気ピークフローの或る割合（例えば、７５％）を超える吸気ピークフロー曲線のエリアとして計算することができる。この呼吸フロー特性の特徴は、覚醒検出モジュール１１４による評価に利用することができる。７５％時間特性（Ｔ＿７５）は、呼吸が吸気ピークフローの或る割合（例えば、９５％）に達する時間であり、７５％時間特性を求めてから、図６の陰影を付けた領域で示されるエリアを計算することができる。７５％吸気ピークフロー特徴を超えるこのエリアは、本明細書では「ＩＰ７５Ａ」と記すことができる。
【００６６】
１６． ７５％吸気ピークフローを超えるエリアの変動
この呼吸フロー特性は、前の呼吸フロー特性であるエリアの分散として計算することができる。分散は、複数の呼吸（例えば、５つの呼吸）を含むスライド窓を用いて求めることができる。この呼吸フロー特性の特徴は、覚醒検出モジュール１１４による評価に利用することができる。７５％吸気ピークフローを超えるエリアの変動特徴は、本明細書では「Ｉ７５ＡＶ」と記すことができる。
【００６７】
１７． ９５％吸気ピークフローから呼気ピークフローまでの時間
この呼吸フロー特性は、吸気ピークフロー曲線の立ち上がり側の或る割合（例えば、９５％）から呼気ピークフロー位置までの時間として計算することができる。この呼吸フロー特性は、覚醒検出モジュール１１４による評価に利用することができる。
【００６８】
１８．前の呼吸の３ｍｖＴｔｏｔに対する現在の呼吸の３ｍｖＴｔｏｔの比率
３ｍｖＴｔｏｔ比率は、現在の呼吸からの３ｍｖＴｔｏｔを前の呼吸からの３ｍｖＴｔｏｔで除算したものとして計算することができる。３ｍｖＴｔｏｔは、平均分換気（例えば、３分換気）と合計呼吸期間（例えば、現在の呼吸の持続時間の時間期間）との比率として求めることができる。分換気は、前の数分（例えば、約２分〜５分であるが、好ましくは３分）中に行われる平均換気として求めることができる。
【００６９】
１９．現在の呼吸ＩＰｋＦｌｏｗの或る割合に対する現在の呼吸ＩＰｋＦｌｏｗ
吸気フローの現在の呼吸からのピーク吸気フロー（ＩＰｋＦｌｏｗ）とピーク吸気フロー（ＩＰｋＦｌｏｗ）の或る割合（例えば、７５％）との比率である。この特徴は、本明細書では「ＰＦ７５ＰＦ」として記すことができる。
【００７０】
Ｆ．睡眠／目覚め検出モジュール
睡眠状態検出モジュール１１８に関連付けられた方法論の例を図７に示す。本質的に、検出器は、呼吸可能なガスの測定フローを表すデータから睡眠状態を検出する方法論を用いて実施することができる。７７０において、本方法は、呼吸フローの測定値から複数の呼吸特性を求めることを含みうる。そのような呼吸特性の抽出は、睡眠状態検出器に統合することができるが、この抽出は、特徴抽出モジュール１１０から提供されるデータに対応することができる。７７２において、睡眠検出器の方法は、ノンレム睡眠状態、レム睡眠状態、相動性レム（Phasic REM）状態、持続性レム状態、深いレム睡眠状態、及び／又は軽いレム睡眠状態のうちの１つ以上のもの等の潜在的な睡眠状態から状態を検出することも含みうる。７７４において、状態の検出は、求められた呼吸特性に基づくことができる。そのような実施形態では、この状態検出は、これらの状態のいずれも、呼吸フローセンサにより測定されるデータから、従来の睡眠段階センサ特定技法（すなわち、脳電図（Ｅ．Ｅ．Ｇ．）センサ、筋電図検査（Ｅ．Ｍ．Ｇ．）センサ、及び電気眼球図記録（Ｅ．Ｏ．Ｇ．）センサからのデータ解析）又は呼吸努力バンド（respiratory effort band）なしで検出できるという意味で、実質的に、求められる呼吸特性に基づく。次に、プロセッサは、検出された状態を示すことができる。例えば、プロセッサは、検出された状態をメモリに記憶し、別のモジュール（例えば、睡眠品質評価モジュール１２０）の入力に適用し、かつ／又はユーザインターフェースモジュール１２４のディスプレイ等への出力として生成することができる。
【００７１】
実施形態の一例では、フロー信号から抽出された呼吸特性を処理して、マルコフ分類システムとして睡眠状態を分類することができる。そのような実施形態では、非静止マルコフ分類システムを利用して、患者の睡眠状態を識別することができる。
【００７２】
マルコフモデルという名称は、このシステムを解析できるようにする仮定のうちの１つ、すなわち、マルコフ性に由来する。マルコフ性は、システムの現在の状態が与えられる場合、システムの将来の進化はその過去から独立していることを述べる。各ステップにおいて、システムは、或る確率分布に従って、その状態を現在の状態から別の状態に変更するか、又は同じ状態に留まることができる。状態の変更は遷移と呼ばれ、様々な状態変更に関連付けられた確率は、遷移確率と呼ばれる。
【００７３】
数学的に、マルコフ性は、
【数１】
として表すことができ、式中、
Ｘはランダム変数であり、
Ｎは特定の状態を表す数である。
【００７４】
Ｐｒ（Ｘｎ＋１＝ｘ｜Ｘｎ＝ｘｎ）は、より一般的にはＰｉ，ｊ（ｉ＝ｘｎ，ｊ＝ｘ）として表される。これらの計算は、状態ｘｎからｘへの状態遷移の確率を求める。状態遷移行列が、状態が他の状態の任意の１つに変更する（又は単に現在の状態に留まる）確率を含みうる。本技術の実施形態のうちのいくつかの文脈の中では、睡眠状態はランダム変数であり、いくつかの可能な状態が存在することができる（例えば、ノンレム睡眠状態、目覚め状態、及びレム睡眠状態の場合には３つの状態）。したがって、この例では、３次元状態遷移行列が計算される。追加の状態がある場合、行列及び計算は適宜増大される。
【００７５】
したがって、いくつかの実施形態では、以下の方法論を実施して、特徴抽出モジュールから入力することができる呼吸特性又は特徴から睡眠状態を求めることができる。
【００７６】
（１）状態遷移表の計算
状態遷移表は、非静止とする（例えば、経時変化する）ことができ、これは、遷移確率がフロー信号から抽出される特徴（これも経時変化する）に対して有する直接的な依存性に起因する。或る特徴は、上述した特定の睡眠段階の特性である。そのような特徴（例えば、特徴抽出モジュールからの）の任意の数の組み合わせを用いて、これらの状態遷移確率を導出することができる。確率は、各呼吸特性の閾値セットから求めることができる。閾値セットは、経験的解析を通じて求め、確率評価のために装置に記録することができる。したがって、睡眠状態が更新される都度、遷移表を再計算することができる。これは、呼吸単位で実行することができる。３つの状態の場合、各状態から他の状態への遷移及び各状態からそれ自体の状態への遷移を表す９つの遷移がある。
【００７７】
（２）前の状態に基づく現在の状態（例えば、ノンレム睡眠、目覚め、及びレム睡眠）の確率の計算
漏れ検出モジュール１１２からの出力は、任意選択的に、行列の確率の調整子（conditioner）を提供することができる。例えば、高レベルの漏れが検出される場合、フロー信号の安定性が低いか、又はそうでなければ任意の特定の睡眠状態を示す度合いが低いことを予想することができる。目覚め状態を示す場合さえもあり得る。したがって、いくつかの実施形態では、方法論は、睡眠状態確率の重みを適宜変更して、漏れの影響を低減することができる。
【００７８】
（３）最も可能性が高い睡眠状態の出力
したがって、睡眠状態検出モジュールは、呼吸フロー信号を分類し、解析して、或る睡眠段階を関連付けることにより、検出された様々な状態を示す睡眠／目覚めインジケータ又はインデックスを生成することができる（例えば、１＝目覚め、２＝ノンレム、３＝レム、又は１＝目覚め、２＝ノンレム、３＝軽いレム、４＝深いレム等）。そのような手法の利点は、方法が各状態の持続時間を記録するために用いられる場合、合計睡眠時間を示すものを提供することができることである。この方法は、患者の睡眠構造（例えば、目覚め間隔、非急速眼球運動（ＮＲＥＭ）睡眠間隔、急速眼球運動（ＲＥＭ）睡眠間隔、深い急速眼球運動（ＤＲＥＭ）睡眠間隔、及び／又は軽い急速眼球運動（ＬＲＥＭ）睡眠間隔のタイミング、頻度、及び持続時間等）についての情報を提供するために実施することもできる。さらに、この方法は、そのようなインデックスがＡＨＩ検出モジュールとともに用いられるとき、上述したように、合計睡眠時間を特に参照してＡＨＩ特定を行うことができるようにＡＨＩ計算を改良するために実施することもできる。
【００７９】
睡眠状態検出器実施形態の例
本技術の更なる実施形態の例では、睡眠状態検出モジュール１１９は、図２０のブロック流れ図に示される処理を用いて構成することができる。処理は、患者の睡眠状態の計算を表す。このために、従来のＲ＆Ｋ ＰＳＧに基づくスコア付けは、睡眠を６つの段階に分ける。
ｉ）目覚め
ｉｉ）ノンレム段階１
ｉｉｉ）ノンレム段階２
ｉｖ）ノンレム段階３
ｖ）ノンレム段階４
ｖｉ）レム
【００８０】
この種の睡眠段階スコア付けは、ＥＥＧ、ＥＯＧ、及び呼吸努力バンドを含む多くの異なる生体信号に基づく。本実施形態では、睡眠状態は、主に呼吸フロー信号の解析に基づいて推定される。このため、Ｒ＆Ｋ ＰＳＧの全ての段階を有する詳細な睡眠構造の特性化は、このモジュールを用いて実施されない。むしろ、本実施形態による睡眠段階検出は、以下の４つの段階に圧縮される。
ｉ）目覚め
ｉｉ）ノンレム睡眠遷移（事実上、段階１睡眠）
ｉｉｉ）ノンレム睡眠（段階２、３、４）
ｉｖ）レム
【００８１】
このために、目覚め状態及びレム睡眠状態は、Ｒ＆Ｋ睡眠スコア付けと同様であるものとみなすことができる。呼吸フローとの関連でのこれらの状態を図２２（目覚め）及び図１２（ノンレム）に示す。ノンレム睡眠状態は、段階３及び４（徐波睡眠）及び段階２の部分であるとみなすことができる。呼吸フローは、この段階中、図２３に示されるように安定しており、メトロノームのようである。呼吸フローとの関連でのノンレム睡眠状態２１１４を図２３のノンレム睡眠領域に示す（ボックスＮＲＳとして示される）。この領域は、検出器によりノンレム睡眠状態２１１４として特性化することができる。
【００８２】
ノンレム睡眠Ｔ（遷移）は、事実上、段階１睡眠であり、目覚めから睡眠への遷移がある。睡眠の開始時には、通常、いくらかのレベルの換気睡眠不安定性がある（目覚めから睡眠へのＣＯ２設定点の変更に起因する）。これは通常、睡眠の段階１に関連付けられ、段階２まで延びることもある（通常、ＥＥＧにおいて見ることができる）。呼吸フローは、この期間中、不規則である傾向がある。目覚め状態の不規則期間（ＡＰ）の例を図２２に示す。このパターンの換気不安定性は、夜の最初の目覚め−睡眠遷移のみに限られない。患者が覚醒し、再び眠りに遷移しようとする場合、夜遅い部分で潜在的に発生する可能性がある。
【００８３】
上記参照した状態が検出されると、本実施形態の検出器は、フローセンサからの呼吸空気流を表すデータに基づく上述した特徴抽出器１１０の１つ以上の特徴を処理する。状態検出は、患者特性データ１２２からの患者の特性（例えば、年齢、ＢＭＩ、性別、現在の生理学的状態）、覚醒モジュール１４４からのデータ、及び／又は漏れ検出モジュール１１２からのデータに更に基づくことができる。
【００８４】
この実施形態では、有限状態機械が実施されて、睡眠段階を分類する。図２１に示されるように、３つの基本的な状態：目覚め状態２１１０、レム睡眠状態２１１２、及びノンレム睡眠状態２１１４が定義される。遷移確率を計算することにより、各呼吸サイクルの終わりに新しい睡眠状態が求められる。或る状態から次の状態又は同じ状態への遷移は、図２１に示される遷移確率（遷移確率Ｔ１１、Ｔ１２等として記される）のうちの最も高い確率に基づく。
【００８５】
理論上、患者は、任意の或る状態から別の状態に任意の時点で遷移する確率を有する。しかし、睡眠の生理学は、動的な数量であり、プロセス全体にランダム性の要素があるようになっている。したがって、各呼吸サイクルの終わりに遷移確率を調整し更新すべきである。次に、睡眠状態が、これらの遷移確率に基づいて計算される。さらに、調整を実施して、睡眠中に発生し得る不安定性（周期的な呼吸として見られることもある）を考慮することができる。有限機械の追加の状態であるノンレム睡眠遷移状態２１１６も定義され、持続した量の睡眠不安定性が検出される場合、状態機械はこのノンレム睡眠遷移状態に遷移する。呼吸フローとの関連でのこのノンレム睡眠Ｔ状態２１１６を図２３−Ａに示す。グラフでは、睡眠の開始時に発生する睡眠不安定性領域（ボックスＳＯＩとして示される）は、検出器によりノンレム睡眠Ｔ状態２１１６として特性化することができる。
【００８６】
この睡眠状態検出モジュールの例１１９の処理方法論について、これより図２０に関連して説明する。モジュールによる睡眠状態の検出は、上述したように、特徴抽出器１１０の特徴のうちの１つ以上の解析に基づくことができる。呼吸フローの測定値に基づいて、特徴抽出器１１０は特徴のうちの１つ以上のものを求めることができる。この実施形態の例では、ＩＰＦＶ（吸気ピークフロー変動性）特徴、ＥＰＦＶ（呼気ピークフロー変動性）特徴、ＴＳＬＢＶ（最後の呼吸からの時間の変動性）特徴、及びＩ７５ＡＶ（吸気ピークフローの７５％を超えるエリアの変動性）特徴を解析することができる。
【００８７】
各特徴は閾値処理器２０１０に提供され、閾値処理器２０１０において、図２４及び図２５に示される例等の１つ以上の閾値関数が、特徴サブセットの各特徴に適用される。しかし、状態の数に応じて、各特徴は通常、図２５の表に示されるように、可能な基本睡眠状態毎の閾値に適用される。
【００８８】
例えば、ＩＰＦＶ特徴の閾値処理の場合、図２４のグラフ２４５０の関数を、可能な睡眠状態毎に表ＩＰＦＶ（図２５において参照文字２５４０Ａの表として示される）からとられる入力値の例ＩＡ、ＩＢ、ＩＣ、及びＩＤ並びに出力値の例ＯＡ、ＯＢ、ＯＣ、及びＯＤを用いて実施することができる。上述したように、これらの表中、入力値ＩＡ、ＩＢ、ＩＣ等は、入力値の連続した範囲を表す。したがって、表ＩＰＦＶ（図２５において参照文字２５４０Ａの表として示される）の場合、ＩＡは、０．００１未満から０．００１を含め最高で０．００１までの範囲である。ＩＢは、ＩＡの範囲よりも大きく、０．００３を含め最高で０．００３までの範囲の値である。ＩＣは、ＩＢの範囲よりも大きく、０．００９を含め最高で０．００９までの範囲の値である。ＩＤは、ＩＣの範囲よりも大きく、１０を含め最高で１０までの範囲の値であり、これは可能な最大入力値であるとみなすことができる。例えば、求められた値０．００３を有するＩＰＦＶ特徴の場合、睡眠状態の重みとみなすことができる０．１の出力値が、ＩＰＦＶ特徴の目覚め状態に起因する出力として選択される。さらに、０．８の出力値が、ＩＰＦＶ特徴のノンレム状態に起因する出力として選択され、０．１の出力値が、ＩＰＦＶ特徴のレム状態に起因する出力として選択される。同様に、ＥＰＦＶ特徴の出力重みが選択される。しかし、ＥＰＦＶ特徴の場合、各状態のグラフ２４５０の関数の入力値及び出力値は、ＥＰＦＶ表（図２５において参照文字２５４０Ｂの表として示される）の値に基づく。同様に、基本的な睡眠状態に起因する重みが、各表（図２５において参照文字２５４０Ｃの表ＴＳＬＢＶ及び参照文字２５４０Ｄの表Ｉ７５ＡＶとして示される）を用いてＴＳＬＢＶ特徴及び１７５ＡＶ特徴に対して決められる。
【００８９】
特定の値が図２５の表に示されるが、これらが単なる例であることが理解されるであろう。他の値を実施することもでき、患者群又は特定の患者のいずれかから経験的に決定することができる。したがって、これらの値は、機械学習技法及びパターン認識技法に基づく処理を用いて学習することができる。採用することができる技法の例には、クラスター解析、サポートベクターマシン、及びベイズ式分類法が含まれる。
【００９０】
次に、出力重みはパターン適用器２０１４に提供される。この処理において、様々な個々の特徴のパターンのデータが組み合わせられる。このために、特徴のいくつかのサブセットに関連付けられた重みが、個々の特徴と比較するよりも睡眠段階を示す程度がより高い情報を含む可能性が高い。したがって、パターンは、睡眠段階を示す情報を集合的に表す１つ以上の特徴とみなすことができる。さらに、或る範囲のパターンを集合的に利用して、睡眠段階を識別することができる。この点に関して、理想的なこれらのパターンのセットは、以下の条件を満たす情報を含む。
【００９１】
ｉ）パターンは睡眠段階に固有の情報を含む。
【００９２】
ｉｉ）任意の２つのパターンは、睡眠段階についての同じ情報を含まない。
【００９３】
最初の条件は比較的容易に満たすことができるが、２番目の条件はより難しいことがある。呼吸フロー信号の性質及び続けて計算される特徴を考えると、重複がわずかであるか、又は重複がないパターンを生成することは困難な作業である。したがって、これらのパターンの賢明な組み合わせを実施して、必要な情報を取得することができる。
【００９４】
例えば、一実施形態では、パターン適用器は、以下のパターン（Ｐ１、Ｐ２、Ｐ３、Ｐ４、及びＰ５）を実施することができる。
パターンＩＤ 特徴サブセット
Ｐ１ ＩＰＦＶ、ＥＰＦＶ、ＴＳＬＢＶ
Ｐ２ ＩＰＦＶ、ＥＰＦＶ
Ｐ３ ＴＳＬＢＶ
Ｐ４ ＩＰＦＶ
Ｐ５ ＩＰＦＶ、Ｉ７５ＡＶ
【００９５】
パターンに基づいて、各睡眠段階の閾値処理器からの特徴重みが、例えば、重みを合算することにより組み合わせされる。したがって、パターン（Ｐ１・・・ＰＮ）毎及び段階（Ｓ１・・・ＳＩ）毎に、Ｉ×Ｎ個のパターンのスコアが生成される。上記の５つのパターンの例かつ３つの状態の場合、２０個のパターンのスコアがある（すなわち、Ｐ１＿ａｗａｋｅ、Ｐ１＿ＮＲＥＭ＿ｓｌｅｅｐ、Ｐ１＿ｒｅｍ、・・・、Ｐ５＿ａｗａｋｅ、Ｐ５＿ＮＲＥＭ＿ｓｌｅｅｐ、Ｐ５＿ｎｒｅｍ）。
【００９６】
全体のパターン重み計算の例は以下である。
用いられる特徴：ＩＰＦＶ、ＥＰＦＶ、ＴＳＬＢＶ
閾値関数からの特徴の重み（ｗｎ）
目覚めスコア：
ＩＰＦＶ：ｗ１１
ＥＰＦＶ：Ｗ１２
ＴＳＬＢＶ：ｗ１３
ノンレム睡眠スコア：
ＩＰＦＶ：ｗ２１
ＥＰＦＶ：ｗ２２
ＴＳＬＢＶ：ｗ２３
レム睡眠スコア：
ＩＰＦＶ：ｗ３１
ＥＰＦＶ：ｗ３２
ＴＳＬＢＶ：ｗ３３
用いられるパターン：
パターンＩＤ 特徴サブセット
Ｐ１ ＩＰＦＶ、ＥＰＦＶ、ＴＳＬＢＶ
Ｐ２ ＩＰＦＶ、ＥＰＦＶ
Ｐ３ ＴＳＬＢＶ
パターン重みを計算する：
Ｐ１＿ａｗａｋｅ＝α＊（ｗ１１＋ｗ１２＋ｗ１３）
Ｐ１＿ＮＲＥＭ＿ｓｌｅｅｐ＝β＊（ｗ２１＋ｗ２２＋ｗ２３）
Ｐ１＿ｒｅｍ＝μ＊（ｗ３１＋ｗ３２＋ｗ３３）
Ｐ２＿ａｗａｋｅ＝α１＊（ｗ１１＋ｗ１２）
Ｐ２＿ＮＲＥＭ＿ｓｌｅｅｐ＝β１＊（ｗ２１＋ｗ２２）
Ｐ２＿ｒｅｍ＝μ１＊（ｗ３１＋ｗ３２）
Ｐ３＿ａｗａｋｅ＝α２＊ｗ１３
Ｐ３＿ＮＲＥＭ＿ｓｌｅｅｐ＝β２＊ｗ２３
Ｐ３＿ｒｅｍ＝μ２＊ｗ３３
【００９７】
この計算では、バイアス係数α、β、μ、α１、β１、μ１、α２、β２、及びμ２を上に示すように実施することができる。係数は、患者特性データ１２２の患者特性のうちの１つ以上のものに基づいて、パターンスコア付けにいくらかの調整を実施できるようにすることができる。例えば、特定の患者特性のいずれも、特定のパターンが特定の状態を示す程度を大きく又は小さくする傾向がない場合、これらのうちの１つ以上のものを１に設定することができる。しかし、他の値を用いることもでき、患者の特性に基づいて経験的に決めることができる。
【００９８】
次に、未処理睡眠状態計算器２０１６が、各状態スコアを組み合わせることにより、各状態に特定の未処理睡眠状態スコアを生成する。上記例では、次に、未処理睡眠状態計算器２０１６は、以下の未処理目覚めスコアを生成する。
Ａｗａｋｅ＝Ｐ１＿ａｗａｋｅ＋Ｐ２＿ａｗａｋｅ＋Ｐ３＿ａｗａｋｅ；
ＮＲＥＭ＿Ｓｌｅｅｐ＝Ｐ１＿ＮＲＥＭ＿ｓｌｅｅｐ＋Ｐ２＿ＮＲＥＭ＿ｓｌｅｅｐ＋Ｐ３＿ＮＲＥＭ＿ｓｌｅｅｐ；
ＲＥＭ＝（Ｐ１＿ｒｅｍ＋Ｐ２＿ｒｅｍ＋Ｐ３＿ｒｅｍ）＊｛ＲＥＭ＿Ｅｎｈａｎｃｅｒ＿Ｉｎｄｅｘ）；
【００９９】
この実施形態では、レム増強係数（「ＲＥＭ＿Ｅｎｈａｎｃｅｒ＿Ｉｎｄｅｘ」と示される）を利用することができる。この係数は、図２０に示されるレム状態エンハンサ２０３０により生成される。レム状態エンハンサ２０３０の処理を本明細書においてより詳細に考察する。これは本質的に、未処理レム睡眠スコアを調整する（例えば、乗算により）追加の重みを提供する。
【０１００】
一般に、この処理では、ノンレム状態、レム状態、又は目覚め状態等のパターンに基づくスコアに関してのみ重みが計算される。図２１のグラフのノンレム睡眠Ｔ状態は、パターン依存スコアではなく「状態」依存スコアであるとみなすことができる。この点に関して、この遷移状態のいかなる値も、図２７の遷移確率に関して本明細書においてより詳細に考察する確率計算時の周期的状態及び覚醒状態に基づく。
【０１０１】
次に、状態遷移確率計算器２０１８により未処理状態スコアが処理される。この処理は一般に、本明細書において考察される確率方法により、図２１のチャートにおいて識別される遷移確率等の状態遷移確率を求めることを含む。これらの確率は、睡眠段階計算プロセスにおける更なる調整ステップとみなすことができる。確率値の例を図２６及び図２７の表に示す。一般に、遷移確率は、例えば、乗算により、所与の状態の未処理スコアと組み合わせて、変更睡眠状態スコアを生成することができる。このようにして、未処理睡眠スコアを遷移確率でバイアスすることができる。しかし、ノンレム睡眠Ｔ状態のために、未処理状態スコアは、遷移確率がこの状態の変更状態スコアになるように、１であると仮定することができる。
【０１０２】
この点に関して、睡眠の生理学の性質を考えると、睡眠状態を判断する際に考慮されるランダム性の要素がある。例えば、最初の目覚めフェーズ（すなわち、睡眠の開始前）は、夜全体を通して続く目覚め状態よりも大きくなる（例えば、より長い時間期間となる）可能性がより高い。夜の最初の睡眠段階は、患者が特定のレム睡眠機能不全を有する場合を除き、レム相ではないはずである。したがって、状態遷移確率を決める際に、或る規則を適用して、これらの条件のうちのいくつかを考慮することができる。これらの遷移条件及び他の関連付けられた確率の例を図２６及び図２７を参照して本明細書においてより詳細に考察する。
【０１０３】
さらに、遷移確率のうちのいくつかは、本明細書においてより詳細に考察される睡眠開始インデックスに基づくことができる。一般に、睡眠開始インデックスは、バイナリインデックスとすることができる。例えば、インデックスが値１を示す場合、これは、患者が睡眠中である（ノンレム睡眠又はノンレム睡眠Ｔのいずれか）であることを表す。同様に、インデックスが０を示す場合、これは、患者が目覚め状態であることを表す。しかし、患者が夜の最初の目覚め状態にあり、このインデックスが０を示す場合、３つの睡眠状態のうちの任意の状態への状態変更を支配する全ての遷移確率はゼロになる（例えば、睡眠開始インデックスが０の場合、Ｔ１２、Ｔ１３、及びＴ１４が０になる）。
【０１０４】
変更睡眠状態スコアに基づいて、次に、状態選択器２０２０は次の睡眠段階を判断することができる。変更睡眠段階スコアの比較により、次の状態を選択することができる。例えば、最大のスコアを有する変更睡眠状態スコアを、図２１の状態機械の状態のうちの検出される状態とみなすことができる。
【０１０５】
睡眠状態検出に関して考察される検出方法論のプロセスは、以下の例により考慮することができる。
例
有限機械の現在の睡眠状態＝目覚め状態２１１０
計算された未処理睡眠状態スコア：
Ａｗａｋｅ＝０．１
ＮＲＥＭ＿Ｓｌｅｅｐ＝０．５
ＲＥＭ＿Ｓｌｅｅｐ＝０．２
ＮＲＥＭ＿Ｓｌｅｅｐ＿Ｔ＝１
現在の睡眠状態に基づく必要な遷移確率は、Ｔ１１、Ｔ１２、Ｔ１３、Ｔ１４である。Ｔ１１、Ｔ１３、及びＴ１４に関して表２６００Ａを参照することができ、規則６がこの例に適用されると仮定することができる。Ｔ１２に関して表２７００Ａを参照することができ、規則２が適用されると仮定することができる。
Ｔ１１＝０．４５
Ｔ１２＝０
Ｔ１３＝０．４５
Ｔ１４＝０．１
変更睡眠状態スコア：
Ａｗａｋｅ＝Ａｗａｋｅ＊Ｔ１１＝０．０４５
ＮＲＥＭ＿Ｓｌｅｅｐ＿Ｔ＝Ｔ１２＝０
ＮＲＥＭ＿Ｓｌｅｅｐ＝ＮＲＥＭ＿Ｓｌｅｅｐ＊Ｔ１３＝０．２２５
ＲＥＭ＿Ｓｌｅｅｐ＝ＲＥＭ＿Ｓｌｅｅｐ＊Ｔ１４＝０．０２
ＮＲＥＭ＿Ｓｌｅｅｐが最高スコアを有するため、次の睡眠段階をＮＲＥＭ＿Ｓｌｅｅｐ状態２１１４に設定することができる。
【０１０６】
Ｇ．レム状態エンハンサ
レム状態は、呼吸空気流信号のみを解析する場合、検出が最も難しい睡眠状態である。したがって、いくつかの特殊化された特徴を特に実施して、「レム型」空気流の特徴を捕捉し、レム睡眠検出を増強することができる。これらの特徴の組み合わせられた出力は、増強レム状態を提供し、部分的に、図２０に示されるレム状態エンハンサ２０３０の処理により実施することができる。
【０１０７】
例えば、任意選択的に、少なくとも部分的に処理特徴抽出器１１０により実施することができる以下の追加の特徴を決めることができる。このために、呼吸空気流が捕捉され処理されて、以下のレム固有の特徴を計算することができる。
【０１０８】
１）ＶｔＲａｔ−これは、現在の吸気の換気量（Ｖｔｃｕｒｒ）と前の呼吸の換気量（Ｖｔｐｒｅｖ）との単純な比率である。いくつかの実施形態では、この比率は以下の方程式に従って計算することができる。
【数２】
【０１０９】
２）正弦曲線からの偏差−この特徴は、現在の吸気呼吸の振幅及び周波数に基づく正弦波形を求める。次に、推定正弦曲線と実際の吸気呼吸プロファイルとの間で減算を実行し、結果がバッファーに記憶される。次に、バッファー内の値の分散が計算される。正弦曲線は、患者の呼吸プロファイルに基づいて変更することができる。例えば、機械学習又はパターン認識処理を利用することができる。このために採用することができる技法の例は、クラスター解析、サポートベクターマシン、及びベイズ式分類法を含みうる。実施態様の例では、可変の振幅及び周波数を有する単純な平方根正弦プロファイルを用いることができる。したがって、このプロファイルに基づいて、計算の例は以下のように数学的に表すことができる。
【数３】
式中、αは振幅であり、ωは周波数であり、ｔは時間であり（連続領域では時間であり、離散時間ではサンプル数）、Ψは位相である。
【０１１０】
３）特徴一貫性インデックス−このインデックスは、特徴セットが設定された閾値をどの程度一貫して超えるかの測定値である。以下のステップがこのインデックスの計算に関わる。
ｉ．呼吸の集まりが取得され、上記参照した特徴が、呼吸毎に計算され、閾値バッファーに記憶される。例えば、５つの呼吸を取得し、それらの呼吸に関連付けられた求められた特徴が、閾値バッファーに記憶される。
ｉｉ．特徴が閾値関数に適用される。閾値関数は、上述したものと同様である。特徴セットの特徴値が設定された閾値を超える都度、一貫性カウンタが増分される（例えば、１だけ）。例えば、５つの呼吸のセットでは、特徴が呼吸のうちの４つで閾値を超える場合、一貫性カウンタは４になる。
ｉｉｉ．次に、特徴一貫性インデックスが、特徴一貫性カウンタと合計呼吸集まりサンプルサイズとの比率をとることにより導出される。例えば、カウンタが４であり、用いられた呼吸の合計集まりが５であった場合、特徴一貫性インデックスは８０％になる。
【０１１１】
次に、レム状態エンハンサ２０３０により、上述したようにＲｅｍＥｎｈａｎｃｅｒインデックスとして機能する特徴一貫性インデックスを出力することができる。
【０１１２】
Ｈ．遷移確率規則
上述したように、遷移確率は、未処理睡眠スコアを調整して、変更睡眠スコアを生成する。しかし、これらの確率がどのようにして計算されるかを定義する前に、自然な睡眠サイクルについてのいくつかの一般的なポイントを考慮することができる。
（ａ）夜の最初の目覚め期間（すなわち、睡眠の開始）は、夜の最も長い目覚め期間になる可能性が高い。
（ｂ）続く目覚め期間は、目覚める外部原因（例えば、マスクの再調整、トイレに行く、他の人又は夜間性喘息発作等の任意の医療状態により起こされる）がある場合を除き、１２０秒を超えて続かない。
（ｃ）目覚め状態からの最初の睡眠遷移は、患者がレム睡眠機能不全を有する場合を除き、レム睡眠ではない。
（ｄ）自然な睡眠サイクルの一環として、２０分〜３０分を超える間、深い睡眠にあった患者は、小さな目覚めに近づきつつある。
【０１１３】
上記に基づいて、以下の規則が定義されている。しかし、上記情報（（ａ）〜（ｄ））を解釈し、対応する規則を定義する多くの方法がある。したがって、以下の規則及び規則に関連付けられた遷移確率値は、単なる例である。機械学習技法又はパターン認識技法により、他の規則及び値を導出することもできる。採用することができるそのような技法の例には、クラスター解析、サポートベクトターマシン、及びベイズ式分類法が含まれる。
規則：
規則１−患者は、夜の最初の目覚め期間にあり、１０分以下の間、目覚めていた。
規則２−患者は、夜の最初の目覚め期間にあり、１０分を超えるが、２０分以下の間、目覚めていた。
規則３−患者は、夜の最初の目覚め期間にあり、２０分を超える間、目覚めていた。
規則４−患者は、夜の２番目の目覚めフェーズにあり、１０分以下の間、この状態であった。
規則５−患者は、夜の２番目の目覚めフェーズにあり、１０分を超えるが、２０分以下の間、この状態であった。
規則６−患者は、夜の２番目の目覚めフェーズにあり、２０分を超える間、この状態であった。
規則７−患者は、目覚め状態の３番目又は後期フェーズにあり、６０分以下の間、この状態であった。
規則８−患者は、目覚め状態の３番目又は後期フェーズにあり、６０分を超える間、この状態であった。
規則９−治療を開始してからの時間は、２０分以下である。
規則１０−治療を開始してからの時間は、２０分を超え、患者は、２０分以下の間、ノンレム睡眠状態であった。
規則１１−治療を開始してからの時間は、２０分を超え、患者は、２０分を超えるが、３０分以下の間、ノンレム睡眠状態であった。
規則１２−治療を開始してからの時間は、２０分を超え、患者は、３０分を超える間、ノンレム睡眠状態であった。
規則１３−患者は、１０分以下の間、レム睡眠状態であった。
規則１４−患者は、１０分を超えるが、２０分以下の間、レム睡眠状態であった。
規則１５−患者は、２０分を超える間、レム睡眠状態であった。
【０１１４】
図２６の表（すなわち、表２６００Ａ、表２６００Ｂ、表２６００Ｃ、及び表２６００Ｄ）は、状態遷移確率を支配するために実施することができる、確率値へのこれらの規則の関連付けをまとめたものである。この実施形態では、１つの特定の規則のみが一度に適用可能である。どの規則が現在の条件（例えば、現在の睡眠状態、今の睡眠状態で費やされた時間、及び夜の睡眠時間の全体的なポイント）を満たすかに基づいて、上述したように、表の出力を遷移確率として適用することができる。例えば、処理により、規則５が真であり、機械の現在の状態が目覚めであると判断される場合、遷移確率Ｔ１１は０．９になり、Ｔ１３は０．０５になり、Ｔ１４は０．０５になる。表の残りの遷移確率も同様に求めることができる。
【０１１５】
Ｉ．周期的呼吸及び覚醒に基づく遷移確率
図２０に示されるように、状態遷移確率計算器２０１８により遷移確率を求める際の別の規則セットは、周期的呼吸検出器及び覚醒検出器の出力に基づくことができる。例えば、周期的状態検出器は、ノンレム睡眠Ｔ状態への遷移及びノンレム睡眠Ｔ状態からの遷移を制御する。このために、以下の規則の例及び図２７の表に示される関連する値も、状態遷移確率値を支配することができる。
【０１１６】
規則
規則１−患者の現在の状態は目覚めである。
周期的状態カウンタは０である（すなわち、患者は０呼吸の間、周期的状態であった）。
【０１１７】
規則２−患者の現在の状態は目覚めである。
周期的状態カウンタは０よりも大きいが、５０以下である（すなわち、患者は０よりも多いが５０以下の呼吸の間、周期的状態であった）。
【０１１８】
規則３−患者の現在の状態は目覚めである。
周期的状態カウンタは５０よりも大きい（すなわち、患者は５０よりも多い呼吸の間、周期的状態であった）。
【０１１９】
規則４−患者の現在の状態はノンレム睡眠である。
周期的状態カウンタは０である（すなわち、患者は０呼吸の間、周期的状態であった）。
【０１２０】
規則５−患者の現在の状態はノンレム睡眠である。
周期的状態カウンタは０よりも大きいが、５０以下である（すなわち、患者は０よりも多いが５０以下の呼吸の間、周期的状態であった）。
覚醒状態バッファー和＝０（このバッファーは、前の５０の呼吸からの前の５０の覚醒状態値からの値を含む−したがって、和＝０の場合、覚醒は前の５０の呼吸にわたって検出されなかった）。
【０１２１】
規則６−患者の現在の状態はノンレム睡眠である。
周期的状態カウンタは０よりも大きいが、５０以下である（すなわち、患者は０よりも多いが５０以下の呼吸の間、周期的状態であった）。
覚醒状態バッファー和＞０（このバッファーは、前の５０の呼吸からの前の５０の覚醒状態値からの値を含む。このため、覚醒の和がゼロより大きい場合、１つ以上の覚醒が前の５０の呼吸にわたって検出された）。
【０１２２】
規則７−患者の現在の状態はノンレム睡眠である。
周期的状態カウンタは５０よりも大きい（すなわち、患者は５０よりも多い呼吸の間、周期的状態であった）。
覚醒状態バッファー和＝０（このバッファーは、前の５０の呼吸からの前の５０の覚醒状態値からの値を含む。したがって、和＝０の場合、覚醒は前の５０の呼吸にわたって検出されなかった）。
【０１２３】
規則８−患者の現在の状態はノンレム睡眠である。
周期的状態カウンタは５０よりも大きい（すなわち、患者は５０よりも多い呼吸の間、周期的状態であった）。
覚醒状態バッファー和＞０（このバッファーは、前の５０の呼吸からの前の５０の覚醒状態値からの値を含む。このため、和が０よりも大きい場合、１つ以上の覚醒が前の５０の呼吸にわたって検出された）。
【０１２４】
規則９−患者の現在の状態はノンレム睡眠Ｔである。
周期的状態カウンタは０である（すなわち、患者は０呼吸の間、周期的状態であった）。
【０１２５】
規則１０−患者の現在の状態はノンレム睡眠Ｔである。
周期的状態カウンタは０よりも大きいが、５０以下である（すなわち、患者は０よりも多いが５０以下の呼吸の間、周期的状態であった）。
覚醒状態バッファー和＝０（このバッファーは、前の５０の呼吸からの前の５０の覚醒状態値からの値を含む。したがって、和＝０の場合、覚醒は前の５０の呼吸にわたって検出されなかった）。
【０１２６】
規則１１−患者の現在の状態はノンレム睡眠Ｔである。
周期的状態カウンタは０よりも大きいが、５０以下である（すなわち、患者は０よりも多いが５０以下の呼吸の間、周期的状態であった）。
覚醒状態バッファー和＞０（このバッファーは、前の５０の呼吸からの前の５０の覚醒状態値からの値を含む。このため、和が０よりも大きい場合、１つ以上の覚醒が前の５０の呼吸にわたって検出された）。
【０１２７】
規則１２−患者の現在の状態はノンレム睡眠Ｔである。
周期的状態カウンタは５０よりも大きい（すなわち、患者は５０よりも多い呼吸の間、周期的状態であった）。
覚醒状態バッファー和＝０（このバッファーは、前の５０の呼吸からの前の５０の覚醒状態値からの値を含む−したがって、和＝０の場合、覚醒は前の５０の呼吸にわたって検出されなかった）。
【０１２８】
規則１３−患者の現在の状態はノンレム睡眠Ｔである。
周期的状態カウンタは５０よりも大きい（すなわち、患者は５０よりも多い呼吸の間、周期的状態であった）。
覚醒状態バッファー和＞０（このバッファーは、前の５０の呼吸からの前の５０の覚醒状態値からの値を含む。このため、和が０よりも大きい場合、１つ以上の覚醒が前の５０の呼吸にわたって検出された）。
【０１２９】
規則１４−患者の現在の状態はレム睡眠である。
周期的状態カウンタは０である（すなわち、患者は０呼吸の間、周期的状態であった）。
【０１３０】
規則１５−患者の現在の状態はレム睡眠である。
周期的状態カウンタは０よりも大きいが、１００以下である（すなわち、患者は０よりも多いが１００以下の呼吸の間、周期的状態であった）。
【０１３１】
規則１６−患者の現在の状態はレム睡眠である。
周期的状態カウンタは１００よりも大きい（すなわち、患者は１００よりも多い呼吸の間、周期的状態であった）。
【０１３２】
図２７の表（すなわち、表２７００Ａ、表２７０００Ｂ、表２７００Ｃ、及び表２７００Ｄ）は、状態遷移確率を支配するために実施することができる、確率値へのこれらの規則の関連付けをまとめたものである。規則のうちの１つ以上の評価に基づくとともに、最後の呼吸において機械が前に検出した特定の状態に応じて、上述したように、遷移確率として表の出力を適用することができる。例えば、処理により、規則１１が真であり、機械の現在の状態がノンレム睡眠Ｔ状態２１１６であると判断される場合、遷移確率Ｔ２２は０になる（表２７００Ｃに示される）。表の残りの遷移確率も同様に求めることができる。
【０１３３】
Ｊ．覚醒検出モジュール
覚醒検出モジュール１１４は、呼吸フローデータが睡眠からの覚醒を表すか否かを判断することができる。この点に関して、睡眠からの覚醒は、フロー信号の乱れを生じさせることができる。したがって、このモジュールの基本機能は、そのような乱れを探してフロー信号からのデータをスキャンし、乱れが発生したか否かを示すことである。例えば、乱れが特徴抽出モジュール１１０の呼吸特性から検出される場合、モジュールは、睡眠安定性モジュールに対し、フロー乱れの経過（passage）を含む信号又はデータを生成することができる。任意選択的に、フロー乱れからのデータ及び乱れに先行するフロー信号期間（例えば、１５呼吸前まで）からのデータを含むように、データパケットを生成することができる。データは、本明細書においてより詳細に説明するような乱れの更なる分類のために用いることができる。
【０１３４】
任意選択的に、上述したように特徴抽出モジュール１１０からの呼吸特性を利用することに加えて、追加の呼吸特性を計算することもできる。例えば、以下の呼吸特性を求めることができる。
（１）吸気ピークフローの或る割合（例えば、９５％）に達するまでの時間。
（２）吸気ピークフローの或る割合（例えば、７５％）を超えるエリア。
（３）吸気ピークフローの或る割合（例えば、７５％）を超えるエリアの変動。
（４）吸気ピークフローの或る割合（例えば、９５％）から呼気ピークフローまでの時間。
【０１３５】
次に、実施形態は、呼吸特性のうちの１つ以上のものを用いて乱れを検出することができる。例えば、フロー乱れは、すぐ上に記した呼吸特性１〜４を評価することにより検出することができる。これらの特徴は、フロー乱れのインジケータとみなすことができる。任意選択的に、これらの特性は、上述した呼吸特徴とともに、又は上述した呼吸特徴なしで、経験的に決定された閾値のセットと比較して、乱れを検出することができる。比較により、十分な乱れがフロー信号に発生したことが示される場合、モジュールは、例えば、正の信号又はデータインジケーション（例えば、はいの場合、１、いいえの場合、０）を出力することにより、それを示すことができる。
【０１３６】
したがって、モジュールの方法論の例は、以下のように呼吸単位で進むことができる。
（１）特徴抽出器から特徴をインポートする。
（２）すぐ上に記した追加の特徴（１〜４）を計算する。
（３）現在の睡眠状態を睡眠状態検出モジュールからインポートする。
（４）フロー乱れが存在するか否かを判断する。
（５）フロー乱れがある場合、睡眠状態をチェックする。患者が睡眠状態にある場合、乱れ及び前の呼吸（例えば、１５の呼吸）からのフローデータを収集し、データを出力する（例えば、睡眠品質モジュールに）。フロー乱れがあり、患者が睡眠状態にない場合、措置を講じる必要はない。呼吸にフロー乱れがない場合、措置を講じる必要はない。
【０１３７】
いくつかの実施形態では、次に、各フロー乱れを表すデータを解析して、覚醒が存在するか否かを判断することができる。覚醒が検出される場合、更なる解析により、以下のタイプのうちの１つに覚醒を特性化することができる：
（ｉ）無呼吸に関連する覚醒、
（ｉｉ）減呼吸に関連する覚醒、
（ｉｉｉ）呼吸努力に関連する覚醒、
（ｉｖ）口の漏れによる非呼吸性、
（ｖ）周期的な四肢運動（ＰＬＭ）による非呼吸性、
（ｖｉ）高漏出による非呼吸性、
（ｖｉｉ）非呼吸性−自然な覚醒。
【０１３８】
例えば、特徴抽出モジュール１１０からの上述した呼吸特性を表すデータを用いて、重みを各特徴に関連付けることができるように、特徴を閾値関数に適用することができる。フロー乱れ特徴が、閾値関数の重み付け出力から導出される。フロー信号を更に解析して、上述した事象のいずれがフロー乱れに先行したかを調べる。続けて、フロー乱れを覚醒として特性化することができる。モジュールの出力は、任意選択的に、（ａ）覚醒のタイプ及び（ｂ）覚醒の持続時間を含みうる。
【０１３９】
覚醒検出器実施形態の例
本技術の更なる実施形態の例では、覚醒検出モジュール１１４は、図１３のブロック流れ図に示される処理を用いて構成することができる。この例では、フロー生成器のフローセンサに関連付けられた呼吸空気流又はフィルタリングされたフローが、特徴抽出器に提供され、特徴抽出器により処理される。このプロセスでは、特徴抽出器により求められた上述の呼吸特徴の特定のサブセットが利用される。特徴のこのサブセットは、任意選択的に、上述したＩＰ７５Ａ（すなわち、７５％吸気ピークフローを超える吸気フロー曲線のエリア）特徴、３ｍｖＴｔｏｔ（すなわち、現在の３分換気とＴｔｏｔ（合計呼吸時間）との比率）特徴、及びＰＦ７５ＰＦ（すなわち、吸気ピークフローと７５％吸気ピークフローとの比率）特徴のみを含みうる。各特徴は閾値処理器１３１０に提供され、閾値処理器１３１０において、図１４に示される例等の１つ以上の閾値関数が、特徴サブセットの各特徴に適用される。この例は特定の特徴を用いるが、他の実施形態が、他のセット（例えば、全ての特徴）、又は特徴抽出器により求められた、上述した呼吸フローに基づく特徴の任意の組み合わせを有するサブセットに基づくことができることが理解されるであろう。
【０１４０】
この例では、ＩＰ７５Ａ特徴が閾値処理される場合、図１４のグラフ１４５０の関数を、表ＩＰ７５Ａ（参照文字１４４０Ａの表として示される）からとられる入力値の例ＩＡ及びＩＢ並びに出力値の例ＯＡ及びＯＢを用いて実施することができる。表中、入力値ＩＡ、ＩＢ、ＩＣ等は、入力値の連続した範囲を表す。したがって、表ＩＰ７５Ａの場合、ＩＡは、２．５未満から２．５を含め最高で２．５までの範囲の値である。ＩＢは、ＩＡよりも大きいか、又は２．５よりも大きい範囲の値である。例えば、２．５以下の求められた値を有するＩＰ７５Ａ特徴の場合、乱れ重みとみなすことができる０．０５の出力が、ＩＰ７５Ａ特徴に起因する出力として選択される。同様に、３ｍｖＴｔｏｔ特徴の出力重みが選択される。しかし、３ｍｖＴｔｏｔ特徴の場合、グラフ１４５０の関数の入力値及び出力値は、３ｍｖＴｔｏｔ表（参照文字１４４０Ｂの表として示される）の値に基づくことになる。同様に、グラフ１４５０の関数により、ＰＦ７５ＰＦ表（参照文字１４４０Ｃの表として示される）の値に基づいて、ＰＦ７５ＰＦ特徴の出力重みが選択される。特定の値が図１４の表に示されるが、これらが単なる例であることが理解されることに留意する。他の値を実施することもでき、患者群又は特定の患者のいずれかから経験的に決定することができる。したがって、これらの値は、機械学習技法及びパターン認識技法に基づく処理を用いて学習することができる。これに採用することができる技法の例には、クラスター解析、サポートベクターマシン、及びベイズ式分類法が含まれる。
【０１４１】
閾値処理器から出力される３つの重みは、フロー乱れ計算器１３１２の処理において、重みの合算等により組み合わせられ、フロー乱れ特徴を生成する。フロー乱れ計算器１３１２の処理は、乱れ特徴の重みを経験的に選ぶことができる覚醒閾値と更に比較して、乱れ特徴が覚醒事象を表すか否かを示す。覚醒事象を示す場合、覚醒フラグが設定される。
【０１４２】
覚醒フラグの肯定的な指示に基づいて、覚醒事象に関連付けられたフローデータを前事象分類器１３１４により評価して、覚醒に繋がったか、又は覚醒を生じさせた可能性がある特定の事象を識別する。例えば、識別された前事象は、呼吸関連性（例えば、閉塞性若しくは中枢的な無呼吸事象、閉塞性若しくは中枢的な減呼吸事象、又はフロー制限事象）又は非呼吸関連性（例えば、周期的な四肢運動（ＰＬＭ）事象及び／又は漏れ事象（例えば、口の漏れ若しくは高漏出））とすることができる。これらの事象のいずれも見つからない場合、覚醒を自然な覚醒として分類することができる。いくつかの実施形態では、これらの前事象を識別する処理は、分類器１３１４の処理に統合することができる。しかし、図１３に示されるように、この処理は、任意選択的に、検出結果を分類器１３１４に通信する離散した検出器により実施することもできる。最後に、覚醒検出器１１４は、覚醒のタイプ及び／又は持続時間を示す信号又はデータとすることができる覚醒特徴を出力する。例えば、口の漏れに関連する覚醒、無呼吸に関連する覚醒、フロー制限に関連する覚醒、ＰＬＭに関連する覚醒、自然な覚醒等として識別することができる。覚醒の持続時間は、覚醒フラグが覚醒を示すように設定されてから、覚醒が発生していないことを示すように変更されるときまでの時間期間として決定することができる。代替的に、時間期間は呼吸数とすることができる。
【０１４３】
Ｋ．睡眠安定性検出モジュール
本技術のいくつかの実施形態では、実施される睡眠安定性検出モジュール１１６は、複数の関数を用いて実施することができる。例えば、覚醒検出モジュールと併せて、モジュールは、（１）検出されたフロー乱れを分類し、（２）フロー乱れ強度のレベル（例えば、覚醒の程度）を等級付け、かつ／又は（３）自律神経活性化のレベルを推定することができる。
【０１４４】
覚醒検出モジュール１１４及び睡眠安定性検出モジュール１１６に関連付けられた方法論の例を図８に示す。本質的に、モジュールは、呼吸可能なガスの測定フローを表すデータから睡眠覚醒状態を検出又は分類する方法論を用いて実施することができる。８８０において、方法論は、呼吸フローの測定値から複数の呼吸特性を求めることを含みうる。これは、検出モジュールに統合するか、又は特徴抽出モジュール１１０等の別のモジュールから提供することができる。８８２において、乱れは、上述したように、複数の呼吸特性から検出される。乱れは覚醒状態を示すことができる。任意選択的に、８８４において、本明細書においてより詳細に考察されるように、方法論は、乱れが非呼吸関連の覚醒であるか否かを評価することができる。次に、８８６において、モジュールは、検出された乱れが、呼吸機能不全の症状以外の事象からの覚醒を表すことを示すことができる。例えば、モジュールは、判断を表すデータをメモリに記憶し、別のモジュール（例えば、睡眠品質モジュール１２０）の入力に適用し、かつ／又はユーザインターフェースモジュール１２４のディスプレイ等に出力として生成することができる。そのような非呼吸機能不全関連の事象は、例えば、周期的な四肢運動に関連付けられた事象とすることができる。したがって、検出された非呼吸性覚醒は、周期的な四肢運動又は検出された漏れに起因したものとすることができる。換言すれば、周期的な四肢運動の１つ若しくは複数の発生又は周期的な四肢運動の期間は、覚醒又は乱れを検出し、呼吸機能不全症状の同時性又は同期性の欠如（例えば、フロー制限がないか、有意ではないこと、フロー平坦化がないか、有意ではないこと、閉塞がないか、有意ではないこと等）を検出することから、識別することができる。
【０１４５】
覚醒検出モジュール１１４及び睡眠安定性検出モジュール１１６に関連付けられた更なる方法論の例を図９に示す。本質的に、モジュールは、呼吸可能なガスの測定フローから睡眠安定性を評価する方法論を用いて実施することができる。９９０において、方法は、呼吸フローの測定値から複数の呼吸特性を求めることを含みうる。これは、検出モジュールに統合するか、又は特徴抽出モジュール１１０等の別のモジュールから提供することができる。９９２において、上述したように、覚醒状態を示す場合がある乱れが、複数の呼吸特性から検出される。９９４において、乱れの程度が求められる。乱れの程度は、覚醒状態が睡眠を中断した程度を示すことができる。次に、プロセッサは、乱れの程度を示すことができる。例えば、プロセッサは、計算された乱れの程度を表すデータをメモリに記憶し、別のモジュール（例えば、睡眠品質モジュール１２０）の入力に適用し、かつ／又はユーザインターフェースモジュール１２４のディスプレイ等に出力として生成することができる。
【０１４６】
以下の実施形態の例では、フロー乱れが、分類され等級付けられてから、患者の自律神経活性化のレベルを推定するためのインデックスとしても用いられる。この実施形態では、以下のステップを実施することができる。
【０１４７】
（１）フロー乱れデータパケットを覚醒検出器から受信する。
これは、任意選択的に、乱れを検出するために、モジュール自体が測定フロー信号を処理しない場合に行うことができる。
【０１４８】
（２）データパケットのフロー乱れの発生前の期間のデータを解析して、乱れを分類する。
例えば、フロー乱れの直前に無呼吸又は減呼吸等の呼吸事象が検出されている場合、パケットの乱れを呼吸関連の覚醒とみなすことができる。そのような事象がフロー乱れの前に発生していない場合、パケットの乱れを、呼吸機能不全よりもむしろ周期的な四肢運動に起因する覚醒等の非呼吸性として分類することができる。
【０１４９】
任意選択的に、漏れ検出モジュール１１２により漏れも同時に検出されている場合、装置は、覚醒又は乱れを、非呼吸性であるが、マスクの弁のような漏れに起因するものとして分類することができる。
【０１５０】
（３）フロー乱れの長さ（例えば、持続時間）及び強度を計算する。
例えば、乱れの長さは、乱れにかかる、求められるか若しくは計算される持続時間又は時間（例えば、秒又は分）とすることができる。長さを求めることに加えて、いくつかの実施形態では、強度（例えば、乱れの程度）を求めることができる。例えば、強度値は、乱れのデータと乱れ前の呼吸データとの比率として計算することができる。例えば、強度値は、（ａ）データパケットのフロー乱れ部分の分散（例えば、フロー乱れ中のフロー信号からのサンプル）と、（ｂ）乱れ前のいくつかの呼吸（例えば、１５の呼吸）のフローデータの分散（例えば、フロー乱れ前のフロー信号からのサンプル）との比率として計算することができる。任意の呼吸特性もそのような比率の計算に利用することができる。
【０１５１】
任意選択的に、求められた強度値を利用して、乱れ中の患者の自律神経活性化を推定することができる。例えば、モジュールは、ルックアップテーブルを有するメモリを含むか、又はそのようなメモリにアクセスすることができる。ルックアップテーブルは、自律神経活性化のレベル（例えば、心拍変動の値、パルス遷移時間（ＰＴＴ）の値等）へのフロー乱れの強度のデータマッピングを含みうる。したがって、自律神経活性化値へのインデックスとして、強度を利用することができる。任意選択的に、テーブルは、患者特性記憶モジュール１２２により処理されるデータにより更に索引付けすることができる。そのような場合、テーブルは、異なるクラスの患者のデータを含みうる。したがって、装置を利用する特定の患者の年齢、ボディマスインデックス（ＢＭＩ）、体重、身長、及び／又は他の疾病状態若しくは現在の生理学的状態等の特定の患者の特性に従い、推定される自律神経活性化の特定を更に索引付けることができる。そのようなテーブルは、任意選択的に、大規模データマイニングの実行を通じて開発して、異なるクラスの患者におけるフロー乱れの強度及び続く自律神経の変化（例えば、心拍変動性（ＨＲＶ）及びパルス遷移時間（ＰＴＴ））を比較し関連付けることができる。
【０１５２】
（４）睡眠安定性スコアを睡眠品質インデックスモジュールに示す。
強度値、長さ、自律神経活性化値、識別される乱れのタイプ等は、任意選択的に、装置のメモリに記憶し、他の評価モジュール（例えば、睡眠品質評価モジュール１２０）により用い、かつ／又はユーザインターフェースモジュール１２４の視覚的出力ディスプレイに表示することができる。
【０１５３】
要約すれば、呼吸治療（例えば、気道陽圧）による治療の目的は、患者の呼吸関連の乱れを低減し、それにより、睡眠の安定性を増大させることである。したがって、睡眠安定性検出モジュールの実施形態は、患者の睡眠セッション中に発生する睡眠関連の乱れのレベルを定量化する。例えば、そのようなモジュールを有する検出器は、各呼吸サイクルの終わりに、睡眠の乱れのレベルを示す０〜１のスコアを生成することができる。そのような場合、１のスコアが最大の睡眠安定性を示すことができる。そして、スコアは、スコアが０に低減するにつれて、漸次的に低い睡眠安定性レベルを等級付けることができる。
【０１５４】
このために、いくつかの実施形態では、特徴抽出器１０６により求められる特徴のうちのいくつか又は全てを１つ以上の閾値関数に適用することにより、重みを各特徴に適用することができる。任意選択的に、これらの閾値関数は、患者特性データ１２２からの患者特性のうちのいくつか又は全てにより調整することができる。次に、呼吸の乱れ値を、閾値関数（複数の場合もあり）の重み付けられた出力から計算することができる。次に、この値を、本明細書において考察される漏れ検出モジュール１１２及び覚醒検出モジュール１１４からの出力により重み低減することができる。次に、睡眠安定性スコアを、いくつかの呼吸にわたって求められた重み低減された値の移動平均（rolling average）（例えば、１５の呼吸の移動平均等の約５〜３０の範囲）として計算することができる。
【０１５５】
睡眠安定性検出器の実施形態の例
睡眠安定性検出モジュール１１６のそのような実施形態の例は、図１５のブロック流れ図に示される処理を用いて構成することができる。この例では、呼吸の空気流又はフロー生成器のフローセンサに関連付けられたフィルタリングされた流れは、特徴抽出器に提供され、特徴抽出器により処理される。このプロセスでは、特徴抽出器により求められた上述した呼吸特徴の特定のサブセットが利用される。特徴のこのサブセットは、任意選択的に、それぞれ上述したＩＰＦＶ（すなわち、吸気ピークフロー変動）特徴、ＥＰＦＶ（すなわち、呼気ピークフロー変動）特徴、ＴＳＬＢＶ（すなわち、最後の呼吸からの時間変動）特徴、及びＩ７５ＡＶ（すなわち、７５％吸気ピークフローを超えるエリアの変動）特徴のみを含みうる。各特徴は閾値処理器１４１０に提供され、閾値処理器１４１０において、図１６に示される例等の１つ以上の閾値関数が、特徴サブセットの各特徴に適用される。この例は特定の特徴を用いるが、他の実施形態が、他のセット（例えば、全ての特徴）、又は特徴抽出器により求められた、上述した呼吸フローに基づく特徴の任意の組み合わせを有するサブセットに基づくことができることが理解されるであろう。
【０１５６】
この例では、ＩＰＦＶ特徴を閾値処理する場合、図１６のグラフ１６５０の関数を、表ＩＰＦＶ（参照文字１６４０Ａの表として示される）からとられる入力値の例ＩＡ、ＩＢ、ＩＣ、及びＩＤ並びに出力値の例ＯＡ、ＯＢ、ＯＣ、及びＯＤを用いて実施することができる。表において上述したように、入力値ＩＡ、ＩＢ、ＩＣ等は、入力値の連続した範囲を表す。したがって、表ＩＰＦＶの場合、ＩＡは、０．００１未満から０．００１を含め最高で０．００１までの範囲である。ＩＢは、ＩＡの範囲よりも大きく、０．００３を含め最高で０．００３までの範囲の値である。ＩＣは、ＩＢの範囲よりも大きく、０．００９を含め最高で０．００９までの範囲の値である。ＩＤは、ＩＣの範囲よりも大きく、１０を含め最高で１０までの範囲の値であり、これは可能な最大入力値であるとみなすことができる。例えば、求められた値０．００３を有するＩＰＦＶ特徴の場合、乱れの重みとみなすことができる０．８の出力値が、ＩＰＦＶ特徴に起因する出力として選択される。同様に、ＥＰＦＶ特徴の出力重みが選択される。しかし、ＥＰＦＶ特徴の場合、グラフ１６５０の関数の入力値及び出力値は、ＥＰＦＶ表（参照文字１６４０Ｂの表として示される）の値に基づく。同様に、グラフ１６５０の関数により、ＴＳＬＢＶ表（参照文字１６４０Ｃの表として示される）の値に基づいて、ＴＳＬＢＶ特徴の出力重みが選択される。同様に、グラフ１６５０の関数により、Ｉ７５ＡＶ表（参照文字１６４０Ｄの表として示される）の値に基づいて、Ｉ７５ＡＶ特徴の出力重みが選択される。特定の値が図１６の表に示されるが、これらが単なる例であることが理解されることに留意する。他の値を実施することもでき、患者群又は特定の患者のいずれかから経験的に決定することができる。したがって、これらの値は、機械学習技法及びパターン認識技法に基づく処理を用いて学習することができる。このために採用することができる技法の例には、クラスター解析、サポートベクターマシン、及びベイズ式分類法が含まれる。
【０１５７】
次に、スコア付け構成要素１５１２での未処理スコア処理において、閾値処理器１５１０からの重みを合算する等により、重みを組み合わせることによって、未処理乱れスコアが求められる。次に、或るシステム状態に基づいて、スコア付け構成要素１５１２からの未処理スコアを調整又は重み低減することができる。例えば、図１５に示されるように、未処理スコアは、漏れ検出モジュール又は覚醒モジュールから検出される漏れ状態及び／又は覚醒状態に基づいて調整することができる。
【０１５８】
例えば、図１７に示される関数の例等の重み低減関数から求められる重み低減係数により、未処理乱れスコアを重み低減することによって、現在の呼吸からの変更乱れスコア１５２２を求めることができる。したがって、図１７の関数を利用して、現在の漏れレベルを考慮することができる。この例では、システムに、高漏出検出器により特定される高レベルの漏れ（例えば、約０．４ｌ／ｓを超える漏れ）がある場合、実際の呼吸空気流信号の信号対雑音比（ＳＮＲ）が大幅に低減する場合がある。そのような状況では、未処理乱れスコアを重み低減して、この低ＳＮＲを考慮に入れることができる。図１７の閾値は、漏れレベルが０．３ｌ／ｓに達すると、出力重み低減係数を用いて睡眠安定性を線形に重み低減する。漏れが０．５ｌ／ｓに達すると、睡眠安定性スコアは０になる。
【０１５９】
同様に、重み低減構成要素を利用して、覚醒検出器からの現在の覚醒状態を考慮することができる。例えば、呼吸、漏れ、及びＰＬＭに関連する覚醒が、患者の睡眠を乱れし、睡眠安定性スコアをこれらのタイプの覚醒中に利用するべきである。しかし、検出される自然な覚醒は、患者の自然な睡眠パターンの一部分とみなすことができる。そのような場合、求められる特定の呼吸の睡眠安定性スコアは、検出される自然な覚醒に一致するとき、無視することができる。したがって、重み低減器１５１４は入力覚醒特徴を評価することができ、自然な覚醒が検出される場合、変更乱れスコアが現在の呼吸の睡眠安定性スコアにカウントされないようにするように構成することができる。
【０１６０】
次に、移動平均フィルタ等のフィルタ１５１６が、重み低減器１５１４からの変更乱れスコアを処理することができる。例えば、重み低減器の出力を、１０〜２０のスコアの範囲内の数であるが、好ましくは１５等の過去のいくつかの数の求められたスコアにわたって平均することができる。最後に、フィルタの出力は、睡眠安定性インデックスとみなすことができる睡眠安定性スコア１５２０とみなすことができる。
【０１６１】
Ｌ．睡眠品質評価モジュール
睡眠品質評価モジュール１２０を実施して、睡眠品質を評価することができる。いくつかの実施形態では、評価又は検出は、他のモジュールの出力に基づくことができる。睡眠品質評価モジュール１２０に関連付けられた方法論の例を図１０に示す。本質的に、この方法論は、呼吸可能なガスの測定フローから睡眠品質インジケータを求める。１０００において、前のモジュールの入力と同様に、呼吸フローの測定値から複数の呼吸特性が求められる。これは、モジュールの一部分として、又は別のモジュール（例えば、特徴抽出モジュール１１０）の一部分として統合することができる。次に、１００２及び１００４のそれぞれにおいて、本方法は、上述したように、複数の呼吸特性から睡眠状態測定値及び睡眠安定性測定値を求めることを含む。次に、１００６及び１００８のそれぞれにおいて、本方法は、睡眠状態測定値及び安定性測定値から１つ以上の睡眠品質インデックスを求めて示す。したがって、１つ以上のインデックスは、装置のメモリに記憶し、他の評価モジュール（例えば、フィードバックモジュール１２６）により用い、及び／又はユーザインターフェースモジュール１２４の視覚的出力ディスプレイに表示することができる。
【０１６２】
例えば、実施形態は、以下のステップを用いて実施することができる。
（１）インデックスとして睡眠期間（例えば、レム、ノンレム、深いレム、軽いレム、相動性レム、持続性レム、全ての睡眠状態等）の長さを計算する。
（２）睡眠安定性のレベルと合計睡眠時間との比率をインデックスとして計算する。例えば、睡眠安定性インデックスを合計睡眠時間インデックスで除算することができる。これは、安定性インデックスを正規化するように機能することができる。
（３）夜間中の目覚めている期間の長さをインデックスとして用いてこの比率を重み付けする。このようなステップは、目覚めの頻度を考慮に入れることができる。例えば、合計目覚め時間は集合的に数Ｘとすることができる。しかし、この数がＹ個の小さな目覚め期間で構成され、かつこの数Ｙが大きい場合、覚醒期間を重み付け係数で説明することができる。換言すれば、睡眠安定性数を夜間中の目覚めの頻度で更に正規化することができる。
（４）インデックスとしての個々の患者の特性の結果として、バイアスを考慮するように比率を重み付けする。いくつかの場合、目覚め状態の期間増大に向けて或るレベルのバイアスが存在する場合がある。特定の患者の入力された特性に起因するそのようなバイアスに基づく重み付け係数を利用して、比率を更に正規化することができる。
（５）インデックスセットとして最終的な睡眠品質スコアを出力する。
【０１６３】
任意選択的に、このモジュールは、インデックスとして、フィードバックのために或る夜から次の夜への目覚めから睡眠へのブレークダウン期間数を監視又は記録することもできる。そのような１つ以上の数は、目覚め期間の数、合計目覚め時間、睡眠期間の数、及び／又は合計睡眠時間として計算することができる単純な数とすることができる。任意選択的に、これは、月等の期間にわたって平均された数（複数の場合もあり）として提供することができる。日毎の数（複数の場合もあり）を提供することもできる。そのような情報は、睡眠構造についてのいくらかの単純なフィードバックを患者に提供することができる。
【０１６４】
このモジュールの出力は、記録し、フィードバックのために用い、かつ／又は患者及び／若しくは臨床医に表示することができる。例えば、このモジュールの出力は、ユーザインターフェースモジュール１２４を通じて表示することができ、かつ／又は治療アルゴリズム処理モジュール１２８に戻すか、若しくはフィードバックして、フロー生成器の適応制御をリアルタイムで実施することができる。フィードバックは、治療への短期変更及び／又は長期変更（例えば、数週間又は数ヶ月）を実施するように機能することができる。
【０１６５】
睡眠品質検出器の例
睡眠品質評価モジュール１２０の実施形態の更なる例を図２８〜図３１を参照して考慮することができる。一般に、この睡眠品質検出器での処理は、睡眠安定性インデックス、睡眠状態識別子、及び／又は覚醒インデックス等のシステムの他の処理データの評価を含みうる。入力データは、呼吸単位で睡眠品質インデックス（ＳＱＩ）を変更する動的な力（複数の場合もあり）として機能することができる。評価モジュールの処理を図２８のブロック図に示す。この実施形態では、入力データは閾値処理器２８１０Ａ、２８１０Ｂ、及び２８１０Ｃに適用される。
【０１６６】
評価モジュールが睡眠状態識別子を処理する場合、閾値処理器２８１０Ａは、図２９に示される関数等の関数を用いて実施することができる。この場合、閾値処理器２８１０Ａの出力は、睡眠状態識別子に基づいて−０．０５〜０．５の範囲内の重みとすることができる。一般に、図２９の関数は、ノンレム睡眠が最高の正の影響を有する一方で、目覚めが最高の負の影響を有することを示す。この点に関して、入力状態識別子が目覚め状態２１１０を表す場合、出力重みは−０．５である。状態識別子がノンレム睡眠Ｔ状態２１１６を表す場合、出力重みは−０．３である。状態識別子がノンレム睡眠状態２１１４を表す場合、出力重みは０．５である。状態機械が追加の検出状態を含む場合、追加の重み値を閾値処理器により実施することができる。
【０１６７】
また更なる実施形態では、レム状態の検出の結果として、睡眠品質インデックスへの調整を行うことができる。例えば、レム状態期間が検出される場合、睡眠品質インデックスを正に重み付けすることができる。したがって、いくつかの実施形態では、睡眠品質インデックスは、１つ以上のレム状態で費やされた全体時間の長さの関数として増大させることができる。任意選択的に、睡眠品質インデックスは、検出されるレム期間の数の増大の関数として増大させることができる。またさらに、睡眠品質インデックスは、レム状態検出が発生する夜間睡眠の特定の時点の関数として増大させることができる。更なる実施形態では、レム状態（複数の場合もあり）の検出の結果として、睡眠品質インデックスへのいかなる調整も行われない場合がある。
【０１６８】
評価モジュールが睡眠安定性インデックス又は睡眠安定性スコアを処理する場合、閾値処理器２８１０Ｂを、図３０に示される関数等の関数を用いて実施することができる。この場合、閾値処理器２８１０Ｂの出力も、睡眠安定性インデックスに基づいて−０．０５〜０．５の範囲内の重みとすることができる。入力睡眠安定性インデックスと出力重みとの関連付けは、関数線３０１０で表される。例えば、約０．３という睡眠安定性インデックスの入力は、結果として約０．１の出力重みを生じさせることができる。
【０１６９】
評価モジュールが、覚醒タイプ等の覚醒データを処理する場合、閾値処理器２８１０Ｃを、図３１に示される関数等の関数を用いて実施することができる。この場合、閾値処理器２８１０Ｃの出力も、睡眠安定性インデックスに基づいて−０．０５〜０．５の範囲内の重みとすることができる。この点に関して、入力覚醒タイプが無呼吸を表す場合、出力重みは−０．５である。入力覚醒タイプが減呼吸を表す場合、出力重みは−０．４である。入力覚醒タイプがＲＥＲＡ（呼吸努力関連の覚醒）を表す場合、出力重みは−０．１である。入力覚醒タイプが、口漏れ又は高漏出等の漏れを表す場合、出力重みは−０．５である。最後に、入力覚醒タイプが自然な覚醒を表す場合、出力重みは０である。
【０１７０】
次に、閾値処理器（複数の場合もあり）の出力に基づいて、睡眠品質調整器２８１２は、０〜１の実数値とすることができる睡眠品質インデックスを設定する。例えば、係数として閾値処理器の重みを睡眠品質インデックスに適用することにより、既存の睡眠品質インデックスを上下させることができる。例えば、睡眠品質インデックスは、負の重み係数との乗算により低減させるか、又は正の重み係数による乗算により増大させることができる。代替的に、閾値関数が入力データに基づいてそれぞれ正又は負の場合、閾値処理器は単純に、真値又は偽値を出力することができる。次に、真値又は偽値は、整数値等の睡眠品質インデックスの増分又は減分をそれぞれ制御することができる。この評価は一般に、（ａ）或る覚醒が一般に、睡眠品質を低減するのに対し、或る覚醒がないことが睡眠品質を増大させることができ、（ｂ）睡眠安定性の低減が睡眠品質を低減させ、（ｃ）いくつかの睡眠状態がよりよい睡眠品質を示すという前提に基づくことができる。
【０１７１】
図２９〜図３１の上述した関数では、重みは、睡眠品質の適したインジケータとして、０〜１とすることができる睡眠品質インデックスの出力が可能なように選ばれており、１は最良の品質であり、０は最低の品質である。しかし、所望の睡眠品質インデックスの性質に応じて、他の重み値及びインジケータ値を選ぶこともできる。
【０１７２】
Ｍ．フィードバック制御モジュール
したがって、いくつかの実施形態では、システムのこれらのモジュールの出力は、プロセッサ制御されるフロー生成器により提供される圧力治療による治療（例えば、持続的気道陽圧治療（「ＣＰＡＰ」））等の治療制御アルゴリズムへの変更を制御するように機能することができる。例えば、睡眠品質評価出力又は睡眠状態出力は、フィードバック制御モジュール１２６にフィードバックすることができる。次に、フィードバック制御モジュールは、例えば、患者に与えられる圧力治療の瞬間的な量及び長期量のレベルを制御することができる。このフィードバック制御モジュールは、命令又は制御信号をフロー生成器又は治療制御処理モジュール１２８に送信することにより、送達される治療に対する動的又は短期の変更及び／又は静的又は長期の変更を実施することができる。
【０１７３】
一例では、動的フィードバック制御は、様々な睡眠状態出力に基づくことができる。例えば、患者がまず、検出された目覚め状態にいる場合、送達される治療を最小レベルに保つことができる。同様に、呼吸検出ルーチン（例えば、ＡＨＩモジュール）を、ディセーブルにするか、又はそうでなければ、いかなるフロー乱れに対する感度もより低くなるように重み付けして、ＡＨＩ事象を治療する圧力調整を別の形で回避又は最小化するように、設定することができる。患者が検出される睡眠状態に遷移すると、フィードバック制御モジュールは、フロー乱れ又はＡＨＩ事象に対する感度をより高めるように、コントローラを設定することができる。検出される深い睡眠（例えば、深いレム状態又はレム状態）の期間中、圧力治療アルゴリズムの感度レベルを最大に設定して、検出される事象を完全に治療／検出される事象に完全に応答することができる。さらに任意選択的に、装置が、検出される覚醒及び／又は目覚め状態で目覚めることを検出する場合、治療を徐々に一定の速度で減少又は低減して、患者が睡眠により快適に戻れるようにすることができる。
【０１７４】
いくつかの実施形態では、フィードバック制御モジュールは、治療制御への静的な変更を実施することができる。例えば、睡眠品質インデックスを長期フィードバックに用いることができる。患者の睡眠パターンが、睡眠品質インデックスへの変更により監視されるように、経時変化する場合、治療アルゴリズムの感度レベルをそれに従って調整することができる。例えば、睡眠品質インデックスの向上は、治療レベルの低減を制御することができる。同様に、睡眠品質インデックスの減少は、治療レベルの増大を制御することができる。そのような長期の変更は、任意選択的に、制御される時間期間、例えば、或る数の治療セッション後初めて、毎月の初め、又は月に等しい治療期間等で実施することができる。
【０１７５】
また更なる実施形態では、追加の目覚めから睡眠へのブレークダウンスコアを実施して、治療への変更を制御することができる。例えば、長期期間（例えば、１ヶ月）にわたり目覚め期間の割合が大きくなるか、又は増大する場合、スコアに基づく係数により圧力制御アルゴリズムを重み付けして、より程度の大きな治療を提供することができる。
【０１７６】
以下の追加のフィードバック実施形態の例は、上述したモジュールの出力に基づいて実施することができる。
【０１７７】
Ａ．目覚め呼気圧力緩和（ＥＰＲ）
いくつかの呼吸圧力治療装置では、圧力制御は、呼気圧力緩和（ＥＰＲ）特徴を含みうる。そのような装置は、国際特許出願番号ＰＣＴ／ＵＳ２００４０１９５９８号（公開番号ＷＯ２００４／１１２６８０号）及び対応する米国特許第７，１２８，０６９号に記載されており、これらの開示内容は、引用することにより、本明細書の一部を成すものとする。ＥＰＲ特徴は、患者が睡眠をより容易に達成できるようにする快適性を患者に提供することができる。一般に、ＥＰＲ制御は、吸気中に治療処置圧力を送達している間、各患者の呼気の検出を受けて、治療圧力治療設定から或る量（例えば、ｃｍ Ｈ２Ｏ）だけ送達される治療圧力を自動的に低減する。そのような圧力治療制御は、本技術に基づいて変更することができる。通常、患者が一旦眠ると、ＥＰＲは、患者に対して望まれる最大の治療恩恵を提供しない場合があるという点で、患者の治療に対する必要性は低いとみなすことができる。したがって、検出される睡眠状態に基づいて、ランプ時間を実施し、これによってＥＰＲを制御することができる。例えば、装置が、患者が目覚め状態にいることを検出する場合は常に、ＥＰＲ制御をオンにするか、又はそうでなければ上述したように動作させて、呼気中の圧力を低減することができる。しかし、睡眠状態検出モジュールが、患者がノンレム睡眠Ｔ、ノンレム睡眠、又はレム睡眠に入ったことを検出すると、ＥＰＲ機能は、呼気中の低減を回避するように解除することができる。任意選択的に、ＥＰＲ制御機能は、目覚め状態から睡眠関連状態への遷移を検出されると、いくつかの呼吸サイクル又は時間期間中、治療処置圧力の低減量を徐々に減少させることにより、徐々に解除することができる。このＥＰＲ機能の解除は睡眠の開始時に実施することができるが、任意選択的に、治療セッション全体を通じて動的に実施することさえも可能である。例えば、睡眠の開始後、睡眠状態検出モジュールが、患者が（例えば、目覚め状態に入り、或る時間期間にわたり目覚め状態に留まることにより）睡眠状態から目覚め状態に戻ったことを検出する場合、ＥＰＲ機能を再開（又はいくつかの呼吸サイクル又は時間期間中、治療処置圧力の低減量を徐々に上昇させることにより、徐々に再開）することができる。次に、上述したように、患者の睡眠状態が更に検出されると、ＥＰＲを続けて解除する（例えば、徐々に）ことができる。
【０１７８】
Ｂ．呼吸事象報告
いくつかの実施形態では、睡眠状態検出は、検出された事象がどのようにスコア付けられるかを制御することができる。例えば、呼吸治療装置により検出することができるいくつかの事象は、これらが装置により検出される場合であっても、事象スコアの一部分として報告されないことがある。例えば、無呼吸、減呼吸、覚醒、マスク漏れ、及び／又は口漏れ等の検出される呼吸事象は、事象が目覚め状態の検出と同時に検出される場合、特定の事象タイプスコアの一部分として報告されないことがある。そのような場合、治療装置の制御アルゴリズムは、検出アルゴリズムがそのような事象をスコア付けする前に、患者がノンレム睡眠Ｔ、ノンレム睡眠、又はレム睡眠状態にあることを確認することができる。任意選択的に、全ての事象をスコア付けすることができるが、各事象のスコア付けは、事象が発生した検出された様々な睡眠状態に基づいて、又は事象が目覚めている時間中に発生したか、それとも睡眠時間中に発生したかに基づいて分類することができる。例えば、治療セッションの目覚めている時間中の無呼吸数をスコア付けすることができ、治療セッションの睡眠時間（例えば、睡眠関連状態）中の無呼吸数を別個にスコア付けすることができる。したがって、スコア付けされた事象は、事象が発生した検出された睡眠状態等に関連付けて、検出された状態に基づいて装置により出力として報告することができる。
【０１７９】
Ｃ．治療変更制御
いくつかの呼吸治療装置では、治療処置圧力を装置により自動的に設定することができる。例えば、いくつかの圧力治療装置は、患者の呼吸の異常を探して呼吸フロー信号を解析し、異常を治療するために、圧力を調整することができる。ＯＳＡ患者の場合、これらの異常はフロー制限、いびき、及び閉塞性無呼吸とみなすことができる。圧力治療装置は、これらの事象のうちの１つ以上のものを検出すると、事象の深刻さに基づいて圧力治療の或る所定の最大までの増大を制御する。いくつかのそのような圧力治療装置では、そのような増大の後、流れの異常がなくなる（すなわち、もはや検出されない）場合、装置は、圧力治療の低減を自動的に制御して、或る所定の最小値（例えば、患者の医師により設定される）に減少させることができる。しかし、いくつかの場合では、事象は素早く連続して発生し、この素早い連続により、圧力治療が不必要に増減されることに繋がる可能性があるため、これは最も望ましいシナリオではないことがある。したがって、本技術の態様を用いる場合、そのような圧力制御アルゴリズムを変更することができる。例えば、圧力制御アルゴリズムは、検出された異常を治療するように構成することができ、これらの異常が更に検出されない場合に圧力を単純に低減するのではなくむしろ、制御は、睡眠安定性インデックスと閾値との比較に基づいて、上述した睡眠安定性インデックスが「高／許容可能」レベルに戻るまで、上昇した治療レベルに治療を保つことができる。治療圧力の増大後、閾値に達すると、圧力を所定の最小値まで低減又は徐々に減少させることができる。そのような「高／許容可能」レベルを表す閾値は、例えば、既存の臨床データのデータマイニングにより経験的に事前に決定することができる。したがって、治療圧力設定の低減は、呼吸異常の検出がないことに代えて、又は検出がないことに加えて、睡眠安定性インデックスに基づくことができる。
【０１８０】
Ｄ．心肺カップリング（ＣＰＣ：cardiopulmonary coupling）の評価
ＣＰＣは、心拍と呼吸速度とのカップリングを測定する興味深い数量である。ＣＰＣに対して多くの用途があるが、最も関係のある２つは、中枢的な無呼吸と閉塞性無呼吸とを区別可能であるとともに、全体的な睡眠品質を測定することである。呼吸は、呼吸フロー信号を介して容易に導出される。しかし、心拍の導出は少し困難である。呼吸フローからの心拍の測定は、全体的な呼吸フロー信号の心臓性フロー要素を解析することにより行われる。例えば、米国特許第５，７０４，３４５号には、心臓性空気流を検出するいくつかの方法が記載されており、この特許の開示内容を引用することにより、本明細書の一部を成すものとする。心臓性フローは、肺への心臓の拍動による呼吸フロー信号の小さな振動である。心臓性フローは、治療の全ての時間で容易に区別可能である訳ではない。特に、目覚め、ノンレム睡眠Ｔ、及びレム睡眠で困難である可能性がある。しかし、安定した睡眠又はノンレム睡眠中、心臓性フロー信号をより正確に検出することが可能である。したがって、心臓性フローを検出する自動方法は、睡眠の安定部分の検出が発生するのを待つように制御することができ、これらの睡眠部分中、装置は次に、手順を実行して、心臓性空気流を特定し、かつ／又はＣＰＣインデックスを計算することができる。換言すれば、特定の睡眠状態（例えば、ノンレム睡眠状態）の検出は、心臓性フローの検出を始動又は可能にすることができる一方で、他の状態（例えば、ノンレムＴ、レム、又は目覚め）は、心臓性空気流特定手順を回避することができる。したがって、心臓性空気流特定手順は、睡眠状態の検出に基づくことができる。例えば、一実施形態では、睡眠状態に基づいて、無呼吸が検出される場合、心臓性空気流特定手順を用いて、閉塞性無呼吸と中枢的な無呼吸とを区別することができる。したがって、治療装置のコントローラが無呼吸の開始を検出するとともに、睡眠状態が安定状態（例えば、ノンレム状態）であることを検出する場合、ＣＰＣ検出器又はコントローラのプロセスは、心臓性空気流検出（例えば、心臓性空気流呼吸の有無）に基づいてどのタイプの無呼吸が発生したか（例えば、中枢的又は閉塞性）を判定できるようにすることができる。
【０１８１】
Ｎ．周期的呼吸状態検出モジュール
いくつかの実施形態では、睡眠状態検出装置１０２は、図１８に示されるモジュール等の周期的呼吸状態検出モジュール１８８０を実施することができる。この点に関して、睡眠中、高レベルの呼吸不安定性を有する睡眠の部分が存在する場合がある。大抵、これは周期的な性質のものとすることができる。特に、患者が目覚めから睡眠に遷移しつつある期間又は大きな覚醒に続く期間中、体の呼吸コントローラは、リズムを失い、そして不安定な呼吸パターンを生じさせる可能性がある。周期的呼吸状態検出モジュールの目的は、睡眠中のそのような部分を識別することである。いくつかの実施形態では、これは、呼吸フローセンサからの呼吸フロー信号データを処理し、患者が所与の呼吸に関して周期的な呼吸を経験しているか否かを示す周期的呼吸状態出力（例えば、周期的呼吸状態変数は、ｙｅｓの場合に１であり、ｎｏの場合に０である）を出力することにより、検出することができる。
【０１８２】
例えば、そのようなモジュールは、上述したように、特徴抽出器１１０の特徴のうちの１つ以上の解析に基づくことができる。モジュールのそのような実施形態に関連付けられた処理は、図１８の詳細と併せて考慮することができる。呼吸フローの測定値に基づいて、特徴抽出器１１０は、上述した特徴のうちの１つ以上のものを求めることができる。例えば、この実施形態の例では、３ｍｖＴｔｏｔ特徴及びＩＰ７５Ａ特徴を解析することができる。上述したように、ＩＰ７５Ａ特徴は、７５％吸気ピークフローを超える吸気フロー曲線のエリアであり、３ｍｖＴｔｏｔ特徴は、現在の３分換気とＴｔｏｔ（合計呼吸時間）との比率である。
【０１８３】
各特徴は閾値処理器１８１０に提供され、閾値処理器１８１０において、図１９に示される例等の１つ以上の閾値関数が、特徴サブセットの各特徴に適用される。この例では、Ｉ７５ＡＶ特徴を閾値処理する場合、図１９のグラフ１９５０の関数を、表Ｉ７５ＡＶ（参照文字１９４０Ａの表として示される）からとられる入力値の例ＩＡ、ＩＢ、及びＩＣ並びに出力値の例ＯＡ、ＯＢ、及びＯＣを用いて実施することができる。これらの表において上述したように、入力値ＩＡ、ＩＢ、ＩＣ等は、入力値の連続した範囲を表す。したがって、表Ｉ７５ＡＶ（図１９において参照文字１９４０Ａの表として示される）の場合、ＩＡは、０．０１未満から０．０１を含め最高で０．０１までの範囲である。ＩＢは、ＩＡの範囲よりも大きく、０．０３５を含め最高で０．０３５までの範囲の値である。ＩＣは、ＩＢの範囲よりも大きく、１０を含め最高で１０までの範囲の値であり、これは可能な最大入力値であるとみなすことができる。例えば、求められた値０．０３５を有するＩ７５ＡＶ特徴の場合、周期的状態重みとみなすことができる１の出力値が、Ｉ７５ＡＶ特徴に起因する出力として選択される。同様に、３ｍｖＴｔｏｔ特徴の出力重みが選択される。しかし、３ｍｖＴｔｏｔ特徴の場合、グラフ１９５０の関数の入力値及び出力値は、３ｍｖＴｔｏｔ表（参照文字１９４０Ｂの表として示される）の値に基づく。特定の値が図１９の表に示されるが、これらが単なる例であることが理解されることに留意する。他の値を実施することもでき、患者群又は特定の患者のいずれかから経験的に決定することができる。したがって、これらの値は、機械学習技法及びパターン認識技法に基づく処理を用いて学習することができる。採用することができる技法の例には、クラスター解析、サポートベクターマシン、及びベイズ式分類法が含まれる。
【０１８４】
次に、これらの周期的状態重みは、未処理周期的状態計算器１８８２により処理することができる。未処理周期的状態スコアは、以下の方法により求めることができる。
ＩＦ（Ｏ＿ｐｓＴ１＝＝１）ＴＨＥＮ 未処理周期的状態＝１
ＥＬＳＥ ＩＦ（（Ｏ＿ｐｓＴ１＝＝０）ＡＮＤ（Ｏ＿ｐｓＴ２＝＝１））ＴＨＥＮ
未処理周期的状態＝１
ＥＬＳＥ 未処理周期的状態＝０
但し、Ｏ＿ｐｓＴ１は、Ｉ７５ＡＶ特徴に起因する周期的状態重みであり、
Ｏ＿ｐｓＴ２は、３ｍｖＴｔｏｔ特徴に起因する周期的状態重みである。
【０１８５】
次に、周期的状態出力（例えば、周期的呼吸状態が検出されたか否か）を以下の方法論に従って求めることができる。
未処理周期的状態スコアが１の場合：
ａ．周期的状態出力を１に設定する。
ｂ．周期的状態カウンタを１だけ増分する。
ｃ．安定睡眠カウンタを０に設定する。
未処理周期的状態スコアが０である場合、安定睡眠カウンタがカウンタ閾値（例えば、約５〜１５の範囲であるが、好ましくは１０である）未満であるか否かをチェックする。
安定睡眠カウントがカウンタ閾値以下（例えば、＜＝１０）である場合、
ａ．周期的状態出力を１に設定する。
ｂ．周期的状態カウンタを１だけ増分する。
ｃ．安定睡眠カウンタを１だけ増分する。
安定睡眠カウントがカウンタ閾値を超える（例えば、＞１０）場合、
ａ．周期的状態出力を０に設定する。
ｂ．安定睡眠カウンタを１だけ増分する。
【０１８６】
この実施形態では、適したカウンタ閾値は１０に設定することができるが、何等かの他の経験的に決定された値とすることもできる。例えば、本方法論のいくつかの実施形態では、カウンタ閾値は、機械学習技法及びパターン認識技法に基づく処理の結果として設定することができる。そのような技法には、クラスター解析、サポートベクターマシン、及びベイズ式分類法、又は他の同様の機械学習技法を含めることができる。
【０１８７】
Ｏ．睡眠開始モジュール
睡眠の開始を正確に検出することは、患者の睡眠パターン及び睡眠の全体的な品質への非常に興味深い洞察を提供することができる。睡眠の開始を正確に検出することは、睡眠状態を正確に検出するにあたっても重要とすることができる。したがって、睡眠状態検出装置１０２のいくつかの実施形態では、インデックスを実施して、特定の睡眠セッションでの目覚めから睡眠への最初の遷移を検出又は計算することができる。睡眠への遷移は、ノンレム睡眠又はノンレム睡眠Ｔのいずれかとすることができ、後述する実施態様において、いずれの状態がより高い遷移確率を有するかに依存することができる。このとき、続く睡眠状態への遷移は、本明細書において上述した睡眠状態モジュールにより支配することができる。
【０１８８】
実施態様の例では、睡眠開始検出モジュールは、特徴抽出器１１０からとられる１つ以上の呼吸フローに基づく特徴を表すデータを入力として利用することができる。例えば、睡眠開始検出は、以下の特徴セットの解析により実施することができる。
１）ＥＰＦＬ比率−この特徴は、呼気ピークフロー位置と合計呼気期間との比率であり、任意選択的に、時間単位（例えば、秒）ではなくサンプル（例えば、いくつかのサンプル）で定義することができる。
２）ＥＰＦＬ差特徴−この特徴は、現在のＥＰＦＬ比率を測定し、設定された時間期間にわたる平均ＥＰＦＬ比率を減算する。例えば、設定される時間期間は、１０〜２０の範囲であるが、好ましくは１５である前のいくつかの数の呼吸とすることができる。
睡眠開始の検出は、以下に基づくこともできる。
３）未処理睡眠状態スコア−これは、睡眠状態について上述したように、睡眠状態検出器から出力されるスコアとすることができる。
【０１８９】
次に、睡眠開始検出器を、上述した入力データに基づいて睡眠の開始を検出するにあたり、以下の処理方法論を用いて実施することができる。これは、少なくとも患者が睡眠の開始に遷移するまで、呼吸単位で求めることができる。
１）睡眠−覚醒遷移インデックス（０に事前設定することができる）を導出する。
Ｉｆ（ＥＰＦＬ差特徴＞＝Ｔ１）ＯＲ（未処理睡眠状態スコア＞＝Ｔ２）ＴＨＥＮ（睡眠−覚醒遷移インデックスを１だけ増分する）
２）ＩＦ（睡眠−覚醒遷移インデックス＞＝Ｔ３）ＴＨＥＮ 睡眠開始＝１（すなわち、この睡眠開始インデックスは、睡眠状態検出モジュールを用いる人が夜の最初の睡眠期間に遷移したことを表すものと解釈することができる）。
【０１９０】
これらの実施形態では、Ｔ１閾値、Ｔ２閾値、及びＴ３閾値は、患者群の既知のデータを用いて経験的に決定することができる。これらの閾値は、特定の患者について決定し、装置内に設定することもできる。
【０１９１】
したがって、睡眠開始インデックスは、開始時等に事前設定（例えば、０に）されて、最初の睡眠の開始が発生していないことを表すバイナリスイッチ又はフラグとみなすことができる。この例では、インデックスが続けて１に設定される場合、検出器を用いる人は、睡眠中であるとみなすことができる（例えば、睡眠セッション（例えば、夜）の最初の睡眠開始））。その他の場合、患者は目覚め状態にあるとみなすことができる（例えば、検出器を用いる特定のセッションの最初の睡眠状態にまだなっていない）。このようにして、装置は、目覚め状態から睡眠状態への複数の遷移を有する一般的又は特定の治療セッションの睡眠の開始（睡眠への最初の遷移）を続く睡眠への遷移から区別するように構成することができる。
【０１９２】
Ｐ．呼吸治療装置
コントローラは、監視型装置又はデータ解析装置においてフィードバックなしで実施することができるが、上述したいくつかの実施形態は、フロー生成器を有するコントローラを実施することができる。例えば、図１１に示されるように、睡眠状態検出装置は、任意選択的に、そのような制御に適したセンサ（例えば、圧力センサ及び／又はフローセンサ１１０６）を有するサーボ制御されるブロワー等のフロー生成器１１１０を有して実施することができる。
【０１９３】
ＣＰＡＰ治療に関連付けられた治療圧力レベル等の呼吸治療又は圧力治療計画は、装置のコントローラにより送達することができる。そのような治療圧力レベルは、睡眠機能不全呼吸（ＳＤＢ）を有する患者の治療に適することができる、本明細書において上述した睡眠状態の検出に応答して自動的に調整することができる。他の圧力調整方式を実施することもできる。圧力は、マスク、カニューラ、及び供給管等の患者インターフェース１１０８を介して患者に送達することができる。
【０１９４】
この実施形態では、ディスプレイ１１２０が、睡眠状態検出装置１０２の筐体の外面に取り付けられる。この実施形態に示されるように、次に、コントローラ１０４をディスプレイと同じ筐体内に収容することができる。次に、装置のモジュールからの出力を任意選択的に、装置のディスプレイ１１２０上でユーザ若しくは臨床医に表示し、又はそうでなければ装置のメモリから他の装置、システム、若しくはコンピュータに転送することができる。したがって、次に、コントローラは、任意選択的に、例えば、有線通信ポート（例えば、イーサネット（登録商標）通信カード及び接続）（図示せず）又は無線通信ポート（例えば、ブルートゥース送受信機）（図示せず）を介した、他のコンピュータに基づくシステムとのインターネットを通じた通信を含め、他の外部機器と通信するように構成することもできる。
【０１９５】
Ｑ．コントローラ構造の例
コントローラ１０４のシステム構造の例を図１２のブロック図に示す。図では、睡眠状態検出装置１０２は、１つ以上のプログラム可能なプロセッサ１２０８を有する汎用コンピュータにより実施することができる。装置は、上述したようなモジュールからのデータ（例えば、睡眠状態、持続時間、睡眠品質インデックス、ＡＨＩ、漏れ検出データ、及び／又は安定性インデックス等）、本明細書において説明したような結果又はグラフをモニター又はＬＣＤパネル等のディスプレイに出力するディスプレイインターフェース１２１０を含むこともできる。上述したように、フロー生成器の治療を調整するか、データを入力するか、又は別の形で本明細書において説明される方法論を作動若しくは動作させるために、例えば、キーパッドや、タッチパネルや、制御ボタンや、マウス等のユーザ制御／入力インターフェース１２１４を含めることもできる。装置は、プログラミング命令、フローデータ、圧力データ、睡眠品質データ、睡眠状態データ、睡眠安定性データ、覚醒データ、及び上述したモジュールの他の出力若しくは入力等のデータを受信／送信するバス等のセンサ又はデータインターフェース１２１４も含みうる。
【０１９６】
装置は、上述した方法論及びモジュールの制御命令及びデータを含むメモリ／データ記憶構成要素１２２０も含む。例えば、１２２２において、メモリ／データ記憶構成要素１２２０は、測定及び／又は特徴抽出等のフロー信号処理のための記憶されたプロセッサ制御命令を含みうる。１２２４において、これらは、本明細書においてより詳細に考察されるフロー制限検出、ＡＨＩ検出、漏れ検出、覚醒検出、睡眠状態検出、睡眠安定性検出、及び／又は睡眠品質検出のための記憶されたプロセッサ制御命令を含むこともできる。１２２６において、メモリ／データ記憶構成要素１２２０は、フィードバック処理及び圧力制御調整等の呼吸治療制御のためのプロセッサ制御命令を含むこともできる。最後に、メモリ／データ記憶構成要素１２２０は、フローデータ、検出された呼吸特性、乱れデータ、検出された減呼吸及び無呼吸事象（ＡＨＩ）、睡眠状態、安定性及び覚醒の事象及びインデックス、睡眠期間時間、睡眠品質インデックス、患者特性、リポート、並びにグラフ等のこれらの方法論のための記憶データを１２２８において含むこともできる。
【０１９７】
いくつかの実施形態では、上述した方法論を制御するプロセッサ制御命令及びデータは、ソフトウェアが汎用コンピュータにロードされると、汎用コンピュータが本明細書において考察される任意の方法論に従って専用コンピュータとして機能することができるように、汎用コンピュータにより使用されるソフトウェアとしてコンピュータ可読記録媒体内に含みうる。
【０１９８】
上記説明及び添付図面において、特定の用語、等式、及び図面符号を記載して、本技術の全体的な理解を提供する。いくつかの場合、用語及び符号は、本技術の実施に要求されない特定の詳細を暗示することができる。例えば、検出方法論のプロセスステップは、或る順序で、特に離散したモジュールを参照して図に示されているが、そのような順序及びモジュール化は要求されない。そのような順序を変更することができ、かつ／又はその態様を並列に実行することもできることを当業者は認識するであろう。或るモジュールのいくつかの態様を他のモジュールのいくつかの態様と組み合わせて、本技術の離散した特徴を実施することができることを当業者は認識するであろう。さらに、システム全体を特に図１の実施形態を参照して説明したが、別個の特徴を他の呼吸治療及び／又は監視システムにおいて別個に、又は異なる組み合わせで実施することもできる。さらに、特定の値及び閾値を有する表を示したが、経験的データ及び／又は機械学習から決定することができる他の値を利用することもできることが理解されるであろう。
【０１９９】
したがって、本明細書における技術を特定の実施形態を参照して説明したが、これらの実施形態が本技術の原理及び用途の単なる例示であることが理解されよう。したがって、多くの変更を例示的な実施形態に行うことができること、並びに本技術の趣旨及び範囲から逸脱せずに他の構成を考案できることを理解されたい。
【技術分野】
【０００１】
本技術は、睡眠の状態及び関連する特性を検出する方法及び装置に関する。
【０００２】
［関連出願の相互参照］
本願は、２００９年７月１６日に出願された米国仮特許出願第６１／２２６，０６９号の出願日の利益を主張するものであり、この仮特許出願の開示内容を引用することにより、本明細書の一部を成すものとする。
【背景技術】
【０００３】
ＯＳＡを有する患者は、睡眠中、患者の覚醒によってのみ終わる再発性無呼吸又は減源呼吸を経験する場合がある。これらの再発性呼吸機能不全事象は、睡眠を途切れさせ、交感神経系を刺激する。これは、患者に対して、（自動車両事故の可能性を伴う）日中の眠気、不良な精神作用、記憶の問題、抑鬱、及び過度の緊張を含む深刻な結果を有する可能性がある。ＯＳＡを有する患者は、大きないびきをかく傾向も有し、そのため、配偶者の睡眠も乱れる。
【０００４】
患者は、睡眠を中断させる場合がある他の事象も経験することがある。例えば、周期的な四肢運動（ＰＬＭ）は、睡眠中の四肢の繰り返される痙攣又は攣縮である。これらの四肢運動事象は、睡眠を乱し、日中の眠気に繋がる場合、睡眠障害とみなすことができる。
【０００５】
ＯＳＡを有する患者は通常、持続的気道陽圧法（ＣＰＡＰ）を用いて治療される。陽圧は、吸気中、患者の気道が潰れるのを防ぎ、それにより、再発性呼吸系事象（例えば、無呼吸又は減呼吸）並びにそれらの続発症を防ぐ。そのような呼吸治療装置は、患者の呼吸サイクル中、適切なときに１つ以上の治療圧力で清潔で呼吸可能なガス（breathable gas）（通常、酸素補給あり又はなしの空気）の供給を患者に供給するように機能することができる。
【０００６】
呼吸治療装置は通常、フロー生成器と、エアフィルタと、マスク又はカニューレと、フロー生成器をマスクに接続する空気送達管と、様々なセンサと、マイクロプロセッサに基づくコントローラとを備える。フロー生成器は、サーボ制御されるモーター及びインペラーを備えることができる。フロー生成器は、モーター速度制御への代替として、患者に送達される圧力を変更する手段として、空気を大気中に排出可能な弁を備えることもできる。センサは、特に、圧力変換器、フローセンサ等を用いてモーター速度、ガス体積流量、及び流出圧を測定する。この装置は、任意選択的に、空気送達管の経路に加湿及び／又は加熱要素を備えることができる。コントローラは、一体化されたデータ検索／転送機能及び表示機能とともに、又はこれら機能なしでデータ記憶容量を含みうる。
【発明の概要】
【発明が解決しようとする課題】
【０００７】
これらの装置は通常、無呼吸又は減呼吸型の睡眠障害呼吸事象を検出するように構成することができ、通常、睡眠についてのより詳細な情報をユーザに提供しない。したがって、睡眠のこれらの状態及び他の状態を検出して、睡眠の品質をより完全に評価する方法及び装置を開発することが望ましいであろう。
【課題を解決するための手段】
【０００８】
本技術のいくつかの実施の形態の第１の態様は、睡眠品質を検出する方法及び装置を提供することである。
【０００９】
本技術のいくつかの実施の形態の別の態様は、睡眠状態を検出する方法及び装置を提供することである。
【００１０】
本技術のいくつかの実施の形態の更なる態様は、睡眠安定性を検出する方法及び装置を提供することである。
【００１１】
本技術のいくつかの実施の形態のまた更なる態様は、睡眠からの覚醒を検出する方法及び装置を提供することである。
【００１２】
いくつかの実施の形態は、プロセッサを制御して、呼吸可能なガスの測定フローから睡眠状態を検出する方法を含む。該プロセッサの該方法は、呼吸フローの測定値（measure）から複数の呼吸特性を求めることを含む。これはまた、ノンレム睡眠状態及びレム睡眠状態を含む潜在的な睡眠状態から状態を検出することも含む。該状態を検出することは、前記求められた呼吸特性に基づくことができる。次に、プロセッサは、前記検出された状態を示すことができる。
【００１３】
いくつかの実施の形態では、前記潜在的な睡眠状態は目覚め状態を更に含みうる。同様に、前記レム睡眠状態は軽いレム状態とすることができ、前記潜在的な睡眠状態は深いレム状態も含みうる。
【００１４】
いくつかの実施の形態では、前記プロセッサは、前記複数の呼吸特性からのデータを用いて、各潜在的な睡眠状態間の遷移を表す確率を計算することにより前記検出される状態を求め、前記計算された確率のうちの最も確からしい確率の関数として前記検出される状態を求める。任意選択的に、前記複数の呼吸特性は、吸気ピークフロー変動の測定値、呼気ピークフロー変動の測定値、呼気ピークフロー位置と呼気時間との比率の測定値、呼気ピークフロー位置変動の測定値、呼気ピークフローのエリアの測定値、呼気ピークフローのエリア変動の測定値、呼気ピークフローから吸気が開始するまでの時間の測定値、最後に確認された呼吸からの時間変動の測定値、高呼吸頻度期間の測定値、及び吸気時間変動の測定値のうちの１つ以上のものを含みうる。
【００１５】
上記方法のうちの１つ以上のものは、該方法（複数の場合もあり）を用いて構成されたコントローラを含む睡眠状態検出装置として実施することができる。コントローラは、任意選択的に、フローセンサと結合して、呼吸可能なガスの流れを測定することができる。このとき、コントローラは、プロセッサ制御されるフロー生成器を備え、検出された状態に基づいて制御された呼吸圧力治療計画を提供することもできる。
【００１６】
本技術のいくつかの実施の形態は、呼吸可能なガスの測定フローから睡眠覚醒状態を分類するようにプロセッサを制御する方法を含みうる。該プロセッサの該方法は、呼吸フローの測定値から複数の呼吸特性を求めることを含みうる。プロセッサは、前記複数の呼吸特性から乱れを検出することができる。該乱れは、覚醒状態を示すことができる。次に、プロセッサは、前記乱れが非呼吸関連の覚醒であるか否かを評価することができる。次に、プロセッサは、前記検出された乱れが、呼吸機能不全の症状以外の事象に基づく覚醒を表すことを示すことができる。
【００１７】
いくつかの実施の形態では、前記評価は、フロー平坦化検出等の呼吸フロー制限を示す測定値を求めることを含みうる。前記評価することは、呼吸フロー制限がないことを検出することを含みうる。いくつかのそのような実施の形態では、前記複数の呼吸特性は、吸気ピークフローの或る割合に達するまでの時間の測定値、吸気ピークフローの或る割合を超えるエリアの測定値、吸気ピークフローの或る割合を超えるエリアの変動の測定値、及び吸気ピークフローの或る割合から呼気ピークフローまでの時間の測定値のうちの１つ以上のものを含みうる。任意選択的に、上述した、前記乱れが非呼吸関連の覚醒であるか否かを評価することは、睡眠状態の検出に基づくことができる。前記評価することは、マスク漏れに起因する覚醒を検出することができるように、マスク漏れを検出することを含むこともできる。
【００１８】
上述した方法のうちの１つ以上のものは、該方法（複数の場合もあり）を用いて構成されたコントローラを含む睡眠覚醒状態分類装置として実施することができる。コントローラは、任意選択的に、フローセンサに結合して、呼吸可能なガスの流れを測定することができる。このとき、コントローラは、プロセッサ制御されるフロー生成器を備え、検出された睡眠覚醒状態に基づいて制御された呼吸圧力治療計画を提供することもできる。
【００１９】
また更なる実施の形態では、呼吸可能なガスの測定フローから睡眠の安定性を評価するにあたり、プロセッサを制御する方法を実施することができる。プロセッサの方法は、呼吸フローの測定値から複数の呼吸特性を求めることを含みうる。該方法は、前記複数の呼吸特性から乱れを検出することであって、該乱れは覚醒状態を示す、検出することを含むこともできる。該方法は、前記乱れの程度を求めることを含むこともできる。該程度は前記覚醒状態が睡眠を中断した度合いを示すことができる。次に、プロセッサは、乱れの程度を示すことができる。
【００２０】
いくつかの実施の形態では、前記乱れの程度を求めることは、前記乱れに起因する呼吸特性と前記乱れが発生する前のフローデータに起因する一般的な呼吸特性との比率を計算することを含みうる。このような例では、前記フローデータは複数の呼吸サイクルを表すことができる。この実施の形態のいくつかの例では、前記乱れに起因する呼吸特性（複数の場合もあり）は、吸気ピークフローの或る割合に達するまでの時間の測定値、吸気ピークフローの或る割合を超えるエリアの測定値、吸気ピークフローの或る割合を超えるエリアの変動の測定値、及び吸気ピークフローの或る割合から呼気ピークフローまでの時間の測定値、のうちの少なくとも１つとすることができる。
【００２１】
任意選択的に、前記乱れの程度を求めることは、前記乱れに起因する複数の呼吸特性の分散と、前記乱れが発生する前のフローデータに起因する一般的な複数の呼吸特性の分散との比率の平均を計算することを含むことができ、前記フローデータは複数の呼吸サイクルを表す。
【００２２】
さらに、いくつかの実施の形態では、前記プロセッサの前記方法は、前記求められた乱れの程度及び患者の特性データから自律神経活性化のレベルを求めることを更に含みうる。例えば、前記自律神経活性化は、心拍変動性のデータ値及び／又はパルス遷移時間のデータ値を含みうる。したがって、前記自律神経活性化のレベルを求めることは、心拍変動性の値及びパルス遷移時間の値のうちの少なくとも一方を選択することを含みうる。前記選択することは、前記求められた乱れの程度、並びに患者の年齢及び患者の体重等の前記患者の特性データが索引付けられたデータ構造にアクセスすることを含みうる。
【００２３】
上述した方法のうちの１つ以上のものは、該方法（複数の場合もあり）を用いて構成されたコントローラを含む睡眠安定性評価装置として実施することができる。コントローラは、任意選択的に、フローセンサに結合して、呼吸可能なガスの流れを測定することができる。このとき、コントローラは、プロセッサ制御されるフロー生成器を備え、評価された睡眠安定性に基づいて制御された呼吸圧力治療計画を提供することもできる。
【００２４】
本技術のいくつかの実施の形態では、プロセッサを制御する方法は、呼吸可能なガスの測定フローから睡眠品質インジケータを求める。該方法では、前記プロセッサは、呼吸フローの測定値から複数の呼吸特性を求める。該方法は、前記複数の呼吸特性から睡眠状態測定値及び睡眠安定性も求める。次に、該方法は、前記睡眠状態測定値及び前記安定性測定値から睡眠品質インデックスを求め示す。
【００２５】
前記睡眠品質インデックスは、治療セッションの求められた睡眠時間と前記睡眠安定性測定値との比率を用いてプロセッサにより導出することができる。いくつかの実施の形態では、前記睡眠品質インデックスは、治療セッション中の睡眠時間と前記睡眠安定性測定値との比率の関数として導出することができる。前記睡眠品質インデックスは、前記治療セッション中の目覚め期間の持続時間の関数として導出することもできる。いくつかの実施の形態では、前記睡眠状態測定値は、レム状態、ノンレム状態、及び目覚め状態のうちの少なくとも１つ並びに前記睡眠状態測定値の持続時間の測定値を含みうる。さらに、前記睡眠安定性測定値は、求められる流れの乱れ及び該流れの乱れの前のフローデータの関数として導出することができる。加えて、前記睡眠安定性測定値を求めることは、前記流れの乱れに基づいて睡眠からの覚醒を検出することを含むこともできる。
【００２６】
上述した方法のうちの１つ以上のものは、該方法（複数の場合もあり）を用いて構成されたコントローラを含む睡眠安定性評価装置として実施することができる。コントローラは、任意選択的に、フローセンサに結合して、呼吸可能なガスの流れを測定することができる。このとき、コントローラは、プロセッサ制御されるフロー生成器を備え、評価された睡眠安定性に基づいて制御された呼吸圧力治療計画を提供することもできる。
【００２７】
本技術のまた更なる実施の形態は、周期的な呼吸を検出する方法を含みうる。該方法は、呼吸フローの測定値から呼吸特性のセットを求めることを含みうる。該方法は、前記呼吸特性のセットを閾値処理することを更に含みうる。該方法は、前記閾値処理に基づいて周期的な呼吸状態を検出することを更に含みうる。いくつかのこのような実施の形態では、前記呼吸特性のセットは、吸気フロー曲線のエリアを含みうる。例えば、前記呼吸特性のセットは、換気の測定値と呼吸時間との比率を含みうる。該方法は、カウンタの関数として前記周期的な呼吸状態を設定することも含みうる。任意選択的に、前記カウンタは処理された呼吸の数を表すことができる。
【００２８】
いくつかの実施の形態では、本方法は、周期的な呼吸を検出する装置として実施することができる。例えば、プロセッサは、呼吸フローの測定値から呼吸特性のセットを求め、該呼吸特性のセットを閾値処理し、該閾値処理に基づいて周期的な呼吸状態を検出するように構成することができる。
【００２９】
本技術のいくつかの追加の実施の形態は、睡眠の開始を検出する方法を含みうる。該方法は、呼吸フローの測定値から呼吸特性のセットを求めることを含みうる。該方法は、前記呼吸特性のセットを閾値処理することを含むこともできる。次に、該方法は、前記閾値処理に基づいて睡眠状態スコアを求めることを含みうる。この睡眠状態スコアは睡眠状態を示すことができる。次に、該方法は、前記閾値処理及び前記求められた睡眠状態スコアの関数として睡眠の開始を検出することを含みうる。いくつかのこのような実施の形態では、前記呼吸特性のセットは、求められた呼気ピークフロー位置の関数を含みうる。任意選択的に、前記関数は、（ａ）前記呼気ピークフロー位置と呼気時間との比率と、（ｂ）いくつかの呼吸にわたって求められる複数の前記比率の平均との差とすることができる。さらに、該方法は、前記検出することに基づいて、治療セッションの最初の睡眠期間への遷移を表す睡眠開始インデックスを出力することを含むこともできる。
【００３０】
いくつかの実施の形態では、本方法は、睡眠開始を検出する装置として実施することができる。例えば、呼吸フローの測定値から呼吸特性のセットを求めるように構成することができる。前記プロセッサは、前記呼吸特性のセットを閾値処理し、該閾値処理に基づいて睡眠状態スコアを求め、該閾値処理及び該求められた睡眠状態スコアに基づいて睡眠開始状態を検出するように構成することもできる。
【００３１】
また更なる実施の形態では、本技術は呼吸治療装置を含む。該装置は、患者との境界面に対し大気圧よりも高い圧力で呼吸可能なガスの流れをで生成するフロー生成器を備えることができる。該装置は、患者の呼吸に起因する呼吸可能なガスの流れを測定するフローセンサを更に備えることができる。該装置は、前記フロー生成器及び前記フローセンサに結合されたコントローラを更に備えることができる。１つ以上のプロセッサ等のこのコントローラは、実質的に前記フローセンサからの流れの測定値からのデータに基づいて、複数の睡眠状態のうちの１つを検出するように構成することができる。該検出された睡眠状態に基づいて呼吸圧力治療計画を制御するように構成されたコントローラを更に備えることができる。
【００３２】
例えば、この呼吸圧力治療計画は、呼気圧力緩和の制御を含むことができ、前記コントローラは、前記複数の睡眠状態のうちの前記検出された１つが睡眠に起因する状態である場合、前記呼気圧力緩和の圧力低減量を低減する。さらに、前記呼吸圧力治療計画は、呼気圧力緩和制御を含むことができ、前記コントローラは、前記複数の睡眠状態のうちの前記検出された１つが覚醒に起因する状態である場合、前記呼気圧力緩和の圧力低減量を増大させる。またさらに、前記呼吸圧力治療計画は、前記流れの測定値のデータから事象を検出することを含むことができ、前記事象は無呼吸及び減呼吸のうちの少なくとも一方を含み、前記事象は、前記複数の睡眠状態のうちの前記検出された１つが睡眠に起因する状態である場合、スコア付けされる。任意選択的に、検出された事象は、検出された睡眠状態に関連付けて別個に報告することができる。
【００３３】
いくつかの実施の形態では、前記呼吸圧力治療計画は、治療圧力レベルの自動調整を含むことができ、前記コントローラは、呼吸異常の検出に応答して前記治療圧力レベルを増大させ、睡眠安定性インデックスと閾値との比較に応答して、前記治療圧力レベルを低減させる。
【００３４】
またさらに、前記呼吸圧力治療計画は、流れの測定値からの心臓性フローの検出を含むことができ、前記複数の睡眠状態のうちの前記検出された１つが睡眠に起因する状態である場合、前記心臓性フローの検出は制御される。この呼吸圧力治療計画は、心臓性フローの存在の前記検出に基づいて中枢的な無呼吸の検出を含みうる。このような場合、前記複数の睡眠状態のうちの前記検出される１つはノンレム状態とすることができる。
【００３５】
本呼吸技術の追加の特性が、以下の詳細な考察、図面、及び特許請求の範囲の検討から明らかになるであろう。
【００３６】
本技術は、限定ではなく例として添付図面の図に示され、図面中、同様の参照番号は同様の要素を指す。
【図面の簡単な説明】
【００３７】
【図１】本技術の睡眠状態検出装置のコントローラの例のブロック図である。
【図２】呼吸フロー信号の吸気及び呼気ピークフロー変動特性の図である。
【図３】呼気ピークフロー位置と呼気時間との比率及び呼気ピークの或る割合よりも下のエリアを含む呼吸フロー信号の更なる特性を示す図である。
【図４】呼気ピークフローの或る割合からの時間及び最後に確認された吸気からの時間を含む呼吸フロー信号の更なる特性の図である。
【図５】呼吸フロー信号の高呼吸頻度特性の図である。
【図６】吸気ピークフローの或る割合に達するまでの時間、吸気ピークフローの或る割合を超えるエリア、及びピークフローの或る割合から呼気ピークフロー位置までの時間を含む呼吸フロー信号の更なる特性の図である。
【図７】装置を制御して、フローセンサからのデータに基づいて睡眠状態を検出する方法論の実施形態の例の流れ図である。
【図８】装置を制御して、フローセンサからのデータを用いて非呼吸関連覚醒を検出する方法論の実施形態の例の流れ図である。
【図９】装置を制御して、フローセンサからのデータを用いて睡眠安定性測定値を検出する方法論の実施形態の例の流れ図である。
【図１０】装置を制御して、フローセンサからのデータを用いて睡眠品質測定値を検出する方法論の実施形態の例の流れ図である。
【図１１】本技術の睡眠状態検出装置の例を示す図である。
【図１２】本技術の検出方法論の実施に適した構成要素の例を含む減呼吸検出装置内のコントローラのブロック図である。
【図１３】本技術のいくつかの実施形態における覚醒検出モジュールの例の処理方法論を示すブロック図である。
【図１４】本技術の覚醒検出器の例における特徴を閾値処理する入力値及び出力値の例を有する一般的な閾値関数のグラフの例を示す。
【図１５】本技術のいくつかの実施形態における睡眠安定性検出モジュールの例の処理方法論を示すブロック図である。
【図１６】睡眠安定性検出器の例における漏れを考慮するために、睡眠安定性スコアを調整する関数の例のグラフを示す。
【図１７】睡眠安定性検出器の例における特徴を閾値処理する入力値及び出力値の例を有する一般的な閾値関数のグラフの例を示す。
【図１８】本技術のいくつかの実施形態における周期的呼吸状態検出モジュールの例の処理方法論を示すブロック図である。
【図１９】本技術の周期的呼吸状態検出器の例における特徴を閾値処理する入力値及び出力値を有する一般的な閾値関数のグラフの例を示す。
【図２０】睡眠状態検出器の例の処理方法論を示す図である。
【図２１】睡眠状態検出器の実施形態の例において検出可能な睡眠条件状態（condition state）を実施する有限状態機械の状態図を示す。
【図２２】目覚めている人からの通常の呼吸空気流信号のグラフである。
【図２３】睡眠中の人からの通常の呼吸空気流信号のグラフである。
【図２３−Ａ】ノンレム睡眠遷移として特性化することができる呼吸フロー信号のグラフである。
【図２４】本技術の睡眠状態検出器により解析される特徴の一般的な閾値関数のグラフの例を示す。
【図２５】図２４のグラフを用いて特徴を閾値処理する入力値及び出力値の例を有する表を含む。
【図２６】睡眠状態の特定に用いられる状態遷移確率を支配する規則の値の例を有する３つの表を有する。
【図２７】睡眠状態の特定に用いられる状態遷移確率を支配する追加の規則の値の例を有する４つの表を有する。
【図２８】睡眠品質評価モジュールの例の処理構成要素のブロック図である。
【図２９】図２８の睡眠品質評価モジュールの睡眠状態閾値処理関数を示すグラフである。
【図３０】図２８の睡眠品質評価モジュールの睡眠安定性インデックス閾値処理関数を示すグラフである。
【図３１】図２８の睡眠品質評価モジュールの覚醒データ閾値処理関数を示すグラフである。
【発明を実施するための形態】
【００３８】
図１に示されるように、本技術の実施形態は、１つ以上のプロセッサを有して、本明細書において更に詳細に説明するアルゴリズム等の特定の睡眠状態及び／又は睡眠覚醒検出方法論を実施することができるコントローラ１０４を有する睡眠状態検出デバイス１０２又は装置を含みうる。実施形態の例では、コントローラのシステムは、コントローラの様々な側面を制御する複数の構成要素又はモジュールを有することができる。構成要素又はモジュールは、集積チップ、メモリ、及び／又は他の制御命令、データ、若しくは情報記憶媒体を用いて実施することができる。例えば、そのような検出方法論を包含したプログラム命令をデバイス又は装置のメモリ内の集積チップに符号化して、特定用途向け集積チップ（ＡＳＩＣ）を形成することができる。そのような命令は、代替又は追加として、それらの命令が中に存在する適切なデータ記憶媒体を用いてソフトウェア又はファームウェアとしてロードされ、そして、１つ以上のプログラム可能なプロセッサを制御することができる。
【００３９】
図１の例示的な実施形態では、コントローラ１０４は、呼吸フロー信号からのデータにアクセスすることができ、又は別の形でオプションのフロー測定モジュール１０５を含みうる。そのようなモジュールを用いて、コントローラは呼吸フローを直接測定することができる。したがって、プロセッサは、前の睡眠セッションからの前に記録された呼吸フローデータに基づいて、本明細書においてより詳細に説明するように、睡眠状態の評価又は検出を制御することができる。代替的に、検出は、フローセンサを用いたフローデータの現在の測定を用いる呼吸フロー信号の測定と同時に、睡眠セッション中に実行することができる。したがって、いくつかの実施形態では、装置自体を、任意選択的に、実施される方法論と併用される呼吸フロー信号を測定するフローセンサで実施することができる。例えば、鼻カニューラ若しくはマスクへの流れ又は鼻カニューラ若しくはマスクを通る流れは、呼吸気流計及び差圧変換器、又は１束の管若しくは導管を利用してフロー信号を導出する装置のような同様の装置を用いて測定することができる。任意選択的に、フロー信号は、２００５年１１月２日に出願されたＰＣＴ／ＡＵ２００５／００１６８８号に記載されるモーター電流センサ等の他のセンサから推測することができる。この出願の開示全体は、相互参照によって引用することにより、本明細書の一部を成すものとする。
【００４０】
本明細書においてより詳細に考察するように、フローデータは、フロー制限検出モジュール１０６、無呼吸及び／又は減呼吸（ＡＨＩ）検出モジュール１０８、呼吸フロー特性又は特徴抽出モジュール１１０、並びに漏れ検出モジュール１１２等のオプションのモジュールにより処理することができる。ＡＨＩ検出モジュール１０８は、無呼吸及び減呼吸事象を特定するにあたり、睡眠状態検出モジュール１１４からの入力を利用することもできる。フロー制限検出モジュール１０６、ＡＨＩ検出モジュール１０８、及び呼吸特徴抽出モジュール１１０からの出力信号又はデータは、覚醒検出モジュール１１４により処理することができる。同様に、漏れ検出モジュール１１２及び呼吸特徴抽出モジュール１１０からの出力は、睡眠状態検出モジュール１１８により処理することができる。さらにまた、覚醒検出モジュール１１４及び患者特性データ記憶装置１２２からの出力信号又はデータは、睡眠安定性検出モジュール１１６により処理することができる。次に、睡眠品質検出／評価モジュール１２０が、睡眠安定性検出モジュール１１６、患者特性データ記憶装置１２２モジュール、及び睡眠状態検出モジュール１１８からの出力データ又は信号を処理することができる。次に、睡眠品質評価モジュール１２０からの出力信号又はデータは、ユーザインターフェースモジュール１２４を用いて表示し、かつ／又はフィードバック制御モジュール１２６への入力として機能することができ、フィードバック制御モジュール１２６は、圧力治療による治療の設定等の治療制御処理モジュール１２８の設定を変更又は調整するように機能する。
【００４１】
本技術のいくつかの実施形態では、コントローラの検出器及びモジュールは、以下の特徴及び機能を有して実施することができる。
【００４２】
Ａ．患者特性（複数の場合もあり）記憶モジュール
このモジュールは、睡眠状態検出装置１０２を利用して患者のデータ及び情報特性の記憶を制御することができる。データは、ユーザインターフェースモジュール１２４を介して入力することができ、ユーザインターフェースモジュール１２４は、任意選択的に、キーボードや、パネルのボタンや、タッチスクリーン等を含みうる。例えば、モジュールの制御下で、この装置は、年齢、性別、体重、身長、ＢＭＩ、及び／又は既存状態データ（例えば、心拍変動に潜在的に影響する場合がある健康状態、空気流パターンに違いを生み出すのに潜在的に関与する場合がある健康状態、他の現在の生理学的状態等）等の１つ以上の患者の特性を選択又は入力するように、患者又は臨床医に促すことができる。そのような健康状態は、例えば、喘息、気腫、慢性心血管疾患を含みうる。次に、装置の他のモジュールが記憶されたデータを利用することができる。
【００４３】
これらの患者特性を利用して、本明細書において説明される方法論の出力を重み付けすることができる。例えば、異なる睡眠状態を検出する際に比較するあらゆる患者の平均として用いることができる絶対的な空気流特徴がない場合がある。したがって、患者の特性を用いて、特徴抽出器の感度（又は呼吸特性を比較する閾値）を調整することができる。このようにして、様々な患者について、空気流の特性の有意性をより正確に評価することができる。例えば、年齢が５０歳を超える患者は、当然ながら、上気道の安定性がより低い。したがって、本技術のシステム又は方法は、そのような患者のフロー安定性の評価への厳しさを選択的に低くすることができる。
【００４４】
システムによる患者の特性の他の用途について本明細書においてより詳細に説明する。
【００４５】
Ｂ．フロー制限検出モジュール
呼吸フロー制限検出モジュール１０６は、フロー信号データから呼吸フローの制限の測定値を検出するように構成することができる。例えば、装置は、２００８年５月９日に出願された国際出願ＰＣＴ／ＡＵ０８／０００６４７号（国際公開第２００８／１３８０４０号として公開）及び２００７年８月１７日に出願された米国仮特許出願第６０／９６５，１７２号に開示されているファジーフロー制限測定値等のフロー制限の測定値を検出するように構成することができ、これら出願の開示内容は、引用することにより、本明細書の一部を成すものとする。任意選択的に、フローデータの平坦化を解析することにより、フロー制限を検出するように構成することができる。例えば、平坦化は、米国特許第５，７０４，３４５号に開示される方法により特定することができる。この特許の開示内容は、引用することにより、本明細書の一部を成すものとする。
【００４６】
Ｃ．ＡＨＩ検出モジュール
いくつかの実施形態では、フローデータを処理して、減呼吸及び／又は無呼吸を検出又はスコア付けすることができる（例えば、閉塞性無呼吸及び／又は中枢的な無呼吸）。例えば、装置は、米国特許第６，１３８，６７５号及び同第６，０２９，６６５号に記載の任意の方法により閉塞性無呼吸、部分閉塞性無呼吸、及び／又は中枢的な無呼吸を検出するように構成することができる。これらの特許の開示全体は、相互参照によって引用することにより、本明細書の一部を成すものとする。
【００４７】
いくつかの実施形態では、ＡＨＩ検出モジュール１０８は、漏れ検出モジュール１１２に基づいて事象のスコア付けを除外するように変更することができる。例えば、漏れが検出される場合、漏れが検出されなくなるまで、いかなる同時のスコア付け事象もディセーブルすることができる。このようにして、合計マスク装着時間に関してＡＨＩを計算することができる。すなわち、患者の合計睡眠時間ではなく、患者が実際にマスクを装着していた時間である。この結果、フロー生成器（ＦＧ）の性能の過大評価を防ぐことができる。
【００４８】
したがって、いくつかの実施形態では、ＡＨＩは、任意選択的に、平坦化インジケータ及び漏れインジケータと組み合わせて、睡眠品質に単純な洞察をもたらすことができる単純な睡眠品質スコアを提供することができる。
【００４９】
Ｄ．漏れ検出モジュール
したがって、いくつかの実施形態では、フローデータを処理して、マスクのずれに関連付けられた漏れ又は高漏出等の漏れの存在を検出することができる。例えば、高漏出は、或る量の閾値を超える漏れ（例えば、約０．４リットル毎秒（１／ｓ）を超える漏れ）とみなすことができる。更なる例として、装置は、米国特許第６，１５２，１２９号及び／又は同第６，５３２，９５７号に記載の任意の方法により、漏れが生じているか又は生じた場合を検出するように構成することができる。これらの特許の開示全体は、相互に参照して引用することにより、本明細書の一部を成すものとする。漏れ検出は、任意選択的に、マスク漏れによる睡眠からの覚醒の分類を支援し、上述したような漏れの存在下でのＡＨＩスコア付けを除外するように機能することができる。
【００５０】
Ｅ．特徴抽出モジュール
１つ以上の呼吸フロー特性を特徴抽出モジュール１１０により求めることができる。通常の実施形態では、特徴は、呼吸フローデータを処理することにより求めることができる。任意選択的に、特徴は、呼吸単位又はいくつかの呼吸サイクルを含むスライド窓の使用により計算することができる。次に、特徴は、インジケータ又はシステムのその他のモジュールへの入力として機能することができる。例えば、測定特性のうちの１つ以上のものからのデータに応じて、他のモジュールにおいて、フローデータを用いて睡眠状態についての様々な結論を引き出すことができる。以下は、フローデータから検出又は特定できる特徴の例である。
【００５１】
１．吸気ピークフロー変動
この呼吸フロー特性は、吸気ピークフローの分散を計算することにより求めることができる。そのような特性を図２に示す。変動は、複数の呼吸（例えば、５つの呼吸）を含むスライド窓を用いて求めることができる。図２に示されるように、計算は、連続した呼吸群の吸気ピークフロー値２０２を利用する。適した閾値を用いて状態検出器により評価する場合、この値は以下の異なる睡眠状態を示すことができる。
（ａ）目覚め状態：高レベルの吸気ピークフロー変動を示す。
（ｂ）レム睡眠状態：中程度のレベルの吸気ピークフロー変動を示す。
（ｃ）ノンレム睡眠状態：最小レベルの吸気ピークフロー変動を示す。
この吸気ピークフロー変動特徴は、本明細書では「ＩＰＦＶ」と記される。
【００５２】
２．呼気ピークフロー変動
この呼吸フロー特性は、呼気ピークフローの分散を計算することにより求めることができる。そのような特性を図２に示す。変動は、複数の呼吸（例えば、５つの呼吸）を含むスライド窓を用いて求めることができる。図２に示されるように、計算は、連続した呼吸群の呼気ピークフロー値２０４を利用する。適した閾値を用いて状態検出器により評価する場合、この値は以下の異なる睡眠状態を示すことができる。
（ａ）目覚め状態：高レベルの呼気ピークフロー変動を示す。
（ｂ）レム睡眠状態：中程度のレベルの呼気ピークフロー変動を示す。
（ｃ）ノンレム睡眠状態：最小レベルの呼気ピークフロー変動を示す。
この呼気ピークフロー変動特徴は、本明細書では「ＥＰＦＶ」と記される。
【００５３】
３．呼気ピークフロー位置／呼気時間比率
図３に示されるように、この呼吸フロー特性は、合計呼気時間（ＴＥ）に対する呼気の開始から呼気ピークフロー（ＴＰＥ）に達するまでにかかる時間の比率として計算することができる。比率は図３に示される。適した閾値を用いて状態検出器により評価する場合、この値は以下のように異なる睡眠状態を示すことができる。
（ａ）目覚め状態：睡眠状態と比較して大きな呼気ピークフロー位置／呼気時間比率を示す。
（ｂ）レム睡眠状態：目覚め状態と比較して小さな呼気ピークフロー位置／呼気時間比率を示す。
（ｃ）ノンレム睡眠状態：目覚め状態と比較して小さな呼気ピークフロー位置／呼気時間比率を示す。
【００５４】
４．呼気ピークフロー位置／呼気時間比率変動
この呼吸フロー特性は、前の特性である比率の変動（例えば、分散）として計算することができる。変動は、複数の呼吸（例えば、５つの呼吸）を含むスライド窓を用いて求めることができる。適した閾値を用いて状態検出器により評価される場合、この値は、以下のように異なる睡眠状態を示すことができる。
（ａ）目覚め状態：呼吸毎に大きな呼気ピークフロー位置／呼気時間比率変動を示す。
（ｂ）レム睡眠状態：呼吸毎に小さな呼気ピークフロー位置／呼気時間比率変動を示す。
（ｃ）ノンレム睡眠状態：呼吸毎に小さな呼気ピークフロー位置／呼気時間比率変動を示す。
【００５５】
５． ７５％呼気ピークフロー未満のエリア
この呼吸フロー特性は、呼気ピークフローの呼気フロー曲線のエリアの或る割合（例えば、７５％と１００％との間）として計算することができる。呼気ピークフローエリアの例３０６を図３に示す。適した閾値を用いて状態検出器により評価する場合、この値は以下のように異なる睡眠状態を示すことができる。
（ａ）目覚め状態：７５％呼気ピークフロー未満のより大きなエリアを示す。
（ｂ）レム睡眠状態：７５％呼気ピークフロー未満の小さな７エリアを示す。
（ｃ）ノンレム睡眠状態：７５％呼気ピークフロー未満の小さなエリアを示す。
【００５６】
６． ７５％呼気ピークフロー未満のエリアの変動
この呼吸フロー特性は、前の特性であるエリアの変動（例えば、分散）として計算することができる。変動は、複数の呼吸（例えば、５つの呼吸）を含むスライド窓を用いて求めることができる。適した閾値を用いて状態検出器により評価される場合、この値は以下のように異なる睡眠状態を示すことができる。
（ａ）目覚め状態：呼吸毎に７５％呼気ピークフロー未満のエリアのより大きな変動を示す。
（ｂ）レム睡眠状態：呼吸毎に７５％呼気ピークフロー未満のエリアの小さな変動を示す。
（ｃ）ノンレム睡眠状態：呼吸毎に７５％呼気ピークフロー未満のエリアの小さな変動を示す。
【００５７】
７． ７５％呼気ピークフローから吸気を開始するまでの時間
この呼吸フロー特性は、呼気ピークフローの立ち上がり部分のピークフローの或る割合（例えば、７５％）から次の吸気が開始されるまでの時間として計算することができる。この特性を図４に示す。適した閾値を用いて状態検出器により評価される場合、この値は以下のように異なる睡眠状態を示すことができる。
（ａ）目覚め状態：７５％呼気ピークフローから吸気開始まで、より遅い立ち上がり時間を示す。
（ｂ）レム睡眠状態：７５％呼気ピークフローから吸気開始まで、より早い立ち上がり時間を示す。
（ｃ）ノンレム睡眠状態：７５％呼気ピークフローから吸気開始まで、より早い立ち上がり時間を示す。
【００５８】
８．最後に確認された呼吸からの時間
この呼吸フロー特性は、最後に確認された吸気からの時間として計算することができる。この特性を図４に示す。そのような特性は、本明細書においてより詳細に説明する覚醒検出器により、適した閾値を用いて評価することができる。
【００５９】
９．最後に確認された呼吸からの時間の変動性
この呼吸フロー特性は、前の特性である最後に確認された吸気からの時間の変動（例えば、分散）として計算することができる。変動は、複数の呼吸（例えば、５つの呼吸）を含むスライド窓を用いて特定することができる。適した閾値を用いて状態検出器により評価される場合、この値は以下のように異なる睡眠状態を示すことができる。
（ａ）目覚め状態：呼吸毎に最後に確認された呼吸からの時間の大きな変動を示す。
（ｂ）レム睡眠：呼吸毎に最後に確認された呼吸からの時間の中程度の変動を示す。
（ｃ）ノンレム睡眠：呼吸毎に最後に確認された呼吸からの時間の小さな変動を示す。
この最後に確認された呼吸からの時間の変動性特徴は、本明細書では「ＴＳＬＢＶ」と記すことができる。
【００６０】
１０．高呼吸頻度期間
この呼吸フロー特性は、スライド呼吸期間（例えば、１５の呼吸）にわたる高頻度呼吸の任意の小さな部分のスキャンにより計算することができる。この特性を図５に示す。適した閾値を用いて状態検出器により評価される場合、この値はレム呼吸を示すことができる。
【００６１】
１１．吸気時間変動性
この呼吸フロー特性は、吸気時間の変動（例えば、分散）として計算することができる。変動は、複数の呼吸（例えば、５つの呼吸）を含むスライド窓を用いて特定することができる。適したい閾値を用いて状態検出器により評価される場合、この値は以下のように異なる睡眠状態を示すことができる。
（ａ）目覚め状態：吸気時間の大きな変動を示す。
（ｂ）レム睡眠：吸気時間の中程度の変動を示す。
（ｃ）ノンレム睡眠：吸気時間の小さな変動を示す。
【００６２】
１２．呼吸一貫性チェッカー
この特徴は、いくつかの呼吸（例えば、５つの呼吸）の期間にわたる呼吸毎の以下の呼吸フロー特性に一貫性があるか否かを判断するために実施することができる。一貫性チェックは、吸気時間、吸気ピークフロー位置、呼気時間、呼気ピークフロー位置を考慮する。特性の小さな差は一貫していると考えることができる。
【００６３】
１３．特徴一貫性チェッカー
この特徴は、前に識別された呼吸フロー特性（例えば、特性１〜１２）の複数の呼吸期間（例えば、３０の呼吸）にわたる変動をチェックする。例えば、いくつかの呼吸（例えば、３０）の期間にわたる任意の特徴の自動解析は、任意の特徴が一貫性を有するか、又は有意な変動を有するかを識別することができる。例えば、目覚めている期間において、ピークフロー変動性特徴は、睡眠期間中よりも平均で高くなる。そのような値は、３０の呼吸の期間等にわたって、計算される都度、必要とされる目覚めの閾値を超えるわけではないが、評価することができる閾値を有意な割合で超えることができる。
【００６４】
１４． ９５％吸気ピークフローに達するまでの時間
この呼吸フロー特性は、呼吸が吸気の開始から吸気ピークフローの或る割合（例えば、９５％）に達するまでにかかる時間として計算することができる。参照文字Ｔ＿９５を用いて、この９５％時間特性を図６に示す。この呼吸フロー特性の特徴は、覚醒検出モジュール１１４による評価に利用することができる。
【００６５】
１５． ７５％吸気ピークフローを超えるエリア
この呼吸フロー特性は、吸気ピークフローの或る割合（例えば、７５％）を超える吸気ピークフロー曲線のエリアとして計算することができる。この呼吸フロー特性の特徴は、覚醒検出モジュール１１４による評価に利用することができる。７５％時間特性（Ｔ＿７５）は、呼吸が吸気ピークフローの或る割合（例えば、９５％）に達する時間であり、７５％時間特性を求めてから、図６の陰影を付けた領域で示されるエリアを計算することができる。７５％吸気ピークフロー特徴を超えるこのエリアは、本明細書では「ＩＰ７５Ａ」と記すことができる。
【００６６】
１６． ７５％吸気ピークフローを超えるエリアの変動
この呼吸フロー特性は、前の呼吸フロー特性であるエリアの分散として計算することができる。分散は、複数の呼吸（例えば、５つの呼吸）を含むスライド窓を用いて求めることができる。この呼吸フロー特性の特徴は、覚醒検出モジュール１１４による評価に利用することができる。７５％吸気ピークフローを超えるエリアの変動特徴は、本明細書では「Ｉ７５ＡＶ」と記すことができる。
【００６７】
１７． ９５％吸気ピークフローから呼気ピークフローまでの時間
この呼吸フロー特性は、吸気ピークフロー曲線の立ち上がり側の或る割合（例えば、９５％）から呼気ピークフロー位置までの時間として計算することができる。この呼吸フロー特性は、覚醒検出モジュール１１４による評価に利用することができる。
【００６８】
１８．前の呼吸の３ｍｖＴｔｏｔに対する現在の呼吸の３ｍｖＴｔｏｔの比率
３ｍｖＴｔｏｔ比率は、現在の呼吸からの３ｍｖＴｔｏｔを前の呼吸からの３ｍｖＴｔｏｔで除算したものとして計算することができる。３ｍｖＴｔｏｔは、平均分換気（例えば、３分換気）と合計呼吸期間（例えば、現在の呼吸の持続時間の時間期間）との比率として求めることができる。分換気は、前の数分（例えば、約２分〜５分であるが、好ましくは３分）中に行われる平均換気として求めることができる。
【００６９】
１９．現在の呼吸ＩＰｋＦｌｏｗの或る割合に対する現在の呼吸ＩＰｋＦｌｏｗ
吸気フローの現在の呼吸からのピーク吸気フロー（ＩＰｋＦｌｏｗ）とピーク吸気フロー（ＩＰｋＦｌｏｗ）の或る割合（例えば、７５％）との比率である。この特徴は、本明細書では「ＰＦ７５ＰＦ」として記すことができる。
【００７０】
Ｆ．睡眠／目覚め検出モジュール
睡眠状態検出モジュール１１８に関連付けられた方法論の例を図７に示す。本質的に、検出器は、呼吸可能なガスの測定フローを表すデータから睡眠状態を検出する方法論を用いて実施することができる。７７０において、本方法は、呼吸フローの測定値から複数の呼吸特性を求めることを含みうる。そのような呼吸特性の抽出は、睡眠状態検出器に統合することができるが、この抽出は、特徴抽出モジュール１１０から提供されるデータに対応することができる。７７２において、睡眠検出器の方法は、ノンレム睡眠状態、レム睡眠状態、相動性レム（Phasic REM）状態、持続性レム状態、深いレム睡眠状態、及び／又は軽いレム睡眠状態のうちの１つ以上のもの等の潜在的な睡眠状態から状態を検出することも含みうる。７７４において、状態の検出は、求められた呼吸特性に基づくことができる。そのような実施形態では、この状態検出は、これらの状態のいずれも、呼吸フローセンサにより測定されるデータから、従来の睡眠段階センサ特定技法（すなわち、脳電図（Ｅ．Ｅ．Ｇ．）センサ、筋電図検査（Ｅ．Ｍ．Ｇ．）センサ、及び電気眼球図記録（Ｅ．Ｏ．Ｇ．）センサからのデータ解析）又は呼吸努力バンド（respiratory effort band）なしで検出できるという意味で、実質的に、求められる呼吸特性に基づく。次に、プロセッサは、検出された状態を示すことができる。例えば、プロセッサは、検出された状態をメモリに記憶し、別のモジュール（例えば、睡眠品質評価モジュール１２０）の入力に適用し、かつ／又はユーザインターフェースモジュール１２４のディスプレイ等への出力として生成することができる。
【００７１】
実施形態の一例では、フロー信号から抽出された呼吸特性を処理して、マルコフ分類システムとして睡眠状態を分類することができる。そのような実施形態では、非静止マルコフ分類システムを利用して、患者の睡眠状態を識別することができる。
【００７２】
マルコフモデルという名称は、このシステムを解析できるようにする仮定のうちの１つ、すなわち、マルコフ性に由来する。マルコフ性は、システムの現在の状態が与えられる場合、システムの将来の進化はその過去から独立していることを述べる。各ステップにおいて、システムは、或る確率分布に従って、その状態を現在の状態から別の状態に変更するか、又は同じ状態に留まることができる。状態の変更は遷移と呼ばれ、様々な状態変更に関連付けられた確率は、遷移確率と呼ばれる。
【００７３】
数学的に、マルコフ性は、
【数１】
として表すことができ、式中、
Ｘはランダム変数であり、
Ｎは特定の状態を表す数である。
【００７４】
Ｐｒ（Ｘｎ＋１＝ｘ｜Ｘｎ＝ｘｎ）は、より一般的にはＰｉ，ｊ（ｉ＝ｘｎ，ｊ＝ｘ）として表される。これらの計算は、状態ｘｎからｘへの状態遷移の確率を求める。状態遷移行列が、状態が他の状態の任意の１つに変更する（又は単に現在の状態に留まる）確率を含みうる。本技術の実施形態のうちのいくつかの文脈の中では、睡眠状態はランダム変数であり、いくつかの可能な状態が存在することができる（例えば、ノンレム睡眠状態、目覚め状態、及びレム睡眠状態の場合には３つの状態）。したがって、この例では、３次元状態遷移行列が計算される。追加の状態がある場合、行列及び計算は適宜増大される。
【００７５】
したがって、いくつかの実施形態では、以下の方法論を実施して、特徴抽出モジュールから入力することができる呼吸特性又は特徴から睡眠状態を求めることができる。
【００７６】
（１）状態遷移表の計算
状態遷移表は、非静止とする（例えば、経時変化する）ことができ、これは、遷移確率がフロー信号から抽出される特徴（これも経時変化する）に対して有する直接的な依存性に起因する。或る特徴は、上述した特定の睡眠段階の特性である。そのような特徴（例えば、特徴抽出モジュールからの）の任意の数の組み合わせを用いて、これらの状態遷移確率を導出することができる。確率は、各呼吸特性の閾値セットから求めることができる。閾値セットは、経験的解析を通じて求め、確率評価のために装置に記録することができる。したがって、睡眠状態が更新される都度、遷移表を再計算することができる。これは、呼吸単位で実行することができる。３つの状態の場合、各状態から他の状態への遷移及び各状態からそれ自体の状態への遷移を表す９つの遷移がある。
【００７７】
（２）前の状態に基づく現在の状態（例えば、ノンレム睡眠、目覚め、及びレム睡眠）の確率の計算
漏れ検出モジュール１１２からの出力は、任意選択的に、行列の確率の調整子（conditioner）を提供することができる。例えば、高レベルの漏れが検出される場合、フロー信号の安定性が低いか、又はそうでなければ任意の特定の睡眠状態を示す度合いが低いことを予想することができる。目覚め状態を示す場合さえもあり得る。したがって、いくつかの実施形態では、方法論は、睡眠状態確率の重みを適宜変更して、漏れの影響を低減することができる。
【００７８】
（３）最も可能性が高い睡眠状態の出力
したがって、睡眠状態検出モジュールは、呼吸フロー信号を分類し、解析して、或る睡眠段階を関連付けることにより、検出された様々な状態を示す睡眠／目覚めインジケータ又はインデックスを生成することができる（例えば、１＝目覚め、２＝ノンレム、３＝レム、又は１＝目覚め、２＝ノンレム、３＝軽いレム、４＝深いレム等）。そのような手法の利点は、方法が各状態の持続時間を記録するために用いられる場合、合計睡眠時間を示すものを提供することができることである。この方法は、患者の睡眠構造（例えば、目覚め間隔、非急速眼球運動（ＮＲＥＭ）睡眠間隔、急速眼球運動（ＲＥＭ）睡眠間隔、深い急速眼球運動（ＤＲＥＭ）睡眠間隔、及び／又は軽い急速眼球運動（ＬＲＥＭ）睡眠間隔のタイミング、頻度、及び持続時間等）についての情報を提供するために実施することもできる。さらに、この方法は、そのようなインデックスがＡＨＩ検出モジュールとともに用いられるとき、上述したように、合計睡眠時間を特に参照してＡＨＩ特定を行うことができるようにＡＨＩ計算を改良するために実施することもできる。
【００７９】
睡眠状態検出器実施形態の例
本技術の更なる実施形態の例では、睡眠状態検出モジュール１１９は、図２０のブロック流れ図に示される処理を用いて構成することができる。処理は、患者の睡眠状態の計算を表す。このために、従来のＲ＆Ｋ ＰＳＧに基づくスコア付けは、睡眠を６つの段階に分ける。
ｉ）目覚め
ｉｉ）ノンレム段階１
ｉｉｉ）ノンレム段階２
ｉｖ）ノンレム段階３
ｖ）ノンレム段階４
ｖｉ）レム
【００８０】
この種の睡眠段階スコア付けは、ＥＥＧ、ＥＯＧ、及び呼吸努力バンドを含む多くの異なる生体信号に基づく。本実施形態では、睡眠状態は、主に呼吸フロー信号の解析に基づいて推定される。このため、Ｒ＆Ｋ ＰＳＧの全ての段階を有する詳細な睡眠構造の特性化は、このモジュールを用いて実施されない。むしろ、本実施形態による睡眠段階検出は、以下の４つの段階に圧縮される。
ｉ）目覚め
ｉｉ）ノンレム睡眠遷移（事実上、段階１睡眠）
ｉｉｉ）ノンレム睡眠（段階２、３、４）
ｉｖ）レム
【００８１】
このために、目覚め状態及びレム睡眠状態は、Ｒ＆Ｋ睡眠スコア付けと同様であるものとみなすことができる。呼吸フローとの関連でのこれらの状態を図２２（目覚め）及び図１２（ノンレム）に示す。ノンレム睡眠状態は、段階３及び４（徐波睡眠）及び段階２の部分であるとみなすことができる。呼吸フローは、この段階中、図２３に示されるように安定しており、メトロノームのようである。呼吸フローとの関連でのノンレム睡眠状態２１１４を図２３のノンレム睡眠領域に示す（ボックスＮＲＳとして示される）。この領域は、検出器によりノンレム睡眠状態２１１４として特性化することができる。
【００８２】
ノンレム睡眠Ｔ（遷移）は、事実上、段階１睡眠であり、目覚めから睡眠への遷移がある。睡眠の開始時には、通常、いくらかのレベルの換気睡眠不安定性がある（目覚めから睡眠へのＣＯ２設定点の変更に起因する）。これは通常、睡眠の段階１に関連付けられ、段階２まで延びることもある（通常、ＥＥＧにおいて見ることができる）。呼吸フローは、この期間中、不規則である傾向がある。目覚め状態の不規則期間（ＡＰ）の例を図２２に示す。このパターンの換気不安定性は、夜の最初の目覚め−睡眠遷移のみに限られない。患者が覚醒し、再び眠りに遷移しようとする場合、夜遅い部分で潜在的に発生する可能性がある。
【００８３】
上記参照した状態が検出されると、本実施形態の検出器は、フローセンサからの呼吸空気流を表すデータに基づく上述した特徴抽出器１１０の１つ以上の特徴を処理する。状態検出は、患者特性データ１２２からの患者の特性（例えば、年齢、ＢＭＩ、性別、現在の生理学的状態）、覚醒モジュール１４４からのデータ、及び／又は漏れ検出モジュール１１２からのデータに更に基づくことができる。
【００８４】
この実施形態では、有限状態機械が実施されて、睡眠段階を分類する。図２１に示されるように、３つの基本的な状態：目覚め状態２１１０、レム睡眠状態２１１２、及びノンレム睡眠状態２１１４が定義される。遷移確率を計算することにより、各呼吸サイクルの終わりに新しい睡眠状態が求められる。或る状態から次の状態又は同じ状態への遷移は、図２１に示される遷移確率（遷移確率Ｔ１１、Ｔ１２等として記される）のうちの最も高い確率に基づく。
【００８５】
理論上、患者は、任意の或る状態から別の状態に任意の時点で遷移する確率を有する。しかし、睡眠の生理学は、動的な数量であり、プロセス全体にランダム性の要素があるようになっている。したがって、各呼吸サイクルの終わりに遷移確率を調整し更新すべきである。次に、睡眠状態が、これらの遷移確率に基づいて計算される。さらに、調整を実施して、睡眠中に発生し得る不安定性（周期的な呼吸として見られることもある）を考慮することができる。有限機械の追加の状態であるノンレム睡眠遷移状態２１１６も定義され、持続した量の睡眠不安定性が検出される場合、状態機械はこのノンレム睡眠遷移状態に遷移する。呼吸フローとの関連でのこのノンレム睡眠Ｔ状態２１１６を図２３−Ａに示す。グラフでは、睡眠の開始時に発生する睡眠不安定性領域（ボックスＳＯＩとして示される）は、検出器によりノンレム睡眠Ｔ状態２１１６として特性化することができる。
【００８６】
この睡眠状態検出モジュールの例１１９の処理方法論について、これより図２０に関連して説明する。モジュールによる睡眠状態の検出は、上述したように、特徴抽出器１１０の特徴のうちの１つ以上の解析に基づくことができる。呼吸フローの測定値に基づいて、特徴抽出器１１０は特徴のうちの１つ以上のものを求めることができる。この実施形態の例では、ＩＰＦＶ（吸気ピークフロー変動性）特徴、ＥＰＦＶ（呼気ピークフロー変動性）特徴、ＴＳＬＢＶ（最後の呼吸からの時間の変動性）特徴、及びＩ７５ＡＶ（吸気ピークフローの７５％を超えるエリアの変動性）特徴を解析することができる。
【００８７】
各特徴は閾値処理器２０１０に提供され、閾値処理器２０１０において、図２４及び図２５に示される例等の１つ以上の閾値関数が、特徴サブセットの各特徴に適用される。しかし、状態の数に応じて、各特徴は通常、図２５の表に示されるように、可能な基本睡眠状態毎の閾値に適用される。
【００８８】
例えば、ＩＰＦＶ特徴の閾値処理の場合、図２４のグラフ２４５０の関数を、可能な睡眠状態毎に表ＩＰＦＶ（図２５において参照文字２５４０Ａの表として示される）からとられる入力値の例ＩＡ、ＩＢ、ＩＣ、及びＩＤ並びに出力値の例ＯＡ、ＯＢ、ＯＣ、及びＯＤを用いて実施することができる。上述したように、これらの表中、入力値ＩＡ、ＩＢ、ＩＣ等は、入力値の連続した範囲を表す。したがって、表ＩＰＦＶ（図２５において参照文字２５４０Ａの表として示される）の場合、ＩＡは、０．００１未満から０．００１を含め最高で０．００１までの範囲である。ＩＢは、ＩＡの範囲よりも大きく、０．００３を含め最高で０．００３までの範囲の値である。ＩＣは、ＩＢの範囲よりも大きく、０．００９を含め最高で０．００９までの範囲の値である。ＩＤは、ＩＣの範囲よりも大きく、１０を含め最高で１０までの範囲の値であり、これは可能な最大入力値であるとみなすことができる。例えば、求められた値０．００３を有するＩＰＦＶ特徴の場合、睡眠状態の重みとみなすことができる０．１の出力値が、ＩＰＦＶ特徴の目覚め状態に起因する出力として選択される。さらに、０．８の出力値が、ＩＰＦＶ特徴のノンレム状態に起因する出力として選択され、０．１の出力値が、ＩＰＦＶ特徴のレム状態に起因する出力として選択される。同様に、ＥＰＦＶ特徴の出力重みが選択される。しかし、ＥＰＦＶ特徴の場合、各状態のグラフ２４５０の関数の入力値及び出力値は、ＥＰＦＶ表（図２５において参照文字２５４０Ｂの表として示される）の値に基づく。同様に、基本的な睡眠状態に起因する重みが、各表（図２５において参照文字２５４０Ｃの表ＴＳＬＢＶ及び参照文字２５４０Ｄの表Ｉ７５ＡＶとして示される）を用いてＴＳＬＢＶ特徴及び１７５ＡＶ特徴に対して決められる。
【００８９】
特定の値が図２５の表に示されるが、これらが単なる例であることが理解されるであろう。他の値を実施することもでき、患者群又は特定の患者のいずれかから経験的に決定することができる。したがって、これらの値は、機械学習技法及びパターン認識技法に基づく処理を用いて学習することができる。採用することができる技法の例には、クラスター解析、サポートベクターマシン、及びベイズ式分類法が含まれる。
【００９０】
次に、出力重みはパターン適用器２０１４に提供される。この処理において、様々な個々の特徴のパターンのデータが組み合わせられる。このために、特徴のいくつかのサブセットに関連付けられた重みが、個々の特徴と比較するよりも睡眠段階を示す程度がより高い情報を含む可能性が高い。したがって、パターンは、睡眠段階を示す情報を集合的に表す１つ以上の特徴とみなすことができる。さらに、或る範囲のパターンを集合的に利用して、睡眠段階を識別することができる。この点に関して、理想的なこれらのパターンのセットは、以下の条件を満たす情報を含む。
【００９１】
ｉ）パターンは睡眠段階に固有の情報を含む。
【００９２】
ｉｉ）任意の２つのパターンは、睡眠段階についての同じ情報を含まない。
【００９３】
最初の条件は比較的容易に満たすことができるが、２番目の条件はより難しいことがある。呼吸フロー信号の性質及び続けて計算される特徴を考えると、重複がわずかであるか、又は重複がないパターンを生成することは困難な作業である。したがって、これらのパターンの賢明な組み合わせを実施して、必要な情報を取得することができる。
【００９４】
例えば、一実施形態では、パターン適用器は、以下のパターン（Ｐ１、Ｐ２、Ｐ３、Ｐ４、及びＰ５）を実施することができる。
パターンＩＤ 特徴サブセット
Ｐ１ ＩＰＦＶ、ＥＰＦＶ、ＴＳＬＢＶ
Ｐ２ ＩＰＦＶ、ＥＰＦＶ
Ｐ３ ＴＳＬＢＶ
Ｐ４ ＩＰＦＶ
Ｐ５ ＩＰＦＶ、Ｉ７５ＡＶ
【００９５】
パターンに基づいて、各睡眠段階の閾値処理器からの特徴重みが、例えば、重みを合算することにより組み合わせされる。したがって、パターン（Ｐ１・・・ＰＮ）毎及び段階（Ｓ１・・・ＳＩ）毎に、Ｉ×Ｎ個のパターンのスコアが生成される。上記の５つのパターンの例かつ３つの状態の場合、２０個のパターンのスコアがある（すなわち、Ｐ１＿ａｗａｋｅ、Ｐ１＿ＮＲＥＭ＿ｓｌｅｅｐ、Ｐ１＿ｒｅｍ、・・・、Ｐ５＿ａｗａｋｅ、Ｐ５＿ＮＲＥＭ＿ｓｌｅｅｐ、Ｐ５＿ｎｒｅｍ）。
【００９６】
全体のパターン重み計算の例は以下である。
用いられる特徴：ＩＰＦＶ、ＥＰＦＶ、ＴＳＬＢＶ
閾値関数からの特徴の重み（ｗｎ）
目覚めスコア：
ＩＰＦＶ：ｗ１１
ＥＰＦＶ：Ｗ１２
ＴＳＬＢＶ：ｗ１３
ノンレム睡眠スコア：
ＩＰＦＶ：ｗ２１
ＥＰＦＶ：ｗ２２
ＴＳＬＢＶ：ｗ２３
レム睡眠スコア：
ＩＰＦＶ：ｗ３１
ＥＰＦＶ：ｗ３２
ＴＳＬＢＶ：ｗ３３
用いられるパターン：
パターンＩＤ 特徴サブセット
Ｐ１ ＩＰＦＶ、ＥＰＦＶ、ＴＳＬＢＶ
Ｐ２ ＩＰＦＶ、ＥＰＦＶ
Ｐ３ ＴＳＬＢＶ
パターン重みを計算する：
Ｐ１＿ａｗａｋｅ＝α＊（ｗ１１＋ｗ１２＋ｗ１３）
Ｐ１＿ＮＲＥＭ＿ｓｌｅｅｐ＝β＊（ｗ２１＋ｗ２２＋ｗ２３）
Ｐ１＿ｒｅｍ＝μ＊（ｗ３１＋ｗ３２＋ｗ３３）
Ｐ２＿ａｗａｋｅ＝α１＊（ｗ１１＋ｗ１２）
Ｐ２＿ＮＲＥＭ＿ｓｌｅｅｐ＝β１＊（ｗ２１＋ｗ２２）
Ｐ２＿ｒｅｍ＝μ１＊（ｗ３１＋ｗ３２）
Ｐ３＿ａｗａｋｅ＝α２＊ｗ１３
Ｐ３＿ＮＲＥＭ＿ｓｌｅｅｐ＝β２＊ｗ２３
Ｐ３＿ｒｅｍ＝μ２＊ｗ３３
【００９７】
この計算では、バイアス係数α、β、μ、α１、β１、μ１、α２、β２、及びμ２を上に示すように実施することができる。係数は、患者特性データ１２２の患者特性のうちの１つ以上のものに基づいて、パターンスコア付けにいくらかの調整を実施できるようにすることができる。例えば、特定の患者特性のいずれも、特定のパターンが特定の状態を示す程度を大きく又は小さくする傾向がない場合、これらのうちの１つ以上のものを１に設定することができる。しかし、他の値を用いることもでき、患者の特性に基づいて経験的に決めることができる。
【００９８】
次に、未処理睡眠状態計算器２０１６が、各状態スコアを組み合わせることにより、各状態に特定の未処理睡眠状態スコアを生成する。上記例では、次に、未処理睡眠状態計算器２０１６は、以下の未処理目覚めスコアを生成する。
Ａｗａｋｅ＝Ｐ１＿ａｗａｋｅ＋Ｐ２＿ａｗａｋｅ＋Ｐ３＿ａｗａｋｅ；
ＮＲＥＭ＿Ｓｌｅｅｐ＝Ｐ１＿ＮＲＥＭ＿ｓｌｅｅｐ＋Ｐ２＿ＮＲＥＭ＿ｓｌｅｅｐ＋Ｐ３＿ＮＲＥＭ＿ｓｌｅｅｐ；
ＲＥＭ＝（Ｐ１＿ｒｅｍ＋Ｐ２＿ｒｅｍ＋Ｐ３＿ｒｅｍ）＊｛ＲＥＭ＿Ｅｎｈａｎｃｅｒ＿Ｉｎｄｅｘ）；
【００９９】
この実施形態では、レム増強係数（「ＲＥＭ＿Ｅｎｈａｎｃｅｒ＿Ｉｎｄｅｘ」と示される）を利用することができる。この係数は、図２０に示されるレム状態エンハンサ２０３０により生成される。レム状態エンハンサ２０３０の処理を本明細書においてより詳細に考察する。これは本質的に、未処理レム睡眠スコアを調整する（例えば、乗算により）追加の重みを提供する。
【０１００】
一般に、この処理では、ノンレム状態、レム状態、又は目覚め状態等のパターンに基づくスコアに関してのみ重みが計算される。図２１のグラフのノンレム睡眠Ｔ状態は、パターン依存スコアではなく「状態」依存スコアであるとみなすことができる。この点に関して、この遷移状態のいかなる値も、図２７の遷移確率に関して本明細書においてより詳細に考察する確率計算時の周期的状態及び覚醒状態に基づく。
【０１０１】
次に、状態遷移確率計算器２０１８により未処理状態スコアが処理される。この処理は一般に、本明細書において考察される確率方法により、図２１のチャートにおいて識別される遷移確率等の状態遷移確率を求めることを含む。これらの確率は、睡眠段階計算プロセスにおける更なる調整ステップとみなすことができる。確率値の例を図２６及び図２７の表に示す。一般に、遷移確率は、例えば、乗算により、所与の状態の未処理スコアと組み合わせて、変更睡眠状態スコアを生成することができる。このようにして、未処理睡眠スコアを遷移確率でバイアスすることができる。しかし、ノンレム睡眠Ｔ状態のために、未処理状態スコアは、遷移確率がこの状態の変更状態スコアになるように、１であると仮定することができる。
【０１０２】
この点に関して、睡眠の生理学の性質を考えると、睡眠状態を判断する際に考慮されるランダム性の要素がある。例えば、最初の目覚めフェーズ（すなわち、睡眠の開始前）は、夜全体を通して続く目覚め状態よりも大きくなる（例えば、より長い時間期間となる）可能性がより高い。夜の最初の睡眠段階は、患者が特定のレム睡眠機能不全を有する場合を除き、レム相ではないはずである。したがって、状態遷移確率を決める際に、或る規則を適用して、これらの条件のうちのいくつかを考慮することができる。これらの遷移条件及び他の関連付けられた確率の例を図２６及び図２７を参照して本明細書においてより詳細に考察する。
【０１０３】
さらに、遷移確率のうちのいくつかは、本明細書においてより詳細に考察される睡眠開始インデックスに基づくことができる。一般に、睡眠開始インデックスは、バイナリインデックスとすることができる。例えば、インデックスが値１を示す場合、これは、患者が睡眠中である（ノンレム睡眠又はノンレム睡眠Ｔのいずれか）であることを表す。同様に、インデックスが０を示す場合、これは、患者が目覚め状態であることを表す。しかし、患者が夜の最初の目覚め状態にあり、このインデックスが０を示す場合、３つの睡眠状態のうちの任意の状態への状態変更を支配する全ての遷移確率はゼロになる（例えば、睡眠開始インデックスが０の場合、Ｔ１２、Ｔ１３、及びＴ１４が０になる）。
【０１０４】
変更睡眠状態スコアに基づいて、次に、状態選択器２０２０は次の睡眠段階を判断することができる。変更睡眠段階スコアの比較により、次の状態を選択することができる。例えば、最大のスコアを有する変更睡眠状態スコアを、図２１の状態機械の状態のうちの検出される状態とみなすことができる。
【０１０５】
睡眠状態検出に関して考察される検出方法論のプロセスは、以下の例により考慮することができる。
例
有限機械の現在の睡眠状態＝目覚め状態２１１０
計算された未処理睡眠状態スコア：
Ａｗａｋｅ＝０．１
ＮＲＥＭ＿Ｓｌｅｅｐ＝０．５
ＲＥＭ＿Ｓｌｅｅｐ＝０．２
ＮＲＥＭ＿Ｓｌｅｅｐ＿Ｔ＝１
現在の睡眠状態に基づく必要な遷移確率は、Ｔ１１、Ｔ１２、Ｔ１３、Ｔ１４である。Ｔ１１、Ｔ１３、及びＴ１４に関して表２６００Ａを参照することができ、規則６がこの例に適用されると仮定することができる。Ｔ１２に関して表２７００Ａを参照することができ、規則２が適用されると仮定することができる。
Ｔ１１＝０．４５
Ｔ１２＝０
Ｔ１３＝０．４５
Ｔ１４＝０．１
変更睡眠状態スコア：
Ａｗａｋｅ＝Ａｗａｋｅ＊Ｔ１１＝０．０４５
ＮＲＥＭ＿Ｓｌｅｅｐ＿Ｔ＝Ｔ１２＝０
ＮＲＥＭ＿Ｓｌｅｅｐ＝ＮＲＥＭ＿Ｓｌｅｅｐ＊Ｔ１３＝０．２２５
ＲＥＭ＿Ｓｌｅｅｐ＝ＲＥＭ＿Ｓｌｅｅｐ＊Ｔ１４＝０．０２
ＮＲＥＭ＿Ｓｌｅｅｐが最高スコアを有するため、次の睡眠段階をＮＲＥＭ＿Ｓｌｅｅｐ状態２１１４に設定することができる。
【０１０６】
Ｇ．レム状態エンハンサ
レム状態は、呼吸空気流信号のみを解析する場合、検出が最も難しい睡眠状態である。したがって、いくつかの特殊化された特徴を特に実施して、「レム型」空気流の特徴を捕捉し、レム睡眠検出を増強することができる。これらの特徴の組み合わせられた出力は、増強レム状態を提供し、部分的に、図２０に示されるレム状態エンハンサ２０３０の処理により実施することができる。
【０１０７】
例えば、任意選択的に、少なくとも部分的に処理特徴抽出器１１０により実施することができる以下の追加の特徴を決めることができる。このために、呼吸空気流が捕捉され処理されて、以下のレム固有の特徴を計算することができる。
【０１０８】
１）ＶｔＲａｔ−これは、現在の吸気の換気量（Ｖｔｃｕｒｒ）と前の呼吸の換気量（Ｖｔｐｒｅｖ）との単純な比率である。いくつかの実施形態では、この比率は以下の方程式に従って計算することができる。
【数２】
【０１０９】
２）正弦曲線からの偏差−この特徴は、現在の吸気呼吸の振幅及び周波数に基づく正弦波形を求める。次に、推定正弦曲線と実際の吸気呼吸プロファイルとの間で減算を実行し、結果がバッファーに記憶される。次に、バッファー内の値の分散が計算される。正弦曲線は、患者の呼吸プロファイルに基づいて変更することができる。例えば、機械学習又はパターン認識処理を利用することができる。このために採用することができる技法の例は、クラスター解析、サポートベクターマシン、及びベイズ式分類法を含みうる。実施態様の例では、可変の振幅及び周波数を有する単純な平方根正弦プロファイルを用いることができる。したがって、このプロファイルに基づいて、計算の例は以下のように数学的に表すことができる。
【数３】
式中、αは振幅であり、ωは周波数であり、ｔは時間であり（連続領域では時間であり、離散時間ではサンプル数）、Ψは位相である。
【０１１０】
３）特徴一貫性インデックス−このインデックスは、特徴セットが設定された閾値をどの程度一貫して超えるかの測定値である。以下のステップがこのインデックスの計算に関わる。
ｉ．呼吸の集まりが取得され、上記参照した特徴が、呼吸毎に計算され、閾値バッファーに記憶される。例えば、５つの呼吸を取得し、それらの呼吸に関連付けられた求められた特徴が、閾値バッファーに記憶される。
ｉｉ．特徴が閾値関数に適用される。閾値関数は、上述したものと同様である。特徴セットの特徴値が設定された閾値を超える都度、一貫性カウンタが増分される（例えば、１だけ）。例えば、５つの呼吸のセットでは、特徴が呼吸のうちの４つで閾値を超える場合、一貫性カウンタは４になる。
ｉｉｉ．次に、特徴一貫性インデックスが、特徴一貫性カウンタと合計呼吸集まりサンプルサイズとの比率をとることにより導出される。例えば、カウンタが４であり、用いられた呼吸の合計集まりが５であった場合、特徴一貫性インデックスは８０％になる。
【０１１１】
次に、レム状態エンハンサ２０３０により、上述したようにＲｅｍＥｎｈａｎｃｅｒインデックスとして機能する特徴一貫性インデックスを出力することができる。
【０１１２】
Ｈ．遷移確率規則
上述したように、遷移確率は、未処理睡眠スコアを調整して、変更睡眠スコアを生成する。しかし、これらの確率がどのようにして計算されるかを定義する前に、自然な睡眠サイクルについてのいくつかの一般的なポイントを考慮することができる。
（ａ）夜の最初の目覚め期間（すなわち、睡眠の開始）は、夜の最も長い目覚め期間になる可能性が高い。
（ｂ）続く目覚め期間は、目覚める外部原因（例えば、マスクの再調整、トイレに行く、他の人又は夜間性喘息発作等の任意の医療状態により起こされる）がある場合を除き、１２０秒を超えて続かない。
（ｃ）目覚め状態からの最初の睡眠遷移は、患者がレム睡眠機能不全を有する場合を除き、レム睡眠ではない。
（ｄ）自然な睡眠サイクルの一環として、２０分〜３０分を超える間、深い睡眠にあった患者は、小さな目覚めに近づきつつある。
【０１１３】
上記に基づいて、以下の規則が定義されている。しかし、上記情報（（ａ）〜（ｄ））を解釈し、対応する規則を定義する多くの方法がある。したがって、以下の規則及び規則に関連付けられた遷移確率値は、単なる例である。機械学習技法又はパターン認識技法により、他の規則及び値を導出することもできる。採用することができるそのような技法の例には、クラスター解析、サポートベクトターマシン、及びベイズ式分類法が含まれる。
規則：
規則１−患者は、夜の最初の目覚め期間にあり、１０分以下の間、目覚めていた。
規則２−患者は、夜の最初の目覚め期間にあり、１０分を超えるが、２０分以下の間、目覚めていた。
規則３−患者は、夜の最初の目覚め期間にあり、２０分を超える間、目覚めていた。
規則４−患者は、夜の２番目の目覚めフェーズにあり、１０分以下の間、この状態であった。
規則５−患者は、夜の２番目の目覚めフェーズにあり、１０分を超えるが、２０分以下の間、この状態であった。
規則６−患者は、夜の２番目の目覚めフェーズにあり、２０分を超える間、この状態であった。
規則７−患者は、目覚め状態の３番目又は後期フェーズにあり、６０分以下の間、この状態であった。
規則８−患者は、目覚め状態の３番目又は後期フェーズにあり、６０分を超える間、この状態であった。
規則９−治療を開始してからの時間は、２０分以下である。
規則１０−治療を開始してからの時間は、２０分を超え、患者は、２０分以下の間、ノンレム睡眠状態であった。
規則１１−治療を開始してからの時間は、２０分を超え、患者は、２０分を超えるが、３０分以下の間、ノンレム睡眠状態であった。
規則１２−治療を開始してからの時間は、２０分を超え、患者は、３０分を超える間、ノンレム睡眠状態であった。
規則１３−患者は、１０分以下の間、レム睡眠状態であった。
規則１４−患者は、１０分を超えるが、２０分以下の間、レム睡眠状態であった。
規則１５−患者は、２０分を超える間、レム睡眠状態であった。
【０１１４】
図２６の表（すなわち、表２６００Ａ、表２６００Ｂ、表２６００Ｃ、及び表２６００Ｄ）は、状態遷移確率を支配するために実施することができる、確率値へのこれらの規則の関連付けをまとめたものである。この実施形態では、１つの特定の規則のみが一度に適用可能である。どの規則が現在の条件（例えば、現在の睡眠状態、今の睡眠状態で費やされた時間、及び夜の睡眠時間の全体的なポイント）を満たすかに基づいて、上述したように、表の出力を遷移確率として適用することができる。例えば、処理により、規則５が真であり、機械の現在の状態が目覚めであると判断される場合、遷移確率Ｔ１１は０．９になり、Ｔ１３は０．０５になり、Ｔ１４は０．０５になる。表の残りの遷移確率も同様に求めることができる。
【０１１５】
Ｉ．周期的呼吸及び覚醒に基づく遷移確率
図２０に示されるように、状態遷移確率計算器２０１８により遷移確率を求める際の別の規則セットは、周期的呼吸検出器及び覚醒検出器の出力に基づくことができる。例えば、周期的状態検出器は、ノンレム睡眠Ｔ状態への遷移及びノンレム睡眠Ｔ状態からの遷移を制御する。このために、以下の規則の例及び図２７の表に示される関連する値も、状態遷移確率値を支配することができる。
【０１１６】
規則
規則１−患者の現在の状態は目覚めである。
周期的状態カウンタは０である（すなわち、患者は０呼吸の間、周期的状態であった）。
【０１１７】
規則２−患者の現在の状態は目覚めである。
周期的状態カウンタは０よりも大きいが、５０以下である（すなわち、患者は０よりも多いが５０以下の呼吸の間、周期的状態であった）。
【０１１８】
規則３−患者の現在の状態は目覚めである。
周期的状態カウンタは５０よりも大きい（すなわち、患者は５０よりも多い呼吸の間、周期的状態であった）。
【０１１９】
規則４−患者の現在の状態はノンレム睡眠である。
周期的状態カウンタは０である（すなわち、患者は０呼吸の間、周期的状態であった）。
【０１２０】
規則５−患者の現在の状態はノンレム睡眠である。
周期的状態カウンタは０よりも大きいが、５０以下である（すなわち、患者は０よりも多いが５０以下の呼吸の間、周期的状態であった）。
覚醒状態バッファー和＝０（このバッファーは、前の５０の呼吸からの前の５０の覚醒状態値からの値を含む−したがって、和＝０の場合、覚醒は前の５０の呼吸にわたって検出されなかった）。
【０１２１】
規則６−患者の現在の状態はノンレム睡眠である。
周期的状態カウンタは０よりも大きいが、５０以下である（すなわち、患者は０よりも多いが５０以下の呼吸の間、周期的状態であった）。
覚醒状態バッファー和＞０（このバッファーは、前の５０の呼吸からの前の５０の覚醒状態値からの値を含む。このため、覚醒の和がゼロより大きい場合、１つ以上の覚醒が前の５０の呼吸にわたって検出された）。
【０１２２】
規則７−患者の現在の状態はノンレム睡眠である。
周期的状態カウンタは５０よりも大きい（すなわち、患者は５０よりも多い呼吸の間、周期的状態であった）。
覚醒状態バッファー和＝０（このバッファーは、前の５０の呼吸からの前の５０の覚醒状態値からの値を含む。したがって、和＝０の場合、覚醒は前の５０の呼吸にわたって検出されなかった）。
【０１２３】
規則８−患者の現在の状態はノンレム睡眠である。
周期的状態カウンタは５０よりも大きい（すなわち、患者は５０よりも多い呼吸の間、周期的状態であった）。
覚醒状態バッファー和＞０（このバッファーは、前の５０の呼吸からの前の５０の覚醒状態値からの値を含む。このため、和が０よりも大きい場合、１つ以上の覚醒が前の５０の呼吸にわたって検出された）。
【０１２４】
規則９−患者の現在の状態はノンレム睡眠Ｔである。
周期的状態カウンタは０である（すなわち、患者は０呼吸の間、周期的状態であった）。
【０１２５】
規則１０−患者の現在の状態はノンレム睡眠Ｔである。
周期的状態カウンタは０よりも大きいが、５０以下である（すなわち、患者は０よりも多いが５０以下の呼吸の間、周期的状態であった）。
覚醒状態バッファー和＝０（このバッファーは、前の５０の呼吸からの前の５０の覚醒状態値からの値を含む。したがって、和＝０の場合、覚醒は前の５０の呼吸にわたって検出されなかった）。
【０１２６】
規則１１−患者の現在の状態はノンレム睡眠Ｔである。
周期的状態カウンタは０よりも大きいが、５０以下である（すなわち、患者は０よりも多いが５０以下の呼吸の間、周期的状態であった）。
覚醒状態バッファー和＞０（このバッファーは、前の５０の呼吸からの前の５０の覚醒状態値からの値を含む。このため、和が０よりも大きい場合、１つ以上の覚醒が前の５０の呼吸にわたって検出された）。
【０１２７】
規則１２−患者の現在の状態はノンレム睡眠Ｔである。
周期的状態カウンタは５０よりも大きい（すなわち、患者は５０よりも多い呼吸の間、周期的状態であった）。
覚醒状態バッファー和＝０（このバッファーは、前の５０の呼吸からの前の５０の覚醒状態値からの値を含む−したがって、和＝０の場合、覚醒は前の５０の呼吸にわたって検出されなかった）。
【０１２８】
規則１３−患者の現在の状態はノンレム睡眠Ｔである。
周期的状態カウンタは５０よりも大きい（すなわち、患者は５０よりも多い呼吸の間、周期的状態であった）。
覚醒状態バッファー和＞０（このバッファーは、前の５０の呼吸からの前の５０の覚醒状態値からの値を含む。このため、和が０よりも大きい場合、１つ以上の覚醒が前の５０の呼吸にわたって検出された）。
【０１２９】
規則１４−患者の現在の状態はレム睡眠である。
周期的状態カウンタは０である（すなわち、患者は０呼吸の間、周期的状態であった）。
【０１３０】
規則１５−患者の現在の状態はレム睡眠である。
周期的状態カウンタは０よりも大きいが、１００以下である（すなわち、患者は０よりも多いが１００以下の呼吸の間、周期的状態であった）。
【０１３１】
規則１６−患者の現在の状態はレム睡眠である。
周期的状態カウンタは１００よりも大きい（すなわち、患者は１００よりも多い呼吸の間、周期的状態であった）。
【０１３２】
図２７の表（すなわち、表２７００Ａ、表２７０００Ｂ、表２７００Ｃ、及び表２７００Ｄ）は、状態遷移確率を支配するために実施することができる、確率値へのこれらの規則の関連付けをまとめたものである。規則のうちの１つ以上の評価に基づくとともに、最後の呼吸において機械が前に検出した特定の状態に応じて、上述したように、遷移確率として表の出力を適用することができる。例えば、処理により、規則１１が真であり、機械の現在の状態がノンレム睡眠Ｔ状態２１１６であると判断される場合、遷移確率Ｔ２２は０になる（表２７００Ｃに示される）。表の残りの遷移確率も同様に求めることができる。
【０１３３】
Ｊ．覚醒検出モジュール
覚醒検出モジュール１１４は、呼吸フローデータが睡眠からの覚醒を表すか否かを判断することができる。この点に関して、睡眠からの覚醒は、フロー信号の乱れを生じさせることができる。したがって、このモジュールの基本機能は、そのような乱れを探してフロー信号からのデータをスキャンし、乱れが発生したか否かを示すことである。例えば、乱れが特徴抽出モジュール１１０の呼吸特性から検出される場合、モジュールは、睡眠安定性モジュールに対し、フロー乱れの経過（passage）を含む信号又はデータを生成することができる。任意選択的に、フロー乱れからのデータ及び乱れに先行するフロー信号期間（例えば、１５呼吸前まで）からのデータを含むように、データパケットを生成することができる。データは、本明細書においてより詳細に説明するような乱れの更なる分類のために用いることができる。
【０１３４】
任意選択的に、上述したように特徴抽出モジュール１１０からの呼吸特性を利用することに加えて、追加の呼吸特性を計算することもできる。例えば、以下の呼吸特性を求めることができる。
（１）吸気ピークフローの或る割合（例えば、９５％）に達するまでの時間。
（２）吸気ピークフローの或る割合（例えば、７５％）を超えるエリア。
（３）吸気ピークフローの或る割合（例えば、７５％）を超えるエリアの変動。
（４）吸気ピークフローの或る割合（例えば、９５％）から呼気ピークフローまでの時間。
【０１３５】
次に、実施形態は、呼吸特性のうちの１つ以上のものを用いて乱れを検出することができる。例えば、フロー乱れは、すぐ上に記した呼吸特性１〜４を評価することにより検出することができる。これらの特徴は、フロー乱れのインジケータとみなすことができる。任意選択的に、これらの特性は、上述した呼吸特徴とともに、又は上述した呼吸特徴なしで、経験的に決定された閾値のセットと比較して、乱れを検出することができる。比較により、十分な乱れがフロー信号に発生したことが示される場合、モジュールは、例えば、正の信号又はデータインジケーション（例えば、はいの場合、１、いいえの場合、０）を出力することにより、それを示すことができる。
【０１３６】
したがって、モジュールの方法論の例は、以下のように呼吸単位で進むことができる。
（１）特徴抽出器から特徴をインポートする。
（２）すぐ上に記した追加の特徴（１〜４）を計算する。
（３）現在の睡眠状態を睡眠状態検出モジュールからインポートする。
（４）フロー乱れが存在するか否かを判断する。
（５）フロー乱れがある場合、睡眠状態をチェックする。患者が睡眠状態にある場合、乱れ及び前の呼吸（例えば、１５の呼吸）からのフローデータを収集し、データを出力する（例えば、睡眠品質モジュールに）。フロー乱れがあり、患者が睡眠状態にない場合、措置を講じる必要はない。呼吸にフロー乱れがない場合、措置を講じる必要はない。
【０１３７】
いくつかの実施形態では、次に、各フロー乱れを表すデータを解析して、覚醒が存在するか否かを判断することができる。覚醒が検出される場合、更なる解析により、以下のタイプのうちの１つに覚醒を特性化することができる：
（ｉ）無呼吸に関連する覚醒、
（ｉｉ）減呼吸に関連する覚醒、
（ｉｉｉ）呼吸努力に関連する覚醒、
（ｉｖ）口の漏れによる非呼吸性、
（ｖ）周期的な四肢運動（ＰＬＭ）による非呼吸性、
（ｖｉ）高漏出による非呼吸性、
（ｖｉｉ）非呼吸性−自然な覚醒。
【０１３８】
例えば、特徴抽出モジュール１１０からの上述した呼吸特性を表すデータを用いて、重みを各特徴に関連付けることができるように、特徴を閾値関数に適用することができる。フロー乱れ特徴が、閾値関数の重み付け出力から導出される。フロー信号を更に解析して、上述した事象のいずれがフロー乱れに先行したかを調べる。続けて、フロー乱れを覚醒として特性化することができる。モジュールの出力は、任意選択的に、（ａ）覚醒のタイプ及び（ｂ）覚醒の持続時間を含みうる。
【０１３９】
覚醒検出器実施形態の例
本技術の更なる実施形態の例では、覚醒検出モジュール１１４は、図１３のブロック流れ図に示される処理を用いて構成することができる。この例では、フロー生成器のフローセンサに関連付けられた呼吸空気流又はフィルタリングされたフローが、特徴抽出器に提供され、特徴抽出器により処理される。このプロセスでは、特徴抽出器により求められた上述の呼吸特徴の特定のサブセットが利用される。特徴のこのサブセットは、任意選択的に、上述したＩＰ７５Ａ（すなわち、７５％吸気ピークフローを超える吸気フロー曲線のエリア）特徴、３ｍｖＴｔｏｔ（すなわち、現在の３分換気とＴｔｏｔ（合計呼吸時間）との比率）特徴、及びＰＦ７５ＰＦ（すなわち、吸気ピークフローと７５％吸気ピークフローとの比率）特徴のみを含みうる。各特徴は閾値処理器１３１０に提供され、閾値処理器１３１０において、図１４に示される例等の１つ以上の閾値関数が、特徴サブセットの各特徴に適用される。この例は特定の特徴を用いるが、他の実施形態が、他のセット（例えば、全ての特徴）、又は特徴抽出器により求められた、上述した呼吸フローに基づく特徴の任意の組み合わせを有するサブセットに基づくことができることが理解されるであろう。
【０１４０】
この例では、ＩＰ７５Ａ特徴が閾値処理される場合、図１４のグラフ１４５０の関数を、表ＩＰ７５Ａ（参照文字１４４０Ａの表として示される）からとられる入力値の例ＩＡ及びＩＢ並びに出力値の例ＯＡ及びＯＢを用いて実施することができる。表中、入力値ＩＡ、ＩＢ、ＩＣ等は、入力値の連続した範囲を表す。したがって、表ＩＰ７５Ａの場合、ＩＡは、２．５未満から２．５を含め最高で２．５までの範囲の値である。ＩＢは、ＩＡよりも大きいか、又は２．５よりも大きい範囲の値である。例えば、２．５以下の求められた値を有するＩＰ７５Ａ特徴の場合、乱れ重みとみなすことができる０．０５の出力が、ＩＰ７５Ａ特徴に起因する出力として選択される。同様に、３ｍｖＴｔｏｔ特徴の出力重みが選択される。しかし、３ｍｖＴｔｏｔ特徴の場合、グラフ１４５０の関数の入力値及び出力値は、３ｍｖＴｔｏｔ表（参照文字１４４０Ｂの表として示される）の値に基づくことになる。同様に、グラフ１４５０の関数により、ＰＦ７５ＰＦ表（参照文字１４４０Ｃの表として示される）の値に基づいて、ＰＦ７５ＰＦ特徴の出力重みが選択される。特定の値が図１４の表に示されるが、これらが単なる例であることが理解されることに留意する。他の値を実施することもでき、患者群又は特定の患者のいずれかから経験的に決定することができる。したがって、これらの値は、機械学習技法及びパターン認識技法に基づく処理を用いて学習することができる。これに採用することができる技法の例には、クラスター解析、サポートベクターマシン、及びベイズ式分類法が含まれる。
【０１４１】
閾値処理器から出力される３つの重みは、フロー乱れ計算器１３１２の処理において、重みの合算等により組み合わせられ、フロー乱れ特徴を生成する。フロー乱れ計算器１３１２の処理は、乱れ特徴の重みを経験的に選ぶことができる覚醒閾値と更に比較して、乱れ特徴が覚醒事象を表すか否かを示す。覚醒事象を示す場合、覚醒フラグが設定される。
【０１４２】
覚醒フラグの肯定的な指示に基づいて、覚醒事象に関連付けられたフローデータを前事象分類器１３１４により評価して、覚醒に繋がったか、又は覚醒を生じさせた可能性がある特定の事象を識別する。例えば、識別された前事象は、呼吸関連性（例えば、閉塞性若しくは中枢的な無呼吸事象、閉塞性若しくは中枢的な減呼吸事象、又はフロー制限事象）又は非呼吸関連性（例えば、周期的な四肢運動（ＰＬＭ）事象及び／又は漏れ事象（例えば、口の漏れ若しくは高漏出））とすることができる。これらの事象のいずれも見つからない場合、覚醒を自然な覚醒として分類することができる。いくつかの実施形態では、これらの前事象を識別する処理は、分類器１３１４の処理に統合することができる。しかし、図１３に示されるように、この処理は、任意選択的に、検出結果を分類器１３１４に通信する離散した検出器により実施することもできる。最後に、覚醒検出器１１４は、覚醒のタイプ及び／又は持続時間を示す信号又はデータとすることができる覚醒特徴を出力する。例えば、口の漏れに関連する覚醒、無呼吸に関連する覚醒、フロー制限に関連する覚醒、ＰＬＭに関連する覚醒、自然な覚醒等として識別することができる。覚醒の持続時間は、覚醒フラグが覚醒を示すように設定されてから、覚醒が発生していないことを示すように変更されるときまでの時間期間として決定することができる。代替的に、時間期間は呼吸数とすることができる。
【０１４３】
Ｋ．睡眠安定性検出モジュール
本技術のいくつかの実施形態では、実施される睡眠安定性検出モジュール１１６は、複数の関数を用いて実施することができる。例えば、覚醒検出モジュールと併せて、モジュールは、（１）検出されたフロー乱れを分類し、（２）フロー乱れ強度のレベル（例えば、覚醒の程度）を等級付け、かつ／又は（３）自律神経活性化のレベルを推定することができる。
【０１４４】
覚醒検出モジュール１１４及び睡眠安定性検出モジュール１１６に関連付けられた方法論の例を図８に示す。本質的に、モジュールは、呼吸可能なガスの測定フローを表すデータから睡眠覚醒状態を検出又は分類する方法論を用いて実施することができる。８８０において、方法論は、呼吸フローの測定値から複数の呼吸特性を求めることを含みうる。これは、検出モジュールに統合するか、又は特徴抽出モジュール１１０等の別のモジュールから提供することができる。８８２において、乱れは、上述したように、複数の呼吸特性から検出される。乱れは覚醒状態を示すことができる。任意選択的に、８８４において、本明細書においてより詳細に考察されるように、方法論は、乱れが非呼吸関連の覚醒であるか否かを評価することができる。次に、８８６において、モジュールは、検出された乱れが、呼吸機能不全の症状以外の事象からの覚醒を表すことを示すことができる。例えば、モジュールは、判断を表すデータをメモリに記憶し、別のモジュール（例えば、睡眠品質モジュール１２０）の入力に適用し、かつ／又はユーザインターフェースモジュール１２４のディスプレイ等に出力として生成することができる。そのような非呼吸機能不全関連の事象は、例えば、周期的な四肢運動に関連付けられた事象とすることができる。したがって、検出された非呼吸性覚醒は、周期的な四肢運動又は検出された漏れに起因したものとすることができる。換言すれば、周期的な四肢運動の１つ若しくは複数の発生又は周期的な四肢運動の期間は、覚醒又は乱れを検出し、呼吸機能不全症状の同時性又は同期性の欠如（例えば、フロー制限がないか、有意ではないこと、フロー平坦化がないか、有意ではないこと、閉塞がないか、有意ではないこと等）を検出することから、識別することができる。
【０１４５】
覚醒検出モジュール１１４及び睡眠安定性検出モジュール１１６に関連付けられた更なる方法論の例を図９に示す。本質的に、モジュールは、呼吸可能なガスの測定フローから睡眠安定性を評価する方法論を用いて実施することができる。９９０において、方法は、呼吸フローの測定値から複数の呼吸特性を求めることを含みうる。これは、検出モジュールに統合するか、又は特徴抽出モジュール１１０等の別のモジュールから提供することができる。９９２において、上述したように、覚醒状態を示す場合がある乱れが、複数の呼吸特性から検出される。９９４において、乱れの程度が求められる。乱れの程度は、覚醒状態が睡眠を中断した程度を示すことができる。次に、プロセッサは、乱れの程度を示すことができる。例えば、プロセッサは、計算された乱れの程度を表すデータをメモリに記憶し、別のモジュール（例えば、睡眠品質モジュール１２０）の入力に適用し、かつ／又はユーザインターフェースモジュール１２４のディスプレイ等に出力として生成することができる。
【０１４６】
以下の実施形態の例では、フロー乱れが、分類され等級付けられてから、患者の自律神経活性化のレベルを推定するためのインデックスとしても用いられる。この実施形態では、以下のステップを実施することができる。
【０１４７】
（１）フロー乱れデータパケットを覚醒検出器から受信する。
これは、任意選択的に、乱れを検出するために、モジュール自体が測定フロー信号を処理しない場合に行うことができる。
【０１４８】
（２）データパケットのフロー乱れの発生前の期間のデータを解析して、乱れを分類する。
例えば、フロー乱れの直前に無呼吸又は減呼吸等の呼吸事象が検出されている場合、パケットの乱れを呼吸関連の覚醒とみなすことができる。そのような事象がフロー乱れの前に発生していない場合、パケットの乱れを、呼吸機能不全よりもむしろ周期的な四肢運動に起因する覚醒等の非呼吸性として分類することができる。
【０１４９】
任意選択的に、漏れ検出モジュール１１２により漏れも同時に検出されている場合、装置は、覚醒又は乱れを、非呼吸性であるが、マスクの弁のような漏れに起因するものとして分類することができる。
【０１５０】
（３）フロー乱れの長さ（例えば、持続時間）及び強度を計算する。
例えば、乱れの長さは、乱れにかかる、求められるか若しくは計算される持続時間又は時間（例えば、秒又は分）とすることができる。長さを求めることに加えて、いくつかの実施形態では、強度（例えば、乱れの程度）を求めることができる。例えば、強度値は、乱れのデータと乱れ前の呼吸データとの比率として計算することができる。例えば、強度値は、（ａ）データパケットのフロー乱れ部分の分散（例えば、フロー乱れ中のフロー信号からのサンプル）と、（ｂ）乱れ前のいくつかの呼吸（例えば、１５の呼吸）のフローデータの分散（例えば、フロー乱れ前のフロー信号からのサンプル）との比率として計算することができる。任意の呼吸特性もそのような比率の計算に利用することができる。
【０１５１】
任意選択的に、求められた強度値を利用して、乱れ中の患者の自律神経活性化を推定することができる。例えば、モジュールは、ルックアップテーブルを有するメモリを含むか、又はそのようなメモリにアクセスすることができる。ルックアップテーブルは、自律神経活性化のレベル（例えば、心拍変動の値、パルス遷移時間（ＰＴＴ）の値等）へのフロー乱れの強度のデータマッピングを含みうる。したがって、自律神経活性化値へのインデックスとして、強度を利用することができる。任意選択的に、テーブルは、患者特性記憶モジュール１２２により処理されるデータにより更に索引付けすることができる。そのような場合、テーブルは、異なるクラスの患者のデータを含みうる。したがって、装置を利用する特定の患者の年齢、ボディマスインデックス（ＢＭＩ）、体重、身長、及び／又は他の疾病状態若しくは現在の生理学的状態等の特定の患者の特性に従い、推定される自律神経活性化の特定を更に索引付けることができる。そのようなテーブルは、任意選択的に、大規模データマイニングの実行を通じて開発して、異なるクラスの患者におけるフロー乱れの強度及び続く自律神経の変化（例えば、心拍変動性（ＨＲＶ）及びパルス遷移時間（ＰＴＴ））を比較し関連付けることができる。
【０１５２】
（４）睡眠安定性スコアを睡眠品質インデックスモジュールに示す。
強度値、長さ、自律神経活性化値、識別される乱れのタイプ等は、任意選択的に、装置のメモリに記憶し、他の評価モジュール（例えば、睡眠品質評価モジュール１２０）により用い、かつ／又はユーザインターフェースモジュール１２４の視覚的出力ディスプレイに表示することができる。
【０１５３】
要約すれば、呼吸治療（例えば、気道陽圧）による治療の目的は、患者の呼吸関連の乱れを低減し、それにより、睡眠の安定性を増大させることである。したがって、睡眠安定性検出モジュールの実施形態は、患者の睡眠セッション中に発生する睡眠関連の乱れのレベルを定量化する。例えば、そのようなモジュールを有する検出器は、各呼吸サイクルの終わりに、睡眠の乱れのレベルを示す０〜１のスコアを生成することができる。そのような場合、１のスコアが最大の睡眠安定性を示すことができる。そして、スコアは、スコアが０に低減するにつれて、漸次的に低い睡眠安定性レベルを等級付けることができる。
【０１５４】
このために、いくつかの実施形態では、特徴抽出器１０６により求められる特徴のうちのいくつか又は全てを１つ以上の閾値関数に適用することにより、重みを各特徴に適用することができる。任意選択的に、これらの閾値関数は、患者特性データ１２２からの患者特性のうちのいくつか又は全てにより調整することができる。次に、呼吸の乱れ値を、閾値関数（複数の場合もあり）の重み付けられた出力から計算することができる。次に、この値を、本明細書において考察される漏れ検出モジュール１１２及び覚醒検出モジュール１１４からの出力により重み低減することができる。次に、睡眠安定性スコアを、いくつかの呼吸にわたって求められた重み低減された値の移動平均（rolling average）（例えば、１５の呼吸の移動平均等の約５〜３０の範囲）として計算することができる。
【０１５５】
睡眠安定性検出器の実施形態の例
睡眠安定性検出モジュール１１６のそのような実施形態の例は、図１５のブロック流れ図に示される処理を用いて構成することができる。この例では、呼吸の空気流又はフロー生成器のフローセンサに関連付けられたフィルタリングされた流れは、特徴抽出器に提供され、特徴抽出器により処理される。このプロセスでは、特徴抽出器により求められた上述した呼吸特徴の特定のサブセットが利用される。特徴のこのサブセットは、任意選択的に、それぞれ上述したＩＰＦＶ（すなわち、吸気ピークフロー変動）特徴、ＥＰＦＶ（すなわち、呼気ピークフロー変動）特徴、ＴＳＬＢＶ（すなわち、最後の呼吸からの時間変動）特徴、及びＩ７５ＡＶ（すなわち、７５％吸気ピークフローを超えるエリアの変動）特徴のみを含みうる。各特徴は閾値処理器１４１０に提供され、閾値処理器１４１０において、図１６に示される例等の１つ以上の閾値関数が、特徴サブセットの各特徴に適用される。この例は特定の特徴を用いるが、他の実施形態が、他のセット（例えば、全ての特徴）、又は特徴抽出器により求められた、上述した呼吸フローに基づく特徴の任意の組み合わせを有するサブセットに基づくことができることが理解されるであろう。
【０１５６】
この例では、ＩＰＦＶ特徴を閾値処理する場合、図１６のグラフ１６５０の関数を、表ＩＰＦＶ（参照文字１６４０Ａの表として示される）からとられる入力値の例ＩＡ、ＩＢ、ＩＣ、及びＩＤ並びに出力値の例ＯＡ、ＯＢ、ＯＣ、及びＯＤを用いて実施することができる。表において上述したように、入力値ＩＡ、ＩＢ、ＩＣ等は、入力値の連続した範囲を表す。したがって、表ＩＰＦＶの場合、ＩＡは、０．００１未満から０．００１を含め最高で０．００１までの範囲である。ＩＢは、ＩＡの範囲よりも大きく、０．００３を含め最高で０．００３までの範囲の値である。ＩＣは、ＩＢの範囲よりも大きく、０．００９を含め最高で０．００９までの範囲の値である。ＩＤは、ＩＣの範囲よりも大きく、１０を含め最高で１０までの範囲の値であり、これは可能な最大入力値であるとみなすことができる。例えば、求められた値０．００３を有するＩＰＦＶ特徴の場合、乱れの重みとみなすことができる０．８の出力値が、ＩＰＦＶ特徴に起因する出力として選択される。同様に、ＥＰＦＶ特徴の出力重みが選択される。しかし、ＥＰＦＶ特徴の場合、グラフ１６５０の関数の入力値及び出力値は、ＥＰＦＶ表（参照文字１６４０Ｂの表として示される）の値に基づく。同様に、グラフ１６５０の関数により、ＴＳＬＢＶ表（参照文字１６４０Ｃの表として示される）の値に基づいて、ＴＳＬＢＶ特徴の出力重みが選択される。同様に、グラフ１６５０の関数により、Ｉ７５ＡＶ表（参照文字１６４０Ｄの表として示される）の値に基づいて、Ｉ７５ＡＶ特徴の出力重みが選択される。特定の値が図１６の表に示されるが、これらが単なる例であることが理解されることに留意する。他の値を実施することもでき、患者群又は特定の患者のいずれかから経験的に決定することができる。したがって、これらの値は、機械学習技法及びパターン認識技法に基づく処理を用いて学習することができる。このために採用することができる技法の例には、クラスター解析、サポートベクターマシン、及びベイズ式分類法が含まれる。
【０１５７】
次に、スコア付け構成要素１５１２での未処理スコア処理において、閾値処理器１５１０からの重みを合算する等により、重みを組み合わせることによって、未処理乱れスコアが求められる。次に、或るシステム状態に基づいて、スコア付け構成要素１５１２からの未処理スコアを調整又は重み低減することができる。例えば、図１５に示されるように、未処理スコアは、漏れ検出モジュール又は覚醒モジュールから検出される漏れ状態及び／又は覚醒状態に基づいて調整することができる。
【０１５８】
例えば、図１７に示される関数の例等の重み低減関数から求められる重み低減係数により、未処理乱れスコアを重み低減することによって、現在の呼吸からの変更乱れスコア１５２２を求めることができる。したがって、図１７の関数を利用して、現在の漏れレベルを考慮することができる。この例では、システムに、高漏出検出器により特定される高レベルの漏れ（例えば、約０．４ｌ／ｓを超える漏れ）がある場合、実際の呼吸空気流信号の信号対雑音比（ＳＮＲ）が大幅に低減する場合がある。そのような状況では、未処理乱れスコアを重み低減して、この低ＳＮＲを考慮に入れることができる。図１７の閾値は、漏れレベルが０．３ｌ／ｓに達すると、出力重み低減係数を用いて睡眠安定性を線形に重み低減する。漏れが０．５ｌ／ｓに達すると、睡眠安定性スコアは０になる。
【０１５９】
同様に、重み低減構成要素を利用して、覚醒検出器からの現在の覚醒状態を考慮することができる。例えば、呼吸、漏れ、及びＰＬＭに関連する覚醒が、患者の睡眠を乱れし、睡眠安定性スコアをこれらのタイプの覚醒中に利用するべきである。しかし、検出される自然な覚醒は、患者の自然な睡眠パターンの一部分とみなすことができる。そのような場合、求められる特定の呼吸の睡眠安定性スコアは、検出される自然な覚醒に一致するとき、無視することができる。したがって、重み低減器１５１４は入力覚醒特徴を評価することができ、自然な覚醒が検出される場合、変更乱れスコアが現在の呼吸の睡眠安定性スコアにカウントされないようにするように構成することができる。
【０１６０】
次に、移動平均フィルタ等のフィルタ１５１６が、重み低減器１５１４からの変更乱れスコアを処理することができる。例えば、重み低減器の出力を、１０〜２０のスコアの範囲内の数であるが、好ましくは１５等の過去のいくつかの数の求められたスコアにわたって平均することができる。最後に、フィルタの出力は、睡眠安定性インデックスとみなすことができる睡眠安定性スコア１５２０とみなすことができる。
【０１６１】
Ｌ．睡眠品質評価モジュール
睡眠品質評価モジュール１２０を実施して、睡眠品質を評価することができる。いくつかの実施形態では、評価又は検出は、他のモジュールの出力に基づくことができる。睡眠品質評価モジュール１２０に関連付けられた方法論の例を図１０に示す。本質的に、この方法論は、呼吸可能なガスの測定フローから睡眠品質インジケータを求める。１０００において、前のモジュールの入力と同様に、呼吸フローの測定値から複数の呼吸特性が求められる。これは、モジュールの一部分として、又は別のモジュール（例えば、特徴抽出モジュール１１０）の一部分として統合することができる。次に、１００２及び１００４のそれぞれにおいて、本方法は、上述したように、複数の呼吸特性から睡眠状態測定値及び睡眠安定性測定値を求めることを含む。次に、１００６及び１００８のそれぞれにおいて、本方法は、睡眠状態測定値及び安定性測定値から１つ以上の睡眠品質インデックスを求めて示す。したがって、１つ以上のインデックスは、装置のメモリに記憶し、他の評価モジュール（例えば、フィードバックモジュール１２６）により用い、及び／又はユーザインターフェースモジュール１２４の視覚的出力ディスプレイに表示することができる。
【０１６２】
例えば、実施形態は、以下のステップを用いて実施することができる。
（１）インデックスとして睡眠期間（例えば、レム、ノンレム、深いレム、軽いレム、相動性レム、持続性レム、全ての睡眠状態等）の長さを計算する。
（２）睡眠安定性のレベルと合計睡眠時間との比率をインデックスとして計算する。例えば、睡眠安定性インデックスを合計睡眠時間インデックスで除算することができる。これは、安定性インデックスを正規化するように機能することができる。
（３）夜間中の目覚めている期間の長さをインデックスとして用いてこの比率を重み付けする。このようなステップは、目覚めの頻度を考慮に入れることができる。例えば、合計目覚め時間は集合的に数Ｘとすることができる。しかし、この数がＹ個の小さな目覚め期間で構成され、かつこの数Ｙが大きい場合、覚醒期間を重み付け係数で説明することができる。換言すれば、睡眠安定性数を夜間中の目覚めの頻度で更に正規化することができる。
（４）インデックスとしての個々の患者の特性の結果として、バイアスを考慮するように比率を重み付けする。いくつかの場合、目覚め状態の期間増大に向けて或るレベルのバイアスが存在する場合がある。特定の患者の入力された特性に起因するそのようなバイアスに基づく重み付け係数を利用して、比率を更に正規化することができる。
（５）インデックスセットとして最終的な睡眠品質スコアを出力する。
【０１６３】
任意選択的に、このモジュールは、インデックスとして、フィードバックのために或る夜から次の夜への目覚めから睡眠へのブレークダウン期間数を監視又は記録することもできる。そのような１つ以上の数は、目覚め期間の数、合計目覚め時間、睡眠期間の数、及び／又は合計睡眠時間として計算することができる単純な数とすることができる。任意選択的に、これは、月等の期間にわたって平均された数（複数の場合もあり）として提供することができる。日毎の数（複数の場合もあり）を提供することもできる。そのような情報は、睡眠構造についてのいくらかの単純なフィードバックを患者に提供することができる。
【０１６４】
このモジュールの出力は、記録し、フィードバックのために用い、かつ／又は患者及び／若しくは臨床医に表示することができる。例えば、このモジュールの出力は、ユーザインターフェースモジュール１２４を通じて表示することができ、かつ／又は治療アルゴリズム処理モジュール１２８に戻すか、若しくはフィードバックして、フロー生成器の適応制御をリアルタイムで実施することができる。フィードバックは、治療への短期変更及び／又は長期変更（例えば、数週間又は数ヶ月）を実施するように機能することができる。
【０１６５】
睡眠品質検出器の例
睡眠品質評価モジュール１２０の実施形態の更なる例を図２８〜図３１を参照して考慮することができる。一般に、この睡眠品質検出器での処理は、睡眠安定性インデックス、睡眠状態識別子、及び／又は覚醒インデックス等のシステムの他の処理データの評価を含みうる。入力データは、呼吸単位で睡眠品質インデックス（ＳＱＩ）を変更する動的な力（複数の場合もあり）として機能することができる。評価モジュールの処理を図２８のブロック図に示す。この実施形態では、入力データは閾値処理器２８１０Ａ、２８１０Ｂ、及び２８１０Ｃに適用される。
【０１６６】
評価モジュールが睡眠状態識別子を処理する場合、閾値処理器２８１０Ａは、図２９に示される関数等の関数を用いて実施することができる。この場合、閾値処理器２８１０Ａの出力は、睡眠状態識別子に基づいて−０．０５〜０．５の範囲内の重みとすることができる。一般に、図２９の関数は、ノンレム睡眠が最高の正の影響を有する一方で、目覚めが最高の負の影響を有することを示す。この点に関して、入力状態識別子が目覚め状態２１１０を表す場合、出力重みは−０．５である。状態識別子がノンレム睡眠Ｔ状態２１１６を表す場合、出力重みは−０．３である。状態識別子がノンレム睡眠状態２１１４を表す場合、出力重みは０．５である。状態機械が追加の検出状態を含む場合、追加の重み値を閾値処理器により実施することができる。
【０１６７】
また更なる実施形態では、レム状態の検出の結果として、睡眠品質インデックスへの調整を行うことができる。例えば、レム状態期間が検出される場合、睡眠品質インデックスを正に重み付けすることができる。したがって、いくつかの実施形態では、睡眠品質インデックスは、１つ以上のレム状態で費やされた全体時間の長さの関数として増大させることができる。任意選択的に、睡眠品質インデックスは、検出されるレム期間の数の増大の関数として増大させることができる。またさらに、睡眠品質インデックスは、レム状態検出が発生する夜間睡眠の特定の時点の関数として増大させることができる。更なる実施形態では、レム状態（複数の場合もあり）の検出の結果として、睡眠品質インデックスへのいかなる調整も行われない場合がある。
【０１６８】
評価モジュールが睡眠安定性インデックス又は睡眠安定性スコアを処理する場合、閾値処理器２８１０Ｂを、図３０に示される関数等の関数を用いて実施することができる。この場合、閾値処理器２８１０Ｂの出力も、睡眠安定性インデックスに基づいて−０．０５〜０．５の範囲内の重みとすることができる。入力睡眠安定性インデックスと出力重みとの関連付けは、関数線３０１０で表される。例えば、約０．３という睡眠安定性インデックスの入力は、結果として約０．１の出力重みを生じさせることができる。
【０１６９】
評価モジュールが、覚醒タイプ等の覚醒データを処理する場合、閾値処理器２８１０Ｃを、図３１に示される関数等の関数を用いて実施することができる。この場合、閾値処理器２８１０Ｃの出力も、睡眠安定性インデックスに基づいて−０．０５〜０．５の範囲内の重みとすることができる。この点に関して、入力覚醒タイプが無呼吸を表す場合、出力重みは−０．５である。入力覚醒タイプが減呼吸を表す場合、出力重みは−０．４である。入力覚醒タイプがＲＥＲＡ（呼吸努力関連の覚醒）を表す場合、出力重みは−０．１である。入力覚醒タイプが、口漏れ又は高漏出等の漏れを表す場合、出力重みは−０．５である。最後に、入力覚醒タイプが自然な覚醒を表す場合、出力重みは０である。
【０１７０】
次に、閾値処理器（複数の場合もあり）の出力に基づいて、睡眠品質調整器２８１２は、０〜１の実数値とすることができる睡眠品質インデックスを設定する。例えば、係数として閾値処理器の重みを睡眠品質インデックスに適用することにより、既存の睡眠品質インデックスを上下させることができる。例えば、睡眠品質インデックスは、負の重み係数との乗算により低減させるか、又は正の重み係数による乗算により増大させることができる。代替的に、閾値関数が入力データに基づいてそれぞれ正又は負の場合、閾値処理器は単純に、真値又は偽値を出力することができる。次に、真値又は偽値は、整数値等の睡眠品質インデックスの増分又は減分をそれぞれ制御することができる。この評価は一般に、（ａ）或る覚醒が一般に、睡眠品質を低減するのに対し、或る覚醒がないことが睡眠品質を増大させることができ、（ｂ）睡眠安定性の低減が睡眠品質を低減させ、（ｃ）いくつかの睡眠状態がよりよい睡眠品質を示すという前提に基づくことができる。
【０１７１】
図２９〜図３１の上述した関数では、重みは、睡眠品質の適したインジケータとして、０〜１とすることができる睡眠品質インデックスの出力が可能なように選ばれており、１は最良の品質であり、０は最低の品質である。しかし、所望の睡眠品質インデックスの性質に応じて、他の重み値及びインジケータ値を選ぶこともできる。
【０１７２】
Ｍ．フィードバック制御モジュール
したがって、いくつかの実施形態では、システムのこれらのモジュールの出力は、プロセッサ制御されるフロー生成器により提供される圧力治療による治療（例えば、持続的気道陽圧治療（「ＣＰＡＰ」））等の治療制御アルゴリズムへの変更を制御するように機能することができる。例えば、睡眠品質評価出力又は睡眠状態出力は、フィードバック制御モジュール１２６にフィードバックすることができる。次に、フィードバック制御モジュールは、例えば、患者に与えられる圧力治療の瞬間的な量及び長期量のレベルを制御することができる。このフィードバック制御モジュールは、命令又は制御信号をフロー生成器又は治療制御処理モジュール１２８に送信することにより、送達される治療に対する動的又は短期の変更及び／又は静的又は長期の変更を実施することができる。
【０１７３】
一例では、動的フィードバック制御は、様々な睡眠状態出力に基づくことができる。例えば、患者がまず、検出された目覚め状態にいる場合、送達される治療を最小レベルに保つことができる。同様に、呼吸検出ルーチン（例えば、ＡＨＩモジュール）を、ディセーブルにするか、又はそうでなければ、いかなるフロー乱れに対する感度もより低くなるように重み付けして、ＡＨＩ事象を治療する圧力調整を別の形で回避又は最小化するように、設定することができる。患者が検出される睡眠状態に遷移すると、フィードバック制御モジュールは、フロー乱れ又はＡＨＩ事象に対する感度をより高めるように、コントローラを設定することができる。検出される深い睡眠（例えば、深いレム状態又はレム状態）の期間中、圧力治療アルゴリズムの感度レベルを最大に設定して、検出される事象を完全に治療／検出される事象に完全に応答することができる。さらに任意選択的に、装置が、検出される覚醒及び／又は目覚め状態で目覚めることを検出する場合、治療を徐々に一定の速度で減少又は低減して、患者が睡眠により快適に戻れるようにすることができる。
【０１７４】
いくつかの実施形態では、フィードバック制御モジュールは、治療制御への静的な変更を実施することができる。例えば、睡眠品質インデックスを長期フィードバックに用いることができる。患者の睡眠パターンが、睡眠品質インデックスへの変更により監視されるように、経時変化する場合、治療アルゴリズムの感度レベルをそれに従って調整することができる。例えば、睡眠品質インデックスの向上は、治療レベルの低減を制御することができる。同様に、睡眠品質インデックスの減少は、治療レベルの増大を制御することができる。そのような長期の変更は、任意選択的に、制御される時間期間、例えば、或る数の治療セッション後初めて、毎月の初め、又は月に等しい治療期間等で実施することができる。
【０１７５】
また更なる実施形態では、追加の目覚めから睡眠へのブレークダウンスコアを実施して、治療への変更を制御することができる。例えば、長期期間（例えば、１ヶ月）にわたり目覚め期間の割合が大きくなるか、又は増大する場合、スコアに基づく係数により圧力制御アルゴリズムを重み付けして、より程度の大きな治療を提供することができる。
【０１７６】
以下の追加のフィードバック実施形態の例は、上述したモジュールの出力に基づいて実施することができる。
【０１７７】
Ａ．目覚め呼気圧力緩和（ＥＰＲ）
いくつかの呼吸圧力治療装置では、圧力制御は、呼気圧力緩和（ＥＰＲ）特徴を含みうる。そのような装置は、国際特許出願番号ＰＣＴ／ＵＳ２００４０１９５９８号（公開番号ＷＯ２００４／１１２６８０号）及び対応する米国特許第７，１２８，０６９号に記載されており、これらの開示内容は、引用することにより、本明細書の一部を成すものとする。ＥＰＲ特徴は、患者が睡眠をより容易に達成できるようにする快適性を患者に提供することができる。一般に、ＥＰＲ制御は、吸気中に治療処置圧力を送達している間、各患者の呼気の検出を受けて、治療圧力治療設定から或る量（例えば、ｃｍ Ｈ２Ｏ）だけ送達される治療圧力を自動的に低減する。そのような圧力治療制御は、本技術に基づいて変更することができる。通常、患者が一旦眠ると、ＥＰＲは、患者に対して望まれる最大の治療恩恵を提供しない場合があるという点で、患者の治療に対する必要性は低いとみなすことができる。したがって、検出される睡眠状態に基づいて、ランプ時間を実施し、これによってＥＰＲを制御することができる。例えば、装置が、患者が目覚め状態にいることを検出する場合は常に、ＥＰＲ制御をオンにするか、又はそうでなければ上述したように動作させて、呼気中の圧力を低減することができる。しかし、睡眠状態検出モジュールが、患者がノンレム睡眠Ｔ、ノンレム睡眠、又はレム睡眠に入ったことを検出すると、ＥＰＲ機能は、呼気中の低減を回避するように解除することができる。任意選択的に、ＥＰＲ制御機能は、目覚め状態から睡眠関連状態への遷移を検出されると、いくつかの呼吸サイクル又は時間期間中、治療処置圧力の低減量を徐々に減少させることにより、徐々に解除することができる。このＥＰＲ機能の解除は睡眠の開始時に実施することができるが、任意選択的に、治療セッション全体を通じて動的に実施することさえも可能である。例えば、睡眠の開始後、睡眠状態検出モジュールが、患者が（例えば、目覚め状態に入り、或る時間期間にわたり目覚め状態に留まることにより）睡眠状態から目覚め状態に戻ったことを検出する場合、ＥＰＲ機能を再開（又はいくつかの呼吸サイクル又は時間期間中、治療処置圧力の低減量を徐々に上昇させることにより、徐々に再開）することができる。次に、上述したように、患者の睡眠状態が更に検出されると、ＥＰＲを続けて解除する（例えば、徐々に）ことができる。
【０１７８】
Ｂ．呼吸事象報告
いくつかの実施形態では、睡眠状態検出は、検出された事象がどのようにスコア付けられるかを制御することができる。例えば、呼吸治療装置により検出することができるいくつかの事象は、これらが装置により検出される場合であっても、事象スコアの一部分として報告されないことがある。例えば、無呼吸、減呼吸、覚醒、マスク漏れ、及び／又は口漏れ等の検出される呼吸事象は、事象が目覚め状態の検出と同時に検出される場合、特定の事象タイプスコアの一部分として報告されないことがある。そのような場合、治療装置の制御アルゴリズムは、検出アルゴリズムがそのような事象をスコア付けする前に、患者がノンレム睡眠Ｔ、ノンレム睡眠、又はレム睡眠状態にあることを確認することができる。任意選択的に、全ての事象をスコア付けすることができるが、各事象のスコア付けは、事象が発生した検出された様々な睡眠状態に基づいて、又は事象が目覚めている時間中に発生したか、それとも睡眠時間中に発生したかに基づいて分類することができる。例えば、治療セッションの目覚めている時間中の無呼吸数をスコア付けすることができ、治療セッションの睡眠時間（例えば、睡眠関連状態）中の無呼吸数を別個にスコア付けすることができる。したがって、スコア付けされた事象は、事象が発生した検出された睡眠状態等に関連付けて、検出された状態に基づいて装置により出力として報告することができる。
【０１７９】
Ｃ．治療変更制御
いくつかの呼吸治療装置では、治療処置圧力を装置により自動的に設定することができる。例えば、いくつかの圧力治療装置は、患者の呼吸の異常を探して呼吸フロー信号を解析し、異常を治療するために、圧力を調整することができる。ＯＳＡ患者の場合、これらの異常はフロー制限、いびき、及び閉塞性無呼吸とみなすことができる。圧力治療装置は、これらの事象のうちの１つ以上のものを検出すると、事象の深刻さに基づいて圧力治療の或る所定の最大までの増大を制御する。いくつかのそのような圧力治療装置では、そのような増大の後、流れの異常がなくなる（すなわち、もはや検出されない）場合、装置は、圧力治療の低減を自動的に制御して、或る所定の最小値（例えば、患者の医師により設定される）に減少させることができる。しかし、いくつかの場合では、事象は素早く連続して発生し、この素早い連続により、圧力治療が不必要に増減されることに繋がる可能性があるため、これは最も望ましいシナリオではないことがある。したがって、本技術の態様を用いる場合、そのような圧力制御アルゴリズムを変更することができる。例えば、圧力制御アルゴリズムは、検出された異常を治療するように構成することができ、これらの異常が更に検出されない場合に圧力を単純に低減するのではなくむしろ、制御は、睡眠安定性インデックスと閾値との比較に基づいて、上述した睡眠安定性インデックスが「高／許容可能」レベルに戻るまで、上昇した治療レベルに治療を保つことができる。治療圧力の増大後、閾値に達すると、圧力を所定の最小値まで低減又は徐々に減少させることができる。そのような「高／許容可能」レベルを表す閾値は、例えば、既存の臨床データのデータマイニングにより経験的に事前に決定することができる。したがって、治療圧力設定の低減は、呼吸異常の検出がないことに代えて、又は検出がないことに加えて、睡眠安定性インデックスに基づくことができる。
【０１８０】
Ｄ．心肺カップリング（ＣＰＣ：cardiopulmonary coupling）の評価
ＣＰＣは、心拍と呼吸速度とのカップリングを測定する興味深い数量である。ＣＰＣに対して多くの用途があるが、最も関係のある２つは、中枢的な無呼吸と閉塞性無呼吸とを区別可能であるとともに、全体的な睡眠品質を測定することである。呼吸は、呼吸フロー信号を介して容易に導出される。しかし、心拍の導出は少し困難である。呼吸フローからの心拍の測定は、全体的な呼吸フロー信号の心臓性フロー要素を解析することにより行われる。例えば、米国特許第５，７０４，３４５号には、心臓性空気流を検出するいくつかの方法が記載されており、この特許の開示内容を引用することにより、本明細書の一部を成すものとする。心臓性フローは、肺への心臓の拍動による呼吸フロー信号の小さな振動である。心臓性フローは、治療の全ての時間で容易に区別可能である訳ではない。特に、目覚め、ノンレム睡眠Ｔ、及びレム睡眠で困難である可能性がある。しかし、安定した睡眠又はノンレム睡眠中、心臓性フロー信号をより正確に検出することが可能である。したがって、心臓性フローを検出する自動方法は、睡眠の安定部分の検出が発生するのを待つように制御することができ、これらの睡眠部分中、装置は次に、手順を実行して、心臓性空気流を特定し、かつ／又はＣＰＣインデックスを計算することができる。換言すれば、特定の睡眠状態（例えば、ノンレム睡眠状態）の検出は、心臓性フローの検出を始動又は可能にすることができる一方で、他の状態（例えば、ノンレムＴ、レム、又は目覚め）は、心臓性空気流特定手順を回避することができる。したがって、心臓性空気流特定手順は、睡眠状態の検出に基づくことができる。例えば、一実施形態では、睡眠状態に基づいて、無呼吸が検出される場合、心臓性空気流特定手順を用いて、閉塞性無呼吸と中枢的な無呼吸とを区別することができる。したがって、治療装置のコントローラが無呼吸の開始を検出するとともに、睡眠状態が安定状態（例えば、ノンレム状態）であることを検出する場合、ＣＰＣ検出器又はコントローラのプロセスは、心臓性空気流検出（例えば、心臓性空気流呼吸の有無）に基づいてどのタイプの無呼吸が発生したか（例えば、中枢的又は閉塞性）を判定できるようにすることができる。
【０１８１】
Ｎ．周期的呼吸状態検出モジュール
いくつかの実施形態では、睡眠状態検出装置１０２は、図１８に示されるモジュール等の周期的呼吸状態検出モジュール１８８０を実施することができる。この点に関して、睡眠中、高レベルの呼吸不安定性を有する睡眠の部分が存在する場合がある。大抵、これは周期的な性質のものとすることができる。特に、患者が目覚めから睡眠に遷移しつつある期間又は大きな覚醒に続く期間中、体の呼吸コントローラは、リズムを失い、そして不安定な呼吸パターンを生じさせる可能性がある。周期的呼吸状態検出モジュールの目的は、睡眠中のそのような部分を識別することである。いくつかの実施形態では、これは、呼吸フローセンサからの呼吸フロー信号データを処理し、患者が所与の呼吸に関して周期的な呼吸を経験しているか否かを示す周期的呼吸状態出力（例えば、周期的呼吸状態変数は、ｙｅｓの場合に１であり、ｎｏの場合に０である）を出力することにより、検出することができる。
【０１８２】
例えば、そのようなモジュールは、上述したように、特徴抽出器１１０の特徴のうちの１つ以上の解析に基づくことができる。モジュールのそのような実施形態に関連付けられた処理は、図１８の詳細と併せて考慮することができる。呼吸フローの測定値に基づいて、特徴抽出器１１０は、上述した特徴のうちの１つ以上のものを求めることができる。例えば、この実施形態の例では、３ｍｖＴｔｏｔ特徴及びＩＰ７５Ａ特徴を解析することができる。上述したように、ＩＰ７５Ａ特徴は、７５％吸気ピークフローを超える吸気フロー曲線のエリアであり、３ｍｖＴｔｏｔ特徴は、現在の３分換気とＴｔｏｔ（合計呼吸時間）との比率である。
【０１８３】
各特徴は閾値処理器１８１０に提供され、閾値処理器１８１０において、図１９に示される例等の１つ以上の閾値関数が、特徴サブセットの各特徴に適用される。この例では、Ｉ７５ＡＶ特徴を閾値処理する場合、図１９のグラフ１９５０の関数を、表Ｉ７５ＡＶ（参照文字１９４０Ａの表として示される）からとられる入力値の例ＩＡ、ＩＢ、及びＩＣ並びに出力値の例ＯＡ、ＯＢ、及びＯＣを用いて実施することができる。これらの表において上述したように、入力値ＩＡ、ＩＢ、ＩＣ等は、入力値の連続した範囲を表す。したがって、表Ｉ７５ＡＶ（図１９において参照文字１９４０Ａの表として示される）の場合、ＩＡは、０．０１未満から０．０１を含め最高で０．０１までの範囲である。ＩＢは、ＩＡの範囲よりも大きく、０．０３５を含め最高で０．０３５までの範囲の値である。ＩＣは、ＩＢの範囲よりも大きく、１０を含め最高で１０までの範囲の値であり、これは可能な最大入力値であるとみなすことができる。例えば、求められた値０．０３５を有するＩ７５ＡＶ特徴の場合、周期的状態重みとみなすことができる１の出力値が、Ｉ７５ＡＶ特徴に起因する出力として選択される。同様に、３ｍｖＴｔｏｔ特徴の出力重みが選択される。しかし、３ｍｖＴｔｏｔ特徴の場合、グラフ１９５０の関数の入力値及び出力値は、３ｍｖＴｔｏｔ表（参照文字１９４０Ｂの表として示される）の値に基づく。特定の値が図１９の表に示されるが、これらが単なる例であることが理解されることに留意する。他の値を実施することもでき、患者群又は特定の患者のいずれかから経験的に決定することができる。したがって、これらの値は、機械学習技法及びパターン認識技法に基づく処理を用いて学習することができる。採用することができる技法の例には、クラスター解析、サポートベクターマシン、及びベイズ式分類法が含まれる。
【０１８４】
次に、これらの周期的状態重みは、未処理周期的状態計算器１８８２により処理することができる。未処理周期的状態スコアは、以下の方法により求めることができる。
ＩＦ（Ｏ＿ｐｓＴ１＝＝１）ＴＨＥＮ 未処理周期的状態＝１
ＥＬＳＥ ＩＦ（（Ｏ＿ｐｓＴ１＝＝０）ＡＮＤ（Ｏ＿ｐｓＴ２＝＝１））ＴＨＥＮ
未処理周期的状態＝１
ＥＬＳＥ 未処理周期的状態＝０
但し、Ｏ＿ｐｓＴ１は、Ｉ７５ＡＶ特徴に起因する周期的状態重みであり、
Ｏ＿ｐｓＴ２は、３ｍｖＴｔｏｔ特徴に起因する周期的状態重みである。
【０１８５】
次に、周期的状態出力（例えば、周期的呼吸状態が検出されたか否か）を以下の方法論に従って求めることができる。
未処理周期的状態スコアが１の場合：
ａ．周期的状態出力を１に設定する。
ｂ．周期的状態カウンタを１だけ増分する。
ｃ．安定睡眠カウンタを０に設定する。
未処理周期的状態スコアが０である場合、安定睡眠カウンタがカウンタ閾値（例えば、約５〜１５の範囲であるが、好ましくは１０である）未満であるか否かをチェックする。
安定睡眠カウントがカウンタ閾値以下（例えば、＜＝１０）である場合、
ａ．周期的状態出力を１に設定する。
ｂ．周期的状態カウンタを１だけ増分する。
ｃ．安定睡眠カウンタを１だけ増分する。
安定睡眠カウントがカウンタ閾値を超える（例えば、＞１０）場合、
ａ．周期的状態出力を０に設定する。
ｂ．安定睡眠カウンタを１だけ増分する。
【０１８６】
この実施形態では、適したカウンタ閾値は１０に設定することができるが、何等かの他の経験的に決定された値とすることもできる。例えば、本方法論のいくつかの実施形態では、カウンタ閾値は、機械学習技法及びパターン認識技法に基づく処理の結果として設定することができる。そのような技法には、クラスター解析、サポートベクターマシン、及びベイズ式分類法、又は他の同様の機械学習技法を含めることができる。
【０１８７】
Ｏ．睡眠開始モジュール
睡眠の開始を正確に検出することは、患者の睡眠パターン及び睡眠の全体的な品質への非常に興味深い洞察を提供することができる。睡眠の開始を正確に検出することは、睡眠状態を正確に検出するにあたっても重要とすることができる。したがって、睡眠状態検出装置１０２のいくつかの実施形態では、インデックスを実施して、特定の睡眠セッションでの目覚めから睡眠への最初の遷移を検出又は計算することができる。睡眠への遷移は、ノンレム睡眠又はノンレム睡眠Ｔのいずれかとすることができ、後述する実施態様において、いずれの状態がより高い遷移確率を有するかに依存することができる。このとき、続く睡眠状態への遷移は、本明細書において上述した睡眠状態モジュールにより支配することができる。
【０１８８】
実施態様の例では、睡眠開始検出モジュールは、特徴抽出器１１０からとられる１つ以上の呼吸フローに基づく特徴を表すデータを入力として利用することができる。例えば、睡眠開始検出は、以下の特徴セットの解析により実施することができる。
１）ＥＰＦＬ比率−この特徴は、呼気ピークフロー位置と合計呼気期間との比率であり、任意選択的に、時間単位（例えば、秒）ではなくサンプル（例えば、いくつかのサンプル）で定義することができる。
２）ＥＰＦＬ差特徴−この特徴は、現在のＥＰＦＬ比率を測定し、設定された時間期間にわたる平均ＥＰＦＬ比率を減算する。例えば、設定される時間期間は、１０〜２０の範囲であるが、好ましくは１５である前のいくつかの数の呼吸とすることができる。
睡眠開始の検出は、以下に基づくこともできる。
３）未処理睡眠状態スコア−これは、睡眠状態について上述したように、睡眠状態検出器から出力されるスコアとすることができる。
【０１８９】
次に、睡眠開始検出器を、上述した入力データに基づいて睡眠の開始を検出するにあたり、以下の処理方法論を用いて実施することができる。これは、少なくとも患者が睡眠の開始に遷移するまで、呼吸単位で求めることができる。
１）睡眠−覚醒遷移インデックス（０に事前設定することができる）を導出する。
Ｉｆ（ＥＰＦＬ差特徴＞＝Ｔ１）ＯＲ（未処理睡眠状態スコア＞＝Ｔ２）ＴＨＥＮ（睡眠−覚醒遷移インデックスを１だけ増分する）
２）ＩＦ（睡眠−覚醒遷移インデックス＞＝Ｔ３）ＴＨＥＮ 睡眠開始＝１（すなわち、この睡眠開始インデックスは、睡眠状態検出モジュールを用いる人が夜の最初の睡眠期間に遷移したことを表すものと解釈することができる）。
【０１９０】
これらの実施形態では、Ｔ１閾値、Ｔ２閾値、及びＴ３閾値は、患者群の既知のデータを用いて経験的に決定することができる。これらの閾値は、特定の患者について決定し、装置内に設定することもできる。
【０１９１】
したがって、睡眠開始インデックスは、開始時等に事前設定（例えば、０に）されて、最初の睡眠の開始が発生していないことを表すバイナリスイッチ又はフラグとみなすことができる。この例では、インデックスが続けて１に設定される場合、検出器を用いる人は、睡眠中であるとみなすことができる（例えば、睡眠セッション（例えば、夜）の最初の睡眠開始））。その他の場合、患者は目覚め状態にあるとみなすことができる（例えば、検出器を用いる特定のセッションの最初の睡眠状態にまだなっていない）。このようにして、装置は、目覚め状態から睡眠状態への複数の遷移を有する一般的又は特定の治療セッションの睡眠の開始（睡眠への最初の遷移）を続く睡眠への遷移から区別するように構成することができる。
【０１９２】
Ｐ．呼吸治療装置
コントローラは、監視型装置又はデータ解析装置においてフィードバックなしで実施することができるが、上述したいくつかの実施形態は、フロー生成器を有するコントローラを実施することができる。例えば、図１１に示されるように、睡眠状態検出装置は、任意選択的に、そのような制御に適したセンサ（例えば、圧力センサ及び／又はフローセンサ１１０６）を有するサーボ制御されるブロワー等のフロー生成器１１１０を有して実施することができる。
【０１９３】
ＣＰＡＰ治療に関連付けられた治療圧力レベル等の呼吸治療又は圧力治療計画は、装置のコントローラにより送達することができる。そのような治療圧力レベルは、睡眠機能不全呼吸（ＳＤＢ）を有する患者の治療に適することができる、本明細書において上述した睡眠状態の検出に応答して自動的に調整することができる。他の圧力調整方式を実施することもできる。圧力は、マスク、カニューラ、及び供給管等の患者インターフェース１１０８を介して患者に送達することができる。
【０１９４】
この実施形態では、ディスプレイ１１２０が、睡眠状態検出装置１０２の筐体の外面に取り付けられる。この実施形態に示されるように、次に、コントローラ１０４をディスプレイと同じ筐体内に収容することができる。次に、装置のモジュールからの出力を任意選択的に、装置のディスプレイ１１２０上でユーザ若しくは臨床医に表示し、又はそうでなければ装置のメモリから他の装置、システム、若しくはコンピュータに転送することができる。したがって、次に、コントローラは、任意選択的に、例えば、有線通信ポート（例えば、イーサネット（登録商標）通信カード及び接続）（図示せず）又は無線通信ポート（例えば、ブルートゥース送受信機）（図示せず）を介した、他のコンピュータに基づくシステムとのインターネットを通じた通信を含め、他の外部機器と通信するように構成することもできる。
【０１９５】
Ｑ．コントローラ構造の例
コントローラ１０４のシステム構造の例を図１２のブロック図に示す。図では、睡眠状態検出装置１０２は、１つ以上のプログラム可能なプロセッサ１２０８を有する汎用コンピュータにより実施することができる。装置は、上述したようなモジュールからのデータ（例えば、睡眠状態、持続時間、睡眠品質インデックス、ＡＨＩ、漏れ検出データ、及び／又は安定性インデックス等）、本明細書において説明したような結果又はグラフをモニター又はＬＣＤパネル等のディスプレイに出力するディスプレイインターフェース１２１０を含むこともできる。上述したように、フロー生成器の治療を調整するか、データを入力するか、又は別の形で本明細書において説明される方法論を作動若しくは動作させるために、例えば、キーパッドや、タッチパネルや、制御ボタンや、マウス等のユーザ制御／入力インターフェース１２１４を含めることもできる。装置は、プログラミング命令、フローデータ、圧力データ、睡眠品質データ、睡眠状態データ、睡眠安定性データ、覚醒データ、及び上述したモジュールの他の出力若しくは入力等のデータを受信／送信するバス等のセンサ又はデータインターフェース１２１４も含みうる。
【０１９６】
装置は、上述した方法論及びモジュールの制御命令及びデータを含むメモリ／データ記憶構成要素１２２０も含む。例えば、１２２２において、メモリ／データ記憶構成要素１２２０は、測定及び／又は特徴抽出等のフロー信号処理のための記憶されたプロセッサ制御命令を含みうる。１２２４において、これらは、本明細書においてより詳細に考察されるフロー制限検出、ＡＨＩ検出、漏れ検出、覚醒検出、睡眠状態検出、睡眠安定性検出、及び／又は睡眠品質検出のための記憶されたプロセッサ制御命令を含むこともできる。１２２６において、メモリ／データ記憶構成要素１２２０は、フィードバック処理及び圧力制御調整等の呼吸治療制御のためのプロセッサ制御命令を含むこともできる。最後に、メモリ／データ記憶構成要素１２２０は、フローデータ、検出された呼吸特性、乱れデータ、検出された減呼吸及び無呼吸事象（ＡＨＩ）、睡眠状態、安定性及び覚醒の事象及びインデックス、睡眠期間時間、睡眠品質インデックス、患者特性、リポート、並びにグラフ等のこれらの方法論のための記憶データを１２２８において含むこともできる。
【０１９７】
いくつかの実施形態では、上述した方法論を制御するプロセッサ制御命令及びデータは、ソフトウェアが汎用コンピュータにロードされると、汎用コンピュータが本明細書において考察される任意の方法論に従って専用コンピュータとして機能することができるように、汎用コンピュータにより使用されるソフトウェアとしてコンピュータ可読記録媒体内に含みうる。
【０１９８】
上記説明及び添付図面において、特定の用語、等式、及び図面符号を記載して、本技術の全体的な理解を提供する。いくつかの場合、用語及び符号は、本技術の実施に要求されない特定の詳細を暗示することができる。例えば、検出方法論のプロセスステップは、或る順序で、特に離散したモジュールを参照して図に示されているが、そのような順序及びモジュール化は要求されない。そのような順序を変更することができ、かつ／又はその態様を並列に実行することもできることを当業者は認識するであろう。或るモジュールのいくつかの態様を他のモジュールのいくつかの態様と組み合わせて、本技術の離散した特徴を実施することができることを当業者は認識するであろう。さらに、システム全体を特に図１の実施形態を参照して説明したが、別個の特徴を他の呼吸治療及び／又は監視システムにおいて別個に、又は異なる組み合わせで実施することもできる。さらに、特定の値及び閾値を有する表を示したが、経験的データ及び／又は機械学習から決定することができる他の値を利用することもできることが理解されるであろう。
【０１９９】
したがって、本明細書における技術を特定の実施形態を参照して説明したが、これらの実施形態が本技術の原理及び用途の単なる例示であることが理解されよう。したがって、多くの変更を例示的な実施形態に行うことができること、並びに本技術の趣旨及び範囲から逸脱せずに他の構成を考案できることを理解されたい。
【特許請求の範囲】
【請求項１】
プロセッサを制御して、呼吸可能なガスの測定フローから睡眠状態を検出する方法であって、
呼吸フローの測定値から複数の呼吸特性を求めるステップと、
ノンレム睡眠状態及びレム睡眠状態を含む潜在的な睡眠状態から、前記求められた呼吸特性に基づく状態を検出するステップと、
前記検出された状態を示すステップと
を含んでなる、プロセッサを制御して、呼吸可能なガスの測定フローから睡眠状態を検出する方法。
【請求項２】
前記潜在的な睡眠状態は目覚め状態を更に含む、請求項１に記載の方法。
【請求項３】
前記レム睡眠状態は軽いレム状態であり、前記潜在的な睡眠状態は深いレム状態を更に含む、請求項２に記載の方法。
【請求項４】
前記プロセッサは、前記複数の呼吸特性からのデータを用いて、各潜在的な睡眠状態間の遷移を表す確率を計算することにより前記検出される状態を求め、前記計算された確率のうちの最も確からしい確率の関数として前記検出される状態を求める、請求項１に記載の方法。
【請求項５】
前記複数の呼吸特性は、吸気ピークフロー変動の測定値を含む、請求項１に記載の方法。
【請求項６】
前記複数の呼吸特性は、呼気ピークフロー変動の測定値を含む、請求項１に記載の方法。
【請求項７】
前記複数の呼吸特性は、呼気ピークフロー位置と呼気時間との比率の測定値を含む、請求項１に記載の方法。
【請求項８】
前記複数の呼吸特性は、呼気ピークフロー位置変動の測定値を含む、請求項１に記載の方法。
【請求項９】
前記複数の呼吸特性は、呼気ピークフローのエリアの測定値を含む、請求項１に記載の方法。
【請求項１０】
前記複数の呼吸特性は、呼気ピークフローのエリア変動の測定値を含む、請求項１に記載の方法。
【請求項１１】
前記複数の呼吸特性は、呼気ピークフローから吸気が開始するまでの時間の測定値を含む、請求項１に記載の方法。
【請求項１２】
前記複数の呼吸特性は、最後に確認された呼吸からの時間変動性の測定値を含む、請求項１に記載の方法。
【請求項１３】
前記複数の呼吸特性は、高呼吸頻度期間の測定値を含む、請求項１に記載の方法。
【請求項１４】
前記複数の呼吸特性は、吸気時間変動性の測定値を含む、請求項１に記載の方法。
【請求項１５】
前記複数の呼吸特性は、吸気ピークフロー変動の測定値を含む、請求項１に記載の方法。
【請求項１６】
前記複数の呼吸特性は、（ａ）呼気ピークフロー変動の測定値、（ｂ）呼気ピークフロー位置と呼気時間との比率の測定値、（ｃ）呼気ピークフロー位置変動の測定値、（ｄ）呼気ピークフローのエリアの測定値、（ｅ）呼気ピークフローのエリア変動の測定値、（ｆ）呼気ピークフローから吸気が開始するまでの時間の測定値、（ｇ）最後に確認された呼吸からの時間変動性の測定値、（ｈ）高呼吸頻度期間の測定値、及び（ｉ）吸気時間変動性の測定値のうちの２つ以上のセットを含む、請求項１に記載の方法。
【請求項１７】
プロセッサは、前記検出された状態に基づいて呼吸圧力治療計画を更に制御する、請求項１に記載の方法。
【請求項１８】
睡眠状態検出装置であって、
少なくとも１つのプロセッサを有して、呼吸可能なガスの測定フローを表すデータにアクセスするコントローラであって、
呼吸フローの測定値から複数の呼吸特性を求め、
前記求められた呼吸特性に基づいて、ノンレム睡眠状態及びレム睡眠状態を含む潜在的な睡眠状態から状態を検出し、
前記検出された状態を示すように更に構成される、コントローラ
を備える、睡眠状態の検出装置。
【請求項１９】
前記潜在的な睡眠状態は、目覚め状態を更に含む、請求項１８に記載の睡眠状態の検出装置。
【請求項２０】
前記レム睡眠状態は軽いレム状態であり、前記潜在的な睡眠状態は深いレム状態を更に含む、請求項１９に記載の睡眠状態の検出装置。
【請求項２１】
前記プロセッサは、前記複数の呼吸特性からのデータを用いて、各潜在的な睡眠状態間の遷移を表す確率を計算することにより前記検出される状態を求め、前記計算された確率のうちの最も確からしい確率の関数として前記検出される状態を求める、請求項１８に記載の睡眠状態の検出装置。
【請求項２２】
前記複数の呼吸特性は、吸気ピークフロー変動の測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項２３】
前記複数の呼吸特性は、呼気ピークフロー変動の測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項２４】
前記複数の呼吸特性は、呼気ピークフロー位置と呼気時間との比率の測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項２５】
前記複数の呼吸特性は、呼気ピークフロー位置変動の測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項２６】
前記複数の呼吸特性は、呼気ピークフローのエリアの測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項２７】
前記複数の呼吸特性は、呼気ピークフローのエリア変動の測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項２８】
前記複数の呼吸特性は、呼気ピークフローから吸気が開始するまでの時間の測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項２９】
前記複数の呼吸特性は、最後に確認された呼吸からの時間変動性の測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項３０】
前記複数の呼吸特性は、高呼吸頻度期間の測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項３１】
前記複数の呼吸特性は、吸気時間変動性の測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項３２】
前記複数の呼吸特性は、吸気ピークフロー変動の測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項３３】
前記複数の呼吸特性は、（ａ）呼気ピークフロー変動の測定値、（ｂ）呼気ピークフロー位置と呼気時間との比率の測定値、（ｃ）呼気ピークフロー位置変動の測定値、（ｄ）呼気ピークフローのエリアの測定値、（ｅ）呼気ピークフローのエリア変動の測定値、（ｆ）呼気ピークフローから吸気が開始するまでの時間の測定値、（ｇ）最後に確認された呼吸からの時間変動性の測定値、（ｈ）高呼吸頻度期間の測定値、及び（ｉ）吸気時間変動性の測定値のうちの２つ以上のセットを含む、請求項１８に記載の睡眠状態の検出装置。
【請求項３４】
呼吸可能なガスの流れを測定するフローセンサを更に備え、前記コントローラはプロセッサ制御されるフロー生成器を更に備え、該コントローラは、前記検出された状態に基づいて呼吸圧力治療計画を制御するように構成される、請求項１８に記載の睡眠状態の検出装置。
【請求項３５】
睡眠状態の検出システムであって、
呼吸可能なガスの測定フローを表すデータにアクセスし、呼吸フローの測定値から複数の呼吸特性を求める手段と、
前記求められた呼吸特性に基づいて、ノンレム睡眠状態及びレム睡眠状態を含む潜在的な睡眠状態から状態を検出する手段と、
前記検出された状態を示す手段と
を備える、睡眠状態の検出システム。
【請求項３６】
呼吸可能なガスの流れを測定する手段を更に備える、請求項３５に記載の睡眠状態の検出システム。
【請求項３７】
前記検出された状態に基づいて呼吸可能なガスの流れを生成するフロー生成手段を更に備える、請求項３６に記載の睡眠状態の検出システム。
【請求項３８】
プロセッサを制御して、呼吸可能なガスの測定フローから睡眠覚醒状態を分類する方法であって、該プロセッサの該方法は、
呼吸フローの測定値から複数の呼吸特性を求めるステップと、
前記複数の呼吸特性から、覚醒状態を示す乱れを検出するステップと、
前記乱れが非呼吸関連覚醒であるか否かを評価するステップと、
前記検出された乱れが、呼吸機能不全の症状以外の事象に基づく覚醒を表すことを示すステップと
を含む、プロセッサを制御して、呼吸可能なガスの測定フローから睡眠覚醒状態を分類する方法。
【請求項３９】
前記評価するステップは、呼吸フロー制限を示す測定値を求めることを含む、請求項３８に記載の方法。
【請求項４０】
前記評価するステップは、呼吸フロー制限がないことを検出することを更に含む、請求項３９に記載の方法。
【請求項４１】
前記呼吸フロー制限を示す測定値は、フロー平坦化の検出を含む、請求項４０に記載の方法。
【請求項４２】
前記複数の呼吸特性は、吸気ピークフローの或る割合に達するまでの時間の測定値を含む、請求項３８に記載の方法。
【請求項４３】
前記複数の呼吸特性は、吸気ピークフローの或る割合を超えるエリアの測定値を含む、請求項３８に記載の方法。
【請求項４４】
前記複数の呼吸特性は、吸気ピークフローの或る割合を超えるエリアの変動の測定値を含む、請求項３８に記載の方法。
【請求項４５】
前記複数の呼吸特性は、吸気ピークフローの或る割合から呼気ピークフローまでの時間の測定値を含む、請求項３８に記載の方法。
【請求項４６】
前記乱れが非呼吸関連覚醒であるか否かを評価するステップは、睡眠状態の検出に基づく、請求項３８に記載の方法。
【請求項４７】
前記評価するステップは、マスク漏れを検出し、それにより、マスク漏れに起因する覚醒を検出することを更に含む、請求項３８に記載の方法。
【請求項４８】
前記プロセッサは、前記乱れを示すステップに基づいて呼吸圧力治療計画を制御する、請求項３８に記載の方法。
【請求項４９】
前記示すステップは、周期的な四肢運動の発生を識別することを含む、請求項３８に記載の方法。
【請求項５０】
呼吸可能なガスの測定フローから睡眠覚醒状態を分類する装置であって、
少なくとも１つのプロセッサを有して、呼吸可能なガスの測定フローを表すデータにアクセスするコントローラであって、
前記測定フローを表すデータから複数の呼吸特性を求め、
前記複数の呼吸特性から、覚醒状態を示す乱れを検出し、
前記乱れが呼吸関連覚醒であるか否かを評価し、
前記検出された乱れが、呼吸機能不全の症状以外の事象に基づく覚醒を表すことを示すように更に構成される、コントローラ、
を備える、呼吸可能なガスの測定フローから睡眠覚醒状態を分類する装置。
【請求項５１】
前記評価は、呼吸フロー制限を示す測定値を求めることを含む、請求項５０に記載の装置。
【請求項５２】
前記評価は、呼吸フロー制限がないことを検出することを更に含む、請求項５１に記載の装置。
【請求項５３】
前記呼吸フロー制限を示す測定値は、フロー平坦化の検出を含む、請求項５２に記載の装置。
【請求項５４】
前記複数の呼吸特性は、吸気ピークフローの或る割合に達するまでの時間の測定値を含む、請求項５０に記載の装置。
【請求項５５】
前記複数の呼吸特性は、吸気ピークフローの或る割合を超えるエリアの測定値を含む、請求項５０に記載の装置。
【請求項５６】
前記複数の呼吸特性は、吸気ピークフローの或る割合を超えるエリアの変動の測定値を含む、請求項５０に記載の装置。
【請求項５７】
前記複数の呼吸特性は、吸気ピークフローの或る割合から呼気ピークフローまでの時間の測定値を含む、請求項５０に記載の装置。
【請求項５８】
前記乱れが非呼吸関連覚醒であるか否かを評価することは、睡眠状態の検出に基づく、請求項５０に記載の装置。
【請求項５９】
前記評価することは、マスク漏れを検出し、それにより、マスク漏れによる覚醒が検出されることを更に含む、請求項５０に記載の装置。
【請求項６０】
フロー生成器と、呼吸可能なガスの流れを測定するフローセンサとを更に備え、前記プロセッサは、前記検出された乱れを示すことに基づいて呼吸圧力治療計画を制御する、請求項５０に記載の装置。
【請求項６１】
前記コントローラは、周期的な四肢運動の発生を識別することにより前記検出された乱れを示す、請求項５０に記載の装置。
【請求項６２】
呼吸可能なガスの測定フローから睡眠覚醒状態を分類するシステムであって、
呼吸フローの測定値から複数の呼吸特性を求める手段と、
前記複数の呼吸特性から、覚醒状態を示す乱れを検出する手段と、
前記乱れが非呼吸関連覚醒であるか否かを評価する手段と、
前記検出される乱れが、呼吸機能不全の症状以外の事象に基づく覚醒を表すことを示す手段と
を備える、呼吸可能なガスの測定フローから睡眠覚醒状態を分類するシステム。
【請求項６３】
前記呼吸フローを測定する手段を更に備える、請求項６２に記載のシステム。
【請求項６４】
前記評価する手段の出力に基づいて、呼吸可能なガスの流れを生成するフロー生成手段を更に備える、請求項６３に記載のシステム。
【請求項６５】
プロセッサを制御して、呼吸可能なガスの測定フローから睡眠安定性を評価する方法であって、
呼吸フローの測定値から複数の呼吸特性を求めるステップと、
前記複数の呼吸特性から、覚醒状態を示す乱れを検出するステップと、
前記覚醒状態が睡眠を中断した度合いを示す、前記乱れの程度を求めるステップと、
前記乱れの程度を示すステップと
を含んでなる、プロセッサを制御して、呼吸可能なガスの測定フローから睡眠安定性を評価する方法。
【請求項６６】
前記乱れの程度を求めるステップは、前記乱れに起因する呼吸特性と前記乱れが発生する前のフローデータに起因する一般的な呼吸特性との比率を計算することを含み、前記フローデータは複数の呼吸サイクルを表す、請求項６５に記載の方法。
【請求項６７】
前記乱れに起因する呼吸特性は、（ａ）吸気ピークフローの或る割合に達するまでの時間の測定値、（ｂ）吸気ピークフローの或る割合を超えるエリアの測定値、（ｃ）吸気ピークフローの或る割合を超えるエリアの変動の測定値、及び（ｄ）吸気ピークフローの或る割合から呼気ピークフローまでの時間の測定値、のうちの少なくとも１つを含む、請求項６６に記載の方法。
【請求項６８】
前記乱れの程度を求めるステップは、前記乱れに起因する複数の呼吸特性の分散と、前記乱れが発生する前のフローデータに起因する一般的な複数の呼吸特性の分散との比率の平均を計算することを含み、前記フローデータは複数の呼吸サイクルを表す、請求項６５に記載の方法。
【請求項６９】
前記乱れの程度及び患者の特性データから自律神経活性化のレベルを求めるステップを更に含む、請求項６５に記載の方法。
【請求項７０】
前記自律神経活性化は、心拍変動性のデータ値及びパルス遷移時間のデータ値のうちの少なくとも一方を含む、請求項６９に記載の方法。
【請求項７１】
前記自律神経活性化のレベルを求めることは、心拍変動性の値及びパルス遷移時間の値のうちの少なくとも一方のデータ値を選択することを含み、前記選択することは、前記乱れの程度及び前記患者の特性データが索引付けられたデータ構造にアクセスすることを含む、請求項７０に記載の方法。
【請求項７２】
前記患者の特性データは、患者の年齢及び患者の体重のうちの少なくとも一方を含む、請求項７１に記載の方法。
【請求項７３】
前記プロセッサは、前記検出される乱れを示すステップに基づいて呼吸圧力治療計画を制御する、請求項６５に記載の方法。
【請求項７４】
呼吸可能なガスの測定フローから睡眠覚醒状態を分類する装置であって、
少なくとも１つのプロセッサを有して、呼吸可能なガスの測定フローを表すデータにアクセスするコントローラであって、
呼吸フローの測定値から複数の呼吸特性を求め、
前記複数の呼吸特性から、覚醒状態を示す乱れを検出し、
前記覚醒状態が睡眠を中断する程度を示す、前記乱れの程度を求め、
前記乱れの程度を示すように更に構成される、コントローラ
を備える、呼吸可能なガスの測定フローから睡眠覚醒状態を分類する装置。
【請求項７５】
前記乱れの程度を求めることは、前記乱れに起因する呼吸特性と前記乱れが発生する前のフローデータに起因する一般的な呼吸特性との比率を計算することを含み、前記フローデータは複数の呼吸サイクルを表す、請求項７４に記載の装置。
【請求項７６】
前記乱れに起因する呼吸特性は、（ａ）吸気ピークフローの或る割合に達するまでの時間の測定値、（ｂ）吸気ピークフローの或る割合を超えるエリアの測定値、（ｃ）吸気ピークフローの或る割合を超えるエリアの変動の測定値、及び（ｄ）吸気ピークフローの或る割合から呼気ピークフローまでの時間の測定値、のうちの少なくとも１つを含む、請求項７５に記載の装置。
【請求項７７】
前記乱れの程度を求めることは、前記乱れに起因する複数の呼吸特性の分散と、前記乱れが発生する前のフローデータに起因する一般的な複数の呼吸特性の分散との比率の平均を計算することを含み、前記フローデータは複数の呼吸サイクルを表す、請求項７４に記載の装置。
【請求項７８】
前記乱れの程度及び患者の特性データから自律神経活性化のレベルを求めることを更に含む、請求項７４に記載の装置。
【請求項７９】
前記自律神経活性化は、心拍変動性のデータ値及びパルス遷移時間のデータ値のうちの少なくとも一方を含む、請求項７８に記載の装置。
【請求項８０】
前記自律神経活性化のレベルを求めることは、心拍変動性の値及びパルス遷移時間の値のうちの少なくとも一方のデータ値を選択することを含み、前記選択することは、前記乱れの程度及び前記患者の特性データが索引付けられたデータ構造にアクセスすることを含む、請求項７９に記載の装置。
【請求項８１】
前記患者の特性データは、患者の年齢及び患者の体重のうちの少なくとも一方を含む、請求項８０に記載の装置。
【請求項８２】
フロー生成器と、呼吸可能なガスの流れを測定するフローセンサとを更に備え、前記プロセッサは、前記検出された乱れを示すことに基づいて呼吸圧力治療計画を制御する、請求項７４に記載の装置。
【請求項８３】
呼吸可能なガスの測定フローから睡眠覚醒状態を分類するシステムであって、
呼吸フローの測定値から複数の呼吸特性を求める手段と、
前記複数の呼吸特性から、覚醒状態を示す乱れを検出する手段と、
前記覚醒状態が睡眠を中断した度合いを示す、前記乱れの程度を求める手段と、
前記乱れの程度を示す手段と
を備える、システム。
【請求項８４】
前記呼吸フローを測定する手段を更に備える、請求項８３に記載のシステム。
【請求項８５】
前記求める手段の出力に基づいて、呼吸可能なガスの流れを生成するフロー生成手段を更に備える、請求項８４に記載のシステム。
【請求項８６】
プロセッサを制御して、呼吸可能なガスの測定フローから睡眠品質インジケータを求める方法であって、
呼吸フローの測定値から複数の呼吸特性を求めるステップと、
実質的に前記複数の呼吸特性に基づいて睡眠状態測定値を求めるステップと、
前記複数の呼吸特性から睡眠安定性測定値を求めるステップと、
前記睡眠状態測定値及び前記安定性測定値から睡眠品質インデックスを求めるステップと、
前記睡眠品質インデックスを示すステップと
を含んでなる、プロセッサを制御して、呼吸可能なガスの測定フローから睡眠品質インジケータを求める方法。
【請求項８７】
前記睡眠品質インデックスは、治療セッション中の睡眠時間と前記睡眠安定性測定値との比率の関数として導出される、請求項８６に記載の方法。
【請求項８８】
前記睡眠品質インデックスは、前記治療セッション中の目覚め期間の持続時間の関数として更に導出される、請求項８７に記載の方法。
【請求項８９】
前記睡眠状態測定値は、レム状態、ノンレム状態、及び目覚め状態のうちの少なくとも１つ、並びに前記睡眠状態測定値の持続時間の測定値を含む、請求項８６に記載の方法。
【請求項９０】
前記睡眠安定性測定値は、求められる流れの乱れ及び該流れの乱れの前のフローデータの関数として導出される、請求項８６に記載の方法。
【請求項９１】
前記睡眠安定性測定値を求めることは、前記流れの乱れに基づいて睡眠からの覚醒を検出することを更に含む、請求項９０に記載の方法。
【請求項９２】
前記睡眠品質インデックスは、フロー生成器により供給される治療を設定するフィードバック制御システムにおいて機能する、請求項９０に記載の方法。
【請求項９３】
呼吸可能なガスの測定フローから睡眠品質インジケータを求める装置であって、
少なくとも１つのプロセッサを有して、呼吸可能なガスの測定フローを表すデータにアクセスするコントローラであって、
呼吸フローの測定値から複数の呼吸特性を求め、
実質的に前記複数の呼吸特性に基づいて睡眠状態測定値を求め、
前記複数の呼吸特性から睡眠安定性測定値を求め、
前記睡眠状態測定値及び前記安定性測定値から睡眠品質インデックスを求め、
前記睡眠品質インデックスを示すように更に構成される、コントローラ
を備える、呼吸可能なガスの測定フローから睡眠品質インジケータを求める装置。
【請求項９４】
前記睡眠品質インデックスは、治療セッション中の睡眠時間と前記睡眠安定性測定値との比率の関数として導出される、請求項９３に記載の装置。
【請求項９５】
前記睡眠品質インデックスは、前記治療セッション中の目覚め期間の持続時間の関数として更に導出される、請求項９５に記載の装置。
【請求項９６】
前記睡眠状態測定値は、レム状態、ノンレム状態、及び目覚め状態のうちの少なくとも１つ、並びに前記睡眠状態測定値の持続時間の測定値を含む、請求項９３に記載の装置。
【請求項９７】
前記睡眠安定性測定値は、求められる流れの乱れ及び該流れの乱れの前のフローデータの関数として導出される、請求項９３に記載の装置。
【請求項９８】
前記睡眠安定性測定値を求めることは、前記流れの乱れに基づいて睡眠からの覚醒を検出することを更に含む、請求項９７に記載の装置。
【請求項９９】
フロー生成器及びフローセンサを更に備えて、呼吸可能なガスの流れを測定し、前記プロセッサは、前記検出される乱れを示すことに基づいて呼吸圧力治療計画を制御する、請求項９３に記載の装置。
【請求項１００】
前記睡眠品質インデックスは、フロー生成器により供給される治療を調整するフィードバック制御を実施する、請求項９３に記載の装置。
【請求項１０１】
呼吸可能なガスの測定フローから睡眠品質インジケータを求めるシステムであって、
呼吸フローの測定値から複数の呼吸特性を求める手段と、
実質的に前記複数の呼吸特性に基づいて睡眠状態測定値を求める手段と、
前記複数の呼吸特性から睡眠安定性測定値を求める手段と、
前記睡眠状態測定値及び前記安定性測定値から睡眠品質インデックスを求める手段と、
前記睡眠品質インデックスを示す手段と
を備える、呼吸可能なガスの測定フローから睡眠品質インジケータを求めるシステム。
【請求項１０２】
前記呼吸フローを測定する手段を更に備える、請求項１０１に記載のシステム。
【請求項１０３】
前記求める手段の出力に基づいて呼吸可能なガスの流れを生成するフロー生成手段を更に備える、請求項１０２に記載のシステム。
【請求項１０４】
前記睡眠品質インデックスは、フロー生成器により供給される治療を設定するフィードバック制御システムにおいて用いられる、請求項１０１に記載のシステム。
【請求項１０５】
周期的な呼吸を検出する方法であって、
呼吸フローの測定値から呼吸特性のセットを求めるステップと、
前記呼吸特性のセットを閾値処理するステップと、
前記閾値処理に基づいて周期的な呼吸状態を検出するステップと
を含む、周期的な呼吸を検出する方法。
【請求項１０６】
前記呼吸特性のセットは、吸気フロー曲線のエリアを含む、請求項１０５に記載の方法。
【請求項１０７】
前記呼吸特性のセットは、換気の測定値と呼吸時間との比率を含む、請求項１０６に記載の方法。
【請求項１０８】
カウンタの関数として前記周期的な呼吸状態を設定することを更に含む、請求項１０５に記載の方法。
【請求項１０９】
前記カウンタは処理された呼吸の数を表す、請求項１０７に記載の方法。
【請求項１１０】
周期的な呼吸を検出する装置であって、
呼吸フローの測定値から呼吸特性のセットを求めるように構成されたプロセッサを備えており、
前記プロセッサは、前記呼吸特性のセットを閾値処理し、該閾値処理に基づいて周期的な呼吸状態を検出するように更に構成される、周期的な呼吸を検出する装置。
【請求項１１１】
前記呼吸特性のセットは、吸気フロー曲線のエリアを含む、請求項１１０に記載の装置。
【請求項１１２】
前記呼吸特性のセットは、換気の測定値と呼吸時間との比率を含む、請求項１１０に記載の装置。
【請求項１１３】
カウンタの関数として前記周期的な呼吸状態を設定することを更に含む、請求項１１０に記載の装置。
【請求項１１４】
前記カウンタは処理された呼吸の数を表す、請求項１１３に記載の装置。
【請求項１１５】
睡眠の開始を検出する方法であって、
呼吸フローの測定値から呼吸特性のセットを求めるステップと、
前記呼吸特性のセットを閾値処理するステップと、
前記閾値処理に基づいて、睡眠状態スコアを求めるステップであって、該睡眠状態スコアは睡眠状態を示す、求めるステップと、
前記閾値処理及び前記求められた睡眠状態スコアの関数として睡眠の開始を検出するステップと
を含む、睡眠の開始を検出する方法。
【請求項１１６】
前記呼吸特性のセットは、求められた呼気ピークフロー位置の関数を含む、請求項１１５に記載の方法。
【請求項１１７】
前記関数は、（ａ）前記呼気ピークフロー位置と呼気時間との比率と、（ｂ）いくつかの呼吸にわたって求められる複数の前記比率の平均との差である、請求項１１６に記載の方法。
【請求項１１８】
前記検出するステップに基づいて、治療セッションの最初の睡眠期間への遷移を表す睡眠開始インデックスを出力するステップを更に含む、請求項１１５に記載の方法。
【請求項１１９】
睡眠開始を検出する装置であって、
呼吸フローの測定値から呼吸特性のセットを求めるように構成されたプロセッサを備えており、
前記プロセッサは、前記呼吸特性のセットを閾値処理し、該閾値処理に基づいて睡眠状態スコアを求め、該閾値処理及び該求められた睡眠状態スコアに基づいて睡眠開始状態を検出するように更に構成される、装置。
【請求項１２０】
前記呼吸特性のセットは、求められた呼気ピークフロー位置の関数を含む、請求項１１９に記載の装置。
【請求項１２１】
前記関数は、（ａ）前記呼気ピークフロー位置と呼気時間との比率と、（ｂ）いくつかの呼吸にわたって求められる複数の前記比率の平均との差である、請求項１２０に記載の装置。
【請求項１２２】
前記検出することに基づいて、治療セッションの最初の睡眠期間への遷移を表す睡眠開始インデックスを出力することを更に含む、請求項１１９に記載の装置。
【請求項１２３】
呼吸治療装置であって、
患者との境界面に対し大気圧よりも高い圧力で呼吸可能なガスの流れを生成するフロー生成器と、
患者の呼吸に起因する前記呼吸可能なガスの流れを測定するフローセンサと、
前記フロー生成器及び前記フローセンサに結合されたコントローラであって、実質的に前記フローセンサからの流れの測定値からのデータに基づいて複数の睡眠状態のうちの１つを検出するように構成され、該検出された睡眠状態に基づいて呼吸圧力治療計画を制御するように更に構成される、コントローラと
を備える、呼吸治療装置。
【請求項１２４】
前記呼吸圧力治療計画は、呼気圧力緩和制御を含み、前記コントローラは、前記複数の睡眠状態のうちの前記検出された１つが睡眠に起因する状態である場合、前記呼気圧力緩和の圧力低減量を低減する、請求項１２３に記載の装置。
【請求項１２５】
前記呼吸圧力治療計画は、呼気圧力緩和の制御を含み、前記コントローラは、前記複数の睡眠状態のうちの前記検出された１つが覚醒に起因する状態である場合、前記呼気圧力緩和の圧力低減量を増大させる、請求項１２３に記載の装置。
【請求項１２６】
前記呼吸圧力治療計画は、前記流れの測定値のデータから事象を検出することを含み、前記事象は無呼吸及び減呼吸のうちの少なくとも一方を含み、前記事象は、前記複数の睡眠状態のうちの前記検出された１つが睡眠に起因する状態である場合、スコア付けされる、請求項１２３に記載の装置。
【請求項１２７】
検出された事象は、検出された睡眠状態に関連付けて別個に報告される、請求項１２３に記載の装置。
【請求項１２８】
前記呼吸圧力治療計画は、治療圧力レベルの自動調整を含み、前記コントローラは、呼吸異常の検出に応答して前記治療圧力レベルを増大させ、睡眠安定性インデックスと閾値との比較に応答して、前記治療圧力レベルを低減させる、請求項１２３に記載の装置。
【請求項１２９】
前記呼吸圧力治療計画は、流れの測定値からの心臓性フローの検出を含み、前記複数の睡眠状態のうちの前記検出された１つが睡眠に起因する状態である場合、前記心臓性フローの検出は制御される、請求項１２３に記載の装置。
【請求項１３０】
前記呼吸圧力治療計画は、心臓性フローの存在の前記検出に基づいて中枢的な無呼吸の検出を含む、請求項１２９に記載の装置。
【請求項１３１】
前記複数の睡眠状態のうちの前記検出された１つはノンレム状態である、請求項１２９に記載の装置。
【請求項１】
プロセッサを制御して、呼吸可能なガスの測定フローから睡眠状態を検出する方法であって、
呼吸フローの測定値から複数の呼吸特性を求めるステップと、
ノンレム睡眠状態及びレム睡眠状態を含む潜在的な睡眠状態から、前記求められた呼吸特性に基づく状態を検出するステップと、
前記検出された状態を示すステップと
を含んでなる、プロセッサを制御して、呼吸可能なガスの測定フローから睡眠状態を検出する方法。
【請求項２】
前記潜在的な睡眠状態は目覚め状態を更に含む、請求項１に記載の方法。
【請求項３】
前記レム睡眠状態は軽いレム状態であり、前記潜在的な睡眠状態は深いレム状態を更に含む、請求項２に記載の方法。
【請求項４】
前記プロセッサは、前記複数の呼吸特性からのデータを用いて、各潜在的な睡眠状態間の遷移を表す確率を計算することにより前記検出される状態を求め、前記計算された確率のうちの最も確からしい確率の関数として前記検出される状態を求める、請求項１に記載の方法。
【請求項５】
前記複数の呼吸特性は、吸気ピークフロー変動の測定値を含む、請求項１に記載の方法。
【請求項６】
前記複数の呼吸特性は、呼気ピークフロー変動の測定値を含む、請求項１に記載の方法。
【請求項７】
前記複数の呼吸特性は、呼気ピークフロー位置と呼気時間との比率の測定値を含む、請求項１に記載の方法。
【請求項８】
前記複数の呼吸特性は、呼気ピークフロー位置変動の測定値を含む、請求項１に記載の方法。
【請求項９】
前記複数の呼吸特性は、呼気ピークフローのエリアの測定値を含む、請求項１に記載の方法。
【請求項１０】
前記複数の呼吸特性は、呼気ピークフローのエリア変動の測定値を含む、請求項１に記載の方法。
【請求項１１】
前記複数の呼吸特性は、呼気ピークフローから吸気が開始するまでの時間の測定値を含む、請求項１に記載の方法。
【請求項１２】
前記複数の呼吸特性は、最後に確認された呼吸からの時間変動性の測定値を含む、請求項１に記載の方法。
【請求項１３】
前記複数の呼吸特性は、高呼吸頻度期間の測定値を含む、請求項１に記載の方法。
【請求項１４】
前記複数の呼吸特性は、吸気時間変動性の測定値を含む、請求項１に記載の方法。
【請求項１５】
前記複数の呼吸特性は、吸気ピークフロー変動の測定値を含む、請求項１に記載の方法。
【請求項１６】
前記複数の呼吸特性は、（ａ）呼気ピークフロー変動の測定値、（ｂ）呼気ピークフロー位置と呼気時間との比率の測定値、（ｃ）呼気ピークフロー位置変動の測定値、（ｄ）呼気ピークフローのエリアの測定値、（ｅ）呼気ピークフローのエリア変動の測定値、（ｆ）呼気ピークフローから吸気が開始するまでの時間の測定値、（ｇ）最後に確認された呼吸からの時間変動性の測定値、（ｈ）高呼吸頻度期間の測定値、及び（ｉ）吸気時間変動性の測定値のうちの２つ以上のセットを含む、請求項１に記載の方法。
【請求項１７】
プロセッサは、前記検出された状態に基づいて呼吸圧力治療計画を更に制御する、請求項１に記載の方法。
【請求項１８】
睡眠状態検出装置であって、
少なくとも１つのプロセッサを有して、呼吸可能なガスの測定フローを表すデータにアクセスするコントローラであって、
呼吸フローの測定値から複数の呼吸特性を求め、
前記求められた呼吸特性に基づいて、ノンレム睡眠状態及びレム睡眠状態を含む潜在的な睡眠状態から状態を検出し、
前記検出された状態を示すように更に構成される、コントローラ
を備える、睡眠状態の検出装置。
【請求項１９】
前記潜在的な睡眠状態は、目覚め状態を更に含む、請求項１８に記載の睡眠状態の検出装置。
【請求項２０】
前記レム睡眠状態は軽いレム状態であり、前記潜在的な睡眠状態は深いレム状態を更に含む、請求項１９に記載の睡眠状態の検出装置。
【請求項２１】
前記プロセッサは、前記複数の呼吸特性からのデータを用いて、各潜在的な睡眠状態間の遷移を表す確率を計算することにより前記検出される状態を求め、前記計算された確率のうちの最も確からしい確率の関数として前記検出される状態を求める、請求項１８に記載の睡眠状態の検出装置。
【請求項２２】
前記複数の呼吸特性は、吸気ピークフロー変動の測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項２３】
前記複数の呼吸特性は、呼気ピークフロー変動の測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項２４】
前記複数の呼吸特性は、呼気ピークフロー位置と呼気時間との比率の測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項２５】
前記複数の呼吸特性は、呼気ピークフロー位置変動の測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項２６】
前記複数の呼吸特性は、呼気ピークフローのエリアの測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項２７】
前記複数の呼吸特性は、呼気ピークフローのエリア変動の測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項２８】
前記複数の呼吸特性は、呼気ピークフローから吸気が開始するまでの時間の測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項２９】
前記複数の呼吸特性は、最後に確認された呼吸からの時間変動性の測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項３０】
前記複数の呼吸特性は、高呼吸頻度期間の測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項３１】
前記複数の呼吸特性は、吸気時間変動性の測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項３２】
前記複数の呼吸特性は、吸気ピークフロー変動の測定値を含む、請求項１８に記載の睡眠状態の検出装置。
【請求項３３】
前記複数の呼吸特性は、（ａ）呼気ピークフロー変動の測定値、（ｂ）呼気ピークフロー位置と呼気時間との比率の測定値、（ｃ）呼気ピークフロー位置変動の測定値、（ｄ）呼気ピークフローのエリアの測定値、（ｅ）呼気ピークフローのエリア変動の測定値、（ｆ）呼気ピークフローから吸気が開始するまでの時間の測定値、（ｇ）最後に確認された呼吸からの時間変動性の測定値、（ｈ）高呼吸頻度期間の測定値、及び（ｉ）吸気時間変動性の測定値のうちの２つ以上のセットを含む、請求項１８に記載の睡眠状態の検出装置。
【請求項３４】
呼吸可能なガスの流れを測定するフローセンサを更に備え、前記コントローラはプロセッサ制御されるフロー生成器を更に備え、該コントローラは、前記検出された状態に基づいて呼吸圧力治療計画を制御するように構成される、請求項１８に記載の睡眠状態の検出装置。
【請求項３５】
睡眠状態の検出システムであって、
呼吸可能なガスの測定フローを表すデータにアクセスし、呼吸フローの測定値から複数の呼吸特性を求める手段と、
前記求められた呼吸特性に基づいて、ノンレム睡眠状態及びレム睡眠状態を含む潜在的な睡眠状態から状態を検出する手段と、
前記検出された状態を示す手段と
を備える、睡眠状態の検出システム。
【請求項３６】
呼吸可能なガスの流れを測定する手段を更に備える、請求項３５に記載の睡眠状態の検出システム。
【請求項３７】
前記検出された状態に基づいて呼吸可能なガスの流れを生成するフロー生成手段を更に備える、請求項３６に記載の睡眠状態の検出システム。
【請求項３８】
プロセッサを制御して、呼吸可能なガスの測定フローから睡眠覚醒状態を分類する方法であって、該プロセッサの該方法は、
呼吸フローの測定値から複数の呼吸特性を求めるステップと、
前記複数の呼吸特性から、覚醒状態を示す乱れを検出するステップと、
前記乱れが非呼吸関連覚醒であるか否かを評価するステップと、
前記検出された乱れが、呼吸機能不全の症状以外の事象に基づく覚醒を表すことを示すステップと
を含む、プロセッサを制御して、呼吸可能なガスの測定フローから睡眠覚醒状態を分類する方法。
【請求項３９】
前記評価するステップは、呼吸フロー制限を示す測定値を求めることを含む、請求項３８に記載の方法。
【請求項４０】
前記評価するステップは、呼吸フロー制限がないことを検出することを更に含む、請求項３９に記載の方法。
【請求項４１】
前記呼吸フロー制限を示す測定値は、フロー平坦化の検出を含む、請求項４０に記載の方法。
【請求項４２】
前記複数の呼吸特性は、吸気ピークフローの或る割合に達するまでの時間の測定値を含む、請求項３８に記載の方法。
【請求項４３】
前記複数の呼吸特性は、吸気ピークフローの或る割合を超えるエリアの測定値を含む、請求項３８に記載の方法。
【請求項４４】
前記複数の呼吸特性は、吸気ピークフローの或る割合を超えるエリアの変動の測定値を含む、請求項３８に記載の方法。
【請求項４５】
前記複数の呼吸特性は、吸気ピークフローの或る割合から呼気ピークフローまでの時間の測定値を含む、請求項３８に記載の方法。
【請求項４６】
前記乱れが非呼吸関連覚醒であるか否かを評価するステップは、睡眠状態の検出に基づく、請求項３８に記載の方法。
【請求項４７】
前記評価するステップは、マスク漏れを検出し、それにより、マスク漏れに起因する覚醒を検出することを更に含む、請求項３８に記載の方法。
【請求項４８】
前記プロセッサは、前記乱れを示すステップに基づいて呼吸圧力治療計画を制御する、請求項３８に記載の方法。
【請求項４９】
前記示すステップは、周期的な四肢運動の発生を識別することを含む、請求項３８に記載の方法。
【請求項５０】
呼吸可能なガスの測定フローから睡眠覚醒状態を分類する装置であって、
少なくとも１つのプロセッサを有して、呼吸可能なガスの測定フローを表すデータにアクセスするコントローラであって、
前記測定フローを表すデータから複数の呼吸特性を求め、
前記複数の呼吸特性から、覚醒状態を示す乱れを検出し、
前記乱れが呼吸関連覚醒であるか否かを評価し、
前記検出された乱れが、呼吸機能不全の症状以外の事象に基づく覚醒を表すことを示すように更に構成される、コントローラ、
を備える、呼吸可能なガスの測定フローから睡眠覚醒状態を分類する装置。
【請求項５１】
前記評価は、呼吸フロー制限を示す測定値を求めることを含む、請求項５０に記載の装置。
【請求項５２】
前記評価は、呼吸フロー制限がないことを検出することを更に含む、請求項５１に記載の装置。
【請求項５３】
前記呼吸フロー制限を示す測定値は、フロー平坦化の検出を含む、請求項５２に記載の装置。
【請求項５４】
前記複数の呼吸特性は、吸気ピークフローの或る割合に達するまでの時間の測定値を含む、請求項５０に記載の装置。
【請求項５５】
前記複数の呼吸特性は、吸気ピークフローの或る割合を超えるエリアの測定値を含む、請求項５０に記載の装置。
【請求項５６】
前記複数の呼吸特性は、吸気ピークフローの或る割合を超えるエリアの変動の測定値を含む、請求項５０に記載の装置。
【請求項５７】
前記複数の呼吸特性は、吸気ピークフローの或る割合から呼気ピークフローまでの時間の測定値を含む、請求項５０に記載の装置。
【請求項５８】
前記乱れが非呼吸関連覚醒であるか否かを評価することは、睡眠状態の検出に基づく、請求項５０に記載の装置。
【請求項５９】
前記評価することは、マスク漏れを検出し、それにより、マスク漏れによる覚醒が検出されることを更に含む、請求項５０に記載の装置。
【請求項６０】
フロー生成器と、呼吸可能なガスの流れを測定するフローセンサとを更に備え、前記プロセッサは、前記検出された乱れを示すことに基づいて呼吸圧力治療計画を制御する、請求項５０に記載の装置。
【請求項６１】
前記コントローラは、周期的な四肢運動の発生を識別することにより前記検出された乱れを示す、請求項５０に記載の装置。
【請求項６２】
呼吸可能なガスの測定フローから睡眠覚醒状態を分類するシステムであって、
呼吸フローの測定値から複数の呼吸特性を求める手段と、
前記複数の呼吸特性から、覚醒状態を示す乱れを検出する手段と、
前記乱れが非呼吸関連覚醒であるか否かを評価する手段と、
前記検出される乱れが、呼吸機能不全の症状以外の事象に基づく覚醒を表すことを示す手段と
を備える、呼吸可能なガスの測定フローから睡眠覚醒状態を分類するシステム。
【請求項６３】
前記呼吸フローを測定する手段を更に備える、請求項６２に記載のシステム。
【請求項６４】
前記評価する手段の出力に基づいて、呼吸可能なガスの流れを生成するフロー生成手段を更に備える、請求項６３に記載のシステム。
【請求項６５】
プロセッサを制御して、呼吸可能なガスの測定フローから睡眠安定性を評価する方法であって、
呼吸フローの測定値から複数の呼吸特性を求めるステップと、
前記複数の呼吸特性から、覚醒状態を示す乱れを検出するステップと、
前記覚醒状態が睡眠を中断した度合いを示す、前記乱れの程度を求めるステップと、
前記乱れの程度を示すステップと
を含んでなる、プロセッサを制御して、呼吸可能なガスの測定フローから睡眠安定性を評価する方法。
【請求項６６】
前記乱れの程度を求めるステップは、前記乱れに起因する呼吸特性と前記乱れが発生する前のフローデータに起因する一般的な呼吸特性との比率を計算することを含み、前記フローデータは複数の呼吸サイクルを表す、請求項６５に記載の方法。
【請求項６７】
前記乱れに起因する呼吸特性は、（ａ）吸気ピークフローの或る割合に達するまでの時間の測定値、（ｂ）吸気ピークフローの或る割合を超えるエリアの測定値、（ｃ）吸気ピークフローの或る割合を超えるエリアの変動の測定値、及び（ｄ）吸気ピークフローの或る割合から呼気ピークフローまでの時間の測定値、のうちの少なくとも１つを含む、請求項６６に記載の方法。
【請求項６８】
前記乱れの程度を求めるステップは、前記乱れに起因する複数の呼吸特性の分散と、前記乱れが発生する前のフローデータに起因する一般的な複数の呼吸特性の分散との比率の平均を計算することを含み、前記フローデータは複数の呼吸サイクルを表す、請求項６５に記載の方法。
【請求項６９】
前記乱れの程度及び患者の特性データから自律神経活性化のレベルを求めるステップを更に含む、請求項６５に記載の方法。
【請求項７０】
前記自律神経活性化は、心拍変動性のデータ値及びパルス遷移時間のデータ値のうちの少なくとも一方を含む、請求項６９に記載の方法。
【請求項７１】
前記自律神経活性化のレベルを求めることは、心拍変動性の値及びパルス遷移時間の値のうちの少なくとも一方のデータ値を選択することを含み、前記選択することは、前記乱れの程度及び前記患者の特性データが索引付けられたデータ構造にアクセスすることを含む、請求項７０に記載の方法。
【請求項７２】
前記患者の特性データは、患者の年齢及び患者の体重のうちの少なくとも一方を含む、請求項７１に記載の方法。
【請求項７３】
前記プロセッサは、前記検出される乱れを示すステップに基づいて呼吸圧力治療計画を制御する、請求項６５に記載の方法。
【請求項７４】
呼吸可能なガスの測定フローから睡眠覚醒状態を分類する装置であって、
少なくとも１つのプロセッサを有して、呼吸可能なガスの測定フローを表すデータにアクセスするコントローラであって、
呼吸フローの測定値から複数の呼吸特性を求め、
前記複数の呼吸特性から、覚醒状態を示す乱れを検出し、
前記覚醒状態が睡眠を中断する程度を示す、前記乱れの程度を求め、
前記乱れの程度を示すように更に構成される、コントローラ
を備える、呼吸可能なガスの測定フローから睡眠覚醒状態を分類する装置。
【請求項７５】
前記乱れの程度を求めることは、前記乱れに起因する呼吸特性と前記乱れが発生する前のフローデータに起因する一般的な呼吸特性との比率を計算することを含み、前記フローデータは複数の呼吸サイクルを表す、請求項７４に記載の装置。
【請求項７６】
前記乱れに起因する呼吸特性は、（ａ）吸気ピークフローの或る割合に達するまでの時間の測定値、（ｂ）吸気ピークフローの或る割合を超えるエリアの測定値、（ｃ）吸気ピークフローの或る割合を超えるエリアの変動の測定値、及び（ｄ）吸気ピークフローの或る割合から呼気ピークフローまでの時間の測定値、のうちの少なくとも１つを含む、請求項７５に記載の装置。
【請求項７７】
前記乱れの程度を求めることは、前記乱れに起因する複数の呼吸特性の分散と、前記乱れが発生する前のフローデータに起因する一般的な複数の呼吸特性の分散との比率の平均を計算することを含み、前記フローデータは複数の呼吸サイクルを表す、請求項７４に記載の装置。
【請求項７８】
前記乱れの程度及び患者の特性データから自律神経活性化のレベルを求めることを更に含む、請求項７４に記載の装置。
【請求項７９】
前記自律神経活性化は、心拍変動性のデータ値及びパルス遷移時間のデータ値のうちの少なくとも一方を含む、請求項７８に記載の装置。
【請求項８０】
前記自律神経活性化のレベルを求めることは、心拍変動性の値及びパルス遷移時間の値のうちの少なくとも一方のデータ値を選択することを含み、前記選択することは、前記乱れの程度及び前記患者の特性データが索引付けられたデータ構造にアクセスすることを含む、請求項７９に記載の装置。
【請求項８１】
前記患者の特性データは、患者の年齢及び患者の体重のうちの少なくとも一方を含む、請求項８０に記載の装置。
【請求項８２】
フロー生成器と、呼吸可能なガスの流れを測定するフローセンサとを更に備え、前記プロセッサは、前記検出された乱れを示すことに基づいて呼吸圧力治療計画を制御する、請求項７４に記載の装置。
【請求項８３】
呼吸可能なガスの測定フローから睡眠覚醒状態を分類するシステムであって、
呼吸フローの測定値から複数の呼吸特性を求める手段と、
前記複数の呼吸特性から、覚醒状態を示す乱れを検出する手段と、
前記覚醒状態が睡眠を中断した度合いを示す、前記乱れの程度を求める手段と、
前記乱れの程度を示す手段と
を備える、システム。
【請求項８４】
前記呼吸フローを測定する手段を更に備える、請求項８３に記載のシステム。
【請求項８５】
前記求める手段の出力に基づいて、呼吸可能なガスの流れを生成するフロー生成手段を更に備える、請求項８４に記載のシステム。
【請求項８６】
プロセッサを制御して、呼吸可能なガスの測定フローから睡眠品質インジケータを求める方法であって、
呼吸フローの測定値から複数の呼吸特性を求めるステップと、
実質的に前記複数の呼吸特性に基づいて睡眠状態測定値を求めるステップと、
前記複数の呼吸特性から睡眠安定性測定値を求めるステップと、
前記睡眠状態測定値及び前記安定性測定値から睡眠品質インデックスを求めるステップと、
前記睡眠品質インデックスを示すステップと
を含んでなる、プロセッサを制御して、呼吸可能なガスの測定フローから睡眠品質インジケータを求める方法。
【請求項８７】
前記睡眠品質インデックスは、治療セッション中の睡眠時間と前記睡眠安定性測定値との比率の関数として導出される、請求項８６に記載の方法。
【請求項８８】
前記睡眠品質インデックスは、前記治療セッション中の目覚め期間の持続時間の関数として更に導出される、請求項８７に記載の方法。
【請求項８９】
前記睡眠状態測定値は、レム状態、ノンレム状態、及び目覚め状態のうちの少なくとも１つ、並びに前記睡眠状態測定値の持続時間の測定値を含む、請求項８６に記載の方法。
【請求項９０】
前記睡眠安定性測定値は、求められる流れの乱れ及び該流れの乱れの前のフローデータの関数として導出される、請求項８６に記載の方法。
【請求項９１】
前記睡眠安定性測定値を求めることは、前記流れの乱れに基づいて睡眠からの覚醒を検出することを更に含む、請求項９０に記載の方法。
【請求項９２】
前記睡眠品質インデックスは、フロー生成器により供給される治療を設定するフィードバック制御システムにおいて機能する、請求項９０に記載の方法。
【請求項９３】
呼吸可能なガスの測定フローから睡眠品質インジケータを求める装置であって、
少なくとも１つのプロセッサを有して、呼吸可能なガスの測定フローを表すデータにアクセスするコントローラであって、
呼吸フローの測定値から複数の呼吸特性を求め、
実質的に前記複数の呼吸特性に基づいて睡眠状態測定値を求め、
前記複数の呼吸特性から睡眠安定性測定値を求め、
前記睡眠状態測定値及び前記安定性測定値から睡眠品質インデックスを求め、
前記睡眠品質インデックスを示すように更に構成される、コントローラ
を備える、呼吸可能なガスの測定フローから睡眠品質インジケータを求める装置。
【請求項９４】
前記睡眠品質インデックスは、治療セッション中の睡眠時間と前記睡眠安定性測定値との比率の関数として導出される、請求項９３に記載の装置。
【請求項９５】
前記睡眠品質インデックスは、前記治療セッション中の目覚め期間の持続時間の関数として更に導出される、請求項９５に記載の装置。
【請求項９６】
前記睡眠状態測定値は、レム状態、ノンレム状態、及び目覚め状態のうちの少なくとも１つ、並びに前記睡眠状態測定値の持続時間の測定値を含む、請求項９３に記載の装置。
【請求項９７】
前記睡眠安定性測定値は、求められる流れの乱れ及び該流れの乱れの前のフローデータの関数として導出される、請求項９３に記載の装置。
【請求項９８】
前記睡眠安定性測定値を求めることは、前記流れの乱れに基づいて睡眠からの覚醒を検出することを更に含む、請求項９７に記載の装置。
【請求項９９】
フロー生成器及びフローセンサを更に備えて、呼吸可能なガスの流れを測定し、前記プロセッサは、前記検出される乱れを示すことに基づいて呼吸圧力治療計画を制御する、請求項９３に記載の装置。
【請求項１００】
前記睡眠品質インデックスは、フロー生成器により供給される治療を調整するフィードバック制御を実施する、請求項９３に記載の装置。
【請求項１０１】
呼吸可能なガスの測定フローから睡眠品質インジケータを求めるシステムであって、
呼吸フローの測定値から複数の呼吸特性を求める手段と、
実質的に前記複数の呼吸特性に基づいて睡眠状態測定値を求める手段と、
前記複数の呼吸特性から睡眠安定性測定値を求める手段と、
前記睡眠状態測定値及び前記安定性測定値から睡眠品質インデックスを求める手段と、
前記睡眠品質インデックスを示す手段と
を備える、呼吸可能なガスの測定フローから睡眠品質インジケータを求めるシステム。
【請求項１０２】
前記呼吸フローを測定する手段を更に備える、請求項１０１に記載のシステム。
【請求項１０３】
前記求める手段の出力に基づいて呼吸可能なガスの流れを生成するフロー生成手段を更に備える、請求項１０２に記載のシステム。
【請求項１０４】
前記睡眠品質インデックスは、フロー生成器により供給される治療を設定するフィードバック制御システムにおいて用いられる、請求項１０１に記載のシステム。
【請求項１０５】
周期的な呼吸を検出する方法であって、
呼吸フローの測定値から呼吸特性のセットを求めるステップと、
前記呼吸特性のセットを閾値処理するステップと、
前記閾値処理に基づいて周期的な呼吸状態を検出するステップと
を含む、周期的な呼吸を検出する方法。
【請求項１０６】
前記呼吸特性のセットは、吸気フロー曲線のエリアを含む、請求項１０５に記載の方法。
【請求項１０７】
前記呼吸特性のセットは、換気の測定値と呼吸時間との比率を含む、請求項１０６に記載の方法。
【請求項１０８】
カウンタの関数として前記周期的な呼吸状態を設定することを更に含む、請求項１０５に記載の方法。
【請求項１０９】
前記カウンタは処理された呼吸の数を表す、請求項１０７に記載の方法。
【請求項１１０】
周期的な呼吸を検出する装置であって、
呼吸フローの測定値から呼吸特性のセットを求めるように構成されたプロセッサを備えており、
前記プロセッサは、前記呼吸特性のセットを閾値処理し、該閾値処理に基づいて周期的な呼吸状態を検出するように更に構成される、周期的な呼吸を検出する装置。
【請求項１１１】
前記呼吸特性のセットは、吸気フロー曲線のエリアを含む、請求項１１０に記載の装置。
【請求項１１２】
前記呼吸特性のセットは、換気の測定値と呼吸時間との比率を含む、請求項１１０に記載の装置。
【請求項１１３】
カウンタの関数として前記周期的な呼吸状態を設定することを更に含む、請求項１１０に記載の装置。
【請求項１１４】
前記カウンタは処理された呼吸の数を表す、請求項１１３に記載の装置。
【請求項１１５】
睡眠の開始を検出する方法であって、
呼吸フローの測定値から呼吸特性のセットを求めるステップと、
前記呼吸特性のセットを閾値処理するステップと、
前記閾値処理に基づいて、睡眠状態スコアを求めるステップであって、該睡眠状態スコアは睡眠状態を示す、求めるステップと、
前記閾値処理及び前記求められた睡眠状態スコアの関数として睡眠の開始を検出するステップと
を含む、睡眠の開始を検出する方法。
【請求項１１６】
前記呼吸特性のセットは、求められた呼気ピークフロー位置の関数を含む、請求項１１５に記載の方法。
【請求項１１７】
前記関数は、（ａ）前記呼気ピークフロー位置と呼気時間との比率と、（ｂ）いくつかの呼吸にわたって求められる複数の前記比率の平均との差である、請求項１１６に記載の方法。
【請求項１１８】
前記検出するステップに基づいて、治療セッションの最初の睡眠期間への遷移を表す睡眠開始インデックスを出力するステップを更に含む、請求項１１５に記載の方法。
【請求項１１９】
睡眠開始を検出する装置であって、
呼吸フローの測定値から呼吸特性のセットを求めるように構成されたプロセッサを備えており、
前記プロセッサは、前記呼吸特性のセットを閾値処理し、該閾値処理に基づいて睡眠状態スコアを求め、該閾値処理及び該求められた睡眠状態スコアに基づいて睡眠開始状態を検出するように更に構成される、装置。
【請求項１２０】
前記呼吸特性のセットは、求められた呼気ピークフロー位置の関数を含む、請求項１１９に記載の装置。
【請求項１２１】
前記関数は、（ａ）前記呼気ピークフロー位置と呼気時間との比率と、（ｂ）いくつかの呼吸にわたって求められる複数の前記比率の平均との差である、請求項１２０に記載の装置。
【請求項１２２】
前記検出することに基づいて、治療セッションの最初の睡眠期間への遷移を表す睡眠開始インデックスを出力することを更に含む、請求項１１９に記載の装置。
【請求項１２３】
呼吸治療装置であって、
患者との境界面に対し大気圧よりも高い圧力で呼吸可能なガスの流れを生成するフロー生成器と、
患者の呼吸に起因する前記呼吸可能なガスの流れを測定するフローセンサと、
前記フロー生成器及び前記フローセンサに結合されたコントローラであって、実質的に前記フローセンサからの流れの測定値からのデータに基づいて複数の睡眠状態のうちの１つを検出するように構成され、該検出された睡眠状態に基づいて呼吸圧力治療計画を制御するように更に構成される、コントローラと
を備える、呼吸治療装置。
【請求項１２４】
前記呼吸圧力治療計画は、呼気圧力緩和制御を含み、前記コントローラは、前記複数の睡眠状態のうちの前記検出された１つが睡眠に起因する状態である場合、前記呼気圧力緩和の圧力低減量を低減する、請求項１２３に記載の装置。
【請求項１２５】
前記呼吸圧力治療計画は、呼気圧力緩和の制御を含み、前記コントローラは、前記複数の睡眠状態のうちの前記検出された１つが覚醒に起因する状態である場合、前記呼気圧力緩和の圧力低減量を増大させる、請求項１２３に記載の装置。
【請求項１２６】
前記呼吸圧力治療計画は、前記流れの測定値のデータから事象を検出することを含み、前記事象は無呼吸及び減呼吸のうちの少なくとも一方を含み、前記事象は、前記複数の睡眠状態のうちの前記検出された１つが睡眠に起因する状態である場合、スコア付けされる、請求項１２３に記載の装置。
【請求項１２７】
検出された事象は、検出された睡眠状態に関連付けて別個に報告される、請求項１２３に記載の装置。
【請求項１２８】
前記呼吸圧力治療計画は、治療圧力レベルの自動調整を含み、前記コントローラは、呼吸異常の検出に応答して前記治療圧力レベルを増大させ、睡眠安定性インデックスと閾値との比較に応答して、前記治療圧力レベルを低減させる、請求項１２３に記載の装置。
【請求項１２９】
前記呼吸圧力治療計画は、流れの測定値からの心臓性フローの検出を含み、前記複数の睡眠状態のうちの前記検出された１つが睡眠に起因する状態である場合、前記心臓性フローの検出は制御される、請求項１２３に記載の装置。
【請求項１３０】
前記呼吸圧力治療計画は、心臓性フローの存在の前記検出に基づいて中枢的な無呼吸の検出を含む、請求項１２９に記載の装置。
【請求項１３１】
前記複数の睡眠状態のうちの前記検出された１つはノンレム状態である、請求項１２９に記載の装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２３−Ａ】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２３−Ａ】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【公表番号】特表２０１２−５３２７０３（Ｐ２０１２−５３２７０３Ａ）
【公表日】平成２４年１２月２０日（２０１２．１２．２０）
【国際特許分類】
【出願番号】特願２０１２−５１９８４８（Ｐ２０１２−５１９８４８）
【出願日】平成２２年７月１４日（２０１０．７．１４）
【国際出願番号】ＰＣＴ／ＡＵ２０１０／０００８９４
【国際公開番号】ＷＯ２０１１／００６１９９
【国際公開日】平成２３年１月２０日（２０１１．１．２０）
【出願人】（５０００４６４５０）レスメド・リミテッド (192)
【氏名又は名称原語表記】ＲｅｓＭｅｄ Ｌｉｍｉｔｅｄ
【Ｆターム（参考）】
【公表日】平成２４年１２月２０日（２０１２．１２．２０）
【国際特許分類】
【出願日】平成２２年７月１４日（２０１０．７．１４）
【国際出願番号】ＰＣＴ／ＡＵ２０１０／０００８９４
【国際公開番号】ＷＯ２０１１／００６１９９
【国際公開日】平成２３年１月２０日（２０１１．１．２０）
【出願人】（５０００４６４５０）レスメド・リミテッド (192)
【氏名又は名称原語表記】ＲｅｓＭｅｄ Ｌｉｍｉｔｅｄ
【Ｆターム（参考）】
[ Back to top ]