Сон представляет собой сложноорганизованное функциональное состояние, во время которого отмечаются выраженные физиологические изменения практически во всех отделах ЦНС, в интенсивности психических процессов, в парасимпатической и симпатической активности, моторной сфере. Естественный сон необходим для восстановления физической и психической работоспособности, при этом нарушения в динамике циркадианных ритмов и расстройства сна способствуют возникновению или обострению хронических и возраст-ассоциированных заболеваний [1, 2].

По глобальным оценкам, не менее 10% взрослого населения страдают нарушениями сна, около 20% пациентов, посещающих поликлинические учреждения и обращающихся за первичной медико-санитарной помощью, сообщают о симптомах инсомнии [3]. Бессонница (инсомния) как расстройство засыпания или поддержания сна может приводить к существенным дневным последствиям, включая снижение общей активности и трудоспособности, когнитивной производительности и зрительно-моторной координации, сопровождаясь социальной изоляцией и нарушением поведенческих реакций. Являясь результатом системного нарушения регуляции гомеостатических процессов и циркадианных ритмов, инсомния часто сопровождается и/или инициирует коморбидные состояния, увеличивает риск развития неврологических и психических расстройств, сердечно-сосудистых и метаболических заболеваний, нарушений иммунной функции и взаимосвязей по оси мозг-кишечник-микробиом, а также может рассматриваться как отдельное (первичное) заболевание [4—7].

«Золотым стандартом» оценки качества сна является использование метода полисомнографии (ПСГ), при котором регистрируется ряд важных параметров, включая электроэнцефалограмму (ЭЭГ), электроокулограмму, электромиограмму, параметры дыхания и положения тела, пульсоксиметрию. ПСГ предоставляет возможность получить точные данные в режиме реального времени и в целом обеспечивает персонализированный подход для анализа многоплановой информации о состоянии физиологических систем во время сна [8, 9]. Однако данная методика имеет ряд технологических и практических ограничений, в частности требует исследования в специализированной клинике с необходимостью пребывания исследуемого полную ночь, наличия квалифицированного медицинского персонала, характеризуется определенной сложностью, нарушением привычного стереотипа отхода ко сну, архитектуры сна и финансовой нагрузкой для пациента [10, 11].

В соответствии с прогнозами ВОЗ, мировые расходы на общественное здоровье и социальные нужды будут увеличиваться, и нагрузка на систему здравоохранения будет только возрастать по мере сохранения высоких темпов роста пожилого населения. Технологические достижения в области аппаратного и программного обеспечения, интеграция инновационных методов диагностики, информационных технологий и математического моделирования в реальную клиническую практику могут позволить неинвазивно и на ранних, доклинических, стадиях оценивать изменения динамики функциональных показателей физиологических систем в течение цикла сон-бодрствование [12—14]. В связи с этим является актуальным совершенствование существующих, а также поиск альтернативных подходов для регистрации и анализа архитектуры, интегративных показателей качества и других характеристик ночного сна при обследовании здоровых людей, пациентов со стрессовыми расстройствами, инсомниями, психическими нарушениями, сонно-зависимыми дыхательными, каридиореспираторными и возраст-ассоциированными заболеваниями [5, 9, 15—17].

Изучение активности вегетативной нервной системы с помощью анализа вариабельности сердечного ритма (ВСР) во время ночного сна показало, что существуют определенные закономерности изменения ритма сердца в разных стадиях сна [18—21]. Благодаря современным достижениям в области информационных и аппаратных технологий, программного обеспечения и дистанционных медицинских услуг вновь вызывает активный интерес неинвазивный метод баллистокардиографии [22—24]. Характеристики ВСР, полученные с использованием баллистокардиографии, показывают наличие связи с циклами и фазовой структурой ночного сна по данным ЭЭГ и позволяют прогнозировать стадии сна с вероятностью 52—89% [20, 25, 26]. ВСР является чувствительным индикатором не только стадий сна, но и их цикличности, поскольку изменение параметров вариабельности отмечается еще до изменений ЭЭГ, а коэффициент правильной классификации увеличивается до 98% при разделении функциональных состояний на бодрствование и сон, без учета стадийной организации. Поэтому параметры ВСР можно активно использовать в современных исследованиях при разработке и совершенствовании методов и устройств для анализа различных характеристик сна с целью повышения удобства его мониторинга [27—29].

Одним из наиболее доступных подходов к оценке качества сна в клинической практике является анализ эффективности сна (индекс эффективности сна, ИЭС — соотношение периода сна к времени, проведенному в постели без сна). При этом вычисление ИЭС возможно на основании анализа частоты сердечных сокращений (ЧСС), в частности продемонстрирована взаимосвязь ИЭС и высокочастотной составляющей ВСР (англ. High Frequency, HF) [24, 30, 31]. Для объективной оценки основных характеристик сна перспективно использование анализа физиологических сигналов на основе баллистокардиографии, включающих измерение ЧСС, частоты дыхания и скелетно-мышечных движений. При этом совместное использование кардиореспираторных показателей и двигательной активности для определения стадий сна значительно повышает точность классификации и ее чувствительность. Более того, такая комплексная система мониторинга может превосходить актиграфию в определении времени начала сна и диагностике нарушений сна [32—36].

В литературе при оценке качества ночного сна отмечается распространенность исследования вышеназванных параметров (ВСР, двигательной активности и дыхания), преимущественно у здоровых людей. Однако авторы настоящей работы полагают, что регистрация, математический анализ и моделирование с использованием современных технологий должны быть более детализированными и при этом универсальными, поэтому предлагается учитывать возможные достоверные отклонения в характеристиках сна при инсомнии, что повысит эффективность и прогностическую значимость методики.

Цель работы — выявление по данным баллистокардиографии параметров ВСР и скелетно-мышечных движений, валидных для определения и оценки ИЭС в качестве прогнозируемой переменной в регрессионном математическом анализе одновременно у здоровых лиц и пациентов с инсомнией.

Материал и методы

Исследование проведено на базе сомнологического центра Самарской областной клинической больницы им. В.Д. Середавина. Были включены 14 пациентов с хронической инсомнией в возрасте 28—35 лет (средний возраст 31,1 года) и 10 здоровых добровольцев в возрасте 27—34 лет (средний возраст 31,5 года). Хроническая инсомния характеризовалась эпизодами нарушений сна от 3 до 5 в течении недели, длительностью 6 [4,5; 8,9] мес. Распределение по полу в обеих группах было сопоставимым. В соответствии с предположением авторов, смешанная выборка, состоящая из здоровых лиц и больных инсомнией, позволит выявить балистокардиографические параметры, способные определять эффективность сна в ситуации как нормального, так и нарушенного сна, что в дальнейшем могло бы помочь создать универсальную систему оценки сна для широкого круга лиц.

Во время ночного сна одновременно с ПСГ проводилась и бесконтактная баллистокардиография. При проведении ПСГ использовались носимые регистраторы Нейрон-Спектр-СМ (ООО «Нейрософт», г. Иваново) с профессиональным ПО для анализа данных. Анализ данных ПСГ проводился на основании рекомендации Американской академии медицины сна AASM (American Academy of Sleep Medicine) версии 2,0 от октября 2014 г. Регистрировались показатели ЭЭГ по системе «10—20», электромиография активности мышц диафрагмы рта и голеней, электроокулограмма, параметры носового, грудного и абдоминального дыхания, электрокардиограмма. В исследование не включались пациенты с симптомами апноэ сна и имеющие жалобы на дневную сонливость, пробуждения с ощущением задержки дыхания, нехватки воздуха или удушья, наличие постоянного храпа или остановок дыхания во время сна, которые фиксируются окружающими. Согласно ПСГ-исследованию, индекс апнпоэ-гипопноэ составлял 2,5 [1,1; 3,8] ч. По результатам ПСГ проводились определение стадий сна и вычисления ИЭС. Для построения математической модели был использован ИЭС.

Проведение баллистокардиографии осуществлялось на устройстве Кардиосон-3. Обработка полученного сигнала позволяла оценивать ВСР на участках записи, свободных от двигательной активности и артефактов, и в каждом из них вычислять стандартные временные и частотные показатели ВСР. В последующем анализе данных использовались параметры в соответствии с российскими рекомендациями по анализу ВСР (HR, HF, LF, VLF, HF%, LF%, VLF%, TP, SDNN, pNN50, SI), рассчитанные за 1-й и последний часы сна [37].

Помимо параметров ВСР, анализировалась двигательная активность:

1 — соотношение времени движения и покоя за 1-й и последний часы сна, выраженное в процентах;

2 — динамика изменения двигательной активности, которая выражалась величиной изменений тренда в течение 1 ч сна.

Исследование проведено в соответствии с Хельсинкской декларацией Всемирной медицинской ассоциации, принятой с целью обеспечения прав, безопасности и благополучия субъектов биомедицинских, медико-социологических и других научно-исследовательских работ. Проведение исследования было одобрено локальным Этическим комитетом ФГБОУ ВО «СамГМУ» Минздрава России, №57 от 20.11.23.

Статистический анализ проводили с использованием пакета Statistica версия 12.0, с применением пошагового регрессионного анализа. Для анализа данных в исследовании использовались как параметрические, так и непараметрические методы статистики. Параметрические методы включали t-тест и регрессионный анализ. Непараметрические методы использовались для анализа данных, не удовлетворяющих требованиям нормальности распределения или гомогенности дисперсий, и включали в себя тесты Манна—Уитни, Уилкоксона. Критерии нормального распределения оценивались по тестам Колмогорова—Смирнова, Шапиро—Уилка. Критический уровень значимости при проверке статистических гипотез принимали равным 0,05.

Результаты

Проведен пошаговый регрессионный анализ данных. В качестве прогнозируемой переменной был взят ИЭС. В качестве независимых использованы показатели ВСР и двигательные характеристики за 1-й и последний часы сна. В конечную модель прогнозирования ИЭС вошли коэффициенты регрессии, представленные в таблице.

Показатели предикторов регрессионной модели прогнозирования ИЭС

Примечание. HF — процент мощности относительного уровня активности парасимпатического звена регуляции за 1-й час, ДА — процент двигательной активности за 1-й час, HFп — процент мощности относительного уровня активности парасимпатического звена регуляции за последний час, Тренд ДА — динамика двигательной активности за 1-й час.

В соответствии с результатами исследования в регрессионное уравнение были включены характеристики активности парасимпатической системы и скелетно-мышечных движений в 1-й и последний часы сна. Обращает на себя внимание то, что активность парасимпатической системы в 1-й час сна была отрицательно связана с ИЭС, а в последний час сна повышение HF было ассоциировано с увеличением эффективности сна. Помимо вегетативной регуляции, в прогнозировании ИЭС приняли участие параметры двигательной активности в 1-й час сна — примечательно, что повышение двигательной активности характеризовало снижение ИЭС.

Формула, описывающая математическую модель прогностического регрессионного анализа ИЭС, представлена ниже:

y=93,274–2,932·(HF,%)–0,611·(ДА%)+ +0,524·(HFп, %)–26,676·(Тренд ДА)

При проверке адекватности работы регрессионной модели выявлено, что среднее значение ИЭС, полученное методом ПСГ, составило 82,84, а среднее предсказанное значение ИЭС — 83,85. Следует отметить что предложенная модель продемонстрировала сопоставимые показатели эффективности как у пациентов с инсомнией, так и у здоровых испытуемых. Среднее значение ИЭС для пациентов с инсомнией, полученное методом ПСГ, а также предсказанное, составило 81,72 и 82,61, а для группы здоровых испытуемых — 83,54 и 82,74 соответственно. Корреляционный коэффициент составил 0,65. Графическое соотношение фактической и предсказанной эффективности сна визуально подтверждает высокую корреляцию (см. рисунок).

Рис. Сравнение фактического и предсказанного ИЭС.

1 — прогнозируемый в модели ИЭС; 2 — фактический ИЭС у исследуемых лиц.

Таким образом, была построена регрессионная модель прогнозирования ИЭС, характеризующая сон как здоровых людей, так и пациентов с инсомнией, на основании параметров вегетативной регуляции работы сердца и скелетно-мышечных движений в 1-й и последний часы сна.

Обсуждение

В прогнозировании ИЭС по данным баллистокардиографии приняли участие 2 группы параметров: характеристики ВСР и двигательной активности. Из всех проанализированных на валидность и прогностическую значимость показателей ВСР в регрессионное уравнение был включен показатель HF в процентах как индикатор относительной активности парасимпатической нервной системы. Повышение эффективности сна связано с низкими значениями HF% в 1-й час сна, а с высокими значениями HF% — в последний час сна.

Известно, что мощность дельта-ЭЭГ, которая больше выражена в 1-й час сна, отрицательно коррелирует с LF и LF/HF, что может свидетельствовать о взаимосвязи между снижением симпатической активности и углублением сна [23, 38, 39]. Относительное преобладание активности парасимпатической нервной системы характерно для нормального естественного сна. При этом снижение качества сна изменяет зависимость между ВСР (HF) и мощностью дельта-ЭЭГ, что выражается в снижении их согласованности и взаимосвязи. Так, в соответствии с результатами когерентного анализа [40] взаимодействие между колебаниями вегетативной активности сердца и дельта-активности ЭЭГ изменяется у пациентов с хронической первичной бессонницей даже при отсутствии изменений ВСР и сердечно-сосудистых заболеваний. По предположению авторов исследования, такое снижение когерентности опосредовано изменением архитектуры сна и может указывать на снижение/нарушение контроля со стороны стволовых структур, участвующих в регуляции сердечно-сосудистой деятельности и механизмов сна, а также отражает повышенные риски развития или доклинические проявления кардиоваскулярных расстройств [40]. Более того, в работе M. Kesek и соавт. [41] повышенная симпатическая активность во время сна рассматривается как возможная связь между синдромом обструктивного апноэ во сне и сердечно-сосудистыми заболеваниями. Однако высокий индекс апноэ-гипопноэ (более 30 событий) был связан с паттерном ВСР, указывающим на депрессию симпатической активности и снижение способности повышать ее во время фазы быстрого сна.

В нашей модели, оценивающей ухудшение сна, ведущая роль принадлежит повышению HF% в 1-й час сна, тогда как другие показатели ВСР в регрессионном уравнении не участвовали. Причина негативной взаимосвязи HF% в 1-й час сна с ИЭС у нашей группы обследованных лиц остается открытым вопросом. Предполагается, что усиление относительной активности парасимпатического отдела вегетативной нервной системы именно в сочетании с повышением двигательной активности (как маркер ухудшения сна) в начале сна и ее сильным быстрым снижением в течение 1-го часа сна (Тренд ДА) отражает реакцию вегетативной нервной системы, направленную на компенсацию дефекта начала развития сна и может свидетельствовать о быстром углублении сна. Не исключено, что изменение величины HF по мере усиления двигательной активности может перестраивать/адаптировать физиологическое значение высокочастотного компонента ВСР, измеренного методом баллистокардиографии, в начале естественного ночного сна [42].

Одновременно с этим принципиально другой результат получен в утренний час, когда повышение HF% перестает иметь негативную связь с эффективностью сна и величина высокочастотного компонента вариабельности отражает естественный ход сна. Полагаем, что изменение активности вегетативной нервной системы и двигательной активности в 1-й и последний часы сна отражают эффективность восстановительных процессов, происходящих в первом и последнем циклах сна, которые могут существенно страдать при развитии инсомнии [43—45].

Заключение

Построена регрессионная модель вычисления ИЭС в качестве прогнозируемой переменной на основании валидизированных данных бесконтактной баллистокардиограммы. Основными предикторами в математической модели, определяющими эффективность сна, стали относительная представленность высокочастотного компонента ВСР (HF%) и параметры двигательной активности (процент и динамика) в 1-й и последний часы естественного ночного сна.

В математический анализ включены данные пациентов с инсомнией, в результате чего модель позволяет оценивать ИЭС не только в норме, но и при ухудшении качества сна, что является ощутимым преимуществом такой модели. Продолжение исследований в указанном направлении позволит более глубоко рассмотреть механизмы взаимосвязи двигательной активности с тонусом парасимпатического отдела вегетативной нервной системы и подтвердить универсальность и прогностическую значимость предложенной модели вычисления ИЭС неинвазивным, доступным методом баллистокардиографии.

Авторы заявляют об отсутствии конфликта интересов.