Kan du stole på søvn-tracking?

Spørgsmålet er tre forskellige spørgsmål

Det er værd at skille dem ad, for svaret er ikke det samme.

Sover jeg nu, eller er jeg vågen? Det er den simpleste opgave.

Hvor længe sov jeg i alt? Det følger af den første, men fejlene lægger sig sammen.

Hvilke stadier var jeg i? Det er den sværeste, og det er samtidig den, apps typisk viser mest detaljeret.

Hvad søvnkvalitet overhovedet betyder fagligt, og hvilke indikatorer der bruges, er behandlet i Hvad er god søvnkvalitet, og hvordan måler du den?. Denne artikel handler om, hvor meget man kan stole på det, en forbrugerenhed viser.

Det, de er gode til

Lad os begynde med det positive, for det er der.

I et forsøg fra 2021 blev syv forbrugerenheder testet op mod polysomnografi, som er den kliniske standard for søvnregistrering. Fire var håndledsbårne, og tre var enheder, man ikke har på kroppen. Deltagerne var 34 raske unge voksne med en gennemsnitsalder på omkring 28 år, og de sov tre på hinanden følgende nætter i et søvnlaboratorium.

Enhederne blev vurderet på, hvor godt de klassificerede hvert enkelt tidsinterval af natten som søvn eller vågenhed. Sensitiviteten, altså andelen af de intervaller, hvor deltagerne ifølge polysomnografien sov, som enheden også registrerede som søvn, var høj for alle syv med mindst 0,93.

Forfatterne konkluderede, at forbrugerenhederne viste høj ydeevne i at opdage søvn, og at de fleste klarede sig lige så godt som eller bedre end aktigrafi, som er det redskab, forskningen ellers bruger uden for laboratoriet.

Det er ikke ingenting. Men bemærk, hvad det er et mål for: hvor godt enheden rammer de enkelte intervaller, ikke hvor præcist den fastsætter, hvornår du faldt i søvn eller stod op. De tidspunkter opgøres særskilt, og resultaterne varierede mellem enhederne.

Det, de er dårligere til

Her vender billedet, og forklaringen er logisk.

Specificiteten, altså andelen af de intervaller, hvor deltagerne ifølge polysomnografien var vågne, som enheden også registrerede som vågenhed, lå mellem 0,18 og 0,54. Til sammenligning havde det aktigrafiur, forskerne brugte som reference, en specificitet på 0,39. Fem af de syv forbrugerenheder lå over det, mens to modeller lå lavest med 0,18 og 0,19.

Forskellen mellem de to tal er værd at forstå. At sensitiviteten er høj og specificiteten lavere afspejler, at enhederne var bedre til at klassificere søvn end vågenhed, og det indebærer, at vågne intervaller i et vist omfang blev klassificeret som søvn.

Om det sker for dig med din enhed, siger forsøget ikke noget om. Det testede syv bestemte modeller i en bestemt gruppe under bestemte forhold. Men retningen er værd at kende, hvis du undrer dig over, at en nat, hvor du lå vågen, ser bedre ud i appen, end den føltes.

Metaanalysen af håndledsbårne forbrugerenheder fandt tilsvarende signifikante forskelle fra polysomnografi i samlet søvntid, søvneffektivitet og indsovningstid. For samlet søvntid var middelforskellen omkring 17 minutter, opgjort som et gennemsnit på tværs af undersøgelser og enheder.

Det, de er inkonsistente på

Søvnstadier er den sværeste opgave, og det er værd at vide, fordi det er den, graferne er bygget op om.

I forsøget fra 2021 var enhedernes bedømmelse af søvnstadier inkonsistent. Sammenlignet med resultaterne for søvn og vågenhed var evnen til korrekt at identificere de enkelte stadier lavere, og forfatterne beskriver den samlede evne til at ramme de rigtige stadier som dårligere og inkonsistent.

Forfatterne gør desuden opmærksom på noget metodisk, der er værd at kende. De enheder, der ikke havde en systematisk skævhed på stadierne, kan have ramt gennemsnittet ved et tilfælde, fordi spredningen på de enkelte nætter var stor med en blanding af over- og undervurderinger.

Med andre ord: selv en enhed, hvis gennemsnit ser rigtigt ud, kan ramme forkert de enkelte nætter.

Problemet med de dårlige nætter

Det her er den oplysning, der betyder mest i praksis, og den nævnes sjældent.

Forsøget indeholdt en nat, hvor deltagernes søvn blev afbrudt med vilje ved hjælp af lyde. Forfatterne bemærker, at enhederne havde tendens til at klare sig dårligere på nætter med dårligere eller afbrudt søvn.

Læg mærke til, hvad det peger på. På en nat, hvor man sover igennem, klarede enhederne sig bedst. På den forstyrrede nat klarede de sig dårligere.

Det er præcis omvendt af, hvad man har brug for, hvis man kigger i appen, fordi natten føltes dårlig. Bemærk dog, at der er tale om eksperimentelt afbrudt søvn hos raske unge voksne i laboratorium, ikke om søvnproblemer i almindelighed.

Hvad forsøget ikke kan sige noget om

Tre afgrænsninger er værd at have med, før man bruger tallene.

Det var syv bestemte enheder. Testet i 2021. Det siger ikke noget om enheder, der ikke var med, eller om senere modeller og algoritmer.

Det var raske unge voksne. 34 deltagere med en gennemsnitsalder omkring 28 år, og deltagerne blev screenet for helbredsforhold. Resultaterne kan ikke uden videre overføres til andre aldersgrupper eller til mennesker med en søvnsygdom.

Det var tre nætter i et laboratorium. Ikke almindelig brug derhjemme over længere tid. Forfatterne bemærker selv, at enhederne bør testes i andre populationer og sammenhænge for at undersøge deres bredere gyldighed og nytte.

Hvad den kliniske position siger

Der findes en officiel holdning på området, og den er nuanceret.

Den amerikanske søvnmedicinske sammenslutning udgav i 2018 en holdningserklæring om forbrugerteknologi til søvn og fulgte den op med en opdatering i 2021. Positionen er, at sådan teknologi kan have en nytte, blandt andet ved at understøtte dialogen mellem patient og kliniker og øge patientens engagement, men at den ikke skal erstatte en passende medicinsk vurdering eller validerede redskaber.

Det er samme skelnen som ovenfor. En enhed kan bidrage med noget. Den afgør ikke noget.

Hvad kan du bruge det til?

Vær opmærksom på, hvad tallet er et mål for. Forsøget vurderede, hvor godt enhederne klassificerede natten interval for interval, ikke hvor præcist de fastsatte klokkeslæt. De to ting er ikke det samme.

Stol mindst på stadierne. Det er den sværeste opgave og den mest detaljerede graf. De to ting hænger ikke sammen.

Vær ekstra skeptisk efter en dårlig nat. Det er den situation, hvor enheden ifølge forsøget klarer sig dårligst, og hvor du sandsynligvis kigger mest.

Lad være med at overfortolke en enkelt nat. Både fordi enhederne ifølge forsøget klarede sig dårligst på forstyrrede nætter, og fordi en søvnnat i forvejen varierer. Det er ikke det samme som at sige, at tendenser over uger er mere præcise; det har artiklens kilder ikke undersøgt.

Lad ikke tallet overtrumfe oplevelsen. Hvis enheden siger, at du sov godt, og du er udkørt, er begge dele oplysninger. Den ene er ikke mere rigtig end den anden.

Vælg én ting ad gangen.

Hvornår bør du tale med din læge?

Tal med din læge, hvis søvnproblemer er vedvarende og påvirker din hverdag. Det gælder uanset, hvad din enhed viser eller ikke viser. Hvornår søvnproblemer bør vurderes, er behandlet i Hvornår er søvnproblemer noget for lægen?.

En forbrugerenhed kan ikke bruges til at afgøre, om du har en søvnsygdom. Den kliniske position er, at sådan teknologi ikke skal erstatte en passende medicinsk vurdering eller validerede redskaber. Har du data, du er bekymret for, kan de derimod tages med som udgangspunkt for en samtale.

Og bliver optagetheden af tallene i sig selv noget, der fylder, er det værd at nævne.

Hvor kan du starte?

Det korte af det lange: i det forsøg, artiklen bygger på, var enhederne bedst til at klassificere søvn, dårligere til vågenhed og inkonsistente på stadier, og de klarede sig dårligere på den forstyrrede nat. Det gør dem ikke ubrugelige, men det gør nogle mål bedre dokumenterede end andre.

Det mest brugbare er at være opmærksom på, hvad et tal er et mål for, før man bruger det til noget.

Vil du vide, hvad søvnkvalitet betyder fagligt, ligger det i Hvad er god søvnkvalitet, og hvordan måler du den?. Vil du forstå, hvorfor bedre data ikke i sig selv løser noget, ligger det i Hvorfor teknologi kan vise problemet, men ikke løse det. Og hele metoden er samlet i Liv i Balance-metoden.