Sleep disorders are common and have a significant impact on health, particularly mental health problems such as depression and anxiety. This study examines a possible mediating role of emotion regulation—particularly the two strategies of cognitive reappraisal and expressive suppression—in the relationship between sleep disturbances and symptoms of depression and anxiety. A sample of 148 individuals (57.4
Typically, dream recall is measured directly upon awakening by structured interviews in the laboratory setting or by dream diaries in the home setting. However, anecdotal evidence and small pilot studies have shown that recall of some dreams that are not remembered upon awakening might be triggered by cues that are related to the content of the dream. In a sample of 444 participants, the retrospective estimates indicate that the phenomenon of recalling dreams that were not recalled upon awakening when triggered by a cue during the day is reasonably common, accounting for about 15
Die idiopathische Hypersomnie (IH) ist eine Erkrankung aus dem Formenkreis der Hypersomnolenzen zentralen Ursprungs (CDH), die meist im Jugendalter beginnt und einen chronischen Verlauf, aber in bis zu 40
Nocturnal core body temperature (CBT) decline is reflected in decreasing heart rate (HR) and is linked to sleep stage distribution, a relationship which is influenced by age and subject to temperature manipulation. The present study investigates the relationship between CBT, HR, and sleep stage distribution by comparing two studies with healthy males: young and middle-aged men. The aim is to examine how these physiological systems might be interrelated. Data from two independent studies were compared to examine nocturnal sleep stages, CBT, and HR time courses. The findings revealed that younger men exhibited improved sleep consolidation, characterized by longer total sleep time and more slow-wave (SWS) and REM sleep, along with a sustained nocturnal decline in CBT and HR. In contrast, middle-aged men exhibited poorer sleep continuity and a less-pronounced decline in CBT, followed by an earlier rise. The CBT changes were reflected in HR. These results suggest that the nocturnal profile of CBT may be linked to variations in HR and fluctuations in sleep stage distribution. Interventions that facilitate nocturnal heat loss and a reduction in CBT and HR could potentially support sleep quality across age groups, particularly regarding SWS.
Der Klimawandel ist ein weltweit stark diskutiertes Thema, und es stellt sich die Frage, wie stark die Auswirkungen eines solchen Themas auf das psychische Erleben der Menschen sind. Eine mögliche Herangehensweise ist die Analyse von Träumen, da man davon ausgeht, dass das Wachleben die Träume beeinflusst (sog. Kontinuitätshypothese). In der analysierten Traumserie von insgesamt 14.520 Träumen, die zwischen 1984 und 2019 aufgezeichnet wurden, zeigte sich eine Abnahme von Träumen mit Schnee/Eis/Hagel, was die beobachtete Abnahme der „Eistage“ in Deutschland widerspiegelt. Ähnlich wie bei den Untersuchungen zu den Terrorattacken 9/11, der Corona-Pandemie oder dem Ukraine-Krieg, kann das Erfassen von Träumen Aufschlüsse darüber geben, wie stark die Menschen von diesen Ereignissen belastet werden.
Der Klimawandel ist eine der wichtigsten Herausforderungen unserer Zeit. Die damit einhergehende Temperaturerhöhung beträgt mittlerweile auch in Deutschland ca. 1,5 K und es kommt gehäuft zu Starkregenereignissen, was wiederum die relative Luftfeuchtigkeit erhöht. Aufgrund der geringeren distalen Wärmeabgabe vermindert sich die Absenkung der Körperkerntemperatur bei höherer Temperatur im Schlafraum, vor allem bei gleichzeitig hoher relativer Luftfeuchtigkeit. Dies kann die Schlaflatenz verlängern, führt zu längeren Wachzeiten in der Nacht und scheint auch Auswirkungen auf die Anteile von Tief- und REM(Rapid-Eye-Movement)-Schlaf zu haben. Die Bedeutung von hellem, blauem Licht für die zirkadiane Melatoninrhythmik ist mittlerweile gut belegt. Entsprechend müssen für die Betrachtung der Auswirkungen des Klimawandels auch mögliche Veränderungen hinsichtlich Sonnenscheindauer und Bewölkung betrachtet werden. In norddeutschen Bundesländern hat der Grad der Bedeckung im Frühling und Sommer abgenommen, war aber formal im Winter unverändert. Regionale Einzelanalysen zeigen, dass die meteorologische Definition von Jahreszeiten – z. B. umfasst „Winter“ die Monate Dezember bis Februar – die abnehmende Sonnenscheindauer zwischen Oktober und Januar nicht widerspiegelt. Gleichzeitig nahm nicht nur die Anzahl der Tage mit 100
Klimaveränderungen könnten zu einem veränderten Schlaf, veränderten Schlafmustern und möglicherweise auch zu Schlafstörungen sowie chronobiologischen Veränderungen, beginnend mit schlechter Schlafqualität über eine Verschiebung des Schlaf-Wach-Rhythmus bis hin zu schwersten Schlafstörungen, führen. Ihre Prävalenz und Inzidenz sind jedoch nicht bekannt. Sowohl Schlafstörungen als auch chronobiologische Störungen können die verschiedensten Ursachen haben und treten häufig als komorbide Störung bei verschiedenen somatischen und psychiatrischen Diagnosen, psychischen Störungen und Behandlungsmethoden auf. Für Schlafstörungen und chronobiologische Störungen kann es viele verschiedene Prädiktoren geben, wie z. B. bereits bestehende Prädispositionen oder Vorerkrankungen, die durch klimatische Veränderungen krankeitsauslösend sind oder verstärkt werden. Eine systematische Literaturrecherche bzgl. Klimaveränderung und Schlaf wurde durchgeführt und 1649 Studien ausgewertet. Die Artikel wurden über PubMed, PsycInfo und Web of Knowledge identifiziert; insgesamt 30 Veröffentlichungen wurden in die endgültige Analyse einbezogen. Insgesamt wurden 95 Studien zum Thema Klimaveränderung und Schlaf identifiziert; von ihnen wurden 30 anhand verschiedener Kriterien (klimatische und zivilisationsbedingte Veränderungen, Naturkatastrophen und spezielle Wetterphänomene) analysiert. Das Review ergab, dass veränderter Schlaf, veränderte Schlafmuster und -qualität, diverse Schlafstörungen (u. a. Insomnie, Hypersomnien, Parasomnien) sowie chronobiologische Veränderungen aus sehr unterschiedlichen Hintergründen des Klimawandels vorhergesagt werden können. Eine personalisierte Behandlung der klimabedingten Schlafveränderungen wäre erforderlich, um den geistigen und/oder körperlichen Zustand dieser Patienten zu verbessern.
Telemedicine-based care pathways are increasingly explored for sleep diagnostics, offering benefits such as improved patient satisfaction facilitated by reduced travel times and enhanced access to specialized care. This study evaluates the feasibility of a telemedical approach using video consultations and a single-use diagnostic device for sleep-related breathing disorders such as obstructive sleep apnea (OSA). From January 2021 to January 2023, 260 of 764 patients scheduled for home sleep apnea testing (HSAT) were randomly selected and offered a telemedical workup consisting of video consultations (samedi; Berlin, Germany; and ELVI; CompuGroup Medical SE Co. KGaA, Koblenz, Germany) and outpatient peripheral arterial tonometry-based HSAT using a disposable single-use product (WatchPAT One; Itamar Medical Inc., Caesarea, Israel). Questionnaires assessed readiness for telemedical diagnostics, practical feasibility, and satisfaction with the care pathway. Of the 260 selected patients, 72 (28
This study aims to compare problems with falling asleep in adolescents with obesity who have either atrial ectopic or sinus rhythms. The study comprised 22 adolescents (12 boys, 10 girls; median age 15.0 years) with obesity due to excess calories and atrial ectopic rhythms (AER) who did not have inborn malformations, chronic diseases other than obesity, or coexisting acute disease. The control group consisted of 99 adolescents (60 boys and 39 girls; median age 14.0 years) with obesity and sinus rhythm. Problems falling asleep were evaluated using the Adolescent Sleep–Wake Scale (ASWS). Adolescents with AER had significantly lower values (worse) in falling asleep quality (median 3.33 points) compared to controls (median 3.67; p = 0.040). With every 1‑point increase in the falling asleep quality score, the odds of AER decreased by 2.7 times (95
Für die Insomnie im Kindes- und Jugendalter ist wie für die Erwachsenen auch die kognitive Verhaltenstherapie für Insomnie (CBT‑I; deutsch KVT-I) die erste Wahl, jedoch ist sie für die Familien, Kinder und Jugendliche oft nicht ohne Weiteres verfügbar. Das hier präsentierte Stepped-Care-Modell für das Kindes- und Jugendalter (SCM-KJ; englisch SCM-CA) stellt ein Stufenmodell zur vernetzten und evidenzbasierten Versorgung von Kindern und Jugendlichen mit Insomnie dar. Das SCM-KJ berücksichtigt die unterschiedlichen Altersgruppen und stellt eine Präventions- und Interventionspyramide dar, die auf dem Konzept des gesunden Schlafs und der CBT‑I für Kinder und Jugendliche basiert und allmählich an klinischer Intensität und Komplexität zunimmt. Hierdurch sollen diagnostische und therapeutische Behandlungslücken verringert werden, sodass nicht nur mehr Familien erreicht werden können, sondern auch die klinischen Ressourcen effektiver verteilt werden können. Damit das SCM-KJ angemessen umgesetzt wird, sollten altersspezifische Diagnostikinstrumente und Wissen verbreitet werden. Es sollten nur evidenzbasierte CBT-I-Behandlungen für das Kindes- und Jugendalter im Rahmen des Modells gefördert werden. Die im Rahmen des SCM-KJ beteiligten Kliniker*innen sollten qualifiziert sein, um CBT im Kindes- und Jungendalter (CBT-KJ) durchführen zu können, und über eine entsprechende Fortbildung verfügen. Fachkräfte, die im Rahmen von Präventionsprogrammen oder frühen Interventionen beteiligt sind, die nicht im engeren Sinne zum Behandlungsspektrum des SCM-KJ gehören, aber damit in Verbindung stehen, sollten ebenfalls über gute Diagnostikkenntnisse und differenzialdiagnostisches Wissen verfügen, um eine korrekte Zuweisung oder Weiterleitung zu den entsprechenden Interventionsmöglichkeiten zu gewährleisten.
Ein beträchtlicher Teil der COVID-Überlebenden zeigt über die Dauer der Infektion hinaus Symptome, häufig auch Schlafstörungen. Diese Arbeit geht auf die Beziehung zwischen Post-COVID und Schlafstörungen mit zugrundeliegenden Mechanismen und Risikofaktoren ein. Es wurde eine systematische Literatursuche durchgeführt. Relevante Literatur wurde in die Kategorien Epidemiologie, Assoziationen, zeitlicher Verlauf, Therapie und Mechanismen eingeteilt und ausgewertet. Epidemiologische Daten sind breit vorhanden. Die untersuchten Populationen sind sehr unterschiedlich zusammengesetzt. Schlafstörungen sind ein großer Teil der Symptomatik und können bis fünf Jahre anhalten. Weibliches Geschlecht sowie eine schwere akute COVID-Erkrankung erhöhen das Risiko für Post-COVID, während die Schlafqualität es reduziert. Auch bei anderen Infektionserkrankungen werden ähnliche Folgesyndrome beschrieben. Die Symptomatik scheint im Zeitverlauf exponentiell abzunehmen. Es gibt verschiedene mechanistische Modelle, hierunter sowohl somatische Ansätze wie Organschäden oder persistierende Entzündungsreaktionen als Auslöser als auch psychogene Faktoren. Therapeutische Studien sind noch unzureichend vorhanden. Schlaf spielt für Post-COVID-Patient:innen eine bedeutende Rolle: Die Ergebnisse deuten eine bidirektionale Beziehung zwischen Post-COVID und Schlaf an: Einerseits sind Schlafstörungen ein bedeutender Teil der Symptomatik, andererseits scheint die Schlafqualität das Risiko für Post-COVID zu senken. Es besteht weiterhin Forschungsbedarf zu Mechanismen, Therapie und Nachsorge.
Sleep at high altitude has always been considered to be of low quality. As a reason for this phenomenon, most researchers took the increased number of arousals accompanying the central apneas of hypoxia-induced periodic breathing (often wrongfully named Cheyne–Stokes breathing) into account. Climatic circumstances such as a very low air temperature, noise due to strong winds, and high humidity from snow or rain; different living environments with different nutrition; psychological peer pressure to reach the summit; and extreme exhaustion and increased sympathetic levels from the physical effort might add to the subjective feeling of sleeping poorly. From the end of the 19th century until the 1950s, measurements of sleep at altitude concentrated mostly on measuring respiratory parameters in field studies before then assessing neurophysiological signals in military hypobaric chambers. Since the1990s, data from polygraphy with neurophysiological channels at real altitude and from polysomnography in field studies have been available. These more recent data show that the quality of sleep—despite all inconveniences of sleeping at high altitude—is not as poor as previously thought. A satisfying amount of total sleep and, within this, satisfying percentages of rapid eye movement (REM) and delta sleep are reached despite the many arousals from hypoxia-induced periodic breathing. However, it is difficult to assess the impact of climatic influences on subjective sleep quality. Subjective sleep quality at high altitude might indeed be worse than in one’s own bed at home.
During the past decade, deep neural networks (DNNs)—a subgroup of machine learning (ML) methods—became popular in many facets of daily life and also found their way into somnology. Although they can support tasks such as sleep scoring, they have not yet found their way into clinical practice. One of the fundamental challenges lies in the fact that many of these models cannot explain the underlying reasons for their decisions, thus weakening users’ trust. As we expect DNNs for routine sleep medicine to become available soon, this guide introduces somnologists to the fundamentals of DNNs and to the current state of sleep scoring. In addition, we focus on how DNNs can be made more interpretable. Our aim is to foster understanding of this novel technology. We used the publicly available Sleep Heart Health Study (SHHS) polysomnography (PSG) dataset for training a DNN for sleep scoring. Subsequently, we introduced the integrated gradients (IG) interpretability method and applied it to gain a better understanding of the DNN’s decision making. The results of IG are visualized as pseudo-colors on the PSG data. We show exemplary findings for each sleep stage and compare them to the American Academy of Sleep Medicine (AASM) guideline for sleep scoring. Our model showed partial alignments with the AASM recommendations, e.g., highlighting K‑complexes during N2 sleep. However, interpretation is not straightforward, as the IG values do not follow standardized rules and only express a tendency of the decision-making process. Currently, only few studies focus on interpretability in DNN sleep scoring; however, our results underscore the need for efforts in this direction.
Beim Post-COVID-Syndrom (PCS) wird oftmals die Fatigue als Hauptsymptom angegeben. Neben zugrunde liegenden Erkrankungen wie der Depression können auch (noch) nicht diagnostizierte und somit auch nicht behandelte Schlafstörungen die Lebensqualität von PCS-Patienten beeinträchtigen. Betroffene können insbesondere unter Insomnie oder Hypersomnie, aber auch unter dem Restless-Legs-Syndrom (RLS) und schlafbezogenen Atmungsstörungen (SBAS) leiden. Die Pathophysiologie der Schlafstörungen bei PCS ist komplex und umfasst unterschiedliche Mechanismen. Diagnostisch ist eine detaillierte, schlafspezifische Anamnese und bei Bedarf als weiterführender Schritt eine apparative Diagnostik (Aktigraphie/Polygraphie/Polysomnographie) empfehlenswert. Die Behandlung richtet sich gemäß der jeweiligen Symptomatik nach den entsprechenden (nicht PCS-spezifischen) Leitlinien (z. B. SBAS, RLS) mit dem Ziel, die Symptomlast sowie die Lebensqualität der PCS-Patienten langfristig zu verbessern.
Im deutschen Gesundheitswesen sind die Vergütungen der stationären und der ambulanten Patientenversorgung klar voneinander abgegrenzt. Die Abrechnung im stationären Bereich erfolgt über Fallpauschalen im Rahmen der Diagnosis-Related Groups (DRG). Um bestehende Ambulantisierungspotenziale bei bislang stationär erbrachten Leistungen zu steigern, wurden sogenannte Hybrid-DRGs festgelegt, die eine spezielle sektorgleiche Vergütung ermöglichen sollen. 2024 wurden zwölf Hybrid-DRGs, festgelegt, und ab 2025 stehen weitere zehn Hybrid-DRGs zur Verfügung. Die Leistungen der Schlafmedizin sind jedoch bislang nicht als Hybrid-DRG abgebildet. Die Deutsche Gesellschaft für Schlafforschung und Schlafmedizin e. V. (DGSM) legt mit diesem Positionspapier die bisherige Leistungserbringung und die Erlössituation beispielhaft für die Diagnose und Therapie der schlafbezogenen Atmungsstörungen dar, um die Diskussionsgrundlage für die Verhandlungspartner und Entscheidungsträger der Selbstverwaltung zu schaffen und somit die Grundlage für eine sektorengleiche Vergütung bzw. Hybrid-DRG unter Wahrung einer sicheren und hochwertigen Patientenversorgung zu legen.
Automatic detection of the apnoea–hypopnoea index (AHI) using a portable monitor (PM) with artificial intelligence (AI) represents a significant challenge. The objective of this study was to examine factors that affect the performance of an AI algorithm that had been previously trained in calculating the AHI with polysomnography (PSG) data using signals collected by a PM. A deep learning model, specifically a version of U‑Net, had been previously trained on a PSG dataset comprising 480 patients for training, 96 for evaluation and 65 for testing. The dataset comprised three variables: oxygen saturation (SpO2), heart rate (HR) and abdominal respiratory effort (ARE). The deep learning model was employed to analyse data collected from 7 patients by the PM, with the objective of classifying obstructive sleep apnoea events and subsequently calculating the AHI. Subsequently, the results obtained by the PM and PSG were compared. The present study sought to verify the automatic recognition system for calculation of the AHI. The data for this study were collected from 7 patients using the PM, and the mean absolute error was found to be 19.95
Die manuelle Auswertung von Polysomnographien (PSG) ist zeitaufwändig und subjektiv. Künstliche Intelligenz (KI) bietet vielversprechende Möglichkeiten, diesen Prozess zu automatisieren und zu unterstützen. In diesem Artikel werden zunächst die Grundlagen des maschinellen Lernens in der Schlafauswertung erläutert, einschließlich des überwachten Lernens und der Bedeutung einer adäquaten Datentrennung. Anschließend werden die zentralen Anforderungen an Datenqualität und Datenvielfalt für die praktische Anwendung im Schlaflabor dargestellt. Die Bedeutung geeigneter Bewertungsmetriken und die Wichtigkeit der Untersuchung der Klassifikationsgüte in verschiedenen Patientengruppen werden hervorgehoben. Ausgehend von diesen Anforderungen wird ein Überblick über aktuelle Algorithmen zur automatisierten Apnoe‑/Hypopnoe-Erkennung gegeben. Trotz Fortschritten in der automatisierten Erkennung gibt es noch keine vollständig evaluierten Algorithmen, die eine manuelle Beurteilung ersetzen können. Dieser Artikel soll dazu beitragen, aktuelle Algorithmen zu bewerten und Anforderungen an die zukünftige Entwicklung von KI-Algorithmen in der Schlafmedizin zu formulieren.
