The Siesta Project
This article describes contents and major results of the project SIESTA (BIOMED-2) supported by the European Commission. The main aim was intensive research on the architecture of human sleep and the development and evaluation of new methods for analysing sleep based on polygraphic recordings, mainly EEG. In this connection, alternatives to the rules set up by Rechtschaffen and Kales for the description of human sleep were investigated. The project SIESTA yielded two essential results: first of all, the model and the development of an automatic sleep analyser for polygraphic recordings with a time resolution up to 1 s. Validation of the results of the analyser is still in progress and reveals possibilities for adaptation and further development. Secondly, an essential result was setting up a normative database for polygraphic sleep recordings and additional subjective and objective parameters. The database contains data of 295 subjects each with two sleep recordings. The age distribution of 198 healthy subjects ranges from 20 to 90 years with an approximately equal distribution across the decades. Furthermore, the database comprises data of 97 patients.
Zusammenfassung
Dieser Artikel gibt einen Überblick über das von der Europäischen Kommission im Rahmen der BIOMED-2-Ausschreibungen geförderten Projektes SIESTA. Das wesentliche Ziel war die intensive Forschung zur Architektur des Schlafes und die Entwicklung und Evaluierung neuer Verfahren zur Schlafanalyse, aufbauend auf polygraphischen Ableitungen mit dem Schwergewicht auf dem EEG. Dabei stand im Vordergrund, Alternativen zu den bestehenden Regeln nach Rechtschaffen u. Kales für die Schlafbeurteilung aufzuzeigen. Das Projekt SIESTA erbrachte zwei wesentliche Ergebnisse: Erstens, den Entwurf und die Entwicklung eines automatischen Analysators für Schlafpolygraphien, aufbauend auf einem probabilistischen Prinzip, wobei die zeitliche Auflösung bis zu einer Sekunde betragen kann. Die Validierung der Ergebnisse des entwickelten Prototyps des Analysators ist derzeit im Gang und zeigt Möglichkeiten für Adaptierungen und Ausbau auf. Das zweite wesentliche Ergebnis war der Aufbau einer normativen Datenbank für Schlafpolygraphien und zusätzlichen subjektiven und objektiven Parametern: Die Datenbank enthält Daten von 295 Personen mit jeweils zwei Aufnahmen. Die Altersstruktur der insgesamt 198 Gesunden reicht von 20 - 90 Jahre mit annähernd gleicher Verteilung in allen Dekaden. Weiter enthält die Datenbank die Aufnahmen von 97 Patienten.
Key words
SIESTA project - Polygraphic sleep recording - Normative database - Sleep analyser based on probabilistic principles
Literatur
1 Thorpy M J. The International Classification of Sleep Disorders. Diagnostic and Coding Manual of the Diagnostic Classification and Steering Committee 1990
2 Rechtschaffen A, Kales A. A manual of standardized terminology, techniques and scoring system for sleep stages of human subjects. Los Angeles; Brain Information Service/Brain Research Institute, University of California at Los Angeles 1968
3 Kubicki S, Herrmann W M, Höller L. Critical comments on the rules by Rechtschaffen & Kales concerning the visual evaluation of sleep records. In: Kubicki S, Herrmann WM (eds) Methods of Sleep Research. Stuttgart, New York; Gustav Fischer 1985: 19-35
4
Kubicki S, Scheuler W, Jobert M, Pastelak Price C.
Der Einfluss des Alters auf die Schlafspindel- und K-Komplex-Dichte.
Z EEG-EMG.
1989;
20
59-63
5
Hasan J.
Automatic analysis of sleep recordings: A critical review.
Annals Clin Res.
1985;
17
280-287
6
Hasan J.
Past and future of computer-assisted sleep analysis and drowsiness assessment.
J Clin Neurophysiol.
1996;
13
295-313
7 Rechtschaffen A. How can SWS best be measured. In: Chase MH, Roth T (eds) Slow wave sleep - its measurement and functional significance. Los Angeles; Brain Information service/Brain Research Institute, UCLA 1990: 26-27
8
Penzel T, Stephan K, Kubicki S, Herrmann W M.
Integrated sleep analysis, with emphasis on automatic methods.
Epilepsy Res.
1991;
Suppl 2
177-204
9
Himanen S-L, Hasan J.
Limitations of Rechtschaffen and Kales.
Sleep Med Rev.
2000;
4
149-167
10
Kemp B.
A proposal for computer-based sleep/wake analysis. Consensus report.
J Sleep Res.
1993;
2
179-185
11
Pardey J, Roberts S J, Tarassenko L, Stradling J.
A new approach to the analysis of the human sleep/wakefulness continuum.
J Sleep Res.
1997;
5
201-210
12
Hirshkowitz M, Moore M A.
Issues in computerized polysomnography.
Sleep.
1994;
17
105-112
13 International Statistical Classification of Diseases and Related Health Problems (ICD-10), Tenth Revision. Geneva; World Health Organisation (WHO) 1992 Vol 1
14
Schlögl A, Kemp B, Penzel T, Kunz D, Himanen S-L, Värri A, Dorffner G, Pfurtscheller G.
Quality control of polysomnographic sleep data by histogram and entropy analysis.
Clin Neurophysiology.
1999;
110
2165-2170
15
Kemp B, Värri A, Rosa A C, Nielsen K-D, Gade J.
A simple format for exchange of digitized polygraphic recordings.
Electroenceph Clin Neurophysiol.
1992;
82
391-393
16 Klösch G, Kemp B, Penzel T, Schlögl A, Rappelsberger P, Trenker E, Gruber G, Zeitlhofer J, Saletu B, Herrmann W, Himanen S L, Kunz D, Barbanoj J, Röschke J, Värri A, Dorffner G. The polygraphic and clinical database of the SIESTA project: A new approach to study subjective and objective measurements of human sleep. IEEE Engineering in Medicine and Biology Magazine 2001, in press
17
Penzel T, Conradt R.
Computer based sleep recording and analysis.
Sleep Med Rev.
2000;
2
131-148
18
Häkkinen V, Hirvonen K, Hasan J, Kataja M, Värri A, Loula P, Eskola H.
The effect of small differences in electrode position on EOG signals: Application to vigilance studies.
Electroenceph Clin Neurophysiol.
1991;
79
36-44
19
Schimicek P, Zeitlhofer J, Anderer P, Saletu B.
Automatic sleep-spindle detection procedure: aspects of reliability and validity.
Clin Electroencephal.
1994;
25
26-29
20
Trenker E, Hajek J, Rappelsberger P, Zeitlhofer J, Anderer P, Dorffner G.
Automatic detection of sleep spindles using artificial neural networks.
J Sleep Res.
1998;
7 (Suppl 2)
280
21
Schlögl A, Woertz M, Trenker E, Rappelsberger P, Pfurtscheller G.
Automatic detection of sleep spindles using a Bayesian approach.
J Sleep Res.
1998;
7 (Suppl 2)
242
22 Anderer P, Klösch G, Gruber G, Trenker E, Pascual-Marqui R D, Zeitlhofer J, Barbanoj M J, Rappelsberger P, Saletu B. Low resolution brain electromagnetic tomography (LORETA) revealed simultaneously active frontal and parietal sleep spindle sources in the human cortex. Neurosci 2001, in press
23
Böhnel M, Pregenzer M M, Wörtz M E, Trenker E, Rappelsberger P, Dorffner G.
A non parametric method for calculating a posteriori probabilities of sleep spindles in EEG data.
Med Biol Engineering Computing.
1999;
37 Suppl 2
484-485
24
Trenker E, Hajek J, Rappelsberger P.
Sleep spindle data warehouse.
Med Biol Engineering Computing.
1999;
37 Suppl 2
1662-1663
25
Anderer P, Roberts S J, Schlögl A, Gruber G, Klösch G, Herrmann W M, Rappelsberger P, Filz O, Barbanoj M-J, Dorffner G, Saletu B.
Artifact processing in computerized analysis of sleep EEG. - A review.
Neuropsychobiology.
1999;
3
150-157
26
Schlögl A, Anderer P, Barbanoj M-J, Gruber G, Klösch G, Rappelsberger P, Dorffner G, Pfurtscheller G.
Artifact in the sleep EEG - A database for the evaluation of automated processing methods.
Sleep Res Online.
1999;
2 (Suppl 1)
586
27 Penzel T, Kemp B, Klösch G, Schlögl A, Hasan J, Värri A, Korhonen I. Acquisition of biomedical signal databases. Experiences from the SIESTA project. IEEE Engineering Med Biol 2001 in press
28
Gruenberger J, Linzmayer L, Dietzl M, Saletu B.
The effect of biologically-active light on the noo- and thymopsyche and on psychophysiological variables in healthy volunteers.
Internat J Psychophysiol.
1993;
15
27-37
29 Gruenberger J. Psychodiagnostik des Alkoholkranken. Ein methodischer Beitrag zur Bestimmung der Organizität in der Psychiatrie. Wien; Maudrich 1977
30 Wechsler D. Manual for the Wechsler Adult Intelligence Scale. New York; Psychological Corporation 1955
31
von Zerssen D, Koeller D, Rey E-R.
Die Befindlichkeitsskala (B-S): Ein einfaches Instrument zur Objektivierung von Befindlichkeitsstörungen, insbesondere im Rahmen von Längsschnittuntersuchungen.
Arzneimittelforschung (Drug Res.).
1970;
20
915-918
32 Guy W, Ban T HA. The AMDP-System. Manual for the Assessment and Documentation of Psychopathology. New York, Berlin, Tokyo; Springer 1982
33 Costa P T, McCrae R R. The NEO Personality Inventory. Manual Form S and Form. Odessa, Florida; Psychol Assess Resources 1985
34
Zung W WK.
A rating instrument for anxiety disorders.
Psychosomatics.
1971;
12
371-379
35
Zung W WK.
A self rating depression scale.
Arch Gen Psychiatr.
1965;
12
963-970
36 Mezzich J E, Cohen N. Towards a quality of life index: Efficacy and cultural sensitivity. Santiago de Compostella; Spain Internat Congr Internat Fed Psychiatric Epidemiology 1996
37
Schwarzer R.
Optimistische Kompetenzerwartung: Zur Erfassung einer personellen Bewältigungsressource.
Diagnostica.
1994;
40
105-123
38
Buysse D, Reynolds C , Monk T, Berman S, Kupfer D.
The Pittsburgh sleep quality index: A new instrument for psychiatric practice and research.
Psychiatry Res.
1988;
28
193-211
39 Fahn S, Elton R L. and members of the UPDRS development committee .Unified Parkinsons disease rating scale. In: Fahn S, Marsden C-D, Calne D-B, Goldstein M (eds) Recent developments in Parkinsons disease. Florham Park, NJ; MacMillan Healthcare Information 1987: 293-304
40
Saletu B, Wessely P, Grünberger J, Schultes M.
Erste klinische Erfahrungen mit einem neuen schlafanstoßenden Benzodiazepin, Clomazepam, mittels eines Selbstbeurteilungsbogens für Schlaf- und Aufwachqualität (SSA).
Neuropsychiatrie.
1987;
1
169-176
41
Anderer P, Gruber G, Klösch G, Saletu B, Barbanoj M J, Danker-Hopfe H, Himanen S-L, Kemp B, Penzel T, Röschke J, Dorffner G.
Effects of normal aging on subjective and objective measures of sleep.
J Sleep Res.
2000;
9 (Suppl 1)
4
42
Gruber G, Anderer P, Klösch G, Saletu B, Barbanoj M-J, Danker-Hopfe H, Himanen S-L, Kemp B, Penzel T, Röschke J, Dorffner G.
First-night effects on subjective and objective measures of sleep in a large normative database.
J Sleep Res.
2000;
9 (Suppl 1)
74
43
Dorffner G, Sykacek P, Roberts S, Schlögl A, Värri A, Rappelsberger P, Anderer P, Klösch G, Saletu B, Zeitlhofer J, Barbanoj M J, Danker-Hopfe H, Himanen S-L, Kemp B, Penzel T, Röschke J.
Continuous sleep processes and subjective sleep quality - first results from the Siesta Project.
J Sleep Res.
2000;
9 (Suppl 1)
17
44
Kunz D, Danker-Hopfe H, Gruber G, Klösch G, Lorenzo J L, Himanen S-L, Kemp B, Penzel T, Röschke J, Dorffner G.
Interrater reliability between eight European sleep-labs in healthy subjects of all age-groups.
J Sleep Res.
2000;
9 (Suppl 1)
106
45
Feinberg I, Floyd T C.
Systematic trends across the night in human sleep cycles.
Psychophysiology.
1979;
16
283-291
46 Bernardo J M, Smith A FM. Bayesian Theory. Chichester; Wiley 1994
47
Sykacek P, Roberts S J, Rezek I, Flexer A, Dorffner G.
Bayesian wrappers versus conventional filters: Feature subset selection in the SIESTA project.
Med Biol Engineering Computing.
1999;
37 (Suppl 2)
1652-1653
48 Sykacek P. On input selection with reversible jump Markov cham Monte Carlo sampling. In: Solla SA, Leen TK, Müller K-R (eds) Advances in Neural Information Processing Systems. Boston, Ma; MJT Press 2000 12: 6389-6440
49 Ljung L. System Identification, Theory for the User. New Jersey; Prentice Hall, Englewood Cliffs 1999
50 Sykacek P. Bayesian inference for reliable biomedical signal processing. PhD thesis. Vienna; Technical University 2000
51 Ripley B D. Pattern Recognition and Neural Networks. Cambridge; Cambridge University Press 1996
52 Attias H. Inferring parameters and structure of latent variable models by variational Bayes. Proc. 15th Conf. on Uncertainty in AI 1999
53
Scheuler W, Rappelsberger P, Schmatz F, Petsche H, Kubicki S.
Periodicity analysis of sleep-EEG: abnormal arousal periodicities.
Electroenceph Clin Neurophysiol.
1990;
76
222-234
54 Sykacek P, Roberts S, Rezek I, Flexer A, Dorffner G. A probabilistic approach to high resolution sleep analysis. 2001 submitted
1 Zum Zeitpunkt dieser Analyse standen von den 198 Consensus Scorings Gesunder 191 zur Verfügung.
2 Zum Zeitpunkt dieser Analyse fehlten noch die Consensus Scorings von einem Apnoe-Patienten, von zwei Patienten mit Morbus Parkinson und einem Patienten mit Angstzuständen.
3 Der Name „generative” ruht daher, dass das Modell die Dichtefunktionen und die a-priori-Wahrscheinlichkeiten der Klassen schätzt. Es kann daher auch „erzeugend” verwendet werden, wobei sich „erzeugend” auf die Fähigkeit bezieht, sowohl Datenpunkte der unabhängigen Variablen als auch die entsprechenden Klassenzugehörigkeiten zu generieren.
4 Die Summe 79 + 75 = 154 stimmt deshalb nicht mit der Gesamtzahl der Kontrollen (n = 198) überein, weil zum Zeitpunkt der Analyse erst 154 Consensus Scorings zur Verfügung standen.
Prof. Dipl.-Ing. Dr. Peter Rappelsberger
Institut für Hirnforschung Integrative Neurophysiologie
Spitalgasse 4
1090 Wien Österreich
Email: peter.rappelsberger@univie.ac.at