呼吸信号为什么可能帮助可穿戴设备进行睡眠分期
不同睡眠阶段的呼吸模式不同：快速眼动睡眠期间呼吸变得不规则且浅，深度非快速眼动睡眠期间则更规律。只追踪运动和脉搏的手腕设备可能漏掉这些呼吸变化，因此加入呼吸传感器可以为算法提供另一条区分睡眠阶段的线索。一项早期研究从手腕活动记录中估算呼吸频率，并用它检测快速眼动睡眠，表明手腕设备提供的呼吸信息可以与多导睡眠图——睡眠实验室的金标准检查——相吻合[1]。
不过，这项研究只有摘要，没有报告呼吸信号比单用运动信息改善了多少分期效果。这个思路是合理的，但获益有多大仍不清楚。
没有呼吸传感器时，手腕设备已经能做什么
结合运动（加速度计）和脉搏（光电容积脉搏波，PPG）的手腕设备能以中等程度与多导睡眠图一致地完成睡眠分期。在一个包含244名成人和48名患有各种睡眠障碍的儿童的临床人群中，一种手腕PPG加加速度计算法对四个睡眠阶段的分期准确率达到76.4%，kappa值为0.62——kappa衡量的是超出偶然水平的一致性，0.6通常被认为相当高[2]。儿童和非快速眼动睡眠异态睡眠者的表现更好，快速眼动睡眠异态睡眠者的表现较差[2]。
一项涵盖62种可穿戴设备配置的范围综述发现，仅使用加速度计数据的设备擅长区分睡眠和清醒，但不擅长识别多个睡眠阶段，而加入PPG可改善分期[4]。该综述没有纳入呼吸传感器，因此它展示的是呼吸测量需要超越的基线水平。
要回答这个问题还缺什么
这组研究中没有一项直接比较加入呼吸测量前后的手腕或手指可穿戴设备在睡眠分期或障碍检测上的表现。最接近的证据是间接的：带呼吸频率估算的手腕活动记录可以检测快速眼动睡眠[1]；手腕PPG加加速度计在没有呼吸传感器时能中等程度地完成睡眠分期[2]；腕式脉搏血氧仪可以测量与呼吸暂停相关的血氧饱和度[5]。每一项都支持呼吸信号可能发挥作用，但都没有衡量其附加价值。
该范围综述还指出，可穿戴设备睡眠分期的可靠性取决于在不同人群中的验证和一致的报告方式，并建议在多个睡眠阶段上比较商业算法[4]。在有针对性的研究将加入呼吸监测的可穿戴设备与同一设备不加呼吸监测的情况进行直接对比之前，这种改善仍只是提示性的，而非已被证实。
本文引用的文献
基于呼吸频率估算的活动记录检测快速眼动睡眠
与多导睡眠图相比，带呼吸频率估算的手腕活动记录显示出检测快速眼动睡眠的潜力，但摘要没有量化它比单用运动信息改善了多少。
关键都在手腕上：临床人群中的可穿戴睡眠分期与参考多导睡眠图对比
一种腕戴式PPG加加速度计算法在临床人群中实现四类睡眠分期76.4%的准确率和0.62的kappa值，儿童和非快速眼动睡眠异态睡眠者表现更好，快速眼动睡眠异态睡眠者表现较差。
使用心电图、呼吸用力和神经网络估算阻塞性睡眠呼吸暂停的严重程度
使用心电图和呼吸用力的神经网络估算了阻塞性睡眠呼吸暂停的严重程度并进行了睡眠分期，但该研究没有使用手腕或手指可穿戴设备进行呼吸测量。
评估可穿戴设备用于睡眠分期的可靠性
一项涵盖62种可穿戴设备配置的范围综述发现，仅用加速度计的设备对睡眠/清醒检测有效，但不能识别多个睡眠阶段，而加入PPG可改善分期；该综述未纳入呼吸传感器。
腕戴式反射式脉搏血氧仪在睡眠期间的性能评估
一项研究在睡眠期间将腕戴式反射式脉搏血氧仪与多导睡眠图进行对比，评估血氧饱和度和呼吸暂停相关指标，但摘要没有报告它与参考标准吻合到什么程度。