Do anthropometric parameters change the characteristics of snoring sound?
Notice bibliographique
Résumé
Snoring sounds is commonly known to be associated with obstructive sleep apnea (OSA). There are many studies trying to distinguish between the snoring sounds of non-OSA and those of OSA patients. However, OSA is only one of the conditions that affect the structure of upper airway. In this study, we investigated the effect of anthropometric parameters on the snoring sounds. Since snoring sounds are non-Gaussian signals by nature, we derived its Higher Order Statistical (HOS) features and investigated the statistical significance of the anthropometric parameters on each of these features. Data were collected from 40 patients with different levels of OSA. Tracheal respiratory sounds collected by a microphone placed over suprasternal notch, were recorded simultaneously with full-night Polysomnography (PSG) data during sleep. The snoring segments were identified semi-automatically from respiratory sounds using an unsupervised snore detection algorithm. The bispectrum of each SS segment was estimated. We calculated two common HOS measures, Skewness and Kurtosis, plus a new feature called Projected Median Bifrequency (PMBF) from the SS segments. Then, we investigated the statistical relationship between these features and anthropometric parameters such as height, Body Mass Index (BMI), age, gender, and Apnea-Hypopnea Index (AHI). The result showed that gender, BMI, height, and AHI are the parameters that do change the characteristics of snoring sounds significantly.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».