Snoring sounds’ statistical characteristics depend on anthropometric parameters
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Snoring is common in people with obstructive sleep apnea (OSA). Although not every snorer has OSA or vice-versa, many studies attempt to use snoring sounds for classification of people into two groups of OSA and simple snorers. This paper discusses the relationship between snorers’ anthropometric parameters and statistical characteristics of snoring sound (SS) and also reports on classification accuracies of methods using SS features for screening OSA from simple snorers when anthropometric parameters are either matched or unmatched. Tracheal respiratory sounds were collected from 60 snorers simultaneously with full-night Polysomnography (PSG). Energy, formant frequency, Skewness and Kurtosis were calculated from the SS segments. We also defined and calculated two features: Median Bifrequency (MBF), and projected MBF (PMBF). The statistical relationship between the extracted features and anthropometric parameters such as height, Body Mass Index (BMI), age, gender, and Apnea-Hypopnea Index (AHI) were investigated. The results showed that the SS features were not only sensitive to AHI but also to height, BMI and gender. Next, we performed two experiments to classify patients with Obstructive Sleep Apnea (OSA) and simple snorers: Experiment A: a small group of participants (22 OSA and 6 simple snorers) with matched height, BMI, and gender were selected and classified using Na?ve Bayes classifier, and Experiment B: the same number of participants with unmatched height, BMI, and gender were chosen for classification. A sensitivity of 93.2% (87.5%) and specificity of 88.4% (86.3%) was achieved for the matched (unmatched) groups.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,001 | 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) | 0,000 | 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 découle