Snoring sounds’ statistical characteristics depend on anthropometric parameters
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.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».