Leak Profile Inspection During Nasal Continuous Positive Airway Pressure
Notice bibliographique
Résumé
BACKGROUND: Patients treated with nasal continuous positive airway pressure (nasal CPAP) for obstructive sleep apnea (OSA) often have adverse effects from and poor adherence to CPAP. OBJECTIVE: To describe abnormal CPAP leak profiles and assess inter-observer reliability in identifying leak profiles and the correlation of leak profiles with leak rate and clinical outcomes. METHODS: In a sleep-disorders clinic we prospectively studied 35 consecutive patients newly diagnosed with moderate or severe OSA, and who had undergone polysomnographic diagnosis and nasal CPAP titration. We analyzed the data recorded by their CPAP machines during their first week of CPAP. Two independent clinical sleep specialists inspected each night's leak profiles. We defined a "continuous" leak profile segment as a leak increase of ≥ 20 L/min for > 5 min. We defined a "serrated" leak profile segment as a leak that oscillated up to ≥ 20 L/min in ≤ 5 min. With a validated questionnaire, we surveyed the patients about adverse effects. RESULTS: Overall inter-observer agreement was 88% for continuous leak and 92% for serrated leaks. The kappa values were 0.76 and 0.85, respectively. Deviance (± 2 SD) between scorers was -14% to 11% for continuous leaks, and -15% to 9% for serrated leaks. The duration of manually scored profiles correlated modestly but significantly with the machine-recorded leaks. The mean ± SD adherence to CPAP was lower in the patients with the highest quartile of continuous leak (5.28 ± 2.24 h/night versus 6.66 ± 1.72 h/night). Adverse effects increased with increasing serrated leak (P = .01). CONCLUSIONS: Manually scored leak profiles in patients treated with nasal CPAP can guide clinicians with respect to short-term adherence to nasal CPAP and adverse effects.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 tête enseignante, 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 ».