MétaCan
Menu
Retour à la cohorte
Enregistrement W2576702021 · doi:10.1093/sleep/zsw060

Comparison Between Automatic and Visual Scorings of REM Sleep Without Atonia for the Diagnosis of REM Sleep Behavior Disorder in Parkinson Disease

2016· article· en· W2576702021 sur OpenAlexaboutno aff
Michela Figorilli, Raffaele Ferri, Maurizio Zibetti, Patricia Beudin, Monica Puligheddu, Leonardo Lopiano, Alessandro Cicolin, F. Durif, Ana Marquès, Maria Livia Fantini

Notice bibliographique

RevueSLEEP · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesUniversità degli Studi di TorinoUniversità degli Studi di Cagliari
Mots-clésREM sleep behavior disorderSleep (system call)Rapid eye movement sleepParkinson's diseaseMedicineDiseasePsychologyAudiologyEye movementNeuroscienceInternal medicineComputer science

Résumé

récupéré en direct d'OpenAlex

Study Objectives: To compare three different methods, two visual and one automatic, for the quantification of rapid eye movement (REM) sleep without atonia (RSWA) in the diagnosis of REM sleep behavior disorder (RBD) in Parkinson's disease (PD) patients. Methods: Sixty-two consecutive patients with idiopathic PD underwent video-polysomnographic recording and showed more than 5 minutes of REM sleep. The electromyogram during REM sleep was analyzed by means of two visual methods (Montréal and SINBAR) and one automatic analysis (REM Atonia Index or RAI). RBD was diagnosed according to standard criteria and a series of diagnostic accuracy measures were calculated for each method, as well as the agreement between them. Results: RBD was diagnosed in 59.7% of patients. The accuracy (85.5%), receiver operating characteristic (ROC) area (0.833) and Cohen's K coefficient (0.688) obtained with RAI were similar to those of the visual parameters. Visual tonic parameters, alone or in combination with phasic activity, showed high values of accuracy (93.5-95.2%), ROC area (0.92-0.94), and Cohen's K (0.862-0.933). Similarly, the agreement between the two visual methods was very high, and the agreement between each visual methods and RAI was substantial. Visual phasic measures alone performed worse than all the other measures. Conclusion: The diagnostic accuracy of RSWA obtained with both visual and automatic methods was high and there was a general agreement between methods. RAI may be used as the first line method to detect RSWA in the diagnosis of RBD in PD, together with the visual inspection of video-recorded behaviors, while the visual analysis of RSWA might be used in doubtful cases.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,328
Écart entre enseignants0,300 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations72
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSLEEPMême sujetParkinson's Disease Mechanisms and TreatmentsTravaux en français237 207