Predicting epiglottic collapse in patients with obstructive sleep apnoea
Notice bibliographique
Résumé
Obstructive sleep apnoea (OSA) is characterised by pharyngeal obstruction occurring at different sites. Endoscopic studies reveal that epiglottic collapse renders patients at higher risk of failed oral appliance therapy or accentuated collapse on continuous positive airway pressure. Diagnosing epiglottic collapse currently requires invasive studies (imaging and endoscopy). As an alternative, we propose that epiglottic collapse can be detected from the distinct airflow patterns it produces during sleep.23 OSA patients underwent natural sleep endoscopy. 1232 breaths were scored as epiglottic/nonepiglottic collapse. Several flow characteristics were determined from the flow signal (recorded simultaneously with endoscopy) and used to build a predictive model to distinguish epiglottic from nonepiglottic collapse. Additionally, 10 OSA patients were studied to validate the pneumotachograph flow features using nasal pressure signals.Epiglottic collapse was characterised by a rapid fall(s) in the inspiratory flow, more variable inspiratory and expiratory flow and reduced tidal volume. The cross-validated accuracy was 84%. Predictive features obtained from pneumotachograph flow and nasal pressure were strongly correlated.This study demonstrates that epiglottic collapse can be identified from the airflow signal measured during a sleep study. This method may enable clinicians to use clinically collected data to characterise underlying physiology and improve treatment decisions.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».