Symbolic dynamics to enhance diagnostic ability of portable oximetry from the Phone Oximeter in the detection of paediatric sleep apnoea
Notice bibliographique
Résumé
OBJECTIVE: This study is aimed at assessing symbolic dynamics as a reliable technique to characterise complex fluctuations of portable oximetry in the context of automated detection of childhood obstructive sleep apnoea-hypopnoea syndrome (OSAHS). APPROACH: Nocturnal oximetry signals from 142 children with suspected OSAHS were acquired using the Phone Oximeter: a portable device that integrates a pulse oximeter with a smartphone. An apnoea-hypopnoea index (AHI) ≥5 events/h from simultaneous in-lab polysomnography was used to confirm moderate-to-severe childhood OSAHS. Symbolic dynamics was used to parameterise non-linear changes in the overnight oximetry profile. Conventional indices, anthropometric measures, and time-domain linear statistics were also considered. Forward stepwise logistic regression was used to obtain an optimum feature subset. Logistic regression (LR) was used to identify children with moderate-to-severe OSAHS. MAIN RESULTS: The histogram of 3-symbol words from symbolic dynamics showed significant differences (p <0.01) between children with AHI <5 events/h and moderate-to-severe patients (AHI ≥5 events/h). Words representing increasing oximetry values after apnoeic events (re-saturations) showed relevant diagnostic information. Regarding the performance of individual characterization approaches, the LR model composed of features from symbolic dynamics alone reached a maximum performance of 78.4% accuracy (65.2% sensitivity; 86.8% specificity) and 0.83 area under the ROC curve (AUC). The classification performance improved combining all features. The optimum model from feature selection achieved 83.3% accuracy (73.5% sensitivity; 89.5% specificity) and 0.89 AUC, significantly (p-value <0.01) outperforming the other models. SIGNIFICANCE: Symbolic dynamics provides complementary information to conventional oximetry analysis enabling reliable detection of moderate-to-severe paediatric OSAHS from portable oximetry.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».