Development of a Non-invasive Device for Swallow Screening in Patients at Risk of Oropharyngeal Dysphagia: Results from a Prospective Exploratory Study
Notice bibliographique
Résumé
Oropharyngeal dysphagia is prevalent in several at-risk populations, including post-stroke patients, patients in intensive care and the elderly. Dysphagia contributes to longer hospital stays and poor outcomes, including pneumonia. Early identification of dysphagia is recommended as part of the evaluation of at-risk patients, but available bedside screening tools perform inconsistently. In this study, we developed algorithms to detect swallowing impairment using a novel accelerometer-based dysphagia detection system (DDS). A sample of 344 individuals was enrolled across seven sites in the United States. Dual-axis accelerometry signals were collected prospectively with simultaneous videofluoroscopy (VFSS) during swallows of liquid barium stimuli in thin, mildly, moderately and extremely thick consistencies. Signal processing classifiers were trained using linear discriminant analysis and 10,000 random training-test data splits. The primary objective was to develop an algorithm to detect impaired swallowing safety with thin liquids with an area under receiver operating characteristic curve (AUC) > 80% compared to the VFSS reference standard. Impaired swallowing safety was identified in 7.2% of the thin liquid boluses collected. At least one unsafe thin liquid bolus was found in 19.7% of participants, but participants did not exhibit impaired safety consistently. The DDS classifier algorithms identified participants with impaired thin liquid swallowing safety with a mean AUC of 81.5%, (sensitivity 90.4%, specificity 60.0%). Thicker consistencies were effective for reducing the frequency of penetration-aspiration. This DDS reached targeted performance goals in detecting impaired swallowing safety with thin liquids. Simultaneous measures by DDS and VFSS, as performed here, will be used for future validation studies.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».