A Screening Algorithm for Obstructive Sleep Apnea in Pregnancy
Notice bibliographique
Résumé
Abstract Rationale Obstructive sleep apnea (OSA) is common in pregnancy and associated with maternal and fetal complications. Early detection of OSA may have important implications for maternal-fetal well-being. A screening tool combining several methods of assessment may better predict OSA among pregnant women compared with tools that rely solely on self-reported information. Objectives To develop a screening tool combining subjective and objective measures to predict OSA in pregnant women. Methods This study is a secondary analysis using data collected from a completed cohort of pregnant women (n = 121 during the first and n = 87 during the third trimester). Participants underwent full polysomnography and completed the Multivariable Apnea Prediction Questionnaire. The Obstructive Sleep Apnea/Hypopnea Syndrome Score and Facco apnea predictive model were obtained. Logistic regression analysis and area under the curve (AUC) were used to identify models predicting OSA risk. Results Participants’ mean age was 27.4 ± 7.0 years. The prevalence of OSA during the first and third trimester was 10.7% and 24.1%, respectively. The final model predicting OSA risk consisted of body mass index, age, and presence of tongue enlargement. During the first trimester, the AUC was 0.86 (95% confidence interval [CI], 0.76–0.96). During the third trimester, the AUC was 0.87 (95% CI, 0.77–0.96). When the first-trimester data were used to predict third-trimester OSA risk, the AUC was 0.87 (95% CI, 0.77–0.97). This model had high sensitivity and specificity when used during both trimesters. The negative posttest probabilities (probability of OSA given a negative test result) ranged from 0.03 to 0.07. Conclusions A new model consisting of body mass index, age, and presence of tongue enlargement provided accurate screening of OSA in pregnant women, particularly African-Americans. This tool can be easily and rapidly administered in busy clinical practices without depending on patients’ awareness of experiencing apnea symptoms.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».