Detecting central sleep apnea in adult patients using WatchPAT—a multicenter validation study
Notice bibliographique
Résumé
STUDY OBJECTIVES: To assess the accuracy of WatchPAT (WP-Itamar-Medical, Caesarea, Israel) enhanced with a novel systolic upstroke analysis coupled with respiratory movement analysis derived from a dedicated snoring and body position (SBP) sensor, to enable automated algorithmic differentiation between central sleep apnea (CSA) and obstructive sleep apnea (OSA) compared with simultaneous in-lab sleep studies with polysomnography (PSG). METHODS: Eighty-four patients with suspected sleep-disordered breathing (SDB) underwent simultaneous WP and PSG studies in 11 sleep centers. PSG scoring was blinded to the automatically analyzed WP data. RESULTS: Overall WP apnea-hypopnea index (AHI; mean ± SD) was 25.2 ± 21.3 (range 0.2-101) versus PSG AHI 24.4 ± 21.2 (range 0-110) (p = 0.514), and correlation was 0.87 (p < 0.001). Using a threshold of AHI ≥ 15, the sensitivity and specificity of WP versus PSG for diagnosing sleep apnea were 85% and 70% respectively and agreement was 79% (kappa = 0.867). WP central AHI (AHIc) was 4.2 ± 7.7 (range 0-38) versus PSG AHIc 5.9 ± 11.8 (range 0-63) (p = 0.034), while correlation was 0.90 (p < 0.001). Using a threshold of AHI ≥ 15, the sensitivity and specificity of WP versus PSG for diagnosing CSA were 67% and 100% respectively with agreement of 95% (kappa = 0.774), and receiver operator characteristic (ROC) area under the curve of 0.866, (p < 0.01). Using a threshold of AHI ≥ 10 showed comparable overall sleep apnea and CSA diagnostic accuracies. CONCLUSIONS: These findings show that WP can accurately detect overall AHI and effectively differentiate between CSA and OSA.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».