Detecting central sleep apnea in adult patients using WatchPAT—a multicenter validation study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 découle