Predicting sleep apnea responses to oral appliance therapy using polysomnographic airflow
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: Oral appliance therapy is an increasingly common option for treating obstructive sleep apnea (OSA) in patients who are intolerant to continuous positive airway pressure (CPAP). Clinically applicable tools to identify patients who could respond to oral appliance therapy are limited. METHODS: Data from three studies (N = 81) were compiled, which included two sleep study nights, on and off oral appliance treatment. Along with clinical variables, airflow features were computed that included the average drop in airflow during respiratory events (event depth) and flow shape features, which, from previous work, indicates the mechanism of pharyngeal collapse. A model was developed to predict oral appliance treatment response (>50% reduction in apnea-hypopnea index [AHI] from baseline plus a treatment AHI <10 events/h). Model performance was quantified using (1) accuracy and (2) the difference in oral appliance treatment efficacy (percent reduction in AHI) and treatment AHI between predicted responders and nonresponders. RESULTS: In addition to age and body mass index (BMI), event depth and expiratory "pinching" (validated to reflect palatal prolapse) were the airflow features selected by the model. Nonresponders had deeper events, "pinched" expiratory flow shape (i.e. associated with palatal collapse), were older, and had a higher BMI. Prediction accuracy was 74% and treatment AHI was lower in predicted responders compared to nonresponders by a clinically meaningful margin (8.0 [5.1 to 11.6] vs. 20.0 [12.2 to 29.5] events/h, p < 0.001). CONCLUSIONS: A model developed with airflow features calculated from routine polysomnography, combined with age and BMI, identified oral appliance treatment responders from nonresponders. This research represents an important application of phenotyping to identify alternative treatments for personalized OSA management.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,001 |
| 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