0597 Precision of Sleep-Disordered Breathing Event Classification Using Simulated Home Sleep Apnea Testing in Patients with Spinal Cord Injury, or Disease
Notice bibliographique
Résumé
Abstract Introduction Sleep-disordered breathing (SDB) is highly prevalent among patients with spinal cord injury or disease (SCI/D). In-laboratory polysomnography (PSG) is difficult for these patients due to functional limitations and the physical construction of most sleep laboratories. Our objective was to evaluate the concordance between simulated HSAT and PSG in identifying SDB severity and subtypes of respiratory events in this patient population. Methods Within a larger study, 33 Veterans with SCI/D completed one night of in-laboratory PSG. Limited-channel HSAT was simulated by extracting 5 channels from PSG signals to include nasal pressure, thermistor, thoracic and abdominal belts, and oxygen saturation. Results Mean age of patients was 59.8 ± 10.9 years; 87.9% were male, and the average BMI was 28.1 ± 6.3. The mean Apnea-Hypopnea Index (AHI) from PSG was 35.5 ± 22.7. The mean Respiratory Event Index (REI) based on simulated HSAT was 22.5 ± 18.6. Thirty-one patients (93.9%) had SDB defined as AHI ≥5/hour. Simulated limited-channel HSAT accurately identified 32 out of 33 patients (96.96%). When SDB was further classified into mild (AHI 5-15 events/hr), moderate (AHI 15-30 events/hr), and severe (AHI>30/hr), simulated HSAT consistently underestimated the severity of underlying SDB. Spearman correlation between estimating AHI (PSG-HSAT) and subtypes of respiratory events was primarily accounted for by the difference in the number of hypopneas (r=0.72, -0.021 and -0.001 for hypopneas, obstructive and central apneas, respectively). Conclusion Our findings support the diagnostic utility of HSAT in SCI/D patients with SDB; however, HSAT underestimation of SDB may lead to difficulties in optimizing therapy. The misclassification of SDB severity is mainly driven by the number of hypopneas. Classification of hypopneas as obstrcutive or central may shed further light on the nature of this difference. Further research on the usability of HSAT devices in this patient population is needed. Support VA Rehabilitation Research and Development Service (RX002116; PI Badr and RX002885; PI Sankari) and NIH/NHLBI (K24HL143055; PI: Martin)
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».