<p>Watch-PAT is Useful in the Diagnosis of Sleep Apnea in Patients with Atrial Fibrillation</p>
Notice bibliographique
Résumé
BACKGROUND: Early diagnosis and treatment of sleep apnea in patients with atrial fibrillation (AF) is critical. The WatchPAT (WP) device was shown to be accurate for the diagnosis of sleep apnea; however, studies using the WatchPAT device have thus far excluded patients with arrhythmias due to the potential effect of arrhythmias on the peripheral arterial tonometry (PAT) amplitude and pulse rate changes. PURPOSE: To examine the accuracy of the WP in detecting sleep apnea in patients with AF. PATIENTS AND METHODS: Patients with AF underwent simultaneous WP and PSG studies in 11 sleep centers. PSG scoring was blinded to the automatically analyzed WP data. RESULTS: A total of 101 patients with AF (70 males) were recruited. Forty-six had AF episodes during the overnight sleep study. A significant correlation was found between the PSG-derived AHI and the WP- derived AHI (r=0.80, p<0.0001). There was a good agreement between PSG-derived AHI and WP-derived AHI (mean difference of AHI: -0.02±13.2). Using a threshold of AHI ≥15 per hour of sleep, the sensitivity and specificity of the WP were 0.88 and 0.63, respectively. The overall accuracy in sleep staging between WP and PSG was 62% with Kappa agreement of 0.42. CONCLUSION: WP can detect sleep apnea events in patients with AF. AF should not be an exclusion criterion for using the device. This finding may be of even greater importance in the era of the COVID19 epidemic, when sleep labs were closed and most studies were home based.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 0,001 |
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 ».