Use and Performance of the STOP-Bang Questionnaire for Obstructive Sleep Apnea Screening Across Geographic Regions
Notice bibliographique
Résumé
Importance: Obstructive sleep apnea (OSA) is a highly prevalent global health concern and is associated with many adverse outcomes for patients. Objective: To evaluate the utility of the STOP-Bang (snoring, tiredness, observed apnea, blood pressure, body mass index, age, neck size, gender) questionnaire in the sleep clinic setting to screen for and stratify the risk of OSA among populations from different geographical regions. Data Sources and Study Selection: MEDLINE, MEDLINE In-process, Embase, EmCare Nursing, Cochrane Central Register of Controlled Trials, Cochrane Database of Systematic Reviews, PsycINFO, Journals@Ovid, Web of Science, Scopus, and CINAHL electronic databases were systematically searched from January 2008 to March 2020. This was done to identify studies that used the STOP-Bang questionnaire and polysomnography testing in adults referred to sleep clinics. Data Extraction and Synthesis: Clinical and demographic data were extracted from each article independently by 2 reviewers. The combined test characteristics were calculated using 2 × 2 contingency tables. Random-effects meta-analyses and metaregression with sensitivity analyses were performed. The Preferred Reporting Items for Systematic Review and Meta-analyses (PRISMA) guideline was followed. Main Outcomes and Measures: The combined test characteristics and area under summary receiver operating characteristic curves (AUCs) were used to compare STOP-Bang questionnaire accuracy with polysomnography testing. Results: A total of 47 studies with 26 547 participants (mean [SD] age, 50 [5] years; mean [SD] body mass index, 32 [3]; 16 780 [65%] men) met the criteria for the systematic review. Studies were organized in different geographic regional groups: North America, South America, Europe, Middle East, East Asia, and South or Southeast Asia. The prevalence rates for all OSA, moderate to severe OSA, and severe OSA were 80% (95% CI, 80%-81%), 58% (95% CI, 58%-59%), and 39% (95% CI, 38%-39%), respectively. A STOP-Bang score of at least 3 had excellent sensitivity (>90%) and high discriminative power to exclude moderate to severe and severe OSA, with negative predictive values of 77% (95% CI, 75%-78%) and 91% (95% CI, 90%-92%), respectively. The diagnostic accuracy of a STOP-Bang score of at least 3 to detect moderate to severe OSA was high (>0.80) in all regions except East Asia (0.52; 95% CI, 0.48-0.56). Conclusions and Relevance: The results of this meta-analysis suggest that the STOP-Bang questionnaire can be used as a screening tool to assist in triaging patients with suspected OSA referred to sleep clinics in different global regions.
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 | 0,029 | 0,098 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,008 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».