Predicting Polysomnography Parameters from Anthropometric Features and Breathing Sounds Recorded during Wakefulness
Notice bibliographique
Résumé
BACKGROUND: The apnea/hypopnea index (AHI) is the primary outcome of a polysomnography assessment (PSG) for determining obstructive sleep apnea (OSA) severity. However, other OSA severity parameters (i.e., total arousal index, mean oxygen saturation (SpO2%), etc.) are crucial for a full diagnosis of OSA and deciding on a treatment option. PSG assessments and home sleep tests measure these parameters, but there is no screening tool to estimate or predict the OSA severity parameters other than the AHI. In this study, we investigated whether a combination of breathing sounds recorded during wakefulness and anthropometric features could be predictive of PSG parameters. METHODS: Anthropometric information and five tracheal breathing sound cycles were recorded during wakefulness from 145 individuals referred to an overnight PSG study. The dataset was divided into training, validation, and blind testing datasets. Spectral and bispectral features of the sounds were evaluated to run correlation and classification analyses with the PSG parameters collected from the PSG sleep reports. RESULTS: Many sound and anthropometric features had significant correlations (up to 0.56) with PSG parameters. Using combinations of sound and anthropometric features in a bilinear model for each PSG parameter resulted in correlation coefficients up to 0.84. Using the evaluated models for classification with a two-class random-forest classifier resulted in a blind testing classification accuracy up to 88.8% for predicting the key PSG parameters such as arousal index. CONCLUSIONS: These results add new value to the current OSA screening tools and provide a new promising possibility for predicting PSG parameters using only a few seconds of breathing sounds recorded during wakefulness without conducting an overnight PSG study.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».