Pilot study of a novel transmembranous electromyography device for assessment of oral cavity and oropharyngeal muscles
Notice bibliographique
Résumé
INTRODUCTION/AIMS: Electromyography (EMG) can provide valuable insights into the pathophysiology of oropharyngeal muscles in various disease states, but the invasive nature of the conventional needle EMG (nEMG) has its limitations in this setting. We aimed to examine the inter-rater reliability (IRR) of a novel transmembranous EMG (tmEMG) sensor as a non-invasive technique for assessment of oral cavity and oropharyngeal muscles for neuromuscular pathology. METHODS: The study was a prospective, cohort, pilot study with blinded data analysis in healthy participants (n = 6), patients with moderate to severe obstructive sleep apnea (OSA) (n = 5) and bulbar amyotrophic lateral sclerosis (ALS) (n = 5). Each patient underwent sampling from bilateral palatoglossus (PG) and genioglossus (GG), using both tmEMG and nEMG. IRR was expressed as percentage agreement and prevalence-adjusted bias-adjusted kappa coefficient (PABAK). RESULTS: Substantial IRR was found for participants with ALS (81.6%, PABAK 0.63) and OSA (78.8%, PABAK 0.61), and in healthy participants (87.1%, PABAK 0.74). A better IRR was seen with tmEMG (95.7%, PABAK 0.92) than with nEMG (73.9%, PABAK 0.48) for healthy participants and also for those with OSA. Studies from GG had higher IRR than PG. Only one participant had a minor adverse event (sore throat). DISCUSSION: The current study shows that analysis of PG and GG in both healthy and disease states using tmEMG has high IRR compared with nEMG analysis. Further validation studies can be undertaken to test its utility in analysis of oral cavity and oropharyngeal muscles.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».