High Frequency-Low Amplitude Oscillometry: Continuous Unobtrusive Monitoring of Respiratory Function on PAP Machines
Notice bibliographique
Résumé
Oscillometry or Forced Oscillation Technique, traditionally used in intermittent clinical measurements, has recently gained substantial attention from its application as a continuous monitoring tool for large and small airways. However, low frequency (<8 Hz) continuous oscillometry faces high breathing noise, and hence requires high oscillation amplitudes to maintain an acceptable signal-to-noise ratio. Therefore, PAP machines that utilize low frequency oscillometry do so intermittently to distinguish airway patency several seconds after a breathing pause has occurred. We hypothesized that high frequency and low amplitude (HFLA) oscillometry may be as sensitive and applicable for monitoring upper airway patency to distinguish between central and obstructive apnea and hypopnea events, and for monitoring respiratory impedance. An inline oscillometry prototype device was developed and connected to commercial PAP machines to test whether oscillometry at 17, 43, and 79 Hz are as sensitive to airway patency as oscillometry at 4 Hz. Analysis of 11 patients with 171 apneas and hypopneas showed that all frequency oscillometry inputs were equally sensitive in distinguishing between central and obstructive apneas, while 17 Hz and 43 Hz oscillometry were most sensitive in distinguishing between central and obstructive hypopneas. Observations during normal breathing also showed the same periodicity and cross-correlation between impedance measurements from HFLA oscillometry compared to 4 Hz. Our findings provide an unobtrusive means of distinguishing airway patency during sleep and a means of continuous monitoring of respiratory function, with the potential for detection and prediction of developing respiratory diseases and significantly richer context for data analytics.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».