MétaCan
Menu
Retour à la cohorte
Enregistrement W4281827145 · doi:10.1093/sleep/zsac079.747

0751 The use of a Digitally Milled Oral Appliance in the Treatment of Severe Obstructive Sleep Apnea

2022· article· en· W4281827145 sur OpenAlexaboutno aff
Mark Murphy, John E. Remmers, Erin Mosca

Notice bibliographique

RevueSLEEP · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueObstructive Sleep Apnea Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineObstructive sleep apneaOral applianceDentistrySittingPopulationSleep apneaApneaOrthodonticsAnesthesia

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction Oral appliances (OAs) that advance the mandible are commonly used for the treatment of mild to moderate obstructive sleep apnea (OSA) but are less accepted as a therapy for severe OSA, likely due to their supposed lower rate of therapeutic success in that population. However, the preference for OAT over CPAP and relative lack of other non-surgical treatment options highlights the need for acceptance of OAT for all severities of OSA. Data from two prospective studies that collected data on OAT efficacy were analyzed retrospectively to evaluate the success rate of OAT in severe OSA using a digitally milled OA. Methods Data from the severe OSA cohorts of two studies conducted for the validation of an in-home auto-titration test were evaluated. Study participants (n = 41 with severe OSA) received a precision iterative advancement OA (ProSomnus Sleep Technologies, Pleasanton, CA). The OAs used in the studies were CAD/CAM generated from digital intraoral scans and precision milled from control cured grade PMMA. The OAs consisted of sets of upper and lower trays that, when interfaced together, allowed for advancement of the mandible to a treated position. Oral appliances were set to the target protrusion provided by an in-home auto-titration test that predicts response to OAT (MATRx plus; Zephyr Sleep Technologies, Calgary, Alberta, Canada). Participants not predicted to respond to OAT were assigned a sham mandibular protrusion. Oral appliance therapy was initiated at the target protrusive position, sham position, or highest tolerated position for individuals who were unable to have their OA inserted at target. Once participants were habituated to OAT, a 2-night home sleep apnea test (HSAT) was conducted to assess treatment efficaciousness, and the mandible was advanced as necessary to lower the respiratory event index (REI). Results The study population included 36 male and 5 female participants with a mean age of 50.6 ± 8.4 years (range: 32-74 years), mean BMI of 32.1 ± 5.5 kg/m2 (range: 19.8-45.4 kg/m2), mean baseline REI of 49.5 ± 17.1 h-1 (range: 30.3-101.8 h-1), and median Epworth Sleepiness Scale (ESS) score of 10 (range: 0-23). Oral appliance therapy was well-tolerated in the study population. The majority of study participants achieved some level of therapeutic success, with 73.2% of participants achieving a decrease in REI from baseline of at least 50% and 68.3% achieving an REI < 15 h-1. Of the study participants who achieved an REI < 15 h-1, the average protrusive position of the OA was 86.7±15.3% (range: 54.8-100%). Conclusion The OAs used in the studies provided efficacious treatment for the majority of individuals with severe OSA, indicating that oral appliance therapy could be a suitable alternative to CPAP. The rate of therapeutic success was higher than that reported previously in the literature and might be a result of the precision of appliances generated from digital intraoral scans using a CAD/CAM approach. Support (If Any) Study data were collected by and used with the permission of Zephyr Sleep Technologies. ProSomnus Sleep Technologies provided the OAs used in the studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,590
Score d'incertitude au seuil0,467

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,295
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSLEEPMême sujetObstructive Sleep Apnea ResearchTravaux en français237 207