0606 A Paradigm for Testing the Accuracy of Digital Sleep Staging Systems
Notice bibliographique
Résumé
Abstract Introduction Despite evidence showing that agreement between human and some automatic staging systems is generally comparable to agreement between human scorers, automated scoring is rarely used in clinical practice, even though it offers time savings and consistency. We propose a paradigm for testing digital systems that reveals their true accuracy vs. highly experienced academic scorers. As an example of a digital method to be tested, we used Michele Sleep Scoring (abbreviated:Digital). Methods 70 PSGs were scored by 6 experienced technologists from 3 academic centers. Staging results were compared to digital staging results using an epoch-by-epoch approach. For each PSG we carried out 6 cycles of comparisons. Each cycle consisted of two steps, one comparing one scorer (tested scorer) with the scoring of the five remaining scorers (judges), and one comparing Digital as the tested scorer with the same 5 judges. Error 1 was assessed when all judges disagreed with the tested scorer but there was disagreement between the judges. Error 2 was assigned when all judges disagreed with the tested scorer but agreed unanimously on the stage. For each PSG the number of epochs with types 1 and 2 errors was counted for each scorer (n=6 scorers) and for Digital. Results of all 70 PSGs were pooled, and percent of types 1 and 2 errors is reported for all scorers and Digital. Results 70 PSGs (females aged 51.1 ± 4.2 years) were evaluated. Average times in different sleep stages (manual scoring) were 43±18, 244±47, 30±21, and 81±25 minutes for stages N1, N2, N3 and REM, respectively. TST was 398±52 minutes, and sleep efficiency was 84±8%. There was a total of 65,053 epochs scored by each scorer and Digital. The average percent of type 1 errors made by scorers for all epochs was 6.4% (0-33.2) vs. 7.8% (1.68-26.6) made by Digital. The average percent of type 2 errors made by scorers for all epochs was 3.9% (0-28.6) vs. 4.3% (0-17.3) made by Digital. Conclusion This study provides an objective way of testing the accuracy of automated scoring systems and supports evidence that the accuracy of Michele Sleep Scoring is comparable to manual scoring. Support (If Any) None
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 | 0,017 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».