MétaCan
Menu
Retour à la cohorte
Enregistrement W4283753063 · doi:10.2147/nss.s360970

Respiratory Motion and Airflow Estimation During Sleep Using Tracheal Movement and Sound

2022· article· en· W4283753063 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueNature and Science of Sleep · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueObstructive Sleep Apnea Research
Établissements canadiensToronto General HospitalNorth Toronto Eye CareToronto Rehabilitation InstituteUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineAirflowMovement (music)Sound (geography)Respiratory systemAcousticsMotion (physics)Sleep (system call)AudiologyPhysical medicine and rehabilitationAnatomyArtificial intelligenceMechanical engineeringEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Purpose: Due to lack of access and high cost of polysomnography, portable sleep apnea testing has been developed to diagnose sleep apnea. Despite being less expensive, and having fewer sensors and reasonable accuracy in identifying sleep apnea, such devices can be less accurate than polysomnography in detecting apneas/hypopneas. To increase the accuracy of apnea/hypopnea detection, an accurate airflow estimation is required. However, current airflow measurement techniques employed in portable devices are inconvenient and subject to displacement during sleep. In this study, algorithms were developed to estimate respiratory motion and airflow using tracheo-sternal motion and tracheal sounds. Patients and Methods: Adults referred for polysomnography were included. Simultaneous to polysomnography, a patch device with an embedded 3-dimensional accelerometer and microphone was affixed to the suprasternal notch to record tracheo-sternal motion and tracheal sounds, respectively. Tracheo-sternal motion was used to train two mathematical models for estimating changes in respiratory motion and airflow compared to simultaneously measured thoracoabdominal motion and nasal pressure from polysomnography. The amplitude of the estimated airflow was then adjusted by the tracheal sound envelope in segments with unstable breathing. Results: Two hundred and fifty-two subjects participated in this study. Overall, the algorithms provided highly accurate estimates of changes in respiratory motion and airflow with mean square errors (MSE) of 3.58 ± 0.82% and 2.82 ± 0.71%, respectively, compared to polysomnographic signals. The estimated motion and airflow from the patch signals detected apneas and hypopneas scored on polysomnography in 63.9% and 88.3% of cases, respectively. Conclusion: This study presents algorithms to accurately estimate changes in respiratory motion and airflow, which provides the ability to detect respiratory events during sleep. Our study suggests that such a simple and convenient method could be used for portable monitoring to detect sleep apnea. Further studies will be required to test this possibility.

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.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,704
Score d'incertitude au seuil0,390

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,020
Tête enseignante GPT0,315
Écart entre enseignants0,295 · 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