Con: can physiological risk factors for obstructive sleep apnea be determined by analysis of data obtained from routine polysomnography?
Notice bibliographique
Résumé
The following argument was prepared in response to the question without the knowledge of the contents of the opposing argument. The answer is CLEARLY NO. The mechanisms of ventilatory instability in obstructive sleep apnea (OSA) are complex [1, 2], and defining them with confidence requires interventions that are not practical in routine polysomnography [3–5]. If it is not possible to measure instability traits from routine polysomnograms (PSGs), how is it that since 2015 papers and reviews are being published at an impressive rate in top-rated journals using an approach that claims to estimate all the stability factors from standard clinical PSGs? All these papers are based on a method proposed by Terrill et al. in 2015 to measure loop gain (LG) [6], and subsequently “improved” to provide more and more traits [7]. The basic approach is to measure ventilation in the hyperpneic phase between obstructive events (Vdrive). Without arousal, Vdrive is assumed to reflect chemical drive at the end of apnea. Arousal, if present, is assumed to contribute a fraction of Vdrive. A model with four variables (LG, time constant of chemical responses, circulatory delay, and the arousal contribution) is used to partition Vdrive into the components related to arousal (a constant predicted from the model; Varousal) and that related to the chemical drive (Vchem). The model is then used to estimate the time course of the chemical drive during the obstructed phase. From this LG, the chemical drive preceding arousal (arousal threshold), airway collapsibility, and pharyngeal muscle compensation are derived [8]. In our view, this model is based on untenable assumptions and does not identify the traits that are truly relevant to ventilatory instability in OSA:
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».