Ikelos-RWA. Validation of an Automatic Tool to Quantify REM Sleep Without Atonia
Notice bibliographique
Résumé
Study Objectives. To present and evaluate an automatic scoring algorithm for quantification of REM-sleep without atonia (RWA) in patients with REM-sleep behaviour disorder (RBD) based on a generally accepted, well-validated visual scoring method, (“Montreal” phasic and tonic) and a recently developed, concise scoring method (Ikelos-RWA). Methods. Video-polysomnographies of 20 RBD patients (68.2 ± 7.2 years) and 20 control patients with periodic limb movement disorder (65.9 ± 6.7 years) were retrospectively analysed. RWA was estimated from chin electromyogram during REM-sleep. Visual and automated RWA scorings were correlated, and agreement ( a) and Cohen's Kappa ( k) calculated for 1735 minutes of REM-sleep of the RBD patients. Discrimination performance was evaluated with receiver operating characteristic (ROC) analysis. The algorithm was then applied on the polysomnographies of a cohort of 232 RBD patients (total analysed REM-sleep: 17,219 minutes) and evaluated, while correlating the different output parameters. Results. Visual and computer-derived RWA scorings correlated significantly (tonic Montreal: r TM = 0.77; phasic Montreal: r PM = 0.78; Ikelos-RWA: r I = 0.97; all p < 0.001) and showed good to excellent Kappa coefficients ( k TM = 0.71; k PM = 0.79; k I = 0.77). The ROC analysis showed high sensitivities (95%-100%) and specificities (84%-95%) at the optimal operation points, with area under the curve (AUC) of 0.98, indicating high discriminating capacity. The automatic RWA scorings of 232 patients correlated significantly ( r TM{I} = 0.95; r PM{I} = 0.91, p < 0.0001). Conclusions. The presented algorithm is an easy-to-use and valid tool for automatic RWA scoring in patients with RBD and may prove effective for general use being publicly available.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».