MétaCan
Menu
Retour à la cohorte
Enregistrement W4376871960 · doi:10.1177/15500594231175320

Ikelos-RWA. Validation of an Automatic Tool to Quantify REM Sleep Without Atonia

2023· article· en· W4376871960 sur OpenAlexaboutno aff
Alexandra Papakonstantinou, Jannis Klemming, Martin Haberecht, Dieter Kunz, Frédérik Bes

Notice bibliographique

RevueClinical EEG and Neuroscience · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReceiver operating characteristicTonic (physiology)AudiologyREM sleep behavior disorderCohen's kappaRapid eye movement sleepKappaSleep StagesChinEye movementPolysomnographyPsychologyMedicineStatisticsPsychiatryInternal medicineOphthalmologyElectroencephalographyMathematics

Résumé

récupéré en direct d'OpenAlex

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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,005
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,093
Tête enseignante GPT0,414
Écart entre enseignants0,322 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical EEG and NeuroscienceMême sujetParkinson's Disease Mechanisms and TreatmentsTravaux en français237 207