Role of automated detection of respiratory related heart rate changes in the diagnosis of sleep disordered breathing
Notice bibliographique
Résumé
Study objectives: The objective of this study was to determine whether electrocardiogram (ECG) and heart rate accelerations that occur in the vicinity of respiratory events could predict the severity of sleep-disordered breathing (SDB). Methods: De-identified polysomnogram (NPSG) recordings from 2091 eligible participants in the Sleep Heart Health Study (SHHS) were evaluated after developing and validating an automated algorithm using an initial set of recordings from 1,438 participants to detect RR interval (RRI) dips in ECG and heart rate accelerations from pulse rate signal. Within-subject comparisons were made between the apnea-hypopnea index (AHI) and both the total RRI dip index (total RRDI) and total heart rate acceleration index (total HRAI). Results: < 0.05). Respiratory-related HRAI had a strong agreement with NPSG AHI (intraclass correlation coefficient-ICC: 0.64, whereas respiratory-related RRDI displayed weaker agreement and ICC: 0.38). Further assessment of respiratory-related HRAI (≥5 events/h) showed a strong diagnostic ability (78, 87, 81, and 56% agreement for traditional AHI cutoffs 5, 10, 15, and 30 events/h, respectively). At the AHI cutoff of 5 events/h the receiver operating curves (ROC) revealed an area under the curve (AUCs) of 0.90 and 0.96 for RE RRDI and RE HRAI respectively. Conclusion: The automated respiratory-related heart rate measurements derived from pulse rate provide an accurate method to detect the presence of SDB. Therefore, the ability of mathematical models to accurately detect respiratory-related heart rate changes from pulse rate may enable an additional method to diagnose SDB.
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 | 0,007 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».