Fully Automated Detection of Isolated Rapid-Eye-Movement Sleep Behavior Disorder Using Actigraphy
Notice bibliographique
Résumé
Isolated rapid-eye-movement (REM) sleep behavior disorder (iRBD) is caused by motor disinhibition during REM sleep and is a strong early predictor of Parkinson's disease. However, screening questionnaires for iRBD lack specificity due to other sleep disorders that mimic the symptoms. Nocturnal wrist actigraphy has shown promise in detecting iRBD by measuring sleep-related motor activity, but it relies on sleep diary-defined sleep periods, which are not always available. Our aim was to precisely detect iRBD using actigraphy alone by combining two actigraphy-based markers of iRBD - abnormal nighttime activity and 24-hour rhythm disruption. In a sample of 42 iRBD patients and 42 controls (21 clinical controls with other sleep disorders and 21 community controls) from the Stanford Sleep Clinic, the nighttime actigraphy model was optimized using automated detection of sleep periods. Using a subset of 38 iRBD patients with daytime data and 110 age-, sex-, and body-mass-index-matched controls from the UK Biobank, the 24-hour rhythm actigraphy model was optimized. Both nighttime and 24-hour rhythm features were found to distinguish iRBD from controls. To improve the accuracy of iRBD detection, we fused the nighttime and 24-hour rhythm disruption classifiers using logistic regression, which achieved a sensitivity of 78.9%, a specificity of 96.4%, and an AUC of 0.954. This study preliminarily validates a fully automated method for detecting iRBD using actigraphy in a general population.Clinical relevance- Actigraphy-based iRBD detection has potential for large-scale screening of iRBD in the general population.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».