Predicting Treatment Outcomes in Obstructive Sleep Apnea: A Distribution-based Spectral Analysis of Low-Sampled Snoring Vibrations
Notice bibliographique
Résumé
Obstructive sleep apnea (OSA) is a prevalent condition characterized by complete (apnea) or partial (hypopnea) reductions in airflow due to a collapsed upper airway during sleep. Oral appliances, which reposition the lower jaw or tongue forward to maintain an open airway, are commonly used for OSA treatment. A major advantage of oral appliances over other treatment options such as positive airway pressure machines is a higher adherence to treatment. However, sleep physicians are hesitant to prescribe oral appliances since it is hard to predict who would respond to this treatment. Previous studies have explored invasive techniques like drug-induced sleep endoscopy (DISE) and awake nasendoscopy, as well as clinical tools such as polysomnography-based sleep phenotyping, to predict oral appliance treatment success. However, these methods require clinical expertise and are challenging for patients. In this study, we investigated the feasibility of using snoring vibrations recorded by a portable at-home OSA test device to predict the effectiveness of mandibular advancement devices, a common type of oral appliance. Snoring vibrations were recorded in 20 patients over a 5-month follow-up period. Our findings highlight that by utilizing distribution-based spectral features extracted solely from snoring vibrations and employing machine learning techniques along with feature selection methods, we can predict the efficacy of mandibular advancement device with an accuracy of 90% using leave-one-subject-out cross-validation. This approach offers a non-invasive and patient-friendly alternative for assessing the efficacy of oral appliances, which can aid sleep physicians in making informed treatment decisions.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».