The Evaluation of Autonomic Arousals in Scoring Sleep Respiratory Disturbances with Polysomnography and Portable Monitor Devices: A Proof of Concept Study
Notice bibliographique
Résumé
Pierre Mayer,1 Alberto Herrero Babiloni,1– 4 Gabrielle Beetz,2 Serguei Marshansky,1 Zeina Kaddaha,1 Pierre H Rompré,3 Vincent Jobin,1 Gilles J Lavigne1– 3 1Faculté de Médecine, Hôpital Hôtel-Dieu du Centre Hospitalier de l’Université de Montréal (CHUM), Université de Montréal, Montréal, Québec, Canada; 2Research Center, Hôpital du Sacré-Coeur de Montréal, CIUSSS du Nord-de-l’île-de-Montréal, Université de Montréal, Montréal, Québec, Canada; 3Department of Oral Health, Faculté de Médecine Dentaire, Université de Montréal, Montréal, Québec, Canada; 4Division of Experimental Medicine, McGill University, Montréal, Québec, CanadaCorrespondence: Alberto Herrero BabiloniResearch Center, Hôpital du Sacré-Coeur de Montreal, CIUSSS du Nord-de-l’Île-de-Montréal, Université De Montréal, 5400 Boul Gouin O, Montréal, QC H4J 1C5, CanadaTel +1 514-338-2222Fax +1 514-238-2531Email herre220@umn.eduBackground: Autonomic arousals can be considered as surrogates of electroencephalography (EEG) arousals when calculating respiratory disturbance index (RDI). The main objective of this proof of concept study was to evaluate the use of heart rate acceleration (HRa) arousals associated with sleep respiratory events in a population undergoing full polysomnography (type 1) and in another undergoing portable monitor study (type 3). Our hypothesis is that when compared to other commonly used indexes, RDI based on HRa will capture more events in both types of recording.Materials and Methods: A retrospective analysis was performed in two different populations of patients with suspected OSA: a) 72 patients undergoing one night of type 1 recording and b) 79 patients undergoing one night of type 3 recording. Variables for type 1 were 4% oxygen desaturation index (ODI), apnea/hypopnea index (AHI), RDI based on EEG arousals (RDIe), and RDI based on HRa with threshold of 5bpm (RDIa5). For type 3, variables were 4% ODI, AHI, and RDIa5 (it is not possible to calculate RDIe due to the absence of EEG). Calculated data were 1) Mean values for each sleep disturbance index in type 1 and 3 recordings; 2) Frequency of migration from lower to higher OSA severity categories using RDIa5 in comparison to AHI (thresholds: ≥ 5/h mild, ≥ 15/h moderate, ≥ 30/h severe); and 3) Bland–Altman plots to assess agreement between AHI vs RDIe and RDIa5 in type 1 population, and AHI vs RDIa5 in type 3 populations.Results: More respiratory disturbance events were captured with RDIa5 index in both type 1 and type 3 recordings when compared to the other indexes. In type 1 recording, when using RDIa5 37% of patients classified as not having OSA with AHI were now identified as having OSA, and a total of 59% migrated to higher severity categories. In type 3 recording, similar results were obtained, as 37% of patients classified as not having OSA with AHI were now identified as having OSA using RDIa5, and a total of 55% patients migrated to higher severity categories. Mean differences for RDIa5 and AHI in type 1 and 3 populations were similar.Conclusion: The use of autonomic arousals such as HRa can help to detect more respiratory disturbance events when compared to other indexes, being a variable that may help to capture borderline mild cases. This becomes especially relevant in type 3 recordings. Future research is needed to determine its validity, optimization, and its clinical significance.Keywords: sleep apnea, autonomic arousals, apnea-hypopnea index, respiratory disturbance index, polysomnography, portable monitor devices
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».