Technical challenges in <scp>REM</scp> sleep microstructure classification: A study of patients with <scp>REM</scp> sleep behaviour disorder
Notice bibliographique
Résumé
While commonly treated as a uniform state in practice, rapid eye movement sleep contains two distinct microstructures-phasic (presence of rapid eye movement) and tonic (no rapid eye movement). This study aims to identify technical challenges during rapid eye movement sleep microstructure visual classification in patients with rapid eye movement sleep behaviour disorder, and to propose solutions to enhance reliability between scorers. Fifty-seven sleep recordings were randomly allocated into three subsequent batches (n = 10, 13 and 34) for scoring. To reduce single-centre bias, we recruited three raters/scorers, with each trained from a different institution. Two raters independently scored each 30-s rapid eye movement sleep into 10 × fSEM3-s phasic/tonic microstructures based on the AASM guidelines. The third rater acted as an "arbitrator" to resolve opposite opinions persisting during the revision between batches. Besides interrater differences in artefact rejection rate, interrater variance frequently occurred due to transitioning between microstructures and moderate-to-severe muscular/electrode artefact interference. To enhance interrater agreement, a rapid eye movement scoring schematic graph was developed, incorporating proxy electrode use, filters and cut-offs for microstructure transitioning. To assess potential effectiveness of the schematic graph proposed, raters were instructed to systematically apply it in scoring for the third batch. Of the 34 recordings, 27 reached a Cohen's kappa score above 0.8 (i.e. almost perfect agreement between raters), significantly improved from the prior batches (p = 0.0003, Kruskal-Wallis test). Our study illustrated potential solutions and guidance for challenges that may be encountered during rapid eye movement sleep microstructure classification.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 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 ».