MétaCan
Menu
Retour à la cohorte
Enregistrement W4400424518 · doi:10.1186/s12938-024-01254-8

Measures of overnight oxygen saturation to characterize sleep apnea severity and predict postoperative respiratory depression

2024· article· en· W4400424518 sur OpenAlexafffund
Atousa Assadi, Frances Chung, Azadeh Yadollahi

Notice bibliographique

RevueBioMedical Engineering OnLine · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueObstructive Sleep Apnea Research
Établissements canadiensToronto Western HospitalToronto Rehabilitation InstituteUniversity of TorontoUniversity Health Network
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMedicineApneaSleep apneaAnesthesiaLogistic regressionApnea–hypopnea indexPolysomnographyRespiratory systemHypopneaDepression (economics)Oxygen saturationObstructive sleep apneaSeverity of illnessRespiratory monitoringInternal medicineOxygen

Résumé

récupéré en direct d'OpenAlex

Abstract Background Sleep apnea syndrome, characterized by recurrent cessation (apnea) or reduction (hypopnea) of breathing during sleep, is a major risk factor for postoperative respiratory depression. Challenges in sleep apnea assessment have led to the proposal of alternative metrics derived from oxyhemoglobin saturation (SpO2), such as oxygen desaturation index (ODI) and percentage of cumulative sleep time spent with SpO2 below 90% (CT90), as predictors of postoperative respiratory depression. However, their performance has been limited with area under the curve of 0.60 for ODI and 0.59 for CT90. Our objective was to propose novel features from preoperative overnight SpO2 which are correlated with sleep apnea severity and predictive of postoperative respiratory depression. Methods Preoperative SpO2 signals from 235 surgical patients were retrospectively analyzed to derive seven features to characterize the sleep apnea severity. The features included entropy and standard deviation of SpO2 signal; below average burden characterizing the area under the average SpO2; average, standard deviation, and entropy of desaturation burdens; and overall nocturnal desaturation burden. The association between the extracted features and sleep apnea severity was assessed using Pearson correlation analysis. Logistic regression was employed to evaluate the predictive performance of the features in identifying postoperative respiratory depression. Results Our findings indicated a similar performance of the proposed features to the conventional apnea–hypopnea index (AHI) for assessing sleep apnea severity, with average area under the curve ranging from 0.77 to 0.81. Notably, entropy and standard deviation of overnight SpO2 signal and below average burden showed comparable predictive capability to AHI but with minimal computational requirements and individuals’ burden, making them promising for screening purposes. Our sex-based analysis revealed that compared to entropy and standard deviation, below average burden exhibited higher sensitivity in detecting respiratory depression in women than men. Conclusion This study underscores the potential of preoperative SpO2 features as alternative metrics to AHI in predicting postoperative respiratory.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,285
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioMedical Engineering OnLineMême sujetObstructive Sleep Apnea ResearchTravaux en français237 207