MétaCan
Menu
← Retour à la cohorte
Enregistrement W4404100782 · doi:10.1183/13993003.congress-2024.pa1747

Changes in physiological entropy signals in patient with obstructive sleep apnoea: a systematic review

2024· review· en· W4404100782 sur OpenAlexaboutno aff
Nawal Alotaibi, Maggie Cheung, John R. Hurst, Ali R. Mani, Swapna Mandal

Notice bibliographique

Revuenon disponible
Typereview
Langueen
DomaineNeuroscience
ThématiqueSleep and Wakefulness Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSleep (system call)Computer scienceEntropy (arrow of time)MedicinePhysics

Résumé

récupéré en direct d'OpenAlex

Introduction: Obstructive sleep apnoea (OSA) affecting an estimated 936 million people worldwide, yet only 15% receive a definitive diagnosis. OSA diagnosis poses challenges due to the dynamic nature of physiological signals such as oxygen saturation (SaO2) and heart rate variability (HRV). Linear analysis methods may not fully capture the irregularities present in these signals. The application of entropy offers a promising method to better measure irregularities in dynamic biological data. Aim and objective: To explore entropy changes in physiological signals among individuals with OSA. Methods: Keyword and title searches were performed on Medline, Embase, Scopus, and CINAHL databases. Studies had to analyse physiological signals in OSA using entropy. Quality assessment used the Newcastle–Ottawa Scale. Evidence was qualitatively synthesized, considering entropy signals, entropy type, and time-series length. Results: 23 studies were included. Multiple physiological signals related to OSA, including SaO2, HRV, and the oxygen desaturation index (ODI), have been investigated using entropy. Results revealed a significant decrease in HRV entropy in OSA compared to control groups. Conversely, SaO2 and ODI entropy values were increased in OSA. Despite variations in entropy types, time scales, and data extraction devices, studies using receiver operating characteristic (ROC) curves demonstrated a high discriminative accuracy (>80% AUC) in distinguishing OSA patients from control groups. Conclusions: This review highlights the potential of entropy analysis in developing new diagnostic indices for patients with OSA. Further investigation is needed before applying this technique clinically.

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)0,005
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,031
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,005
Bibliométrie0,0090,010
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,103
Tête enseignante GPT0,361
Écart entre enseignants0,258 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSleep and Wakefulness Research→Travaux en français237 207→