Validation of a fingertip home sleep apnea testing system using deep learning AI and a temporal event localization analysis
Notice bibliographique
Résumé
STUDY OBJECTIVES: This paper validates TipTraQ, a compact home sleep apnea testing (HSAT) system. TipTraQ comprises a fingertip-worn device, a mobile application, and a cloud-based deep learning artificial intelligence (AI) system. The device utilizes photoplethysmography (red, infrared, and green channels) and accelerometer sensors to assess sleep apnea by the AI system. METHODS: We prospectively enrolled 240 participants suspected of obstructive sleep apnea (OSA) at a tertiary medical center for internal validation and 112 participants independently at another center for external validation. All participants underwent simultaneous polysomnography and TipTraQ HSAT. We compared TipTraQ-derived total sleep time (TQ-TST) and TipTraQ-derived Respiratory Events Index (TQ-REI) with expert-determined TST and apnea-hypopnea index (AHI), based on AASM standards with the 1B hypopnea rule. Temporal event localization analysis for respiratory event prediction was conducted at both event and hourly levels. RESULTS: In the external validation, the Spearman correlation coefficients for TQ-TST vs. TST and TQ-REI vs. AHI were 0.81 and 0.95, respectively. The root mean square error were 0.53 hours for TQ-TST vs. TST and 7.53 events/h for TQ-REI vs. AHI. For apnea/hypopnea prediction with a 10-second grace period, the true positive, false positive, and false negative rates in temporal event localization analysis were 0.76, 0.24, and 0.23, respectively. The four-way OSA severity classification achieved a Cohen's kappa of 0.7. CONCLUSIONS: TQ-TST and TQ-REI predict TST and AHI with comparable performance to existing devices of the same type, and respiratory event prediction is validated through temporal event localization analysis. CLINICAL TRIALS: Development of TipTraQ Home Sleep Test, https://clinicaltrials.gov/study/NCT06474351?term=NCT06474351&rank=1, NCT06474351TipTraQ Home Sleep Test Study, SHH, https://clinicaltrials.gov/study/NCT06633887?term=NCT06633887&rank=1, NCT06633887.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 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 ».