Ability of upper airway metrics to predict obstructive sleep apnea severity: a systematic review
Notice bibliographique
Résumé
OBJECTIVES: The lack of consensus regarding the association between airway narrowing and the severity of obstructive sleep apnea (OSA) presents a significant challenge in understanding and diagnosing this sleep disorder. The study aimed to systematically review the literature to investigate the relationship between upper airway measurements and the severity of OSA defined by the apnea-hypopnea index (AHI). METHODS: PubMed, Scopus, and Web of Science were systematically searched on 21 March 2023 for articles on OSA patients as diagnosed by polysomnography, investigating the correlation between upper airway measurements and AHI using cone-beam CT (CBCT) or multidetector CT (MDCT). Quality assessment was done using the Newcastle-Ottawa Scale. The results were subsequently synthesized descriptively. RESULTS: The database search identified 1253 results. Fourteen studies, encompassing 720 patients, met the eligibility criteria. Upper airway length showed moderate to weak positive correlation with AHI. Minimal cross-sectional area had varying correlations with AHI, ranging from strong negative to no correlation. Nasopharyngeal volumes showed moderate negative to weak correlations with AHI. Total upper airway volume ranged from strong negative to weak correlation with AHI. Other measurements exhibited weak or very weak correlations with AHI. CONCLUSIONS: Among the variables investigated, the minimal cross-sectional area and, to a lesser extent, the volume of the upper airway in OSA patients demonstrated the most promising correlation with the AHI. However, the preponderance of evidence suggests that upper airway length, cross-sectional area and volume as measured by CBCT or MDCT are weak predictors of OSA.
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 | 0,002 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,002 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».