MétaCan
Menu
Retour à la cohorte
Enregistrement W4407383821 · doi:10.1111/adj.13058

Myofunctional therapy for obstructive sleep apnoea

2024· review· en· W4407383821 sur OpenAlexaff
W Li, Frédéric Sériès

Notice bibliographique

RevueAustralian Dental Journal · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueObstructive Sleep Apnea Research
Établissements canadiensInstitut universitaire de cardiologie et de pneumologie de QuébecUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésMedicinePhysical therapyAirwayDilatorAmbulatoryPopulationPolysomnographyDeconditioningPhysical medicine and rehabilitationApneaAnesthesiaInternal medicine

Résumé

récupéré en direct d'OpenAlex

Failure of upper airway muscles to develop efficient dilating forces plays a key role in the occurrence of obstructive sleep apnoea in given patients. Thus, myofunctional therapy has been developed to improve the activity/efficacy of the upper airway (UA) dilator muscles, reduce its fatigability and improve mechanical performance. Various programmes, differing in the types of daytime exercises to be completed, as well as in their duration and intensity, have been evaluated. Meta-analysis confirmed the efficacy of myofunctional therapy, with mean apnoea hypopnoea index (AHI) scores decreasing from 28.0 ± 16.2/h to 18.6 ± 13.1/h, and lowest oxygen saturation (LSAT) values improving from 83.2% ± 6.1% to 85.1% ± 7.0%. In children, MT and nasal washing may result in little to no difference in AHI. Integrating oropharyngeal exercises with the use of a smartphone application to complete and record exercise performances represents an innovative turn in the development of ambulatory MT programmes. Since adherence to therapy is a weakness in conventional OSA strategies such as CPAP, this approach to MT is promising, as evidenced by a 90% mean adherence to it after 3 months of using a smart application. There is further need to determine the most effective combination of exercise algorithms and identify the target population most likely to benefit from MT in outpatient training programmes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,977
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,104
Tête enseignante GPT0,422
Écart entre enseignants0,318 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Dental JournalMême sujetObstructive Sleep Apnea ResearchTravaux en français237 207