Validation of <i>RBDtector</i> : An Open‐Source Automated Software for Scoring <scp>REM</scp> Sleep Without Atonia
Notice bibliographique
Résumé
ABSTRACT Accurate quantification of REM sleep without atonia (RSWA) is essential in the diagnosis of idiopathic/isolated REM sleep behaviour disorder (iRBD). This study aims to validate RBDtector , a free and open‐source tool for automated RSWA quantification using the Sleep Innsbruck Barcelona (SINBAR) scoring method, by comparing its performance against human visual scoring in a large independent cohort of subjects with iRBD and healthy controls. Muscle activity from 118 iRBD participants and 37 healthy controls that underwent polysomnography was analysed by RBDtector and compared with human visual scoring. Diagnostic performance was evaluated using receiver operating characteristic curves, and optimal cut‐offs for iRBD screening and diagnosis were determined. The results of RSWA quantification were applied to survival analyses of time to phenoconversion. RBDtector showed excellent agreement with human visual scoring, particularly in ‘any’ RSWA activity (Pearson's correlation = 0.89, R 2 = 0.79, p < 0.001). RBDtector identified iRBD subjects with 95.6% sensitivity and 95.5% specificity by using a cutoff of 33.0% for combined ‘any’ RSWA activity in the submentalis and flexor digitorum superficialis muscles, with each muscle in isolation providing comparable results. In iRBD patients, each 10% increase in submentalis ‘any’ activity was associated with a 23% increase in the risk of phenoconversion (HR = 1.23, 95% CI [1.06, 1.44], p = 0.008), while no associations were observed with increased activity in the flexor digitorum superficialis or tibialis anterior. RBDtector provides accurate, automated RSWA quantification comparable to human visual scoring, offering a reliable and efficient method to support the diagnosis of iRBD and identify iRBD at a higher risk of phenoconversion.
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 | 0,006 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».