MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410273279 · doi:10.1164/ajrccm.2025.211.abstracts.a4439

Home Polygraphy in Children With Autism Spectrum Disorder: A Feasibility Study

2025· article· en· W4410273279 sur OpenAlexaffabout
Refika Ersu, Gerald F. Cox, Naomi Dussah, A. Leitman, Vid Bijelić, Nicholas Barrowman, J. Remedios, Michael G. Guindon, Mercè Brunet, Roshanak Shams, Taylor Barwell, Sherri L. Katz

Notice bibliographique

RevueAmerican Journal of Respiratory and Critical Care Medicine · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAutism Spectrum Disorder Research
Établissements canadiensUniversity of OttawaChildren's Hospital of Eastern Ontario
Organismes subventionnairesnon disponible
Mots-clésMedicineAutism spectrum disorderAutismMEDLINEPsychiatryPediatrics

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction: Children with autism spectrum disorder (ASD) have higher prevalence of obstructive sleep apnea (OSA) than typically developing children. Diagnosis of OSA traditionally requires polysomnography (PSG), which can be challenging for children with ASD, and limited by long wait times. Home-based polygraphy is an alternative diagnostic test but is not widely available, emphasizing the need for alternative screening tools. Parent-recorded video clips, reviewed by clinicians, are a potential non-invasive screening tool, but their validity remains under-evaluated. This pilot study aims to assess feasibility and diagnostic characteristics of video clips compared to polygraphy in children with ASD. Methods: Children aged 4-18 years with ASD referred for suspected OSA were recruited. Parents recorded 3 smartphone video clips, which were scored by a pediatric sleep physician using the Monash video score (1-8; score ≥3 indicates OSA). Participants also completed the Pediatric Sleep Questionnaire (PSQ, positive if score > 0.33) and underwent home polygraphy, scored by the obstructive apnea hypopnea index (oAHI, events/hour), oxygen desaturation index 3% (ODI3, using thresholds ≥ 4.3 and > 7 events/hour) and McGill Oximetry Score (MOS, positive if ≥ 2). Sensitivity, specificity and receiver-operator curves were analyzed to compare diagnostic performance across tools for moderate-severe OSA (OAHI ≥ 5 events/hour). Results: Twenty-three children participated in this study. Fifteen (65%) of the children (median age 7.1, 100% male) provided video clips, all of good quality. The median oAHI was 2.4 events/hour (IQR 1.2, 4.0), and 27% had moderate-severe OSA. The PSQ identified 14 (93.3%) children with a score > 0.33. Three children had MOS ≥ 2, ODI3 was ≥ 4.3 in 7 (46.7%) and > 7 in 6 (40%) children. The median Monash score was 3.0 (IQR 1.5, 5.5). The Monash score had 100% sensitivity and 50% specificity for detecting moderate-severe OSA. Diagnostic characteristics of screening tools are presented in Table 1. The video scoring had a diagnostic accuracy of AUC 78.4 for detecting moderate-severe OSA. AUC increased when video score was combined with oximetry metrics. Conclusion: Monash score showed high sensitivity but low specificity in detecting moderate-severe OSA. Video scores outperformed PSQ and MOS but not ODI3 metrics. All video clips were of high quality for interpretation. Video scoring may serve as a viable screening tool to identify OSA in children with ASD, and this study demonstrates its feasibility for larger-scale validation. Table 1: Sensitivity and specificity of different tools with accepted cutoff points for moderate to severe 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 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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,017
Tête enseignante GPT0,334
Écart entre enseignants0,317 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Respiratory and Critical Care Medicine→Même sujetAutism Spectrum Disorder Research→Travaux en français237 207→