Preliminary Estimates of the Diagnostic Accuracy of Video Clips for Obstructive Sleep Apnea in Children
Notice bibliographique
Résumé
BACKGROUND: Diagnosing obstructive sleep apnea (OSA) in children is challenging, with long wait times for polysomnography (PSG). This study assessed the diagnostic accuracy of home-recorded video clips for OSA compared to PSG. METHODS: Children (2-18 years) referred for PSG for suspected OSA were enrolled. Parents recorded video clips of their child sleeping and completed the Pediatric Sleep Questionnaire (PSQ). Blinded clinicians scored videos using the Monash Obstructive Sleep Apnea score (MS). Participants underwent PSG, and outcomes included obstructive apnea-hypopnea index (OAHI) and oximetry metrics (i.e., McGill Oximetry Score [MOS]; 3% Oxygen Desaturation Index [ODI3]). Diagnostic characteristics of MS, PSQ, MOS, and ODI3 were compared for detection of any (OAHI ≥ 1.5 events/h) and moderate-severe OSA (OAHI ≥ 5 events/h). RESULTS: Forty-one children (age 7.0 years, 49% female) participated. Median OAHI was 0.6 events/h (IQR 0.3, 3.1); 16 (39%) had OAHI ≥ 1.5 events/h, 5 (12%) had OAHI ≥ 5 events/h. PSQ identified 36 (88%) participants with a score ≥ 0.33. One child had MOS ≥ 2; ODI3 was ≥ 4.3 in 8 (20%) and > 7 in 6 (15%). Mean MS was 3.6 (SD 2.1). MS had 81.2% sensitivity and 52.0% specificity for any OSA and 100% sensitivity and 44.4% specificity for moderate-severe OSA. A combination of MS and ODI3 improved diagnostic accuracy with an AUC of 98.3. CONCLUSION: MS demonstrated high sensitivity but low specificity for the detection of moderate-severe OSA. Video scores outperformed PSQ but were less accurate than oximetry. Combining MS and ODI3 yielded the strongest diagnostic characteristics. Video scores may aid in pediatric OSA screening.
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 | 0,000 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».