MétaCan
Menu
← Retour à la cohorte
Enregistrement W4416638427 · doi:10.1183/13993003.congress-2025.pa6030

Late Breaking Abstract - Enhanced PAP adherence using cMAP® for sleep apnea therapy vs. APAP: A preliminary 3-month analysis

2025· article· W4416638427 sur OpenAlexaff
Hamed Hanafi, Matthew Hickey, Kazi Antor Hasan, Najmeh Sadatnejad, Guillermo Aristi, Meagan Sinclair, Gregory Begin, M Neil, Sarah Henley, Scott Lowe, Ingo Fietze, Thomas Penzel, Reena Mehra, Yüksel Peker, Sanja Jelić, Debra Morrison

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineMedicine
ThématiqueObstructive Sleep Apnea Research
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésDiscontinuationCoachingObstructive sleep apneaRandomized controlled trialPositive airway pressureContinuous positive airway pressureSleep apneaMotivational interviewing

Résumé

récupéré en direct d'OpenAlex

Introduction: Historically, adherence to positive airway pressure (PAP) therapy for obstructive sleep apnea (OSA) has been challenging. We are conducting a study comparing PAP therapy adherence and sleep-related outcomes between automatic-PAP (APAP) and continuous management of airway pressure (cMAP®), which leverages artificial intelligence for predicting and preventing OSA events. In a preliminary analysis, we assessed: 3-month differences in adherence, sleep-related outcomes, and key reasons for PAP discontinuation (DC). Methods: This is a double-blind, block randomized trial with a standardized coaching protocol. Seventy patients (cMAP®: 36, APAP: 34) reached 3-month follow-up (1-year target: N=200). Three-month US CMS compliance was assessed via Fisher Exact test; device usage and total clinician coaching time by unpaired t-test. A questionnaire identified DC reasons. Results: No baseline clinical or demographic differences were noted between arms. cMAP® patients showed significant improvements in 3-month adherence compared to APAP (93.9% [34/36] vs. 76.5% [26/34], p=0.04). Device usage significantly increased (5.3±1.5 vs. 4.6±2.5 hrs, p=0.014) while total coaching time decreased (19±12 vs. 36±24 mins, p<0.001) compared to APAP. The most prominent DC reason, “CPAP wakes me up too often when sleeping,” was exclusively cited by patients in the APAP arm (0 vs. 9). Conclusion: Improved adherence, device usage, and reduced coaching time on the cMAP® arm are promising. The absence of nocturnal arousal-related complaints leading to DC in the cMAP® arm may be due to the higher sleep quality index (SleepImageTM Ring) associated with cMAP® versus APAP (Hanafi. et al. ERJ 2024 64:PA4470).

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)0,006
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,037
Tête enseignante GPT0,356
Écart entre enseignants0,319 · 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'étudeEssai non randomisé
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'admission1
Résumé présentoui

Explorer davantage

Même sujetObstructive Sleep Apnea Research→Travaux en français237 207→