文摘
的能力cloud-driven蓝牙oximetry-based算法诊断阻塞性睡眠呼吸暂停综合征(群)在习惯性打鼾的孩子一夜之间同时进行多导睡眠图检查。
障碍儿童在临床上称为一夜之间在实验室评估因涉嫌群同时连接蓝牙血氧计与智能手机。多导睡眠图发现得分和呼吸暂停/ hypopnoea指数(AHI巴黎圣日尔曼)列表,而血氧定量法数据估计了你好OXI使用一个算法进行验证。
血氧计的准确性在正确识别患者群,或有轻度(AHI 1 - 5事件·h−1),中等(5 - 10事件·h−1)或严重的事件(> 10·h−1群)对432名受试者的研究(6.5±3.2年),343年有你好巴黎圣日尔曼> 1事件·h−1。的精度,你好OXI是一贯> 79%,各级群严重程度,和特异性尤其有利于AHI > 10·h事件−1(92.7%)。使用标准的你好巴黎圣日尔曼> 1事件·h−1,只有4.7%的假阴性病例出现,只有0.6%的病例显示中度或严重的群。
夜间血氧定量法处理通过蓝牙技术的基于云计算的机器learning-derived算法能够可靠地诊断群疾病的患儿临床症状暗示。这种方法提供了几乎无限的可伸缩性和应该减轻实质性困难访问儿科睡眠实验室群诊断的同时显著降低了成本。
文摘
缺乏睡眠研究减少访问和限制目标儿童阻塞性睡眠呼吸暂停的诊断。夜间血氧定量法与通过蓝牙智能手机和云算法提供了可伸缩的诊断能力。http://ow.ly/OCx230mNE4n
介绍
阻塞性睡眠呼吸暂停/ hypopnoea综合征(群)已经出现在最近几十年里,世界各地的儿童非常普遍的疾病,而且估计影响2 - 5%的儿童。然而,儿童群的主要症状是习惯性打鼾,影响更高比例的儿童(6 - 25%范围)。此外,儿科群一直与终末器官的不良后果的风险增加主要影响神经认知、行为、心血管和代谢系统,最终导致整体健康和生活质量下降,以及增加医疗成本(1- - - - - -4]。基于当前的指导方针,夜间多导睡眠图(PSG)认证的睡眠实验室里被认为是标准的方法来诊断儿童群(1,5,6]。然而,儿科的缺乏睡眠实验室在世界各地,PSG的高成本和劳动密集型nonscalable特点,和父母和孩子的明显的不便导致不幸的现实,只有一分钟的习惯性打鼾症状儿童比例评价客观,接受之前接受腺样扁桃体切除术治疗的第一行(7,8]。
为了克服这些问题,扩大群诊断的可访问性和客观性,许多可供选择的方法已经被开发出来,从简化的多通道研究问卷,甚至探索诊断生物标记板(9- - - - - -13]。夜间血氧定量法提出了最初作为儿童症状群的筛选工具(11,13),这种方法还得到了越来越多的欢迎,尽管表现出有利的特异性灵敏度有限,同时也被interscorer存在可靠性的问题,尤其是在低端群严重程度,以及可伸缩性问题[11]。为了克服这些问题,一些调查小组包括我们提出了各种各样的自动化程序,规避血氧定量法记录解释的主观性14- - - - - -28]。在这种背景下,我们已经报道了机器学习的应用程序在夜间血氧定量法分析录音儿童被疑似群的临床评价和诊断算法的推导和验证一个非常大的群> 4000名儿童(29日]。这里,我们我们进一步追求scorer-independent儿科群的可伸缩的诊断方法的探索和比较的诊断性能蓝牙血氧计耦合到智能手机的数据传输和推导估计呼吸暂停/ hypopnoea时使用基于云计算的算法测试并发与PSG的研究实验室。
患者和方法
主题
连续,否则健康,习惯性打鼾症状儿童(≥3天/周)男童岁因涉嫌群被称为是谁招募从北京儿童医院,首都医科大学(中国,北京)6月1日,2017年和2018年6月1日。所有参与者接受了一夜PSG评价而同时戴着商业和现成的蓝牙血氧计与Android智能手机通过设计一个自定义应用程序(美国Serenium,帕洛阿尔托,CA)。书面知情同意和同意来自父母和孩子,分别(> 7岁儿童)。研究伦理委员会批准的北京首都医科大学附属儿童医院(协议# 2017 - 151),并得到了批准处理去除了识别信息的血氧定量法录音来自芝加哥大学的人类主题委员会(协议# irb14 - 1241)。
排除标准
孩子们已知患有先天性心脏病,系统性或肺动脉高血压,糖尿病或dyslipidaemia,颅面畸形、神经肌肉疾病或遗传综合征定义被排除在外。此外,儿童与任何已知的急性或慢性疾病,或接受以前的治疗群被排除在外。孩子与PSG或录音蓝牙血氧计持久的< 3 h被排除在外。
人体测量学
刻度尺上的所有儿童的体重和体重记录最近的0.1公斤。身高(0.1厘米)使用测距仪测量。身体质量指数(BMI)和体重指数z分数计算使用中国标准数据集30.]。肥胖的定义在我们研究BMI z分数≥1.65。
多导睡眠描记术
孩子们在PSG监测使用数字采集系统(Compumedics E;Compumedics,墨尔本,澳大利亚或爱丽丝5;飞利浦Respironics,阿姆斯特丹,荷兰)。没有咖啡、茶、cola-containing产品或镇静安眠药睡觉前。总睡眠时间> 7.5 h。PSG监测包括以下参数:脑电图从四个领导(C3 / A2, C4 / A1、O1 / A2, O2 / A3),双边electro-oculogram,颏肌动电流图的活动和双边前胫骨,胸部和腹部运动,心电图,动脉oxyhaemoglobin饱和度和plethysmographic信号通过脉搏血氧仪,空气流热敏电阻和鼻插管的压力,打鼾传感器和身体的位置。睡眠数据得分由有经验的儿科PSG技术员根据手动评分手册由美国睡眠医学学会出版(发布)31日]。血氧饱和度下降指数(ODI)3%)被定义为动脉氧饱和度下降≥3%的数量每小时的睡眠。激励的定义是基于发布指导方针。的诊断儿童群定义的存在阻塞性呼吸暂停/ hypopnoea指数(AHI巴黎圣日尔曼)≥1事件·h−1总睡眠时间的最常见的临床实践,描述在2012年的美国儿科学会共识指南童年的诊断和管理群(1]。主要打鼾被定义为AHI < 1事件·h−1。轻微的群被定义为你好巴黎圣日尔曼≥1事件·h−1和你好巴黎圣日尔曼< 5事件·h−1、温和的群被定义为你好巴黎圣日尔曼≥5事件·h−1和严重的群被定义为你好巴黎圣日尔曼≥10事件·h−1。
血氧定量法数据处理
血氧信号蓝牙血氧计的转移通过云的智能手机,都是圆形的第二个小数位。文物被自动删除根据提出的方法agalanget al。(32]。信号是使用算法之前开发的自动处理和验证(29日],它由一个多层感知器(MLP)模型能够自动估计你好。MLP构成一个人工神经网络,一般安排在三层被称为神经元的数学单位:输入、隐层和输出(29日),而Matlab R2016b (MathWorks,剑桥,英国)是用于实现特征提取和分类阶段。因此,估计计算(你好你好OXI),相比之下,你好巴黎圣日尔曼。
统计分析
SPSS统计软件(版本20;美国IBM,芝加哥,IL),和数据均值±sd。组内相关系数(ICC)被用来直接评估AHI之间的协议巴黎圣日尔曼和你好OXI,以及Bland-Altman和科恩的κ(33]。此外,诊断性能三个否决(AHI 1事件·h−15事件·h−1和10个事件·h−1)是评估通过敏感性,特异性,阳性似然比(LR)+),阴性似然比(LR)−)和准确性。策划的LR值进行使用免费网络计算器由艾伦•施瓦兹(http://araw.mede.uic.edu/cgi-bin/testcalc.pl?DT=&Dt=&dT=&dt=&2×2 =计算)。连续变量的比较在临床分组,克鲁斯卡尔-沃利斯(非参数)或Mann-Whitney测试使用。离散变量的比较,用卡方检验。假定值< 0.05被认为是象征的统计学意义。
结果
432名儿童完成了435人接近的研究,同意参加。原因无法完成相关的研究是不宽容的PSG设备三个年幼的孩子(2岁,2.5年和3年),导致他们花大部分的记录时间醒或不适当的PSG记录蒙太奇。表1提供的人口统计学和人体测量特征群体以及他们的PSG结果。
图1显示Bland-Altman比较AHI的阴谋巴黎圣日尔曼相应的科目,你好OXIPSG期间所得估计的血氧计数据并发测试。此外,低意味着积极的差异(轻微AHI低估的算法)是明显,95%的置信区间内(−40.5 - -35.3),这反映了色散AHI时发生巴黎圣日尔曼值很高,表明极其严重的群。此外,高达到刑事法庭(0.317)。
表2和图2显示混淆矩阵比较分类来源于你好巴黎圣日尔曼与分类仅通过基于云计算的算法基于血氧定量法,即。你好OXI。因此,科恩的κ是0.339。此外,表2显示敏感性、特异性、LR+和LR−你好1事件·h−15事件·h−1和10个事件·h−1否决,源自混淆矩阵,图3显示接收方运营商为每个这些截止值的曲线。你好OXI显示增加程度的诊断能力随着截止的增加,成为< 90%特定AHI截止10事件·h−1。精度与LR > 79%,截止水平+显示最优性能的AHI≥5事件·h−1。
讨论
这项研究表明,之前开发和验证神经网络基于夜间血氧定量法录音(机器学习算法29日)可以方便地、准确地实现为一个可伸缩容易operator-independent诊断工具诊断症状群的孩子称为群的评价。
在我们讨论当前发现的临床意义,几个方法论问题值得一提。首先,只有一个商用血氧计模型采用在目前的研究中,并显示行业标准的准确性。在这种背景下,对潜在的不精确的选择和血氧计在本研究中使用的方法的实现显然是非常重要的(34]。同样,可能引入的不精确的手指探针选择也应该占材料和供应选择(35]。然而,我们也应该注意,血氧计的异质性及其内在表演被纳入云算法的推导和验证的过程,和世界各地包括13个不同的睡眠中心的儿科使用截然不同的血氧计和血氧计数据抽样频率(29日]。此外,血氧计用于PSG和可穿戴蓝牙血氧计是不同的在这项研究中,但得分达到一致性和海外开发自动检测3%分别(右2= 0.35;数据未显示)。第二,尽管我们属性指定的“黄金标准”PSG,来看每晚可以有相当大的变化,特别是在睡眠结构,嵌入在测试(36,38),这可能会导致大量的不精确诊断的决定,尤其是在低端群严重程度(38,39]。虽然不能立即与本研究相关,因为PSG和蓝牙血氧定量法同时实施,我们应该指出,这个问题出现了,尽管不一致,在儿童血氧定量法记录,促使建议,如果一个晚上收益率的阴性结果患者高概率进行预测,然后添加两个血氧定量法的进一步晚上录音应该导致一个更可靠的临床决策。(40,41]。这种方法与动态血氧定量法是非常可行的,但不可能与PSG,这样如果oximetry-based方法的精度几乎和PSG,会有固有的优势在这个上下文中使用血氧定量法。
总的来说,便携式血氧计的准确性基于云计算的算法二分体AHI > 79%估计1 - 10的事件·h−1,并显示预期的进步的敏感性下降随着AHI截止值更高特异性的AHI截止5事件·h−1(表2)。因此,正如前面推断过程中开发算法,最优的好处这种自动化的方法论的方法来诊断群在习惯性打鼾的孩子29日)实现与AHI≥5事件·h−1。这不仅截止值对应于一个几乎普遍公认的平衡条件,接受手术腺样扁桃体切除术,但也伴随着一个向上弯曲与群(儿童发病风险42- - - - - -44]。然而,请注意,采用AHI 1事件·h−1断电会导致误报率相对较高,这将被对待,即使他们的你好巴黎圣日尔曼将< 1事件·h−1。相反,我们的方法的假阴性率很小,使用的标准说明了这样一个事实:你好巴黎圣日尔曼> 1事件·h−1,只有4.7%的假阴性病例出现,而只有0.6%的情况下会在中度或重度群类别。儿童的比例相对较小,错过了使用oximetry-based诊断可能会进一步减少重复oximetry-based测试连续的一个或多个额外的晚上(41),这个问题显然在将来的研究中值得进一步探索。此外,重复测试在几周或几个月如果孩子的症状持续将比重复更容易实现的巴黎圣日耳曼。因此,提供的临床管理方案和算法,即AHI作为指导临床干预的一个主要参数,将由AHI无差别地给予OXI,尽管一小部分的成本和精力。
正如前面提到的,总体稀缺和劳动密集型和经济上的自然的PSG促使多个其他合适的诊断替代方法的探索,从问卷调查动态PSG或简化的多通道记录(45]。然而,一些这样的方法,如。呼吸polygraphy越来越接受代理儿童诊断测试,尽管他们降低准确性的低端群严重性光谱(10),一个限制促使缺乏支持的发布(46]。在目前的研究中,我们的研究结果清楚地表明,自动分析夜间血氧定量法提供了一个有用的诊断方法群中高度预发疑似症状儿童进行评估的群。事实上,根据我们之前的协议提出的研究提出如上所述的截止AHI≥5事件·h−1(29日),群会被丢弃在38岁的孩子,他们中的大多数,你好巴黎圣日尔曼< 5事件·h−1。此外,我们应该注意,这些孩子的几个可能需要治疗,由于并发SDB-related发病率。此外,184名受试者被治疗,96.7%显示轻微的群。这种方法将传统PSG明显减少,这一发现是一致的与我们以前的结果(29日),77.8%的儿童严重群基于PSG将血氧定量法耦合识别的手机应用程序界面上的基于云计算的算法。我们的发现在接近协议与最近的一项研究的方法和结论Papadakiset al。(47海外发展研究所),血氧定量法方法组成的3%> 3.5事件·h−1成功地预测术后干预的结果。
总之,这项研究提供了初步确认证明诊断精度很容易实现通过便携式血氧计有关通过一个基于云计算的智能手机自动分析算法。这种方法不仅提供了一个有效的替代标准的上下文中PSG童年群,而且它是一个高度可伸缩的,即。包含能够无缝地继续提供所需的服务,在这种情况下oximetry-based诊断,在增加需求的背景下,为了满足用户的需求,而无需额外的专家人员(当前病原因素),因此应该作为一个非常负担得起的选择。因此,集成的动态夜间血氧信号和自动化处理,验证算法的使用,应该准确、广泛可实现童年群诊断工具,从而使下游与服务员及时客观的评价和治疗能降低发病率。因为当前的发现是有前途的,扩展实现当前系统的住处的场馆和其现实生活表现在临床设置需要批判性的调查和确认。
脚注
发表在体积53,问题2的《欧洲呼吸杂志》2019年2月21日;转载2021年5月7日修改作者列表脚注说明平等主要作者的贡献。
利益冲突:z徐没有披露。
利益冲突:G.C. Gutierrez-Tobal没有披露。
利益冲突:吴y没有披露。
利益冲突:l . Kheirandish-Gozal Serenium担任科学顾问公司,在进行这项研究的。Serenium inc .)慷慨地提供了血氧计设备、蓝牙电话和链接算法,但是没有参与研究设计、数据采集和分析。
利益冲突:x倪没有披露。
利益冲突:r . Hornero没有披露。
利益冲突:d同时没有披露。
支持声明:这项工作是由特殊的资本健康研究和发展经费(2018-1-2091);北京市科技项目(Z161100000116050);国家重点研究发展计划(2017 yfc0112502)倪x和y吴;美国国立卫生研究院拨款HL130984(同时l . Kheirandish-Gozal d);和项目dpi2017 r和rtc - 84280 - 2015 - 3446 - 1”Ministerio de Ciencia Innovacion y大学”(西班牙政府)和欧洲区域发展基金(菲德尔)G.C. Gutierrez-Tobal和r . Hornero。资金信息,本文已沉积的Crossref资助者注册表。
- 收到了2018年9月20日。
- 接受2018年11月13日。
- 版权©2019人队