Validierung von Belun Ring Gen3 Deep Learning-Algorithmen mit Subxiphoid-Körpersensor

Hypothese: Die Gen3 DL-Algorithmen von BR können in Kombination mit seinem Subxiphoid-Körpersensor OSA genau diagnostizieren, seinen Schweregrad kategorisieren, REM-OSA und Rücken-OSA identifizieren und zentrale Schlafapnoe (CSA) erkennen.

Hauptziel:

Um die Gesamtleistung des BR mit Gen3-DL-Algorithmen und dem Subxiphoid-Körpersensor bei der Beurteilung der SDB bei Personen, die mit klinischem Verdacht auf Schlafapnoe und einem STOP-Bang-Score > 3 an die Schlaflabore überwiesen wurden, durch Vergleich mit den betreuten Personen im Labor genau zu bewerten PSG, der Goldstandard.

Sekundäre Ziele:

Bestimmung der Genauigkeit der BR-Schlafphasenparameter mithilfe der Gen3-DL-Algorithmen durch Vergleich mit dem PSG im Labor;

Beurteilung der Genauigkeit des BR-Arrhythmie-Erkennungsalgorithmus;

Um die Auswirkung von CPAP auf die HRV (sowohl im Zeit- als auch im Frequenzbereich), die Delta-HR, die hypoxische Belastung und den PWADI während Split-Night-Studien zu bewerten;

Um zu beurteilen, ob einer der Basis-HRV-Parameter (sowohl im Zeit- als auch im Frequenzbereich), die Delta-Herzfrequenz (als Delta-HR bezeichnet), die hypoxische Belastung und der Pulswellenamplitudenabfallindex (PWADI) oder die Änderung dieser Parameter eine Vorhersage treffen können CPAP-Konformität;

Bewertung der Mindestdauer der Qualitätsdaten, die BR benötigt, um eine OSA-Diagnose zu erhalten;

Untersuchung der Leistung von OSA-Screening-Tools mithilfe von prädiktiven KI-Modellen für OSA, die vom National Taiwan University Hospital (NTUH) und der Northeast Ohio Medical University (NEOMED) entwickelt wurden.