Validation des algorithmes d'apprentissage profond Belun Ring Gen3 avec capteur corporel sous-xiphoïde

Hypothèse : les algorithmes Gen3 DL de BR, combinés à son capteur corporel sous-xiphoïde, peuvent diagnostiquer avec précision l'AOS, catégoriser sa gravité, identifier l'AOS REM et l'AOS en décubitus dorsal et détecter l'apnée centrale du sommeil (ASC).

Objectif principal:

Évaluer rigoureusement les performances globales du BR avec les algorithmes Gen3 DL et le capteur corporel sous-xiphoïde dans l'évaluation du SDB chez les personnes référées aux laboratoires du sommeil avec une suspicion clinique d'apnée du sommeil et un score STOP-Bang > 3, en comparant avec le laboratoire suivi. Le PSG, la référence.

Objectifs secondaires :

Déterminer l'exactitude des paramètres du stade de sommeil BR à l'aide des algorithmes Gen3 DL en les comparant au PSG en laboratoire ;

Évaluer l'exactitude de l'algorithme de détection des arythmies BR ;

Évaluer l'impact de la CPAP sur le VRC (à la fois dans les domaines temporel et fréquentiel), le delta HR, la charge hypoxique et le PWADI au cours d'études de nuit fractionnée ;

Évaluer si l'un des paramètres de base du VRC (à la fois dans les domaines temporel et fréquentiel), la fréquence cardiaque delta (appelée Delta HR), la charge hypoxique et l'indice de chute d'amplitude de l'onde de pouls (PWADI) ou la modification de ces paramètres peut prédire Conformité CPAP ;

Évaluer la durée minimale des données de qualité nécessaires au BR pour obtenir un diagnostic d'AOS ;

Examiner les performances des outils de dépistage de l'AOS à l'aide de modèles d'IA prédictifs de l'AOS formulés par l'hôpital universitaire national de Taiwan (NTUH) et la Northeast Ohio Medical University (NEOMED).