ScreenOX – Automatizált otthoni szűrési teszt felnőttkori alvási apnoe számára éjszakai oximetriával (ScreenOX)

A résztvevőket a Valladolid (Spanyolország) Río Hortega Egyetemi Kórház speciális alvási ambuláns intézményeiből toborozzák. Valamennyi beteget az alapellátásból küldik be, mert közepesen súlyos klinikai gyanúja merül fel, hogy alvási apnoe-hypopnea szindrómában (SAHS) szenved. A végső sokaságot véletlenszerűen két független adatkészletre osztják: 1) tanítókészlet (50%), amelyet a szűrési algoritmusok tervezésére és felépítésére/tanítására használnak; és 2) a tesztkészlet (a fennmaradó 50%), amelyet a nem látott adatok felhasználásával a teljesítmény további értékelésére használnak.

Az American Academy of Sleep Medicine szabályai a légúti események pontozására és az otthoni ambuláns PSG-ből az apnoe-hypopnea index (AHI) meghatározására szolgálnak, amelyet az SAHS végleges diagnosztizálására használnak.

Egy hordozható, csuklón viselhető pulzoximétert (WristOX2 3150, Nonin) használnak az otthoni nonprofit szervezethez. A hordozható NPO-t az ambuláns PSG-vel (Embletta MPR, Natus) egyidejűleg végzik a páciens otthonában. Ezen túlmenően, az összehasonlítás kedvéért egyidejűleg, a kórházban, egy másik egymást követő/előző éjszakán, részt vett hordozható laboratóriumi NPO-t (WristOX2 3150, Nonin) és laboratóriumi PSG-t (E-Series, Compumedics) végeznek. A résztvevőket véletlenszerűen osztják be, hogy otthoni felügyelet nélküli alvásvizsgálatokat végezzenek a kórházi felvételek előtt vagy után.

Az NPO-tól származó SpO2 és PR egyidejűleg rögzítésre kerül 1 Hz-es mintavételezési frekvenciával (másodpercenként 1 minta). Az összes felvételt külön fájlba menti, és offline feldolgozza. Egy automatikus jel-előfeldolgozási szakaszt hajtanak végre a páciens mozgása miatti műtermékek eltávolítására (jelvesztés).

A jelfeldolgozási módszertan három automatizált szakaszra oszlik: (i) jellemző kivonás, (ii) jellemző kiválasztása és (iii) mintafelismerés.

Először is, az NPO-felvételeket változók széles készletével paraméterezték, amelyek korábban nagy diszkriminatív erőt mutattak az SAHS-detektálás összefüggésében. Az összes funkciót minden teljes hordozható éjszakai felvételhez számítjuk. A következő funkciók részhalmazai vannak összeállítva:

• Időtartomány-statisztikák SpO2-felvételekből. Az időtartomány első-negyedrendű statisztikai mozzanatai, azaz a számtani átlag, a variancia, a ferdeség és a görbület, amelyek számszerűsítik a központi tendenciát, a diszperzió mértékét, az aszimmetriát és a csúcsot.
• Az időtartomány jellemzői a PR-felvételekből: átlag, szórás és az impulzus-impulzus intervallum idősorának szórásának négyzetes átlaga.
• Frekvenciatartomány-statisztika SpO2-felvételekből. Első-negyedrendű statisztikai momentumok, medián frekvencia és Shannon spektrális entrópia a teljesítmény spektrális sűrűség függvényből.
• Frekvenciatartomány statisztika PR felvételekből. Első-negyedrendű statisztikai momentumok, medián frekvencia és Shannon spektrális entrópia a teljesítmény spektrális sűrűség függvényből.
• Hagyományos spektrális mérések SpO2 felvételekből. Teljes jelteljesítmény, valamint csúcsamplitúdó és relatív teljesítmény a 0,014-0,033 Hz frekvenciatartományban.
• Hagyományos spektrális mérések PR felvételekből. Normalizált teljesítmény az alacsony (0,04 - 0,15 Hz) és a magas (0,15 - 0,40 Hz) frekvenciasávban, valamint az alacsony frekvencia-magas frekvencia arány (szimpathova egyensúly).
• Nemlineáris funkciók SpO2 felvételekből. Minta entrópia, központi tendencia mérése és Lempel - Ziv komplexitás, amelyek az SpO2-felvételek szabálytalanságát, változékonyságát és összetettségét mérik.
• Nemlineáris jellemzők PR felvételekből. Minta entrópia, központi tendencia mérése és Lempel - Ziv komplexitás, amelyek a PR-felvételek szabálytalanságát, változékonyságát és összetettségét mérik.

Ezután összeállítjuk a legrelevánsabb, valamint a kiegészítő változókból álló optimális jellemző részhalmazt. E cél elérése érdekében a következő jellemző kiválasztási módszereket alkalmazzuk:

• Előre lépésenkénti funkcióválasztás
• Genetikai algoritmusok
• Gyors korreláció alapú szűrő
• Minimális-redundancia-maximális-relevancia kritérium

Végül a harmadik szakasz a mintafelismerésnek felel meg. Ennek a szakasznak kettős a célja: (i) bináris osztályozás-orientált modellek tervezése és optimalizálása, amelyek az NPO optimális tulajdonságait felhasználva képesek megkülönböztetni a SAHS-negatív és a SAHS-pozitív alanyokat; (ii) regresszió-orientált modellek tervezése és optimalizálása, amelyek az AHI becslésére vannak kiképezve az NPO optimális jellemzői segítségével. E cél elérése érdekében a következő mintafelismerő algoritmusokat értékeljük:

• Bináris osztályozás: logisztikus regresszió, mesterséges neurális hálózatok, Bayes-hálózatok, döntési fák, ensemble learning (AdaBoost).
• Regressziós modellek: többszörös lineáris regresszió, mesterséges neurális hálózatok, Bayes-hálózatok, ensemble learning (legkisebb négyzetek növelése).

Ezeket a modelleket ezt követően kombinálják, hogy optimalizálják a következő kétlépcsős szűrési protokollt: 1. stádium) valódi negatív szűrési szakasz, amelynek célja a nem SAHS alanyok maximális számának kimutatása, miközben minimalizálja a hamis negatív betegek számát (ideális esetben 0% hamis). pozitív arány); 2. stádium) Valódi pozitív szűrési stádium, melynek célja (az első szakaszban valódi negatívnak nem azonosított betegek közül) a valódi pozitív betegek maximális számának kimutatása, a hamis pozitív esetek számának minimalizálása mellett (ideális esetben 0% hamis pozitív arány). . Mindkét szakasz kiegészíti egymást, és egymást követően hajtják végre őket úgy, hogy:

• Az első szakaszban valóban negatívnak minősített betegeket az alvásspecialistához utalják, hogy végül a tüneteket, a kísérő betegségeket és a korábbi klinikai kórtörténetet figyelembe véve dobják ki az SAHS-t. Ezek a betegek már nem kerülnek az alvási egységbe, hacsak az alvásspecialista nem kéri a tartós és/vagy további tünetek miatt.
• A második szakaszban valóban pozitívnak minősített betegeket az alvásspecialistához utalják, hogy végül megerősítse a SAHS-t, és eldöntse a legmegfelelőbb kezelési lehetőséget. Ezeket a betegeket már nem vezetik be az alvási egységbe, hacsak az alvásspecialista nem kéri.
• A nem meggyőző eseteket végül az alvó egységhez vezetik le egy szabványos PSG-hez az SAHS megerősítése/elvetése érdekében.