Convalida degli algoritmi di deep learning Belun Ring Gen3 con sensore corporeo subxifoideo

Ipotesi: gli algoritmi Gen3 DL di BR, combinati con il sensore del corpo subxifoideo, possono diagnosticare accuratamente l'OSA, classificarne la gravità, identificare l'OSA REM e l'OSA supina e rilevare l'apnea centrale del sonno (CSA).

Obiettivo primario:

Valutare rigorosamente le prestazioni complessive del BR con algoritmi Gen3 DL e sensore corporeo subxifoideo nella valutazione dell'SDB in individui indirizzati ai laboratori del sonno con sospetto clinico di apnea notturna e un punteggio STOP-Bang > 3, confrontando il laboratorio frequentato PSG, il gold standard.

Obiettivi secondari:

Determinare l'accuratezza dei parametri della fase del sonno BR utilizzando gli algoritmi Gen3 DL confrontandoli con il PSG in laboratorio;

Valutare l'accuratezza dell'algoritmo di rilevamento dell'aritmia BR;

Valutare l'impatto della CPAP su HRV (sia nel dominio del tempo che della frequenza), delta HR, carico ipossico e PWADI durante gli studi split night;

Per valutare se uno qualsiasi dei parametri HRV di base (sia nel dominio del tempo che della frequenza), la frequenza cardiaca delta (denominata Delta HR), il carico ipossico e l'indice di caduta dell'ampiezza dell'onda di polso (PWADI) o la variazione di questi parametri possono predire Conformità CPAP;

Valutare la durata minima dei dati di qualità necessari affinché la BR possa ottenere la diagnosi di OSA;

Esaminare le prestazioni degli strumenti di screening dell’OSA utilizzando modelli di intelligenza artificiale predittiva dell’OSA formulati dal National Taiwan University Hospital (NTUH) e dalla Northeast Ohio Medical University (NEOMED).