ScreenOX - 夜間オキシメトリーを使用した成人睡眠時無呼吸症候群の自動在宅スクリーニング検査 (ScreenOX)

参加者は、バリャドリッド (スペイン) のリオ ホルテガ大学病院の専門の睡眠外来施設から募集されます。 すべての患者は、睡眠時無呼吸低呼吸症候群 (SAHS) に苦しんでいるという中程度から高度の臨床的疑いがあるため、プライマリケアから紹介されています。 最終的な母集団は、2 つの独立したデータセットにランダムに分割されます。1) トレーニング セット (50%)。これは、スクリーニング アルゴリズムの設計と構築/トレーニングに使用されます。 2) テスト セット (残り 50%)。目に見えないデータを使用してパフォーマンスをさらに評価するために使用されます。

米国睡眠医学会の規則は、呼吸イベントを記録し、自宅で歩行可能な PSG から無呼吸低呼吸指数 (AHI) を取得するために使用され、SAHS を確定的に診断するために使用されます。

在宅 NPO では、手首に携帯型のパルスオキシメータ (WristOX2 3150、Nonin) が使用されています。 ポータブル NPO は、患者の自宅で外来 PSG (Embletta MPR、Natus) と同時に実行されます。 さらに、比較目的で、入院中のポータブル インラボ NPO (WristOX2 3150、Nonin) とインラボ PSG (E シリーズ、Compumedics) が病院で異なる連続/前夜に同時に実行されます。 参加者は無作為に割り当てられ、病院での記録の前後に自宅で無人睡眠研究を実施します。

NPO からの SpO2 と PR は、1 Hz のサンプリング レート (毎秒 1 サンプル) で同時に記録されます。 すべての記録は個別のファイルに保存され、オフラインで処理されます。 自動信号前処理段階が実行され、患者の動きによるアーチファクト (信号損失) が除去されます。

信号処理方法論は、(i) 特徴抽出、(ii) 特徴選択、および (iii) パターン認識の 3 つの自動化された段階に分けられます。

まず、NPO の記録は、SAHS 検出のコンテキストで以前に高い識別力を示した幅広い変数セットによってパラメーター化されます。 すべての機能は、携帯用の夜間の記録ごとに計算されます。 次の機能サブセットが構成されています。

• SpO2 記録からの時間領域統計。 時間領域での 1 次から 4 次の統計的モーメント、つまり算術平均、分散、歪度、尖度。それぞれ、中心傾向、分散量、非対称性、および尖度を定量化します。
• PR 記録からの時間領域の特徴: パルス間間隔の時系列の平均、標準偏差、および標準偏差の二乗平均平方根。
• SpO2 記録からの周波数ドメイン統計。 パワー スペクトル密度関数からの 1 次から 4 次の統計モーメント、中央周波数、およびシャノン スペクトル エントロピー。
• PR録音からの周波数ドメイン統計。 パワー スペクトル密度関数からの 1 次から 4 次の統計モーメント、中央周波数、およびシャノン スペクトル エントロピー。
• SpO2 記録からの従来のスペクトル測定。 周波数範囲 0.014 ～ 0.033 Hz の総信号電力、ピーク振幅および相対電力。
• PR録音からの従来のスペクトル測定。 低域 (0.04 ～ 0.15 Hz) および高域 (0.15 ～ 0.40 Hz) の周波数帯域、および低域と高域の比率 (交感神経迷走神経バランス) の正規化されたパワー。
• SpO2 記録からの非線形機能。 SpO2 記録の不規則性、変動性、および複雑性を測定するサンプル エントロピー、中心傾向測定、および Lempel - Ziv 複雑性。
• PR 録音からの非線形特徴。 PR 記録の不規則性、変動性、および複雑性を測定するサンプル エントロピー、中心傾向測定、および Lempel - Ziv 複雑性。

次に、最も関連性の高い変数と補完的な変数で構成される最適な機能サブセットが構成されます。 この目標を達成するために、次の機能選択方法が適用されます。

• 前方段階的特徴選択
• 遺伝的アルゴリズム
• 相関ベースの高速フィルター
• 最小冗長性最大関連性基準

最後に、第 3 段階はパターン認識に対応します。 この段階の目的は 2 つあります。(i) NPO の最適な機能を使用して、SAHS 陰性の被験者と SAHS 陽性の被験者を識別するように訓練されたバイナリ分類指向のモデルを設計および最適化する。 (ii) NPO の最適な機能を使用して AHI を推定するようにトレーニングされた回帰指向モデルを設計および最適化する。 この目標を達成するために、次のパターン認識アルゴリズムが評価されます。

• 二項分類: ロジスティック回帰、人工ニューラル ネットワーク、ベイジアン ネットワーク、決定木、アンサンブル学習 (AdaBoost)。
• 回帰モデル: 多重線形回帰、人工ニューラル ネットワーク、ベイジアン ネットワーク、アンサンブル学習 (最小二乗ブースティング)。

これらのモデルは、その後、次の 2 段階のスクリーニング プロトコルを最適化するために結合されます: ステージ 1) 偽陰性患者の数を最小限に抑えながら非 SAHS 被験者の最大数を検出することを目的とした真陰性スクリーニング段階 (理想的には 0% 偽)陽性率）;第 2 段階) 真陽性スクリーニング段階。これは、(第 1 段階で真陰性と識別されなかった患者の中で) 最大数の真陽性患者を検出すると同時に、偽陽性症例の数を最小限に抑えることを目的としています (理想的には偽陽性率 0%)。 . 両方の段階は補完的であり、次のように連続して実装されます。

• 最初の段階で真の陰性と特定された患者は、症状、併存疾患、および過去の病歴を考慮して、最終的に SAHS を破棄するために睡眠専門医に紹介されます。 これらの患者は、持続的および/または追加の症状のために、睡眠専門医から要求されない限り、もはや睡眠ユニットに誘導されません。
• 第 2 段階で真陽性と特定された患者は、最終的に SAHS を確認し、最適な治療オプションを決定するために睡眠専門医に紹介されます。 これらの患者は、睡眠専門医から要求されない限り、もはや睡眠ユニットには誘導されません。
• 決定的でない場合は、SAHS を確認/破棄するために、最終的に標準 PSG のスリープ ユニットに誘導されます。