Validering av Belun Ring Gen3 Deep Learning Algoritmer med Subxiphoid Body Sensor

Hypotese: BRs Gen3 DL-algoritmer, kombinert med sin subxiphoid kroppssensor, kan nøyaktig diagnostisere OSA, kategorisere alvorlighetsgraden, identifisere REM OSA og liggende OSA, og oppdage sentral søvnapné (CSA).

Hovedmål:

For å grundig evaluere den generelle ytelsen til BR med Gen3 DL-algoritmer og subxiphoid kroppssensor ved vurdering av SDB hos individer henvist til søvnlaboratoriene med klinisk mistanke om søvnapné og en STOP-Bang-score > 3, ved å sammenligne med den deltok i laboratoriet PSG, gullstandarden.

Sekundære mål:

For å bestemme nøyaktigheten av parametere for BR-søvnstadiet ved å bruke Gen3 DL-algoritmene ved å sammenligne med PSG i laboratoriet;

For å vurdere nøyaktigheten til BR arytmideteksjonsalgoritmen;

For å vurdere virkningen av CPAP på HRV (både tids- og frekvensdomene), delta HR, hypoksisk byrde og PWADI under delte nattstudier;

For å vurdere om noen av baseline HRV-parametrene (både tids- og frekvensdomene), delta-hjertefrekvens (referert til som Delta HR), hypoksisk belastning og pulsbølgeamplitudefallindeks (PWADI) eller endringen av disse parameterne kan forutsi CPAP-overholdelse;

Å evaluere minimumsvarigheten av kvalitetsdata som er nødvendig for at BR skal oppnå OSA-diagnose;

For å undersøke ytelsen til OSA-screeningsverktøy ved å bruke OSA-prediktive AI-modeller formulert av National Taiwan University Hospital (NTUH) og Northeast Ohio Medical University (NEOMED).