Walidacja algorytmów głębokiego uczenia się Belun Ring Gen3 z czujnikiem ciała subxiphoid

Hipoteza: Algorytmy DL Gen3 firmy BR w połączeniu z czujnikiem ciała podwyrostkowego mogą dokładnie diagnozować OSA, kategoryzować jego nasilenie, identyfikować OSA w fazie REM i OSA w pozycji leżącej oraz wykrywać centralny bezdech senny (CSA).

Podstawowy cel:

Aby rygorystycznie ocenić ogólną skuteczność BR z algorytmami Gen3 DL i czujnikiem ciała Subxiphoid Body w ocenie SDB u osób skierowanych do laboratoriów snu z klinicznym podejrzeniem bezdechu sennego i wynikiem STOP-Bang > 3, w porównaniu z wynikami badań laboratoryjnych PSG, złoty standard.

Cele drugorzędne:

Aby określić dokładność parametrów fazy snu BR przy użyciu algorytmów Gen3 DL, porównując z laboratoryjnym PSG;

Aby ocenić dokładność algorytmu wykrywania arytmii BR;

Ocena wpływu CPAP na HRV (zarówno w dziedzinie czasu, jak i częstotliwości), HR delta, obciążenie niedotlenieniem i PWADI podczas badań podzielonych na noc;

Aby ocenić, czy którykolwiek z podstawowych parametrów HRV (zarówno w dziedzinie czasu, jak i częstotliwości), częstość akcji serca delta (określana jako Delta HR), obciążenie hipoksyczne i wskaźnik spadku amplitudy fali tętna (PWADI) lub zmiana tych parametrów mogą przewidzieć zgodność z CPAP;

Ocena minimalnego czasu trwania danych jakościowych niezbędnych do uzyskania przez BR diagnozy OSA;

Aby zbadać skuteczność narzędzi do badań przesiewowych OSA przy użyciu predykcyjnych modeli sztucznej inteligencji opracowanych przez National Taiwan University Hospital (NTUH) i Northeast Ohio Medical University (NEOMED).