Валидация алгоритмов глубокого обучения Belun Ring Gen3 с помощью датчика субмечевидного тела

Гипотеза: Алгоритмы BR Gen3 DL в сочетании с подмечевидным датчиком тела могут точно диагностировать СОАС, классифицировать его тяжесть, идентифицировать СОАС в фазе быстрого сна и СОАС в положении лежа, а также обнаруживать центральное апноэ во сне (ЦСА).

Основная цель:

Тщательно оценить общую производительность BR с алгоритмами DL Gen3 и датчиком подмечевидного тела при оценке SDB у лиц, направленных в лаборатории сна с клиническим подозрением на апноэ во сне и показателем STOP-Bang > 3, путем сравнения с посещаемыми в лаборатории. «ПСЖ» — золотой стандарт.

Второстепенные цели:

Определить точность параметров стадии сна БР с использованием алгоритмов Gen3 DL путем сравнения с лабораторной ПСГ;

Оценить точность алгоритма обнаружения аритмии БР;

Оценить влияние CPAP на ВСР (как во временной, так и в частотной области), дельта-ЧСС, гипоксическую нагрузку и PWADI во время исследований в ночное время;

Оценить, могут ли какие-либо из исходных параметров ВСР (как во временной, так и в частотной области), дельта-частота сердечных сокращений (называемая дельта-ЧСС), гипоксическая нагрузка и индекс падения амплитуды пульсовой волны (PWADI) или изменение этих параметров соответствие CPAP;

Оценить минимальную продолжительность качественных данных, необходимых для БР для постановки диагноза СОАС;

Изучить эффективность инструментов скрининга СОАС с использованием моделей искусственного интеллекта для прогнозирования СОАС, разработанных Национальной больницей Тайваньского университета (NTUH) и Медицинским университетом Северо-Восточного Огайо (NEOMED).