使用 BSP 筛查住院卒中患者的 OSA

实验性的：TMU医院

疑似 OSA 的潜在参与者将从 TMU 睡眠实验室的时间表中确定。 将接触并邀请满足研究结论和排除标准的受试者参与研究。

设备：柏灵睡眠平台

BSP（Belun Technology Company Limited）是一种采用神经网络算法的新型可穿戴系统，由获得专利的可穿戴设备（Belun Ring）、充电座和云端软件组成。 Belun Ring 是一种经 FDA 批准的脉搏血氧仪，可从近端食指的桡动脉获取信号。 Belun Ring 总睡眠时间可以从加速度计、SpO2 和 PPG 信号中提取的特征导出，而 Belun Ring AHI 可以从 Ring-TST 和从 HRV 和 SpO2 变化中提取的特征导出。 BSP 专有的 OSA 检测算法使用神经网络。 通过持续收集数据训练算法，可以提高 BSP 性能。 据我们所知，BSP 是唯一经过验证的睡眠平台，它使用医疗级可穿戴脉搏血氧仪、活动记录仪和人工智能算法，能够识别睡眠阶段、检测 OSA 事件并监测睡眠期间的自主神经系统活动变化。

AHI、SpO2 < 90% 的持续时间和 SpO2 最低值，以及睡眠阶段参数（总睡眠时间 [TST]、清醒时间、REM 时间和 NREM 时间）

通过与同时进行的实验室 PSG-AHI 比较，具体评估 BSP bAHI 在预测 OSA 方面的准确性，并通过与并发 PSG 进行比较来确定 BSP 睡眠阶段参数的准确性。

BSP bAHI、SpO2 < 90% 的 BSP 时间和 BSP-SpO2 最低点将从 BSP 中提取并与 PSGAHI（4% 呼吸不足标准）、SpO2 < 90% 的 PSG 时间（PSG-T90）、PSG-SpO2 最低点进行比较来自并发的 PSG。

BSP 睡眠阶段参数（总睡眠时间 [TST]、唤醒时间、REM 时间和 NREM 时间）将从 BSP 中提取并与并发 PSG 的相同参数进行比较。 将进行逐个时代的比较。

BSP 使用的持续时间和技术上有效的记录时间

BSP 使用的持续时间和技术上有效的记录时间将从 BSP 中提取，以评估住院患者 BSP 测试的可行性。

STOP-Bang 的分数

3、4 和 5 的 Stop-Bang 截止值将与 5 次事件/小时、15 次事件/小时和 30 次事件/小时的 PSG 截止值相结合，并比较 OSA 预测的准确性。

HRV参数（包括频域和时域）、住院时间、NIH卒中量表（NIHSS）评分、改良Rankin评分（mRS）

ANS 参数包括 HRV 频域参数（低频 [LF]、高频 [HF] 和 LF/HF 比率）以及时域参数（正常到正常 R-R 间隔的标准差 [SDNN] 和连续的均方根心跳间隔差 [RMSSD]) 将从 BSP 中提取，并测试与住院时间、NIH 卒中量表 (NIHSS) 评分和改良 Rankin 评分 (mRS) 的相关性。