多導(dǎo)睡眠圖用于臨床的擴大型睡眠呼吸暫停內(nèi)分型（0448）
介紹
睡眠呼吸暫停是由幾種關(guān)鍵的內(nèi)表型特征引起的，即咽部可折疊性、肌肉補償差、通氣不穩(wěn)定性（高閉環(huán)增益）和睡眠引起的覺醒（低覺醒閾值）。對這些特征的測量已經(jīng)顯示出有望預(yù)測治療結(jié)果的前景（口腔矯治器、手術(shù)、舌下神經(jīng)刺激、CPAP呼吸機或藥物等治療方法）。根據(jù)潛在的病理生理學(xué)進行治療可能成為未來精準(zhǔn)睡眠醫(yī)學(xué)不可或缺的一部分。然而，目前為了從多導(dǎo)睡眠圖進行內(nèi)分型而開發(fā)的新方法在計算上是昂貴的，并且由于對專業(yè)技術(shù)知識的要求，只能由原始作者或其合作者執(zhí)行。在這里，我們提出了一種基于云的方法，用于從多導(dǎo)睡眠圖中分析睡眠呼吸暫停的類型，以用于臨床領(lǐng)域。
方法
基于云的用途，我們使用Sands等人的多導(dǎo)睡眠圖（PUP）方法優(yōu)化了表型2015-2018），執(zhí)行以下操作：代碼已從MATLAB翻譯為Python；開發(fā)了有效的方法來檢測呼吸，計算歸一化通氣量（移動時間平均值）和模型通氣驅(qū)動力（預(yù)期通氣量）。通過將測得的特征與原始值進行比較，驗證了新的實現(xiàn)（“ PUP.py”）。
結(jié)果
使用這兩種實現(xiàn)方式對38個手動評分的臨床多導(dǎo)睡眠圖研究進行了內(nèi)表分型。新實施（'PUP.py'）的結(jié)果與原始結(jié)果（所有p <10-6）高度相關(guān)：可折疊性和補償（在“ V”被動驅(qū)動下通氣：r = 0.98；在覺醒閾值下通氣，r = 0.97），環(huán)路增益（r = 0.96）和喚醒閾值（r = 0.92）。
結(jié)論
我們成功地實施了Sands等人的原始方法。擴大了睡眠呼吸暫停的內(nèi)在分型，并提供給更廣泛的受眾。
(葉妮摘自 Sleep, Volume 43, Issue Supplement_1, April 2020, Pages A171–A172）
