Schlafstadien-Detektion aus den Signalen der Atemeffort-Induktionsplethysmographie
Die Untersuchung der diagnostischen Güte des Nox BodySleep™ 1.0-Algorithmus zur Schlafstadienschätzung aus Signalen der Aktigraphie und der respiratorischen Induktionsplethysmographie erfolgte an einer Kohorte mit Patient:innen mit Verdacht auf Obstruktive Schlafapnoe und einer weiteren Kohorte mit Patient:innen mit Verdacht auf Obstruktive Schlafapnoe und dem zusätzlichen Vorliegen von Periodic Limb Movement in Sleep. Die Ergebnisse wurden gegen den Goldstandard Polysomnographie validiert. Der Algorithmus zeigte eine moderate diagnostische Güte für die Schlafschätzung. Darüber hinaus bestimmt der Algorithmus den Apnoe Hypopnoe Index mit guter Übereinstimmung zur manuellen Auswertung. Bei Patient:innen mit dem Vorliegen von Periodic Limb Movement in Sleep fiel eine weniger gute Übereinstimmung des Algorithmus von Total Sleep Time und Sleep Efficiency im Vergleich zur manuellen Auswertung auf. Die Integration des vorgestellten Algorithmus in die ambulante Testung von Patient:innen mit Verdacht auf schlafbezogene Atmungsstörungen scheint eine vielversprechende Möglichkeit zu sein, um die Diagnostik der Schlafmedizin im ambulanten Rahmen zu verbessern und somit die Lücke zwischen den limitierten Kapazitäten der schlafmedizinischen Einrichtungen und der hohen Prävalenz von schlafbezogenen Atmungsstörungen in der Gesellschaft zu verkleinern.
This study investigated the diagnostic performance of the Nox BodySleep™ 1.0 algorithm in estimating sleep stages based on features extracted from actigraphy and respiratory induction plethysmography in two cohorts. The first cohort included patients with suspected obstructive sleep apnea and the second cohort included patients with suspected obstructive sleep apnea and the additional presence of periodic limb movements in sleep. The gold standard of polysomnography was used for validation. The algorithm showed moderate diagnostic quality for sleep estimation and the algorithm also determined the apnea-hypopnoea index with good agreement with manual scoring. In patients with periodic limb movements in sleep the algorithm showed lower agreement with manual scoring for total sleep time and sleep efficiency. The integration of the presented algorithm in out-of-center testing of patients with suspected obstructive sleep apnea seems to be a promising and cost-effective way to improve the infrastructure of sleep medicine diagnostics and thus reduce the gap between the limited capacity of sleep medicine centers and the high prevalence of sleep-related breathing disorders in society.