Avaliação de um sistema de suporte de decisão para apneia obstrutiva do sono com análise não-linear dos sinais respiratórios.

20/09/2016 0 Por lbotler

Avaliação de um sistema de suporte de decisão para apneia obstrutiva do sono com análise não-linear dos sinais respiratórios.

 

Kaimakamis E1 Rafael V2, Bratsas C1, Sichletidis L3, coelho C4, Maglaveras N1.

 

INTRODUÇÃO:

 

Apneia Obstrutiva do sono (SAOS) é um distúrbio do sono comum que exige o tempo/dinheiro consumindo polissonografia para diagnóstico. Métodos alternativos para a avaliação inicial são procurados. O nosso objectivo era a previsão do índice de apneia-hipopneia (IAH) em pacientes potencialmente portadores de OSA com base na análise não-linear de bio-sinais respiratório durante o sono, um método que está relacionado com a fisiopatologia da doença.

MATERIAIS E MÉTODOS:

Pacientes (135) foram submetidos a polissonografia completa.
Três índices não-lineares (maior expoente de Lyapunov, análise de flutuação Detrended e entropia aproximada) extraídos de dois bio-sinais (fluxo de ar de uma cânula nasal, movimento torácico) e um linear derivada da entrada de saturação fornecida oxigênio para uma aplicação de mineração de dados com algoritmos de classificação contemporânea para a criação de modelos preditivos para AHI.

RESULTADOS:

Um modelo de regressão linear apresentou um coeficiente de correlação de 0,77 na previsão de AHI. Com um valor de corte de AHI = 8, a sensibilidade e especificidade foram de 93% e 71,4% na discriminação entre pacientes e sujeitos normais. A árvore de decisão para a discriminação entre pacientes e normal tinha sensibilidade e especificidade de 91% e 60%, respectivamente. Certos obtém valores não-lineares correlacionados significativamente com comumente aceitados parâmetros fisiológicos de pessoas que sofrem de OSA.

DISCUSSÃO:

Desenvolvemos um modelo preditivo para a presença/gravidade da OSA usando uma equação linear simples e árvores de decisão adicional com características não-lineares extraídas 3 gravações respiratórias. A precisão da metodologia é alta e os resultados fornecem uma visão para a fisiopatologia subjacente da síndrome.

 

 

 

CONCLUSÕES:

 

Previsões fiáveis de OSA são possíveis usando índices lineares e não lineares de apenas 3 sinais respiratórios durante o sono. Os modelos propostos poderiam levar a um melhor estudo da fisiopatologia de OSA e facilitar a avaliação inicial/acompanhamento do pacientes suspeitos OSA utilizando uma metodologia prática de baixo custo.