Assessing REM Sleep Behaviour Disorder: From Machine Learning Classification to the Definition of a Continuous Dissociation Index.

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

Amaçlar: Hızlı Göz Hareketi Uyku Davranış Bozukluğu (RBD), Parkinson Hastalığı (PD) gibi alfa-sinükleinopatilere yüksek bir dönüşüm oranı ile nörodejenerasyonun bir prodromu olarak kabul edilir. RBD'nin klinik teşhisi, REM uykusu sırasında fizyolojik kas atonisi kaybına neden olan bir parasomnia olan REM Uyku Atoniasız Uyku (RSWA) kanıtlarıyla birlikte var olur. Bu çalışmanın amaçları, RSWA'nın polisomnografik izlerden otomatik olarak tespit edilmesini uygulamak ve REM uyku evresi ile atonya arasındaki ayrışma düzeyini değerlendirmek için sürekli bir indeks (Ayrılma Endeksi) önermektir. Bu, uygun vektör uzaylarında Öklid mesafesi kullanılarak gerçekleştirilir. Her bir denek, bir referanstan uzaklığına bağlı olarak, sağlıklı denekleri ve klinik olarak teşhis edilen RBD hastalarını iki uçta kapsayan bir ayrışma derecesine atanır. Yöntemler: RSWA'lı hastaların elektromiyografiden türetilen değişkenlerle birlikte klinik polisomnografik skorlarla otomatik olarak tanımlanması için Makine Öğrenimi modelleri kullanılmıştır. Uygun mesafe ölçümleri, bir ayrışma ölçüsü elde etmek için önerilir ve test edilir. Bulgular: Yöntem, RSWA'ya karşı RSWA olmayan deneklerin sınıflandırılmasında etkili olduğunu kanıtladı ve sırasıyla %87, %93 ve %87,5'lik bir genel doğruluk, hassasiyet ve hassasiyet elde etti. Ayrıştırma Endeksi, hastaların bozulma düzeyini ölçmede umut verici olduğunu kanıtladı. Sonuç: Önerilen yöntem, REM uyku bozukluklarını otomatik olarak belirleme ve bozulma derecesini değerlendirme yönünde bir adım ileri hareket eder. Bu indeksin hastaların nörodejenerasyon süreci ile ilişkili olabileceğine inanıyoruz; bu varsayım sağlıklı, RSWA, RBD ve PD denekleri içeren sağlam bir klinik doğrulama sürecine tabi tutulacaktır.

Özgün kaynak özetini okuyun

Objectives: Rapid Eye Movement Sleep Behaviour Disorder (RBD) is regarded as a prodrome of neurodegeneration, with a high conversion rate to α-synucleinopathies such as Parkinson's Disease (PD). The clinical diagnosis of RBD co-exists with evidence of REM Sleep Without Atonia (RSWA), a parasomnia that features loss of physiological muscular atonia during REM sleep. The objectives of this study are to implement an automatic detection of RSWA from polysomnographic traces, and to propose a continuous index (the Dissociation Index) to assess the level of dissociation between REM sleep stage and atonia. This is performed using Euclidean distance in proper vector spaces. Each subject is assigned a dissociation degree based on their distance from a reference, encompassing healthy subjects and clinically diagnosed RBD patients at the two extremes. Methods: Machine Learning models were employed to perform automatic identification of patients with RSWA through clinical polysomnographic scores, together with variables derived from electromyography. Proper distance metrics are proposed and tested to achieve a dissociation measure. Results: The method proved efficient in classifying RSWA vs. not-RSWA subjects, achieving an overall accuracy, sensitivity and precision of 87%, 93% and 87.5%, respectively. On its part, the Dissociation Index proved to be promising in measuring the impairment level of patients. Conclusions: The proposed method moves a step forward in the direction of automatically identifying REM sleep disorders and evaluating the impairment degree. We believe that this index may be correlated with the patients' neurodegeneration process; this assumption will undergo a robust clinical validation process involving healthy, RSWA, RBD and PD subjects.

Bilimsel değerlendirme

Araştırma sorusu

Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.

Yöntem ve örneklem

Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.

Temel bulgular

Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.

Sınırlılıklar

Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.

Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.