验证RBDtector:一个开源的自动化软件,用于在不产生心的情况下进行REM睡眠的评分

科学领域:

• 神经学 神经学
• 睡眠医学 睡眠医学
• 生物医学工程 生物医学工程

背景情况:

• 准确量化REM睡眠没有 (RSWA) 对于诊断异常/孤立REM睡眠行为障碍 (iRBD) 至关重要.
• 目前的方法依赖于手动视觉评分,这可能是耗时和主观的.
• 需要验证,自动化工具来提高RSWA量化的效率和准确性.

研究的目的:

• 为了验证RBDtector,一个免费的开源软件,用于自动化RSWA量化.
• 在一大群IRBD患者和健康对照中,将RBDtector的性能与人类视觉评分进行比较.
• 评估RBDDetector用于iRBD查的诊断性能及其在预测表态转化中的实用性.

主要方法:

• 分析了来自118名iRBD参与者和37名健康对照者的多眠学数据.
• 用RBDtector量化肌肉活动,该方法基于SINBAR (Sleep Innsbruck Barcelona) 评分方法.
• 将RBDtector的结果与人类视觉评分进行比较,并使用ROC曲线评估诊断性能.

主要成果:

• 对于"任何"RSWA活动,RBDtector与人类视觉评分有很好的一致性 (皮尔森的r=0.89,R2=0.79,p<0.001).
• 该工具在iRBD诊断中实现了95.6%的灵敏度和95.5%的特异性,使用33.0%的截止值结合"任何"RSWA.
• 在iRBD患者 (HR = 1.23) 中,增加的子脑膜"任何"活动 (10%的增加) 与表转化风险增加23%有关.

结论:

• RBDtector提供准确和自动化的RSWA量化,可与人类专家评分相提并论.
• 该工具提供了一种可靠和有效的方法来支持iRBD诊断.
• RBDtector可以帮助识别具有更高变风险的iRBD患者,特别是那些肌底肌肉活动升高的患者.