Subscribe to RSS
DOI: 10.1055/s-0038-1640951
EEG-EMG-Kohärenz bei Rhonchopathie-Patienten unter Verwendung eines Support Vector Machine-Algorithmus
Einleitung:
Untersucht wurde, ob die EEG-EMG-Kohärenz die Differenzierung zwischen Rhonchopathie-Patienten ohne obstruktive Schlafapnoe (OSA) und Patienten mit OSA eines gering-, mäßig- oder schwergradigen Ausmaßes erlaubt.
Methoden:
Polysomnographische Aufzeichnungen von 102 Rhonchopathie-Patienten (33 weiblich Alter: 53,74 ± 12,4 Jahre) wurden mit der Multitaper-Kohärenz-Methodik (MTM) analysiert. Die Aufnahmen umfassten u.a. die C3- und C4-EEG-Kanäle und einen Kinn-EMG-Kanal. Vier Epochen (30 Sekunden, manuell nach AASM 2007-Kriterien klassifiziert) jedes Schlafstadiums wurden markiert (insgesamt 1632 Epochen), die in die Klassifikation-Analysen aufgenommen wurden. Die erhobenen Datensätze wurden als Input für den support vector machine (SVM) – Algorithmus eingegeben, um die 4 verschiedenen OSA-Schweregrade zu klassifizieren. Zwanzig Patienten hatten an einer milden (RDI ≥10/h und < 15/h), 30 Patienten an einer mäßigen (RDI ≥15/h und < 30/h) und 27 Patienten an einer schweren OSA (RDI ≥30/h) gelitten. 25 Patienten hatten ein RDI < 10/h. Der AUC (area under the curve)-Wert wurde bei jeder ROC (receiver operator curve)-Kurve errechnet.
Ergebnisse:
Mithilfe der EEG-EMG-Kohärenz konnte unter Verwendung eines SVM-Algorithmus zwischen den Rhonchopathie-Patienten ohne OSA und den OSA-Patienten der jeweiligen 3 Schweregrad-Gruppen unterschieden werden. Bei milder OSA lag der AUC-Wert bei 0.616 (p = 0.024), bei mäßiger OSA lag der AUC-Wert bei 0.659 (p = 0.003) und bei schwerer OSA lag der AUC-Wert bei 0.823 (p < 0.001).
Schlussfolgerung:
Rhonchopathie-Patienten mit OSA lassen sich von Rhonchopathie-Patienten ohne OSA allein durch die EEG-EMG-Kohärenz der Polysomnografie mithilfe der Multitaper-Kohärenz -Methodik (MTM) unter Verwendung eines SVM-Algorithmus unterscheiden.
Publication History
Publication Date:
18 April 2018 (online)
© 2018. The Author(s). This is an open access article published by Thieme under the terms of the Creative Commons Attribution-NonDerivative-NonCommercial-License, permitting copying and reproduction so long as the original work is given appropriate credit. Contents may not be used for commercial purposes, or adapted, remixed, transformed or built upon. (https://creativecommons.org/licenses/by-nc-nd/4.0/).
Georg Thieme Verlag KG
Stuttgart · New York