ΑΞΙΟΛΟΓΗΣΗ ΠΟΛΥΠΝΟΓΡΑΦΙΚΩΝ ΠΑΡΑΜΕΤΡΩΝ ΚΑΙ ΑΝΑΠΤΥΞΗ ΤΕΚΜΗΡΙΩΜΕΝΩΝ ΚΡΙΤΗΡΙΩΝ ΓΙΑ ΤΗΝ ΕΦΑΡΜΟΓΗ ΚΑΤ'ΟΙΚΟΝ ΠΟΛΥΠΝΟΓΡΑΦΙΑΣ(HSAT), ΜΕ ΥΠΟΣΤΗΡΙΞΗ ΑΠΟ ΝΕΟ ΑΛΓΟΡΙΘΜΟ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ: ΠΡΟΚΑΤΑΡΚΤΙΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ.

ΕΙΣΑΓΩΓΗ: Οι κατ’ οίκον μελέτες ύπνου έχουν κερδίσει ολοένα και περισσότερο έδαφος τα τελευταία χρόνια, τόσο στην κλινική πράξη όσο και στις προτιμήσεις των ασθενών. Η διαδεδομένη χρήση τους επιβάλλει τη συμβολή τεχνολογικών μεθόδων για την εγκυρότητά τους.

ΣΚΟΠΟΣ:  Σκοπός της συγκεκριμένης μελέτης είναι η αποσαφήνιση των κριτηρίων για τη διενέργεια HSAT και η έγκαιρη αναγνώριση της βαρύτητας του ΣΑΑΥ, μέσα από την ποσοτικοποίηση των δεικτών απνοιών/υποπνοιών ανά ώρα ύπνου (AHI), αποκορεσμού της αιμοσφαιρίνης (ODI) σε συνδυασμό με τις συνοσηρότητες του ασθενούς.

ΥΛΙΚΑ ΚΑΙ ΜΕΘΟΔΟΙ: Πραγματοποιήθηκε αναδρομική μελέτη 1100 ασθενών, 17-80 ετών, που είχαν υποβληθεί σε πολυκαταγραφική μελέτη ύπνου στο εργαστήριο της Πνευμονολογικής Κλινικής ΠΓΝΛ. Καταγράφηκαν οι παράμετροι:  φύλο, ηλικία, συνοσηρότητες, BMI, ESS, στάδια ύπνου, AHI, ODI. Στην πρώτη φάση της ανάλυσης έγινε σύγκριση μεταξύ των  κλινικών ευρημάτων των ασθενών με τους δείκτες AHI και ODI, χρησιμοποιώντας τη μέθοδο της γραμμικής παλινδρόμησης και δείκτη στατιστικής σημαντικότητας(ΣΣ) α=0.25. Η δεύτερη φάση της ανάλυσης πραγματοποιήθηκε μόνο στις μεταβλητές με ΣΣ  p<0.25, με τη Bayesian μέθοδο, ώστε να προκύψει το τελικό μοντέλο με ΣΣ p=0.05.

ΑΠΟΤΕΛΕΣΜΑΤΑ: Από τους 1100 εξετασθέντες, το 76% είναι άνδρες και το 24% γυναίκες. Προκύπτει ότι οι άνδρες έχουν 14.3 μονάδες υψηλότερο AHI από τις γυναίκες, ενώ κάθε μονάδα αύξησης του BMI, αυξάνει το AHI κατά 1.3 μονάδες. Επίσης, κάθε μονάδα αύξησης του δείκτη ESS, αυξάνει το AHI κατά 0.7. Οι παχύσαρκοι ασθενείς εμφανίζουν 5.2 φορές μεγαλύτερο ODI. Παράλληλα, παρατηρείται ότι η χρόνια αποφρακτική πνευμονοπάθεια παρουσιάζει αρνητική συσχέτιση, καθώς όσοι νοσούν, έχουν 8 φορές μικρότερο AHI και 5.3 φορές μικρότερο ODI. Τέλος, προκύπτει ότι το εγκεφαλικό παρουσιάζει συσχέτιση μόνο με τον δείκτη ODI, κατά 4.9 μονάδες.

ΣΥΜΠΕΡΑΣΜΑΤΑ: Προγραμματίζεται η καταγραφή και η επεξεργασία περίπου 10.000 μελετών ύπνου. Μέσω της συσχέτισης των παραγόντων με AHI και ODI, μοντέλο τεχνητής νοημοσύνης θα καθορίζει τους εξαιρετικά υψηλής υποψίας ασθενείς που θα επωφεληθούν από HSAT.