Les sons respiratoires du sommeil enregistrés via un smartphone ont donné une prédiction juste de l’apnée obstructive du sommeil, ont rapporté des chercheurs dans JAMA Oto-rhino-laryngologie – Tête & Chirurgie du cou.

« La méthode de diagnostic de référence pour l’AOS est la polysomnographie assistée, d’une nuit complète, en laboratoire, qui consiste à enregistrer de nombreux signaux physiologiques qui sont notés manuellement par des techniciens du sommeil ou des médecins certifiés. Par conséquent, la polysomnographie en laboratoire coûte cher et l’accessibilité à une installation de sommeil n’est pas toujours facile »,Sung-Woo Cho, MD, du département d’oto-rhino-laryngologie – chirurgie de la tête et du cou de l’hôpital Bundang de l’Université nationale de Séoul du Collège de médecine de l’Université nationale de Séoul à Seongnam, en Corée du Sud, et ses collègues ont écrit. « Compte tenu de la forte prévalence du SAOS, effectuer une polysomnographie toute la nuit en laboratoire peut ne pas être pratique pour tous les patients.

L’étude transversale a recruté 423 patients (âge moyen : 48,1 ans ; 84,1 % d’hommes) qui ont visité l’hôpital Bundang de l’Université nationale de Séoul. centre du sommeil pour le ronflement ou l’apnée du sommeil d’août 2015 à août 2019. Les patients ont enregistré de l’audio pendant leur sommeil avec un smartphone lors d’une polysomnographie de routine en laboratoire toute la nuit. Les chercheurs ont effectué des classifications binaires pour différents critères de seuil basés sur un seuil d’indice d’apnée hypopnée de cinq, 15 ou 30 événements par heure et ont créé quatre modèles de régression, y compris la réduction du bruit sans sélection de fonctionnalités, la réduction du bruit avec sélection de fonctionnalités, ni la réduction du bruit ni la sélection de fonctionnalités et la fonctionnalité sélection sans réduction de bruit.

Les chercheurs ont divisé les données en ensembles de données d’entraînement (n = 256) et de test (n = 167) et les patients ont été regroupés en OSA normal (n = 43), OSA léger (n = 80), OSA modéré (n = 109) ou OSA sévère ( n = 191).

L’audio enregistré sur smartphone a donné une précision de 88,2 % pour un seuil d’indice d’apnée-hypopnée de cinq événements par heure, 82,3 % pour 15 événements par heure et 81,7 % pour 30 événements par heure. Les aires sous la courbe étaient de 0,9, 0,89 et 0,9 pour cinq, 15 et 30 événements par heure, respectivement.

Les quatre modèles de régression ont montré des résultats similaires avec des coefficients de corrélation allant de 0,77 à 0,78. L’audio enregistré sur smartphone qui n’a pas été débruité et qui n’avait que des attributs sélectionnés a donné le coefficient de corrélation le plus élevé dans l’analyse de régression (r = 0,78). L’indice d’apnée-hypopnée (bêta = 0,33) et l’efficacité du sommeil (bêta = -0,2) étaient associés à l’erreur d’estimation de l’OSA.

« Ces modèles de prédiction ont donné une bonne performance de prédiction, et nous avons constaté que la suppression du bruit n’était pas obligatoire pour une bonne performance de prédiction. … Les recherches futures devraient être étendues pour incorporer des enregistrements réels sur smartphone à la maison à l’aide de divers smartphones », ont écrit les chercheurs.