S'abonner

Modèle mathématique du diagnostique de la fragmentation du sommeil - 19/03/15

Doi : 10.1016/j.msom.2015.01.011 
Roomila Naeck 1, , Antoine Elias 2, Daniel D’Amore 3, Marie-Françoise Mateo 4, Jean-Philippe Suppini 1, Claudio Rabec 5, Xavier Drouot 6, Jean-Claude Meurice 7, Joël Paquereau 8, Jean-Marc Ginoux 9
1 Unité de Recherche Clinique, CHI de Toulon La Seyne, Toulon, France 
2 Service de Médecine Vasculaire, CHI de Toulon La Seyne, Toulon, France 
3 Service de Pneumologie, CHI de Toulon La Seyne, Toulon, France 
4 Centre d’Exploration du Système Nerveux et du Sommeil, CHI de Toulon La Seyne, Toulon, France 
5 Service de Pneumologie et de Réanimations Respiratoires, CHU de Dijon, Toulon, France 
6 Service de Neurophysiologie Clinique, CHU de Poitiers, Poitiers, France 
7 Service de Pneumologie, CHU de Poitiers, Toulon, France 
8 Centre Régional des Pathologies du Sommeil, CHU de Poitiers, Poitiers, France 
9 ISITV, Université de Toulon, LSIS, UMR CNRS 7296, Toulon, France 

Auteur correspondant.

Résumé

Objectif

La polysomnographie (PSG) est l’examen de référence dans le diagnostic des troubles respiratoires et du sommeil. Il consiste en l’enregistrement d’un très grand nombre de variables ventilatoires et neurophysiologiques permettant par leur analyse simultanée le codage des différents stades de sommeil. Afin de déterminer la qualité du sommeil d’un patient, le clinicien évalue sa fragmentation à partir de critères déduits de la PSG tels que le nombre de changement de stades (SSS), le taux de micro-éveil (MAR) et le nombre d’éveils intra-sommeil (ISA). Chacun de ces critères a son propre seuil de fragmentation et son importance (poids) dans le diagnostic du clinicien, et dépend de sa spécialité.

Méthodes

Ce travail a pour but de modéliser le diagnostic de la fragmentation du sommeil sur la base des critères MAR, SSS, ISA. Nous utilisons un algorithme de décision qui consiste à attribuer la valeur 1 si le sommeil d’un patient est considéré comme fragmenté et la valeur 0 s’il ne l’est pas. Ceci permet de représenter par un indice, le diagnostic du clinicien (ICD) et le modèle mathématique de ce diagnostic (IMD). Ainsi, à partir de 111 PSG du laboratoire de sommeil de l’hôpital de Toulon (55 sujets sains et 56 patients avec une suspicion d’un syndrome d’apnées obstructives du sommeil), les valeurs de seuil et de poids impliquées dans notre IDM sont statistiquement déterminés pour chaque clinicien.

Résultats

Une analyse statistique démontre que l’accord entre l’IDM et l’ICD est substantiel (Kappa de Cohen K=68 % pour le pneumologue, K=72 % pour le neurophysiologiste avec p<0,01).

Conclusion

Ainsi, notre IDM qui tient compte de la spécialité de chaque clinicien peut être implémenté sur les logiciels de PSG. Une étude observationnelle prospective multicentrique est en cours afin de nous permettre de valider notre modèle sur une population de 400 patients.

Le texte complet de cet article est disponible en PDF.

Plan


© 2015  Publié par Elsevier Masson SAS.
Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 12 - N° 1

P. 23 - janvier 2015 Retour au numéro
Article précédent Article précédent
  • Modélisation numérique de la fragmentation du sommeil par réseau de neurones artificiels
  • Emna Bouazizi, Roomila Naeck, Daniel D’Amore, Marie-Françoise Mateo, Philippe Arlotto, Michel Grimaldi, Moez Bouchouicha, Fahrat Fnaiech, Nader Fnaiech, Jean-Marc Ginoux
| Article suivant Article suivant
  • Le seuil optimal pour détecter un micro-éveil par l’écrasement de l’onde de pouls est différent entre sujets sains et patients SAOS
  • Chesner Desir, Maeva Doron, Jean-Christian Borel, Corinne Loïodice, Matthieu Lesgoirres, Régis Guillemaud, Jean-Louis Pepin

Déjà abonné à cette revue ?