Proposition d’une nomenclature de patterns de fuites non intentionnelles dans le traitement du SAOS par PPC - 09/01/24

La pression positive continue auto-pilotée (auto-PPC) est le traitement de référence pour le Syndrome d’Apnées Obstructives du Sommeil Obstructive (SAOS) modéré à sévère. Les Fuites Non Intentionnelles (FNI) sont fréquemment à l’origine d’une baisse de l’observance à court terme du traitement. Les méthodes de mesure de la FNI et leur report varient parmi les fabricants, rendant les comparaisons entre études difficiles. Bien que l’intensité de la FNI soit un paramètre perturbant de manière significative le fonctionnement des dispositifs d’auto-PPC, il n’existe à ce jour pas de classification de la forme de la FNI, et l’impact de la dynamique de la fuite sur le fonctionnement des machines (indépendamment du niveau de fuite) a été peu étudié.

Nous avons analysé 50 enregistrements de polygraphie ventilatoire réalisés sous auto-PPC nasale, totalisant plus de 200heures de traitement et provenant d’une étude antérieure [1 Chest 2020 ;  158 : 2165-2171

Haga clic aquí para ir a la sección de Referencias]. L’objectif de notre étude consistait à proposer une description standardisée de la forme (pattern) de la FNI, indépendamment de son intensité et de ses déterminants.

Nous avons séparé les patterns de FNI en deux grandes catégories :

– les fuites continues qui s’observent avec une échelle de temps de 1heure ;

– les fuites discontinues qui se déploient sur des intervalles de temps de 5minutes ou moins.

Indépendamment de cette catégorie, nous avons identifié 2 patterns d’apparition et 2 patterns de disparition de la fuite. Pour les fuites continues, nous avons décrit 2 formes d’évolution de l’épisode. Il était possible de caractériser l’ensemble des fuites analysées comme une combinaison de ces différents patterns (Fig. 1).

Les constructeurs donnent régulièrement des niveaux de fuites limites pour l’utilisation de leur machine. Nous pensons que selon le pattern, le niveau de fuite qui perturbe le fonctionnement de la machine peut être différent. Cette étude constitue ainsi une première base de description de la fuite non-intentionnelle, qui pourra servir de support à l’étude de leur impact sur la capacité des machines à détecter des événements respiratoires. Dans cette optique, un banc d’essai permettant la modélisation haute-fidélité de la FNI est en cours de développement.