评估下颌运动的监测与机器学习对阻塞性睡眠呼吸暂停的诊断分析

要点 西班牙语 中文(中国)

问题如何自动下颌运动的性能分析阻塞性睡眠呼吸暂停的诊断与多导睡眠图的比较呢?

发现在这个诊断疑似患有阻塞性睡眠呼吸暂停的376名成年人的学习,下颌movement-derived呼吸障碍指数确定患者的多导睡眠呼吸障碍指数至少5事件/ h或至少15事件/ h精度为0.92和0.88,分别。

意义自动分析下颌运动模式的可靠计算呼吸障碍指数和阻塞性睡眠呼吸暂停的诊断中使用这种方法似乎是有前途的。

重要性鉴于盛行的阻塞性睡眠呼吸暂停(OSA),需要简单和自动诊断方法。

客观的评估是否下颌运动(MM)监测在睡眠中加上一个自动化机器学习是适合分析阻塞性睡眠呼吸暂停综合症的诊断。

设计,设定和参与者诊断研究的成人经历一夜之间在实验室多导睡眠图(PSG)作为参考方法相比,同时MM监测睡眠诊所在学术机构(睡眠实验室,大学大学医疗中心Catholique de鲁汶Sainte-Elisabeth防爆型网站,那慕尔,比利时)。疑似阻塞性睡眠呼吸暂停综合症患者为从7月5日,2017年,2018年10月31日。

主要结果和措施阻塞性睡眠呼吸暂停的诊断需要唤起迹象或症状或相关医学或精神并发症加上PSG-derived呼吸障碍指数(PSG-RDI)至少5事件/ h。PSG-RDI至少15事件/ h满意的诊断标准即使没有症状或并发症有关。病人不符合这些标准被列为没有阻塞性睡眠呼吸暂停综合症。协议分析和诊断性能评估Bland-Altman情节比较PSG-RDI和日出系统RDI (Sr-RDI)诊断阈值优化接受者操作特征曲线,通过允许评估设备的敏感性和特异性检测阻塞性睡眠呼吸暂停综合症在5事件/小时和15事件/ h。

结果连续376成年人疑似阻塞性睡眠呼吸暂停综合症,(SD)的平均年龄为49.7(13.2)年,平均(SD)身体质量指数为31.0(7.1),和207年(55.1%)是男性。可靠的协议被发现PSG-RDI之间和非阻塞性睡眠呼吸暂停综合症患者的Sr-RDI (n = 46;平均差,1.31;95%可信区间,1.05−3.66事件/ h)和阻塞性睡眠呼吸暂停患者PSG-RDI至少5事件/ h与症状(n = 107;平均差,−0.69;95%可信区间,3.77−2.38事件/ h)。Sr-RDI低估的−11.74 (95% CI, 20.83−−2.67)事件/ h阻塞性睡眠呼吸暂停患者的PSG-RDI至少15事件/ h是发现和纠正系统诊断阈值优化的日出。Sr-RDI显示诊断能力,与地区的接受者操作特征曲线下0.95 (95% CI, 0.92 - -0.96)和0.93 (95% CI, 0.90 - -0.93)相应的PSG-RDIs 5事件/小时和15事件/ h,分别。2最佳达标的7.63事件/ h和12.65事件/ h, Sr-RDI精度0.92 (95% CI, 0.90 - -0.94)和0.88(95%可信区间,0.86 - -0.90)以及后续测试的概率为0.99 (95% CI, 0.99 - -0.99)和0.89 (95% CI, 0.88 - -0.91) PSG-RDIs至少5事件/ h和至少15事件/ h,分别对应于阳性似然比为14.86 (95% CI, 9.86 - -30.12)和5.63 (95% CI, 4.92 - -7.27),分别。

结论和意义自动分析RDI的MM模式提供了可靠的性能计算。使用这个索引在阻塞性睡眠呼吸暂停综合症诊断似乎是有前途的。

阻塞性睡眠呼吸暂停(OSA)影响全球近10亿人,导致高社会经济和医疗保健负担。¹白天过度困倦和疲劳,阻塞性睡眠呼吸暂停综合症患者所报告的问题,可能会对神经认知功能,负面影响心情,在工作和生产力,导致生活质量下降和职业伤害的风险增加,机动车事故。^{2- - - - - -5}阻塞性睡眠呼吸暂停是多种疾病的一个主要风险因素,增加代谢疾病的风险和严重性疾病,包括高血压、心律失常、中风、冠心病、1型和2型糖尿病和代谢障碍,^{6- - - - - -8}最终导致整体死亡率增加。⁹持续正压通气,一线治疗阻塞性睡眠呼吸暂停综合症,是有效缓解症状,恢复神经认知功能,改善生活质量。^10,11虽然阻塞性睡眠呼吸暂停综合症是最常见的慢性疾病之一,伴随着各种各样的障碍,它仍然是一个诊断的健康问题。^{1,12- - - - - -14}

多导睡眠图(PSG),参考方法和criterion-standard阻塞性睡眠呼吸暂停综合症的诊断工具,不适合广泛使用需要解决睡眠呼吸暂停的流行。PSG的性能是繁重的,因为实现的复杂性和多通道的耗时和费力得分记录,包括脑电图、心电图、呼吸信号。^15,16睡眠阶段的人工评分,microarousals,呼吸事件在一个专门的诊所是乏味的,在技术上具有挑战性的,不适合不断增长的人口需要阻塞性睡眠呼吸暂停综合症的评估。^17,18

上有共识专家需要开发先进的诊断方法,结合新技术提供有效的代理人睡眠分期和呼吸模式评估。^19,20.因此,人工实施传感器,自动评分睡眠呼吸事件为阻塞性睡眠呼吸暂停综合症的诊断可能是一个未来的方向。^{21- - - - - -23}

在这种背景下,本研究的目的是评估新技术的诊断能力建立在下颌运动(毫米)分析(日出),而与PSG连续大量的疑似阻塞性睡眠呼吸暂停综合症患者。日出系统代表了一个技术进步相结合的MM录音的自动化分析了机器学习的支持。下颌运动分析的优点是一个可靠的标志睡眠破碎和呼吸的努力,提供信息阻塞性睡眠呼吸事件的性质。万博manbetx平台首页^{24- - - - - -27}我们假设日出系统派生呼吸障碍指数(Sr-RDI)优于PSG-derived RDI (PSG-RDI)。

在这个前瞻性诊断成人患者的研究被称为一个一夜之间在实验室PSG,用作参考方法和PSG,致盲,与同时MM录音使用日出系统(一个完整的描述在日出的MM记录和描述系统分段)。这项研究是在睡眠诊所进行学术机构(睡眠实验室,大学大学医疗中心Catholique de鲁汶Sainte-Elisabeth防爆型网站,那慕尔,比利时)。的拉西'Ethique Hospitalo-Facultaire-Universitaire德列日批准了这项研究,并且每个参与者提供书面知情同意。本研究遵循的标准报告诊断的准确性(标准)报告指南。

在实验室PSG记录与数字采集系统(Somnoscreen +;Somnomedics)。监测参数包括脑电图(Fz−+、Cz−+和Pz−+),左、右electro-oculogram,颏下的肌动电流图,胫骨肌动电流图、胸部和腹部壁运动,呼吸电感体积描记法(SleepSense;S.L.P. Inc .),鼻和口腔流动压力传感器和热敏电阻,分别和氧饱和度的数字血氧计显示脉冲波形(Nonin;Nonin医学)。

PSG数据手动得分2经验丰富的调查人员和nonauthor (vc)对患者的身份也不清楚。所有睡眠阶段、脑电图微觉醒和睡眠呼吸事件是视觉上得分按照推荐的标准建立了由美国睡眠医学学会(发布)人工评分的睡眠和相关事件。²⁸呼吸不足是取得使用AASM-recommended呼吸不足1一个定义,要求至少30%的递减气流持续10秒或更久,与减少至少3%的氧饱和度以脉搏血氧仪或兴奋。^28,29日阻塞性睡眠呼吸暂停的诊断成立的第三版国际睡眠障碍的分类^30.(ICSD-3),需要唤起迹象或症状或相关医学或精神并发症加上至少5主要阻塞性呼吸事件(即阻塞性和混合呼吸暂停,呼吸不足或呼吸effort-related微觉醒(以下简称PSG-RDI)每小时的睡眠在巴黎圣日耳曼。另外,阻塞性呼吸事件的频率至少15事件/ h满意的诊断标准即使没有症状或并发症有关。^31日Interobserver协议得分PSG所有研究评估了组内相关系数(ICC)使用双向随机模型的单一措施(ICC, 2.1)。Interobserver协议(ICC, 2.1) PSG double-scoring为92%(95%可信区间,89% - -94%;P<措施)在我们的实验室。农业协议,临床相关的RDI的差异3事件/ h(与一个上界5事件/ h) PSG-RDI和Sr-RDI之间商定由研究人员(J-L.P先验。,J-B.M。,一个nd D.G.).

仅仅需要把日出系统由硬件贴的睡眠技术员mentolabial沟病人的下巴。其内在惯性测量单元使MM传感和与外部控制的智能手机应用程序。收集MM数据被自动转移到一个基于云计算的基础设施,进行了数据分析和专用的机器学习算法(图1)。细节的算法和独立样本是eFigure 2提供了开发的,eTable 1, eTable 2补充。

日出的自动识别算法允许阻塞性呼吸暂停和呼吸不足或呼吸effort-related通过典型的微觉醒(eFigure 1毫米的模式补充)。为此,该算法自动处理毫米信号组件和评估是否毫米模式可以分为之后,兴奋,呼吸作用,或安静的睡眠。确定后,该算法测试MM信号是否快,不规则,nonpredictable。^25,26觉醒运动的识别,算法检测到的MM的振幅大,表明突然关闭口腔微觉醒的特征。²⁷呼吸作用是通过振荡毫米呼吸频率。²⁴日出算法识别呼吸干扰呼吸努力结束时期的冲动或觉醒。Sr-RDI由呼吸障碍伴有呼吸努力的总数除以总睡眠时间(TST),估计从日出分析。

进行了数据分析使用R统计编程语言(R项目统计计算)。³²之间的协议,分析的重点集中在评估MM-derived参数(Sr-RDI Sr-TST,觉醒指数[Sr-ArI])和PSG同行(PSG-RDI、PSG-TST PSG-ArI)以及优化农村发展研究所的临床表现来自日出在执政的阻塞性睡眠呼吸暂停综合症的诊断系统分析PSG的2参考阈值至少5事件/ h或至少15 /小时的事件,导致分类的参与者在以下3临床组:non-OSA(阻塞性睡眠呼吸暂停综合症排除),PSG-RDI至少5事件/ h(阻塞性睡眠呼吸暂停综合症裁定PSG-RDI≥5事件/ h和病人有症状或体征或共病医学或精神障碍),和至少15 PSG-RDI事件/ h(阻塞性睡眠呼吸暂停综合症是统治与PSG-RDI≥15事件/ h即使没有相关症状或并存病)。

一个完整的和groupwise Bland-Altman阴谋³³判断估计是95%限制的协议和MM-derived索引的系统性偏差与PSG同行相比。估计的均值差异和95%限制的协议是基于个体随机误差提取混合模型。³⁴接受者操作特征(ROC)曲线分析是用来评估的总体临床疗效的新诊断工具通过曲线下的面积(AUC)和事后分析优化Sr-RDI截止点的诊断决策与阻塞性PSG-RDI criterion-standard截止值的建议ICSD-3(5事件/小时和15事件/ h)。最优MM达标评估的最高价值Youden指数(敏感性和特异性- 1)。临床效用的指标和准确性也计算出最优检测阈值。每个分界点的测验后的概率也计算推荐的薄肉片等。³⁵P<。001was considered statistically significant, and all tests were 2-tailed.

连续总共有376成年人疑似阻塞性睡眠呼吸暂停综合症被录取从7月5日,2017年,2018年10月31日。他们的意思(SD)是49.7(13.2)岁,他们的意思是身体质量指数(SD)(计算用体重(公斤)除以身高(米)的平方)为31.0(7.1),和207年(55.1%)是男性。样本大小的计算细节在eAppendix提供补充。

最终的数据集包括所有376名患者招募和分层分为3临床组根据ICSD-3诊断规则。登记病人临床推荐代表人口进行预测的概率分别为82.5%和55.7%的PSG-RDIs至少5事件/ h和至少15事件/ h,分别。没有技术故障发生与日出的使用系统。

列出了队列的特点表1。队列PSG-RDI中值为18.80(四分位范围,7.80 - -29.80)事件/ h和平均睡眠时间为7.20小时(四分位范围,6.40 - -8.00)。

一个扩展Bland-Altman情节(图2)是用来评估基于日出之间的协议层次系统的方法和PSG (RDI参考方法)测量和预测的可靠性从PSG转向日出系统作为诊断工具。总的来说,Bland-Altman情节(图2B)显示2方法之间的系统性偏差,平均差的−7.00事件/ h(95%可信区间,15.24−1.23事件/ h)。

详细分析(图2B)表明,non-OSA组(n = 46)下面的分歧是正态分布和临床相关的差异(平均差,1.31;95%可信区间,1.05−3.66事件/ h,因此包括0)。分歧也正态分布在阻塞性睡眠呼吸暂停综合症组的PSG-RDI至少5事件/ h (n = 107)、和平均差很低(−0.69;95%可信区间,3.77−2.38事件/ h)和包括0。相比之下,分歧的分布在组患者确诊为PSG-RDI至少15事件/ h成为积极倾斜因为离群值的值超过40事件/ h PSG-RDI规模。平均差估计−11.74 (95% CI, 20.83−−2.67)事件/ h在阻塞性睡眠呼吸暂停综合症组的PSG-RDI至少15事件/ h。

农村发展研究所分布曲线(图23)统一在临床组无论测量方法研究了。Sr-RDI略向左移动的分布与PSG-RDI 2阻塞性睡眠呼吸暂停综合症组但几乎重叠在non-OSA组,表明PSG-derived之间的系统性偏差和日出系统派生索引可以纠正搬迁Sr-RDI规模使用ROC曲线上所规定的诊断分析。

日出PSG-derived之间的协议和系统派生指标体系和阿里所示Bland-Altman阴谋在eFigure 3和eFigure 4补充。TST 2方法之间的差异导致了不到1单位的rdi的区别。

的可变性Sr-RDI 3临床人群是探索使用成对比较Gardner-Altman阴谋。患者平均Sr-RDI差异和不达标的阻塞性睡眠呼吸暂停综合症诊断5事件/小时和15事件/ h是6.11 (95% CI, 4.59 - -7.61;P<措施)和21.20 (95% CI, 18.87 - -23.52;P分别为<措施)(eFigure 5的补充)。

ROC曲线分析评估Sr-RDI的临床表现诊断规则检测PSG-defined阻塞性睡眠呼吸暂停综合症2临床阈值的5事件/小时和15事件/ h (图3)。2的auc Sr-RDI二进制分类规则针对PSG-RDI至少5事件/ h或至少15事件/ h是0.95 (95% CI, 0.92 - -0.96)和0.93 (95% CI, 0.90 - -0.93),分别。性能指标在所有可能被切断的可变性Sr-RDI规模eFigure 6所示补充。

2最佳达标的7.63事件/ h和12.65事件/ h, Sr-RDI PSG-RDI患者检测到至少5事件/ h或至少15事件/ h和高精度(0.92 (95% CI, 0.90 - -0.94)和0.88 (95% CI, 0.86 - -0.90),分别)和良好的平衡精度和召回(F1得分(精度和回忆之间的调和平均数),0.95(95%可信区间,0.94 - -0.97)和0.91 (95% CI, 0.89 - -0.92),分别)。Sr-RDI诊断规则还显示优越的诊断性能与基线相比自述症状获得真阳性诊断测验后的概率高的(为0.99 (95% CI, 0.99 - -0.99)患者PSG-RDI≥5和0.89 (95% CI, 0.88 - -0.91)患者PSG-RDI≥15日对应阳性似然比为14.86 (95% CI, 9.86 - -30.12)和5.63 (95% CI, 4.92 - -7.27),分别)(表2)。

在一个大的和没有阻塞性睡眠呼吸暂停综合症患者的前瞻性群组,我们评估了协议MM-derived Sr-RDI和盲目PSG-RDI得分(图2B)。最大的协议PSG-RDI Sr-RDI无阻塞性睡眠呼吸暂停综合症的病人被发现,在那些与阻塞性睡眠呼吸暂停综合症PSG-RDI至少5事件/ h,后者代表了最具挑战性的人口是诊断当使用简化的方法。³⁵

研究样本的代表一个典型的临床推荐的人口,包括低到高预发性阻塞性睡眠呼吸暂停综合症的病人,因此接受全方位的阻塞性睡眠呼吸暂停综合症。这个因素是临床相关,因为简单,减少繁重的诊断策略尤其可取的无症状或特定的高危人群,如疾病或肥胖与代谢疾病。³⁶发现类似的倾斜RDI分布PSG和日出系统无论组患者被认为是(图2A)。因此,调整最优诊断截止,诊断PSG-RDI切断至少5事件/ h和至少15事件/ h与信心可以推断Sr-RDI切断至少7.63事件/ h和至少12.65事件/ h。日出截止优化后系统的诊断性能优于PSG, ROC曲线显示高auc的0.95和0.93,分别。在这些图中,意味着积极的可能性比率分别为14.86和5.63,分别,导致后续测试的概率获得真阳性诊断的99%和89%,分别。这些结果符合小肉片等建议,³⁵说有效的规则在阻塞性睡眠呼吸暂停综合症的诊断,便携式监测设备应改善预发性足够高测验后的概率。

睡眠呼吸暂停是一种常见的慢性疾病相关的生活质量严重恶化。持续正压通气有症状的病人中是有效的,如果使用附着,可以减少致残症状的严重性和恢复生活质量,社会功能和工作效率。在这种情况下,一个诊断工具应该敏感检测患者各方面的疾病严重程度。因此,我们的主要挑战是评估诊断阈值MM录音,区分不同严重程度的阻塞性睡眠呼吸暂停综合症患者和无阻塞性睡眠呼吸暂停综合症的病人。优化的描述诊断阈值,我们使用ROC曲线和定义之间的权衡真阳性和假阳性的比例在PSG-RDI至少5事件/ h和至少15事件/ h。

下颌运动分析进行验证的精确测量方法在睡眠时呼吸努力,提供信息在阻塞性或中央呼吸事件的性质。万博manbetx平台首页²⁴与其他简化诊断技术相比,毫米还提供了可靠的评估体系和无偏microarousals的识别。^26,27正确的测试计算防止RDI低估(相对于总记录时间),和microarousal识别确保识别呼吸effort-related微觉醒。这些功能是罕见的在现有的便携式监测设备³⁷并有助于PSG-RDI和Sr-RDI之间良好的协议。

我们观察到系统低估日出系统与PSG / h PSG-RDI超过40事件。低估可能归因于使用AASM-recommended呼吸不足1一个定义。使用此规则,减少呼吸不足时可以进气流后血氧饱和度下降3%或睡觉的冲动。²⁸而皮质微觉醒显然是发现通过轻快的发生和突然的MM,呼吸浅慢事件只有得分,因为存在一个孤立的血氧饱和度下降3%由日出系统可能被忽视。正在进行的算法发展将来会解决这个问题。日出的系统已经可靠最困难的人群特征(即non-OSA和阻塞性睡眠呼吸暂停综合症PSG-RDI≥5事件/ h (图2B])是安心的,表明这种方法的鲁棒性。此外,低估发生PSG-RDI超过40事件/ h不会修改治疗的决定。^{38- - - - - -40}

日出系统设备设计用于动态诊断阻塞性睡眠呼吸暂停睡眠中心以外的设置,从而可以分类的范围(睡眠、心血管、血氧定量法、位置、精力和呼吸参数)框架⁴¹随着年代₃C₀O₀P₂E₄R₅。因此,设备的性能相比之下不仅有利,而且在许多情况下,超过其他完全自动化诊断设备的性能范围内分类框架。⁴²比较与替代方案的诊断阻塞性睡眠呼吸暂停综合症eTable 3中所示补充。信号采集中成功地完成了所有包括患者和没有被运动构件。这一结果是明显的优势与现有类型III(便携式睡眠研究限于睡眠呼吸暂停和记录≥4信号,包括心电图、心率、血氧饱和度、呼吸运动和≥2频道和/或气流)或IV型(睡眠研究连续记录1或2信号或任何测试不符合其他类别)系统,由气流的收购质量有限,呼吸运动,或photoplethysmography信号。^43,44日出系统设备的性能确定阻塞性睡眠呼吸暂停综合症也可以积极与自我报告的措施相比,比如柏林问卷,⁴⁵不同的精度取决于人口研究。日出系统方法与兴趣的结合毫米与机器学习分析录音。机器学习方法越来越多地用于诊断,疾病风险分类、和治疗指导^21,46,特别是在睡眠医学的前景。^22,23,47,48拟议的自动化方法分析MM有潜力减少设置和评分的时间相对于其他阻塞性睡眠呼吸暂停综合症的诊断系统,以及减少医疗错误通过促进呼吸事件得分的复杂的过程。

这项研究有一定的局限性。首先,选择Sr-RDI截止7.63让9%的人假阴性结果。然而,一个较低的截止将优化敏感性大幅下降为代价的特异性。这个因素可能通过增加记录的数量。类似于日出系统设备,criterion-standard参考方法使用1日夜PSG可能低估积极诊断轻度至中度阻塞性睡眠呼吸暂停综合症。然而,不适引起的电极和电缆加上一个陌生的环境可能导致挠破的效果。重复PSG已经建议在敏感的人群(如失眠和睡眠呼吸暂停)。⁴⁹日出的使用系统有更大的能力以较低的成本比PSG重复的夜晚。

其次,理论上可行,测量下颌位移幅度有限的局部约束(即摩擦枕头侧或卧姿的头部或颈部周围的脂肪组织过度),稍微改变日出自动化系统分析的结果。未来的研究将更深入地解决这些问题。

第三,在睡眠实验室获得的数据,因此需要通过家庭录音确认和验证的动态设置。未来研究将评估的诊断功能日出系统在家庭环境中通过比较连续动态PSG结果与夜间使用日出录音系统,其目的是减少internight可变性的后果。

第四,相对于预期的低成本与日出的使用系统,medicoeconomic数据需要文档不平等获得睡眠呼吸暂停的诊断和治疗。这个信息将万博manbetx平台首页地址可能增加疾病检测和干预,对结果伴随着潜在的好处。

毫米的日出系统自动分析提供了一个准确的估计RDI期间获得传统PSG群体的患者和无阻塞性睡眠呼吸暂停综合症。这种方法可能会提供一个合适的和方便的家庭选择睡眠中心设置和作为一个独立的工具自动评估阻塞性睡眠呼吸暂停综合症。

发表:2019年11月24日。

发表:2020年1月22日。doi:10.1001 / jamanetworkopen.2019.19657

开放:这是一个开放的分布式根据文章CC-BY-NC-ND许可证。©2020 Pepin J-L et al。狗万体育下载地址《美国医学会杂志》网络开放。

通讯作者:jean - louis Pepin,医学博士,钢管胸腔Vaisseaux, (CHU) de Grenoble-Alpes大学医疗中心(CHUGA),大学格勒诺布尔阿尔卑斯,国家卫生研究所et de la医学研究院,38043年法国格勒诺布尔(jpepin@chu-grenoble.fr)。

作者的贡献:Drs Pepin Martinot有完全访问所有的数据研究,负责数据的完整性和数据分析的准确性。

概念和设计:Pepin、Letesson Le-Dong,介于Martinot,。

数据的采集、分析或解释:所有作者。

起草的手稿:所有作者。

关键的修订手稿的重要知识内容:Pepin、Letesson Le-Dong,介于Martinot,。

统计分析:Pepin、Letesson Le-Dong Dedave,介于Martinot,。

获得资助:Martinot。

行政、技术或材料支持:Dedave,丹尼森,卡斯伯特,Martinot。

监督:Pepin Letesson,介于Martinot,。

利益冲突的披露:Pepin博士报道作为一个日出的科学顾问;从ResMed接受赠款和/或个人费用,飞利浦,Fisher & Paykel Sefam,阿斯利康,AGIR dom, Elevie, VitalAire,勃林格殷格翰的发言,爵士药品,和伊塔玛医疗有限公司;和接收从Mutualia研究对临床研究的支持,法国液化空气公司的基础。Letesson博士和Dedave和丹尼森从日出报告接收个人费用。Martinot博士报道在日出nonremunerated科学顾问和获得酬金的侦探爵士制药和Theranexus药房试验。没有其他信息披露报告。

资金/支持:本研究在睡眠实验室进行,大学大学医疗中心Catholique de鲁汶那慕尔网站Sainte-Elisabeth,比利时那慕尔。提供的设备用于研究日出,比利时那慕尔。Pepin博士是法国国家研究机构支持的框架的“Investissements d未来”计划(ANR-15-IDEX-02)和“e-Health和综合护理”和“人工智能轨迹医学多学科研究所”椅子卓越的格勒诺布尔大学基金会阿尔卑斯。同时博士是由美国国立卫生研究院的资助HL130984 HL140548。

资助者的角色/赞助商:的资金来源没有参与这项研究的设计和实施;的收集、管理、分析和解释数据;准备、审查或批准的手稿;并决定提交出版的手稿。

额外的贡献:Ravzat Ashurlaeva和利Orij (RespiSom、防爆型、比利时)花了无数小时提供秘书支持。他们没有补偿他们的贡献。