Nox T3s polygraf med søvnestimat | ResMed

Nox T3s

Polygraf med estimering af søvntid

Som sin forgænger er Nox T3s en brugervenlig, bærbar søvnoptager, der giver mulighed for at diagnosticere uregelmæssig vejrtrækning under søvn derhjemme. Takket være Nox BodySleep, en ny funktion, der er en nøjagtig søvnindikator, samt en moderniseret version af Noxturnal-softwaren, herunder intuitiv resultatoversigt og visualisering af søvntilstande, giver Nox T3s en nøjagtig diagnose.

  • Polygraph Nox T3s by ResMed
  • Back of NoxT3S diagnostic device by ResMed
  • Nox-T3s-two-devices-recording-resmed
Polygraph Nox T3s by ResMed
Polygraph Nox T3s by ResMed
Back of NoxT3S diagnostic device by ResMed
Nox-T3s-two-devices-recording-resmed

Oplev Nox T3s

Nox T3s er et intuitivt apparat til søvnundersøgelse hjemme, der er let at betjene. Opdateret design, en responsiv brugergrænseflade og høj brugervenlighed gør livet lettere for patienter og sundhedspersonale. Se denne video, og få mere at vide.

Nox BodySleep: den første søvnindikator

Nox BodySleep er en metode baseret på kunstig intelligens (AI), der klassificerer hvert 30-sekunders tidsinterval som REM-søvn, NREM-søvn eller vågen tilstand. Denne tilgang implementeres hovedsageligt ved at udtrække information fra Nox RIP-bælterne i Nox A1 PSG-studier1.

Nox-T3s-Bodysleep-feature

Noxturnal: software til administration af patientdata

Noxturnal er blevet moderniseret med en ny brugerflade for bedre at kunne tilpasses den enkelte klinikers særlige krav og muliggøre endnu mere effektiv behandling af patientdata.

  • Nox BodySleep-analyse forbedrer AHI-nøjagtighed1.
  • PLM-analyse opdateret for at give mere præcis diagnostik1.
  • Ny oversigt over optagelsesresultater giver bedre effektivitet i arbejdsgange.
  • Nye beregninger af nye rapportparametre giver lægen mere datadybde og fleksibilitet i forhold til brugertilpasning af rapporter.
Noxturnal-6-software-with-sleep-physician

Ofte stillede spørgsmål

Nox T3s har alle fordelene fra det nyeste Nox T3-apparat og derudover følgende ekstra funktioner:

  • Den nye Nox BodySleep, en nøjagtig søvnindikator, der giver et estimat af søvntilstandene (REM-søvn, NREM-søvn og vågen tilstand).
  • Ny, opdateret version af Noxturnal-software, der indeholder avancerede funktioner, som er tilpasset det nye apparat.
  • Forbedret design for bedre rengøring og effektivitet.

Noxturnal v6 har en mere intuitiv, moderniseret grænseflade, som indeholder en bred vifte af nye funktioner:

  • Nox BodySleep-analyse forbedrer AHI-nøjagtigheden.
  • PLM-analyse er opdateret for mere præcis diagnostik.
  • Ny oversigt over optagelsesresultater giver bedre effektivitet i arbejdsgange.
  • Nye beregninger af rapportparametre giver lægen mere datadybde og fleksibilitet i forhold til brugertilpasning af rapporter.
  • SpO2, puls, pletysmografi.

Nox BodySleep er en avanceret metode til måling af den fysiologiske indvirkning på kroppen af ændringer i hjernens tilstand. Denne søvnindikator:

  • Estimerer stadierne for REM-søvn, NREM-søvn og vågen tilstand.
  • Er baseret på et udtræk af oplysninger fra Nox RIP-bælter i Nox A1 PSG-studier1.
  • Giver en mere effektiv analyse af søvnforstyrret vejrtrækning for nøjagtig diagnostik.

For at vurdere pålideligheden af ​​Nox BodySleep-algoritmen anvendte Nox Medical en metode1 baseret på beregningen af ​​to koefficienter:

  1. F1-score måler nøjagtigheden af en test. Denne koefficients højeste er 1, som er perfekt præcision. Den bedste opnåelige score er 0,80 4.
  2. Cohens Kappa måler inter-rater-pålidelighed mellem forskellige bedømmelsessystemer. Denne koefficient betragtes som væsentlig, når den er i intervallet 0,61 – 0,083. I dette tilfælde drejer det sig om søvntyper (Wake, NREM og REM).

Deres metode blev evalueret på det kliniske PSG-datasæt ved hjælp af en femdobbelt krydsvalidering og et skjult testsæt, og gav følgende resultater:

F1-score
Testsæt Krydsvalidering
Vågen 0,71 0,73
REM 0,83 0,83
NREM 0,93 0,92

Efter beregning var den gennemsnitlige F1-score = 0,88 og Cohens Kappa = 0,74 for testsættet og 0,75 for krydsvalidering. Disse koefficienter betragtes derfor som væsentlige, og dermed betragtes Nox BodySleep-algoritmen også som pålidelig.

Derudover blev der udført yderligere tests2 for at påvise nøjagtigheden af ​​Nox BodySleep-algoritmen. Denne validering blev udført som sammenligning med optagelser af polysomnografi i et søvnlaboratorium med patienter med søvnforstyrret vejrtrækning og søvnrelaterede bevægelsesforstyrrelser.

Resultaterne blev evalueret ved hjælp af beskrivende statistiske metoder (IBM SPSS Statistics 25.0), og fik en samlet nøjagtighed på 0,8 og en Cohens Kappa på 0,7. I betragtning af, at disse koefficienter er væsentlige, konkluderer undersøgelsens forfatter, at algoritmen viser en god diagnostisk nøjagtighed til estimering af søvnstadier og signifikante søvnparametre.

Nej, Nox BodySleep betragtes IKKE som en metode til direkte måling af tilstande i hjerne, der er forbundet med vågenhed og søvn, men den er en avanceret funktion, der estimerer de forskellige stadier af søvn (REM, NREM søvn og vågenhed). Den kan ikke erstatte PSG hypnogram-baserede kliniske beslutninger.

Garanti og services

Ønsker du oplysninger om service- og garanti vedrørende ResMed Nox T3s? Find svarene i vores ressourcecenter.

Setting patients up with Nox T3s

Nox T3s technical specifications

  • Available Signals
    • Thorax and abdomen RIP
    • Nasal pressure/Mask pressure
    • Snore signal
    • Audio and snoring channel
    • 2 bipolar channels (PLM or EKG or EMG or EEG)
    • Position, Activity
    • Light
    • SpO2, Pulse, Plethysmography
  • Bipolar Channels: Touch-proof 1 mm keyhole connector, ±1024 mVp-p input range AC, <3 μVrms noise
  • Flow/Pressure Signal: ± 100 cmH2O pressure input range, DC-80Hz, 200 Hz sampling frequency, <1 mmH2O noise
  • Activity/Position Signals: Internal 3 axis, ±2 g
  • Microphone: Internal 3.5 kHz bandwidth, 8000Hz sample rate, 16-bit ADC
  • Wireless Interface: Bluetooth® V5.0 Low Energy wireless interface for external devices

  • Storage Capacity: 4 GB
  • Recording Time: 24 hours with 1xAA Battery (new Lithium battery)
  • PC Communications: USB 2.0 hi-speed

  • Power Source:
    • One 1.5V AA battery during recording;
    • Host PC USB during data download
  • Battery Type: Alkaline primary, Lithium primary, nickel-metal hydride rechargeable (NiMH)
  • Battery Cover: Tamper proof and locked
  • Device Dimensions: 68 mm W x 62 mm H x 26 mm D
  • Weight: 65 grams ± 5 without battery
  • Display: Type OLED—Dimensions 19 x 35 mm, resolution 128 x 64 dots
  • USB 2.0 Connection: USB-C

Minimum PC Requirements:

  • Operating System: Windows® 8 and higher
  • Processor: X64 based Intel or AMD, 1.7 GHz or faster
  • Memory: 2 GB RAM, 4 GB of free disk space
  • Resolution: 1024 x 768 or higher

Relateret produkt

Bærbart og brugervenligt apparat med forbindelsesfunktion til søvnundersøgelse i hjemmet

Læs mere

Softwareløsning til analyse og registrering af søvn, kompatibel med Nox A1s- og T3s-optagesystemerne

Læs mere

Nox A1s polysomnografiapparat til hospitals og hjemmediagnostik

Læs mere

Se venligst brugervejledningen for relevant information relateret til advarsler og forholdsregler, der skal tages i betragtning før og under brug af produkterne.

Referencer:

1. Ragnarsdóttir, H., Már Þráinsson, H., Finnsson, E., Gunnlaugsson, E., Ægir Jónsson, S., Skírnir Ágústsson, J., & Helgadóttir, H. (2019). BodySleep: Estimating sleep states from respiration and body movements. [Poster Presentation]. World Sleep, Vancouver.

2. Dietz-Terjung, S., Martin, A., & Schoebel, C. (2020). A novel algorithm for the estimation of sleep states based on breathing and movement. Sleep (43, Issue Supplement 1), pp. A170-A170, DOI: https://doi.org/10.1093/sleep/zsaa056.442

3. Danker‐hopfe, H., Anderer, P., Zeitlhofer, J., Boeck, M., Dorn, H., Gruber, G., … & Saletu, B. (2009). Interrater reliability for sleep scoring according to the Rechtschaffen & Kales and the new AASM standard. Journal of sleep research, 18(1), 74-84.

4. Tataraidze, A., Anishchenko, L., Korostovtseva, L., Kooij, B. J., Bochkarev, M., & Sviryaev, Y. (2015, August). Sleep stage classification based on respiratory signal. In 2015 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC) (pp. 358-361). IEEE.