Nox T3s NAR | sömnestimering | ResMed

Nox T3s

Nattlig AndningsRegistrering med sömnestimering

Precis som sin föregångare är Nox T3s en lättanvänd, bärbar sömnregistreringsapparat som kan användas i hemmet för att diagnostisera sömnrelaterade andningsstörningar. Nox T3s ger korrekta diagnoser, tack vare den nya funktionen Nox BodySleep som ger sömnestimering med hög noggrannhet och den uppdaterade Noxturnal-mjukvaran som ger en tydlig resultatöversikt och visualisering av sömnnivåer.

Upptäck Nox T3s

Nox T3s är en intuitiv apparat för sömnregistrering i hemmet med funktioner som är enkla att förstå och använda. Den uppdaterade designen och det smarta användargränssnittet gör livet lättare för både patienter och vårdpersonal. I den här videon får du veta mer.

Nox BodySleep: den första sömnindikatorn

Nox BodySleep är en AI-baserad metod (Artificial Intelligence) som klassificerar varje 30-sekundersintervall som REM-sömn, NREM-sömn eller vakenhet. Den här funktionen bygger framför allt på information som har inhämtats från Nox RIP-bälten i Nox A1 PSG-studier1 .

Noxturnal: hanteringsmjukvara för patientdata

Noxturnal har moderniserats med ett nytt gränssnitt som kan anpassas bättre efter läkarens individuella preferenser, för en ännu effektivare hantering av patientdata.

Nox BodySleep-analys ger högre AHI-noggrannhet1.
PLM-analysen har uppdaterats för mer exakt diagnostisering1.
Ny översikt över registrerade resultat för att öka effektiviteten i arbetsflödet.
Nya beräkningar för rapportparametrar som ger läkaren mer djupgående data och flexibilitet i anpassningen av rapporter.

Behandla patienter med Nox T3s

Vanliga frågor

Letar du efter information om service och garanti för ResMed Nox T3s? I vårt resurscenter finns svaren på dina frågor.

Nox T3s har samma fördelar som den senaste modellen av Nox T3, plus följande förbättrade funktioner:

  • Nya Nox BodySleep – en sömnindikator med hög noggrannhet som läser av de olika sömnstadierna (REM-sömn, NREM-sömn och vakenhet).
  • Ny, uppdaterad version av Noxturnal-mjukvaran med avancerade funktioner som är anpassade efter den nya apparaten.
  • Förbättrad design för mer effektivitet och enklare rengöring.

Noxturnal v6 är en mer intuitiv mjukvara med ett uppdaterat gränssnitt och många nya funktioner:

  • Nox BodySleep-analys ger högre AHI-noggrannhet.
  • PLM-analysen har uppdaterats för mer exakt diagnostisering.
  • Ny översikt över registrerade resultat för att öka effektiviteten i arbetsflödet.
  • Nya beräkningar för rapportparametrar som ger läkaren mer djupgående data och flexibilitet i anpassningen av rapporter.
  • SpO2, puls, pletysmografi.

Nox BodySleep är en avancerad metod för att mäta de fysiologiska effekter som förändringar i hjärnans tillstånd medför. Den här sömnindikatorn:

  • Läser av stadier med REM-sömn, NREM-sömn och vakenhet.
  • Bygger på information som hämtats från Nox RIP-remmarna i Nox A1 PSG-studier1.
  • Ger en mer effektiv analys av sömnrelaterade andningsstörningar för korrekt diagnos.

För att utvärdera Nox BodySleep-algoritmens tillförlitlighet använde Nox Medical en metod1 som utgår från beräkningen av två koefficienter:

  1. F1-värde som mäter noggrannheten för ett test. Den här koefficienten kan som bäst få värdet 1, vilket anses vara perfekt precision. Det bästa tillgängliga värdet är 0,804.
  2. Cohens Kappa-koefficient för att mäta  mellan olika bedömare. Den här koefficienten anses praktiskt signifikant om dess värde är inom intervallet 0,61 – 0,803. I detta fall är de olika bedömarna olika sömntyper (Vaken, NREM och REM).

Metoden utvärderades på den kliniska PSG-datauppsättningen med en femfaldig korsvalidering och en dold testuppsättning, med följande resultat:

Nox Bodysleep Key figures

Efter beräkning är det genomsnittliga F1-värdet = 0,88, och Cohens Kappa = 0,74 för testuppsättningen respektive 0,75 för korsvalideringen. Dessa koefficienter anses därmed praktiskt signifikanta och Nox BodySleep-algoritmen bedöms vara tillförlitlig.

Dessutom genomfördes ytterligare testning2 för att bevisa Nox BodySleep-algoritmens noggrannhet. Den här valideringen utfördes i jämförelse med PSG-registreringar från ett sömnlaboratorium på patienter med sömnrelaterade andningsstörningar och sömnrelaterade rörelsestörningar.

Resultaten utvärderades med deskriptiva statistikmetoder (IBM SPSS Statistics 25.0), givet en generell noggrannhet på 0,8 samt Cohens Kappa på 0,7. Dessa koefficienter anses praktiskt signifikanta och studieförfattarna konstaterar därmed att algoritmen uppvisar god diagnostisk noggrannhet för avläsning av sömnstadier och signifikanta sömnparametrar.

Nej, Nox BodySleep anses INTE vara en metod för direktavläsning av hjärnans olika tillstånd under vakenhet och sömn. Det är en avancerad funktion för att identifiera olika sömnstadier (REM-sömn, NREM-sömn och vakenhet). Funktionen ersätter INTE kliniska beslut som baseras på PSG-hypnogram.

Garanti och service

Letar du efter information om service och garanti för ResMed Nox T3s? I vårt resurscenter finns svaren på dina frågor.

I användarguiden hittar du relevant information angående varningar och försiktighetsåtgärder som ska tas hänsyn till innan produkten tas i bruk och under tiden den används.

Referenser:

  1. Hanna Ragnarsdóttir, Heiðar Már Þráinsson, Eysteinn Finnsson, Eysteinn Gunnlaugsson, Sigurður Ægir Jónsson, Jón Skírnir Ágústsson, Halla Helgadóttir “BodySleep: Estimating sleep states from respiration and body movements”, Poster presenterad på World Sleep 2019, Vancouver.
  2. S Dietz-Terjung, A Martin, C Schöbel,”A Novel Algorithm for the Estimation of Sleep States Based on Breathing and Movement”, Sleep, Volume 43, Issue Supplement_1, April 2020, Page A170, https://doi.org/10.1093/sleep/zsaa056.442.
  3. Danker-Hopfe H, Anderer P, Zeitlhofer J, Boeck M, Dorn H, Gruber G, Heller E, Loretz E, Moser D, Parapatics S, Saletu B, Schmidt A, Dorffner G., “Interrater reliability for sleep scoring according to the Rechtschaffen & Kales and the new AASM standard”, Journal of Sleep Research, vol. 18, no. 1, p:74-84.
  4. Tataraidze A, et al. Sleep stage classification based on respiratory signal (2015).