Nox T3s PG-System

Polygraphiesystem mit Schlaferkennung

Wie sein Vorgänger ist das Nox T3s ein einfach zu bedienender, mobiler Schlafrekorder, der die Diagnostizierung schlafbedingter Atmungsstörungen im häuslichen Umfeld ermöglicht. Dank der neuen Funktionalität Nox BodySleep, die präzise die Schlafzustände anzeigt, und einer modernisierten Version der Noxturnal-Software – mit intuitiv verständlicher Ergebnisübersicht – gewährleistet das Nox T3s eine präzise Diagnostik.

Entdecken Sie das Nox T3s

Das Nox T3s ist ein intuitives Gerät für die Schlafmessung, dessen Funktionalität für den Benutzer leicht verständlich ist. Das aktualisierte Design, eine ansprechende Bedienoberfläche und die benutzerfreundliche Hilfefunktion machen Patienten und medizinischem Fachpersonal das Leben leichter. Erfahren Sie mehr in diesem Video.

Noxturnal: Software für die Verwaltung von Patientendaten

Noxturnal hat eine neue Bedienoberfläche erhalten, die sich besser an die speziellen Anforderungen des jeweiligen Arztes anpasst und eine noch effektivere Verwaltung von Patientendaten ermöglicht.

  • Nox-BodySleep-Analyse für präzisere AHI(Apnoe-Hypopnoe-Index)-Werte.1
  • Aktualisierte PLM-Analyse für eine präzisere Diagnostik.1
  • Neue Übersicht über Aufzeichnungsergebnisse für einen effizienten Workflow.
  • Neue Berichtparameter-Berechnungen, die dem Arzt einen tieferen Einblick in die Daten und mehr Flexibilität bei der individuellen Anpassung von Berichten bieten.

Nox T3s FAQ

Das Nox T3s bietet alle Vorteile des neuesten Nox‑T3-Geräts und zusätzlich folgende erweiterte Funktionalität:

  • Nox BodySleep – eine neue Funktionalität zur präzisen Anzeige der Schlafphasen, die die Schlafzustände REM-Schlaf, NREM-Schlaf und Wachzustand bestimmen kann.
  • Neue, aktualisierte Version der Noxturnal-Software mit erweiterten Funktionen, die an die neuen Eigenschaften des Geräts angepasst sind.
  • Verbessertes Design für bessere Reinigung und höhere Effizienz.

Noxturnal V6 ist dank seiner neuen Bedienoberfläche intuitiver zu bedienen und bietet eine Fülle neuer Funktionen:

  • Nox-BodySleep-Analyse für präzisere AHI(Apnoe-Hypopnoe-Index)-Werte.
  • Aktualisierte PLM-Analyse für eine präzisere Diagnostik.
  • Neue Übersicht über Aufzeichnungsergebnisse für einen effizienten Workflow.
  • Neue Berichtparameter-Berechnungen, die dem Arzt einen tieferen Einblick in die Daten und mehr Flexibilität bei der individuellen Anpassung von Berichten bieten.

Nox BodySleep ist eine fortschrittliche Methode zur Messung der physiologischen Auswirkungen von Veränderungen der Hirnaktivität. Diese Funktionalität zur Anzeige der Schlafphasen:

  • Identifiziert die Stadien REM-Schlaf, NREM-Schlaf und Wachzustand.
  • Basiert auf den Informationen aus den Nox-RIP-Gurten in den Nox‑A1-PSG-Studien1.
  • Bietet eine effizientere Analyse schlafbezogener Atmungsstörungen für eine präzise Diagnostik.

Zur Bewertung der Zuverlässigkeit des Nox-BodySleep-Algorithmus verwendet Nox Medical eine Methode1, die auf der Berechnung zweier Koeffizienten basiert:

  1. des F1-Scores, der ein Mass für die Genauigkeit einer Messung darstellt. Der beste Wert, den dieser Koeffizient erreichen kann, ist 1 – absolute Genauigkeit. Beim aktuellen Stand der Technik wird ein Wert von 0,804
  2. Cohens Kappa, eines Masses für die Interrater-Reliabilität zwischen verschiedenen Beurteilern. Als substanziell bedeutsam gilt dieser Koeffizient, wenn er sich im Bereich zwischen 0,61 und 0,803 Im vorliegenden Fall sind die „Beurteiler“ die Schlafarten (Wachzustand, NREM-Schlaf und REM-Schlaf).

Die Methode von Nox Medical wurde anhand der klinischen Datenbasis der PSG-Studien unter Verwendung einer fünffachen Kreuzvalidierung und eines verborgenen Testsets mit folgenden Ergebnissen evaluiert:

Nox Bodysleep Key figures

Gemäss der Berechnung beträgt der F1-Score durchschnittlich 0,88 und Cohens Kappa ist 0,74 für das Testset bzw. 0,75 für die Kreuzvalidierung. Die Werte dieser Koeffizienten gelten somit als substanziell bedeutsam, weshalb der Nox-BodySleep-Algorithmus als zuverlässig gilt.

Darüber hinaus wurden weitere Tests2 durchgeführt, um die Genauigkeit des Nox-BodySleep-Algorithmus zu belegen. Diese Validierung erfolgte in Form eines Vergleichs mit polysomnographischen Aufzeichnungen in einem Schlaflabor und umfasste Patienten mit schlafbezogenen Atmungs- und Bewegungsstörungen.

Die Ergebnisse wurden mittels deskriptiver statistischer Verfahren evaluiert (IBM SPSS Statistics 25.0) und mit einem Genauigkeitsscore von 0,8 und einem Cohens Kappa von 0,7 bewertet. Die Autoren der Studie erachten diese Koeffizienten für substanziell bedeutsam und kommen zu dem Schluss, dass der Algorithmus bei der Bestimmung von Schlafphasen und relevanten Schlafparametern eine gute diagnostische Genauigkeit aufweist.

Nein, Nox BodySleep gilt NICHT als Methode zur direkten Messung der mit Wach- und Schlafzuständen verbundenen Hirnaktivität. Es handelt sich jedoch um eine erweiterte Funktionalität zur Bestimmung der unterschiedlichen Schlafphasen (REM-Schlaf, NREM-Schlaf und Wachzustand). Nox BodySleep kann klinische Entscheidungen auf der Grundlage eines polysomnographischen Schlafprofils nicht ersetzen.

Garantie und Service

Sie benötigen Informationen zu Service- und Garantieleistungen für das Nox T3s von ResMed?
Die Antworten auf Ihre Fragen finden Sie in unserem Support-Center.

Quellenangaben:

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, präsentiert anlässlich der 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, Seite A170, 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.