Il a été montré que l’analyse visuelle (AV) de données polysomnographiques (PSG) est affectée par une variabilité inter-expert (différences entre les scorages d’un même tracé réalisés par 2 ou plusieurs experts) et intra-expert (différences entre les scorages d’un même expert). L’objectif était de quantifier, chez le sujet sain, la variabilité inter- et intra-expert au sein d’un groupe de 6 experts appartenant au même centre ayant travaillé à homogénéiser leurs scorages, en utilisant l’analyse automatique (AA) Aseega en référence.

Quatre tracés (data set 1, DS1) ont été scorés (AASM) par chacun des 6 experts et l’AA, soit 28 scorages. Quatre-vingt-huit autres tracés (DS2) ont scorés quelques semaines après par les mêmes experts et par l’AA, soit 176 scorages. L’accord époque par époque (concordance et coefficient kappa de Conger, K) a été calculé entre les AV et l’AA.

La concordance inter-expert sur DS1 est fonction du nombre d’experts comparés et passe de 86 % en moyenne entre 2 experts à 69 % pour 6 experts. K diminue de 0,81 à 0,79 en ajoutant AA au groupe d’AV. Entre DS1 et DS2, toutes les concordances entre AA et chaque AV diminuent (3,7 % en moyenne).

Les désaccords entre experts ne se concentrent pas sur une faible proportion d’époques, même dans un groupe d’experts très homogène. La variabilité intra-expert s’observe par la dégradation de la concordance entre AV et AA entre DS1 et DS2 et peut s’interpréter comme une dérive du scorage visuel. L’AA, quand elle est reproductible et fiable, systématise l’analyse de données PSG.