相关实验视频
Updated: Jun 27, 2025
07:40
Multi-Modal Home Sleep Monitoring in Older Adults
Published on: January 26, 2019
7.6K
基于系统评估的常见临床生物化学指标的成年阻塞性睡眠呼吸暂停的机器学习预测模型
Jiewei Huang1,2, Jiajing Zhuang2,3, Huaxian Zheng4
1The Clinical Laboratory Center of the Second Affiliated Hospital of Fujian Medical University, Quanzhou, Fujian Province, 362018, People's Republic of China.
Nature and science of sleep
|May 3, 2024
概括
这项研究开发了一种有效的屏蔽性睡眠呼吸暂停 (OSA) 查工具,使用临床生化指标和人口统计数据. 该模型有助于临床医生识别可能需要多睡眠图 (PSG) 诊断的患者.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 睡眠医学 睡眠医学
- 生物医学信息学 生物医学信息学
背景情况:
- 阻塞性睡眠呼吸暂停 (OSA) 是一种普遍且严重的睡眠障碍.
- 准确和可访问的查方法对于及时诊断和管理至关重要.
- 目前的查通常依赖于多睡眠学 (PSG),这可能是资源密集的.
研究的目的:
- 开发一个客观且易于实施的OSA查模型.
- 用共同的临床生化指标和人口统计数据进行OSA风险评估.
- 提高OSA查途径的效率.
主要方法:
- 收集了30个生化指标,人口统计和PSG的数据,这些数据来自于患者的睡眠研究.
- 单变量和多变量分析确定了关键预测因素.
- 机器学习算法 (GNB,SVM,KNN,LR) 用于构建和比较预测模型.
- 博鲁塔方法评估了预测的重要性.
主要成果:
- 体重指数 (BMI) 显示出最高的预测效率 (AUC = 0.699).
- 甘油三糖指数 (TyG) 在生物化学指标中表现最好 (AUC = 0.656).
- 逻辑回归 (LR) 的表现优于其他机器学习模型,在培训队列中实现了0.794的AUC.
结论:
- 成功构建了一个高效的OSA选工具.
- 将生物化学指标集成到机器学习模型中,为临床医生提供了宝贵的参考.
- 这种方法可以帮助确定疑似OSA的患者是否需要PSG.
