相关实验视频
Updated: Jun 24, 2025
07:40
Multi-Modal Home Sleep Monitoring in Older Adults
Published on: January 26, 2019
7.6K
机器学习方法用于成人OSAHS风险预测和预测
Shanshan Ge1, Kainan Wu2, Shuhui Li3
1Health Management Center, the First Hospital of Shanxi Medical University, Taiyuan, 030001, China. geshanshan1@163.com.
BMC health services research
|June 5, 2024
概括
机器学习使用患者数据准确地预测阻塞性睡眠呼吸暂停缺综合征 (OSAHS). 多层感知器 (MLP) 模型在识别有OSAHS风险的个体方面表现出卓越的性能.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
- 睡眠医学 睡眠医学
背景情况:
- 阻塞性睡眠呼吸暂停症候群 (OSAHS) 是一种与全身器官损伤相关的普遍疾病.
- 预测建模为早期的OSAHS识别和管理提供了一个潜在的途径.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于使用多睡眠学 (PSG) 数据预测OSAHS.
- 确定导致OSAHS发展的关键风险因素.
主要方法:
- 从2064个打患者的临床数据的回顾性分析.
- 功能重要性分析确定了LDL-C,Cr,动脉斑块,A1c和BMI作为显著的预测因素.
- 通过交叉验证训练和评估了五种ML算法 (逻辑回归,SVM,提升,随机森林,MLP).
主要成果:
- 多层感知器 (MLP) 模型实现了最高的性能.
- MLP模型指标:准确度为85.80%,精度为0.89,回忆率为0.75,F1得分为0.82,AUC为0.938.
- 关键的OSAHS预测因素包括LDL-C,Cr,常见的动脉斑块,A1c和BMI.
结论:
- 成功开发了一个基于ML的OSAHS风险预测模型.
- 与其他评估的算法相比,MLP模型表现出卓越的预测能力.
- 该模型为OSAHS患者提供了早期诊断和个性化治疗策略.
