在阻塞性睡眠呼吸暂停中使用顺序机器学习模型,问卷和脉冲氧计信号进行有效的查:混合方法研究研究
Nai-Yu Kuo1,2,3, Hsin-Jung Tsai2, Shih-Jen Tsai2,3
1Sleep Medicine Center, Taipei Veterans General Hospital, Taipei, Taiwan.
Journal of medical Internet research
|December 19, 2024
概括
机器学习模型可以使用问卷和血液氧和数据有效地选阻塞性睡眠呼吸暂停 (OSA). 这些模型提供了可访问的家庭查睡眠障碍,提高了诊断效率.
科学领域:
- 生物医学工程 生物医学工程
- 睡眠医学 睡眠医学
- 人工智能的人工智能
背景情况:
- 阻塞性睡眠呼吸暂停 (OSA) 是一种常见的睡眠障碍,影响呼吸.
- 传统的多睡眠学是有效的,但资源密集型,限制广泛的诊断.
研究的目的:
- 开发两个连续的机器学习模型,以有效地对OSA进行查和严重程度差异化.
- 与传统方法相比,提高诊断效率.
主要方法:
- 使用了两个数据集 (SHHS和TVGH),分别为8444例和1229例.
- 开发了一个问卷模型 (人口统计,匹兹堡睡眠质量指数) 和一个和模型 (血液氧和参数).
- 在一个独立的测试套件上评估模型性能.
主要成果:
- 问卷模型实现了F1得分为0.86.86.
- 和模型根据使用的数据集和参数实现了0.82-0.85的F1分数.
- 独立的测试组显示出稳定的性能,精度仍然很高 (0.89),用于中度至严重的OSA查.
结论:
- 顺序机器学习模型显示在家中OSA查的希望.
- 优化模型,特别是确定关键和参数,对于提高准确性至关重要.
- 这些模型为无法接受实验室睡眠研究的患者提供了宝贵的工具.


