相关实验视频
Updated: Jan 9, 2026

Multi-Modal Home Sleep Monitoring in Older Adults
Published on: January 26, 2019
基于多变量模型的工具,使用多模式生理睡眠数据预测心血管结果.
阻塞性睡眠呼吸暂停 (OSA) 患者可能有更好的心血管疾病 (CVD) 风险预测通过使用多个睡眠指标超出呼吸暂停-低呼吸指数 (AHI). 来自多睡眠学的新型生物标志物改善了心血管疾病风险分层.
科学领域:
- 睡眠医学 睡眠医学
- 心脏病学 心脏病学
- 生物标志物发现发现
背景情况:
- 阻塞性睡眠呼吸暂停 (OSA) 与心血管疾病 (CVD) 有关,但呼吸暂停-低呼吸指数 (AHI) 可能不能完全反映长期心血管疾病风险.
- 目前对OSA患者的风险评估可能会从纳入更详细的生理睡眠数据中受益.
研究的目的:
- 确定阻塞性睡眠呼吸暂停 (OSA) 患者心血管疾病 (CVD) 结果的与睡眠相关的新生理预测因子.
- 开发一个更准确的心血管疾病风险分层模型,超出标准的呼吸暂停-呼吸暂停指数 (AHI).
主要方法:
- 利用多式联络数据库,包括多睡眠学 (PSG) 度量,临床数据和风险因素,平均随访10年.
- 采用两步的特征选择过程:最初删除无关特征,然后使用LASSO进行信息特征选择.
- 一种基于包装的方法选择了最终的模型,使用重复持久验证,达到75.3%的准确性和78.0%的AUC与10个特征.
主要成果:
- 除了传统风险因素 (性别,年龄,BMI,糖尿病) 之外,确定了关键预测因素.
- 重要的新生物标志物包括夜间平均SPO2 (总和NREM),呼吸暂停期间的心率与SPO2下降,血压和REM/NREM睡眠期间中央呼吸暂停的频率.
- 该模型在预测心血管疾病结果方面表现强.
结论:
- 与单独的AHI相比,整合多式睡眠生理指标可以提高OSA患者的心血管风险分层.
- 这些发现使OSA患有心血管疾病风险的患者能够进行更精确的临床干预.
- 发现的新型生物标志物为改进的诊断和预后工具提供了潜力.
更多相关视频
04:54Author Spotlight: IntelliSleepScorer — A High-Accuracy, Accessible GUI Software for Automated Sleep Stage Scoring in Mice and its Application in Psychiatric Research
Published on: November 8, 2024
05:51Assessing the Accuracy of Fitness Smartwatch Data for Cardiovascular and Physical Activity Monitoring: A Validation Study in Digital Health
Published on: February 21, 2025
相关概念视频
Model Approaches for Pharmacokinetic Data: Physiological Models
Substance Use Disorders Affecting Sleep
Understanding the concepts of physical dependence,...
Model-Independent Approaches for Pharmacokinetic Data: Noncompartmental Analysis
One important characteristic of noncompartmental analyses is that drug exposure increases proportionally with increasing doses. This...