一个简单,高效的算法,开发,这将有助于分类亚型的症状在阻塞性睡眠呼吸暂停(OSA;症状轻微,睡眠不安,适度困倦,昏昏欲睡过度)的基础上只有6个症状项目。在开发和工具ESTA的验证结果在世界睡眠学会,发生从9月20日至25日,2019年,在加拿大温哥华的2019年会上发表。

调查人员试图确定所需的新病人的准确预测和分类患有OSA问题的最小数量。他们用症状问卷数据的潜类分析(共13题,再加上爱华嗜睡量表[ESS]分数)总的1730患者中度至 重度OSA (呼吸暂停低通气指数≥15),这是从总体的睡眠呼吸暂停跨学科财团(sagic)。他们训练和监督的机器学习评估,以确定所需要的大雄宝殿症状亚型准确的预测问题的最小数量的方法。

Each of the 14 symptom items was ranked according to its relevance in predicting the subtypes, with the predictive performance of sequential models assessed by including between 1 and 14 symptom questions, based on order of importance. The optimal number of questions needed to provide the highest acceptable accuracy was determined according to a change in the average balanced accuracy of <1% after inclusion of the next question in the importance ranking. The optimal model was validated in an independent clinical cohort from Iceland (n=785) 和 a community-based sample from the United States (n=1207).

分析的结果表明,具有最高可接受的准确度的模型;在测试样品中的(平均平衡精度,87.8%的受试者工作特征曲线[MAUC],97.6%下平均多类别区域)包括以下六个项目:ESS“白天“”难以维持睡眠“”身体疲惫“”睡眠身不由己“和”白天困倦。“休息的感觉模型准确地预测从sagic患者的94.3%到OSA适当的亚型。当研究人员在一个独立的模型ESTA临床队列(冰岛),并以社区为基础的样本(美国)应用,预测表现临床上可接受的(MAUC,90.2%;而MAUC,分别为84.0%,)。

相关文章

研究者认为,利用新开发的算法,将ESTA通过支持病人的有效识别利用过度困倦不堪亚型谁处于危险促进临床翻译增加 心血管疾病.

参考

mazzotti d,基南B,JA Kim等的。简单的算法准确识别阻塞性睡眠呼吸暂停症状亚型:国际验证睡眠中心和跨社区为基础的队列。在主办:世界睡眠学会2019年会; 9月20日至25日,2019;加拿大温哥华。抽象292。

这篇文章最初出现在 肺脏病学顾问