摘要
目的 基于不同算法对阻塞性睡眠呼吸暂停低通气综合征(OSAHS)患者进行建模,比较四种模型的受试者工作曲线下面积(AUC)、准确率、灵敏度与特异性,以建立自动筛选和诊断OSAHS的机器学习预测模型。方法 回顾性分析2019年10月~2022年10月于徐州医科大学附属医院行多导睡眠监测的277例患者,以人口学信息、病史、ESS作为预测变量,采用单因素分析筛选出具有明显差异的变量,然后分别建立轻量级梯度提升机(LightGBM)模型、逻辑回归(LR)模型、极限梯度提升(XGBoost)模型及支持向量机(SVM)模型,采用AUC评价模型性能。结果 LR预测的准确率为0.91,AUC为0.97;XGBoost的预测准确率为0.94,AUC为0.97;LightGBM的预测准确率为0.93,AUC为0.98;SVM的准确率为0.89,AUC为0.95。结论 LR、SVM、XGBoost、LightGBM对OSAHS预测效果均较好,LightGBM的效果最佳。
出处
《中国耳鼻咽喉头颈外科》
CSCD
2023年第7期467-470,共4页
Chinese Archives of Otolaryngology-Head and Neck Surgery
基金
江苏省科研与实践创新计划(SJCX21_1143)
徐州医科大学附属医院课题(2020KA006)。
