基于XGBoost算法的阻塞性睡眠呼吸暂停预测模型

摘要：

目的 使用XGBoost算法建立阻塞性睡眠呼吸暂停(OSA)的机器学习预测模型.方法 纳入680例于首都医科大学附属北京同仁医院行整夜多道睡眠图监测患者,收集其性别、年龄、颈围以及体质量指数(body mass index,BMI)、夜间最低血氧饱和度、夜间平均血氧饱和度、3％氧减指数等信息,作为机器学习的输入特征,以XGBoost算法建立OSA的自动预测模型,并与其他几种常用的机器学习算法(如支持向量机、随机森林、决策树等)建立的模型结果进行对比.结果 在四分类(正常受试者,轻度、中度、重度OSA)中,XGBoost分类器在所有算法中表现最好,综合分类准确率为93.4％,F1值得分分别为94.7％、78.7％、86.7％、98.1％,ROC曲线下面积(AUC)分别为98.0％、85.0％、92.0％和98.0％.结论 基于XGBoost算法成功建立成人OSA预测模型,可用于临床OSA的诊断与筛查.

关键词：睡眠呼吸暂停、阻塞性、血氧测定法、人工智能、人体质量指数、XGBoost分类器

所属期刊栏目：29

分类号：R766.4;R541.6;TP391.41

资助基金：国家自然科学基金;北京市医院管理局青苗计划

在线出版日期：2022-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1-5