审查gydF4y2Ba
摘要gydF4y2Ba
背景:gydF4y2Ba美国睡眠医学会指南建议，临床预测算法可用于筛查阻塞性睡眠呼吸暂停(OSA)患者，而无需取代多导睡眠描记术这一黄金标准。gydF4y2Ba
摘要目的:gydF4y2Ba我们的目标是识别、收集和分析现有的机器学习方法，这些方法被用于疑似阻塞性睡眠呼吸暂停的成年患者的疾病筛查。gydF4y2Ba
方法:gydF4y2Ba我们搜索了MEDLINE、Scopus和ISI Web of Knowledge数据库来评估不同机器学习技术的有效性，以多导睡眠图作为金标准结果测量，并使用预测模型偏倚风险评估工具(Kleijnen systems Reviews Ltd)来评估每个纳入研究的偏倚风险和适用性。gydF4y2Ba
结果:gydF4y2Ba我们检索到5479篇文章，其中63篇(1.15%)被收录。我们发现23项研究单独进行诊断模型开发，26项增加了内部验证，14项将临床预测算法应用于独立样本(尽管并非所有报告都报告最常见的鉴别指标、敏感性或特异性)。采用逻辑回归的研究有35项，线性回归的研究有16项，支持向量机的研究有9项，神经网络的研究有8项，决策树的研究有6项，贝叶斯网络的研究有4项。随机森林、判别分析、分类回归树和诺姆图各2项研究，皮尔逊相关、自适应神经模糊推理系统、人工免疫识别系统、遗传算法、超稀疏线性整数模型和k最近邻算法各1项研究。以年龄、腰围、爱普沃斯睡眠量表评分、血氧饱和度为预测因子进行logistic回归分析，最佳受试者工作曲线下面积为0.98(0.96-0.99)。gydF4y2Ba
结论:gydF4y2Ba尽管获得了较高的值，但仍缺乏大规模队列的外部验证结果和标准的OSA标准定义。gydF4y2Ba
试验注册:gydF4y2Ba普洛斯彼罗CRD42021221339;https://www.crd.york.ac.uk/prospero/display_record.php?RecordID=221339gydF4y2Ba
doi: 10.2196/39452gydF4y2Ba
关键字gydF4y2Ba
简介gydF4y2Ba
背景gydF4y2Ba
阻塞性睡眠呼吸暂停(OSA)是一种常见的与睡眠相关的呼吸障碍，其特征是反复发作的部分(低呼吸)或完全(呼吸暂停)上呼吸道阻塞，在整个睡眠中反复发生。根据OSA的定义(方法、使用的标准，如呼吸暂停指数、呼吸暂停-低呼吸指数[AHI]或呼吸障碍指数和阈值定义)和被研究人群的不同，其患病率差异显著[gydF4y2Ba］．本雅菲尔德等人的研究[gydF4y2Ba]估计全球有9.36亿30到69岁的成年人患有阻塞性睡眠呼吸暂停。尽管患病率很高，但许多病例仍未得到诊断和治疗，导致患者生活质量下降，不良事件风险增加，对发病率和死亡率有很大影响[gydF4y2Ba］．多导睡眠描记术(PSG)是诊断OSA的金标准测试[gydF4y2Ba］．然而，执行PSG是昂贵的、耗时的和劳动密集型的。大多数睡眠实验室都面临着长长的患者等候名单，因为PSG既不是常规的临床实践，也不是绝对合适的筛查工具[gydF4y2Ba］．鉴于这些局限性，开发一种能够可靠地识别出最有可能从PSG中获益的患者的临床预测模型是很有用的，即在概率较低时排除OSA诊断，在考虑PSG之前建立先验概率，根据阳性结果的概率将需要PSG的患者优先考虑。这一观点得到了美国睡眠医学会(AASM)最新指南的支持。gydF4y2Ba］．临床预测模型应易于使用和计算。该模型必须基于黄金标准，并需要进行验证，当用于筛选时，其目的取决于路径是通向排除方法还是引入方法。在第一种情况下，我们应该有一个高灵敏度的模型，而无需对健康患者进行PSG检查。相比之下，如果我们选择了规则入路，则需要一个高特异性的模型来选择OSA的高概率患者，适合进行PSG。gydF4y2Ba
客观的gydF4y2Ba
鉴于这些缺点，本系统综述旨在识别、收集和分析现有的机器学习方法，这些方法正用于疑似OSA的成年患者的疾病筛查。gydF4y2Ba
方法gydF4y2Ba
该系统评审是根据在PROSPERO(国际前瞻性系统评审注册;CRD42021221339)。gydF4y2Ba
搜索策略和选择标准gydF4y2Ba
我们搜索了MEDLINE数据库(PubMed)以及Scopus和ISI知识库中截至2020年6月出版的英语、法语、西班牙语或葡萄牙语的所有可用证据。使用了特定的查询(在2021年10月进行了刷新)，并通过使用纳入的研究的参考文献和关于该主题的相关评论进行了手动搜索。此外，还同该领域的专家进行了联系，以检查是否取得了所有有关的资料。文章由3名审稿人独立挑选(对彼此的评价不知情)，将标准应用于每个标题和摘要，然后进行全面评估。意见分歧通过协商一致解决。所有流程都在Rayyan中执行，Rayyan是一个用于系统评审的web应用程序和移动应用程序[gydF4y2Ba］．gydF4y2Ba
包括疑似OSA的成年患者(人群)的研究，使用已知的OSA症状和体征(暴露和比较器)评估预测模型的准确性，并以PSG为金标准(结果)，根据选择标准符合条件。gydF4y2Ba
数据提取gydF4y2Ba
一旦文章被选择，数据被提取到预先指定的Excel电子表格中，并包括(1)文章信息:标题、作者、出版日期、国家和期刊;(2)方法:研究设计、设置、研究周期、模型类型、纳入和排除标准、参与者选择、样本量、临床因素分析、诊断试验分析和潜在偏倚。对于每种类型的模型，都创建并实现了特定的数据提取，如后面部分的表所示。我们根据获得的文章结果对识别的研究进行了排序:首先，只开发了算法的文章;然后是对算法进行内部验证的团队;最后是外部验证预测算法的实验。在每个小节中，我们按出版年份对已出版的作品进行了组织。研究中任何缺失的信息都在“结果”部分用“-”(不可用)报告，获得的最佳预测模型用斜体标记。此外，如果该研究采用了不同的机器学习方法，则只对获得的最佳模型进行临床因素分析，并描述识别措施。gydF4y2Ba
偏误的风险gydF4y2Ba
在2个时间点，1名审稿人通过对所有纳入的研究应用偏倚评估工具(PROBAST)的预测模型风险(Prediction Model risk of bias Assessment Tool)评估偏倚风险和适用性。这是专门的研究开发，验证，或更新诊断预测模型。更多细节可在Moons等人的研究中获得。gydF4y2Ba］．需要提及的一个重要方面是，这个工具指出gydF4y2Ba“如果一个预测模型是在没有任何外部验证的情况下开发的，并且在所有领域被评为低偏倚风险，那么考虑将其降级为高偏倚风险。只有在开发基于非常大的数据集并包含某种形式的内部验证的情况下，这种模型才能被认为是低偏差风险的。”gydF4y2Ba这意味着仅进行模型开发的纳入研究将被标记为高偏倚风险。对于那些进行内部验证的研究，偏倚风险将取决于基于每个变量的事件数量的样本量(在发展研究中事件与变量的比值≥20，在模型验证研究中OSA患者的比值≥100)。此外，将单个数据集随机划分为开发和验证的研究被认为是内部验证。gydF4y2Ba
结果gydF4y2Ba
概述gydF4y2Ba
我们检索了6769篇文章，其中1290篇是重复的。从5479篇文章中，我们保留了63篇符合纳入标准的研究，如gydF4y2Ba．gydF4y2Ba
所有被评估的文章都进行了黄金标准的psg检查，其中一篇还增加了分夜检查的诊断部分[gydF4y2Ba］．最高发现年龄为96岁[gydF4y2Ba]， 54%(34/63)的研究显示患者年龄为18岁。为了确保包括所有OSA临床预测算法，我们保留了仅报告平均年龄和SD的研究，该值为>42,SD在6至16岁之间变化。此外，10%(6/63)的研究报告年龄<18岁(>14岁和>15岁为2/6,33%的研究和>16岁和>17岁为4/6，其他分别为66%)。关于对OSA的怀疑，65%(41/63)的研究显示了这种描述，而32%(20/63)的研究介绍了OSA怀疑和任何其他睡眠障碍。此外，我们有一项针对健康患者和疑似OSA患者的研究[gydF4y2Ba]和另一个没有明确说明这一点;相反，作者写道，已经被诊断为阻塞性睡眠呼吸暂停的患者被排除在研究之外。1项以上研究分析的各种临床因素的发生频率见gydF4y2Ba．gydF4y2Ba
两个阶段审稿人之间都存在分歧，标题和摘要筛选的总体一致性为78%，整体版本的一致性为95%。gydF4y2Ba
| 临床因素分析gydF4y2Ba | 出现频率，n (%)gydF4y2Ba |
| 身体质量指数gydF4y2Ba | 37 (59)gydF4y2Ba |
| 年龄gydF4y2Ba | 32 (51)gydF4y2Ba |
| 性gydF4y2Ba | 29 (46)gydF4y2Ba |
| 颈围gydF4y2Ba | 25 (40)gydF4y2Ba |
| 打鼾gydF4y2Ba | 14 (22)gydF4y2Ba |
| 爱普沃斯睡眠量表gydF4y2Ba | 10 (16)gydF4y2Ba |
| 目睹了呼吸暂停gydF4y2Ba | 8 (13)gydF4y2Ba |
| 腰围gydF4y2Ba | 8 (13)gydF4y2Ba |
| 呼吸停止gydF4y2Ba | 7 (11)gydF4y2Ba |
| 白天嗜睡gydF4y2Ba | 7 (11)gydF4y2Ba |
| 高血压gydF4y2Ba | 7 (11)gydF4y2Ba |
| 喘气gydF4y2Ba | 6 (10)gydF4y2Ba |
| 血氧饱和度gydF4y2Ba | 6 (10)gydF4y2Ba |
| 血氧饱和度下降gydF4y2Ba | 6 (10)gydF4y2Ba |
| 血压gydF4y2Ba | 5 (8)gydF4y2Ba |
| 吸烟gydF4y2Ba | 5 (8)gydF4y2Ba |
| 扁桃体大小分级gydF4y2Ba | 5 (8)gydF4y2Ba |
| 修改Mallampati得分gydF4y2Ba | 4 (6)gydF4y2Ba |
| 酒精消费gydF4y2Ba | 3 (5)gydF4y2Ba |
| 醒来gydF4y2Ba | 3 (5)gydF4y2Ba |
| 糖尿病gydF4y2Ba | 3 (5)gydF4y2Ba |
| 高度gydF4y2Ba | 3 (5)gydF4y2Ba |
| 夜尿症gydF4y2Ba | 3 (5)gydF4y2Ba |
| 不安分的睡觉gydF4y2Ba | 3 (5)gydF4y2Ba |
| 重量gydF4y2Ba | 3 (5)gydF4y2Ba |
| 颅面畸形gydF4y2Ba | 2 (3)gydF4y2Ba |
| 开车困gydF4y2Ba | 2 (3)gydF4y2Ba |
| 表面宽度gydF4y2Ba | 2 (3)gydF4y2Ba |
| 弗里德曼舌评分gydF4y2Ba | 2 (3)gydF4y2Ba |
| 吸食gydF4y2Ba | 2 (3)gydF4y2Ba |
预测模型开发gydF4y2Ba
在23项研究中发展了新的预测模型gydF4y2Ba．最常见的方法是回归技术，有逻辑(6/ 23,26%)，线性(6/ 23,26%)，逻辑和线性(6/ 23,26%)，与决策树和支持向量机(3/ 23,13%)相比，逻辑回归。此外，4%(1/23)的文章产生了皮尔逊相关性，另一个(1/ 23,4%)产生了决策树。最老的模型是在1991年开发的，包括性别、年龄、BMI和打鼾，而在2020年，除了这些预测变量，还包括身高、体重、腰围、臀围、颈围(NC)、修正弗里德曼评分、日间睡意和爱普沃斯睡眠量表评分。只有13%(3/23)的研究描述了研究设计和周期，22%(5/23)的研究是回顾性研究。关于PSG对OSA的定义，4%(1/23)的研究没有报告截止时间，17%(4/23)的研究报告AHI>10, 17%(4/23)的研究报告AHI≥15。最大样本量为953例，最小样本量为96例疑似OSA患者。OSA的总体患病率介于31%至87%之间，其中9%(2/23)的研究给出了错误的百分比值[gydF4y2Ba，gydF4y2Ba］．对于鉴别措施，虽然没有进行验证，但受试者工作特征曲线(AUC)下的最佳面积、灵敏度和特异性分别为99%、100%和95%。还应注意的是，4%(1/23)没有提到最佳预测模型(没有用斜体标记)gydF4y2Ba)．gydF4y2Ba
| 研究gydF4y2Ba | 研究设计;研究期间gydF4y2Ba | 机器学习方法gydF4y2Ba | 临床因素分析gydF4y2Ba | 阻塞性睡眠呼吸暂停综合症gydF4y2Ba一个gydF4y2Ba定义gydF4y2Ba | 样本容量，ngydF4y2Ba | OSA患病率，n (%)gydF4y2Ba | AUCgydF4y2BabgydF4y2Ba， % (95% ci)gydF4y2Ba | 灵敏度，% (95% CI)gydF4y2Ba | 特异性，% (95% CI)gydF4y2Ba |
| Viner等人[gydF4y2Ba), 1991年gydF4y2Ba | 未来的;- - - - - -gydF4y2BacgydF4y2Ba | 逻辑回归gydF4y2Ba | 性别、年龄、BMI和打鼾gydF4y2Ba | 你好gydF4y2BadgydF4y2Ba＞10gydF4y2Ba | 410gydF4y2Ba | 190 (46)gydF4y2Ba | 77年(73 - 82)gydF4y2Ba | 28 (-)gydF4y2Ba | 95 (-)gydF4y2Ba |
| 基南等人[gydF4y2Ba), 1993年gydF4y2Ba | - - - - - -gydF4y2Ba | 逻辑回归gydF4y2Ba | 数控gydF4y2BaegydF4y2Ba，年龄，西澳gydF4y2BafgydF4y2Ba日间困倦、驾车困倦、氧饱和度降低、心率频率gydF4y2Ba | 你好> 15gydF4y2Ba | 96gydF4y2Ba | 51 (53)gydF4y2Ba | - - - - - -gydF4y2Ba | 20 (-)gydF4y2Ba | 5 (-)gydF4y2Ba |
| Hoffstein等[gydF4y2Ba), 1993年gydF4y2Ba | - - - - - -gydF4y2Ba | 线性回归gydF4y2Ba | 主观印象gydF4y2Ba | 你好> 10gydF4y2Ba | 594gydF4y2Ba | 275 (46)gydF4y2Ba | - - - - - -gydF4y2Ba | 60 (-)gydF4y2Ba | 63 (-)gydF4y2Ba |
| 弗莱蒙斯等人[gydF4y2Ba] 1994gydF4y2Ba | - - - - - -;1990年2月至1990年9月gydF4y2Ba | 物流和gydF4y2Ba线性gydF4y2Ba回归gydF4y2Ba | NC、高血压、打鼾、喘气或窒息gydF4y2Ba | 你好> 10gydF4y2Ba | 175gydF4y2Ba | 82 (46)gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba |
| Vaidya等[gydF4y2Ba), 1996年gydF4y2Ba | - - - - - -;1993年7月至1994年12月gydF4y2Ba | 物流gydF4y2Ba线性回归gydF4y2Ba | 年龄、BMI、性别和症状总数gydF4y2Ba | RDIgydF4y2BaggydF4y2Ba＞10gydF4y2Ba | 309gydF4y2Ba | 226 (73)gydF4y2Ba | - - - - - -gydF4y2Ba | 96 (-)gydF4y2Ba | 23日(-)gydF4y2Ba |
| 迪根等人[gydF4y2Ba), 1996年gydF4y2Ba | 未来的;- - - - - -gydF4y2Ba | 逻辑回归和线性回归gydF4y2Ba | 性别、年龄、打鼾、WA、驾驶困倦、酒精消耗量、BMI、浸入次数≥4%、最低氧饱和度和NCgydF4y2Ba | 你好≥15gydF4y2Ba | 250gydF4y2Ba | 135 (54)gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba |
| 普拉丹等人[gydF4y2Ba), 1996年gydF4y2Ba | 未来的;1994年8月至1995年2月gydF4y2Ba | 逻辑回归gydF4y2Ba | BMI，最低氧饱和度，身体疼痛评分gydF4y2Ba | RDI > 10gydF4y2Ba | 150gydF4y2Ba | 85 (57)gydF4y2Ba | - - - - - -gydF4y2Ba | 100 (-)gydF4y2Ba | 31日(-)gydF4y2Ba |
| 弗里德曼等[gydF4y2Ba), 1999年gydF4y2Ba | 未来的;- - - - - -gydF4y2Ba | 线性回归gydF4y2Ba | 修正Mallampati分级、扁桃体大小分级和BMIgydF4y2Ba | RDI > 20gydF4y2Ba | 172gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba |
| 狄克逊等人[gydF4y2Ba), 2003年gydF4y2Ba | - - - - - -gydF4y2Ba | 物流gydF4y2Ba线性回归gydF4y2Ba | BMI, WA，糖化血红蛋白，空腹血浆胰岛素，性别和年龄gydF4y2Ba | 你好≥30gydF4y2Ba | 99gydF4y2Ba | 36 (36)gydF4y2Ba | 91 (-)gydF4y2Ba | 89 (-)gydF4y2Ba | 81 (-)gydF4y2Ba |
| 莫里斯等人[gydF4y2Ba), 2008年gydF4y2Ba | 未来的;- - - - - -gydF4y2Ba | 皮尔森相关gydF4y2Ba | BMI和打鼾严重程度评分gydF4y2Ba | RDI≥15gydF4y2Ba | 211gydF4y2Ba | 175 (83)gydF4y2Ba | - - - - - -gydF4y2Ba | 97 (-)gydF4y2Ba | 40 (-)gydF4y2Ba |
| 马丁内斯-里维拉等人[gydF4y2Ba), 2008年gydF4y2Ba | - - - - - -gydF4y2Ba | 逻辑回归gydF4y2Ba | 性别、腰臀比、BMI、NC和年龄gydF4y2Ba | 你好> 10gydF4y2Ba | 192gydF4y2Ba | 124 (65)gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba |
| 赫尔佐格等人[gydF4y2Ba), 2009年gydF4y2Ba | 回顾;- - - - - -gydF4y2Ba | 物流和gydF4y2Ba线性gydF4y2Ba回归gydF4y2Ba | 扁桃体大小分级，小舌大小，模拟打鼾时的背侧运动，舌头水平塌陷，BMI和ESSgydF4y2BahgydF4y2Ba分数gydF4y2Ba | 你好> 5gydF4y2Ba | 622gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 女:98 (-)gydF4y2Ba | 女性:22岁(-)gydF4y2Ba |
| Yeh等人[gydF4y2Ba), 2010年gydF4y2Ba | 回顾;2006年4月至2007年12月gydF4y2Ba | 线性回归gydF4y2Ba | BMI、NC、ESS评分gydF4y2Ba | 你好≥15gydF4y2Ba | 101gydF4y2Ba | 83 (82)gydF4y2Ba | - - - - - -gydF4y2Ba | 98 (-)gydF4y2Ba | - - - - - -gydF4y2Ba |
| 哈金斯等人[gydF4y2Ba), 2010年gydF4y2Ba | 回顾;2005年1月至2007年7月gydF4y2Ba | 线性回归gydF4y2Ba | Mallampati IV班gydF4y2Ba | 你好> 30gydF4y2Ba | 953gydF4y2Ba | 297 (31)gydF4y2Ba | - - - - - -gydF4y2Ba | 40 (36-45)gydF4y2Ba | 67年(64 - 69)gydF4y2Ba |
| 穆斯曼等人[gydF4y2Ba), 2011年gydF4y2Ba | - - - - - -;2006年12月至2007年3月gydF4y2Ba | 物流和gydF4y2Ba线性gydF4y2Ba回归gydF4y2Ba | NC, WA，年龄，BMI，变应性鼻炎gydF4y2Ba | 你好> 5gydF4y2Ba | 323gydF4y2Ba | 229 (71)gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba |
| Sareli等人[gydF4y2Ba), 2011年gydF4y2Ba | - - - - - -;2005年11月至2007年1月gydF4y2Ba | 逻辑回归gydF4y2Ba | 年龄、BMI、性别、睡眠呼吸暂停症状评分gydF4y2Ba | 你好≥5gydF4y2Ba | 342gydF4y2Ba | 264 (77)gydF4y2Ba | 80 (-)gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba |
| 曾等人[gydF4y2Ba), 2012年gydF4y2Ba | - - - - - -gydF4y2Ba | 决策树gydF4y2Ba | 性别，年龄，夜间前收缩压，夜间后收缩压gydF4y2Ba | 你好≥15gydF4y2Ba | 540gydF4y2Ba | 394 (73)gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba |
| 沙欣等人[gydF4y2Ba), 2014年gydF4y2Ba | 回顾;- - - - - -gydF4y2Ba | 线性回归gydF4y2Ba | BMI、WCgydF4y2Ba我gydF4y2Ba、NC、氧饱和度、扁桃体大小分级gydF4y2Ba | AHI>5和症状gydF4y2Ba | 390gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba |
| 丁等人[gydF4y2Ba), 2014年gydF4y2Ba | 未来的;- - - - - -gydF4y2Ba | 逻辑回归和gydF4y2Ba决策树gydF4y2Ba | 性别，年龄和血压gydF4y2Ba | 你好≥15gydF4y2Ba | 540gydF4y2Ba | 394 (73)gydF4y2Ba | 99 (-)gydF4y2Ba | 98 (-)gydF4y2Ba | 93 (-)gydF4y2Ba |
| 萨瑟兰等[gydF4y2Ba), 2016年gydF4y2Ba | - - - - - -;2011 - 2012gydF4y2Ba | 物流gydF4y2Ba回归和分类以及回归树gydF4y2Ba | 面部宽度和颈网膜角度gydF4y2Ba | 你好≥10gydF4y2Ba | 200gydF4y2Ba | 146 (73)gydF4y2Ba | 76年(68 - 83)gydF4y2Ba | 89 (-)gydF4y2Ba | 28 (-)gydF4y2Ba |
| 林等人[gydF4y2Ba), 2019年gydF4y2Ba | 回顾;- - - - - -gydF4y2Ba | 线性回归gydF4y2Ba | 性，更新弗里德曼舌位，扁桃体大小分级和BMIgydF4y2Ba | 你好≥5gydF4y2Ba | 325gydF4y2Ba | 283 (87)gydF4y2Ba | 80年(74 - 87)gydF4y2Ba | 84 (-)gydF4y2Ba | 58 (-)gydF4y2Ba |
| 布鲁托等人[gydF4y2Ba), 2020年gydF4y2Ba | - - - - - -gydF4y2Ba | 逻辑回归gydF4y2Ba | 脖子抓gydF4y2Ba | 你好≥5gydF4y2Ba | 167gydF4y2Ba | 114 (68)gydF4y2Ba | 62 (54 - 69)gydF4y2Ba | 83年(75 - 89)gydF4y2Ba | 40 (27-54)gydF4y2Ba |
| 哈伯菲尔德等人[gydF4y2Ba), 2020年gydF4y2Ba | - - - - - -gydF4y2Ba | 逻辑回归和gydF4y2Ba支持向量机gydF4y2Ba | 身高、体重、腰围、臀围、BMI、年龄、脖子大小、修正Friedman评分、打鼾、性别、白天嗜睡和ESS评分gydF4y2Ba | - - - - - -gydF4y2Ba | 620gydF4y2Ba | 357 (58)gydF4y2Ba | 男:61 (-)gydF4y2Ba | 男:86 (-)gydF4y2Ba | 男:70 (-)gydF4y2Ba |
一个gydF4y2Ba阻塞性睡眠呼吸暂停。gydF4y2Ba
bgydF4y2BaAUC:接收器工作特性曲线下的面积。gydF4y2Ba
cgydF4y2Ba不可用。gydF4y2Ba
dgydF4y2BaAHI:呼吸暂停-低通气指数。gydF4y2Ba
egydF4y2BaNC:颈围。gydF4y2Ba
fgydF4y2BaWA:见证了呼吸暂停。gydF4y2Ba
ggydF4y2BaRDI:呼吸障碍指数。gydF4y2Ba
hgydF4y2BaESS:爱普沃斯嗜睡量表。gydF4y2Ba
我gydF4y2Ba腰围:腰围。gydF4y2Ba
正如方法部分所述，鉴于所有这些模型仅使用样本内验证度量执行开发，它们在分析领域中都被认为具有很高的偏差风险(gydF4y2Ba)．在结果领域，大多数研究被标记为高风险，因为它们大多数没有预先指定或标准的结果定义。此外，尽管一些研究被标记为高风险，而另一项被标记为不明确，但大多数纳入的研究在预测因子领域的偏倚风险较低，这表明大多数研究在进行PSG后不包括预测因子。大多数研究(15/ 23,65%)被确定为参与者领域不明确，因为几乎所有研究都没有说明研究设计或排除标准。在评估PROBAST的适用性方面，所有研究(23/ 23,100%)在参与者领域的偏倚风险较低(所有研究都包括疑似OSA的患者)，但有几项研究在结果领域的适用性风险较高(OSA定义与当前OSA指南不一致)。gydF4y2Ba
| 研究gydF4y2Ba | 偏颇的风险gydF4y2Ba | 适用性gydF4y2Ba | 整体gydF4y2Ba | ||||||||
| 参与者gydF4y2Ba | 预测gydF4y2Ba | 结果gydF4y2Ba | 分析gydF4y2Ba | 参与者gydF4y2Ba | 预测gydF4y2Ba | 结果gydF4y2Ba | 偏颇的风险gydF4y2Ba | 适用性gydF4y2Ba | |||
| Viner等人[gydF4y2Ba), 1991年gydF4y2Ba |  一个gydF4y2Ba |
 bgydF4y2Ba |
 cgydF4y2Ba |
|
|
|
|
|
|
||
| 基南等人[gydF4y2Ba), 1993年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Hoffstein等[gydF4y2Ba), 1993年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 弗莱蒙斯等人[gydF4y2Ba), 1994年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Vaidya等[gydF4y2Ba), 1996年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 迪根等人[gydF4y2Ba), 1996年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 普拉丹等人[gydF4y2Ba), 1996年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 弗里德曼等[gydF4y2Ba), 1999年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 狄克逊等人[gydF4y2Ba), 2003年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 莫里斯等人[gydF4y2Ba), 2008年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 马丁内斯-里维拉等人[gydF4y2Ba), 2008年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 赫尔佐格等人[gydF4y2Ba), 2009年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Yeh等人[gydF4y2Ba), 2010年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Hukins [gydF4y2Ba), 2010年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 穆斯曼等人[gydF4y2Ba), 2011年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Sareli等人[gydF4y2Ba), 2011年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 曾等人[gydF4y2Ba), 2012年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 沙欣等人[gydF4y2Ba), 2014年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 丁等人[gydF4y2Ba), 2014年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 萨瑟兰等[gydF4y2Ba), 2016年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 林等人[gydF4y2Ba), 2019年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 布鲁托等人[gydF4y2Ba), 2020年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 哈伯菲尔德等人[gydF4y2Ba), 2020年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
一个gydF4y2Ba表明不明确的偏差风险或对适用性的担忧。gydF4y2Ba
bgydF4y2Ba表明在适用性方面存在较低的偏见或担忧风险。gydF4y2Ba
cgydF4y2Ba表示对适用性有很高的偏见或担忧的风险。gydF4y2Ba
开发具有内部验证的预测模型gydF4y2Ba
为了内部验证的目的，我们考虑了进行交叉验证(11/ 26,42%)、使用自举技术(4/ 26,15%)或使用拆分数据(14/ 26,54%)的研究，如之前在方法部分提到的。最小的样本量为83人，最高的样本量为6399人，两者都提出了交叉验证的验证结果。关于OSA患病率，一项研究没有提及，另一项研究证明了一个错误的值[gydF4y2Ba]，而另一些人的最低值为30%，最高为90%。使用了不同的机器学习方法，最常见的是支持向量机(4/ 26,15%)，其次是逻辑回归(3/ 26,12%)。此外，38%(10/26)的研究描述了研究类型和周期，其中回顾性设计是最常见的。gydF4y2Ba
此外,gydF4y2Ba显示不同的OSA定义，8%(2/26)的研究没有报告截止值，最常见的定义是AHI≥5(8/ 26,31%)，其次是AHI≥15(5/ 26,19%)。需要注意的是，尽管研究表明进行了某些类型的内部验证，但有些没有显示结果(10/ 26,38%)。gydF4y2Ba
对于内部验证的鉴别措施，最佳AUC、灵敏度和特异性分别为97%、99%和97%。AUC最好的模型包含了从PSG中收集的预测变量，如唤醒指数，同时也是特异性最好的模型。在包含19个预测变量的神经网络模型中，得到了最佳灵敏度值。共有4项研究报告了临床截止，这允许潜在的临床阈值的重要性，其中2项研究报告了50%，另外两项研究报告了32%。gydF4y2Ba
相比之下gydF4y2Ba，gydF4y2Ba虽然进行了内部验证，但只有8%(2/26)的研究在分析领域存在较低的偏倚风险，原因是没有提出相关的校准或区分措施，如AUC，并仅使用gydF4y2BaPgydF4y2Ba值来选择预测器。此外，在受试者领域适用性中，有8%(2/26)的研究被标记为具有高适用性风险，因为它们并没有只选择疑似OSA的患者。gydF4y2Ba
| 研究gydF4y2Ba | 研究设计;研究期间gydF4y2Ba | 机器学习方法gydF4y2Ba | 临床因素分析gydF4y2Ba | 阻塞性睡眠呼吸暂停综合症gydF4y2Ba一个gydF4y2Ba定义gydF4y2Ba | 样本容量，ngydF4y2Ba | OSA患病率，n (%)gydF4y2Ba | AUCgydF4y2BabgydF4y2Ba， % (95% ci)gydF4y2Ba | 灵敏度，% (95% CI)gydF4y2Ba | 特异性，% (95% CI)gydF4y2Ba | |||||||||
| Kapuniai等[gydF4y2Ba), 1988年gydF4y2Ba | - - - - - -gydF4y2BacgydF4y2Ba | 判别分析gydF4y2Ba | 停止呼吸，腺样体切除术，BMI，喘气gydF4y2Ba | 人工智能gydF4y2BadgydF4y2Ba> 5gydF4y2Ba | DgydF4y2Ba1gydF4y2BaegydF4y2Ba= 43;DgydF4y2Ba2gydF4y2Ba= 53gydF4y2Ba | 13 (30)gydF4y2Ba | - - - - - -gydF4y2Ba | 61 (-)gydF4y2Ba | 67 (-)gydF4y2Ba | |||||||||
| 柯比等[gydF4y2Ba), 1999年gydF4y2Ba | 回顾;- - - - - -gydF4y2Ba | 神经网络gydF4y2Ba | 年龄，性别，频繁觉醒，经历过窒息，WAgydF4y2BafgydF4y2Ba观察到窒息、日间嗜睡、ESSgydF4y2BaggydF4y2Ba、高血压、饮酒、吸烟、身高、体重、BMI、血压、扁桃体增大、软腭增大、口咽拥挤，以及二元分类值的临床评分总和gydF4y2Ba | 你好gydF4y2BahgydF4y2Ba≥10gydF4y2Ba | DgydF4y2Ba1gydF4y2Ba= 255;DgydF4y2Ba2gydF4y2Ba= 150gydF4y2Ba | 281 (69)gydF4y2Ba | 94 (-)gydF4y2Ba | 99年(97 - 100)gydF4y2Ba | 80年(70 - 90)gydF4y2Ba | |||||||||
| 林等人[gydF4y2Ba), 2005年gydF4y2Ba | 未来的;一九九九年一月至十二月gydF4y2Ba | 判别分析gydF4y2Ba | Mallampati评分，甲状腺角，NCgydF4y2Ba我gydF4y2Ba、BMI、年龄和甲状腺距离gydF4y2Ba | 你好≥5gydF4y2Ba | DgydF4y2Ba1gydF4y2Ba= 120;DgydF4y2Ba2gydF4y2Ba= 119gydF4y2BajgydF4y2Ba | 201 (84)gydF4y2Ba | 71 (-)gydF4y2BakgydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | |||||||||
| Julià-Serdà等[gydF4y2Ba), 2006年gydF4y2Ba | - - - - - -gydF4y2Ba | 逻辑回归gydF4y2Ba | NC、性别、饱和度降低、ESS评分、颏骨与颌骨之间的距离gydF4y2Ba | 你好≥10gydF4y2Ba | DgydF4y2Ba1gydF4y2Ba= 150;DgydF4y2Ba2gydF4y2Ba= 57gydF4y2Ba | 115 (56)gydF4y2Ba | 97年(95 - 99)gydF4y2BakgydF4y2Ba | 94 (-)gydF4y2Ba | 83 (-)gydF4y2Ba | |||||||||
| 波拉特等[gydF4y2Ba), 2008年gydF4y2Ba | 未来的;- - - - - -gydF4y2Ba | 决策树gydF4y2Ba、神经网络、21自适应神经模糊推理系统、人工免疫识别系统gydF4y2Ba | 觉醒指数，AHI, REM期最低氧饱和度值gydF4y2BalgydF4y2Ba，在氧饱和度区间大于89%阶段的睡眠时间百分比gydF4y2Ba | 你好> 5gydF4y2Ba | DgydF4y2Ba1gydF4y2Ba= 41;DgydF4y2Ba2gydF4y2Ba= 42gydF4y2BajgydF4y2Ba | 58 (70)gydF4y2Ba | 97 (-)gydF4y2Ba | 92 (-)gydF4y2Ba | 97 (-)gydF4y2Ba | |||||||||
| 陈等人[gydF4y2Ba), 2008年gydF4y2Ba | - - - - - -;二零零四年一月至二零零五年十二月gydF4y2Ba | 支持向量机gydF4y2Ba | 氧去饱和指数gydF4y2Ba | 你好≥5gydF4y2Ba | 566gydF4y2BajgydF4y2Ba | 491 (87)gydF4y2Ba | - - - - - -gydF4y2Ba | 43 (-)gydF4y2Ba | 94 (-)gydF4y2Ba | |||||||||
| 李等人[gydF4y2Ba), 2009年gydF4y2Ba | 未来的;- - - - - -gydF4y2Ba | 逻辑回归gydF4y2Ba分类和回归树gydF4y2Ba | 脸宽，眼宽，下颌长，WA，和修正Mallampati类gydF4y2Ba | 你好≥10gydF4y2Ba | 180gydF4y2BajgydF4y2Ba | 114 (63)gydF4y2Ba | 87 (-)gydF4y2BakgydF4y2Ba | 85 (-)gydF4y2BakgydF4y2Ba | 70 (-)gydF4y2BakgydF4y2Ba | |||||||||
| Rofail等人[gydF4y2Ba), 2010年gydF4y2Ba | - - - - - -;2006年7月至2007年11月gydF4y2Ba | 逻辑回归gydF4y2Ba | 指标1(打鼾、呼吸停止、喷鼻、喘气)和鼻流RDIgydF4y2Ba米gydF4y2Ba | 你好≥5gydF4y2Ba | DgydF4y2Ba1gydF4y2Ba= 96;DgydF4y2Ba2gydF4y2Ba= 97gydF4y2Ba | 139 (72)gydF4y2Ba | 89年(81 - 97)gydF4y2Ba | 85 (-)gydF4y2Ba | 92 (-)gydF4y2Ba | |||||||||
| 陈等人[gydF4y2Ba), 2011年gydF4y2Ba | 回顾;- - - - - -gydF4y2Ba | 逻辑回归gydF4y2Ba | 稀释3%gydF4y2Ba | RDI≥30gydF4y2Ba | DgydF4y2BajgydF4y2Ba= 355;DgydF4y2Ba2gydF4y2Ba= 100gydF4y2BajgydF4y2Ba | 307 (86)gydF4y2Ba | 95 (-)gydF4y2BakgydF4y2Ba | 90 (-)gydF4y2Ba | 90 (-)gydF4y2Ba | |||||||||
| 布卡等人[gydF4y2Ba), 2011年gydF4y2Ba | 未来的;二零零四年一月至二零零五年十二月gydF4y2Ba | 线性回归gydF4y2Ba | 年龄、NC、BMI、FEF50/FIF50gydF4y2BangydF4y2Ba,正gydF4y2BaBgydF4y2Ba％gydF4y2BaogydF4y2Ba，吸烟，FgydF4y2Ba伊诺gydF4y2BapgydF4y2Ba吸烟与FgydF4y2Ba伊诺gydF4y2Ba | 你好≥30gydF4y2Ba | 201gydF4y2Ba问gydF4y2Ba | 120 (60)gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | |||||||||
| Bouloukaki等人[gydF4y2Ba), 2011年gydF4y2Ba | 未来的;2000年10月至2006年12月gydF4y2Ba | 线性回归gydF4y2Ba | NC、嗜睡严重程度、BMI和性别gydF4y2Ba | 你好≥15gydF4y2Ba | DgydF4y2Ba1gydF4y2Ba= 538;DgydF4y2Ba2gydF4y2Ba= 2152gydF4y2Ba | 2130 (79)gydF4y2Ba | 78年(61 - 80)gydF4y2BakgydF4y2Ba | 70 (-)gydF4y2BakgydF4y2Ba | 73 (-)gydF4y2BakgydF4y2Ba | |||||||||
| 孙等人[gydF4y2Ba), 2011年gydF4y2Ba | - - - - - -;2009年2月至2009年6月gydF4y2Ba | 逻辑回归和gydF4y2Ba遗传算法gydF4y2Ba | 人口统计数据，ESS，全身性疾病，打鼾和共病gydF4y2Ba | 你好≥15gydF4y2Ba | DgydF4y2Ba1gydF4y2Ba= 67;DgydF4y2Ba2gydF4y2Ba= 43gydF4y2Ba | 53 (48)gydF4y2Ba | - - - - - -gydF4y2Ba | 82 (-)gydF4y2Ba | 95 (-)gydF4y2Ba | |||||||||
| 拉波尔塔等人[gydF4y2Ba), 2012年gydF4y2Ba | 未来的;2010年10月至2011年9月gydF4y2Ba | 神经网络gydF4y2Ba | 年龄、体重、性别、身高、NC、高血压、日间嗜睡、入睡困难、打鼾、呼吸停止、睡眠不安、喘气gydF4y2Ba | 你好≥5gydF4y2Ba | 91gydF4y2Ba问gydF4y2Ba | 68 (75)gydF4y2Ba | 93年(85 - 97)gydF4y2BakgydF4y2Ba | 99年(92 - 100)gydF4y2BakgydF4y2Ba | 87年(66 - 97)gydF4y2BakgydF4y2Ba | |||||||||
| Hang等人[gydF4y2Ba), 2013年gydF4y2Ba | 回顾;2005年1月至2006年12月gydF4y2Ba | 支持向量机gydF4y2Ba | 氧饱和度指数，ESS或BMIgydF4y2Ba | 你好≥15gydF4y2Ba | DgydF4y2Ba1gydF4y2Ba= 188;DgydF4y2Ba2gydF4y2Ba= 188;DgydF4y2Ba3.gydF4y2Ba= 189gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 88年(85 - 90)gydF4y2BakgydF4y2Ba | 90年(87 - 94)gydF4y2BakgydF4y2Ba | |||||||||
| Hang等人[gydF4y2Ba), 2015年gydF4y2Ba | - - - - - -;二零零四年一月至二零零五年十二月gydF4y2Ba | 支持向量机gydF4y2Ba | 氧去饱和指数gydF4y2Ba | 你好> 30gydF4y2Ba | 1156gydF4y2BajgydF4y2Ba | 285 (46)gydF4y2Ba | DgydF4y2Ba1gydF4y2Ba: 96 (-)gydF4y2BakgydF4y2Ba；DgydF4y2Ba2gydF4y2Ba: 95 (-)gydF4y2BakgydF4y2Ba | DgydF4y2Ba1gydF4y2Ba: 87 (-);DgydF4y2Ba2gydF4y2Ba: 91 (-)gydF4y2BakgydF4y2Ba | DgydF4y2Ba1gydF4y2Ba: 93 (-);DgydF4y2Ba2gydF4y2Ba: 90 (-)gydF4y2BakgydF4y2Ba | |||||||||
| Ustun等人[gydF4y2Ba), 2016年gydF4y2Ba | - - - - - -;2009年1月至2013年6月gydF4y2Ba | 逻辑回归,gydF4y2Ba超稀疏线性整数模型gydF4y2Ba、决策树和支持向量机gydF4y2Ba | 年龄，性别，BMI，糖尿病，高血压，是否吸烟gydF4y2Ba | 你好> 5gydF4y2Ba | 1922gydF4y2BajgydF4y2Ba | 1478 (77)gydF4y2Ba | 79 (-)gydF4y2Ba | 64 (-)gydF4y2Ba | 23日(-)gydF4y2Ba | |||||||||
| 博兹库尔特等[gydF4y2Ba), 2017年gydF4y2Ba | 回顾;2014年1月至2015年8月gydF4y2Ba | 逻辑回归,gydF4y2Ba贝叶斯网络gydF4y2Ba、决策树、随机森林和神经网络gydF4y2Ba | 性别、年龄、BMI、NC、是否吸烟gydF4y2Ba | 你好≥5gydF4y2Ba | 338gydF4y2BajgydF4y2Ba | 304 (90)gydF4y2Ba | 73 (-)gydF4y2Ba | 86 (-)gydF4y2Ba | 85 (-)gydF4y2Ba | |||||||||
| Ferreira-Santos [gydF4y2Ba), 2017年gydF4y2Ba | 回顾;2015年1月至2015年5月gydF4y2Ba | 贝叶斯网络gydF4y2Ba | 性，NC, CFAgydF4y2BargydF4y2Ba、WA、夜尿症、酒精消费、ESS、注意力降低、心房纤颤、中风、心肌梗死、驾驶员和白天嗜睡gydF4y2Ba | 你好≥5gydF4y2Ba | 194gydF4y2BajgydF4y2Ba | 128 (66)gydF4y2Ba | 76年(73 - 78)gydF4y2Ba | 81年(79 - 83)gydF4y2Ba | 48 (44-51)gydF4y2Ba | |||||||||
| 刘等人[gydF4y2Ba), 2017年gydF4y2Ba | - - - - - -;2005年10月至2014年4月，2013年10月至2014年9月gydF4y2Ba | 支持向量机gydF4y2Ba | WCgydF4y2Ba年代gydF4y2Ba、NC、BMI和年龄gydF4y2Ba | 你好≥15gydF4y2Ba | 6399gydF4y2BajgydF4y2Ba | 3866 (60)gydF4y2Ba | 女性:90 (87-94)gydF4y2Ba | 女性:83 (75-91)gydF4y2Ba | 女性:86 (82-90)gydF4y2Ba | |||||||||
| Manoochehri等人[gydF4y2Ba), 2018年gydF4y2Ba | - - - - - -;2012 - 2016年gydF4y2Ba | 逻辑回归和gydF4y2Ba决策树gydF4y2Ba | WC、打鼾、性、睡眠呼吸暂停、ESS评分、NCgydF4y2Ba | - - - - - -gydF4y2Ba | DgydF4y2Ba1gydF4y2Ba= 239;DgydF4y2Ba2gydF4y2Ba= 99gydF4y2Ba | 208 (62)gydF4y2Ba | - - - - - -gydF4y2Ba | 67 (-)gydF4y2Ba | 81 (-)gydF4y2Ba | |||||||||
| Manoochehri等人[gydF4y2Ba), 2018年gydF4y2Ba | - - - - - -;2012 - 2015gydF4y2Ba | 逻辑回归和gydF4y2Ba支持向量机gydF4y2Ba | 年龄、性别、BMI、NC、WC、饮茶、吸烟、高血压、慢性头痛、心脏病、呼吸系统疾病、神经系统疾病、糖尿病gydF4y2Ba | - - - - - -gydF4y2Ba | DgydF4y2Ba1gydF4y2Ba= 176;DgydF4y2Ba2gydF4y2Ba= 74gydF4y2Ba | 154 (62)gydF4y2Ba | - - - - - -gydF4y2Ba | 71 (-)gydF4y2BakgydF4y2Ba | 85 (-)gydF4y2BakgydF4y2Ba | |||||||||
| 许等人[gydF4y2Ba), 2019年gydF4y2Ba | - - - - - -;2007 - 2016年gydF4y2Ba | 列线图gydF4y2Ba | 年龄、性别、血糖、载脂蛋白B、胰岛素、BMI、NC和WCgydF4y2Ba | 你好> 5gydF4y2Ba | 4162gydF4y2Ba问gydF4y2Ba | 3387 (81)gydF4y2Ba | 84年(83 - 86)gydF4y2Ba | 77年(76 - 79)gydF4y2BakgydF4y2Ba | 76年(72 - 80)gydF4y2BakgydF4y2Ba | |||||||||
| 费雷拉-桑托斯等[gydF4y2Ba), 2019年gydF4y2Ba | 回顾;2015年1月至2015年5月gydF4y2Ba | 贝叶斯网络gydF4y2Ba | 性别，WA，年龄，夜尿症，CFA, NCgydF4y2Ba | 你好≥5gydF4y2Ba | 194gydF4y2BajgydF4y2Ba | 128 (66)gydF4y2Ba | 64年(61 - 66)gydF4y2Ba | 90年(88 - 92)gydF4y2Ba | 24 (20-27)gydF4y2Ba | |||||||||
| Keshavarz等人[gydF4y2Ba), 2020年gydF4y2Ba | 回顾;2013年2月至2017年12月gydF4y2Ba | 逻辑回归，贝叶斯网络，gydF4y2Ba神经网络gydF4y2Ba、k近邻、支持向量机和随机森林gydF4y2Ba | 打鼾，夜尿症，因鼾声而醒，打鼾，背部疼痛，睡眠不安，BMI, WAgydF4y2Ba | 你好> 15gydF4y2Ba | 231gydF4y2BajgydF4y2Ba | 152 (66)gydF4y2Ba | 75 (-)gydF4y2Ba | 86 (-)gydF4y2Ba | 53 (-)gydF4y2Ba | |||||||||
| 陈等人[gydF4y2Ba), 2021年gydF4y2Ba | 回顾;2015年9月至2020年1月gydF4y2Ba | 列线图gydF4y2Ba | 年龄、性别、打鼾、2型糖尿病、NC和BMIgydF4y2Ba | 你好≥5gydF4y2Ba | DgydF4y2Ba1gydF4y2Ba= 338;DgydF4y2Ba2gydF4y2Ba= 144gydF4y2Ba问gydF4y2Ba | 342 (71)gydF4y2Ba | 83年(76 - 90)gydF4y2Ba | 69年(63 - 75)gydF4y2BakgydF4y2Ba | 87年(79 - 93)gydF4y2BakgydF4y2Ba | |||||||||
| 许等人[gydF4y2Ba), 2021年gydF4y2Ba | - - - - - -;2011年12月至2018年8月gydF4y2Ba | 逻辑回归gydF4y2Ba支持向量机和神经网络gydF4y2Ba | 性别，年龄和BMIgydF4y2Ba | 你好≥15gydF4y2Ba | DgydF4y2Ba1gydF4y2Ba= 2446;DgydF4y2Ba2gydF4y2Ba= 1049gydF4y2Ba | 2539 (73)gydF4y2Ba | 82 (-)gydF4y2Ba | 73 (-)gydF4y2BakgydF4y2Ba | 77 (-)gydF4y2BakgydF4y2Ba | |||||||||
一个gydF4y2Ba阻塞性睡眠呼吸暂停。gydF4y2Ba
bgydF4y2BaAUC:接收器工作特性曲线下的面积。gydF4y2Ba
cgydF4y2Ba不可用。gydF4y2Ba
dgydF4y2BaAI:呼吸暂停指数。gydF4y2Ba
egydF4y2BaDgydF4y2Ba1gydF4y2BaDgydF4y2Ba2gydF4y2Ba， DgydF4y2Ba3.gydF4y2Ba:数据集。gydF4y2Ba
fgydF4y2BaWA:见证了呼吸暂停。gydF4y2Ba
ggydF4y2BaESS:爱普沃斯嗜睡量表。gydF4y2Ba
hgydF4y2BaAHI:呼吸暂停-低通气指数。gydF4y2Ba
我gydF4y2BaNC:颈围。gydF4y2Ba
jgydF4y2Ba交叉验证。gydF4y2Ba
kgydF4y2Ba内部推导结果。gydF4y2Ba
lgydF4y2Ba快速眼动:快速眼动。gydF4y2Ba
米gydF4y2BaRDI:呼吸障碍指数。gydF4y2Ba
ngydF4y2Baff50 /FIF50:强制呼气中/吸气中气流比。gydF4y2Ba
ogydF4y2BaCOHB%:羧基血红蛋白饱和百分比。gydF4y2Ba
pgydF4y2Ba菲gydF4y2Ba没有gydF4y2Ba:呼出的一氧化氮。gydF4y2Ba
问gydF4y2Ba引导。gydF4y2Ba
rgydF4y2BaCFA:颅面和上呼吸道。gydF4y2Ba
年代gydF4y2Ba腰围:腰围。gydF4y2Ba
| 研究gydF4y2Ba | 偏颇的风险gydF4y2Ba | 适用性gydF4y2Ba | 整体gydF4y2Ba | ||||||||
| 参与者gydF4y2Ba | 预测gydF4y2Ba | 结果gydF4y2Ba | 分析gydF4y2Ba | 参与者gydF4y2Ba | 预测gydF4y2Ba | 结果gydF4y2Ba | 偏颇的风险gydF4y2Ba | 适用性gydF4y2Ba | |||
| Kapuniai等[gydF4y2Ba), 1988年gydF4y2Ba | 一个gydF4y2Ba |
bgydF4y2Ba |
|
|
|
|
|
|
|
||
| 柯比等[gydF4y2Ba), 1999年gydF4y2Ba | |
cgydF4y2Ba |
|
|
|
|
|
|
|
||
| 林等人[gydF4y2Ba), 2005年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Julià-Serdà等[gydF4y2Ba), 2006年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 波拉特等[gydF4y2Ba), 2008年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 陈等人[gydF4y2Ba), 2008年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 李等人[gydF4y2Ba), 2009年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Rofail等人[gydF4y2Ba), 2010年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 陈等人[gydF4y2Ba), 2010年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 布卡等人[gydF4y2Ba), 2010年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Bouloukaki等人[gydF4y2Ba), 2011年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 孙等人[gydF4y2Ba), 2011年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 拉波尔塔等人[gydF4y2Ba), 2012年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Hang等人[gydF4y2Ba), 2015年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Hang等人[gydF4y2Ba), 2015年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Ustun等人[gydF4y2Ba), 2016年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 博兹库尔特等[gydF4y2Ba), 2017年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 费雷拉-桑托斯等[gydF4y2Ba), 2017年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 刘等人[gydF4y2Ba), 2017年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Manoochehri等人[gydF4y2Ba), 2018年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Manoochehri等人[gydF4y2Ba), 2018年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 许等人[gydF4y2Ba), 2019年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 费雷拉-桑托斯等[gydF4y2Ba), 2019年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Keshavarz等人[gydF4y2Ba), 2020年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 陈等人[gydF4y2Ba), 2021年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 许等人[gydF4y2Ba), 2021年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
一个gydF4y2Ba表明不明确的偏差风险或对适用性的担忧。gydF4y2Ba
bgydF4y2Ba表示对适用性有很高的偏见或担忧的风险。gydF4y2Ba
cgydF4y2Ba表明在适用性方面存在较低的偏见或担忧风险。gydF4y2Ba
开发具有外部验证的预测模型gydF4y2Ba
共有12项研究进行了外部验证，如gydF4y2Ba，其中9个(75%)选择逻辑回归作为机器学习方法。其余25%(3/12)选择线性回归、神经网络或两者都选。关于研究设计，3项(25%)研究选择前瞻性设计进行测试和验证，8%(1/12)的研究只进行验证。与只进行内部验证的研究类似，OSA患病率最低为30%，最高为93%，样本量在169至3432名疑似OSA参与者之间变化。最佳判别模型为逻辑回归;包括年龄、腰围、ESS和最低氧饱和度，AUC为0.98 (0.96-0.99)，OSA定义为AHI≥5。较高的灵敏度(100%)也适用于logistic回归，但适用于AHI≥15的截止值，包括比呼吸电导和日间动脉氧饱和度。该研究还提出了50%的临床截止。在特异性方面，AI>10组的94%值最高，以自我报告的呼吸暂停、NC指数、年龄和无意识入睡倾向为预测变量。gydF4y2Ba
如gydF4y2Ba大多数研究在参与者领域被标记为不明确的偏倚风险，因为这些研究参考了测试人群的研究设计，而不是验证数据集的研究设计。此外，只有17%(2/12)的研究对预测因子领域存在较高的偏倚风险，因为预测因子需要时间进行评估或收集。在分析领域，一半(6/12,50%)的研究被标记为具有较低的偏倚风险，33%(4/12)的研究没有提供足够的绩效指标。在8%(1/12)的研究中，预测因子领域的适用性不明确，因为我们无法评估预测因子在初级卫生保健中是否可用。gydF4y2Ba
| 研究gydF4y2Ba | 研究设计;研究期间gydF4y2Ba | 机器学习方法gydF4y2Ba | 临床因素分析gydF4y2Ba | 阻塞性睡眠呼吸暂停综合症gydF4y2Ba一个gydF4y2Ba定义gydF4y2Ba | 样本容量，ngydF4y2Ba | OSA患病率，n (%)gydF4y2Ba | AUCgydF4y2BabgydF4y2Ba， % (95% ci)gydF4y2Ba | 灵敏度，% (95% CI)gydF4y2Ba | 特异性，% (95% CI)gydF4y2Ba |
| 克罗克等人[gydF4y2Ba), 1990年gydF4y2Ba | - - - - - -gydF4y2BacgydF4y2Ba；1986年10月至1988年5月gydF4y2Ba | 逻辑回归gydF4y2Ba | 年龄，呼吸停止，BMI和高血压gydF4y2Ba | 你好gydF4y2BadgydF4y2Ba> 15gydF4y2Ba | TgydF4y2BaegydF4y2Ba= 100;VgydF4y2BafgydF4y2Ba= 105gydF4y2Ba | 62 (30)gydF4y2Ba | - - - - - -gydF4y2Ba | 92 (-)gydF4y2Ba | 51 (-)gydF4y2Ba |
| 支柱等人[gydF4y2Ba), 1992年gydF4y2Ba | - - - - - -gydF4y2Ba | 逻辑回归gydF4y2Ba | 佤邦gydF4y2BaggydF4y2Ba、数控gydF4y2BahgydF4y2Ba指数，年龄，白天和睡意gydF4y2Ba | 人工智能gydF4y2Ba我gydF4y2Ba>10和症状gydF4y2Ba | tgydF4y2Ba= 86;VgydF4y2Ba1gydF4y2Ba= 50;VgydF4y2Ba2gydF4y2Ba= 105gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | VgydF4y2Ba1gydF4y2Ba= 88 (-);VgydF4y2Ba2gydF4y2Ba= 32 (-)gydF4y2Ba | VgydF4y2Ba1gydF4y2Ba= 25 (-);VgydF4y2Ba2gydF4y2Ba= 94 (-)gydF4y2Ba |
| 麦斯林等人[gydF4y2Ba), 1995年gydF4y2Ba | - - - - - -gydF4y2Ba | 逻辑回归gydF4y2Ba | BMI，年龄，性别，指数1(打鼾，呼吸停止，鼻息，喘气)，BMI指数1gydF4y2Ba | RDIgydF4y2BajgydF4y2Ba≥10gydF4y2Ba | tgydF4y2Ba= 658;V = 193gydF4y2Ba | 760 (89)gydF4y2Ba | 79 (-)gydF4y2BakgydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba |
| 草田等人[gydF4y2Ba), 1997年gydF4y2Ba | 未来的;6个月(五)gydF4y2Ba | 线性回归gydF4y2Ba | 腭高，上颌磨牙间距离，下颌磨牙间距离，上喷，BMI, NCgydF4y2Ba | RDI≥5gydF4y2Ba | tgydF4y2Ba= 30;V = 300gydF4y2Bal, mgydF4y2Ba | 254 (85)gydF4y2Ba | 100 (-)gydF4y2BakgydF4y2Ba | 98年(95 - 99)gydF4y2BakgydF4y2Ba | 100年(92 - 100)gydF4y2BakgydF4y2Ba |
| El-Solh等人[gydF4y2Ba), 1999年gydF4y2Ba | 回顾性(T)和前瞻性(V);1995年11月至1996年12月gydF4y2Ba | 神经网络gydF4y2Ba线性回归gydF4y2Ba | 呼吸停止，睡眠不安，性欲下降，打扰床伴，白天嗜睡，不宁腿，BMI, NC，年龄，喘气，打鼾和血压gydF4y2Ba | 你好> 10gydF4y2Ba | tgydF4y2Ba= 189gydF4y2BalgydF4y2Ba；V = 80gydF4y2Ba | 182 (68)gydF4y2Ba | 96年(93 - 96)gydF4y2Ba | 95年(90 - 98)gydF4y2BakgydF4y2Ba | 65 (50 - 78)gydF4y2BakgydF4y2Ba |
| Zerah-Lancner等人[gydF4y2Ba), 2000年gydF4y2Ba | 回顾性(T)和前瞻性(V);- - - - - -gydF4y2Ba | 逻辑回归gydF4y2Ba | 比呼吸电导和日间动脉氧饱和度gydF4y2Ba | 你好≥15gydF4y2Ba | tgydF4y2Ba= 168;V = 101gydF4y2Ba | 147 (55)gydF4y2Ba | - - - - - -gydF4y2Ba | 100 (-)gydF4y2Ba | 84 (-)gydF4y2Ba |
| rosutti等人[gydF4y2Ba), 2004年gydF4y2Ba | 未来的;2001年2月至2003年4月gydF4y2Ba | 逻辑回归gydF4y2Ba | 年龄，性别，BMI，呼吸停止gydF4y2Ba | 你好≥5gydF4y2Ba | tgydF4y2Ba= 837;V = 243gydF4y2Ba | 569 (53)gydF4y2Ba | 79 (-)gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba |
| 邱等人[gydF4y2Ba), 2011年gydF4y2Ba | - - - - - -;2005年12月至2007年12月及2008年3月至2008年6月gydF4y2Ba | 逻辑回归gydF4y2Ba | 性别，年龄，NC，频繁醒来，睡眠不提神gydF4y2Ba | 你好≥20gydF4y2Ba | tgydF4y2Ba= 117;V = 52gydF4y2Ba | 77 (66)gydF4y2Ba | 69 (-)gydF4y2BakgydF4y2Ba | 78 (-)gydF4y2Ba | 45 (-)gydF4y2Ba |
| 邹等[gydF4y2Ba), 2013年gydF4y2Ba | 回顾;2007年1月至2011年7月gydF4y2Ba | 逻辑回归gydF4y2Ba | 年龄、WCgydF4y2BangydF4y2Ba, ESSgydF4y2BaogydF4y2Ba、最小氧饱和度gydF4y2Ba | 你好≥5gydF4y2Ba | tgydF4y2Ba= 2052;V = 784gydF4y2Ba | 2451 (87)gydF4y2Ba | 98年(96 - 99)gydF4y2Ba | 94年(92 - 96)gydF4y2Ba | 86年(79 - 91)gydF4y2Ba |
| 卡拉曼利等[gydF4y2Ba), 2016年gydF4y2Ba | 回顾;- - - - - -gydF4y2Ba | 神经网络gydF4y2Ba | 性别、年龄、BMI和打鼾gydF4y2Ba | 你好≥10gydF4y2Ba | tgydF4y2Ba= 201;V = 15gydF4y2Ba | 140 (70)gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba |
| Tawaranurak等人[gydF4y2Ba), 2020年gydF4y2Ba | 未来的;2018年6月至2020年6月gydF4y2Ba | 逻辑回归gydF4y2Ba | 性、窒息或呼吸暂停、血压、NC、WC和BMIgydF4y2Ba | 你好≥15gydF4y2Ba | tgydF4y2Ba= 892;V = 374gydF4y2Ba | 826 (93)gydF4y2Ba | 75 (-)gydF4y2BakgydF4y2Ba | 93年(89 - 96)gydF4y2Ba | 26 - 35 ()gydF4y2Ba |
| Park等人[gydF4y2Ba), 2021年gydF4y2Ba | - - - - - -;2011年1月至2018年12月gydF4y2Ba | 逻辑回归gydF4y2Ba | 年龄、性别、BMI、高血压、柏林问卷评分、扁桃体分级gydF4y2Ba | 你好≥5gydF4y2Ba | tgydF4y2Ba= 2516;V = 916gydF4y2Ba | - - - - - -gydF4y2Ba | 84 (-)gydF4y2Ba | 78 (-)gydF4y2Ba | 76 (-)gydF4y2Ba |
一个gydF4y2Ba阻塞性睡眠呼吸暂停。gydF4y2Ba
bgydF4y2BaAUC:接收器工作特性曲线下的面积。gydF4y2Ba
cgydF4y2Ba不可用。gydF4y2Ba
dgydF4y2BaAHI:呼吸暂停-低通气指数。gydF4y2Ba
egydF4y2BaT:测试数据集。gydF4y2Ba
fgydF4y2BaV:验证数据集。gydF4y2Ba
ggydF4y2BaWA:见证了呼吸暂停。gydF4y2Ba
hgydF4y2BaNC:颈围。gydF4y2Ba
我gydF4y2BaAI:呼吸暂停指数。gydF4y2Ba
jgydF4y2BaRDI:呼吸障碍指数。gydF4y2Ba
kgydF4y2Ba内部推导结果。gydF4y2Ba
lgydF4y2Ba交叉验证。gydF4y2Ba
米gydF4y2Ba引导。gydF4y2Ba
ngydF4y2Ba腰围:腰围。gydF4y2Ba
ogydF4y2BaESS:爱普沃斯睡眠量表。gydF4y2Ba
| 研究gydF4y2Ba | 偏颇的风险gydF4y2Ba | 适用性gydF4y2Ba | 整体gydF4y2Ba | ||||||||
| 参与者gydF4y2Ba | 预测gydF4y2Ba | 结果gydF4y2Ba | 分析gydF4y2Ba | 参与者gydF4y2Ba | 预测gydF4y2Ba | 结果gydF4y2Ba | 偏颇的风险gydF4y2Ba | 适用性gydF4y2Ba | |||
| 克罗克等人[gydF4y2Ba), 1990年gydF4y2Ba | 一个gydF4y2Ba |
bgydF4y2Ba |
cgydF4y2Ba |
|
|
|
|
|
|
||
| 支柱等人[gydF4y2Ba), 1994年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 麦斯林等人[gydF4y2Ba), 1995年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 草田等人[gydF4y2Ba), 1997年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| El-Solh等人[gydF4y2Ba), 1999年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Zerah-Lancner等人[gydF4y2Ba] 2000gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| rosutti等人[gydF4y2Ba), 2003年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 邱等人[gydF4y2Ba), 2011年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 邹等[gydF4y2Ba), 2013年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 卡拉曼利等[gydF4y2Ba), 2016年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Tawaranurak等人[gydF4y2Ba), 2021年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Park等人[gydF4y2Ba), 2021年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
一个gydF4y2Ba表明不明确的偏差风险或对适用性的担忧。gydF4y2Ba
bgydF4y2Ba表明在适用性方面存在较低的偏见或担忧风险。gydF4y2Ba
cgydF4y2Ba表示对适用性有很高的偏见或担忧的风险。gydF4y2Ba
带有外部验证的预测模型gydF4y2Ba
共两项研究[gydF4y2Ba，gydF4y2Ba，分别在2000年和2006年对5个预测模型进行了外部验证。首先是一项前瞻性研究，评估了4种临床预测模型[gydF4y2Ba，gydF4y2Ba，gydF4y2Ba，gydF4y2Ba]用于预测OSA是否存在(AHI≥10)。在1996年7月至1997年10月期间，他们包括370名疑似OSA的患者接受了PSG检查。OSA的患病率为67%，结果见gydF4y2Ba和原文的表4 [gydF4y2Ba］．最高的AUC、灵敏度和特异性分别为74%、96%和54%。第二项研究使用了80名疑似OSA患者来评估Kushida等人的研究中描述的模型[gydF4y2Ba］．目的是评估其临床适用性，并确定区分OSA严重程度的临床分界线。虽然作者表示临床应用是存在的，但他们无法定义临床使用的阈值，也没有提出任何歧视措施。gydF4y2Ba
Flemons等人的研究[gydF4y2Ba]，除了产生一个新的预测模型外，还应用了Crocker等人研究中的2个方程[gydF4y2Ba和Viner等人[gydF4y2Ba]设置为已获取的数据集。虽然没有给出实际值，但作者表示auc非常相似。gydF4y2Ba
此外，Flemons等人[gydF4y2Ba]得到Khoo等人的外部验证[gydF4y2Ba]， 52例疑似OSA患者，AUC达到69%。如果定义了60%的临床阈值，该模型在该独立样本中达到78%的敏感性和45%的特异性。gydF4y2Ba
讨论gydF4y2Ba
主要研究结果gydF4y2Ba
AASM的指引[gydF4y2Ba明确指出gydF4y2Ba“临床预测算法可以用于疑似OSA的睡眠临床患者，但不是必须取代PSG的需要。”gydF4y2Ba而gydF4y2Ba“在非睡眠临床环境中，这些工具可能更有助于识别患OSA风险增加的患者。”gydF4y2Ba在非睡眠临床环境中对这些工具的评估没有被AASM专家处理，因为它超出了指南的范围。因此，我们的工作旨在通过在非睡眠环境下使用临床预测算法来补充针对OSA临床怀疑开发的临床算法的第一步来回答这个问题。基于此，我们希望通过聚合来自多变量预测模型的信息来估计OSA存在于尚未确诊的疑似OSA人群中的概率，指出哪些模型最适合排除和排除。gydF4y2Ba
因此，只开发一个模型的研究需要收集证据，以确定该模型是否有助于临床实践(高过拟合)。为此，需要在新的种群数据集中验证模型。一种方法是将数据集分割，或使用不同的技术(如交叉验证或自举)执行有效性评估，甚至更好的方法是将算法应用于独立样本。gydF4y2Ba
在纳入的63项研究中，只有14项(22%)同时进行了算法的开发和外部验证或仅进行了算法的外部验证。大多数选定的研究只开发了36%(23/63)或开发并内部验证了41%(26/63)的预测模型。gydF4y2Ba
Zerah-Lancner等人的研究[gydF4y2Ba]被认为是排除OSA的最佳方法，对AHI≥15的OSA定义的敏感性值为100%。预测变量包括呼吸电导和氧饱和度，从101名参与者的外部人群中选择。在调节阻塞性睡眠呼吸暂停方面做得最好的是Pillar等人的研究。gydF4y2Ba];在155名参与者的验证人群中，AI≥10个症状的特异性为94%，可见证的呼吸暂停、NC、年龄和易入睡作为预测变量。两项研究都使用了逻辑回归作为机器学习方法。Kushida等人[gydF4y2Ba]达到了最大特异性，但作者没有描述获得的结果是用于测试还是外部验证，在一个300参与者的验证数据集中。这两个最好的模型[gydF4y2Ba，gydF4y2Ba]分别在2000年和1992年进行了开发和验证，并呈现出很高的偏差和适用性风险，没有一项研究提供了模型或度量ci的差别能力。gydF4y2Ba
Park等人的最新研究[gydF4y2Ba]，在2021年使用916名参与者(最大样本)的验证数据集进行了测试，与之前的2个最佳模型相比，灵敏度和特异性分别仅达到78%和76%的值。这也是一个logistic回归，选择BMI、年龄、性别、柏林问卷评分和扁桃体分级作为AHI≥5的OSA定义的临床因素。虽然本研究仍然缺乏研究设计或OSA患病率的报道，但其偏倚和适用性风险较低。但它只包括了亚洲患者，所以不能像作者提到的那样被种族化。gydF4y2Ba
优势与局限gydF4y2Ba
重要的是要考虑我们的方法和纳入的临床研究的一些局限性和优势。虽然我们不能确定我们检索了所有发表的文献，但我们相信我们的方法是足够的。通过在3个搜索引擎(1个与健康科学有关，2个与范围更广的其他搜索引擎有关)和2个时间段内进行搜索，将风险降至最低。gydF4y2Ba
PROBAST表明，即使只评估外部验证结果，我们也面临着偏差和适用性的高风险。几乎所有的研究都没有报告研究设计，这可能会在产生绝对概率或甚至不恰当地包括或排除参与者方面产生问题。此外，在这两项研究中，预测因子的定义和测量及其与结果的相关性较高，因为在拟使用模型时，一些预测因子不可用。尽管所有的结果定义都基于PSG，但有些结果没有报告测量是如何计算的，或选择了不同于指南中描述的截止值。虽然所有研究都使用了适当的统计分析，但在测试或验证数据集中，有些研究缺乏合理数量的参与者。关于排除标准或缺失数据处理的信息没有描述，大多数研究基于单变量分析选择预测因子。除了所有接受过金标准测试的参与者外，部分参与者并没有将阻塞性睡眠呼吸暂停作为唯一的纳入标准。gydF4y2Ba
自1988年以来，为了预测个体是否存在阻塞性睡眠呼吸暂停，人们采用了不同的方法，这有助于解开住院筛查或诊断的瓶颈。然而，评估这些方法的偏倚或适用性并非易事，只有3项研究总体上偏倚和适用性风险较低[gydF4y2Ba，gydF4y2Ba，gydF4y2Ba］．此外，需要指出的共同缺失点是:(1)大多数研究没有报道研究设计或研究周期;(2) OSA定义在不同时间、指南和研究中存在差异;(3) OSA患病率从30%到93%不等，有些研究没有描述该比例;(4)未报告敏感性、特异性、AUC等评估诊断价值所需的措施，报告后未显示ci;(5)有的研究只创建了预测模型，有的研究增加了验证任务，但所有的研究都缺乏外部验证。gydF4y2Ba
在选择的机器学习方法中，最常见的是逻辑回归(35/ 63,56%)，其次是线性回归(16/ 63,25%)，支持向量机(9/ 63,14%)，神经网络(8/ 63,13%)，决策树(8/ 63,13%)，贝叶斯网络(4/ 63,6%)，随机森林(2/ 63,3%)，判别分析(2/ 63,3%)，分类和回归树(2/ 63,3%)，nomogram (2/ 63,3%)， Pearson相关(1/ 63,2%)，自适应神经模糊推理系统(1/ 63,2%)，人工免疫识别系统(1/ 63,2%)，遗传算法(1/ 63,2%)，超稀疏线性整数模型(1/ 63,2%)，k最近邻算法(1/ 63,2%)。gydF4y2Ba
结论gydF4y2Ba
总之，这篇综述提供了OSA诊断模型的广泛、全面和最新的综合。预测OSA是可能的，只需考虑简单和可用的预测因素，如BMI、年龄、性别或NC，以及达到高水平的敏感性或特异性，这取决于我们想选择排除或排除的方法。gydF4y2Ba
致谢gydF4y2Ba
DFS承认在博士赠款(PD/BD/13553/2018和COVID/BD/152608/2022)下Fundação para a Ciência e Tecnologia提供资金。本文由国家基金通过卫生技术和服务研究中心研究和发展股内的Fundação第Ciência ea Tecnologia段提供支持(参考UIDP/4255/2020)。gydF4y2Ba
利益冲突gydF4y2Ba
没有宣布。gydF4y2Ba
参考文献gydF4y2Ba
- Kapur VK, Auckley DH, Chowdhuri S, Kuhlmann DC, Mehra R, Ramar K，等。成人阻塞性睡眠呼吸暂停诊断试验临床实践指南:美国睡眠医学学会临床实践指南。临床睡眠医学杂志2017年3月15日;13(3):479-504 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Benjafield AV, Ayas NT, Eastwood PR, Heinzer R, Ip MS, Morrell MJ，等。阻塞性睡眠呼吸暂停全球患病率和负担的估计:一项基于文献的分析。《柳叶刀呼吸医学》2019年8月7日(8):687-698。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
- Kendzerska T, Mollayeva T, Gershon AS, Leung RS, Hawker G, Tomlinson G.未治疗的阻塞性睡眠呼吸暂停与严重长期不良结果的风险:一项系统综述。睡眠医学Rev 2014 Feb;18(1):49-59。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 林辉，赖春，林鹏，Friedman M, Salapatas AM, Chang H，等。成人习惯性打鼾患者阻塞性睡眠呼吸暂停的临床预测模型。耳鼻咽喉头颈外科2019 7月02;161(1):178-185。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Ouzzani M, Hammady H, Fedorowicz Z, Elmagarmid A. rayyan -一个系统评论的网页和移动应用程序。Syst Rev 2016年12月05;5(1):210 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- moon KG, Wolff RF, Riley RD, Whiting PF, Westwood M, Collins GS，等。PROBAST:评估偏倚风险和预测模型研究适用性的工具:解释和阐述。Ann Intern Med 2019 1月01日;170(1):W1。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
- Ustun B, Westover MB, Rudin C, Bianchi MT.睡眠呼吸暂停的临床预测模型:病史对症状的重要性。J clinin Sleep Med 2016 Feb;12(2):161-168 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Haberfeld C, Sheta A, Hossain MS, Turabieh H, Surani S.利用机器学习模型诊断阻塞性睡眠呼吸暂停的SAS移动应用。见:第11届IEEE年度普适计算、电子和移动通信会议(UEMCON)论文集。2020年发表于:第十一届IEEE年度普适计算、电子和移动通信会议(UEMCON);2020年10月28-31日;美国纽约。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
- Kapuniai LE, Andrew DJ, Crowell DH, Pearce JW。从自我报告中识别睡眠呼吸暂停。Sleep 1988 Oct;11(5):430-436。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Morris LG, Kleinberger A, Lee KC, Liberatore LA, Burschtin O.基于打鼾严重程度和体重指数的阻塞性睡眠呼吸暂停快速风险分层。耳鼻咽喉头颈外科2008年11月24日;139(5):615-618。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Deegan PC, McNicholas WT.阻塞性睡眠呼吸暂停综合征临床特征的预测价值。Eur Respir J 1996 Jan;9(1):117-124 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Viner S, Szalai JP, Hoffstein V.病史和体格检查是睡眠呼吸暂停的良好筛查手段吗?Ann实习医学1991年9月01日;115(5):356-359。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 基南后卫，安德森B，维格斯B，瑞恩CF，弗雷瑟姆JA。家庭血氧测定仪对疑似阻塞性睡眠呼吸暂停患者的预测准确性。Sleep 1993 Dec;16(8增补):S133-S134。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Hoffstein V, Szalai JP。临床特征对阻塞性睡眠呼吸暂停诊断的预测价值。睡眠1993 Feb;16(2):118-122。［gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 弗莱蒙斯WW，怀特洛WA，布兰特R，雷默斯JE。睡眠呼吸暂停临床预测规则的似然比。美国呼吸危重护理医学1994年11月;150(5 Pt 1):1279-1285。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Vaidya AM, Petruzzelli GJ, Walker RP, McGee D, Gopalsami C.识别激光辅助悬垂腭成成术患者的阻塞性睡眠呼吸暂停。喉镜1996年4月;106(4):431-437。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Pradhan PS, Gliklich RE, Winkelman J.打鼾手术患者的阻塞性睡眠呼吸暂停筛查。喉镜1996年11月;106(11):1393-1397。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Friedman M, Tanyeri H, La Rosa M, Landsberg R, Vaidyanathan K, Pieri S，等。阻塞性睡眠呼吸暂停的临床预测指标。喉镜1999年12月;109(12):1901-1907。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 迪克森·杰比，沙克特LM，奥布莱恩PE。预测重度肥胖者的睡眠呼吸暂停和过度白天嗜睡:多导睡眠描记术的指标。胸2003年4月;123(4):1134-1141。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Martinez-Rivera C, Abad J, Fiz JA, Rios J, Morera J.躯干肥胖指数作为阻塞性睡眠呼吸暂停综合征预测因素的有效性。肥胖(银泉)2008年1月;16(1):113-118 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Herzog M, Kühnel T, Bremert T, Herzog B, Hosemann W, Kaftan H.睡眠呼吸障碍的上呼吸道:一个临床预测模型。喉镜2009年4月;119(4):765-773。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 叶平，李勇，李伟，陈胜，何胜，彭伟，等。亚洲肥胖患者阻塞性睡眠呼吸暂停的临床预测因素。Obes外科2010年1月12日;20(1):30-35。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Hukins C. Mallampati类在睡眠临床患者的临床评估中并不有用。临床睡眠医学杂志2010 12月15日;06(06):545-549。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
- Musman S, Passos VM, Silva IB, Barreto SM。多导睡眠描记术患者睡眠呼吸暂停预测模型的评价。J Bras pneummol 2011 Feb;37(1):75-84 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Sareli AE, Cantor CR, Williams NN, Korus G, Raper SE, Pien G，等。接受减肥手术患者的阻塞性睡眠呼吸暂停——三级中心经验。2011年3月11日;21(3):316-327。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 曾敏明，徐宏昌，张成昌，丁浩，吴宏昌，唐ph .基于数据挖掘方法的android智能手机阻塞性睡眠呼吸暂停预测应用开发。第九届泛在智能与计算国际会议论文集和第九届自主与可信计算国际会议论文集。20122012年9月4- 7日;日本福冈。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
- Sahin M, Bilgen C, Tasbakan MS, Midilli R, Basoglu OK。呼吸暂停-低通气指数的临床预测公式。国际耳鼻咽喉杂志2014;2014:438376-438375 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 丁红，麦莹，徐红，吴红，曾敏。基于决策树的中、重度阻塞性睡眠呼吸暂停诊断系统。J Med Syst 2014 9月11日;38(9):94。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Sutherland K, Lee RW, Petocz P, Chan TO, Ng S, Hui DS，等。中国人阻塞性睡眠呼吸暂停的颅面表型预测。呼吸科学2016 Aug 15;21(6):1118-1125。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Del Brutto OH, Mera RM, Recalde BY, Castillo PR.颈抓作为诊断社区老年人阻塞性睡眠呼吸暂停筛查工具的评估。J Prim Care社区卫生2020年12月24日;11:2150132720984421 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 陈永飞，陈建华，林永杰，太杰。支持向量机对重度阻塞性呼吸暂停的诊断与预测。2008年机器学习与控制论国际会议论文集，2008年发表于:2008年机器学习与控制论国际会议;2008年7月12-15日;昆明。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
- Kirby SD, Eng P, Danter W, George CF, Francovic T, Ruby RR，等。从临床标准判断阻塞性睡眠呼吸暂停的神经网络预测。胸1999年8月;116(2):409-415。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Lam B, Ip MS, Tench E, Ryan CF.亚裔和白人阻塞性睡眠呼吸暂停患者的颅面特征。Thorax 2005 Jun 01;60(6):504-510 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Julià-Serdà G, Pérez-Peñate G, Saavedra-Santana P, Ponce-González M, valen西亚- gallardo JM, Rodríguez-Delgado R，等。头影测量在疑似阻塞性睡眠呼吸暂停患者保留多导睡眠描记术中的应用价值。睡眠呼吸2006 12月20日;10(4):181-187。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Polat K, Yosunkaya P, Güneş S.阻塞性睡眠呼吸暂停综合征自动检测中不同分类器算法的比较。中华医学杂志2008年6月16日;32(3):243-250。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Lee RW, Petocz P, Prvan T, Chan AS, Grunstein RR, Cistulli PA。颅面摄影分析预测阻塞性睡眠呼吸暂停。Sleep 2009 Jan;32(1):46-52 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Rofail LM, Wong KK, Unger G, Marks GB, Grunstein RR。单通道鼻气流压力传感器在家庭OSA诊断中的应用。Sleep 2010 Aug;33(8):1097-1105 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 陈宁，陈明，李红，陈晨，王鹏。一种使用生活质量测量和脉搏血氧仪筛查成人睡眠呼吸障碍的双层筛查模型。睡眠呼吸2011年9月7日;15(3):447-454。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Bucca C, Brussino L, Maule MM, Baldi I, Guida G, Culla B，等。中重度阻塞性睡眠呼吸暂停的临床和功能预测。中华临床呼吸杂志2011年10月5(4):219-226。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Bouloukaki I, Kapsimalis F, Mermigkis C, Kryger M, Tzanakis N, Panagou P，等。希腊人口中阻塞性睡眠呼吸暂停综合征的预测。睡眠呼吸2011 12月25日;15(4):657-664。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 孙丽敏，赵浩，庄春春，刘琳。基于人工智能系统的中、重度阻塞性睡眠呼吸暂停预测模型。睡眠呼吸2011年9月4日;15(3):317-323。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Laporta R, Anandam A, El-Solh AA使用基于计算机的临床决策支持系统筛查患有缺血性心脏病的退伍军人的阻塞性睡眠呼吸暂停。2012年9月3日;101(9):737-744。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 杭玲，林红，程超，蒋建勇，王辉，陈勇。基于遗传算法和集成支持向量机的重度阻塞性睡眠呼吸暂停诊断模型。应用数学科学2015年2月1日;9(1L):149-157。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
- 杭林，王宏，陈杰，徐杰，林宏，钟伟，等。夜间血氧测定在诊断中至重度阻塞性睡眠呼吸暂停患者中的有效性。BMC Pulm Med 2015年3月20日;15(1):24 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Bozkurt S, Bostanci A, Turhan M.统计机器学习算法是否有助于阻塞性睡眠呼吸暂停严重程度的分类，以优化多导睡眠图资源的利用?方法Inf Med 2018年1月24日;56(04):308-318。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
- Ferreira-Santos D, Rodrigues PP.用临床数据改进阻塞性睡眠呼吸暂停的诊断:贝叶斯网络方法。见:IEEE第30届基于计算机的医疗系统国际研讨会论文集。2017年参加IEEE第30届基于计算机的医疗系统(CBMS)国际研讨会;2017年6月22-24日;塞萨洛尼基希腊。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
- 刘伟，吴宏，Juang J, Wisniewski A, Lee H, Wu D，等。基于支持向量机的人体特征对阻塞性睡眠呼吸暂停严重程度的预测。PLoS One 2017 5月4日;12(5):e0176991 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Manoochehri Z, Rezaei M, Salari N, Khazaie H, Khaledi Paveh B, Manoochehri S.利用数据挖掘方法预测阻塞性睡眠呼吸暂停。Arch Iran Med 2018年10月01;21(10):460-465 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Manoochehri Z, Salari N, Rezaei M, Khazaie H, Manoochehri S, paveh B.基于遗传算法和logistic回归的支持向量机诊断阻塞性睡眠呼吸暂停的比较。中华医学杂志2018;23(1):65。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
- 徐辉，赵旭，石勇，李旭，钱勇，邹杰，等。开发和验证一种简单使用的预测阻塞性睡眠呼吸暂停的临床诺姆图。BMC Pulm Med 2019 1月18日;19(1):18 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Ferreira-Santos D, Rodrigues PP.使用贝叶斯网络方法建立阻塞性睡眠呼吸暂停的临床风险矩阵。2018年4月13日;8(4):339-349。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
- 王晓燕，王晓燕，王晓燕。基于监督机器学习的阻塞性睡眠呼吸暂停预测模型研究。种马健康技术通知2020年6月26日;272:387-390。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 陈伟，冯杰，王赟，王超，董卓。预测肥胖手术患者阻塞性睡眠呼吸暂停的nomogram预测方法的开发与验证。Nat science Sleep 2021年6月;13:1013-1023。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
- 徐燕，王娟，黄萍，钱燕，赵超，林晨。结合领域知识和机器学习检测阻塞性睡眠呼吸暂停:打鼾是一种重要的生物特征。J Sleep Res 2022 Apr 21;31(2):e13487。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Crocker BD, Olson LG, Saunders NA, Hensley MJ, McKeon JL, Allen KM，等。在睡眠研究前对睡眠中呼吸紊乱概率的估计。Am Rev respiratory Dis 1990 july;142(1):14-18。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- P.特定危险因素、症状和体征在诊断阻塞性睡眠呼吸暂停及其严重程度中的预测价值。J Sleep Res 1994 Dec;3(4):241-244 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Maislin G, Pack AI, Kribbs NB, Smith PL, Schwartz AR, Kline LR，等。预测呼吸暂停的调查屏幕。睡眠1995年4月18日(3):158-166。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 阻塞性睡眠呼吸暂停综合征的预测形态学模型。Ann Intern Med 1997年10月15日;127(8 Pt 1):581-587。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- El-Solh AA, Mador MJ, Ten-Brock E, Shucard DW, bul- khoudoud M, Grant BJ。神经网络在睡眠呼吸暂停中的有效性。睡眠1999 Feb 01;22(1):105-111。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Zerah-Lancner F, Lofaso F, d'Ortho MP, Delclaux C, Goldenberg F, Coste A，等。肺功能参数对睡眠呼吸暂停综合征的预测价值。美国呼吸危急护理医学2000年12月;162(6):2208-2212。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- rosutti J, Hensley M, Thakkinstian A, D'Este C, Attia J.多导睡眠描记术在疑似睡眠呼吸暂停患者中的优先排序的临床决策规则。睡眠2004 6月15日;27(4):694-699。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 邱生，保华，陈燕，耿伟，施丹，林志强。不同临床人群阻塞性睡眠呼吸暂停临床预测模型的诊断特征。睡眠呼吸2011年9月4日;15(3):431-437。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 邹军，关军，易华，熊勇，唐旭，等。筛选阻塞性睡眠呼吸暂停的有效模型:一项大规模诊断研究。PLoS One 2013 Dec 2;8(12):e80704 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Karamanli H, Yalcinoz T, Yalcinoz MA, Yalcinoz T.基于人工神经网络的阻塞性睡眠呼吸暂停诊断预测模型。睡眠呼吸2016年5月19日;20(2):509-514。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Tawaranurak K, Kamolphiwong S, sai - wong S, Vasupongayya S, Kamolphiwong T, Bumrungsena C，等。识别阻塞性睡眠呼吸暂停低通气综合征风险患者的新预测模型的有效性。耳鼻喉J 2021年1月04:145561320986045 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Park D, Kim J, Park B, Kim HJ。评估亚洲成年人阻塞性睡眠呼吸暂停的危险因素和临床预测公式。PLoS One 2021年2月2日;16(2):e0246399 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Rowley JA, Aboussouan LS, Badr MS.临床预测公式在阻塞性睡眠呼吸暂停评估中的应用。睡眠2000 11月01;23(7):929-938。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Soares MC, de Azeredo Bittencourt LR, Zonato AI, Gregório LC。Kushida形态计量学模型在睡眠呼吸障碍患者中的应用。巴西耳鼻咽喉杂志2006年7月;72(4):541-548。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
gydF4y2Ba
缩写gydF4y2Ba
| 发布:gydF4y2Ba美国睡眠医学学会gydF4y2Ba |
| 你好:gydF4y2Ba低通气指数gydF4y2Ba |
| AUC:gydF4y2Ba接收器工作特性曲线下的面积gydF4y2Ba |
| NC:gydF4y2Ba颈围gydF4y2Ba |
| 阻塞性睡眠呼吸暂停综合症:gydF4y2Ba阻塞性睡眠呼吸暂停gydF4y2Ba |
| PROBAST:gydF4y2Ba预测模型风险偏差评估工具gydF4y2Ba |
| 普洛斯彼罗:gydF4y2Ba国际前瞻性系统评论登记册gydF4y2Ba |
| PSG:gydF4y2Ba多导睡眠描记术gydF4y2Ba |
R·库卡夫卡编辑;提交10.05.22;同行评议M piulin, R damaviviius;对作者13.06.22的评论;修订版收到20.06.22;接受19.07.22;发表30.09.22gydF4y2Ba
版权gydF4y2Ba©Daniela Ferreira-Santos, Pedro Amorim, Tiago Silva Martins, Matilde Monteiro-Soares, Pedro Pereira Rodrigues。最初发表于《医学互联网研究杂志》(//www.mybigtv.com)， 30.09.2022。gydF4y2Ba
这是一篇开放获取的文章，根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)发布，该协议允许在任何媒体上不受限制地使用、分发和复制，前提是要正确引用最初发表在《医学互联网研究杂志》上的原始作品。必须包括完整的书目信息，//www.mybigtv.com/上的原始出版物链接，以及版权和许可信息。gydF4y2Ba