审查gydF4y2Ba
摘要gydF4y2Ba
背景:gydF4y2Ba美国睡眠医学学会指南建议，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，以多导睡眠描记术作为金标准结果测量，评估不同机器学习技术的有效性，并使用预测模型偏倚风险评估工具(Kleijnen系统评价有限公司)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(尽管并非所有研究都报告了最常见的鉴别指标、敏感性或特异性)。35项研究采用逻辑回归，16项研究采用线性回归，9项研究采用支持向量机，8项研究采用神经网络，6项研究采用决策树，4项研究采用贝叶斯网络。随机森林、判别分析、分类回归树、nomogram各2项研究，Pearson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、k-最近邻算法各1项研究。在logistic回归中，年龄、腰围、Epworth嗜睡量表评分和氧饱和度作为预测因素，受试者工作曲线下的最佳面积为0.98(0.96-0.99)。gydF4y2Ba
结论:gydF4y2Ba虽然获得了较高的值，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(低通气)或完全(呼吸暂停)上呼吸道阻塞，在整个睡眠过程中反复发作。其患病率根据OSA的定义(方法、使用的标准，如呼吸暂停指数、呼吸暂停低通气指数[AHI]或呼吸障碍指数和阈值定义)和被研究人群的不同而有显著差异[gydF4y2Ba］．Benjafield等人的研究[gydF4y2Ba据估计，全世界有9.36亿30岁至69岁的成年人患有阻塞性睡眠呼吸暂停综合症。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)是诊断阻塞性睡眠呼吸暂停的金标准测试[gydF4y2Ba］．然而，执行PSG是昂贵、耗时和劳动密集型的。大多数睡眠实验室都面临着漫长的患者等待名单，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获益的患者的临床预测模型是有用的，即在概率较低时排除OSA诊断，在考虑PSG之前建立先验概率，并根据结果阳性的概率对需要PSG的患者进行优先排序。这一观点得到了美国睡眠医学学会(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导致排除还是排除方法。在第一种情况下，我们应该有一个高灵敏度的模型，不需要对健康患者进行PSG检查。相比之下，如果我们选择rule-in方法，则需要高特异性模型来选择OSA概率高的患者，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，这些方法正在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
该系统评价是根据PROSPERO(国际前瞻性系统评价注册;CRD42021221339)。gydF4y2Ba
搜寻策略及选择准则gydF4y2Ba
我们搜索了MEDLINE数据库(PubMed)以及截至2020年6月以英语、法语、西班牙语或葡萄牙语出版的Scopus和ISI知识网络中可用的所有证据。使用了特定的查询(2021年10月进行了刷新)，并通过使用所收录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，还同外地专家联系，检查是否已取得所有有关资料。文章由3名审稿人独立选择(彼此不知道对方的评估)，将标准应用于每个标题和摘要，然后进行全面评估。分歧的意见通过协商一致得到解决。所有流程都在Rayyan中进行，Rayyan是一个用于系统评估的web应用程序和移动应用程序[gydF4y2Ba］．gydF4y2Ba
纳入疑似OSA成年患者(人群)的研究，使用已知的OSA症状和体征(暴露和比较者)评估预测模型的准确性，并以PSG为金标准(结果)，符合选择标准。gydF4y2Ba
数据提取gydF4y2Ba
一旦选择了文章，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、发表日期、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、分析的临床因素、分析的诊断试验和潜在偏差。对于每种类型的模型，都创建并实现了特定的数据提取，如下面的表格所示。我们根据获得的文章结果对确定的研究进行了排序:首先，只开发了算法的文章;然后是内部验证算法的人;最后是外部验证预测算法的人。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，如果研究应用了不同的机器学习方法，则只对获得的最佳模型描述临床因素分析和判别措施。gydF4y2Ba
偏误风险gydF4y2Ba
在2个时间点，1名审稿人对所有纳入的研究应用预测模型偏倚风险评估工具(PROBAST)评估偏倚风险和适用性。这是针对开发、验证或更新诊断预测模型的研究。更多细节可在Moons等人的研究[gydF4y2Ba］．需要提到的一个重要方面是，该工具指出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，并且它在所有领域都被评为低偏倚风险，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，这样的模型才能被认为是低偏倚风险。”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。对于内部验证的患者，偏倚风险将取决于基于每个变量事件数的样本量(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≥100)。此外，将单个数据集随机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。在5479篇文章中，我们保留了63篇符合纳入标准的研究gydF4y2Ba．gydF4y2Ba
所有被评估的文章都进行了金标准检查- psg，其中一篇还增加了分夜检查的诊断部分[gydF4y2Ba］．最高年龄为96岁[gydF4y2Ba54%(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到16岁之间变化。此外，10%(6/63)的研究报告了年龄<18岁的人群(2/6的研究中>为14岁，>为15岁，33%;4/6的研究中>为16岁，>为17岁，其他分别为66%)。关于OSA的怀疑，65%(41/63)的研究中出现了这种描述，而32%(20/63)的研究中出现了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阻塞性睡眠呼吸暂停患者的研究[gydF4y2Ba]和另一份没有明确说明这一点的;相反，作者写道，已经被诊断患有阻塞性睡眠呼吸暂停的患者被排除在研究之外。超过一项研究分析的各种临床因素的发生频率显示在gydF4y2Ba．gydF4y2Ba
审稿人在两个阶段都存在分歧，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 | 发生频率，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 |
| 爱普沃斯嗜睡量表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 |
| 修正Mallampati评分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 |
| 弗里德曼舌头评分gydF4y2Ba | 2 (3)gydF4y2Ba |
| 吸食gydF4y2Ba | 2 (3)gydF4y2Ba |
预测模型开发gydF4y2Ba
23项研究开发了新的预测模型，在gydF4y2Ba．最常见的方法是回归技术，与决策树和支持向量机(3/ 23,13%)相比，逻辑回归(6/ 23,26%)，线性(6/ 23,26%)，逻辑回归和线性(6/ 23,26%)。此外，4%(1/23)的文章产生了皮尔森相关性，另一个(1/ 23,4%)产生了决策树。最古老的模型是在1991年开发的，其中包括性别、年龄、BMI和打鼾，而在2020年，除了这些预测变量外，还包括身高、体重、腰围、臀围(NC)、修正弗里德曼评分、白天嗜睡和爱普沃斯嗜睡量表评分。只有13%(3/23)的研究描述了研究设计和周期，22%(5/23)是回顾性研究。关于PSG对OSA的定义，4%(1/23)的研究未报告截止值，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的总体患病率在31%至87%之间，9%(2/23)的研究给出了不正确的百分比值[gydF4y2Ba，gydF4y2Ba］．对于鉴别措施，虽然未进行验证，但受试者工作特征曲线下的最佳面积(AUC)、敏感性和特异性分别为99%、100%和95%。还应该注意的是，4%(1/23)没有提到最佳预测模型(未用斜体标记)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 | 阻塞性睡眠呼吸暂停患病率，n (%)gydF4y2Ba | AUCgydF4y2BabgydF4y2Ba， % (95% ci)gydF4y2Ba | 灵敏度，% (95% CI)gydF4y2Ba | 特异性，% (95% CI)gydF4y2Ba |
| Viner等[gydF4y2Ba), 1991年gydF4y2Ba | 未来的;- - - - - -gydF4y2BacgydF4y2Ba | 逻辑回归gydF4y2Ba | 性别、年龄、体重指数和打鼾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，华盛顿州gydF4y2BafgydF4y2Ba白天嗜睡、驾驶困倦、氧饱和度降低和心率频率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[gydF4y2Ba] 1994gydF4y2Ba | - - - - - -;1990年2月至1990年9月gydF4y2Ba | 物流和gydF4y2Ba线性gydF4y2Ba回归gydF4y2Ba | 嗜睡、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、体重指数、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 | Logistic和线性回归gydF4y2Ba | 性别、年龄、打鼾、WA、驾驶困倦、饮酒、BMI、下降次数≥4%、最低氧饱和度和NCgydF4y2Ba | 你好≥15gydF4y2Ba | 250gydF4y2Ba | 135 (54)gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba |
| 普拉丹等[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 |
| 弗里德曼等人[gydF4y2Ba), 1999年gydF4y2Ba | 未来的;- - - - - -gydF4y2Ba | 线性回归gydF4y2Ba | 改良Mallampati分级、扁桃体大小分级和BMIgydF4y2Ba | RDI > 20gydF4y2Ba | 172gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba |
| 狄克逊等[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[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[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[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，舌面塌陷，BMI和ESSgydF4y2BahgydF4y2Ba分数gydF4y2Ba | 你好> 5gydF4y2Ba | 622gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 女性:98 (-)gydF4y2Ba | 女性:22岁(-)gydF4y2Ba |
| 叶等人[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 |
| Hukins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类gydF4y2Ba | 你好> 30gydF4y2Ba | 953gydF4y2Ba | 297 (31)gydF4y2Ba | - - - - - -gydF4y2Ba | 40 (36-45)gydF4y2Ba | 67年(64 - 69)gydF4y2Ba |
| Musman等[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、过敏性鼻炎gydF4y2Ba | 你好> 5gydF4y2Ba | 323gydF4y2Ba | 229 (71)gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba |
| Sareli等[gydF4y2Ba), 2011年gydF4y2Ba | - - - - - -;2005年11月至2007年1月gydF4y2Ba | 逻辑回归gydF4y2Ba | 年龄、BMI、性别和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，夜前收缩压，夜后收缩压gydF4y2Ba | 你好≥15gydF4y2Ba | 540gydF4y2Ba | 394 (73)gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba |
| 沙欣等[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 |
| 廷等[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，分类和回归树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[gydF4y2Ba), 2019年gydF4y2Ba | 回顾;- - - - - -gydF4y2Ba | 线性回归gydF4y2Ba | 性别，更新的弗里德曼舌位，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[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、WC、臀围、BMI、年龄、颈部大小、改良Friedman评分、打鼾、性别、白天嗜睡、ESS评分gydF4y2Ba | - - - - - -gydF4y2Ba | 620gydF4y2Ba | 357 (58)gydF4y2Ba | 男性:61 (-)gydF4y2Ba | 男性:86 (-)gydF4y2Ba | 男性:70 (-)gydF4y2Ba |
一个gydF4y2Ba阻塞性睡眠呼吸暂停。gydF4y2Ba
bgydF4y2BaAUC:接受者工作特性曲线下面积。gydF4y2Ba
cgydF4y2Ba不可用。gydF4y2Ba
dgydF4y2BaAHI:呼吸暂停低通气指数。gydF4y2Ba
egydF4y2BaNC:颈围。gydF4y2Ba
fgydF4y2BaWA:目击到呼吸暂停。gydF4y2Ba
ggydF4y2BaRDI:呼吸障碍指数。gydF4y2Ba
hgydF4y2Ba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指标执行开发，它们都被认为在分析领域(gydF4y2Ba)．关于结局域，大多数研究被标记为高风险，因为大多数研究没有预先指定的或标准的结局定义。此外，尽管一些研究被标记为高风险，而另一项研究被标记为不明确，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执行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 | 偏倚风险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 | 偏倚风险gydF4y2Ba | 适用性gydF4y2Ba | |||
| Viner等[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[gydF4y2Ba), 1994年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Vaidya等[gydF4y2Ba), 1996年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 迪根等人[gydF4y2Ba), 1996年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 普拉丹等[gydF4y2Ba), 1996年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 弗里德曼等人[gydF4y2Ba), 1999年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 狄克逊等[gydF4y2Ba), 2003年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 莫里斯等[gydF4y2Ba), 2008年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 马丁内斯-里维拉等[gydF4y2Ba), 2008年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 赫尔佐格等[gydF4y2Ba), 2009年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 叶等人[gydF4y2Ba), 2010年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Hukins [gydF4y2Ba), 2010年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Musman等[gydF4y2Ba), 2011年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Sareli等[gydF4y2Ba), 2011年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 曾等人[gydF4y2Ba), 2012年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 沙欣等[gydF4y2Ba), 2014年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 廷等[gydF4y2Ba), 2014年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 萨瑟兰等[gydF4y2Ba), 2016年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 林等[gydF4y2Ba), 2019年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 布鲁托等[gydF4y2Ba), 2020年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 哈伯菲尔德等人[gydF4y2Ba), 2020年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
一个gydF4y2Ba表明在适用性方面存在不明确的偏差风险或担忧。gydF4y2Ba
bgydF4y2Ba表明对适用性存在偏差或担忧的风险较低。gydF4y2Ba
cgydF4y2Ba表示在适用性方面存在较高的偏差或担忧风险。gydF4y2Ba
开发具有内部验证的预测模型gydF4y2Ba
出于内部验证的目的，我们考虑了之前在方法部分提到的进行交叉验证(11/ 26,42%)、使用自举技术(4/ 26,15%)或使用分割数据(14/ 26,54%)的研究。最小样本量为83人，最高样本量为6399人，两者均呈现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不正确的值[gydF4y2Ba]，而另一些则最低为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时期，以回顾性设计最为常见。gydF4y2Ba
此外,gydF4y2Ba显示不同的OSA定义，8%(2/26)的研究未报告截断值，最常见的定义是AHI≥5(8/ 26,31%)，其次是AHI≥15(5/ 26,19%)。值得注意的是，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、敏感性和特异性分别为97%、99%和97%。AUC最好的模型包含了PSG收集的预测变量，如唤醒指数，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，得到了最佳的灵敏度值。共有4项研究报告了临床截止点，这允许潜在的临床阈值重要性，2项研究报告了50%，另外2项研究报告了32%。gydF4y2Ba
相比之下gydF4y2Ba，gydF4y2Ba表明虽然进行了内部验证，但只有8%(2/26)的研究在Analysis领域存在低偏倚风险，原因是没有提出相关的校准或鉴别措施，如AUC，并且仅使用gydF4y2BaPgydF4y2Ba值来选择预测器。此外，在参与者领域的适用性中，8%(2/26)的研究被标记为具有较高的适用性风险，因为它们没有只选择疑似OSA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 | 阻塞性睡眠呼吸暂停患病率，n (%)gydF4y2Ba | AUCgydF4y2BabgydF4y2Ba， % (95% ci)gydF4y2Ba | 灵敏度，% (95% CI)gydF4y2Ba | 特异性，% (95% CI)gydF4y2Ba | |||||||||
| 卡普奈等[gydF4y2Ba), 1988年gydF4y2Ba | - - - - - -gydF4y2BacgydF4y2Ba | 判别分析gydF4y2Ba | 呼吸停止，腺样体切除，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，经历窒息，WAgydF4y2BafgydF4y2Ba，观察到窒息，白天嗜睡，ESSgydF4y2BaggydF4y2Ba、高血压、饮酒、吸烟、身高、体重、BMI、血压、扁桃体肿大、软腭肿大、口咽拥挤、临床评分总和为二元分类值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[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、去饱和、ESS评分、胎口与胎口之间的距离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[gydF4y2Ba), 2008年gydF4y2Ba | - - - - - -;2004年1月至2005年12月gydF4y2Ba | 支持向量机gydF4y2Ba | 氧饱和度指数gydF4y2Ba | 你好≥5gydF4y2Ba | 566gydF4y2BajgydF4y2Ba | 491 (87)gydF4y2Ba | - - - - - -gydF4y2Ba | 43 (-)gydF4y2Ba | 94 (-)gydF4y2Ba | |||||||||
| 李等[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，改良Mallampati类gydF4y2Ba | 你好≥10gydF4y2Ba | 180gydF4y2BajgydF4y2Ba | 114 (63)gydF4y2Ba | 87 (-)gydF4y2BakgydF4y2Ba | 85 (-)gydF4y2BakgydF4y2Ba | 70 (-)gydF4y2BakgydF4y2Ba | |||||||||
| Rofail等[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)和鼻流量RDIgydF4y2Ba米gydF4y2Ba | 你好≥5gydF4y2Ba | DgydF4y2Ba1gydF4y2Ba= 96;DgydF4y2Ba2gydF4y2Ba= 97gydF4y2Ba | 139 (72)gydF4y2Ba | 89年(81 - 97)gydF4y2Ba | 85 (-)gydF4y2Ba | 92 (-)gydF4y2Ba | |||||||||
| 陈等[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[gydF4y2Ba), 2011年gydF4y2Ba | 未来的;2004年1月至2005年12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[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[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 | 人口统计学数据，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[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、白天嗜睡、入睡困难、打鼾、呼吸停止、睡眠不安和喘气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 | |||||||||
| 杭等[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 | |||||||||
| 杭等[gydF4y2Ba), 2015年gydF4y2Ba | - - - - - -;2004年1月至2005年12月gydF4y2Ba | 支持向量机gydF4y2Ba | 氧饱和度指数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[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，吸烟gydF4y2Ba | 你好> 5gydF4y2Ba | 1922gydF4y2BajgydF4y2Ba | 1478 (77)gydF4y2Ba | 79 (-)gydF4y2Ba | 64 (-)gydF4y2Ba | 23日(-)gydF4y2Ba | |||||||||
| Bozkurt等人[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、神经网络gydF4y2Ba | 性别，年龄，BMI, NC和吸烟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、饮酒、ESS、浓度降低、房颤、中风、心肌梗死、驾驶员、日间嗜睡gydF4y2Ba | 你好≥5gydF4y2Ba | 194gydF4y2BajgydF4y2Ba | 128 (66)gydF4y2Ba | 76年(73 - 78)gydF4y2Ba | 81年(79 - 83)gydF4y2Ba | 48 (44-51)gydF4y2Ba | |||||||||
| 刘等[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[gydF4y2Ba), 2018年gydF4y2Ba | - - - - - -;2012 - 2016gydF4y2Ba | 逻辑回归和gydF4y2Ba决策树gydF4y2Ba | WC，打鼾，性生活，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[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[gydF4y2Ba), 2019年gydF4y2Ba | - - - - - -;2007 - 2016gydF4y2Ba | 列线图gydF4y2Ba | 年龄、性别、血糖、载脂蛋白B、胰岛素、BMI、NC、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 | |||||||||
| Ferreira-Santos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[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、因打鼾声而醒、打鼾、背痛、睡眠不安、BMI和WAgydF4y2Ba | 你好> 15gydF4y2Ba | 231gydF4y2BajgydF4y2Ba | 152 (66)gydF4y2Ba | 75 (-)gydF4y2Ba | 86 (-)gydF4y2Ba | 53 (-)gydF4y2Ba | |||||||||
| 陈等[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[gydF4y2Ba), 2021年gydF4y2Ba | - - - - - -;2011年12月至2018年8月gydF4y2Ba | 逻辑回归gydF4y2Ba支持向量机，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:接受者工作特性曲线下面积。gydF4y2Ba
cgydF4y2Ba不可用。gydF4y2Ba
dgydF4y2BaAI:呼吸暂停指数。gydF4y2Ba
egydF4y2BaDgydF4y2Ba1gydF4y2BaDgydF4y2Ba2gydF4y2Ba， DgydF4y2Ba3.gydF4y2Ba:数据集。gydF4y2Ba
fgydF4y2BaWA:目击到呼吸暂停。gydF4y2Ba
ggydF4y2Ba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
ngydF4y2BaFEF50/FIF50:强制呼气中/吸气中气流比。gydF4y2Ba
ogydF4y2BaCOHB%:碳氧血红蛋白饱和度。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 | 偏倚风险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 | 偏倚风险gydF4y2Ba | 适用性gydF4y2Ba | |||
| 卡普奈等[gydF4y2Ba), 1988年gydF4y2Ba | 一个gydF4y2Ba |
bgydF4y2Ba |
|
|
|
|
|
|
|
||
| 柯比等[gydF4y2Ba), 1999年gydF4y2Ba | |
cgydF4y2Ba |
|
|
|
|
|
|
|
||
| 林等[gydF4y2Ba), 2005年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Julià-Serdà等[gydF4y2Ba), 2006年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 波拉特等[gydF4y2Ba), 2008年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 陈等[gydF4y2Ba), 2008年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 李等[gydF4y2Ba), 2009年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Rofail等[gydF4y2Ba), 2010年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 陈等[gydF4y2Ba), 2010年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 布卡等[gydF4y2Ba), 2010年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Bouloukaki等[gydF4y2Ba), 2011年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 孙等[gydF4y2Ba), 2011年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 拉波尔塔等[gydF4y2Ba), 2012年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 杭等[gydF4y2Ba), 2015年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 杭等[gydF4y2Ba), 2015年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Ustun等[gydF4y2Ba), 2016年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Bozkurt等人[gydF4y2Ba), 2017年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Ferreira-Santos等[gydF4y2Ba), 2017年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 刘等[gydF4y2Ba), 2017年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Manoochehri等[gydF4y2Ba), 2018年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Manoochehri等[gydF4y2Ba), 2018年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 许等[gydF4y2Ba), 2019年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Ferreira-Santos等[gydF4y2Ba), 2019年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Keshavarz等[gydF4y2Ba), 2020年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 陈等[gydF4y2Ba), 2021年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 许等[gydF4y2Ba), 2021年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
一个gydF4y2Ba表明在适用性方面存在不明确的偏差风险或担忧。gydF4y2Ba
bgydF4y2Ba表示在适用性方面存在较高的偏差或担忧风险。gydF4y2Ba
cgydF4y2Ba表明对适用性存在偏差或担忧的风险较低。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。另外25%(3/12)的人选择了线性回归、神经网络或两者兼有。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)研究仅选择验证。与仅进行内部验证的研究相似，最低的OSA患病率为30%，最高的为93%，样本量在169至3432名疑似OSA的参与者之间变化。最佳判别模型为logistic回归;包括年龄、腰围、ESS和最小氧饱和度，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AHI≥15的截止值，包括特异性呼吸导通和日间动脉氧饱和度。该研究还提出了50%的临床临界值。在特异性方面，以自我报告呼吸暂停、NC指数、年龄和无意入睡倾向为预测变量的AI>10的值为94%最高。gydF4y2Ba
如gydF4y2Ba，它汇总了来自测试和验证数据集的信息，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而不是验证数据集的研究设计。此外，只有17%(2/12)的研究在预测因子领域存在较高的偏倚风险，因为预测因子可能需要时间来评估或收集。在分析领域，一半(6/ 12,50%)的研究被标记为具有低偏倚风险，33%(4/12)的研究没有提供足够的性能指标。在8%(1/12)的研究中，预测因子领域的适用性尚不清楚，因为我们无法评估这些预测因子是否可用于初级卫生保健。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 | 阻塞性睡眠呼吸暂停患病率，n (%)gydF4y2Ba | AUCgydF4y2BabgydF4y2Ba， % (95% ci)gydF4y2Ba | 灵敏度，% (95% CI)gydF4y2Ba | 特异性，% (95% CI)gydF4y2Ba |
| 克罗克等[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 |
| 柱等[gydF4y2Ba), 1992年gydF4y2Ba | - - - - - -gydF4y2Ba | 逻辑回归gydF4y2Ba | 佤邦gydF4y2BaggydF4y2Ba、数控gydF4y2BahgydF4y2Ba指数，年龄，白天和嗜睡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 |
| Maislin等[gydF4y2Ba), 1995年gydF4y2Ba | - - - - - -gydF4y2Ba | 逻辑回归gydF4y2Ba | BMI，年龄，性别，指数1(打鼾，呼吸停止，打鼾，喘气)，BMI指数1gydF4y2Ba | RDIgydF4y2BajgydF4y2Ba≥10gydF4y2Ba | tgydF4y2Ba= 658;V = 193gydF4y2Ba | 760 (89)gydF4y2Ba | 79 (-)gydF4y2BakgydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba |
| 熊田等[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，下颌磨牙间距，上盖，BMI和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[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，腿不宁，BMI, NC，年龄，喘气，打鼾，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 |
| 泽拉-兰纳等人[gydF4y2Ba), 2000年gydF4y2Ba | 回顾性(T)和前瞻性(V);- - - - - -gydF4y2Ba | 逻辑回归gydF4y2Ba | 特异性呼吸导通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 |
| 罗苏蒂等[gydF4y2Ba), 2004年gydF4y2Ba | 未来的;二零零一年二月至二零零三年四月gydF4y2Ba | 逻辑回归gydF4y2Ba | 年龄，性别，BMI和呼吸停止gydF4y2Ba | 你好≥5gydF4y2Ba | tgydF4y2Ba= 837;V = 243gydF4y2Ba | 569 (53)gydF4y2Ba | 79 (-)gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba |
| 邱等[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、频繁觉醒伴不提神睡眠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，以及最低氧饱和度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 |
| Karamanli等[gydF4y2Ba), 2016年gydF4y2Ba | 回顾;- - - - - -gydF4y2Ba | 神经网络gydF4y2Ba | 性别、年龄、体重指数和打鼾gydF4y2Ba | 你好≥10gydF4y2Ba | tgydF4y2Ba= 201;V = 15gydF4y2Ba | 140 (70)gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba |
| Tawaranurak等[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[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:接受者工作特性曲线下面积。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:目击到呼吸暂停。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
ogydF4y2Ba爱普沃斯嗜睡量表。gydF4y2Ba
| 研究gydF4y2Ba | 偏倚风险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 | 偏倚风险gydF4y2Ba | 适用性gydF4y2Ba | |||
| 克罗克等[gydF4y2Ba), 1990年gydF4y2Ba | 一个gydF4y2Ba |
bgydF4y2Ba |
cgydF4y2Ba |
|
|
|
|
|
|
||
| 柱等[gydF4y2Ba), 1994年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Maislin等[gydF4y2Ba), 1995年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 熊田等[gydF4y2Ba), 1997年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| El-Solh等[gydF4y2Ba), 1999年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 泽拉-兰纳等人[gydF4y2Ba] 2000gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 罗苏蒂等[gydF4y2Ba), 2003年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 邱等[gydF4y2Ba), 2011年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| 邹等[gydF4y2Ba), 2013年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Karamanli等[gydF4y2Ba), 2016年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Tawaranurak等[gydF4y2Ba), 2021年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
| Park等[gydF4y2Ba), 2021年gydF4y2Ba | |
|
|
|
|
|
|
|
|
||
一个gydF4y2Ba表明在适用性方面存在不明确的偏差风险或担忧。gydF4y2Ba
bgydF4y2Ba表明对适用性存在偏差或担忧的风险较低。gydF4y2Ba
cgydF4y2Ba表示在适用性方面存在较高的偏差或担忧风险。gydF4y2Ba
带有外部验证的预测模型gydF4y2Ba
共2项研究[gydF4y2Ba，gydF4y2Ba]，分别于2000年和2006年对5个预测模型进行了外部验证。第一项是前瞻性研究，评估了4种临床预测模型[gydF4y2Ba，gydF4y2Ba，gydF4y2Ba，gydF4y2Ba]用于预测OSA的存在(AHI≥10)。他们包括370名在1996年7月至1997年10月间接受PSG检查的疑似OSA患者。获得的OSA患病率为67%，结果显示在gydF4y2Ba及原文表4 [gydF4y2Ba］．最高AUC、灵敏度和特异性分别为74%、96%和54%。第二项研究使用了80例疑似OSA患者来评估Kushida等人在研究中描述的模型[gydF4y2Ba］．目的是评估临床适用性，并定义一个临床分界点来区分OSA的严重程度。尽管作者声称存在临床适用性，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]，除了提出新的预测模型外，还应用了Crocker等人研究的2个方程[gydF4y2Ba]和Viner等人[gydF4y2Ba]到获取的数据集。虽然没有给出实际值，但作者表示auc非常相似。gydF4y2Ba
此外，Flemons等人的研究[gydF4y2Ba]由Khoo等人进行外部验证[gydF4y2Ba]， 52例疑似OSA患者，AUC达到69%。如果定义60%的临床阈值，该独立样本中的模型达到78%的敏感性和45%的特异性。gydF4y2Ba
讨论gydF4y2Ba
主要研究结果gydF4y2Ba
美国医学会指南[gydF4y2Ba明确指出gydF4y2Ba“临床预测算法可用于疑似OSA的睡眠临床患者，但不能替代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阻塞性睡眠呼吸暂停(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，因为它超出了指导范围。因此，我们的工作旨在通过在非睡眠环境中使用临床预测算法来补充用于临床怀疑OSA的临床算法中的第1步来回答这个问题。基于此，我们希望通过聚合多变量预测模型的信息来估计尚未确诊的疑似OSA人群中存在OSA的概率，并指出那些最能排除和排除OSA的模型。gydF4y2Ba
因此，仅开发模型的研究是需要收集模型是否有助于临床实践的证据的研究(高过拟合)。为此，需要在新的人口数据集中验证模型。一种方法是分割数据集或使用不同的技术进行有效性评估，例如交叉验证或自举，甚至更好的方法是将算法应用于独立的样本。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。大多数选定的研究仅开发了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为排除OSA的最佳方法，描述了对AHI≥15的OSA定义的敏感性值为100%。预测变量包括呼吸导度和氧饱和度，从101名参与者的外部人群中选择。关于阻塞性睡眠呼吸暂停的最佳规则是Pillar等人的研究[gydF4y2Ba];在155名参与者的验证人群中，对于AI≥10的症状，其特异性为94%，其中目睹的呼吸暂停、NC、年龄和易于入睡作为预测变量。两项研究都使用逻辑回归作为机器学习方法。Kushida等人[gydF4y2Ba]达到了最大的特异性，但作者没有描述所获得的结果是用于测试还是外部验证，在一个300人参与的验证数据集中。这两个最好的模型[gydF4y2Ba，gydF4y2Ba]分别于2000年和1992年开发并验证，并且存在很高的偏倚和适用性风险，没有一项研究提供模型或指标ci的鉴别能力。gydF4y2Ba
Park等人最近的研究[gydF4y2Ba]，于2021年使用916名参与者(最大样本)的验证数据集进行，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%。这也是一个逻辑回归，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患病率的报告，但其偏倚和适用性风险较低。但正如作者所提到的，它只包括亚洲患者，所以不能被种族泛化。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已发表的文献，但我们相信我们的方法是足够的。通过在3个搜索引擎(1个与健康科学相关，2个与更广泛的范围相关)和2个时间段进行搜索，将风险降至最低。gydF4y2Ba
PROBAST表明，即使只评估外部验证结果，我们也面临着较高的偏倚和适用性风险。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甚至不恰当地包括或排除参与者方面产生问题。此外，在两项研究中，预测因素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，一些预测因素是不可用的。尽管所有的结果定义都基于PSG，但有些结果没有报告如何计算测量值或选择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结果参与者。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。除了所有接受金本位考试的参与者外，一些人没有怀疑OSA是唯一的纳入标准。gydF4y2Ba
自1988年以来，人们采用了不同的方法，目的是预测个体是否存在阻塞性睡眠呼吸暂停(OSA)，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)大多数研究没有报告研究设计或周期;(2) OSA定义因时间、指南和研究而异;(3) OSA患病率在30% ~ 93%之间变化，部分研究未描述其比例;(4)评估诊断价值所需的敏感性、特异性、AUC等指标未报告，即使报告，也未出现ci;(5)有的研究只建立了预测模型，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-近邻算法(1/ 63,2%)。gydF4y2Ba
结论gydF4y2Ba
总之，这篇综述提供了广泛、全面和最新的OSA诊断模型综合。仅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，就可以预测OSA，这取决于我们是想选择排除还是排除方法。gydF4y2Ba
致谢gydF4y2Ba
DFS承认博士资助(PD/BD/13553/2018和COVID/BD/152608/2022)下的Fundação para 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(参考UIDP/4255/2020)内的Fundação para Ciência ea Tecnologia, i.p.提供支持。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的临床实践指南:美国睡眠医学学会临床实践指南。临床睡眠医学2017年3月15日;13(3):479-504 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 张志刚，张志刚，张志刚，张志刚，等。阻塞性睡眠呼吸暂停的全球患病率和负担的估计:基于文献的分析。《柳叶刀》2019年8月7日(8):687-698。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
- Kendzerska T, Mollayeva T, Gershon AS, Leung RS, Hawker G, Tomlinson G.未经治疗的阻塞性睡眠呼吸暂停与严重长期不良后果的风险:一项系统综述。Sleep Med Rev 2014 Feb;18(1):49-59。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 林华，赖晨，林鹏，M Friedman, Salapatas AM, Chang H，等。习惯性打鼾成人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日;161(1):178-185。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Ouzzani M, Hammady H, Fedorowicz Z, Elmagarmid A. rayyan -一个用于系统评论的网络和移动应用程序。系统版本2016年12月05日;5(1):210 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 穆恩斯KG，沃尔夫RF，赖利RD，怀廷PF，韦斯特伍德M，柯林斯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。安实习医学2019年1月1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。临床睡眠医学杂志2016年2月;12(2):161-168 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Haberfeld C, Sheta A, Hossain MS, Turabieh H, Surani S. SAS移动应用程序用于利用机器学习模型诊断阻塞性睡眠呼吸暂停。见:第11届IEEE年度普适计算、电子和移动通信会议(UEMCON)的会议记录。2020年发表于:第11届IEEE年度普适计算、电子和移动通信会议(UEMCON);2020年10月28日至31日;美国纽约。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
- 李志刚，李志刚，李志刚。从自我报告中识别睡眠呼吸暂停。睡眠1988年10月;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的快速风险分层。耳鼻咽喉头颈外科2008年11月24日;139(5):615-618。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 阻塞性睡眠呼吸暂停综合征临床特征的预测价值。中华呼吸杂志1996年1月;9(1):117-124 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Viner S, Szalai JP, Hoffstein V.病史和体检是一种很好的睡眠呼吸暂停筛查测试吗?安实习医学1991年9月1日;115(5):356-359。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 基南SP，安德森B，威格斯B，瑞安CF，弗利坦JA。家庭血氧仪对疑似阻塞性睡眠呼吸暂停患者的预测准确性。Sleep 1993 12月16日(增刊8期):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年2月;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。美国呼吸急救医学1994年11月;150(5 Pt 1):1279-1285。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Vaidya AM, Petruzzelli GJ, Walker RP, McGee D, Gopalsami C.激光辅助悬垂腭成形术患者阻塞性睡眠呼吸暂停的识别。喉镜1996 4月;106(4):431-437。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 普拉丹PS, Gliklich RE，温克尔曼J.阻塞性睡眠呼吸暂停筛查患者提出打鼾手术。喉镜1996 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因素。喉镜1999 Dec;109(12):1901-1907。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Dixon JB, Schachter LM, O'Brien 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。Chest 2003 april;123(4):1134-1141。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 李文杰，李志强，李志强，等。阻塞性睡眠呼吸暂停综合征的临床意义。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:临床预测模型。喉镜2009年4月;119(4):765-773。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 叶萍，李勇，李伟，陈松，何松，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。2010年1月12日;20(1):30-35。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Hukins C. Mallampati分类在睡眠临床患者的临床评估中无效。临床睡眠医学杂志2010年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估。J Bras pairmol 2011 Feb;37(1):75-84 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 张志强，张志强，张志强，等。接受减肥手术的阻塞性睡眠呼吸暂停患者——三级中心经验。2011年3月11日;21(3):316-327。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 曾明明，徐宏宏，常春林，丁浩，吴宏宏，唐伟华。基于数据挖掘的阻塞性睡眠呼吸暂停智能手机应用程序开发。第九届泛在智能与计算国际会议论文集暨第九届自主与可信计算国际会议论文集，2012年发表于:第九届泛在智能与计算国际会议论文集暨第九届自主与可信计算国际会议论文集;2012年9月04-07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，麦艳，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。中华医学杂志2014年9月11日;38(9):94。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 苏therland K, Lee RW, Petocz P, Chan TO, Ng S, Hui DS，等。中国人群阻塞性睡眠呼吸暂停的颅面表型预测。中国呼吸科学2016年8月15日;21(6):1118-1125。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Del Brutto OH, Mera RM, Recalde BY, Castillo PR.颈部抓握作为社区居住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;11:21 150132720984421 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 陈玉峰，陈建辉，林玉杰，邰佳杰。支持向量机对重度阻塞性呼吸暂停患者的诊断与预测。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论文集;2008年7月12日至15日;昆明。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
- 柯比SD, Eng P, Danter W, George CF, Francovic T, Ruby RR，等。从临床标准预测阻塞性睡眠呼吸暂停的神经网络。胸部1999年8月;116(2):409-415。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 林B，叶MS, Tench E, Ryan CF.亚裔和白人受试者阻塞性睡眠呼吸暂停的颅面特征。胸科杂志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, Valencia-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。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 6月16日;32(3):243-250。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 李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。睡眠2009 1月;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
- 陈娜，陈敏，李华，陈晨，王鹏。一种采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 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。临床呼吸杂志2011 10月;5(4):219-226。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 卢凯琪I, Kapsimalis F, Mermigkis C, Kryger M, Tzanakis N, Panagou P，等。在大量希腊人群中预测阻塞性睡眠呼吸暂停综合征。睡眠呼吸2011年12月25日;15(4):657-664。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 孙丽玲，赵华，庄春春，刘磊。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 9月4日;15(3):317-323。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 拉波尔塔R，阿南丹A，艾尔索尔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阻塞性睡眠呼吸暂停。中国临床医学杂志2012年9月3日;［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 韩玲，林宏，程超，蒋建勇，王宏，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。应用数学与科学2015年2月1日;9(1L):149-157。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
- 杭磊，王华，陈杰，徐军，林华，钟伟，等。夜间血氧测定在诊断中重度阻塞性睡眠呼吸暂停患者中的有效性。BMC Pulm Med 2015 Mar 20;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，以优化多导睡眠描记术资源的利用?方法中华医学杂志2018年1月24日;56(04):308-318。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
- 利用临床数据改善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(CBMS)国际研讨会论文集。2017年发表于:IEEE第30届计算机医疗系统国际研讨会(CBMS);2017年6月22-24日;塞萨洛尼基希腊。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
- 刘伟，吴华，庄杰，Wisniewski A，李华，吴丹，等。支持向量机人体测量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.阻塞性睡眠呼吸暂停的数据挖掘方法预测。Arch Iran Med 2018 10月01日;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。中国医学杂志2018;23(1):65。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
- 徐辉，赵旭，石勇，李霞，钱勇，邹杰，等。开发和验证一种简单易用的预测阻塞性睡眠呼吸暂停的临床nomogram。BMC Pulm Med 2019 1月18日;19(1):18 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 使用贝叶斯网络方法研究阻塞性睡眠呼吸暂停的临床风险矩阵。国际数据科学杂志2018年4月13日;8(4):339-349。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
- 张志刚，张志刚，张志刚。基于监督机器学习的阻塞性睡眠呼吸暂停预测模型。种马健康技术通知2020年6月26日;272:387-390。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 陈伟，冯杰，王勇，王超，董哲。预测减肥手术患者阻塞性睡眠呼吸暂停的nomogram方法的开发与验证。睡眠科学2021年6月;13:1013-1023。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
- 徐颖，王娟，黄萍，钱勇，赵超，林晨。基于机器学习的阻塞性睡眠呼吸暂停检测方法研究——以打鼾为重要生物特征。J Sleep Res 2022年4月21日;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的概率的估计。中华呼吸科学杂志;1990年7月;42(1):14-18。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 柱G, Peled N, Katz N, Lavie 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中华医学会睡眠科学分会，1994年12月;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筛查。睡眠科学1995年4月18日(3):158-166。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 张志刚，张志刚，张志刚。阻塞性睡眠呼吸暂停综合征的预测形态学模型。安实习医学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。睡眠科学1999年2月1日;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。美国呼吸危重症护理医学2000年12月;162(6):2208-2212。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Rodsutti J, Hensley M, Thakkinstian A, D'Este C, Attia J.疑似睡眠呼吸暂停患者多导睡眠描记术的临床决策规则。睡眠2004 6月15日;27(4):694-699。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 邱山，宝辉，陈勇，殷伟，史东，林志明。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 9月4日;15(3):431-437。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- 邹娟，管军，易华，孟l，熊勇，唐旭，等。筛查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 12月2日;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 5月19日;20(2):509-514。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Tawaranurak K, Kamolphiwong S, se - 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患者风险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
- 朴D，金杰，朴B，金海杰。亚洲成人阻塞性睡眠呼吸暂停评估的危险因素和临床预测公式。PLoS One 2021 Feb 2;16(2):e0246399 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- roley 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1日;23(7):929-938。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
- Soares MC, de Azeredo Bittencourt LR, Zonato AI, Gregório LC。Kushida形态测量模型在睡眠呼吸障碍患者中的应用。巴西耳鼻咽喉杂志2006 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接收机工作特性曲线下面积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风险偏差评估工具的预测模型gydF4y2Ba |
| 普洛斯彼罗:gydF4y2Ba国际系统评价前瞻性登记gydF4y2Ba |
| PSG:gydF4y2Ba多导睡眠描记术gydF4y2Ba |
R·库卡夫卡编辑;提交10.05.22;M piulin, R damaviviius同行评审;对作者13.06.22的评论;修订本收到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《医疗互联网研究杂志》(//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(https://creativecommons.org/licenses/by/4.0/)的条款发布，允许在任何媒介上无限制地使用、分发和复制，前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息，//www.mybigtv.com/上的原始出版物的链接，以及此版权和许可信息。gydF4y2Ba