TY -的盟Ferreira-Santos Daniela AU -阿莫林,佩德罗AU -席尔瓦马丁斯,蒂亚戈AU - Monteiro-Soares,马蒂尔德盟-佩雷拉罗德里格斯,佩德罗PY - 2022 DA - 2022/9/30 TI -使早期诊断阻塞性睡眠呼吸暂停与机器学习:系统回顾乔- J地中海互联网Res SP - e39452六世- 24 - 9千瓦——机器学习KW -阻塞性睡眠呼吸暂停千瓦系统回顾KW -多导睡眠图AB -背景: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。目的:我们旨在识别、收集和分析现有的机器学习方法，这些方法被用于疑似OSA的成人患者的疾病筛查。方法:我们搜索MEDLINE、Scopus和ISI Web of Knowledge数据库，以多导睡眠图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 systems Reviews Ltd)评估每个纳入研究的偏倚风险和适用性。结果: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)。结论: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OSA标准定义。 Trial Registration: PROSPERO CRD42021221339; https://www.crd.york.ac.uk/prospero/display_record.php?RecordID=221339 SN - 1438-8871 UR - //www.mybigtv.com/2022/9/e39452 UR - https://doi.org/10.2196/39452 UR - http://www.ncbi.nlm.nih.gov/pubmed/36178720 DO - 10.2196/39452 ID - info:doi/10.2196/39452 ER -