根据Barany学会对前庭症状的分类，出现新的眩晕或头晕主诉的患者[ 31]于2019年8月至2021年3月分别在复旦大学眼科医院、安徽医科大学第二医院、厦门大学附属第一医院、中国医科大学盛京医院、上海浦东医院、深圳市第二人民医院、重庆医科大学附属第一医院的耳鼻喉科和眩晕科就诊。在与耳鼻喉科专家的第一次面谈中，患者在知情同意后，通过平板电脑或智能手机完成了电子问卷。那些不能自己阅读和完成问卷的人回答了研究人员读到的问题。我们没有干涉病人的正常医疗程序。在专家认为有必要的情况下，为患者安排下一次就诊;因此，他们没有坚持一个固定的随访时间。

本研究已获得所有参与中心的机构审查委员会的批准(批准号2019091)。本研究遵循个体预后或诊断报告指南的多变量预测模型透明报告[ 32］．

每位患者都进行了常规的病史收集，随后进行了完整的耳神经检查，必要时还进行了进一步的检查(如纯音听力测量、前庭测试、计算机断层扫描和磁共振成像)。由具有5年以上临床经验的耳鼻喉科专家给出的临床诊断被用作参考诊断，这些专家对问卷回答不知情。参考诊断标准包括美国耳鼻咽喉头颈外科学会关于良性阵发性位置性眩晕(BPPV)的实践指南[ 33]和前庭神经疾病的诊断标准(包括前庭偏头痛[ 34]，梅尼埃病[ 35]，持续性体位知觉性头晕[ 36]，前庭阵发性发作[ 37]，及双侧前庭病[ 38)。具有典型临床特征但不符合明确诊断标准的患者给予可能诊断。在2个月内没有明确诊断或在最终诊断前不再来就诊的患者被标记为未确诊。

诊断问卷的制定是一个迭代的过程，主要包括以下3个阶段。

我们比较了9种候选机器学习方法，以筛选出性能最好的一种。考虑了五种非集成学习算法，即决策树[ 39]，脊回归[ 40]，逻辑回归(l2正则化)[ 41]，支持向量分类[ 42]，以及随机梯度下降支持向量分类[ 43］．集成学习是指一种通用的元方法，通过组合多个模型的预测，从战略上提高预测性能。实现了四种集成学习方法，即随机森林[ 44]、自适应升压[ 45，梯度增强决策树[ 46]、轻型梯度增压机(LGBM) [ 47］．我们采用自举交叉验证，将随机采样的数据按7:3分成训练集和验证集，重复100次，并进行替换[ 48］．模型在训练集上进行训练，并根据验证集上的预测性能进行评估。根据100个验证集的平均预测性能选择和调整最佳模型。曲线下面积(area under The curve, AUC)被用来评价模型的性能。在多类预测中，灵敏度、特异性、似然比和AUC通过一比一休方案(微平均)计算。然后使用校准曲线进行重新校准[ 49]和Brier分数[ 50]，以调整各诊断类别的预测概率与观测比例之间的差异。外部验证使用队列中最新患者的数据(在最近2个月内登记)，这些数据构成了测试集。所有指标的95% ci是通过自举计算得出的。

对布尔变量的缺失值在主要结果中用False进行imputation，并通过比较不同的imputation策略(即不进行imputation和用True进行imputation)进行敏感性分析。所有的机器学习算法都是用Python实现的，代码可以在在线资源中找到。超参数根据最先进的机器学习包sklearn设置为默认值。

作为一种促进临床诊断的数据驱动预测方法，需要验证样本数量是否足够用于模型开发和验证。跟随Riley [ 51]和莱利等人[ 52]，我们根据全局收缩因子和最小样本数来量化样本量的充分性。足够样本量的准则是保证收缩系数>0.9。此外，给定可接受的收缩因子(例如，0.9)，可以根据解释方差的Cox-Snell比估计出建立预测模型所需的样品大小。

此外，现代技术灵活性的增加意味着与逻辑回归等经典方法相比，可靠的估计可能需要更大的样本量。因此，我们采用了van der Ploeg等人的方法[ 53]来评估我们的最佳模型LGBM对样本量的敏感性。训练集的大小不同，并且从开发集中抽取了子样本。每个训练集大小重复30次以消除随机性，而平均AUC测量测试集上的性能。

为了衡量变量的重要性，我们首先根据交叉验证中的信息增益来评估多变量特征的重要性，并选择了前20个重要变量。然后，为了计算单个诊断类别中的特征重要性，每个选择的变量分别用于预测5个诊断类别，并以AUC衡量单变量变量的重要性。

最终问卷由23个项目组成，其中包含分支逻辑。完整版的问卷可在 多媒体附件1．项的内容显示在 文本框1．

来自7个参与中心( 表1)．回复率为96.2%(1693/ 1760,67人拒绝参与)。在1693例入选患者中，1041例(61.5%)得到了治疗专家的一次最终诊断，14例(0.8%)有一次以上的诊断，145例(8.6%)有可能的诊断，而其他493例(29.1%)在2个月内没有得到最终诊断。最终诊断结果分布不均匀。最常见的诊断为BPPV、前庭偏头痛、突发性感音神经性听力丧失伴前庭功能障碍(SSNHL-V)和梅尼埃病。由于只有1例最终诊断的患者被纳入模型开发和验证，5个诊断类别中的1041例患者(中位年龄50 [IQR 38-61]岁，608例[58.4%]女性)被纳入模型开发和验证。目前，不超过20例的低频率诊断被标记为“其他”，因为没有足够的病例可以形成单独的类别。

在1041例患者中，928例被分为训练集(用于建模和交叉验证)，113例被纳入测试集(用于建模和交叉验证)。 表2)． 图1显示了研究流程图。训练集和测试集的详细信息描述在 表2．

交叉验证的9个模型中LGBM模型的AUC最高，为0.937 (95% CI 0.917-0.962)， Brier评分最低，为0.057 (95% CI 0.049-0.068) ( 表3)．因此，我们将其重新校准并作为最终的预测模型。

灵敏度分析中，用模态(频率最高的标签)输入缺失值时，9种方法的AUC和Brier评分均下降( 表4)．注意，LGBM不依赖于imputation方法;因此，它可以直接利用来自 失踪以达到更好的预测性能。无imputation的LGBM与重新校准的LGBM (imputation为0)的性能相同，这验证了我们方法的鲁棒性。在交叉验证中，除了使用LASSO的逻辑回归外，集成学习方法比非集成学习方法表现更好，这表明在眩晕诊断中引入集成学习在特定的集成方法中是有效的。此外，LGBM在AUC和Brier评分上优于其他方法。

重新校准的LGBM模型在交叉验证中的受试者工作特征曲线如图所示 图2． 表5显示交叉验证和外部验证中不同诊断类别的AUC、敏感性、特异性、似然比和准确性。该模型对SSNHL-V预测精度较高(AUC>0.98，阳性似然比[+LR]>20，阴性似然比[-LR]<0.05)，对BPPV和Meniere病预测精度较高(AUC>0.95，敏感性>0.8，特异性>0.9，准确性>0.9，+LR>10， -LR <0.2)，对前庭偏头痛具有较好的鉴别能力(AUC 0.9, 95% CI 0.87-0.92)。由于本组样本量有限，异质性较大，其他诊断的预测不稳定，交叉验证AUC为0.771 ~ 0.929，外部验证AUC为0.879 ~ 0.957。

交叉验证的校准曲线( 图3)正确估计了梅尼埃病和前庭偏头痛的概率，略微低估了SSNHL-V和BPPV的概率。其他诊断的预测相对保守，因为它不太可能给出接近0或1的概率。交叉验证的Brier评分为0.058 (95% CI 0.049 ~ 0.068)，表明预测概率与实际诊断比例吻合良好。我们还将我们的方法应用于外部数据集。结果表明，所选取的最佳模型LGBM对眩晕诊断的预测具有较好的泛化能力，AUC为0.958 (95% CI 0.951 ~ 0.969)。同时，LGBM也优于第二优方法logistic回归，其外部验证的AUC为0.939 (95% CI 0.925-0.956)。多变量特征在信息增益方面的重要性显示在 表6．

各诊断类别的整体收缩因子分析和敏感性分析结果表明，本研究的样本量足以进行模型开发。看到 多媒体附件2有关样本量分析的更多细节。然后，计算特征在各个诊断类别中的重要性，在中的前20个贡献变量中的每一个 表6用于独立预测5个诊断类别，单因素变量重要性以AUC ( 图4)．

在这项多中心前瞻性队列研究中，开发了一份用于诊断眩晕的问卷，并使用通过问卷收集的患者历史数据开发了LGBM模型。据我们所知，这是第一个基于问卷的机器学习模型来预测眩晕的多种诊断。由于本研究中所有患者均来自耳鼻喉科和眩晕科诊所，因此诊断分布与以往在神经内科和平衡科诊所进行的研究不同[ 19- 21， 26］．在我们的研究中，SSNHL-V的患病率要高得多(173/1693,10.2%)，而前庭神经炎的患病率则低得多(22/1693,1.3%)。

我们的模型在预测常见前庭诊断方面优于先前报道的基于问卷的统计模型[ 20.， 21， 26］．一个可能的解释是，机器学习方法更擅长处理潜在的非线性关系和过拟合。此外，考虑到患者报告的历史信息的主观性，数据驱动模型比知识驱动模型更适合基于问卷的预测[ 9， 11， 54， 55］．与以往使用综合病史数据、体检和实验室检测的机器学习诊断系统相比，我们基于问卷的诊断模型有其优点[ 13- 17］．首先，病史为眩晕的原因提供了重要的线索，医生将根据这些线索来确认或排除一个假定的诊断。因此，基于问卷的诊断工具可以根据患者的病史提供早期决策支持，并有助于减少不必要的检查。此外，由于问卷数据直接来自患者，模型的表现不依赖于专业人员对患者病史的准确解释。此外，考虑到特定测试(如纯音测听、热量测试、视频头脉冲测试)的可及性有限，不需要特殊设备的问卷适用于不同的临床环境。然而，基于问卷的诊断模型也有其内在的局限性。患者报告的病史可能不准确，因为它容易受到回忆偏差、误解、患者情绪状态和其他主观因素的影响。同时，对于只有非特异性症状的患者，体检和实验室检查是更为重要的诊断工具。病史应始终与客观证据相结合，以作出更可靠的诊断。因此，未来有必要将体检和实验室检测结果引入系统，进行全面的逐步诊断预测。

本研究存在以下局限性。诊断分布的不均匀使得模型很难对罕见诊断做出准确的预测。为了减少潜在的噪声，我们在建模中只纳入了最终诊断为1例的患者。排除诊断不确定的患者是一个潜在的偏倚来源。有几个原因导致这些病人没有得到明确的诊断。在某些情况下，BPPV患者在等待预定的位置测试和治疗(1-2周后)时可能会自发缓解，这也解释了我们队列中BPPV患病率相对于其他耳鼻喉科诊所较低的原因[ 56］．排除这些患者可以降低噪声，提高模型性能。此外，一些患者仅出现短暂症状，没有明显的结构、功能或心理变化;故未作明确诊断。此外，虽然大多数患者在随访期间完成了所有必要的检查，但也可能有一些罕见的原因在2个月内没有确定，这可能加剧了数据的不平衡。然而，随着队列的扩大，更多的罕见诊断患者将被纳入，这将使模型能够以更高的准确性预测罕见诊断。我们还可以在建模过程中管理不平衡数据的影响。同时，外部验证中观察到的AUC高于交叉验证，这可能是由于测试集的样本量相对较小。需要更多确诊的参与者进行进一步验证。最后，由于本研究是在三级中心的耳鼻喉科和眩晕科门诊进行的，该模型的预测能力还有待于在不同的临床环境中验证。

这项研究提出了第一个基于问卷的机器学习模型预测常见的前庭疾病。该模型采用集成学习方法LGBM，对BPPV、前庭偏头痛、Meniere病和SSNHL-V具有较强的预测能力。作为OVerAIR平台的一部分，它可用于辅助耳鼻喉科诊所的临床决策，并有助于BPPV的远程诊断。我们还在开发一款智能手机应用程序，将调查问卷与转诊、随访、治疗和康复结合起来，以改善眩晕患者的健康状况。OVerAIR研究的下一阶段将涉及神经学家的参与，这有望提高模型对中枢性眩晕的预测能力，并有助于评估其泛化和稳健性。