使用机器学习实现阻塞性睡眠呼吸暂停早期诊断:卡塔尔世界杯8强波胆分析系统评价%A Ferreira-Santos,Daniela %A Amorim,Pedro %A Silva Martins,Tiago %A Monteiro-Soares,Matilde %A Pereira Rodrigues,Pedro %+波尔图大学医学院社区医学、信息与决策科学系，Rua Dr Plácido da Costa，波尔图，4200-450，葡萄牙，351 937710766，danielasantos@med.up.pt %K机器学习%K阻塞性睡眠呼吸暂停%K系统评价%K多导睡眠图%D背景: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图这一金标准。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的成年患者的疾病筛查。方法:我们检索MEDLINE、Scopus和ISI Web of Knowledge数据库，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 system Reviews Ltd)评估每个纳入研究的偏倚风险和适用性。结果:检索到5479篇文章，其中63篇(1.15%)被收录。我们发现23项研究单独进行了诊断模型开发，26项研究增加了内部验证，14项研究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判别指标、敏感性或特异性)。其中逻辑回归35项，线性回归16项，支持向量机9项，神经网络8项，决策树6项，贝叶斯网络4项。随机森林、判别分析、分类回归树、nomogram共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近邻算法共1项研究。在logistic回归中，年龄、腰围、Epworth嗜睡量表评分和血氧饱和度作为预测指标的最佳面积为0.98(0.96 ~ 0.99)。 Conclusions: Although high values were obtained, they still lacked external validation results in large cohorts and a standard OSA criteria definition. Trial Registration: PROSPERO CRD42021221339; https://www.crd.york.ac.uk/prospero/display_record.php?RecordID=221339 %M 36178720 %R 10.2196/39452 %U //www.mybigtv.com/2022/9/e39452 %U https://doi.org/10.2196/39452 %U http://www.ncbi.nlm.nih.gov/pubmed/36178720