典型文献
基于XGBoost算法的阻塞性睡眠呼吸暂停预测模型
文献摘要：
目的 使用XGBoost算法建立阻塞性睡眠呼吸暂停(OSA)的机器学习预测模型.方法 纳入680例于首都医科大学附属北京同仁医院行整夜多道睡眠图监测患者,收集其性别、年龄、颈围以及体质量指数(body mass index,BMI)、夜间最低血氧饱和度、夜间平均血氧饱和度、3％氧减指数等信息,作为机器学习的输入特征,以XGBoost算法建立OSA的自动预测模型,并与其他几种常用的机器学习算法(如支持向量机、随机森林、决策树等)建立的模型结果进行对比.结果 在四分类(正常受试者,轻度、中度、重度OSA)中,XGBoost分类器在所有算法中表现最好,综合分类准确率为93.4％,F1值得分分别为94.7％、78.7％、86.7％、98.1％,ROC曲线下面积(AUC)分别为98.0％、85.0％、92.0％和98.0％.结论 基于XGBoost算法成功建立成人OSA预测模型,可用于临床OSA的诊断与筛查.
文献关键词：
睡眠呼吸暂停;阻塞性;血氧测定法;人工智能;人体质量指数;XGBoost分类器
中图分类号：
作者姓名：
李祖飞;李彦如;施云瀚;韩德民
作者机构：
首都医科大学附属北京同仁医院耳鼻咽喉头颈外科,耳鼻咽喉头颈科学教育部重点实验室(首都医科大学),北京 100730
文献出处：
引用格式：
[1]李祖飞;李彦如;施云瀚;韩德民-.基于XGBoost算法的阻塞性睡眠呼吸暂停预测模型)[J].中国耳鼻咽喉头颈外科,2022(01):1-5
A类：
B类：
XGBoost,阻塞性睡眠呼吸暂停,OSA,机器学习预测,首都医科大学,北京同仁医院,整夜,颈围,body,mass,夜间最低血氧饱和度,平均血氧饱和度,氧减指数,输入特征,自动预测,机器学习算法,决策树,四分类,分类器,分类准确率,立成,血氧测定法,人体质量指数
AB值：
0.276528
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
