解码失眠:机器学习模型预测睡眠障碍的病人记录

机器学习模型可以有效地预测患者的睡眠障碍的风险使用人口和生活方式的数据,物理考试结果和实验值,根据一项新的研究发表在本周的开放获取期刊《公共科学图书馆•综合》塞缪尔·y黄的弗吉尼亚联邦大学医学院和亚历山大•a .西北大学范伯格医学院的黄,美国

诊断美国患者睡眠障碍的患病率大大增加在过去的十年。这一趋势对更好地理解和反向自很重要睡眠障碍糖尿病是一个重要的危险因素,心脏病、肥胖和抑郁。

在新研究中,研究人员使用机器学习模型XGBoost分析公开数据在7929名病人在美国完成了国家健康与营养考试调查。每个病人的数据包含684个变量,包括人口、饮食、运动和心理健康问卷的反应,以及实验室和物理考试信息。

总的来说,研究中2302例患者有睡眠障碍的诊断医生。XGBoost可以预测睡眠障碍诊断的风险有很强的准确性(AUROC = 0.87, = 0.74敏感性,特异性= 0.77),使用64的总变量中包含完整的数据集。最伟大的睡眠障碍的预测,基于机器学习的模型,是抑郁症,体重、年龄、腰围。

作者得出这样的结论:机器学习方法可能有效的第一步筛选病人睡眠障碍风险不依赖医生判断或偏见。

塞缪尔·y黄补充说,“这项研究使失眠的风险因素除了别人看到不仅如此抑郁症状、年龄、咖啡因使用、充血性心力衰竭的历史,胸部疼痛,冠状动脉疾病、肝病和57其他变量与失眠有关,但也可视化的贡献每一个预测模型。”