文章摘要:睡眠呼吸暂停会导致患者心跳呼吸骤停、睡眠节律紊乱、夜间低血氧和血压异常波动，最终导致高血压患者夜间靶器官损害。阻塞性睡眠呼吸暂停低通气综合征（OSAHS）发病率极高，严重影响了患者的身心健康。本研究尝试从24小时动态血压数据中提取与OSAHS相关的特征，通过机器学习模型识别OSAHS，从而实现该疾病的鉴别诊断。研究数据来自2018年12月至2019年12月解放军总医院睡眠门诊收集的339例患者的动态血压检查数据，其中经PSG确诊的OSAHS患者115例，非OSASH患者224例。根据OSAHS患者血压临床变化特点，定义了特征提取规则并开发算法提取特征，而后使用logistic回归、lightGBM等模型对疾病进行分类预测。结果表明本研究所训练的lightGBM模型的识别准确率为80.0%，精确率为82.9%，召回率为72.5%，受试者工作特征曲线下面积（AUC）为0.906，所定义的动态血压特征能够有效用于OSAHS检测。本研究为OSAHS筛查提供了一种新的思路和方法。

文章关键词:

项目基金:《世界睡眠医学杂志》 网址: http://www.sjsmyxzz.cn/qikandaodu/2022/0119/1924.html