介紹

持續(xù)正壓氣道通氣（CPAP呼吸機(jī)）是阻塞性睡眠呼吸暫停的最佳治療方法，但是受到依從性差的限制。Fairview睡眠程序可以積極跟蹤PAP呼吸機(jī)的使用情況和結(jié)果，并采用遠(yuǎn)程醫(yī)療指導(dǎo)來提高PAP依從性。采用這種方法，6個(gè)月的PAP呼吸機(jī)依從率達(dá)到71％。但是，該程序需統(tǒng)一應(yīng)用并且勞動(dòng)強(qiáng)度大，會(huì)錯(cuò)過某些患者，而又可能與不必要的患者聯(lián)系。機(jī)器學(xué)習(xí)可以通過早期對治療軌跡的識(shí)別來促進(jìn)有效的患者接觸策略。

方法

我們構(gòu)建了151-180天的依從性Compliance（在≥70％的天數(shù)里每天使用≥4小時(shí)）和依從性Adherence（平均每天使用≥4小時(shí)/天）的預(yù)測模型。將第1-30天（標(biāo)準(zhǔn)）期間的依從性Compliance和依從性Adherence與根據(jù)當(dāng)前遠(yuǎn)程醫(yī)療聯(lián)系協(xié)議選擇的兩個(gè)預(yù)測間隔進(jìn)行比較：第1-13天（13天）和1-30天（30天）。用于預(yù)測的患者數(shù)據(jù)包括人口統(tǒng)計(jì)學(xué)、健康信息、問卷和每日PAP指標(biāo)。使用特征選擇算法來找到最佳特征以提高預(yù)測精度。使用支持向量機(jī)和隨機(jī)森林學(xué)習(xí)方法。

結(jié)果

該組（N = 3588）的人口統(tǒng)計(jì)學(xué)信息包括平均年齡53.3（標(biāo)準(zhǔn)差SD12.9）歲，BMI 36.5（8.0）kg / m2和基線AHI 38.3（30.4）事件/小時(shí)； 男性比例為68％。對于依從性Compliance結(jié)果，標(biāo)準(zhǔn)30天依從性與D13和D30相比，陽性預(yù)測值（PPV）分別為0.716、0.732和0.765，而陰性預(yù)測值（NPV）分別為0.718、0.694和0.707。對于依從性Adherence結(jié)果，標(biāo)準(zhǔn)30天依從性與D13和D30相比，陽性預(yù)測值（PPV）分別為0.781、0.782和0.806，而陰性預(yù)測值（NPV）分別為0.675、0.697和0.686。兩種結(jié)果的準(zhǔn)確性從標(biāo)準(zhǔn)到D13到D30均提高。基線特征和每日CPAP呼吸機(jī)指標(biāo)對績效有積極貢獻(xiàn)。

結(jié)論

我們演示了一種基于機(jī)器學(xué)習(xí)的有效方法，該方法可以根據(jù)早期PAP呼吸機(jī)的使用情況預(yù)測長期的PAP依從性，并且在兩周前可以進(jìn)行類似的預(yù)測。最初的機(jī)器學(xué)習(xí)成果比標(biāo)準(zhǔn)預(yù)測指標(biāo)提高了性能。進(jìn)一步完善將使用不同的加權(quán)/成本函數(shù)、高級(jí)學(xué)習(xí)方法和非二分法模型來提高性能。這種學(xué)習(xí)模型很容易在大多數(shù)電子健康記錄（EHR）中本地化并實(shí)現(xiàn)。制定長期依從性的預(yù)測指標(biāo)將有助于量身定制對患者的隨訪和及時(shí)護(hù)理。

（葉妮摘自 Sleep, Volume 41, Issue suppl_1, April 2018, Pages A400–A401）