ScreenOX - 使用夜间血氧仪对成人睡眠呼吸暂停进行的自动家庭筛查测试 (ScreenOX)

参与者是从巴利亚多利德（西班牙）的 Río Hortega 大学医院的专业睡眠门诊设施招募的。 由于中度至高度临床怀疑患有睡眠呼吸暂停低通气综合征 (SAHS)，所有患者均从初级保健机构转诊。 最终人群随机分成两个独立的数据集：1）训练集（50%），用于设计和构建/训练筛选算法； 2) 测试集（剩余 50%），用于使用看不见的数据进一步评估性能。

美国睡眠医学学会规则用于对呼吸事件进行评分，并从家中动态 PSG 获得呼吸暂停低通气指数 (AHI)，用于明确诊断 SAHS。

便携式腕戴式脉搏血氧仪（WristOX2 3150，Nonin）用于家庭 NPO。 便携式 NPO 在患者家中同时对门诊 PSG（Embletta MPR，Natus）进行。 此外，参加便携式实验室 NPO（WristOX2 3150，Nonin）和实验室 PSG（E 系列，Compumedics）在不同的连续/前一晚在医院同时进行，以进行比较。 参与者被随机分配在住院记录之前或之后在家中进行无人看管的睡眠研究。

NPO 的 SpO2 和 PR 以 1 Hz 的采样率（每秒 1 个样本）同时记录。 所有录音都保存到单独的文件中并离线处理。 执行自动信号预处理阶段以消除由于患者移动（信号丢失）引起的伪影。

信号处理方法分为三个自动化阶段：(i) 特征提取，(ii) 特征选择，以及 (iii) 模式识别。

首先，NPO 记录通过一组广泛的变量进行参数化，这些变量以前在 SAHS 检测的背景下表现出很高的辨别力。 为每个完整的便携式夜间录音计算所有功能。 组成了以下特征子集：

• 来自 SpO2 记录的时域统计数据。 时域中的一阶至四阶统计矩，即算术平均数、方差、偏度和峰度，分别量化集中趋势、分散量、不对称性和峰度。
• PR 记录的时域特征：脉冲到脉冲间隔时间序列的平均值、标准差和标准差的均方根。
• 来自 SpO2 记录的频域统计数据。 功率谱密度函数的一阶到四阶统计矩、中频和香农谱熵。
• 来自 PR 记录的频域统计数据。 功率谱密度函数的一阶到四阶统计矩、中频和香农谱熵。
• SpO2 记录的常规光谱测量。 0.014 - 0.033 Hz 频率范围内的总信号功率以及峰值振幅和相对功率。
• 来自 PR 记录的常规光谱测量。 低频 (0.04 - 0.15 Hz) 和高频 (0.15 - 0.40 Hz) 频段的归一化功率，以及低频与高频比（交感迷走神经平衡）。
• SpO2 记录的非线性特征。 样本熵、集中趋势度量和 Lempel - Ziv 复杂性，用于衡量 SpO2 记录的不规则性、可变性和复杂性。
• PR 记录的非线性特征。 样本熵、集中趋势度量和 Lempel - Ziv 复杂性，用于衡量 PR 记录的不规则性、可变性和复杂性。

然后，组成由最相关和互补变量组成的最佳特征子集。 为了实现这一目标，应用了以下特征选择方法：

• 向前逐步特征选择
• 遗传算法
• 基于相关性的快速过滤器
• 最小冗余最大相关准则

最后，第三阶段对应模式识别。 这一阶段的目标有两个：(i) 设计和优化面向二元分类的模型，使用 NPO 的最佳特征训练以辨别 SAHS 阴性和 SAHS 阳性受试者； (ii) 设计和优化面向回归的模型，这些模型经过训练可以使用 NPO 的最佳特征来估计 AHI。 为了实现这一目标，评估了以下模式识别算法：

• 二元分类：逻辑回归、人工神经网络、贝叶斯网络、决策树、集成学习 (AdaBoost)。
• 回归模型：多元线性回归、人工神经网络、贝叶斯网络、集成学习（最小二乘提升）。

随后组合这些模型以优化以下 2 阶段筛选方案：第 1 阶段）真阴性筛选阶段，旨在检测最大数量的非 SAHS 受试者，同时最大限度地减少假阴性患者的数量（理想情况下为 0% 假阳性率）； stage-2)真阳性筛选阶段，目的是检测（在第一阶段未被识别为真阴性的患者中）最大数量的真阳性患者，同时最小化假阳性病例的数量（理想情况下假阳性率为0%） . 这两个阶段是互补的，它们是连续实施的，因此：

• 在第一阶段被确定为真阴性的患者被转诊给睡眠专家，最终考虑到症状、合并症和既往临床病史而放弃 SAHS。 除非睡眠专家因持续和/或其他症状而提出要求，否则这些患者不再被派往睡眠单元。
• 在第二阶段被确定为真阳性的患者被转介给睡眠专家，以最终确认 SAHS 并决定最合适的治疗方案。 除非睡眠专家提出要求，否则这些患者不再派生到睡眠单元。
• 非决定性病例最终被导出到标准 PSG 的睡眠单元，以确认/丢弃 SAHS。