메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
김현우 (양산부산대학교병원) 박의환 (한남대학교 경상대학 경제학과) 김대진 (경복대학교) 문수진 (양산부산대학교병원 이비인후과학교실) 김지영 (부산대학교 의과대학 신경과학교실) 이가현 (부산대학교병원) 조재욱 (부산대학교)
저널정보
대한수면연구학회 Journal of sleep medicine Journal of sleep medicine Vol.17 No.2
발행연도
2020.1
수록면
128 - 137 (10page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Objectives: The objective of this study was to develop models for predicting obstructive sleep apnea (OSA) based on easily obtainable clinical information of patients using various machine learning techniques. Methods: We used a data set that included the records of 1,368 patients, in which 1,074 patients were male (78.5 %), and 294 patients were female (21.5 %). We randomly divided the data into a training set (1,000) and test set (368). Five machine learning methods, i.e., support vector machine model, lasso logit model, naïve bayes, discriminant analysis, and K-nearest neighbor (KNN), with a 10-cross fold technique were used with the proposed model to predict OSA. We evaluated the accuracy, sensitivity, specificity, and precision of each model for three thresholds [Apnea-Hypopnea Index (AHI)≥5, AHI≥15, and AHI≥30]. Results: Among the machine learning techniques, KNN showed the best results compared to the other techniques. The accuracy, sensitivity, specificity, and precision of OSA prediction were 87.0%, 91.0%, 74.4%, and 91.9%, respectively, based on AHI≥5. When the threshold of OSA was AHI≥15 or AHI≥30, KNN provided lower accuracy (79.6% each) and precision (79.0% and 68.7%), which were still higher than those of the other techniques. Conclusions: The model derived from the KNN technique exhibited the best performance based on its highest level of accuracy. We demonstrate that this model is a useful tool for predicting OSA.
#Obstructive sleep apnea #Apnea #Machine learning #Algorithm

목차

등록된 정보가 없습니다.

참고문헌 (44)

참고문헌 신청
Peppard PE / 2013 / Increased prevalence of sleep-disordered breathing in adults / Am J Epi-demiol 177:1006~1014 Crossref Young T / 2009 / Burden of sleep apnea: rationale, design, and major findings of the Wisconsin Sleep Cohort study / WMJ 108:246~249 google schola Malhotra A / 2002 / Obstructive sleep apnoea / Lancet 360:237~245 Crossref Sunwoo JS / 2018 / Prevalence, sleep characteristics, and comorbidities in a population at high risk for obstructive sleep apnea : a nationwide questionnaire study in South Korea / PLoS One 13:e0193549 Crossref Nieto FJ / 2000 / Association of sleep-disordered breathing, sleep apnea, and hypertension in a large community-based study / JAMA 283:1829~1836 Crossref

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0