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
Park Pona (Seoul National University College of Medicine Seoul Korea.Department of Otorhinolaryngology-Head and Neck Surgery National Police Hospital Seoul Korea.) Kim Jeong-Whun (Seoul National University College of Medicine Seoul Korea.Sensory Organ Research Institute Seoul National University Medical Research Center Seoul Korea.Department of Otorhinolaryngology-Head and Neck)
저널정보
대한의학회 Journal of Korean Medical Science Journal of Korean Medical Science Vol.38 No.7
발행연도
2023.2
수록면
1 - 10 (10page)
DOI
10.3346/jkms.2023.38.e49

이용수

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

초록· 키워드

오류제보하기
Background: The majority of patients with obstructive sleep apnea do not receive timely diagnosis and treatment because of the complexity of a diagnostic test. We aimed to predict obstructive sleep apnea based on heart rate variability, body mass index, and demographic characteristics in a large Korean population. Methods: Models of binary classification for predicting obstructive sleep apnea severity were constructed using 14 features including 11 heart rate variability variables, age, sex, and body mass index. Binary classification was conducted separately using apnea-hypopnea index thresholds of 5, 15, and 30. Sixty percent of the participants were randomly allocated to training and validation sets while the other forty percent were designated as the test set. Classifying models were developed and validated with 10-fold cross-validation using logistic regression, random forest, support vector machine, and multilayer perceptron algorithms. Results: A total of 792 (651 men and 141 women) subjects were included. The mean age, body mass index, and apnea-hypopnea index score were 55.1 years, 25.9 kg/m2 , and 22.9, respectively. The sensitivity of the best performing algorithm was 73.6%, 70.7%, and 78.4% when the apnea-hypopnea index threshold criterion was 5, 10, and 15, respectively. The prediction performances of the best classifiers at apnea-hypopnea indices of 5, 15, and 30 were as follows: accuracy, 72.2%, 70.0%, and 70.3%; specificity, 64.6%, 69.2%, and 67.9%; area under the receiver operating characteristic curve, 77.2%, 73.5%, and 80.1%, respectively. Overall, the logistic regression model using the apnea-hypopnea index criterion of 30 showed the best classifying performance among all models. Conclusion: Obstructive sleep apnea was fairly predicted by using heart rate variability, body mass index, and demographic characteristics in a large Korean population. Prescreening and continuous treatment monitoring of obstructive sleep apnea may be possible simply by measuring heart rate variability.
#Sleep Apnea #Obstructive #Heart Rate #Polysomnography #Machine Learning

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

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