中重度OSAS儿童腺样体扁桃体切除术后持续残留的预测模型构建与鉴定

• 作者: 冯国双 吴云肖 许志飞 郑莉 郭永丽 高淑蔚
• 来源期刊: 山东医药
• 学科: 医学
• 关键词: 阻塞性睡眠呼吸暂停综合征 腺样体扁桃体切除术 术后持续残留 分类树模型 儿童
• 年，卷（期）: 2020,（22）
• 所属期刊栏目: 论著
• 页码范围: 18-22
• 页数: 5页
• 分类号: R56
• 字数: 4960字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-266X.2020.22.005

摘要

目的 构建中重度阻塞性睡眠呼吸暂停综合征(OSAS)患儿腺样体扁桃体切除术后持续残留的预测模型,并鉴定其预测效能.方法 选择行腺样体扁桃体切除术的中重度OSAS患儿75例,以术后6个月时整夜多导睡眠图(PSG)监测阻塞性呼吸暂停低通气指数(OAHI)≥1次/h为标准,将患儿分为持续性OSAS组44例、非持续性OSAS组31例.收集两组术前和术后6个月时整夜PSG监测指标,以五折交叉验证法筛选模型参数,通过分类树模型、节点增益分析构建最优模型,通过受试者工作特征(ROC)曲线评估预测模型的效能.结果 以呼吸暂停低通气指数(AHI)、OAHI、混合性呼吸暂停指数(MAI)、快速动眼睡眠期氧减指数、非快动眼睡眠期氧减指数(ODINREM)、平均血氧饱和度(mean SpO2)、觉醒指数、总睡眠时间、睡眠效率及各个睡眠时期占总睡眠时间的百分比等PSG监测指标作为预测因素,构建分类树模型.该分类树模型共有5层、15个节点、4个终末节点,共筛选出MAI、min SpO2、AHI、ODINREM、睡眠效率、呼吸觉醒指数6个解释变量.分类树模型预测持续性OSAS的ROC曲线下面积为0.96(95％CI:0.90～0.98),其预测敏感性为83.3％、特异性为94.1％、准确性为88.6％.结论 构建的分类树预测模型能够快速有效地筛选中重度OSAS患儿腺样体扁桃体切除术后持续残留的风险因素,从而为临床筛选术后需要随访治疗的人群提供依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许志飞		41	140	7.0	10.0
2	吴云肖		7	13	3.0	3.0
3	郭永丽		11	26	3.0	4.0
4	郑莉		13	80	4.0	8.0
5	冯国双		20	64	4.0	7.0
6	高淑蔚		1	0	0.0	0.0