Published May 2, 2024
| Version v1
Publication
Application of Machine Learning Techniques for the Diagnosis of Obstructive Sleep Apnea/Hypopnea Syndrome
- 1. Universidad del Valle
- 2. Hospital Universitario del Valle ESE
- 3. Universidad Libre de Colombia
Description
Obstructive sleep apnea/hypopnea syndrome (OSAHS) is a condition linked to severe cardiovascular and neuropsychological consequences, characterized by recurrent episodes of partial or complete upper airway obstruction during sleep, leading to compromised ventilation, hypoxemia, and micro-arousals. Polysomnography (PSG) serves as the gold standard for confirming OSAHS, yet its extended duration, high cost, and limited availability pose significant challenges. In this paper, we employ a range of machine learning techniques, including Neural Networks, Decision Trees, Random Forests, and Extra Trees, for OSAHS diagnosis. This approach aims to achieve a diagnostic process that is not only more accessible but also more efficient. The dataset utilized in this study consists of records from 601 adults assessed between 2014 and 2016 at a specialized sleep medical center in Colombia. This research underscores the efficacy of ensemble methods, specifically Random Forests and Extra Trees, achieving an area under the Receiver Operating Characteristic (ROC) curve of 89.2% and 89.6%, respectively. Additionally, a web application has been devised, integrating the optimal model, empowering qualified medical practitioners to make informed decisions through patient registration, an input of 18 variables, and the utilization of the Random Forests model for OSAHS screening.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
انقطاع النفس الانسدادي أثناء النوم/متلازمة نقص التنفس (OSAHS) هي حالة مرتبطة بالعواقب القلبية الوعائية والنفسية العصبية الشديدة، وتتميز بنوبات متكررة من انسداد مجرى الهواء العلوي الجزئي أو الكامل أثناء النوم، مما يؤدي إلى ضعف التهوية ونقص الأكسجة والإثارة الدقيقة. يعمل تخطيط النوم (PSG) كمعيار ذهبي لتأكيد الصحة والسلامة المهنية، ومع ذلك فإن مدته الممتدة وتكلفته العالية وتوافره المحدود تشكل تحديات كبيرة. في هذه الورقة، نستخدم مجموعة من تقنيات التعلم الآلي، بما في ذلك الشبكات العصبية، وأشجار القرار، والغابات العشوائية، والأشجار الإضافية، لتشخيص OSAHS. يهدف هذا النهج إلى تحقيق عملية تشخيصية ليس فقط أكثر سهولة ولكن أيضًا أكثر كفاءة. تتكون مجموعة البيانات المستخدمة في هذه الدراسة من سجلات من 601 بالغ تم تقييمهم بين عامي 2014 و 2016 في مركز طبي متخصص للنوم في كولومبيا. يؤكد هذا البحث على فعالية طرق التجميع، وتحديدًا الغابات العشوائية والأشجار الإضافية، وتحقيق مساحة تحت منحنى خاصية تشغيل جهاز الاستقبال (ROC) بنسبة 89.2 ٪ و 89.6 ٪ على التوالي. بالإضافة إلى ذلك، تم تصميم تطبيق ويب، يدمج النموذج الأمثل، ويمكّن الممارسين الطبيين المؤهلين من اتخاذ قرارات مستنيرة من خلال تسجيل المرضى، وإدخال 18 متغيرًا، واستخدام نموذج الغابات العشوائية لفحص الصحة والسلامة المهنية.Translated Description (French)
L'apnée obstructive du sommeil/syndrome d'hypopnée (SAOS) est une affection liée à des conséquences cardiovasculaires et neuropsychologiques graves, caractérisée par des épisodes récurrents d'obstruction partielle ou complète des voies respiratoires supérieures pendant le sommeil, entraînant une ventilation compromise, une hypoxémie et des micro-éveils. La polysomnographie (PSG) est l'étalon-or pour confirmer l'OSAHS, mais sa durée prolongée, son coût élevé et sa disponibilité limitée posent des défis importants. Dans cet article, nous utilisons une gamme de techniques d'apprentissage automatique, y compris les réseaux neuronaux, les arbres de décision, les forêts aléatoires et les arbres supplémentaires, pour le diagnostic OSAHS. Cette approche vise à réaliser un processus de diagnostic non seulement plus accessible mais aussi plus efficace. L'ensemble de données utilisé dans cette étude consiste en des enregistrements de 601 adultes évalués entre 2014 et 2016 dans un centre médical spécialisé dans le sommeil en Colombie. Cette recherche souligne l'efficacité des méthodes d'ensemble, en particulier les forêts aléatoires et les arbres supplémentaires, atteignant une superficie sous la courbe des caractéristiques opérationnelles du récepteur (roc) de 89,2 % et 89,6 %, respectivement. En outre, une application Web a été conçue, intégrant le modèle optimal, permettant aux médecins qualifiés de prendre des décisions éclairées grâce à l'enregistrement des patients, à la saisie de 18 variables et à l'utilisation du modèle Random Forests pour le dépistage OSAHS.Translated Description (Spanish)
El síndrome de apnea/hipopnea obstructiva del sueño (SAHS) es una afección relacionada con consecuencias cardiovasculares y neuropsicológicas graves, caracterizada por episodios recurrentes de obstrucción parcial o completa de las vías respiratorias superiores durante el sueño, lo que lleva a una ventilación comprometida, hipoxemia y microexcitaciones. La polisomnografía (PSG) sirve como el estándar de oro para confirmar OSAHS, sin embargo, su duración prolongada, alto costo y disponibilidad limitada plantean desafíos significativos. En este documento, empleamos una gama de técnicas de aprendizaje automático, que incluyen redes neuronales, árboles de decisión, bosques aleatorios y árboles adicionales, para el diagnóstico de OSAHS. Este enfoque tiene como objetivo lograr un proceso de diagnóstico que no solo sea más accesible sino también más eficiente. El conjunto de datos utilizado en este estudio consiste en registros de 601 adultos evaluados entre 2014 y 2016 en un centro médico especializado en sueño en Colombia. Esta investigación subraya la eficacia de los métodos de conjunto, específicamente Bosques Aleatorios y Árboles Extra, logrando un área bajo la curva de Características Operativas del Receptor (Roc) del 89.2% y 89.6%, respectivamente. Además, se ha diseñado una aplicación web que integra el modelo óptimo, lo que permite a los médicos calificados tomar decisiones informadas a través del registro de pacientes, una entrada de 18 variables y la utilización del modelo de bosques aleatorios para la detección de OSAHS.Additional details
Additional titles
- Translated title (Arabic)
- تطبيق تقنيات التعلم الآلي لتشخيص انقطاع التنفس أثناء النوم الانسدادي/متلازمة نقص التنفس
- Translated title (French)
- Application des techniques d'apprentissage automatique pour le diagnostic de l'apnée obstructive du sommeil/syndrome d'hypopnée
- Translated title (Spanish)
- Aplicación de técnicas de aprendizaje automático para el diagnóstico de la apnea obstructiva del sueño/síndrome de hipopnea
Identifiers
- Other
- https://openalex.org/W4396579970
- DOI
- 10.3390/life14050587
References
- https://openalex.org/W1578174634
- https://openalex.org/W1995341919
- https://openalex.org/W2015245099
- https://openalex.org/W2056132907
- https://openalex.org/W2100213584
- https://openalex.org/W2142827986
- https://openalex.org/W2144152906
- https://openalex.org/W2148143831
- https://openalex.org/W2292495087
- https://openalex.org/W2743263355
- https://openalex.org/W2744882636
- https://openalex.org/W2914197217
- https://openalex.org/W2959442417
- https://openalex.org/W2999086204
- https://openalex.org/W4297541858
- https://openalex.org/W4323318767
- https://openalex.org/W4327953557
- https://openalex.org/W4366390688
- https://openalex.org/W4376275175
- https://openalex.org/W4385783820
- https://openalex.org/W581125051