重度阻塞性睡眠呼吸暂停风险预测模型的建立与评价

目的 本研究通过列线图构建普通人群罹患重度阻塞性睡眠呼吸暂停(obstructive sleep apnea, OSA)风险的预测模型，探究重度OSA的独立危险因素，指导临床早期诊断和治疗。方法 回顾性纳入1 656名患者，并按7∶3将其随机分为训练集与验证集。根据呼吸暂停低通气指数>30次/h将患者分为重度OSA与非重度OSA组。用最小绝对收缩、选择算子(the least absolute shrinkage and selection operator, Lasso)和逻辑回归(logistic regression, LR)对所有备选预测因子进行进一步筛选，基于LR建立重度OSA患者的预测模型，在验证集中对列线图模型进行验证，使用C指数、校准曲线和决策曲线分析(Decision Curve Analysis, DCA)评价列线图的区分能力、校准性和临床有效性。此外，我们将该模型与临床上广泛使用的问卷，包括STOP-Bang、柏林问卷通过受试者工作曲线进行了比较。结果 通过单因素及多因素Logistic回归分析和Lasso Logistic回归确定吸烟、憋气病史、BMI、腰...