使用AI预测未来CPAP呼吸机依从性以及行为和技术干预的影响（0636）
介绍
CPAP呼吸机依从性的临床管理仍然是一个持续的挑战。可以采用行为和技术干预措施，例如患者外展（医疗服务商对患者基于医疗数据的联系、推进和服务-编者注）、指导、故障排除和更换CPAP呼吸机附件，以积极方式影响依从性。先前的作者已经描述了CPAP呼吸机依从性表型，该表型通过离散使用模式对患者进行回顾性分类。我们设计了一个虚拟现实（AI）模型，该模型可预测性地将患者按先前研究的依从性表型分类，并分析其统计学意义，以及分析几种干预措施对后续CPAP呼吸机依从性的影响大小。
方法
我们收集了受试者的横断面队列（N = 13,917），获得总计455天每天的CPAP呼吸机使用数据。患者的外展记录和更换附件数据与每日的CPAP呼吸机使用时间同步。根据Aloia等人（2008）的定义，依据每30天的使用情况可划分四种依从性表型之一，包括良好用户、可变用户、偶尔尝试者和非用户。交叉验证用于训练和评估递归神经网络模型，该模型基于先前使用模式的动态性来预测未来的依从性表型。两侧95％的自举置信区间和Cohen d统计量用于分析多次更换CPAP附件干预措施实施前后30天使用行为变化的显着性和影响大小。
结果
AI模型预测了接下来的30天依从性表型，其平均敏感性为90％，特异性为96％，准确性为95％，科恩的Kappa值为0.83。 AI模型预测了CPAP呼吸机没有使用的天数、小于4小时的使用量以及接下来30天小于4小时的使用时间，与实际情况相比，OLS回归R平方值为0.94、0.88和0.95 。十项更换CPAP呼吸机附件干预措施与依从性的统计显着增加相关，并使用Cohen d按依从效应大小进行排名。影响最大的是更换新的胶垫或面罩，在可变使用者、偶尔尝试者和非使用者组中，干预后CPAP呼吸机的依从性平均提高了7-14％。
结论
AI模型应用了过去的CPAP呼吸机使用数据，以高度的敏感性和特异性预测了未来的依从性表型和使用情况。我们确定了更换CPAP呼吸机附件干预措施与纠结患者的依从性显着提高有关。这项工作演示了AI的新应用，可帮助临床医生保持CPAP呼吸机依从性。
(叶妮摘自Sleep,Volume43,IssueSupplement1,April2020, Page A243）
