年龄归一化心率变异性特征用于非侵入性血糖预测：一次睡眠感知机器学习研究
信号处理
2025-08-20 v2 人工智能
机器学习
摘要
非侵入性血糖监测仍是糖尿病管理中的关键挑战。睡眠期间的心率变异性（HRV）在血糖预测方面显示出前景，但年龄相关的自主神经功能变化显著干扰传统HRV分析。我们对43名受试者进行分析，包含睡眠阶段特定的心电图（ECG）、HRV特征和临床测量数据。应用新颖的年龄归一化技术对HRV特征进行处理，将原始值除以年龄比例因子。采用贝叶斯岭回归（BayesianRidge）进行对数血糖预测，并采用5折交叉验证。年龄归一化后的HRV特征在对数血糖预测中实现R² = 0.161（平均绝对误差MAE = 0.182），相较于未归一化特征（R² = 0.132）提升了25.6%。预测最重要的特征包括hrv rem mean rr age normalized（r = 0.443, p = 0.004）、hrv ds mean rr age normalized（r = 0.438, p = 0.005）以及舒张压（r = 0.437, p = 0.005）。系统性消融研究确认年龄归一化是关键组件，睡眠阶段特定特征提供额外的预测价值。年龄归一化HRV特征显著提升了血糖预测精度，相较于传统方法。该睡眠感知方法性解决了自主功能评估中的根本性局限，为非侵入性血糖监测应用提供了初步可行性。然而，这些结果需在更大规模的队列中进行验证后，才能考虑用于临床应用。
引用
@article{arxiv.2508.11682,
title = {Age-Normalized HRV Features for Non-Invasive Glucose Prediction: A Pilot Sleep-Aware Machine Learning Study},
author = {Md Basit Azam and Sarangthem Ibotombi Singh},
journal= {arXiv preprint arXiv:2508.11682},
year = {2025}
}