通过数据分析对晕厥进行分类
定量方法
2016-09-08 v1
摘要
目的：晕厥是一种伴随姿势性张力丧失和自发恢复的突发性意识丧失；它是一种常见病症，但难以准确诊断。对其触发机制和潜在病理生理学的不确定性导致了对表现出该症状的患者的各种分类。本研究提出了一种使用机器学习对晕厥类型进行分类的新方法。方法：我们假设可以通过分析从直立倾斜试验程序中获得的血压和心率时间序列数据来表征晕厥类型。通过优化分类率，我们识别出少量决定性标记，从而实现数据聚类。结果：我们将所提出的方法应用于 157 名受试者的临床数据；每位受试者均被专家鉴定为健康或患有以下三种疾病之一：心脏抑制型晕厥、血管减压型晕厥和体位性直立性心动过速。聚类证实了这三个疾病组，并在健康对照组中识别出两个不同的亚组。结论：所提出的方法提供了质疑当前晕厥分类的证据；它还提供了改进这些分类的手段。意义：当前的晕厥分类不是基于病理生理学的，也没有带来患者护理的显著改善。预期更忠实的分类将促进我们对健康受试者自主神经系统的理解，这对于分析疾病组的病理生理学至关重要。
引用
@article{arxiv.1609.02049,
title = {Classification of syncope through data analytics},
author = {Joseph Hart and Jesper Mehlsen and Christian H. Olsen and Mette Sofie Olufsen and Pierre Gremaud},
journal= {arXiv preprint arXiv:1609.02049},
year = {2016}
}