呼吸事件持续时间在成年人阻塞性睡眠呼吸暂停夜间低氧血症中的意义

背景阻塞性睡眠呼吸暂停(OSA)患病率逐年升高,但目前OSA普遍使用呼吸暂停低通气指数(AHI)>5次/h的诊断标准对疾病的诊断、评估病情的严重程度、治疗效果以及远期并发症的预测中逐渐暴露出弊端,本研究提出评估OSA的参数除了AHI外,还需纳入更多关于呼吸暂停低通气时间的信息。目的探讨呼吸事件持续时间在成年人阻塞性睡眠呼吸暂停夜间低氧血症中的意义。方法选取2021年10月—2022年3月就诊于山西医科大学第一医院睡眠监测室疑诊为OSA的患者296例作为研究对象。在进行多导睡眠监测(PSG)前,受试者均接受了身高、体质量、颈围等方面的体格检查,并详细询问了其睡眠史以及高血压及糖尿病史等信息。根据AHI将受试者分为3组:5次/h≤AHI<15次/h为轻度OSA组(56例),15次/h≤AHI<30次/h为中度OSA组(62例),AHI≥30次/h为重度OSA组(178例)。比较3组血氧指标[最低血氧饱和度(LSpO_(2))、平均血氧饱和度(MSpO_(2))、基线血氧饱和度(BSpO_(2))、氧减指数(ODI)及血氧饱和度(SpO_(2))<90%的时间占整夜总睡眠时间的百分比(T90)]和呼吸事件持续时间参数[平均呼吸暂停持续时间(MTAD)、平均呼吸低通气持续时间(MHD)、平均呼吸暂停-低通气持续时间(MAD)、总呼吸暂停时间最长值(LTAD)、最长低通气时间(LHD)、最长呼吸暂停-低通气持续时间(LAD)、总呼吸暂停-低通气持续时间(TAD)、AHI、呼吸暂停-低通气持续时间占总睡眠时间百分比(AHT%)]的差异,采用Spearman秩相关分析探讨呼吸事件持续时间参数与血氧指标的相关性。根据TAD和AHT%的中位数(分别为69.78 min和14.33%),将OSA患者分为短事件组(短TAD亚组、短AHT%亚组,各74例)和长事件组(长TAD亚组、长AHT%亚组,各222例),并进一步分析各组TAD、AHT%和AHI与血氧指标的相关性。结果轻、中、重度OSA组患者性别、年龄、BMI、颈围、日间嗜睡、高血压史、糖尿病史比较,差异均有统计学意义(P<0.05)。重度OSA组患者ODI、T90均高于轻、中度OSA组,LSpO_(2)、MSpO_(2)低于轻、中度OSA组(P<0.05);中度OSA组LSpO_(2)低于轻度OSA组,ODI、T90高于轻度OSA组(P<0.05)。重度OSA组MTAD、LTAD、TAD、AHT%均高于轻、中度OSA组,MHD低于轻、中度OSA组(P<0.05);重度OSA组LHD低于中度OSA组,LAD高于轻度OSA组;中度OSA组MTAD、LTAD、TAD、AHT%高于低度OSA组(P<0.05)。散点图及loess拟合曲线结果显示,MTAD、MHD、MAD、LTAD、LHD、LAD数值均随着AHI先增大,后减小;TAD、AHT%随着AHI的增大而延长。Spearman秩相关分析结果显示,OSA患者AHI、MTAD、LTAD、TAD、AHT%与LSpO_(2)、MSpO_(2)呈负相关,与ODI、T90呈正相关(P<0.05);MHD、LHD与LSpO_(2)、MSpO_(2)呈正相关,与ODI、T90呈负相关(P<0.05);MAD与ODI呈负相关(P<0.05);LAD与LSpO_(2)呈负相关(P<0.05)。进一步分组Spearman秩相关分析结果显示,短TAD亚组、短AHT%亚组、长TAD亚组、长AHT%亚组中TAD、AHT%、AHI与LSpO_(2)均呈负相关,与ODI均呈正相关(P<0.05),与BSpO_(2)无相关性(P>0.05);长事件组中TAD、AHT%、AHI与MSpO_(2)均呈负相关,与T90均呈正相关(P<0.05)。结论呼吸事件持续时间在评价OSA患者的夜间低氧血症中发挥着重要作用,可以作为现有诊断及评价指标AHI的补充,并且TAD、AHT%等指标在某些情况下甚至比AHI更具有代表性。AHI、LSpO_(2)联合呼吸事件持续时间能更客观地评估OSA患者病情严重程度。

基于贝叶斯决策树的交通事件持续时间预测

采用基于贝叶斯方法的决策树算法,利用上海市中心城区1536个交通事件持续时间数据,建立交通事件持续时间的预测模型。结果表明,事件类型是决策树中的第一层测试属性,不同类型事件的特性属性在决策树中的位置并不相同。并用384个交通事件数据对模型的预测精度进行检验。检验结果表明,抛锚事件持续时间预测误差小于10 min的正确率为79%,而交通事故持续时间预测误差小于20 min的正确率为65%。基于贝叶斯推理的决策树算法比仅基于贝叶斯或仅基于决策树算法的分类精度更高,鲁棒性更强。

基于多元回归分析的事件持续时间预测

事件持续时间预测是实现先进的事件管理系统的一个重要基础。本文通过多元回归分析法对高速公路事件持续时间预测问题进行研究。首先通过方差分析(ANOVA)确定对事件持续时间具有显著影响的因素。在此基础上,通过逐步回归分析确定用于高速公路事件持续时间预测的最佳变量组合并建立多元线性回归模型。经检验,预测值与实际值的相关系数为0.8573,预测结果基本能够反映真实的事件持续时间情况。

基于决策树的高速公路事件持续时间预测

利用决策树方法对高速公路事件持续时间预测问题进行研究。首先在借鉴各国研究经验的基础上,根据所研究事件数据集中的事件持续时间数据的分布特征确定构造基于决策树的预测方法;然后用整理得到的660组事件数据,通过对各类事件的显著性分析,建立高速公路事件持续时间预测决策树,并用同一数据集中未用于决策树构造的170组数据对决策树的预测效果进行检验。检验结果表明:所开发决策树的预测值与实际值的相关系数为0.8423,预测结果基本能够反映真实的事件持续时间情况。

基于随机生存森林的交通事件持续时间预测

采用随机生存森林模型开展交通事件持续时间分析,克服了传统决策树模型易过度拟合和传统生存分析需限制性假定及识别协变量交互作用的缺陷.该研究基于上海城市快速路网交通事件数据,结合道路几何线形、交通运行、天气状况等数据.原始数据库分为训练数据(80%)和测试数据(20%).分析结果表明事件类型、路段长度、发生地点、剩余车道数、交通流量等变量对交通事件持续时间有显著影响;影响时间预测准确率结果表明随机生存森林模型预测精度显著优于随机森林的预测精度.

交通事件持续时间预测方法综述

对交通事件持续时间的预测方法进行综述。分析了交通事件对交通拥堵的影响,解释了交通事件持续时间的含义。交通事件持续时间预测方法主要包括:基于统计分析的模型,如概率分布、条件概率、回归分析、时间序列,其次包括不需要知道其分布特点的决策树模型、非参数回归模型,模糊逻辑模型。分析了各种方法的优缺点和适用性,并指出交通事件数据的质量影响了模型的准确性和精度。大量的研究发现事件持续时间的分布近似于正态分布,并向左侧偏斜。最后,提出今后交通事件数据库的建立和交通事件的科学分类可从根本上提高基于统计学模型的精度。

快速路交通事件持续时间预测模型

针对城市快速路交通事件持续时间影响因素的复杂性和不确定性,结合贝叶斯网络和非参数回归方法,提出了一种新的快速路交通事件持续时间预测模型.采用上海市快速路监控中心数据,经过降噪处理,生成样本数据;在分析样本数据特征基础上,确定了贝叶斯网络的结构学习方法与参数学习方法;对贝叶斯网络模型的结果用非参数回归算法生成持续时间预测值.最后,对模型预测精度进行了验证,发现模型预测效果较好.

中文阅读中的边界效应及其消除：事件持续效应

运用动窗技术探讨中文阅读中的边界效应及其消除的条件,包括3个实验。实验一探讨中文阅读中是否存在边界效应,结果发现,边界效应同样存在于中文阅读中;实验二、三探讨时间切分标记能否消除边界效应以及消除的条件,结果发现,只有当切分标记表示的时间在前一事件持续的时间跨度外时才能消除边界效应,如果切分标记表示的时间仍在前一事件持续的时间跨度内,则不能消除边界效应,本研究称此为事件持续效应。从本研究结果中可以得出,时间切分标记降低了主题转换句子所需要的认知加工能量。

基于风险分析的交通事件持续时间预测

采用基于风险分析的参数估计方法,利用嘉兴市辖区高速公路上1 062个交通事件持续时间数据,建立交通事件持续时间的威布尔加速失效时间预测模型.并用265个交通事件数据对模型的预测精度进行检验.检验结果表明,交通事故持续时间预测误差小于30min的准确率为78%,而只考虑持续时间大于10min的抛锚事件时,其持续时间预测误差小于10min的准确率为70%.基于风险分析的方法比仅基于贝叶斯或仅基于决策树算法的预测精度更高,数据利用范围更大.

Cox Regression模型在交通事件持续时间研究中的应用

有效的交通事件管理要求交通管理者全面了解交通事件的各种特征才能准确估计事件持续时间,从而及时地疏导交通拥堵。利用某高速公路应急指挥中心管理系统中记录的近3 a的交通事件持续时间数据,建立Cox Regression模型探索影响持续时间的危险因素并评价其作用强度和方向。研究表明,日夜、报警方式、事件类型、占用车道数、涉及车辆数、涉及死亡、救护车、牵引车、吊车、驳车、涉及货车等11项是交通事件持续时间的显著影响因素,因此,交通管理者对这些因素进行改善可有效提高交通事件管理效率和安全性。

基于贝叶斯网络的交通事件持续时间预测

随着数据采集手段的不断提高和相关研究技术的发展,基于数据挖掘的模型逐渐成为交通事件持续时间研究的主要方向。根据荷兰交通部门提供的交通事件采集数据,进行分类和预处理,观察事件持续时间的频数图,并根据相关的研究按照事件典型的类别把采集的数据进行分类。使用主成分分析和逐步回归提取出显著性的影响因子,利用数据挖掘软件WEKA建立贝叶斯网络模型,用数据集中80%的数据进行学习建模,20%的数据作为测试集来检测模型的预测效果,并做出性能评价。实验结果表明,与同类数据集的其他预测方法相比,贝叶斯网络模型对于变数众多,随机性特别大的交通事件,预测精度较高,证明贝叶斯网络模型的算法是具有一定优越性和实用价值。

事件持续时间对情景模型更新的影响

采用移动窗口技术,探讨文本阅读中事件持续时间对情景模型更新的影响。实验1探讨不同的事件持续时间对情景模型更新进程的影响。结果发现,情景模型的更新受到事件持续时间的影响;实验2探讨在不同的事件持续时间条件下,情景模型的更新符合动态观还是静态观,结果支持了情景模型更新的动态观。该研究表明,事件持续时间与时间转换大小之间的关系对情景模型的更新起着重要的作用。同时,情景模型的更新符合动态观。

多模态文本信息的高速公路交通事件持续时间预测

为研究文本信息质量对高速公路应急处置的影响,针对多阶段自然语言描述的交通事件文本信息,提出基于预训练模型和深度学习的多模态数据持续时间预测架构,通过对比分析Word2vec、BERT、ALBERT和RoBERTa预训练模型在BiLSTM-CNN基准预测模型上的性能指标,检验预训练后词向量在原始文本、首次文本和拼接文本3种模态的准确性和稳健性。研究结果表明:Word2vec-BiLSTM-CNN模型预测性能较优,训练时间短且具有较好的鲁棒性,能够适用于不同模态的文本数据;相较于原始文本和拼接文本,首次文本信息预测效果良好,是交通事件持续时间预测的关键;拼接文本虽然增加了训练时间,但预测性能并未得到提高。研究结果可有效论证文本信息质量对高速公路应急处置的重要作用,为后续多阶段文本信息数据处理提供支撑。

OSAHS患者呼吸事件持续时间与微觉醒、血氧下降时间的关系

目的探讨阻塞性睡眠呼吸暂停低通气综合征(OSAHS)患者睡眠过程中呼吸事件持续时间的变化与微觉醒、血氧下降时间的关系。方法对12例中重度OSAHS患者行夜间多导睡眠图监测,判读睡眠呼吸事件(包括睡眠呼吸暂停、低通气)和微觉醒的发生情况。将呼吸事件分为伴随微觉醒的呼吸事件(RAR)和不伴随微觉醒的呼吸事件(N-RAR)两类,在个体内、RAR与N-RAR组间比较二者呼吸事件持续时间的差异;观察呼吸事件发生时,呼吸事件持续时间与相对应的血氧下降持续时间的关系。结果个体内比较,12例中有11例呼吸事件持续时间RAR>N-RAR,7例存在统计学差异(P<0.05或<0.01);将12例个体内归一化后分为RAR组与N-RAR组,两组呼吸事件持续时间RAR组>N-RAR组(P<0.01)。12例患者NREM期的呼吸事件持续时间为(25.6±9.4)s,血氧下降时间为(30.0±10.2)s,血氧下降时间高于呼吸事件持续时间(P<0.01)。相关性分析显示,RAR组与NRAR组的血氧下降时间与呼吸事件持续时间均呈正相关(RAR组R=0.54,N-RAR组R=0.68,P均<0.01)。血氧下降时间在N-RAR下随呼吸事件持续时间增长的速度大于RAR(N-RAR斜率为0.80,RAR斜率为0.55)。结论OSAHS患者呼吸事件持续时间的变化与微觉醒有关,持续时间越长,发生微觉醒的可能性越大;呼吸事件持续时间与血氧下降时间呈正相关,且血氧下降时间在N-RAR下随呼吸事件持续时间增长的速度大于RAR。

基于ANFIS的交通事件持续时间预测

针对高速公路交通事故引发交通堵塞的问题,提出一种基于减法聚类和自适应神经模糊推理系统的事件持续时间预测新方法。将该方法应用于交通事件持续时间预测,从I-880数据库中提取事件持续时间相关因素,使用非参数估计法进行显著性分析,将影响程度最大的因素作为模糊系统的输入样本,采用减法聚类对输入样本进行聚类,得到模糊规则数并建立初始模糊推理系统,使用BP反向传播算法和最小二乘估计算法的混合算法对该模糊系统进行训练并优化,建立最终模糊模型。仿真结果证明,该系统对交通事件持续时间预测具有较高检测率和较低误报率。

城市快速路交通事件持续时间预报方法

提出了基于决策树的快速路交通事件持续时间预报方法。根据调查的快速路交通事件样本信息,提出了先通过聚类分析将连续型属性将交通事件持续时间离散化,再基于不纯性度量的决策树生成算法建立预测模型。研究分别采用方差分析方法对建模样本进行显著性检验和实际测试样本数据分别对模型进行了验证。结果证明所述的方法对于快速路交通事件预报是有效的。

中国典型大范围持续干旱事件对大气环流的响应

在全球气候变化和人类活动强度增加的双重驱动下,频繁、广发的大范围极端干旱事件给中国经济社会发展和生态环境造成了严重影响。为分析中国干旱的时空动态演变特征,该研究采用标准化降水蒸散指数(standardized precipitation evapotranspiration index,SPEI)结合干旱历时、干旱面积以及干旱烈度,构建了一种基于持续干旱栅格概念的大范围持续干旱事件识别方法,研究1961—2020年中国历史大范围持续干旱事件的时空动态演变特征及其对大气环流的响应机制。研究发现:过去60年中国共发生了47场大范围持续干旱事件,平均持续干旱历时为7.14个月,平均持续干旱面积为28.66%,平均持续干旱烈度为-2.86;1980—2010年间每10 a发生的干旱事件平均持续干旱面积出现连续扩大趋势,在1970—2020年间每10 a发生的干旱事件平均持续干旱历时集中在4~8个月之间;海洋尼诺指数(Oceanic Ni?o Index,ONI)与中国大范围持续干旱事件的发生表现出较强的相关性,ONI与SPEI3之间主要存在16~48月的共振周期,当强拉尼娜事件发生时会导致中国春季降水的减少,增加中国发生春旱的频次。研究结果有助于进一步理解中国干旱的成因和规律,提升防旱抗旱政策的科学性和精准性。

北疆冬季持续性极端低温事件延伸期的环流异常特征

本文利用1951~2019年国家气象信息中心逐日站点数据和NCEP/NCAR再分析资料,分析了冬季北疆(新疆北部)持续性极端低温事件(PECE)频次的时空分布特征,并探讨了平流层与对流层在事件发生发展过程中的作用。分析表明:年代际尺度上,北疆PECE在20世纪60年代发生频次最多,此后逐渐减少,表明北疆区域发生该事件的概率在降低。空间分布上,无论是极端低温频次还是冷空气强度,极值中心皆在额尔齐斯河流域一线。北疆PECE发展过程中,平流层和对流层环流皆发生了阶段性的调整。延伸期阶段,距事件爆发前25日时,平流层I区(30°E~120°E)极涡首先开始了由强到弱的转变(欧亚弱极涡型)。行星波向下游频散,东南支波列携带能量影响北疆。至事件爆发前20日,对流层极涡也表现出强度减弱,冷空气分裂南下。此后进入短期阶段,来自北冰洋的冷空气在乌拉尔山高压脊前堆积,使得高压脊加强维持至事件爆发前3日,西伯利亚高压携带冷空气向东南方向扩展,随后对流层大型横槽斜脊引导冷空气南下,地面西伯利亚高压发展强盛向南爆发,3日后冷空气影响北疆地区。

广东省持续性干旱事件的变化及其成因

利用1961年1月—2005年12月广东省86个测站的地面观测资料、ERSST全球月平均海温资料以及NCEP/NCAR全球大气多要素资料,定义了广东持续性干旱事件,分析了广东持续性干旱事件的变化特征,从多种角度(包括大气环流、海温、海气温差)讨论广东持续性干旱事件的成因。结果表明,广东持续性干旱事件平均出现频率为每26个月发生1次,以秋冬旱或冬春旱为主,持续性干旱事件具有大范围全省性的空间分布特征;1960年代是20世纪下半叶干旱较频繁且强度较强的年代,但2001—2005年干旱出现的概率和强度都超过1960年代,反映了广东区域极端气候事件对全球气候变化的响应;各季节大气环流和海温等在广东干旱情况下表现出不同的异常变化特征:春季华南冷空气偏弱,夏季则夏季风偏弱、西太平洋副热带高压明显偏强、贝加尔湖槽及北太平洋洋中槽偏强,秋季亚洲大陆高压偏弱、冷空气活动较少,冬季则冬季风偏强、海平面气压场的北太平洋涛动(NPO)和北大西洋涛动(NAO)两种遥相关型同时出现。以上结果为干旱预测尤其是气候模式产品的动力释用提供了很好的参考依据。

中国区域持续性高温事件时空变化特征研究

采用综合考虑高温事件温度强度、持续时间和发生面积等因子的区域持续性极端高温事件(regional con-tinual high temperature event,RCHTE)判别方法和指标体系,分析中国近50 a RCHTE的时空变化特征。研究表明,中国RCHTE发生强度和频次较多的地区主要位于中国西北(西北西部和内蒙古西部)和东南地区(黄淮南部、江淮、江汉、江南和华南南部等地),而中国东北和西南地区为RCHTE少发区;中国RCHTE发生频次、强度和影响面积在20世纪90年代前略呈减少趋势,90年代后呈现显著增加趋势,各指标在90年代末至21世纪初发生-突变,RCHTE增加趋势更为显著。