王 娟,张 赞,郝 佩,王秀政,崔苗苗,王珍珍,张美霞,李 侠

(1.空军军医大学西京医院神经外科,陕西 西安 710032;2.长安大学电子与控制工程学院,陕西 西安 710064;3.空军军医大学西京医院护理处,陕西 西安 710032)

脑膜瘤是常见颅内良性肿瘤,发病率约8/10万,在65岁以上人群中的发病率显著升高[1-2]。虽然总体预后良好,但由于老年患者身体机能普遍下降,对疾病及症状的耐受能力减弱,许多在年轻患者中被忽视的症状却很可能对老年患者造成非常严重的不良影响[3-4]。睡眠障碍是多种脑疾患的非特异症状,而老年人本身又常常睡眠质量不佳,因此老年脑膜瘤患者并发的睡眠障碍及由此引发的次生临床问题发生率高,如不能有效防治,会直接影响患者预后[3-4]。传统研究模式主要通过简单线性模型筛选出可能影响疾病相关睡眠障碍的潜在因素,并通过对这些因素的提前干预来改善其负面效应[5-7]。然而,在疾病的真实世界中,各个影响因素的作用往往是相互交织、相互牵制的,其间的复杂关系很难通过简单的线性模型来展现,需要基于高通量、大数据的研究方法来加以研究。近年来迅猛发展的人工智能技术,特别是不断更新的机器学习算法,为模拟、描述、再现真实临床场景中各因素间复杂的相互关系提供了强有力的解决方案[8]。本研究拟通过联合基于决策树的集成学习lightGBM算法和基于SHAP框架的模型解释算法探讨老年脑膜瘤患者人口学及临床特征与睡眠障碍发生间的可能关系,为改善该类患者睡眠障碍、提高整体治疗水平提供新的思考维度。……