《Sleep and Biological Rhythms》：Risk warning model for predicting sleep disorders in healthcare workers on long-term shifts
编辑推荐：
为解决传统预测模型因数据集不平衡难以识别睡眠障碍（SD）医护人员这一少数类样本的问题，来自武汉科技大学附属华润武钢总医院的研究人员开展了构建风险预警模型的研究。结果显示 SMOTE 预警模型表现优异，对医护人员健康管理及其他领域有重要意义。
长期轮班工作对医护人员的健康有着显著影响，睡眠障碍（SD）是一个常见且亟待关注的问题。传统的预测模型由于数据集不平衡，在识别少数类样本（即患有 SD 的医护人员）方面表现不佳。本研究旨在通过引入合成少数过采样技术（SMOTE）构建一个风险预警模型，以提高对长期轮班医护人员 SD 的预测准确性，为早期干预提供科学依据。对武汉科技大学附属华润武钢总医院的 181 名医护人员的睡眠状况进行了回顾性分析。根据睡眠状态将参与者分为两组：A 组（AG）70 名患有 SD 的人员，B 组（BG）111 名未患有 SD 的人员。分析了基于
SMOTE 的风险预警模型在预测长期轮班医护人员 SD 方面的应用，并将该模型的性能与另外两个模型以及三个验证数据集进行了验证。对长期轮班医护人员 SD 的多因素 logistic 回归分析表明，性别、年龄、职业、教育水平、职称、授权强度、轮班时长、工作时长、焦虑和抑郁被确定为独立影响因素。SMOTE 预警模型的灵敏度达到 83.22%，特异度达到 78.67%，准确率达到 85.35%，阳性预测值（PPV）达到 74.60%，阴性预测值（NPV）达到 87.67%，显著优于原始数据集、反向传播（BP）模型和随机森林（RF）模型（
P?!--?0.05）。受试者工作特征曲线（ROC）分析显示，经 SMOTE 处理的数据的曲线下面积（AUC）值为 0.85，这表明基于 SMOTE 的预警模型具有卓越的预测性能。基于 SMOTE 的风险预警模型有效地提高了对长期轮班医护人员 SD 的预测能力，具有显著的临床适用性。这一发现不仅有助于改善医护人员的健康管理，还为其他领域的类似问题提供了参考模型。
下载安捷伦电子书《通过细胞代谢揭示新的药物靶点》探索如何通过代谢分析促进您的药物发现研究
10x Genomics新品Visium HD 开启单细胞分辨率的全转录组空间分析！
欢迎下载Twist《不断变化的CRISPR筛选格局》电子书
单细胞测序入门大讲堂 - 深入了解从第一个单细胞实验设计到数据质控与可视化解析
下载《细胞内蛋白质互作分析方法电子书》
