原文：
towardsdatascience.com/exploring-the-link-between-sleep-disorders-and-health-indicators-ace631d814b9
由Benjamin Voros在Unsplash上的照片
在本文中，我将分析来自 DREAMT 数据集的参与者信息，以揭示睡眠呼吸暂停、打鼾、呼吸困难、头痛、不宁腿综合征（RLS）、喷嚏和参与者特征（如年龄、性别、体重指数（BMI）、觉醒指数、平均血氧饱和度（Mean_SaO2）、病史、阻塞性呼吸暂停-低通气指数（OAHI）和呼吸暂停-低通气指数（AHI））之间关系。
这里的参与者是参加了 DREAMT 研究的人。
结果将是一个包含可视化、见解和结论的综合数据分析报告。
工具
我将使用带有 Python 库（如 Pandas、Numpy、Matplotlib 和 Seaborn）的 Jupyter 笔记本。
数据
用于此分析的数据来自 DREAMT：使用多传感器可穿戴技术进行实时睡眠阶段估算数据集 1.0.1。DREAMT 是 PhysioNet 托管 MIMIC-IV 数据集的一部分。
这是一个从 100 名患者中收集的精选数据集，使用 Empatica E4 进行收集。该研究的原始目的是将高分辨率生理信号与睡眠阶段信息和从多导睡眠图提取的睡眠呼吸暂停事件相匹配。¹
然而，在当前项目中，我仅使用参与者信息部分来创建一个分析，分析影响各种睡眠障碍发生可能性的因素，这些因素通过招募到 DREAMT 研究的参与者提供的信息来体现。
# Importing the libraries
import os
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
# Loading the data
df = pd.read_csv(r"C:UsersamariDocumentsData Analytics projectsphysionet.orgfilesdreamt1.0.1participant_info.csv")
df.head()
数据清洗和预处理
观察数据，你可以看到一些列中有需要分解的数据组。例如，Sleep_Disorder 列中有一个值包含多个睡眠障碍。你可能希望将“病史”和“睡眠障碍”列扩展为多个特定病史和睡眠障碍的列，以便有足够的信息进行更有意义的分析。
在清洗和转换数据时，将执行以下主要操作：
-
清洗“病史”和“睡眠障碍”列中的字符串
-
为“病史”和“睡眠障碍”列中的每个项目创建一个新列。
-
删除所有冗余列
-
将“性别”和“Mean_SaO2”列转换为数值。
在检查与医疗病史和睡眠障碍相关的列时，你会观察到一些睡眠障碍以不同的拼写重复出现。例如，“snort”和“snorts”，“difficulty breathing”和“diffifulty breathing”，“sleep apnea”和“Sleep apnea”，“OSA snoring”和“OSA, snoring”，“Snoring”和“snoring”和“Snore”。其他则没有用逗号分隔地一起出现。例如：“OSA snoring”，“MCI and sleep apnea”。我们将使用以下代码纠正这些字符串。
# Cleaning the strings in the Sleep_Disorders column
df['Sleep_Disorders'] = df['Sleep_Disorders'].str.replace('diffifulty breathing','difficulty breathing')
df['Sleep_Disorders'] = df['Sleep_Disorders'].str.replace('snorts','snort')
df['Sleep_Disorders'] = df['Sleep_Disorders'].str.replace('Sleep apnea','sleep apnea')
df['Sleep_Disorders'] = df['Sleep_Disorders'].str.replace('Sleep Apnea','sleep apnea')
df['Sleep_Disorders'] = df['Sleep_Disorders'].str.replace('Snoring','snoring')
df['Sleep_Disorders'] = df['Sleep_Disorders'].str.replace('snore','snoring')
df['Sleep_Disorders'] = df['Sleep_Disorders'].str.replace('grind teeth','grinds teeth')
df['Sleep_Disorders'] = df['Sleep_Disorders'].str.replace('None','none')
df['Sleep_Disorders'] = df['Sleep_Disorders'].str.replace('OSA snoring','OSA, snoring')
df['Sleep_Disorders'] = df['Sleep_Disorders'].str.replace('MCI and sleep apnea','MCI, sleep apnea')
下一个任务是创建一个新的列来表示每个睡眠障碍和医疗病史。我这样做的方法是首先提取独特的个人睡眠障碍，然后从两个列中分别提取独特的个人医疗病史，然后使用这些独特的字符串来扩展这两个列到多个列。以下代码有助于实现这一点。
# Getting unique sleep disorders to be used as column names for the new columns to be derived from 'Sleep_Disorders' column
# Getting unique groups of sleep disorders from the data
a = sorted(df['Sleep_Disorders'].unique())
# Merging the groups to one comma-separated string of values
b = ','.join(a)
# Getting a list of unique strings for each sleep disorder
c = list(set(b.split(",")))
# Removing leading whitespaces from the strings in the list
unique_sleep_disorders = []
for i in c:
j = i.lstrip() #or i.replace(' ', '')
unique_sleep_disorders.append(j)
unique_sleep_disorders = list(set(unique_sleep_disorders))
print(unique_sleep_disorders)
由我制作的照片
# Getting unique medical histories to be used as column names for the new columns to be derived from 'MEDICAL_HISTORY' column
# Getting unique groups of medical history values from the data
d = sorted(df['MEDICAL_HISTORY'].unique())
# Merging the groups to one comma-separated string of values
e = ','.join(d)
# Getting a list of unique strings for each medical history
f = list(set(e.split(",")))
# Removing leading whitespaces from the strings in the list
unique_medical_history = []
for i in f:
j = i.lstrip()
unique_medical_history.append(j)
unique_medical_history = list(set(unique_medical_history))
print(unique_medical_history)
由我制作的照片
# Breaking the 'MEDICAL_HISTORY' column into multiple columns under each column name in the unique_medical_history list
for string in unique_medical_history:
column_name = 'MH_' + string # Add prefix 'MH' for Medical History
df[column_name] = np.where(df['MEDICAL_HISTORY'].str.contains(string, case=False, na=False), 1, 0)
# Breaking the 'Sleep_Disorders' column into multiple columns under each column name in the unique_sleep_disorders list
for string in unique_sleep_disorders:
column_name = 'SD_' + string #Add prefix 'SD' for Sleep Disorder
df[column_name] = np.where(df['Sleep_Disorders'].str.contains(string, case=False, na=False), 1, 0)
在这个阶段，让我们看看数据集中的列。
df.columns
由我制作的照片
所有从“MEDICALHISTORY”派生的列都以前缀“MH”开头，所有从“SleepDisorders”派生的列都以前缀“SD”开头。
为了避免重复，我们将删除原始的“MEDICAL_HISTORY”和“Sleep_Disorders”列。
你会注意到在收集到的参与者数据中，对于一些参与者，他们的睡眠呼吸暂停在“Sleep_Disorders”列以及“MEDICAL_HISTORY”列中都有记录。为了解决这个问题，我们必须删除“MH_Sleep Apnea”列，因为它与“SD_sleep apnea”列是重复的。
为了分析的目的，我们可以进一步通过合并以下 3 个相似的列来简化：OSA 历史（H/O OSA），OSA 和睡眠呼吸暂停。这是因为对于一些参与者，他们的睡眠呼吸暂停状况没有具体说明——是中枢性睡眠呼吸暂停（CSA）还是阻塞性睡眠呼吸暂停（OSA）——而其他人只是有 OSA 病史，并且以某种方式在管理。因此，让我们将这些合并到一个新的列中，称为“SD_ 睡眠呼吸暂停”。合并后，这 3 个列将需要被删除，因为它们现在是冗余的。
所有这些都可以通过以下代码块实现：
# Dropping 'MEDICAL_HISTORY', 'Sleep_Disorders' and 'MH_Sleep Apnea' columns
pd.set_option('display.max_columns', 14)
df_new = df.drop(['MEDICAL_HISTORY', 'Sleep_Disorders', 'MH_Sleep Apnea'], axis=1)
df_new.head() # view the first 5 rows of the data
# Adding the new column 'SD_Sleep Apnea' by merging 'SD_H/O OSA', 'SD_OSA', and 'SD_sleep apnea'
df_new['SD_Sleep Apnea'] = 0
df_new['SD_Sleep Apnea'][df_new['SD_H/O OSA']==1] = 1
df_new['SD_Sleep Apnea'][df_new['SD_OSA']==1] = 1
df_new['SD_Sleep Apnea'][df_new['SD_sleep apnea']==1] = 1
# Dropping the now redundant columns
df_new = df_new.drop(['SD_H/O OSA', 'SD_OSA', 'SD_sleep apnea'], axis=1)
让我们不要忘记，在这个阶段，性别列和平均血氧饱和度（Mean_SaO2）仍然是分类变量。它们必须通过以下代码转换为数值列：
# Converting the categorical gender column to binary values(- 0 and 1), and Mean_SaO2 to numeric
# Assuming 'Male' will be mapped to 0 and 'Female' to 1
df_new['GENDER'] = df_new['GENDER'].map({'M': 0, 'F': 1})
# Convert 'Mean_SaO2' column from percentage to numeric
df_new['Mean_SaO2'] = df_new['Mean_SaO2'].str.rstrip('%').astype('float') / 100
df_new.head() #viewing the first 5 rows of the data
在这个阶段，让我们看看数据集中的列。
# Viewing the current column names in the dataset
df_new.columns
由我制作的照片
分析
1. 分布
1a. 最常见的医疗病史和睡眠障碍有哪些？
首先，让我们通过检查参与者的各种病史和睡眠障碍的频率来查看数据集中最普遍的条件。这将有助于简化我们的分析，因为数据包含了许多条件/变量，我们不希望过多关注那些不太重要的。
# Sum the columns starting with 'MH_' and 'SD_' to get counts of each condition
mh_columns = [col for col in df_new.columns if col.startswith('MH_')]
sd_columns = [col for col in df_new.columns if col.startswith('SD_')]
# Count of participants with each medical history condition
mh_counts = df_new[mh_columns].sum().sort_values(ascending=False)
# Count of participants with each sleep disorder
sd_counts = df_new[sd_columns].sum().sort_values(ascending=False)
# Plot medical history counts
plt.figure(figsize=(10, 6))
ax = sns.barplot(x=mh_counts.index, y=mh_counts.values, palette='Blues_d')
ax.bar_label(ax.containers[0])
plt.title('Distribution of Medical History Conditions')
plt.xticks(rotation=90)
plt.ylabel('Count of Participants')
plt.show()
图片由我拍摄
从上面的图表中可以看出，高血压是参与者病史中最普遍的条件，影响了 51%的参与者。在分析睡眠呼吸暂停与心血管健康之间的关系时，这可能很重要。
抑郁和身体疼痛是接下来最普遍的条件，分别影响了 39%和 36%的参与者。
这紧随其后的是焦虑、胃食管反流病（GERD）、糖尿病和哮喘。
现在，让我们看看数据集中参与者的睡眠障碍分布。
# Plot sleep disorders counts
plt.figure(figsize=(10, 6))
ax = sns.barplot(x=sd_counts.index, y=sd_counts.values, palette='Greens_d')
ax.bar_label(ax.containers[0])
plt.title('Distribution of Sleep Disorders')
plt.xticks(rotation=90)
plt.ylabel('Count of Participants')
plt.show()
图片由我拍摄
对于睡眠障碍，睡眠呼吸暂停是数据集中最常见的睡眠障碍，目前影响 54%的参与者。
呼吸困难和过度日间嗜睡（EDS）紧随其后，分别影响 39%和 34%的参与者。
其他适度影响参与者的睡眠障碍包括呼吸困难、不宁腿综合征（RLS）和打喷嚏和头痛。
1b. 按性别划分的睡眠呼吸暂停患者人数
# Create a count plot
plt.figure(figsize=(8, 6))
ax = sns.countplot(data=df_new, x='GENDER', hue='SD_Sleep Apnea', palette='Set2')
ax.bar_label(ax.containers[0])
ax.bar_label(ax.containers[1])
# Set plot labels and title
plt.title('Count of Sleep Apnea by Gender')
plt.xlabel('Gender')
plt.ylabel('Count of Participants')
plt.legend(title='Sleep Apnea (0 = No, 1 = Yes)')
plt.show()
图片由我拍摄
在这里，我们注意到有 30 名男性患有睡眠呼吸暂停，而 24 名女性患有睡眠呼吸暂停。
1c. 按性别划分的睡眠呼吸暂停患者百分比
# Create a pivot table to calculate the percentage of participants with and without sleep apnea by gender
gender_sleep_apnea = df_new.groupby(['GENDER', 'SD_Sleep Apnea']).size().unstack()
# Normalize to get percentages
gender_sleep_apnea_percentage = gender_sleep_apnea.div(gender_sleep_apnea.sum(axis=1), axis=0) * 100
# Plot the stacked bar chart
ax = gender_sleep_apnea_percentage.plot(kind='bar', stacked=True, figsize=(8, 6), color=['lightblue', 'salmon'])
ax.bar_label(ax.containers[0])
ax.bar_label(ax.containers[1])
plt.title('Percentage of Men and Women with and without Sleep Apnea')
plt.xlabel('Gender')
plt.ylabel('Percentage')
plt.xticks(rotation=0)
plt.legend(['No Sleep Apnea', 'Has Sleep Apnea'], loc='upper right')
plt.show()
图片由我拍摄
从上面的图表中可以看出，67%的男性患有睡眠呼吸暂停，而 44%的女性患有睡眠呼吸暂停。
1d. AHI、BMI 和觉醒指数与最常见睡眠障碍的分布
让我们根据之前从睡眠障碍分布中得出的最常见睡眠障碍的存在（1）或不存在（0）来检查参与者的 AHI、BMI 和觉醒指数的分布。在这里，我们正在寻找哪些障碍与这些指标更为紧密相关的见解。
下面的每个子图对应不同的睡眠障碍，AHI、BMI 或觉醒指数位于 y 轴上。
AHI：
# List of sleep disorder columns
sd_columns = ['SD_Sleep Apnea', 'SD_snoring', 'SD_EDS', 'SD_difficulty breathing', 'SD_RLS', 'SD_snort', 'SD_headache', 'SD_morning headaches']
# Set up the figure with subplots for each sleep disorder
plt.figure(figsize=(15, 8))
# Create boxplots for each sleep disorder
for i, sd_col in enumerate(sd_columns, 1):
plt.subplot(2, len(sd_columns) // 2 + 1, i) # Adjust the layout (2 rows)
sns.boxplot(data=df_new, x=sd_col, y='AHI', palette='Set2')
plt.title(f'AHI for {sd_col}')
plt.xlabel(sd_col)
plt.ylabel('AHI')
plt.tight_layout() # Adjust subplots to fit into the figure area
plt.show()
图片由我拍摄
这些箱线图揭示了以下见解：
与没有睡眠呼吸暂停的人相比，患有睡眠呼吸暂停的参与者的 AHI 值更高，这是预期的，因为 AHI 通常用于测量睡眠呼吸暂停的严重程度。然而，在这个群体中，与没有睡眠呼吸暂停的个体相比，AHI 的差异非常小。这可能意味着 AHI 值本身可能不是诊断睡眠呼吸暂停的最佳测试，其他因素也需要考虑。在无睡眠呼吸暂停类别中，也存在 AHI 值高的异常值，这可能表明存在未诊断的睡眠呼吸暂停状况。
在睡眠中打喷嚏和打鼾的参与者比不打鼾的人 AHI 值更高，这是预期的，因为打鼾通常与阻塞性睡眠呼吸暂停有关。
对于那些患有睡眠障碍，如过度日间嗜睡（EDS）、呼吸困难、不宁腿综合征（RLS）和头痛的人来说，有或没有这些条件参与者的 AHI 值差异非常小。这表明这些条件可能不会与睡眠呼吸暂停事件（AHI）的严重程度有很强的相关性。
# List of sleep disorder columns
sd_columns = ['SD_Sleep Apnea', 'SD_snoring', 'SD_EDS', 'SD_difficulty breathing', 'SD_RLS', 'SD_snort', 'SD_headache', 'SD_morning headaches']
# Set up the figure with subplots for each sleep disorder
plt.figure(figsize=(15, 8))
# Create boxplots for each sleep disorder
for i, sd_col in enumerate(sd_columns, 1):
plt.subplot(2, len(sd_columns) // 2 + 1, i)
sns.boxplot(data=df_new, x=sd_col, y='BMI', palette='Set2')
plt.title(f'BMI for {sd_col}')
plt.xlabel(sd_col)
plt.ylabel('BMI')
plt.tight_layout()
plt.show()
BMI：
在这个数据集中，睡眠呼吸暂停、打鼾、打喷嚏、EDS 和呼吸困难往往与略高的 BMI 相关，这与肥胖和睡眠相关呼吸障碍之间的关系一致。
体质指数（BMI）与 OAHI 和 AHI 呈中等正相关，这表明 BMI 较高的参与者更有可能经历更严重的呼吸暂停事件。
大多数图表中存在异常值表明，一些个体并不遵循一般趋势，这可能是由其他影响因素造成的。
觉醒指数：
# List of sleep disorder columns
sd_columns = ['SD_Sleep Apnea', 'SD_snoring', 'SD_EDS', 'SD_difficulty breathing', 'SD_RLS', 'SD_snort', 'SD_headache', 'SD_morning headaches']
# Set up the figure with subplots for each sleep disorder
plt.figure(figsize=(15, 8))
# Create boxplots for each sleep disorder
for i, sd_col in enumerate(sd_columns, 1):
plt.subplot(2, len(sd_columns) // 2 + 1, i)
sns.boxplot(data=df_new, x=sd_col, y='Arousal Index', palette='Set2')
plt.title(f'Arousal Index for {sd_col}')
plt.xlabel(sd_col)
plt.ylabel('Arousal Index')
plt.tight_layout()
plt.show()
对于报告头痛或晨起头痛的参与者，BMI 没有明显差异，这表明头痛可能不会与 BMI 紧密相关。
报告头痛或晨起头痛的参与者的 BMI 没有明显差异，这表明头痛可能不会与 BMI 紧密相关。
患有头痛或晨起头痛的人也显示出更高的觉醒指数值，这表明睡眠中断可能与头痛有关。
2. 除了病史和睡眠障碍之外，变量之间存在哪些关系？
在这里，我们想要检查数据集中的相关性，以帮助识别变量之间的关系。
# Correlation heatmap for numeric variables (AGE, BMI, OAHI, AHI, Mean_SaO2, Arousal Index)
plt.figure(figsize=(10, 8))
sns.heatmap(df_new[['AGE', 'GENDER', 'BMI', 'OAHI', 'AHI', 'Mean_SaO2', 'Arousal Index']].corr(), annot=True, cmap='coolwarm')
plt.title('Correlation Heatmap for Numeric Variables')
plt.show()
我拍摄的照片
阻塞性呼吸暂停-低通气指数（OAHI）与呼吸暂停-低通气指数（AHI）之间存在明显的强正相关，这意味着在分析睡眠呼吸暂停的严重程度时，这两个指数中只有一个是有用的。
OAHI 和 AHI 与觉醒指数（分别为 0.56 和 0.51）呈中等正相关，这意味着 OAHI 或 AHI 越高，觉醒指数也越高。
我拍摄的照片
平均血氧饱和度（Mean_SaO2）与所有 AHI、OAHI 和觉醒指数都显示出强烈的负相关关系。这是预料之中的，因为这三个都是睡眠呼吸暂停的指标，而睡眠呼吸暂停是一种以血液中低氧水平为特征的状况。
年龄与其他变量之间的关系非常弱，除了 BMI，它表明存在轻微的负相关关系。因此，年轻人比老年人更有可能拥有更高的 BMI。
性别与所有变量之间的关系非常弱，这意味着男性和女性有平等的机会。
总体来看，热图显示 OAHI、AHI 和觉醒指数与睡眠呼吸暂停的严重程度密切相关，而 BMI 也起到了一定的作用，尤其是在它与 OAHI 和 AHI 的关系中。年龄和性别似乎对与呼吸暂停相关的指标影响较小。
3. 医疗史和睡眠障碍变量之间存在哪些关系？
# Correlation heatmap for the most prevalent medical history and sleep disorder variables derived from above bar plots
plt.figure(figsize=(10, 8))
sns.heatmap(df_new[['MH_Asthma', 'MH_Anxiety', 'MH_Diabetes', 'MH_Depression', 'MH_Body Pain', 'MH_GERD', 'MH_Hypertension',
'SD_Sleep Apnea', 'SD_snoring', 'SD_EDS', 'SD_difficulty breathing', 'SD_RLS', 'SD_snort', 'SD_headache',
'SD_morning headaches']].corr(), annot=True, cmap='coolwarm')
plt.title('Correlation Heatmap for Medical Histories and Sleep Disorders')
plt.show()
Image by me
头痛和晨起头痛之间有明显的重叠，这表明抱怨头痛的参与者也抱怨晨起头痛。因此，在任何进一步的分析或预测中，这些症状中只应包括一个。
喷鼻和打鼾之间存在相对较强的正相关（0.58），这表明打鼾的人在睡眠中更有可能打鼾。
我在这里注意到一个异常现象：睡眠呼吸暂停与这些变量几乎没有相关性。尽管人们合理地预期喷鼻和打鼾与睡眠呼吸暂停呈正相关，但当前的数据集并没有显示出这一点。根据 SummaHealth²的说法，打鼾和喷鼻通常是阻塞性睡眠呼吸暂停的迹象。这表明参与者收集的数据可能存在局限性，可能是不完整的。
呼吸困难与喷鼻有强烈的正相关（0.58），与打鼾有弱到中等的正相关（0.34），这意味着根据这个数据集，如果你经历呼吸困难，你更有可能喷鼻，在睡眠中打鼾的可能性较小。
不宁腿综合征（RLS）与呼吸困难有中等程度的正相关（0.48），这可能暗示这两种睡眠障碍之间存在联系。
糖尿病与高血压和胃食管反流病（GERD）显示出中等程度的正相关（0.34 和 0.29），这意味着患有高血压的参与者很可能同时患有糖尿病和 GERD。抑郁症与包括哮喘、焦虑、呼吸困难和不宁腿综合征（RLS）在内的几种医疗状况有中等程度的正相关。
睡眠呼吸暂停与这些变量几乎没有相关性。
所有这些都是进一步分析的潜在关注领域，尤其是如果你想更多地了解睡眠障碍、心血管状况和心理健康之间的关系。
本分析的局限性
在依赖关于更广泛人群的结论之前，我们应该考虑以下几点，即当前数据集以及因此分析可能存在以下局限性：
-
DREAMT 数据集中的参与者数量仅为 100，这意味着它不足以捕捉不同人群中睡眠障碍的变异性。
-
参与者报告的数据不准确。一些数据可能是由参与者报告的，并且可能是主观性质的。例如，打鼾很难测量。
-
数据集没有披露参与者可能正在进行的潜在睡眠障碍的药物或其他治疗方法。这些药物可能有其自身的副作用，影响睡眠。缺乏这些信息可能会扭曲他们睡眠模式背后的潜在驱动因素。
结论
总结来说，各种条形图、箱形图和热图揭示了以下内容：
总体而言，OAHI、AHI 和觉醒指数与睡眠呼吸暂停的严重程度密切相关，而 BMI 也扮演着一定的角色，尤其是在其与 OAHI 和 AHI 的关系中。年龄和性别似乎对呼吸暂停相关指标的影响较小。
睡眠呼吸暂停和打鼾与较高的 AHI 值相关，这是预料之中的，因为它们与睡眠期间的呼吸中断有关。
睡眠呼吸暂停、打鼾以及睡眠中呼吸困难往往与略高的 BMI 值相关，这与肥胖与睡眠相关呼吸障碍之间已确立的关系一致。
特定的睡眠障碍，尤其是与呼吸困难相关的障碍，会导致睡眠觉醒增加和睡眠质量下降。
抑郁症、焦虑和高血压等病史与各种睡眠和医疗状况中度相关，反映了健康数据中已知的共病情况。
在我忘记之前
如果您喜欢您刚才阅读的内容，请在此处点击我的“关注”按钮，或者在LinkedIn上，给我一些点赞，突出您感兴趣的部分，或者更好的是，留下一些评论？任何或所有这些都将非常感激。
参考文献
¹ 王克，杨杰，谢蒂·A，邓恩·J. DREAMT：使用多传感器可穿戴技术的实时睡眠阶段估算数据集（版本 1.0.1）。PhysioNet)。2024 年 9 月 13 日。可从：PhysioNet。doi.org/10.13026/nktq-0858。许可证：physionet.org/content/dreamt/view-license/1.0.1/
扫一扫
34
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
