arXiv cs.AI· Md Basit Azam, Sarangthem Ibotombi Singh·· 1 天前AI 评分24
重新评估用于血糖感知的心率变异性生物标志物：年龄归一化与受试者独立验证的影响
Re-evaluating Heart Rate Variability Biomarkers for Glucose Sensing: The Impact of Age Normalisation and Subject-Independent Validation
AI 导读
一项针对 43 名男性 2 型糖尿病患者的研究重新评估了 ECG 心率变异性（HRV）对血糖状态的指示能力，采用留一受试者交叉验证并在训练折内完成特征选择与标准化。
正文 · AI 翻译
摘要：来自心电图（ECG）信号的心率变异性（HRV）可能提示血糖状态，但既往研究往往将不同的血糖目标合并，且所用验证策略易受数据泄漏影响。由于 HRV 随年龄增长而下降，衰老可能与糖尿病相关的自主神经功能障碍相混淆。我们检验了依赖年龄的 HRV 归一化是否能改善血糖估计。我们分析了 43 名男性 2 型糖尿病患者的 ECG 特征。结局指标为糖化血红蛋白（HbA1c；n=29）和空腹血糖（FBG；n=38）。我们采用留一受试者交叉验证，并在每个训练折内进行特征选择和标准化。我们比较了 20 种机器学习算法、6 种年龄调整方法和 20 种归一化参数组合。验证包括 500 次置换检验和自助法置信区间。Extra Trees 回归表现最佳：HbA1c 的 R2=0.222（r=0.476，p=0.009），FBG 的 R2=0.086（r=0.344，p=0.034）。平均绝对误差分别为 1.18 个百分点和 2.27 mmol/L。置换检验支持这两种关联（p=0.002）。与我们的假设相反，没有任何年龄调整方法或参数组合能改善性能。树集成模型在严格验证下仍保持正向性能，而线性模型的 R2 为负值；神经网络表现不佳。严格的折内预处理显著改变了模型性能，并揭示了传统验证可能带来的性能虚高。HbA1c R2 的自助法 95% 置信区间为 [0.13, 0.82]，FBG R2 为 [0.10, 0.72]。尽管研究结果支持 HRV 与血糖的关联，但其性能仍不足以单独用于临床。该研究强调了在无创血糖监测研究中区分血糖目标、采用受试者独立验证、折内预处理以及全面基线的重要性。
| 主题： | 信号处理（eess.SP）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2508.11682 [eess.SP] |
| （或本版本的 arXiv:2508.11682v3 [eess.SP]） | |
| https://doi.org/10.48550/arXiv.2508.11682 由 DataCite 颁发的 arXiv DOI |
|
| 期刊 参考： | BMC Med Inform Decis Mak 26, 166 (2026) |
| 相关 DOI： | https://doi.org/10.1186/s12911-026-03455-8
链接到相关资源的 DOI |
提交历史
来自：Md Basit Azam [查看电子邮件]
[v1]
2025 年 8 月 9 日星期六 19:24:31 UTC（1,785 KB）
[v2]
2025 年 8 月 19 日星期二 13:01:13 UTC（1,325 KB）
[v3]
2026 年 11 月 10 日星期二 20:53:09 UTC（2,558 KB）
来源：arXiv cs.AI · arxiv.org