基于生理学原理的预测模型：用于预测患有阻塞性睡眠呼吸暂停的肥胖患者术后呼吸并发症

《Sleep Medicine》：A Physiology-Informed Prediction Model for Postoperative Respiratory Complications in Obese Patients with Obstructive Sleep Apnea

阻塞性睡眠呼吸暂停（OSA）合并肥胖患者围手术期呼吸并发症的预测模型研究，通过整合睡眠生理学标志物（如最低夜间血氧饱和度、术前动脉二氧化碳分压）和临床变量，构建并验证了预测模型，显示其区分度（AUC 0.855）优于传统评分系统，可指导精准围术期管理。

　　

Jiaqi Cheng|Pinying Wang|Jiayi Fan|Jianrui Yu|Jie Gao|Wenshu Huang|Xuezhao Cao|Fang Liu

中国医科大学第一医院麻醉科，沈阳，中国

摘要

阻塞性睡眠呼吸暂停（OSA）是一种异质性疾病，其气体交换和通气控制的障碍可能会带来超出呼吸暂停-低通气频率的围手术期风险。在肥胖患者中，这些生理脆弱性在清醒状态下通常可以得到补偿，但在手术压力下可能会变得明显，从而导致术后呼吸并发症（PRCs）。传统的围手术期风险评分很少考虑与睡眠生理相关的因素。我们开发并外部验证了一个基于生理信息的模型，用于预测接受非心脏手术的OSA肥胖患者的术后呼吸并发症。在这项前瞻性单中心队列研究中，纳入了体质指数≥30kg/m2且通过多导睡眠图确诊为OSA的成人患者。该模型使用了预先指定的临床变量和反映夜间低氧血症及通气控制受限的睡眠生理指标进行构建。通过判别能力、校准和决策曲线分析评估了模型的性能。在2,158名参与者中，有685人（31.7%）在术后七天内出现了术后呼吸并发症。最低夜间氧饱和度和术前动脉二氧化碳分压被证明是最有信息的生理预测因子，同时结合了选定的临床因素。该模型在预测能力（衍生队列中的曲线下面积为0.855，在验证队列中为0.849）、校准效果以及不同风险阈值下的临床效益方面表现良好。这些发现表明，与呼吸暂停-低通气频率相比，睡眠生理相关的指标能够提供更全面的预后信息，有助于将它们整合到基于围手术期压力和表型特征的风险评估中。在更广泛的临床应用之前，还需要进一步的外部验证。

引言

阻塞性睡眠呼吸暂停（OSA）是全球最常见的慢性睡眠障碍之一[1]，[2]，但仍然存在严重的诊断不足[3]，[4]，尤其是在肥胖人群中——肥胖是疾病发生、进展和全身性后果的主要驱动因素[5]，[6]。OSA现在被认为是一种24小时多系统障碍，而不仅仅局限于夜间气道阻塞[2]，[7]。反复的缺氧-再氧合、通气控制受损、自主神经调节紊乱以及代谢-心肺应激会导致慢性生理负担和多种临床环境下的脆弱性增加[1]，[3]，[8]。

围手术期对OSA患者来说是一个特殊的生理压力源[9]。镇静催眠药物会提高觉醒阈值[10]，阿片类药物会减弱中枢和外周的化学敏感性[11]，而手术压力会加剧炎症和代谢需求[12]。在这种情况下，通常在清醒状态下得到补偿的氧储备和通气驱动能力方面的潜在缺陷可能会在术后显现出来，表现为低氧血症、高碳酸血症、肺不张或呼吸衰竭[4]，[9]，[11]。因此，术后呼吸并发症（PRCs）仍然是导致非计划性重症监护入住[13]、住院时间延长[14]和早期术后发病率[15]的主要原因，尤其是在OSA肥胖患者中[4]。

尽管存在这种已知的脆弱性，目前的围手术期风险分层工具仍然未能充分考虑到睡眠呼吸障碍的生理后果[16]，[17]，[18]。广泛使用的预测模型（如ARISCAT[17]、[19]和LAS VEGAS[20]）主要关注人口统计学特征、合并症和手术暴露情况，而忽略了睡眠生理生物标志物[21]。因此，这些模型无法捕捉个体间在气体交换负担和通气控制方面的差异，导致对OSA患者的术后呼吸风险系统性地低估。

越来越多的睡眠医学文献质疑呼吸暂停-低通气指数（AHI）作为疾病严重程度综合指标的重要性[22]。虽然AHI对于诊断至关重要，但它量化的是事件频率而非生理影响[6]，[23]。具有相似AHI值的个体在夜间低氧血症、二氧化碳潴留、觉醒阈值和通气不稳定方面存在显著差异——这些特征更能反映器官末端的压力和临床脆弱性[9]。最低夜间氧饱和度[24]、缺氧负担和动脉二氧化碳分压[2]等指标已被证明比单独的AHI更能有效预测心血管、代谢和神经认知结局，强调了气体交换生理在疾病表现中的核心作用[25]，[26]。

从围手术期的角度来看，这些睡眠相关的生理特征尤为重要。夜间低氧血症反映了氧储备的减少和累积的缺氧应激[28]，而升高的PaCO?表明通气驱动能力受损[2]或慢性通气不足[7]——这两种情况都可能严重限制麻醉期间和术后早期的适应能力。然而，这些具有机制学意义的变量尚未系统地整合到术后呼吸并发症的围手术期风险模型中，这凸显了睡眠生理学研究与围手术期医学之间的转化差距。

为了解决这一差距，我们试图开发并外部验证一个基于生理信息的预测模型，用于预测接受非心脏手术的OSA肥胖患者的术后呼吸并发症。通过整合睡眠呼吸障碍严重程度的多维指标、夜间氧储备、通气控制能力、代谢-心肺应激和手术暴露情况，本研究旨在将围手术期风险评估从基于诊断的分类转向基于围手术期压力的表型特征精准护理。我们假设，结合睡眠生理生物标志物将显著提高预测能力和临床实用性，相比传统方法，并为预测性的、有针对性的术后呼吸管理提供框架。

研究设计与伦理

本研究设计为前瞻性观察性队列，并进行了时间外部验证，旨在开发一个基于睡眠生理信息的术后呼吸并发症预测模型。重要的是，该研究的设计和报告遵循了观察性研究的STROBE指南[29]和预测模型开发与验证的TRIPOD声明[30]，以确保方法学的透明度、可重复性和最佳实践的一致性。

研究人群与术后呼吸并发症

在4,105名经筛查符合资格的OSA患者中，有2,158名符合纳入标准并被纳入最终分析（图1）。队列的平均年龄为54.8 ± 11.2岁，平均BMI为38.5 ± 5.6 kg·m2，66.0%的参与者为男性。685名患者（31.7%）在术后七天内出现了术后呼吸并发症。各术后呼吸并发症组件的频率详见补充表S1，可以评估每个事件对总体结果的相对贡献。

讨论

本研究表明，OSA肥胖患者的术后呼吸脆弱性与睡眠生理相关的指标（如气体交换负担和通气控制）的相关性更强，而与传统的基于事件的指标（如AHI）相比更为显著。最低夜间SpO?和术前PaCO?反映了氧储备受损和通气驱动能力受限[7]，是不良呼吸结局的主要预测因子。这些发现进一步证实了这一观点。

作者贡献声明

Xuezhao Cao：撰写 – 审稿与编辑、数据可视化、模型验证、项目监督、方法学设计、概念构建。Fang Liu：撰写 – 审稿与编辑、数据可视化、模型验证、项目监督、概念构建。Jie Gao：数据分析。Wenshu Huang：数据管理、概念构建。Jiayi Fan：软件开发、数据分析。Jianrui Yu：软件开发、数据管理。Pinying Wang：初稿撰写、软件使用、方法学设计。

资助

本文由国家自然科学基金（编号82471287）资助

利益冲突声明

? 作者声明没有已知的财务利益或个人关系可能影响本文的研究结果。