《Sleep and Breathing》：Analysis of the predictive ability of novel hypoxia-related indicators for disease severity in obstructive sleep apnea syndrome
编辑推荐：
目的：鉴于阻塞性睡眠呼吸暂停（OSA）的高患病率、临床就诊率低、多导睡眠监测（PSG）可及性有限以及先进便携技术的广泛采用，亟需开发能够准确评估OSA存在及其严重程度的新型指标。研究人员评估了新型缺氧相关指标，如睡眠呼吸障碍指数（SBII）和呼吸事件导致去饱和
目的：鉴于阻塞性睡眠呼吸暂停（OSA）的高患病率、临床就诊率低、多导睡眠监测（PSG）可及性有限以及先进便携技术的广泛采用，亟需开发能够准确评估OSA存在及其严重程度的新型指标。研究人员评估了新型缺氧相关指标，如睡眠呼吸障碍指数（SBII）和呼吸事件导致去饱和的睡眠时间百分比（pRED_3p），并将其对OSA的预测效能与传统指标进行了比较。方法：回顾性收集诊断为OSA患者的人体测量参数和多导睡眠监测数据。基于血氧饱和度（SPO2）指标计算SBII和pRED_3p值。采用Logistic回归构建OSA预测模型，并通过受试者工作特征曲线分析评估各指标在判断OSA严重程度方面的诊断性能。结果：在OSA发病和疾病分层方面，体重指数（BMI）和最长呼吸暂停-低通气时间（L-AHT）的预测能力有限。相比之下，睡眠相关变量包括最大氧减（MOD）、最低血氧饱和度（LSPO2）和微觉醒指数（MAI）表现出中等预测性能，而氧减指数（ODI）、pRED_3p和SBII显示出优越的预测准确性，具有更高的敏感性和特异性。值得注意的是，在预测轻中度OSA时，pRED_3p和SBII优于ODI，尤其在非肥胖且无显著SPO2下降的患者中，作为缺氧相关标志物提供了更高的敏感性。结论：这些新型缺氧相关指标在识别OSA及其严重程度分级方面显示出强大的预测能力，并能在早期阶段检测出非肥胖、非严重低氧的OSA患者。
**论文解读：新型缺氧相关指标对阻塞性睡眠呼吸暂停综合征严重程度的预测能力分析**
**研究背景与问题**
阻塞性睡眠呼吸暂停综合征（OSA）是一种以上气道反复部分或完全塌陷为特征的慢性疾病，导致间歇性缺氧和睡眠碎片化，与神经认知及心血管并发症密切相关。全球约9.36亿30–69岁成年人受到OSA影响，其中约4.25亿为中重度患者，中国患病率最高。然而，OSA的临床就诊率低，金标准诊断方法——多导睡眠监测（PSG）耗时、人力需求大、成本高，且便携监测设备参数增加未必提升诊断准确性。传统指标如呼吸暂停低通气指数（AHI）仅依赖事件频率，未能考虑呼吸事件持续时间或缺氧程度，忽视了病理生理异质性；氧减指数（ODI）、T90、最低血氧饱和度（LSPO2）等也存在类似局限。因此，亟需开发能准确评估OSA存在及严重程度的新型指标，尤其是基于血氧饱和度（SPO2）通道衍生出的参数，以兼顾便携性与诊断效能。本研究评估了新型缺氧相关指标——睡眠呼吸障碍指数（SBII）和呼吸事件导致去饱和的睡眠时间百分比（pRED_3p）的预测能力，并与传统指标进行比较，验证其临床价值。该论文发表在《Sleep and Breathing》。
**关键技术方法**
研究为回顾性设计，样本来源于2018年1月至2025年6月在天津医科大学总医院接受PSG检查的疑似OSA患者，最终纳入737名参与者（483名男性，254名女性）。主要技术方法包括：①使用Compumedics Grael多导睡眠监测系统进行整夜监测，依据美国睡眠医学会评分手册2.6版手动判读睡眠结构和呼吸事件，定义呼吸暂停和低通气标准；②计算SBII和pRED_3p：将呼吸事件后100秒内血氧下降定义为呼吸事件相关去饱和，去饱和面积视为三角形（底为持续时间，高为下降幅度），SBII=（每次呼吸事件持续时间×去饱和面积之和）/总睡眠时间，单位为(%min2)/h；pRED_3p为睡眠呼吸暂停和低通气累积时间占总睡眠时间的比例，仅纳入≥3%的去饱和事件以简化计算。算法改编自北京协和医院肖毅和惠昕杰团队的公开Python脚本。统计方法采用Logistic回归构建预测模型，受试者工作特征（ROC）曲线评估诊断性能，Youden指数确定最佳截断值。
**研究结果**
**基线特征**：737名参与者中，150人无OSA，156人轻度OSA，144人中度OSA，287人重度OSA（按AHI分类）。
**非OSA与OSA组间指标比较**：与无OSA组相比，OSA组年龄、Epworth嗜睡量表（ESS）评分、STOP-Bang评分、颈围（NC）、颈高比（NHR）、腰臀比（WHR）、ODI、MOD、T90、L-AHT、MAI、pRED_3p、SBII、最大心率（HRmax）和平均心率（HRavg）显著升高，而MSPO2和LSPO2降低（通过Mann-Whitney U检验）。
**非OSA组与各OSA亚组间指标比较**：采用Kruskal-Wallis H检验比较非OSA组与轻、中、重度OSA亚组，结果显示各指标在不同严重程度间存在显著差异（详见表2）。
**相关性分析**：Spearman相关分析显示，SBII与AHI（r=0.928）、ODI（r=0.955）、MOD（r=0.865）、T90（r=0.875）、MAI（r=0.658）、pRED_3p（r=0.992）等呈强正相关，与MSPO2（r=-0.752）、LSPO2（r=-0.883）呈强负相关；pRED_3p与AHI（r=0.939）、ODI（r=0.957）、MOD（r=0.832）等也呈强正相关（所有P<0.001）。
**预测模型建立**：通过Logistic回归建立预测模型并绘制ROC曲线。SBII区分非OSA与OSA的AUC为0.958（95%CI: 0.945–0.972），敏感性89.2%，特异性91.4%；pRED_3p的AUC为0.966（95%CI: 0.955–0.978），敏感性92.3%，特异性92.1%。在疾病严重程度分层方面，SBII对轻度OSA截断值1.5（AUC=0.878）、中度OSA截断值9.305（AUC=0.862）、重度OSA截断值31.830（AUC=0.921）；pRED_3p对轻度OSA截断值0.015（AUC=0.904）、中度OSA截断值0.064（AUC=0.873）、重度OSA截断值0.175（AUC=0.937）。在预测轻中度OSA时，pRED_3p和SBII的敏感性优于ODI，尤其适用于非肥胖且无显著SPO2下降的患者。
**讨论与结论**
讨论部分指出，OSA具有异质性，传统PSG受限于成本和可及性。新型缺氧指标SBII和pRED_3p整合了呼吸事件持续时间、深度和频率，优于仅反映单一特征的指标（如LSPO2、T90、ODI）。本研究证实，在预测OSA发病和疾病分级方面，BMI和L-AHT预测价值有限，ODI、pRED_3p和SBII表现出优越的敏感性和特异性，且pRED_3p和SBII在轻中度OSA识别中优于ODI。研究局限性包括单中心回顾性设计、选择偏倚、数据不完整及未纳入其他病理生理因素（如觉醒阈值、环路增益等）。结论部分翻译如下：
相比传统指标，新型缺氧相关参数在诊断OSA和疾病严重程度分级方面展现出更高的效能。这可在非肥胖且无显著缺氧的个体早期准确高效地预测疾病存在及进展。SBII和pRED_3p通过强调评估氧减严重程度在OSA相关健康结局诊断和治疗管理中的重要性，为OSA相关风险提供了更精细的见解。将这些参数整合到第三代或便携监测设备中有望显著提高疑似OSA的筛查效率。
