基于低氧参数的阻塞性睡眠呼吸暂停患者呼吸事件类型预测模型

作者：彭程; 许绍蓉; 王彦^*; 陈宝元; 马辉; 张景; 周仲兴

来源：中华结核和呼吸杂志, 2023, 46(12).

• 阻塞性睡眠呼吸暂停
• 低氧参数
• 呼吸事件
• 预测模型

目的分析阻塞性睡眠呼吸暂停(OSA)患者低氧参数, 探究其在不同类型呼吸事件中的差异及联系, 并构建呼吸事件类型预测模型。方法选取经多导睡眠监测(PSG)诊断为OSA的50例患者进行回顾性分析, 其中男41例、女9例, 年龄18～74(45.72±13.39)岁。对患者的整夜记录数据中所有伴有脉搏血氧饱和度(SpO2)下降的呼吸事件, 根据事件类型分为低通气(3 316个)、阻塞型呼吸暂停(OA, 5 552个)、中枢型呼吸暂停(CA, 1 088个)、混合型呼吸暂停(MA, 1 369个), 所有事件记录分别从PSG软件导出为逗号分隔变量(.csv)文件, 使用内部构建的Matlab软件导入和分析。比较四组间 SpO2最低值(e-minSpO2)、SpO2下降幅度(ΔSpO2)、SpO2下降回升持续时间(DSpO2)、SpO2下降持续时间(d.DSpO2)、SpO2回升持续时间(r.DSpO2)、SpO2<90%持续时间(T90)、下降时SpO2<90%持续时间(d.T90)、回升时SpO2<90%持续时间(r.T90)、SpO2<90%曲线下面积(ST90)、下降时SpO2<90%曲线下面积(d.ST90)、回升时SpO2<90%曲线下面积(r.ST90)、氧降速率(ODR)、复氧速率(ORR)共13个低氧参数差异, 并分别构建低通气模型(H)、OA模型(O)、CA模型(C)及MA模型(M);采用单因素分析及Kruskal-WallisH检验比较组间各低氧参数的差异。针对不同呼吸事件类型, 运用二元logistic回归方法确定进入方程模型的变量, 绘制受试者工作特征(ROC)曲线, 比较4个模型的敏感度、特异度、阳性预测值、阴性预测值, 评估预测模型的准确性。结果各类型呼吸事件的ΔSpO2、ODR、ORR、T90、d.T90、r.T90、ST90、d.ST90、r.ST90呈MA>OA>CA>低通气, e-minSpO2呈MA<OA<CA<低通气;logistic回归显示e-minSpO2、ΔSpO2、d.DSpO2、r.DSpO2、ODR、ORR、d.T90、r.T90、d.ST90、r.ST90为低通气的独立预测因子, ΔSpO2、d.DSpO2、r.DSpO2、ORR、d.T90、r.T90、d.ST90、r.ST90为OA的独立预测因子, ΔSpO2、d.DSpO2、r.DSpO2、ODR、ORR、r.T90、d.ST90、r.ST90为CA的独立预测因子, e-minSpO2、ΔSpO2、d.DSpO2、r.T90、d.ST90、r.ST90为MA的独立预测因子;模型H、O、C、M的ROC曲线下面积(AUC)分别为0.875、0.751、0.755、0.749, 且所有模型特异度(分别为0.865、0.722、1.000、0.993)、阴性预测值均较高(分别为0.871、0.692、0.904、0.881)。结论基于低氧参数可建立4种呼吸事件类型预测模型, 为应用夜间 SpO2自动识别呼吸事件类型提供了一种可行的新型工具。

• 单位
  天津医科大学总医院; 电子工程学院; 天津大学