中性粒细胞-淋巴细胞比值（NLR）在阻塞性睡眠呼吸暂停（OSA）患者脑梗死预测中的模型构建与验证：一项列线图分析研究

本研究针对阻塞性睡眠呼吸暂停（OSA）患者脑梗死（CIF）的早期预测难题，通过构建基于中性粒细胞-淋巴细胞比值（NLR）的列线图模型，发现NLR联合临床指标可显著提升CIF风险分层能力（AUC达0.85），为OSA相关脑血管事件的炎症机制研究和临床干预提供新策略。

　　

尊敬的编辑：

我们怀着极大兴趣阅读了Hou等学者发表于《Nature and Science of Sleep》的论文，该研究探讨了中性粒细胞-淋巴细胞比值（Neutrophil-to-Lymphocyte Ratio, NLR）对阻塞性睡眠呼吸暂停（Obstructive Sleep Apnea, OSA）患者脑梗死（Cerebral Infarction, CIF）的预测价值，并构建了列线图分析模型。尽管赞赏作者对炎症标志物作为风险指标的探索，我们认为研究存在若干方法论缺陷和结论阐释问题，这些局限可能显著影响模型的效度与临床适用性。

关键混杂变量的遗漏

CIF的发生具有多因素性，涉及高血压、糖尿病、血脂异常、心房颤动及既往冠心病等明确风险因素。这些因素在OSA人群中普遍存在，且本身是系统性炎症（包括NLR升高）的重要驱动源。研究模型未纳入体重指数（Body Mass Index, BMI）和用药史令人担忧——肥胖既是OSA的核心病理基础，也是慢性炎症的主要诱因。CIF组BMI更高（P=0.08）的趋势强烈支持其作为协变量纳入分析，当前缺失使得无法判断NLR是真实预测因子或仅是肥胖的伴随现象。

变量选择过程缺乏严谨性

研究中变量筛选标准（P<0.10或临床相关性）过于主观，缺乏统计严谨性，可能导致选择性偏倚。具有强临床依据的变量（如BMI，P=0.08）被排除，而其他变量仅基于任意P值阈值被纳入。更稳健的方法应预先根据临床知识设定变量，将所有已知风险因素强制纳入初始模型，再采用惩罚回归技术（如LASSO）进行筛选以避免过拟合，特别是在仅68例事件的小样本中。

相关性与因果关系的误读

作者在讨论中多次暗示炎症的因果作用，称其“在发病机制中起关键作用”，这是对横断面回顾性数据的过度解读。此类设计仅能证明关联而非因果关系。

综上，尽管列线图显示出高曲线下面积（AUC），其统计与临床基础仍不稳固。未来研究需采用前瞻性设计、充足样本量并对全谱临床混杂因素进行精细调整，以验证炎症标志物是否在既定风险因素外提供增量预测价值。