淀粉样蛋白阴性/阳性认知未受损及轻度受损老年人纵向睡眠监测变异性研究及其对阿尔茨海默病研究的意义

本综述系统分析了淀粉样蛋白阴性（Aβ-）与阳性（Aβ+）认知未受损及轻度受损老年人群在约3.5年内的纵向睡眠监测数据，结合自我报告问卷、单通道脑电图（scEEG）设备及神经影像学技术，揭示了脑电图频谱功率指标（如δ、θ、α功率）具有极低的纵向变异性，而自我报告睡眠指标（如入睡时间、睡眠效率）则表现出较高波动性。研究为未来针对睡眠与神经退行性疾病（如阿尔茨海默病，AD）的纵向研究设计提供了关键样本量估算方法和可靠性依据，强调了客观睡眠指标在长期研究中的稳定性优势。

　　

1 背景

阿尔茨海默病（AD）已成为老年人痴呆和死亡的主要原因之一，其发病率持续上升。AD具有漫长的临床前期，在此阶段病理变化开始积累但认知功能尚未受损。通过血液、脑脊液（CSF）和正电子发射断层扫描（PET）等生物标志物，可以在临床症状出现前早期检测AD病理。淀粉样蛋白β（Aβ）斑块在症状出现前十年或更早开始积累。这些病理变化预计会先于其他更显著的AD相关改变，如神经元损伤、细胞死亡以及最终的临床变化，包括记忆和认知衰退。临床前期是干预从无症状AD进展到有症状AD的关键窗口。

睡眠障碍在AD的“临床前期”（即AD病理积累但无认知功能障碍）和有症状AD中均常见。在临床前期，睡眠效率、持续时间和特定睡眠阶段时间的改变已显示与认知衰退和Aβ沉积相关。约25%的轻度痴呆患者和高达50%的中度或重度痴呆患者存在睡眠紊乱。以往认为睡眠变化是由于潜在的AD病理所致，但越来越多的证据表明睡眠障碍也会增加AD风险。由于缺乏同时收集睡眠、AD生物标志物和认知评估的纵向研究，这种双向关系尚不明确。

睡眠监测方法多样，包括多导睡眠图（PSG）和自我报告。例如，自我报告数据（如睡眠日记和Epworth嗜睡量表、匹兹堡睡眠质量指数等调查）因实施简便而常用于测量睡眠质量和障碍。 Alternatively，单通道脑电图（scEEG）测量的多个睡眠参数与多导睡眠图产生的参数相当，包括不同睡眠阶段的时间和EEG频谱功率。每种方法产生众多个体测量值，其敏感性和特异性各不相同，导致不同研究可能因所选测量方法而产生不同结果。随时间变化是评估测量敏感性和可预测性的基础。因此，在规划临床研究时，理解睡眠指标随时间的变化至关重要。

目前缺乏检查纵向睡眠测量、AD生物标志物和认知数据的研究。许多研究依赖睡眠测量的横断面数据，仅捕获睡眠在AD进展中的单个时间点。本研究旨在检查认知未受损的淀粉样蛋白阴性和阳性个体的纵向睡眠变化，为未来老年人睡眠研究提供信息，特别是在AD背景下。

2 方法

2.1 参与者

60名参与圣路易斯华盛顿大学Charles F. and Joanne Knight阿尔茨海默病研究中心（ADRC）纵向研究的社区居住参与者被纳入研究。所有参与者每年接受临床医生的标准化临床和认知评估。本研究纳入标准包括：（1）两次独立研究访视，每次有scEEG设备和睡眠日志的六晚睡眠监测；（2）睡眠监测两年内的淀粉样蛋白PET扫描；（3）睡眠监测一年内的临床痴呆评分（CDR）认知评估。还收集了年龄、性别、种族、教育年限和病史。该研究经华盛顿大学机构审查委员会批准。每位参与者提供书面知情同意并获得补偿。

2.2 睡眠监测

睡眠在两个时间点进行监测，访视间平均间隔3.49年。每个时间点，使用scEEG设备（Sleep Profiler, Advanced Brain Monitoring, Carlsbad, CA）在家评估最多六晚睡眠。就寝和起床时间通过睡眠日志和活动记录仪确认。scEEG设备佩戴于前额，从大约AF7、AF8和Fpz位置的三个前额传感器记录每秒256个样本。仅使用AF7-AF8通道在Polysmith（Nihon Kohden, Tokyo, Japan）中由注册多导睡眠图技术员使用修改的美国睡眠医学会（AASM）标准对30秒时段进行睡眠分期。从评分后的scEEG时段计算汇总睡眠测量值。如果记录中>10%为伪迹和/或就寝和起床时间与睡眠日志和/或活动记录仪不匹配，则排除该晚。参与者需要至少两晚符合此标准才能纳入分析。计算每晚的平均总睡眠时间、入睡后觉醒时间、睡眠效率、快速眼动（REM）睡眠潜伏期以及不同睡眠阶段时间（非REM（NREM）睡眠阶段1、2、3和REM），并用于所有分析。睡眠效率基于scEEG研究的熄灯和开灯时间计算。从scEEG衍生的睡眠阶段和测量在文中称为scEEG衍生指标。

进行频谱分析以量化不同频率区间内的EEG功率。如前所述，对scEEG数据应用0.5至40 Hz的带通（双向最小二乘有限脉冲响应）滤波器。在连续的5秒时段（Welch方法，汉明窗，无重叠）进行频谱分析。NREM睡眠期间的功率带通过平均0.5–1.0 Hz频率区间的功率计算<1 Hz慢波活动（SWA），1.0–4.5 Hz计算SWA，4–8 Hz计算theta，8–12 Hz计算alpha，12–16 Hz计算纺锤波，15–25 Hz计算beta，25–50 Hz计算gamma波。为半自动去除伪迹时段，显示每个电极在所有记录时段中20–30 Hz和0.5–4.5 Hz波段的功率。操作员（B.P.L.）然后选择介于功率95%和99.5%阈值之间的阈值以去除伪迹时段。使用MATLAB（MathWorks, Natick, MA）计算每个单通道EEG研究的每个频率范围，并使用平均NREM频率范围进行分析。

如前所述，参与者完成了每日日志和问卷。这些包括Epworth嗜睡量表、失眠严重指数、白天小睡、入睡时间和自我报告的睡眠持续时间。从这些报告衍生的数据在所有分析中称为自我报告数据。参与者还接受了一晚家庭睡眠呼吸暂停测试（HSAT；Alice PDx, Philips Respironics, Inc., Murrysville, PA）。Alice PDx是一种III型HSAT设备，通过血氧仪手指探头监测氧饱和度（SpO₂）和脉搏率，基于鼻压的气流监测器和热敏电阻，通过电感体积描记法监测胸腹努力，以及体位。所有参与者均获得至少4小时无伪迹记录，未达到此标准的参与者被要求重复监测。由注册多导睡眠图技术员使用AASM标准评分呼吸事件，并由委员会认证的睡眠医学医师（B.P.L.）审核。使用4%氧减标准评分低通气。呼吸暂停低通气指数（AHI）按每位参与者监测时间每小时计算。使用正压通气（PAP）治疗或牙科设备的参与者被要求在校准期间照常使用。

2.3 神经影像

参与者使用淀粉样蛋白示踪剂进行PET成像。使用匹兹堡化合物B（PiB）或[18F]AV-45（florbetapir）进行淀粉样蛋白PET成像，并分别使用注射后30至60分钟和50至70分钟窗口的数据。为获得淀粉样蛋白负荷的全局测量，对所有淀粉样蛋白PET扫描运行无磁共振成像（MRI）的PET处理流程。该流程使用统计参数图12（SPM12）的N1归一化模块将PET数据非线性扭曲与预定义模板PET图像对齐。然后使用高斯滤波器将PET数据空间平滑至8 mm的全宽半最大值（FWHM）。使用标准Centiloid（CL）皮质感兴趣体积（VOI）和小脑整体VOI作为参考区域，从所得图像计算平均皮质标准摄取值比（MCSUVR）。然后将这些SUVR转换为Centiloid尺度。无MRI的PET流程的MCSUVR未进行部分体积校正。如果参与者在访视1时的Centiloid值小于19，则通过PET视为淀粉样蛋白阴性。

2.4 认知评估

认知评估方案与国家阿尔茨海默病协调中心（NACC）统一数据集（UDS）一致。每次临床评估时进行CDR以确定痴呆的存在与否及其严重程度。CDR用于纵向研究和临床试验中 staging 痴呆，总体评分范围0至3，盒子总和（SB）范围0至18。纳入研究的参与者被分类为认知未受损（CDR = 0, n = 55）或轻度受损（CDR = 0.5, n = 4; CDR = 1, n = 1）。由于CDR >0参与者数量有限，未评估CDR = 0和CDR >0之间的差异。

2.5 统计分析

为确定睡眠指标是否随时间变化，计算了组内相关系数（ICC）。使用R包irr。使用一般线性模型确定睡眠参数的纵向变化，计算为每位参与者每年每个参数差异与时间差异之比（即每年变化率），同时控制Centiloid值、年龄、性别、种族以及参与者是否载脂蛋白E（APOE）ε4等位基因（ApoE4+）阳性。还进行了两种类型研究的功率计算：（1）一项单样本纵向观察研究，监测从基线的变化，参与者作为自身对照；（2）一项双臂临床试验，包含治疗组和未治疗组。对于单样本功率分析，计算了每个睡眠参数该估计变化率的均值和标准差，然后确定了检测睡眠测量纵向变化所需的样本量。功率分析基于具有双侧备择假设的单样本t检验。将可检测变化率定义为观察变化率的0.5、0.8、1、1.2、1.5和2倍，目标功率80%，并确定了相应的样本量。对于两样本功率分析，使用了两样本t检验检验变化率，具有双侧备择假设。将观察数据视为代表对照组，并假设治疗组将表现出等于基线值1%、3%、5%和7%的变化率（即变化/年）。对于每个假设效应量，计算了在0.05显著性水平下达到80%功率所需的样本量。使用R 4.4.0进行功率分析。

2.6 数据和材料可用性

支持本研究结果的所有数据均可根据合理要求从通讯作者处获取，或通过圣路易斯华盛顿大学Charles F. and Joanne Knight阿尔茨海默病研究中心的数据请求门户获取。与此分析相关的所有代码可根据合理要求从通讯作者处免费获取。

3 结果

3.1 参与者特征

表1显示了组间参与者的分类以及与睡眠相关的特征。这包括睡眠呼吸暂停及相关指标（AHI和平均饱和氧百分比），以及病史包括失眠、不宁腿综合征和抑郁症。还显示了报告使用睡眠药物的参与者数量。如果参与者至少服用以下一种药物，则被列为使用睡眠药物：苯二氮卓受体激动剂（唑吡坦、扎来普隆、艾司佐匹克隆）、苯二氮卓类（三唑仑、替马西泮、阿普唑仑）、suvorexant、ramelteon、加巴喷丁、多巴胺激动剂（罗匹尼罗、普拉克索、罗替戈汀）、多塞平、抗组胺药、抗抑郁药和麻醉剂。为更代表一般人群，未排除有睡眠相关障碍或使用睡眠药物的参与者。使用两样本t检验对年龄、访视间隔、AHI和平均SaO₂%进行组间和访视间比较。所有其他比较使用卡方检验。淀粉样蛋白Centiloid值是每个访视时淀粉样蛋白组间显示显著差异的唯一指标。值得注意的是，淀粉样蛋白组内和访视间Centiloid值无显著差异（淀粉样蛋白阴性p值=0.416，淀粉样蛋白阳性p值=0.119）。这与其他人口统计学和睡眠特征一致，因为组内或淀粉样蛋白组间无显著差异。无参与者在访视间改变淀粉样蛋白组或CDR状态。所有睡眠指标的淀粉样蛋白组间差异显示在表S1–S3中。

3.2 睡眠指标的纵向变异性

图1显示了淀粉样蛋白阴性（图1A）和阳性（图1B）个体每个睡眠指标的ICC值。ICC是随时间一致性的度量，解释如下：低于0.5表示一致性差，0.5–0.75表示中等一致性，0.75–0.9显示良好一致性，高于0.9反映优秀一致性。

对于两个淀粉样蛋白组，EEG频谱功率指标具有最低的纵向变异性和访视间最高的一致性。在淀粉样蛋白阴性组中，EEG频谱功率反映最高的ICC值（平均ICC = 0.719），相比于scEEG基础测量（平均=0.542）和自我报告数据（平均=0.538）。淀粉样蛋白阳性个体中可见类似趋势：EEG频谱功率测量也反映最大的ICC值（平均ICC = 0.695），相比于自我报告（平均ICC = 0.463）和scEEG衍生指标（平均ICC = 0.367）。

在两个淀粉样蛋白组内，某些睡眠指标在其一致性水平上突出。在scEEG衍生指标中，平均NREM阶段3（N3）睡眠时间显示最低的纵向变异性（淀粉样蛋白阴性ICC = 0.869；淀粉样蛋白阳性ICC = 0.664）。这与EEG频谱功率测量衍生的ICC值一致，考虑到N3睡眠以慢波睡眠和增加的SWA为特征。慢波睡眠测量，包括平均NREM SWA（<1 Hz）、NREM SWA（1–4.5 Hz）以及NREM SWA（<1 Hz）与NREM SWA（1–4.5 Hz）的比率，均显示良好至优秀的一致性（淀粉样蛋白阴性ICC = 0.841、0.818和0.775；淀粉样蛋白阳性ICC = 0.867、0.910和0.613）。平均NREM theta（4–8 Hz）和NREM alpha（8–12 Hz）也反映了具有良好至优秀纵向一致性的EEG频谱功率带（淀粉样蛋白阴性ICC = 0.820和0.890；淀粉样蛋白阳性ICC = 0.826和0.953），这在淀粉样蛋白组间一致。至于自我报告睡眠指标，无指标超过ICC = 0.75的阈值，但白天小睡和自我报告的睡眠持续时间接近它。值得注意的是，自我报告睡眠持续时间的变异性在淀粉样蛋白阳性组中显著高于淀粉样蛋白阴性组（淀粉样蛋白阴性ICC = 0.601；淀粉样蛋白阳性ICC = 0.237）。

为更好地衡量这些睡眠指标在个体水平上的表现，绘制了每个睡眠指标类别内一个睡眠指标的纵向变化（图S1–S3），并反映了自我报告的白天小睡分钟数、睡眠持续时间和NREM慢波活动的纵向变化。选择这些指标是出于当前在研究睡眠在AD中作用的兴趣。从访视1的平均偏差（由虚线描绘）表明这些测量平均随时间变化最小。在个体水平上，存在偏差分布，大多数反映访视间微小变化。

3.3 调整潜在混杂因素后的纵向变异性

由于多个因素可能随时间影响睡眠，使用一般线性建模确定调整Centiloid、年龄、性别、种族和ApoE4+状态后每个睡眠指标的年度变化。年度变化率定义为访视2的指标减去访视1的指标除以访视间时间（年）。表2包括自我报告测量的模型输出，表3显示scEEG衍生测量，表4包括EEG频谱功率测量。线性模型的结果表明，即使考虑了Centiloid、性别、年龄、种族和ApoE4+状态，睡眠指标的纵向变化也较低。校正多重比较后，无协变量是任何睡眠指标年度变化率的显著预测因子（p > 0.05）。这些发现与ICC分析的结果一致。

3.4 样本量估算

为评估这些发现如何适用于不同的临床研究设计，进行了功率分析，以估计检测不同睡眠指标的个体内和个体间纵向变化所需的样本量，具体取决于研究设计。对于单样本（个体内）纵向观察研究，监测从基线的变化，参与者作为自身对照，使用可检测变化率计算检测以下观察变化率比例所需的样本量：0.5、0.8、1.0、1.2、1.5和2.0。表S4–S6显示了使用自我报告、scEEG衍生和EEG功率睡眠指标所需的样本量。每个表包括每年平均变化率和每个指标的变化率标准差。为测试比较治疗组和未治疗组的两臂临床试验（个体间），使用基线值、观察变化率和变化率标准差计算检测1%、3%、5%和7%组间差异所需的样本量（表S7–S9）。图2显示了这两种类型研究的示例。

在表5中，我们显示了检测个体内（单样本）从基线变化和个体间（两臂临床试验）变化的示例样本量计算，比较治疗组和未治疗组，使用自我报告的白天小睡分钟数、scEEG测量的睡眠持续时间和平均1–4.5 Hz NREM SWA。对于个体内研究设计，我们使用从基线5%的变化作为睡眠指标的最小临床有意义变化。表S1–S3中访视1的睡眠指标用于基线值。对于睡眠持续时间和平均NREM SWA，检测80%功率显著变化所需的样本量<40名参与者。相比之下，自我报告的白天小睡测量分别需要574名淀粉样蛋白阴性参与者和120名淀粉样蛋白阳性参与者。在个体间研究设计中，表5显示了组间5%和7%的变化，所有测量可以通过每组5至156名参与者的样本量进行区分。

4 讨论

睡眠障碍已与众多疾病状态相关，包括AD、帕金森病、重度精神疾病如抑郁和焦虑，以及心血管疾病和肥胖。尽管有证据支持睡眠在某些疾病发病和进展中的作用，但很少有研究在收集纵向认知和AD生物标志物数据的同时纵向跟踪睡眠。本研究旨在通过检查认知未受损至轻度受损的淀粉样蛋白阴性和阳性个体在大约3.5年时间内的自我报告睡眠测量、scEEG衍生睡眠指标和EEG频谱功率来填补这一空白。使用ICC估计了每个淀粉样蛋白组内睡眠指标的纵向变化，并使用调整了可能影响纵向变化的协变量存在的一般线性建模确认了发现。

我们观察到EEG频谱功率测量在淀粉样蛋白阴性和阳性个体中随时间纵向变化最小。从<1至12 Hz的EEG功率测量显示出最大的稳定性。这与先前在健康个体中的发现一致，即EEG频谱功率在12至16周间隔内具有强相关性（r = 0.84）。相比之下，scEEG衍生测量和自我报告睡眠数据表现出相对较大的随时间纵向变化，指标范围从低到中等变化在访视间。然而，某些指标在这些类别中因其更大的稳定性而突出。白天小睡分钟数、平均N3时间和REM潜伏期各自表现出较低的纵向变化（淀粉样蛋白阴性ICC = 0.674、0.869和0.721；淀粉样蛋白阳性ICC = 0.640、0.664和0.764）。每个睡眠测量的年度变化率也与Centiloid值、性别、年龄、种族或ApoE4+状态无关。

总体而言，评估的睡眠指标在大约3.5年间隔内反映出普遍较低的变化率。这些发现的一个可能解释是淀粉样蛋白Centiloid值或认知状态在访视间缺乏显著变化。例如，参与者的总体CDR评分或淀粉样蛋白PET Centiloid值在随访期间均未发生显著变化。我们假设在不同睡眠指标中观察到的缺乏变化可能是由于AD症状或病理缺乏变化所致。如果是这样，这表明需要相对较小的样本量与纵向睡眠、AD生物标志物和认知测量来建立睡眠是否随时间变化随着淀粉样斑块积累或认知恶化。 Alternatively，我们的研究可能不足以检测大约3.5年内认知未受损和轻度受损淀粉样蛋白阴性和阳性老年人睡眠的变化。未来需要更大样本量的研究来捕捉淀粉样蛋白和/或认知状态的变化，以确定睡眠是否随AD进展而变化，以及睡眠测量是否可以作为早期AD的功能性生物标志物。

由于这些小的变化率结合小的方差，对于某些测量，检测甚至k = 2.0变化的个体内从基线变化的样本量非常大（表S4–S6）。然而，如此小的变化率可能不被认为是临床有意义的。例如，淀粉样蛋白阳性组的睡眠持续时间平均变化率为-0.969分钟/年。该指标50%的变化等于0.485分钟/年，需要8831名参与者以80%功率检测此变化。尽管在这种情况下样本量显著大，但该示例突出了为研究结果选择临床有意义效应的重要性。一项使用suvorexant治疗轻度至中度AD患者失眠的随机临床试验发现睡眠持续时间显著增加28分钟，强烈支持这是一个临床有意义的增加。我们的数据显示，仅需要三名认知未受损淀粉样蛋白阳性参与者，使用单样本个体内研究设计在1年内看到睡眠持续时间30分钟/年的变化。此示例强调了在选择实验研究设计时选择适当研究结果测量的关键重要性。

研究结果表明，大多数睡眠指标需要过大的样本量才能用作随机对照试验的主要结果。然而，这些样本量（也可能根据假设效应大小进行调整）可能更适用于纵向观察研究或作为协变量跟踪干预当AD病理和认知功能可能发生变化时。我们的发现如何适用于“真实世界”研究的一个例子是评估接受抗淀粉样蛋白免疫疗法（例如lecanemab、donanemab）的AD患者的纵向睡眠。一个潜在的睡眠指标是跟踪1–4.5 Hz NREM SWA，一种睡眠稳态的测量，已被提出跟踪AD病理和认知表现。如果我们假设与我们在淀粉样蛋白阳性老年人中发现的类似纵向变化，仅需要27名淀粉样蛋白阳性个体，使用单样本个体内研究设计（图2A，表5），以充分power一项研究，结果是在接受抗淀粉样蛋白治疗的患者中NREM SWA从基线变化5%。要检测治疗组和未治疗组之间NREM SWA的5%或7%差异，将需要比单样本研究示例更多的参与者，并且根据研究假设和预期效应大小，不同的睡眠指标可能作为更好的结果测量。上述示例用于说明目的，并未考虑其他可能影响睡眠的因素，如潜在认知障碍和其他医疗合并症。

本研究的优势包括特征明确的参与者和使用不同方法获取的大量睡眠数据。参与者接受了纵向AD生物标志物评估、标准化认知评估，并使用EEG和自我报告方法监测睡眠。本研究的一个限制是缺乏改变淀粉样蛋白或CDR状态的参与者。一个未来的方向是检查那些在认知状态或淀粉样蛋白状态上转换的个体的睡眠指标的纵向变化，因为研究仍在进行中。尽管我们发现从scEEG衍生的睡眠测量与多导睡眠图的测量相当，但重要的是要注意存在重要差异，包括N1的低一致性。此外，这些发现仅适用于老年人群。参与者年龄范围从64到83岁（表1）。在年轻成年人和中年发生的睡眠相关架构的独特变化未在本研究中捕获。

总之，本研究作为未来AD背景下纵向睡眠研究的资源。EEG频谱功率测量显示出最少的纵向变化，并且通常需要较小的样本量来检测睡眠的纵向变化。未来的睡眠和AD研究将需要选择睡眠指标和研究设计，以充分power检测有意义的效应大小。