基于多导睡眠监测的阻塞性睡眠呼吸暂停合并高血压列线图预测模型构建与验证

《European Journal of Medical Research》：Construction of a nomogram prediction model for obstructive sleep apnea combined with hypertension via polysomnography: a single-center retrospective study

本研究针对阻塞性睡眠呼吸暂停（OSA）患者合并高血压的早期识别难题，通过回顾性分析798例OSA患者的临床及多导睡眠图（PSG）数据，构建并验证了包含性别、BMI及夜间平均脉率等独立影响因素的可视化列线图预测模型。该模型ROC曲线下面积达0.667，校准曲线与决策曲线分析显示其具有良好的预测一致性与临床实用性，为OSA患者高血压风险分层提供了个体化评估工具。

　　

夜深人静时，频繁的呼吸暂停与鼾声如雷，可能不仅是睡眠质量的警报，更是心血管系统的隐形杀手。阻塞性睡眠呼吸暂停（Obstructive Sleep Apnea, OSA）作为一种常见的睡眠呼吸障碍，其特征是睡眠期间上气道反复塌陷导致的呼吸中断，引发间歇性低氧、自主神经功能波动及睡眠结构碎片化。随着肥胖人群的扩大和老龄化进程加速，OSA在全球范围内呈现显著增长趋势，仅中国患病率就已高达24.2%。更令人担忧的是，OSA与高血压的共病现象极为普遍，约30%-50%的OSA患者合并高血压，远超普通人群水平。尽管多导睡眠监测（Polysomnography, PSG）是诊断OSA的“金标准”，能够提供丰富的睡眠结构与呼吸事件参数，但其数据复杂性与专业解读门槛限制了在临床中的广泛应用。如何从PSG参数中挖掘有效信息，早期识别OSA患者中高血压的高危人群，成为优化临床干预策略的关键挑战。

为突破这一瓶颈，研究人员在《European Journal of Medical Research》发表了一项单中心回顾性研究，旨在构建并验证一个基于PSG参数的OSA合并高血压列线图预测模型。研究团队纳入了2024年1月至12月在中国科学技术大学附属第一医院耳鼻咽喉科完成PSG监测的798例OSA患者，通过R软件按7:3比例随机分为训练集与验证集。采用单因素与多因素logistic回归分析筛选独立风险因素，并利用列线图将预测模型可视化。关键方法包括：通过PSG系统（AnWave S4500）采集睡眠时间、呼吸暂停低通气指数（AHI）、血氧饱和度等参数；依据国际标准测量诊室血压与BMI；使用SPSS 25.0与R4.4.2软件进行统计学建模与验证。

研究结果

1. 人群特征与单因素分析

纳入的798例OSA患者中，高血压患病率为46.7%（373例）。单因素分析显示，性别、BMI、血氧饱和度低于90%的时间（CT90）、AHI总时间、AHI频率、打鼾频率、平均血氧饱和度、最低血氧饱和度、夜间平均脉率及夜间缺氧程度与OSA合并高血压显著相关（P<0.05）。

2. 多因素回归与模型构建

多因素logistic回归分析进一步明确性别（OR=0.467）、BMI（OR=1.931）和夜间平均脉率（OR=1.367）为独立影响因素（P<0.05）。基于此，研究构建了列线图预测模型（图1a），其训练集ROC曲线下面积为0.667（95%CI: 0.623-0.711），验证集为0.656（95%CI: 0.588-0.724），表明模型具有稳定的区分能力。校准曲线显示预测概率与实际结果高度一致（图1d、e），决策曲线分析（DCA）提示模型在临床阈值范围内具有良好净收益（图1f、g）。

3. 风险因素机制探讨

• •
  BMI的协同作用：肥胖通过促进上气道脂肪堆积、加重间歇性低氧与睡眠碎片化，并诱发胰岛素抵抗与炎症因子（如IL-6、TNF-α）释放，共同推动高血压发生。
• •
  性别差异的生理基础：男性较高的雄激素水平可能加剧上气道阻力与交感神经兴奋性，而女性的雌激素对心血管具有保护作用，但绝经后风险显著上升。
• •
  夜间脉率的预警价值：夜间平均脉率升高反映交感神经过度激活，与血管内皮功能损伤及氧化应激密切相关，可作为CPAP治疗效果的动态监测指标。

结论与意义

本研究首次基于PSG参数建立了OSA合并高血压的列线图预测模型，通过整合性别、BMI与夜间平均脉率三个易获取的临床指标，实现了对高风险人群的快速识别。尽管模型未纳入传统缺氧参数（如最低血氧饱和度），可能受单次PSG监测的局限性影响，但其可视化形式与临床实用性为基层医疗机构提供了便捷工具。未来需通过多中心前瞻性队列优化参数稳定性，并结合动态血压监测进一步验证模型的普适性。该研究为OSA共病高血压的早期干预与个体化管理提供了重要循证依据。