编辑推荐：
研究针对 2 型糖尿病（T2DM）患者阻塞性睡眠呼吸暂停（OSA）诊断难题，发现关键预测指标，助力精准筛查。
研究背景：探索 2 型糖尿病与睡眠呼吸暂停的隐秘联系
在健康的大舞台上，2 型糖尿病（T2DM）和阻塞性睡眠呼吸暂停（OSA）都是不容小觑的 “角色”。T2DM 在全球范围内广泛流行，像 “甜蜜的负担”，影响着无数人的生活；OSA 则是一种常见的睡眠障碍，患者在睡梦中呼吸受阻，不仅影响睡眠质量，还与多种健康问题相关。当这两种疾病相遇，情况变得更加复杂。
T2DM 患者常常伴有血脂异常、超重或肥胖、高血压等并发症，这些问题可以通过常规的血液检查和身体检查轻易发现。然而，OSA 却常常隐藏在暗处，难以被察觉。在一般人群中，OSA 的诊断率就不高，在 T2DM 患者中更是如此，其患病率在 25% - 80% 之间。
更糟糕的是，T2DM 和 OSA 相互影响。T2DM 会增加 OSA 的发病风险，而 OSA 又会让血糖管理变得更加困难，还会显著增加心血管疾病（CVD）的风险。当两者同时存在时，心血管疾病的风险远高于它们单独作用的总和。
为了降低心血管疾病风险，改善糖尿病管理，多个糖尿病组织都呼吁对 T2DM 患者进行 OSA 筛查。但目前的筛查方法存在诸多问题，例如 OSA 诊断工具成本高、可及性有限，常用的问卷调查预测准确性也有待提高。因此，寻找更有效的临床预测方法，确定哪些 T2DM 患者更需要进行 OSA 评估，成为了医学领域亟待解决的重要问题。
在这样的背景下，来自瑞典林雪平大学（Link?ping University）的研究人员挺身而出，开展了一项重要研究。他们的研究成果发表在《Scientific Reports》上，为这一领域带来了新的曙光。
研究方法：多管齐下，探寻真相
研究人员参与了基于人群的横断面观察队列研究 EPSONIP-Sleep 子研究，该子研究聚焦于评估 T2DM 患者的 OSA 情况，其母研究 EPSONIP 则是调查瑞典初级医疗保健环境中 T2DM 患者的非酒精性脂肪性肝病（NAFLD，现称为代谢功能障碍相关脂肪性肝病 MASLD）。
研究人员从瑞典东约特兰地区的初级医疗保健单位招募了 164 名年龄在 35 - 75 岁之间的 T2DM 患者。这些患者在糖尿病随访期间参与研究，不过在 COVID-19 疫情高峰期招募人数有所下降。研究排除了无法进行 MRI 检查、有酒精依赖、诊断为肝硬化或原发性肝病（除 MASLD 外）的个体，以及植入心脏除颤器的患者。
研究人员使用了家庭睡眠呼吸暂停测试（HSAT）设备对患者进行夜间监测，由经过培训的医生手动审查多导记录，根据标准确定呼吸暂停和低通气事件，计算呼吸暂停低通气指数（AHI），以此对 OSA 进行诊断和严重程度分类。
研究人员还收集了患者的睡眠相关问卷（Epworth 嗜睡量表 ESS、匹兹堡睡眠质量指数 PSQI、STOP-Bang 问卷）结果，以及人口统计学细节、人体测量数据、临床指标、生活方式因素、合并症、手术史和糖尿病相关药物治疗等信息。
在统计分析方面，研究人员运用了多种方法。单变量分析中，对于正态分布数据使用 Student t 检验和 ANOVA 评估组间差异，非正态分布数据则采用 Mann - Whitney u 检验和 Kruskal - Wallis H 检验，还用卡方或 Fisher 精确检验分析分类变量关系，通过逻辑回归分析分类结果的预测因素，线性回归分析数值结果。多变量分析时，对缺失值进行多重填补，进行逐步逻辑回归优化预测变量选择，并使用留一法交叉验证（LOOCV）进行统计验证，计算多个性能指标评估模型。
研究结果：关键指标浮出水面
- OSA 的患病率和患者特征：164 名 T2DM 患者中，75% 患有 OSA，其中 31% 为中重度病例，需要治疗。患者的年龄和性别与 OSA 严重程度相关，年龄越大，OSA 越严重，男性在中重度 OSA 类别中占比更高。
- 生物测量指标与 OSA 严重程度的关联：腰臀比每增加 0.1，AHI 就会增加 5.65，中重度 OSA 的患病几率增加 3.31 倍。白蛋白尿的影响更为显著，存在白蛋白尿会使严重 OSA 的患病几率增加 7.46 倍，但在女性中这一关联不显著。性别分层分析显示，男性的 BMI、腰臀比、腰高比与 AHI 评分相关，女性仅腰臀比与 AHI 和中重度 OSA 相关。
- 问卷的预测价值：STOP-Bang 问卷与中重度 OSA 有显著关联，分数每增加 1 分，患病几率增加 61%，AHI 增加 3.16 单位。PSQI 与 OSA 患病几率呈负相关，但调整后不显著。ESS 与 OSA 呈负相关，且不显著。
- 逐步逻辑回归模型的性能：逐步逻辑回归模型确定了 STOP-Bang 总分、PSQI 总分和腰臀比是中重度 OSA 的重要预测指标。该模型区分中重度 OSA 的准确率为 72%，与单独使用 STOP-Bang 问卷相比，虽 AUC 无显著提升，但净重新分类改善（NRI）和综合判别改善（IDI）显示其能更准确地对患者进行风险分层。
研究结论与讨论：精准筛查的新方向
这项研究意义重大，研究人员发现腰臀比和白蛋白尿是 T2DM 患者 OSA 的关键临床预测指标。这意味着，无论患者是否有典型的 OSA 症状，只要出现高腰臀比或白蛋白尿，就应考虑进行 OSA 评估。这一发现为临床医生提供了更明确的筛查方向，有助于减少 OSA 的漏诊。
STOP-Bang 问卷在初级医疗保健中作为筛查工具具有一定实用性，但也有局限性。经典的 OSA 症状，如白天嗜睡（ESS）和睡眠质量差（PSQI），在预测 T2DM 患者的 OSA 方面价值有限。这可能是因为 T2DM 患者本身疲劳水平较高，掩盖了 OSA 的症状。
研究还揭示了 T2DM、OSA 和肾脏疾病之间复杂的相互作用。白蛋白尿可能是早期糖尿病肾病的标志，而严重 OSA 与白蛋白尿的关联表明，这三种疾病可能相互加重。针对这一循环进行有针对性的干预，可能会带来重要的临床价值。
然而，研究也存在一些局限性。研究的横断面性质无法确定因果关系；缺乏详细的种族数据，无法研究种族对 OSA 患病率和特征的影响；可能存在选择偏倚；样本量可能不足以发现一些细微的关联；使用 HSAT 而非多导睡眠图作为诊断工具，可能影响研究结果的普遍性。
尽管如此，这项研究为未来的研究指明了方向。未来需要大规模的前瞻性研究或随机试验，来确定 OSA 是否是糖尿病主要并发症的可改变风险因素。如果 OSA 治疗对特定高风险亚组（如中心性肥胖、白蛋白尿或心血管风险较高的患者）有显著益处，那么可以采用更有针对性的筛查策略，优化资源分配，改善临床结果。
