编辑推荐：
睡眠障碍会改变睡眠阶段动态，但临床实践中相关参数应用有限。研究人员围绕阻塞性睡眠呼吸暂停（OSA）开展睡眠动态量化研究，利用因果推断技术得出关键标记变化及性别差异等结果，为相关疾病筛查提供新方向。
睡眠，这个看似平常的生理现象，实则蕴含着无数的奥秘。在现代医学领域，睡眠研究一直是热门且充满挑战的方向。目前，睡眠障碍对睡眠阶段动态的影响已被证实，然而在临床实践中，相关参数的应用却极为有限。这主要是因为现有的测量方法不够直观，而且缺乏统一的标准参考值。比如说，传统的多导睡眠图（PSG）虽然能够监测睡眠中的多种生理信号，但在分析睡眠阶段动态时，往往只能依赖有限的几个指标，难以全面反映睡眠的真实情况。此外，不同研究在统计方法上的差异，也使得研究结果的可靠性大打折扣，导致难以准确区分自然衰老和特定疾病对睡眠参数的影响。在这样的背景下，开展一项能够全面、准确量化睡眠动态，并深入探究其与疾病关系的研究显得尤为迫切。
来自瑞士伯尔尼大学计算机科学研究所等多个机构的研究人员，针对这一难题展开了深入研究。他们以阻塞性睡眠呼吸暂停（OSA）为研究对象，这是一种极为常见的睡眠障碍，影响着大量人群的健康。研究人员旨在通过创新的研究方法，揭示 OSA 对睡眠动态的影响，并探索其中的年龄和性别差异。该研究成果发表在《Scientific Reports》上，为睡眠医学领域带来了新的曙光。
为了实现研究目标，研究人员运用了多种关键技术方法。他们利用高质量的观察性临床数据库，确定了 OSA 患者和健康对照人群。在数据处理方面，采用逆概率加权（IPW）法平衡年龄和性别等混杂因素，以减少研究偏差。通过 Dirichlet 回归构建睡眠阶段转换比例矩阵 P，结合因果 S-Learner 框架，量化 OSA 对睡眠动态的影响，并计算条件平均治疗效果（CATE）和风险比条件平均治疗效果（RR-CATE）。此外，还利用睡眠心脏健康研究（SHHS）数据库对研究结果进行外部验证。
研究结果主要分为以下几个部分：
- 睡眠阶段转换矩阵建模：通过 IPW 平衡数据后，利用 Dirichlet 回归对 25 种可能的睡眠阶段转换比例进行建模。结果显示，年龄、性别、OSA 及其严重程度（AHI）对睡眠阶段动态均有显著影响，且 OSA 与性别存在显著交互作用，表明可能存在性别特异性的 OSA 表型。同时，共病因素也对大多数转换产生影响，凸显了调整共病因素在研究中的重要性。
- 个性化数字标记与 OSA 的影响：
- 睡眠阶段转换比例矩阵 P：分析发现，除少数情况外，OSA 严重程度增加会导致睡眠阶段动态及 P 值逐渐改变。例如，女性在各年龄段和 OSA 严重程度下，REM→REM 转换比例显著下降，表明 REM 睡眠不稳定；而男性在部分年龄段和 OSA 严重程度下，N2→N2 转换比例下降。此外，OSA 患者还存在一些显著增加的转换比例，如 W→(N2, N3)、N1→N3 等，这些转换在健康人群中很少见，可能是 OSA 的敏感标记。
- PSG 衍生标记：OSA 会导致 N1 阶段百分比增加，尤其是在严重 OSA 患者中。女性受 OSA 影响的睡眠宏观结构更为明显，表现为 W 百分比增加、REM 百分比减少。同时，OSA 患者的总觉醒、浅睡眠觉醒、NREM - REM 振荡、睡眠碎片化和睡眠阶段碎片化等指标均显著增加，反映出睡眠的不稳定性。
- 马尔可夫转换矩阵PM：PM从另一个角度展示了睡眠动态机制。OSA 患者中，N1→N3、N3→REM、REM→(N1, N2, N3) 转换增加，REM→REM 和 N2→N2 转换减少。此外，OSA 男性的 W→(N2, N3, REM) 转换增加，OSA 女性的 N1→(W, REM)、(N2, REM)→W 转换增加，N1→N1 转换减少。通过PM还可以对睡眠阶段生存进行建模，连接了睡眠转换和睡眠阶段持续时间的研究。
- P 标记在外部数据上的预测性能：研究人员为 25 种转换比例分别开发了简单的逻辑回归模型，以预测中度睡眠呼吸紊乱（AHI>15）。结果显示，所有转换比例在预测任务中均具有显著的预测能力，平均 AUROC 在 SHHS1 和 SHHS2 数据库中分别达到 66.77% 和 65.98%，表明这些标记具有良好的泛化能力。
- 交互式 R shiny 应用程序：研究人员开发了一个交互式应用程序，用户可以通过该程序输入感兴趣的转换、年龄、OSA 严重程度和共病情况等信息，获取相应的睡眠阶段转换概率、CATE 和 RR-CATE 等结果，还能查看睡眠阶段生存曲线等，方便对研究结果进行深入探索。
在研究结论和讨论部分，研究人员指出，他们的研究通过量化睡眠阶段动态，揭示了 OSA 与 N2、N3 和 REM 睡眠连续性降低之间的关系。OSA 患者中出现的一些不典型转换，如从浅睡眠到深睡眠以及 N3 和 REM 之间的振荡，可能反映了身体在频繁呼吸暂停事件后试图恢复恢复性睡眠状态的补偿机制。此外，研究还发现女性 OSA 患者表现出更高的 REM 阶段不稳定性和更多的觉醒，这可能导致女性 OSA 负担被低估，因为仅依靠氧饱和度指标可能无法准确识别。该研究的成果有助于实现更精确的诊断分层和个性化治疗决策，例如对于伴有失眠症状和更高抑郁共病风险的女性 OSA 患者，可以根据研究结果选择更合适的治疗方法，如结合持续气道正压通气（CPAP）和认知行为疗法（CBT-I），或在轻度 AHI 病例中考虑口腔矫治器疗法（OAT）。
总的来说，这项研究为睡眠医学领域提供了新的视角和方法。通过创新的研究方法和深入的数据分析，研究人员不仅揭示了 OSA 对睡眠动态的影响，还发现了其中的年龄和性别差异，为未来睡眠障碍的研究和临床治疗提供了重要的参考依据。同时，研究人员也指出了研究存在的局限性，如目前主要关注整个睡眠期的转换，未考虑睡眠不同时段的动态变化，未来将进一步拓展研究方向，探索更多关于睡眠的奥秘。
