基于脑电觉醒指标(ORP)与主观报告的多维度鉴别：共病性失眠与睡眠呼吸暂停(COMISA)的新型客观标记物研究

【编辑推荐】来自国际团队的研究人员通过分析9750例患者的多导睡眠图数据，创新性地采用觉醒几率乘积(ORP)指标结合机器学习算法，首次系统评估了该指标对共病性失眠与睡眠呼吸暂停(COMISA)的鉴别效能。研究发现ORP特征较传统睡眠参数更能区分COMISA与阻塞性睡眠呼吸暂停(OSA)，其中男性、BMI、N3期潜伏期等7项指标具有独立预测价值，最终构建的模型总体准确率达61.2%，为临床鉴别这一复杂共病症提供了客观量化工具。

　　

这项开创性研究揭示了脑电觉醒量化指标——觉醒几率乘积(Odds Ratio Product, ORP)在鉴别共病性失眠与睡眠呼吸暂停(Comorbid Insomnia and Sleep Apnea, COMISA)中的独特价值。科研团队对四组人群(对照组1152例、慢性失眠组2395例、阻塞性睡眠呼吸暂停组2297例、COMISA组3906例)展开大规模回顾性分析，每3秒计算一次的ORP值如同"睡眠显微镜"，精准捕捉到传统多导睡眠图难以发现的微觉醒特征。

令人振奋的是，ORP衍生参数展现出对COMISA的强大鉴别力：男性(OR=1.31)、BMI(1.27)、N3期潜伏期(1.21)等客观指标构成"预测七剑客"，而抑郁、高血压等主观症状则组成"共病信号灯"。机器学习模型以71%的灵敏度成功"抓捕"COMISA患者，尽管对单纯慢性失眠的识别率(43%)仍有提升空间。这些发现如同为睡眠医学领域点亮了一盏"ORP探照灯"，为临床区分"失眠叠加呼吸暂停"的复杂病例提供了新思路。