《Diagnostics》：Minute-Scale Sleep-Onset HRV as a Candidate Risk-Stratification Biomarker for Diabetic Retinopathy: An Exploratory Pilot Study
编辑推荐：
背景：糖尿病视网膜病变（diabetic retinopathy, DR）是2型糖尿病（type 2 diabetes mellitus, T2DM）最常见的微血管并发症，然而全球范围内DR筛查覆盖率仍严重不足。糖尿病自主神经病变（diabetic auton
背景：糖尿病视网膜病变（diabetic retinopathy, DR）是2型糖尿病（type 2 diabetes mellitus, T2DM）最常见的微血管并发症，然而全球范围内DR筛查覆盖率仍严重不足。糖尿病自主神经病变（diabetic autonomic neuropathy, DAN）通常先于DR发生，而心率变异性（heart rate variability, HRV）提供了一种非侵入性的自主神经评估手段；然而，HRV能否用于筛查DR尚待探究。方法：本项初步研究探讨了睡眠发作期分钟尺度HRV指标——SDANN1（1分钟段正常RR间期均值的标准差，standard deviation of 1-min segment means of normal-to-normal intervals）和SDANN2（2分钟段）——是否可作为候选筛查生物标志物。研究人员利用一组公开的T2DM住院患者24小时动态心电图数据集（N = 39；其中DR阳性11例，DR阴性28例），通过心肺耦合（cardiopulmonary coupling, CPC）分析确定睡眠发作时间点，并提取发作后30分钟的心电图数据进行分析。结果：DR组的SDANN1显著低于对照组（中位数23.6对44.8 ms，p = 0.028，d = 0.74），受试者工作特征曲线下面积（area under the receiver operating characteristic curve, AUROC）为0.731（95%置信区间：0.530–0.901）。在最优阈值≤25 ms下，比值比（odds ratio, OR）为8.1（95%置信区间：1.7–38.4），高风险组DR患病率为58%，低风险组为12.5%。在12个候选指标中，仅SDANN系列达到统计学显著性。结论：睡眠发作期分钟尺度HRV有望成为DR的候选风险分层生物标志物；在将其应用于任何筛查场景之前，需要在更大规模、性别平衡的队列中进行前瞻性纵向验证。
一、研究背景与问题
糖尿病视网膜病变（diabetic retinopathy, DR）是2型糖尿病（type 2 diabetes mellitus, T2DM）最常见的微血管并发症，全球约三分之一的糖尿病患者会发展为DR，且DR是劳动年龄人群致盲的首要原因。然而，早期DR完全无症状，及时检测和治疗可有效预防失明。当前DR筛查主要依赖眼底检查或眼底成像，需要专用设备、培训人员和医疗资源，导致全球筛查覆盖率严重不足。尽管人工智能辅助眼底图像识别（如美国FDA批准的IDx-DR）已取得突破，但其仍需眼底照相设备，限制了在偏远地区和基层的可及性。因此，开发一种不依赖眼底成像、可通过可穿戴设备部署的基于心率变异性（heart rate variability, HRV）的DR筛查辅助工具具有临床紧迫性和实践可行性。
糖尿病自主神经病变（diabetic autonomic neuropathy, DAN）可通过慢性高血糖诱导氧化应激，逐步损伤微血管和神经系统，且DAN可先于DR发生。多项纵向研究支持这一时间顺序：EURODIAD前瞻性并发症研究表明糖尿病神经病变与DR共享共同的可修饰心血管危险因素；Bitirgen等人利用角膜共聚焦显微镜证实角膜神经纤维损伤先于T2DM患者的DR发生。HRV是评估自主神经功能的广泛使用的无创方法，降低的HRV被普遍认为是DAN的标志。然而现有HRV-糖尿病文献存在三个关键空白：多数研究排除糖尿病患者；仅使用短时5分钟记录无法捕捉较慢的自律动力学；HRV仅用于DAN诊断，鲜有研究利用DAN相对于DR的时间领先优势将HRV作为DR的预测工具。少数涉及HRV-DR关联的研究均未报告基于HRV独立筛查DR的AUC、灵敏度或特异度，未考察分钟尺度指标如SDANN，也未以睡眠发作过渡期作为观察窗口。
睡眠发作过渡期是自主神经系统从交感主导切换到副交感主导的时间窗口，在此期间心率呈分钟尺度的动态波动；当DAN导致自律调节受损时，这些波动可能减弱。因此睡眠发作过渡期的HRV变化可作为评估自律功能的观察窗口。经典生理学研究证实了这一过渡期：非快速眼动睡眠期间自律平衡转向副交感主导，心率和血压在入睡期大幅下降伴随压力反射重置，心率变异性的时频分析显示醒睡过渡涉及自律功能的阶跃式重置。在DAN中，夜间迷走活性增加和昼夜交感迷走平衡变化逐渐钝化。Cheng W等人的研究发现睡眠期HRV比清醒期HRV更能反映自律功能障碍和代谢状态。研究人员进一步假设睡眠发作过渡期——而非稳定睡眠期——的HRV是区分DR患者的关键窗口。
SDANN（standard deviation of the averages of normal-to-normal intervals）最初用于24小时HRV研究，传统上采用5分钟段。随着可穿戴设备普及，RMSSD成为常用HRV指标，而SDANN因主要用于长程记录而不适用于短时评估。矛盾的是，SDANN可能更适合可穿戴级信号：RMSSD对单次伪差极为敏感，而SDANN通过两阶段分段平均架构自然平滑零星伪差，具备固有噪声鲁棒性。NeuroKit2参数化了SDANN时间窗口，引入SDANN1（1分钟段）和SDANN2（2分钟段）等变体。目前尚无研究考察分钟尺度SDANN指标在临床应用中的判别价值。
二、研究目的与方法
本研究旨在调查在一组小型但特征明确的男性住院患者队列中，睡眠发作期分钟尺度SDANN指标是否可作为T2DM中DR的候选筛查生物标志物。具体目标包括：（1）通过非参数AUROC分析评估SDANN1对DR的判别性能并确定最优筛查阈值；（2）通过比值比、风险分层和需转诊人数量化DR风险；（3）比较分钟尺度SDANN指标与传统HRV指标及临床变量以识别判别信号的来源；（4）表征最优观察窗口和最小记录时长。
关键技术方法：
- •
数据来源：使用Cheng W等人发表于Mendeley Data（DOI: 10.17632/9c47vwvtss.4, CC BY 4.0）的公开数据集，包含64名T2DM住院患者，最终纳入39名（DR阳性11例，DR阴性28例），均为男性。心电图由DynaDx公司Holter记录仪以250 Hz采样率连续记录24小时。睡眠发作时间点由原始数据集作者通过心肺耦合（cardiopulmonary coupling, CPC）分析确定。
- •
HRV特征提取：使用NeuroKit2进行R波检测和HRV特征计算，提取睡眠发作后30分钟连续心电图。预选候选预测因子包括：分钟尺度指标SDANN1、SDANN2、SDANN5；传统时域基准SDNN、RMSSD、SDNN/RMSSD比值；频域指标LF功率、HF功率、LF/HF比值；基础心脏参数平均心率、平均NN间期；人口学参考年龄。
- •
心电图质量评估与排除：对所有合格参与者的记录进行四种伪差类型的系统性扫描，排除两名电极接触伪差严重的参与者（均为DR阴性）。
- •
统计分析：以SDANN1为预先指定的主要候选生物标志物，采用非参数AUROC分析，通过Mann-Whitney U检验评估显著性，Youden's J指数确定最优阈值，计算筛查指标、比值比、相对风险和Fisher精确检验。采用Firth惩罚逻辑回归进行协变量校正分析。进行记录时长效应和时间窗口分析。
三、研究结果
3.1 生物标志物筛选：仅SDANN能区分DR状态
对12个候选预测因子的非参数AUROC分析显示，仅SDANN系列达到统计学显著性：SDANN1（AUROC = 0.731, p = 0.028）、SDANN5（0.731, p = 0.028）和SDANN2（0.721, p = 0.035）。传统时域指标（RMSSD: 0.688, p = 0.073；SDNN: 0.672, p = 0.101）、频域指标（LF: 0.597, p = 0.357；HF: 0.532, p = 0.767；LF/HF: 0.584, p = 0.426）、平均心率、平均NN间期、SDNN/RMSSD比值和年龄均未能区分DR状态。三个SDANN变体高度共线性，其收敛显著性表明信号稳健且非特定段长的伪差。
3.2 SDANN1作为主要生物标志物：组间比较与判别性能
DR阳性组SDANN1显著低于DR阴性组：均值29.4±21.1对48.7±27.7 ms；中位数23.6 [四分位距: 14.6–35.6] 对44.8 [29.2–61.9] ms（Mann-Whitney U = 83.0, p = 0.028）。Cohen's d = 0.74（中到大效应）；Glass's Δ = 0.91。SDANN1的非参数AUROC为0.731（95%置信区间: 0.530–0.901）；Bootstrap乐观校正确认过拟合极小（校正后AUROC = 0.727）。Youden's J指数确定≤25 ms为最优筛查阈值，灵敏度63.6%，特异度82.1%。
3.3 风险量化：比值比与临床意义
在最优阈值≤25 ms下，筛查阳性患者中DR患病率为58.3%（7/12），筛查阴性患者中为14.8%（4/27）。SDANN1≤25 ms的患者DR比值比为8.1（95%置信区间: 1.7–38.4；Fisher p = 0.017）。需转诊人数（number needed to refer, NNR）为2.3，即每2到3名筛查阳性患者中约有1人患有DR。阳性似然比（LR+）= 3.56。
3.4 风险分层：三层临床框架
基于SDANN1将患者分为三个风险等级：高风险（≤25 ms）、中等风险（25–45 ms）和低风险（>45 ms）。高风险层捕获了63.6%（7/11）的DR阳性患者，DR患病率为58.3%，接近样本总体患病率28.2%的两倍；低风险层DR患病率仅为12.5%，呈现4.7倍的梯度。
3.5 SDANN2分段稳健性检验
SDANN2的AUROC为0.721（95%置信区间: 0.518–0.894），p = 0.035，在其最优阈值下具有相同的筛查性能（灵敏度63.6%，特异度82.1%），确认判别信号在不同分段长度参数化下具有稳健性。
3.6 校正后关联
Firth惩罚逻辑回归确认SDANN1与DR呈负向关联，在校正年龄后保持稳定（每1-SD增量的OR = 0.38, 95%置信区间: 0.11–0.94, p = 0.034），加入HbA1c后点估计值相似（OR = 0.45, p = 0.086），但统计效力因缺失值减少。加入呼吸暂停低通气指数（apnea-hypopnea index, AHI）作为协变量后，SDANN1的关联方向保持稳定（OR = 0.42, p = 0.056），而AHI与DR无独立关联。
3.7 记录时长效应
SDANN1的判别性能从5分钟（AUROC = 0.519, p = 0.864）到30分钟（AUROC = 0.731, p = 0.028）单调提升，在20分钟达到临界显著性（AUROC = 0.701, p = 0.055），30分钟达到完全显著性。60分钟时AUROC略有下降至0.685（p = 0.078），可能是由于纳入稳定睡眠期心电图稀释了信号。结果表明30分钟睡眠发作期心电图是可靠SDANN1筛查的最小记录时长。
3.8 睡眠时间窗效应
睡眠发作过渡期（0–30分钟）是SDANN1唯一显著区分DR状态的时间窗（AUROC = 0.731, p = 0.028）。后续时间窗AUROC逐步下降：30–60分钟（0.672, p = 0.101）、60–90分钟（0.539, p = 0.720）和90–120分钟（0.594, p = 0.374）。在60–120分钟后SDANN1接近随机水平，确认交感迷走过渡期是关键观察窗口。
四、讨论与结论
主要发现：本研究有三项主要发现。第一，睡眠发作期SDANN1是唯一具有统计学显著性的DR判别预测因子（AUROC = 0.731, p = 0.028），而所有传统HRV指标、平均心率和年龄均未能区分。这表明DR相关的自律功能损害特异性表现在睡眠发作过渡期的分钟尺度心率调节中。第二，SDANN1≤25 ms的患者DR比值比为8.1，风险分层显示高风险层DR患病率58%对低风险层12.5%，呈现4.7倍梯度。第三，SDANN1的判别力集中在睡眠发作窗口，需要30分钟记录达到显著性，确认交感迷走过渡期的生理挑战驱动了该信号。
为何睡眠发作过渡期优于稳定睡眠期：睡眠发作过渡期是自律系统从交感主导转向副交感主导的时期，心率呈分钟尺度动态波动，SDANN捕捉这些波动的幅度。一旦进入稳定睡眠，心率受副交感活动稳定控制，个体间差异缩小，SDANN的判别力下降。时间窗分析支持这一观点：睡眠发作过渡期判别表现最佳，后续稳定睡眠期逐步下降。
为何经典HRV指标不具有判别力：RMSSD测量逐拍瞬时变异，SDNN测量整个记录的总体变异，而SDANN追踪分钟级心率均值趋势，捕捉分钟尺度动态调节。时间窗分析提供了最直接的证据：SDANN1的判别力从睡眠发作期的0.731逐步下降到60–90分钟的0.539，接近随机水平。这种窗口特异性无法用整体HRV降低解释：若DR患者仅存在全局性HRV降低，则RMSSD和SDNN也应具有判别力，且SDANN1在稳定睡眠期也应同样有效。相反，信号集中在交感迷走过渡期，与假定的自律挑战模型一致。
临床定位与研究局限性：SDANN1可作为预筛查分诊工具：在资源有限环境中，通过消费级可穿戴设备获取的单次夜间心电图记录可识别高风险T2DM患者优先转诊眼科。需转诊人数2.3表明每2到3名筛查阳性患者中约有一人患有DR。基于HRV的方法不能也不应与眼底成像在判别准确性上竞争；其预期作用是互补性分诊。样本量小、类不平衡、糖尿病病程不可控、横断面设计、非独立睡眠发作确定、男性单中心样本等限制因素均需关注。一项使用更大规模多中心队列的外部验证研究正在分析中。
结论翻译：本项探索性初步研究将睡眠发作期SDANN1确定为T2DM中DR的候选风险分层生物标志物。在39名男性住院患者中，SDANN1的AUROC为0.731（95%置信区间: 0.530–0.901），在最优筛查阈值下的比值比为8.1（95%置信区间: 1.7–38.4；Fisher p = 0.017）。风险分层显示DR患病率从58%（SDANN1≤25 ms）到12.5%（>45 ms）的梯度，支持SDANN1作为预筛查分诊工具的潜力，有待外部和前瞻性纵向验证。在12个候选预测因子中，仅SDANN系列——反映睡眠发作过渡期分钟尺度自律调节——能够区分DR状态；传统HRV指标、平均心率和年龄均不能。一项使用更大规模多中心队列（包含糖尿病病程、性别平衡设计和社区招募）的独立外部验证研究正在分析中，将另行报告。
