《Frontiers in Sleep》:Apnea-hypopnea index estimation using overnight chest-wall accelerometry
编辑推荐:
理由与研究目标:研究人员开发了一种利用胸戴加速度计估算呼吸暂停低通气指数(Apnea-Hypopnea Index, AHI)的方法,作为阻塞性睡眠呼吸暂停(Obstructive Sleep Apnea, OSA)诊断及通过体位治疗(Positional T
理由与研究目标:研究人员开发了一种利用胸戴加速度计估算呼吸暂停低通气指数(Apnea-Hypopnea Index, AHI)的方法,作为阻塞性睡眠呼吸暂停(Obstructive Sleep Apnea, OSA)诊断及通过体位治疗(Positional Therapy, PT)等进行长期治疗监测的手段。方法:研究人员通过结合心肺睡眠分期算法与改良的用于检测呼吸事件的神经网络,开发了AHI估算方法。该网络最初基于心电图(Electrocardiography, ECG)和呼吸阻抗体积描记法(Respiratory Inductance Plethysmography, RIP),利用基于胸壁加速度测量法的瞬时心率(Instantaneous Heart Rate, IHR)和呼吸努力(Respiratory Effort, RE)进行重新训练。训练与验证使用了来自两个中心的413名参与者在诊断性夜间多导睡眠图(Polysomnography, PSG)期间记录的加速度计数据,且未接受任何治疗。数据集被均等拆分:一半用于训练神经网络,剩余一半用于评估其性能。该评估将加速度测量法得出的夜间AHI与PSG参考值进行比较,包括仰卧位和非仰卧位睡眠时间分别比较。结果:睡眠分期与多导睡眠图达到显著一致性,四类睡眠分期(清醒/快速眼动睡眠/非快速眼动睡眠N1-N2/非快速眼动睡眠N3)的Cohen's kappa一致性系数为0.67。AHI估算高度可靠,与PSG导出值相比,组内相关系数(Intraclass Correlation Coefficient, ICC)为0.90(95%置信区间:0.86–0.92)。仰卧位和非仰卧位睡眠姿势的性能一致。阳性似然比高(轻度、中度、重度OSA严重等级在使用近边界双标签法时分别为7.1、16.0和165.7)。阴性似然比低(相同情况下分别为0.095、0.153和0.069)。结论:利用胸壁加速度测量法可以可靠地估算AHI。该方法可用于OSA的诊断测试,也可用于评估体位治疗期间的残余AHI。
该研究发表于《Frontiers in Sleep》。研究背景方面,未经治疗的阻塞性睡眠呼吸暂停(Obstructive Sleep Apnea, OSA)及其伴随的睡眠质量差会对短期健康状态和长期健康产生不利影响。OSA的管理可从睡眠连续监测中获益,重点关注呼吸暂停低通气指数(Apnea-Hypopnea Index, AHI),其可作为疾病严重程度的指标及治疗疗效的测量指标。常用的OSA治疗为正压通气(Positive Airway Pressure, PAP),现代PAP设备通过测量源自气流的呼吸暂停和低通气事件来追踪夜间AHI。鉴于PAP治疗依从性的挑战,已开发出如体位治疗(Positional Therapy, PT)等替代疗法。PT治疗体位性阻塞性睡眠呼吸暂停(positional OSA, pOSA),即患者在仰卧位时OSA严重程度显著更高,而在其他睡姿下严重程度低得多。pOSA患病率较高,超过50%的OSA评估患者呈现此表型。PT设备持续监测身体位置并在仰卧位时提供反馈(通常为振动)以触发体位改变。尽管已证明具有依从性和有效性,PT设备不测量气流,因此无法监测AHI并提供治疗疗效的综合评估。PT设备通常安装在胸壁上并集成加速度计以监测体位。穿戴式惯性传感器(即加速度计和陀螺仪)长期以来用于睡眠研究和临床实践。最成熟的技术是体动记录仪(actigraphy),测量总体动以区分睡眠与清醒,虽对基本睡眠检测有效,但在无运动期间常将清醒误判为睡眠。研究人员探索了靠近气道的传感器放置以潜在捕获呼吸力学,也有平行工作聚焦于胸壁测量。然而,据研究人员所知,尚无研究尝试从胸戴惯性传感估算AHI。因此,本研究旨在开发并验证一种基于模型的方法,该模型仅使用源自胸戴加速度测量法的连续呼吸努力(Respiratory Effort, RE)和瞬时心率(Instantaneous Heart Rate, IHR)作为输入,估算AHI并评估其在仰卧位与非仰卧位的表现。
研究人员开展的主要关键技术方法如下:研究人员采用了迁移学习(transfer learning)方法,将先前开发的利用心电图(ECG)和呼吸感应体积描记法(RIP)带数据的呼吸事件检测神经网络,调整为完全接受胸壁加速度测量法衍生输入。数据集包含来自两个荷兰临床中心(OLVG医院和Kempenhaeghe睡眠医学中心)的413名受试者,在诊断性夜间多导睡眠图(PSG)期间佩戴胸部RIP带上的3D加速度计(ADXL355,250 Hz)记录数据。数据集在受试者层面均分为训练集(N=206,其中约75%拟合,25%模型选择)和留出集(hold-out set, N=207)用于评估。从加速度数据中提取RE和IHR,使用先前建立的心肺睡眠分期(Cardiorespiratory Sleep Staging, CReSS)算法进行睡眠分期以获取总睡眠时间(Total Sleep Time, TST),并使用编码器-解码器架构结合扩张金字塔池化模块的神经网络检测呼吸事件,通过睡眠阶段依赖的概率阈值计数事件并计算AHIACC,与金标准AHIPSG比较。
研究结果部分保留小标题并说明如下:
3.1 Demographics
研究人员展示了训练集(N=206)和留出集(N=207)按参与中心和数据集分层的人口统计学信息,睡眠呼吸障碍(SDB)为最常见疾病,训练集56%,留出集51%,详细睡眠疾病患病率见补充材料。
3.2 Sleep staging
研究人员将胸壁加速度测量法衍生的睡眠分期与PSG衍生的分期进行比较,四类睡眠分期的κ一致性系数为0.665,Wake vs. Sleep分类为0.713,与PSG的一致性均为实质性(substantial)。REM类表现最佳,敏感性76.7%,特异性96.7%,阳性预测值81.4%。留出集总睡眠时间(TST)误差中位数为+2.5分钟(第一三分位数?9.24,第三三分位数+14.6),ICC为0.942(95% CI: 0.920至0.960, p < 0.001)。
3.3 AHI estimation
研究人员在留出集上评估AHI估算性能,模型在16次迭代后停止训练。算法整体ICC达0.90,偏差(bias)为?0.07次/小时,女性(N=78)和男性(N=129)ICC分别为0.893和0.891,无显著差异(Mann-Whitney U检验, p = 0.73)。Pearson相关系数为0.82。95%一致性界限(Limits of Agreement, LoA)为?14.60和+14.46次/小时。使用近边界双标签法(near-boundary double labeling)的OSA严重程度分类混淆矩阵显示四向κ系数0.76,准确率82.6%。阴性似然比分别为0.095(轻度)、0.153(中度)、0.069(重度),阳性似然比分别为7.1、16.0、165.7。对比实验中,直接应用原ECG/RIP网络ICC为0.58,从头训练(de novo)模型ICC为0.79,迁移学习表现最优。绝对AHI估算误差与RE的MSE弱相关(Spearman's r = 0.30, p < 0.001),与IBI的MAE弱相关(r = 0.14, p = 0.046)。有四例绝对差异大于20次/小时,常见于高估且参考AHI严重或TST极低情况。
3.4 Algorithm performance in supine and non-supine positions
研究人员在至少有20分钟仰卧位和20分钟非仰卧位TST的147例记录中评估体位表现。整体AHI的ICC为0.94,仰卧位ICC为0.88,非仰卧位ICC为0.93。整体TST的ICC为0.95。仰卧位TST偏差0.04小时[LoA ?0.36, 0.44],非仰卧位偏差0.01小时[LoA ?0.57, 0.60]。仰卧位AHIPSG中位数18.1次/小时,AHIACC中位数14.6次/小时;非仰卧位AHIPSG中位数4.81次/小时,AHIACC中位数6.21次/小时。
讨论部分总结:研究人员开发了结合心肺睡眠分期算法与改良神经网络的胸壁加速度计AHI估算方法,在207例留出集评估中,TST估算误差第一三分位数?9.2分钟、第三三分位数+15分钟,AHI与PSG基准相比ICC 0.90(95% CI: 0.86–0.92),偏差?0.07次/小时,95% LoA ?14.46至+14.60次/小时。近边界双标签法OSA严重程度分类Cohen's κ 0.76,呈实质性一致。仰卧位与非仰卧位表现变化极小,非仰卧位ICC 0.93(95% CI: 0.91–0.95),表明该方法适用于PT期间AHI估算。三种建模策略中迁移学习表现最高(ICC=0.90),优于从头训练(ICC=0.79)和直接应用原模型(ICC=0.58),表明迁移学习有效利用预训练并适应新输入域,早停缓解过拟合。加速度衍生的心肺测量(RE和IBI)误差相对较低但与AHI误差仅弱相关,信号质量非主要决定因素。大误差案例可能与IBI和RE估算差、房颤、周期性肢体运动障碍或极低TST有关。RE和IHR估算需低噪声底和足够带宽,未来需灵敏度分析。本方法ICC、95% LoA和阴性似然比在商用PAP机器报告范围内,提示适于OSA治疗监测,但本研究为诊断PSG人群,AHI值可能高于治疗人群。与其他惯性传感工作比,结果与下颌运动研究一致,高于单纯胸壁努力指数或幅度研究,高保真心肺测量提供更稳健OSA评估。PT实际应用中的刺激可能引睡眠架构变化和伪影,但影响或有限;设备自行佩戴可能影响放置和接触。诊断应用中正似然比高(经典边界轻度2.50、中度8.16、重度51.1),优于外周动脉张力测定(Peripheral Arterial Tonometry, PAT)荟萃结果,具诊断潜力,可集成于Holter ECG贴片。亦可用作睡眠记录备份传感模态如II型睡眠测试。局限在于未评估心律失常(如房颤)表现,未排除可能心律不齐记录;无法区分阻塞性vs中枢性呼吸暂停;在患者自戴传感器及实际PT治疗中需进一步评估。结论翻译:利用胸壁加速度测量法可以可靠地估算AHI。该方法可用于OSA的诊断测试,也可用于评估体位治疗期间的残余AHI。