基于多导睡眠图呼吸内表型预测中国阻塞性睡眠呼吸暂停患者最佳持续气道正压压力

《Scientific Reports》:Predicting optimal CPAP pressure in obstructive sleep apnea among Chinese patients using respiratory endotype derived from polysomnography

【字体: 大 中 小 】 时间:2026年08月07日 来源:Scientific Reports 4.9

编辑推荐:

  准确利用传统多导睡眠图(PSG)参数预测最佳持续气道正压(CPAP)压力仍具挑战性。源自PSG的呼吸内表型可在一定程度上反映疾病病理生理机制,有望为个体化压力预测提供新视角。研究人员纳入114名中国成人阻塞性睡眠呼吸暂停(OSA)患者,均接受两晚夜间实验室PS

  
准确利用传统多导睡眠图(PSG)参数预测最佳持续气道正压(CPAP)压力仍具挑战性。源自PSG的呼吸内表型可在一定程度上反映疾病病理生理机制,有望为个体化压力预测提供新视角。研究人员纳入114名中国成人阻塞性睡眠呼吸暂停(OSA)患者,均接受两晚夜间实验室PSG记录,最佳CPAP压力由第二晚标准化手工滴定定义。分析整合三类变量:呼吸内表型、人体测量指标及PSG呼吸参数。经初步相关性筛选后,显著变量进入逐步多元线性回归模型。数据集按80%训练集与20%验证集随机拆分以评估预测性能。共纳入114名受试者(轻度15例、中度38例、重度61例)。预测模型包含环路增益(LG1)、通气能力(Vpassive、Vmin)、体重指数(BMI)、呼吸暂停指数(AI)、平均呼吸事件相关氧减饱和度(RE-OD-Mean)、最长呼吸暂停时长(Ap-Dur-Long)及呼吸相关微觉醒指数(RR-ArI):CPAP?=?0.708?+?1.804×LG1?+?0.023×Vpassive???0.015×Vmin?+?0.117×BMI?+?0.003×AI???0.074×RE-OD-Mean?+?0.019×Ap-Dur-Long?+?0.043×RR-ArI。最终模型在内部验证集表现出可接受预测性能(R2 = 0.497;RMSE?=?1.507 cmH?O)。留存预测因子中LG1效应量最大,每升高1单位对应预测CPAP压力约增加1.8 cmH?O。将呼吸内表型与人体测量指标及PSG呼吸参数整合,为CPAP压力预测提供了基于机制的框架。塌陷性特征(Vpassive、Vmin)与通气控制稳定性(LG1)显著提升预测精度,为PAP治疗提供更个体化路径。
研究背景与立项依据
阻塞性睡眠 apnea(OSA,阻塞性睡眠呼吸暂停)是一种以反复上气道阻塞、间歇低氧和睡眠片段化为特征的常见睡眠呼吸障碍,全球受影响成人超九亿。持续气道正压(CPAP)作为一线治疗,其疗效高度依赖压力滴定准确性。目前临床金标准仍为实验室手工滴定或自动滴定(APAP),但前者耗时耗资源,后者受设备算法异质性影响且长期成本优势未明。传统基于人口学与传统PSG事件指标(AHI、ODI、SpO?-Min等)的预测公式解释力弱(R2多低于0.50),且跨人群验证衰减明显。PALM框架指出OSA由咽塌陷性(P)、觉醒阈值(A)、环路增益(L)、上气道肌反应(M)共同决定,Sands等已实现从常规PSG无创量化这些内表型(endotype),但将其用于固定CPAP压力预测的研究尚缺。该研究由此提出:在常规PSG与人体测量变量之外整合呼吸内表型,能否提升中国OSA人群CPAP压力预测精度。论文发表于《Scientific Reports》。
主要关键技术方法
研究人员于2022年1月至2025年8月在上海华山医院招募114名18–70岁未治疗OSA患者,均完成两晚实验室PSG(首晚诊断、次晚手工CPAP滴定),排除慢阻肺、神经肌肉病、伴失眠OSA(COMISA)及非标准床头抬高者。内表型提取采用PUPBeta平台对首晚PSG鼻压气流信号按默认管道处理,以7分钟滑窗(步长120秒)估计NREM期中位特质值,包括Vpassive、Vmin、Vactive、Vcomp、LG1、LGn、ArThres、VRA。统计上先以Spearman筛变量,再经AIC双向逐步多元线性回归建模,80%/20%拆分训练/验证集,并以非内表型简化模型与LASSO回归作对照。
研究结果
参与者特征与OSA严重程度分层
114例中男90例,中位年龄47.5岁;滴定压力随严重程度递增(轻度6.0 cmH?O、中度7.0、重度8.0)。BMI、LG1、ArThres、AHI、AI、ODI、CT90、RR-ArI随严重度上升,Vpassive/Vactive/Vmin下降,SpO?-Min下降,证实内表型与常规指标均呈严重度梯度。
CPAP与人体测量、内表型及PSG参数相关性
Spearman分析显示CPAP与LG1(r=0.47)、LGn、ArThres、BMI(r=0.45)、AHI(r=0.63)、AI、ODI-3、RE-OD-Mean、Ap-Dur-Long、CT90、RR-ArI正相关,与Vpassive(r=-0.21)、Vmin(r=-0.54)、SpO?-Min负相关,为后续回归提供变量池。
最优CPAP压力多变量预测模型
逐步回归最终保留8变量:LG1、Vpassive、Vmin、BMI、AI、RE-OD-Mean、Ap-Dur-Long、RR-ArI。训练集R2=0.620、RMSE=1.265 cmH?O;验证集R2=0.497、RMSE=1.507 cmH?O。VIF 1.36–4.83无严重共线性。LG1系数1.804为最大效应量。验证集轻症倾向高估、中重症分散且低估。
内表型变量的增量预测价值
剔除内表型后以BMI、AI、Ap-Dur-Long、RR-ArI建简化模型,验证集R2=0.480、RMSE=1.525 cmH?O,略逊于全模型(R2=0.497),证明内表型提供增量信息。
敏感性分析
LASSO(λ_min)留11变量,与逐步模型重叠7个核心预测因子,验证R2=0.495、RMSE=1.476 cmH?O,性能一致,变量选择稳健。
讨论与结论翻译
该研究首次在轻中重全谱OSA中将呼吸内表型系统整合入统一CPAP预测模型。内表型提升解释力(训练R2=0.62),逐步与LASSO结果一致支持稳定性,但验证集性能回落提示存在一定乐观偏倚。LG1正向关联压力反映通气控制不稳放大扰动、需更高压力;Vpassive与Vmin负向关联符合气道塌陷性高、基线气流低需更大机械负荷;ArThres高者觉醒不易终止阻塞故需压高。传统AI、RR-ArI、Ap-Dur-Long保留说明事件时长与微觉醒仍捕抓下游不稳定。局限为单中心小样本、仅内部验证、PUP依赖高质量PSG与EEG(HSAT难获取)、仰卧位滴定未必代表居家体位、排除COMISA。结论:呼吸内表型整合入CPAP预测优于传统PSG方法,提供机制可解释的个体化估计框架,推动从事件计数向生理导向压力确定范式转移,仍需多中心与外部队列确认。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号