阻塞性睡眠呼吸暂停低通气综合征中临床显著抑郁症状列线图的开发与内部验证

《Nature and Science of Sleep》：Development and Internal Evaluation of a Nomogram for Clinically Significant Depressive Symptoms in Obstructive Sleep Apnea-Hypopnea Syndrome

　　

目的 研究人员开发并内部验证一个列线图，用于识别阻塞性睡眠呼吸暂停低通气综合征（OSAHS）住院患者中临床显著的抑郁症状。方法 这项单中心回顾性研究纳入了2025年1月至12月期间在河北医科大学第一医院住院的成人患者。OSAHS通过整夜多导睡眠监测（PSG）确诊，定义为呼吸暂停低通气指数（AHI）≥5次/小时。抑郁症状采用Zung自评抑郁量表（SDS）评估，标准化得分≥53定义为临床显著的抑郁症状。从电子病历和实验室信息系统中提取了36个候选预测变量。队列被随机分为训练队列（n=574）和内部验证队列（n=246）。采用最小绝对收缩和选择算子（LASSO）逻辑回归（10折交叉验证）及后续的post-LASSO多变量逻辑回归来选择预测变量并构建列线图。使用曲线下面积（AUC）、校准分析和决策曲线分析评估区分度、校准度和临床实用性。结果 在820例患者中，88例（10.7%）存在临床显著的抑郁症状，包括训练队列中的62例和内部验证队列中的26例。LASSO初步保留了7个候选预测变量。在post-LASSO多变量逻辑回归后，5个预测变量仍具有统计学显著性，并纳入最终列线图：氧减指数（ODI）、匹兹堡睡眠质量指数（PSQI）、Epworth嗜睡量表（ESS）、促甲状腺激素（TSH）和游离三碘甲状腺原氨酸（FT3）。该模型在训练队列（AUC=0.910，95%置信区间[CI] 0.869–0.950）和内部验证队列（AUC=0.915，95% CI 0.853–0.977）中显示出良好的区分度。校准度可接受，校准截距分别约为0.000和?0.438，校准斜率分别为1.000和0.814。结论 这项经过内部验证的列线图整合了ODI、PSQI、ESS、TSH和FT3，在识别SDS定义的OSAHS住院患者中临床显著的抑郁症状方面表现良好。需要进行前瞻性多中心和时间外部验证以评估其泛化性和临床适用性。

**论文解读：阻塞性睡眠呼吸暂停低通气综合征相关抑郁症状列线图的开发与内部验证**

**研究背景**
阻塞性睡眠呼吸暂停低通气综合征（OSAHS）是一种以睡眠中反复上气道塌陷为特征的疾病，导致间歇性低氧、睡眠碎片化、交感神经激活、全身炎症和氧化应激。这些病理生理紊乱与多系统损害、生活质量下降及精神健康症状负担增加相关。其中，抑郁症状在OSAHS患者中常见且具有临床意义。既往研究报道了OSAHS风险或严重程度与抑郁症状负担之间的关联，但常规呼吸严重程度指标（如呼吸暂停低通气指数[AHI]）与患者报告的抑郁症状严重程度并不一致。低氧血症相关指标（如氧减指数[ODI]）可能通过捕获夜间氧合不稳定性提供补充信息。此外，患者报告的睡眠指标（如Epworth嗜睡量表[ESS]和匹兹堡睡眠质量指数[PSQI]）反映日间嗜睡、主观睡眠质量和功能损害，与抑郁症状负担相关。常规可用的内分泌代谢标志物（如甲状腺轴指标游离三碘甲状腺原氨酸[FT3]和促甲状腺激素[TSH]）也可能提供额外预测信息，但其机制作用尚不明确。现有研究探索了多变量或机器学习方法，但存在可解释性差、依赖公共数据库变量或床边可行性不确定等问题。因此，研究人员开展本研究，旨在开发并内部验证一个基于回归的可解释列位图，用于识别SDS定义的临床显著抑郁症状，同时评估低氧血症负担、主观睡眠指标和甲状腺轴标志物在风险分层中的潜在价值。论文发表在《Nature and Science of Sleep》。

**研究方法**
这项单中心回顾性研究纳入了2025年1月至12月期间在河北医科大学第一医院耳鼻喉科住院的OSAHS患者，共820例。主要关键技术方法包括：①通过整夜多导睡眠监测（PSG）确诊OSAHS（AHI≥5次/小时）；②使用Zung自评抑郁量表（SDS）评估抑郁症状（标准化得分≥53定义为临床显著抑郁症状）；③从电子病历和实验室信息系统提取36个候选预测变量，涵盖人口学特征、PSG指标、患者报告问卷、合并症和实验室指标；④采用最小绝对收缩和选择算子（LASSO）逻辑回归（10折交叉验证）进行降维，再通过post-LASSO多变量逻辑回归筛选最终预测变量；⑤构建列线图，并利用AUC、校准曲线和决策曲线分析评估模型性能。样本来源为单中心住院患者队列。

**研究结果**

***基线特征**
在820例OSAHS患者中，88例（10.7%）存在临床显著抑郁症状。与无抑郁症状组相比，抑郁症状组在年龄、吸烟状态、体重指数（BMI）、甘油三酯、尿酸、TSH、白细胞计数、估算肾小球滤过率（eGFR）以及脂肪肝和慢性鼻炎患病率方面差异显著；同时，抑郁症状组表现出更高的AHI和ODI、更长的最长阻塞性呼吸暂停持续时间、更低的夜间最低血氧饱和度（min SpO₂），以及更高的PSQI和ESS得分。

***预测变量筛选**
在训练队列中，LASSO回归（λ_min准则）初步保留了7个候选预测变量：ODI、PSQI、ESS、TSH、FT3、血小板计数和慢性鼻炎。随后，post-LASSO多变量逻辑回归显示，ODI（OR=1.105, 95% CI 1.071–1.141, P<0.001）、PSQI（OR=1.301, 95% CI 1.055–1.603, P=0.014）、ESS（OR=1.208, 95% CI 1.083–1.348, P=0.001）、TSH（OR=1.607, 95% CI 1.029–2.508, P=0.037）和FT3（OR=0.474, 95% CI 0.230–0.978, P=0.043）仍具统计学显著性，最终纳入列线图。

***列线图构建与验证**
基于五个预测变量构建列线图。在训练队列中，AUC为0.910（95% CI 0.869–0.950），内部验证队列中AUC为0.915（95% CI 0.853–0.977），表明区分度良好。校准曲线显示预测概率与实际概率接近，Hosmer-Lemeshow检验P值分别为0.334和0.173，校准截距约0.000和?0.438，校准斜率1.000和0.814。决策曲线分析显示，在训练队列的阈值概率0.02–0.89和内部验证队列的0.04–0.85范围内，列线图提供了正向净获益。

***敏感性分析**
七变量模型与五变量模型在训练队列（AUC: 0.915 vs 0.910, DeLong P=0.387）和内部验证队列（AUC: 0.906 vs 0.915, DeLong P=0.203）中区分度相似。ODI单独模型优于AHI单独模型（训练队列AUC: 0.862 vs 0.801；验证队列AUC: 0.858 vs 0.829）。排除ESS和PSQI后，模型仍保持可接受区分度（AUC 0.871和0.863），而问卷单独模型区分度较低（AUC 0.755和0.779）。

**讨论与结论**
本研究开发并内部验证了一个整合ODI、PSQI、ESS、TSH和FT3的列线图，用于识别OSAHS住院患者中SDS定义的临床显著抑郁症状。该模型整合了客观低氧血症信息、患者报告症状负担和常规可用的甲状腺轴指标，为类似住院环境中的风险分层和靶向心理筛查提供了直观可解释的工具。但模型在内部验证队列中校准斜率小于1，提示存在一定乐观性，需前瞻性多中心外部验证。ODI优于AHI的保留反映了低氧血症指标在预测抑郁症状中的潜在价值，但ODI并不等同于低氧负担。ESS和PSQI与抑郁症状可能存在部分概念重叠，但敏感性分析支持模型的预测信息并非仅来自问卷重叠。甲状腺轴指标TSH和FT3的保留需谨慎解释，FT3在单因素分析中不显著，但多变量调整后呈反向关联，提示可能存在混杂或抑制效应。结论：该内部验证的列线图在识别OSAHS住院患者中临床显著抑郁症状方面表现出良好的区分度和可接受的校准度，但需前瞻性多中心和时间外部验证确认其泛化性和临床适用性，在常规应用前应视为初步风险分层工具。