2024年5月，北京协和医院呼吸与危重症医学科肖毅教授团队在杂志“RESPIROLOGY” 上发表文章“Hypoxic indices for obstructive sleep apnoea severity and cardiovascular disease risk prediction: A comparison and application in a community population”.（最新影响因子：6.6）。

睡眠呼吸暂停低氧指标对心血管疾病风险的预测：基于社区人群的比较与应用

作者：惠馨颉、曹文浩、徐泽宇、郭俊伟、罗金梅、肖毅

研究背景：传统的睡眠呼吸暂停（OSA）严重程度指标，如呼吸暂停低通气指数（AHI）和氧减指数（ODI），在反映OSA的异质性和不良并发症风险方面存在一定局限性。尽管已提出新的指标以弥补这些不足，但尚未对其在统一的数据集中进行全面验证和比较。本研究旨在比较和验证不同低氧指标对心血管事件的预测效力，并基于最佳指标开发用户友好的在线平台。

研究设计和方法： 本研究使用睡眠心脏健康研究（SHHS）的数据，经数据质量筛选最终纳入了4485名40岁以上的受试者，研究的主要结局是心血管疾病（CVD）的死亡和新发事件，分别建立CVD死亡数据集和CVD新发数据集。评估的OSA关键指标包括AHI、ODI、重建的缺氧负荷（rHB）、呼吸事件导致缺氧的睡眠时间百分比（pRED_3p）和睡眠呼吸障碍指数（SBII）。使用调整后的Cox比例风险回归模型计算各指标的风险比（HR），随后对模型进行比较。

研究结果：

图1. 改进的SBII算法示意图

SBII是每次呼吸事件的持续时间与相关氧饱和度下降面积的乘积。在每次呼吸事件发生后的100秒内累加所有相关的氧饱和度下降面积，然后将这些面积的总和乘以该呼吸事件的持续时间，以得到该呼吸事件的特异性血氧损伤值。将所有事件特异性血氧损伤值的总和除以总睡眠时间，最终计算得到SBII。在改进的方法中，我们采用积分法来计算氧饱和度下降面积，并对伪影进行校正，以提高计算精度（见图1和公式1）。

此外，本研究首次提出了新指标pRED_3p，该指标定义为伴有3%以上外周氧饱和度下降的呼吸事件的累积持续时间占总睡眠时间的比例，具有临床上易于计算和获取的特点（公式2）。

图2. 睡眠呼吸暂停严重程度指标相关性分析

图2展示了OSA低氧指标与传统指标之间的Spearman等级相关性。结果显示，SBII与氧饱和度低于90%的睡眠时间百分比（SLT90）具有最高的相关性。线性回归分析进一步表明，SBII解释了SLT90变异性的40.7%。SLT90已被证实与心血管死亡风险相关，这进一步强调了严重夜间缺氧是恶性心血管事件的重要风险因素。

表1. Cox模型中OSA严重程度指标的未调整和调整风险比

注释：所有数据均进行离散化处理，根据临床标准将AHI和ODI分为轻度（L1）、中度（L2）和重度（L3），低氧指标rHB、SBII和pRED_3p按五分位数分层，标记为Q1至Q5，以各指标第一类为参考。

模型0：未校正模型；模型1：完全校正模型，纳入年龄、种族、性别、BMI、吸烟状况、高血压、糖尿病、降脂药物使用、COPD病史和既往心血管病史；模型2：简化校正模型，纳入选定的临床显著协变量；模型 3：扩展校正模型：模型1+SLT90。* P<0.05，** P<0.01，*** P<0.001。

完全校正的Cox模型（表1，模型1）显示了不同低氧指标在CVD死亡和新发数据集中的显著性。在CVD死亡数据集中，相较于参考值（Q1），rHB仅在第5五分位数中显示出统计学显著性（HR = 1.63，95% CI [1.05-2.53]）。相比之下，SBII在第2至第5五分位数中均表现出显著性，其调整后的风险比分别为1.77（95% CI [1.06-2.93]）、1.97（95% CI [1.21-3.22]）、2.04（95% CI [1.25-3.34]）和1.97（95% CI [1.20-3.24]）。类似地，pRED_3p在第3至第5五分位数中也表现出显著性。

在CVD新发数据集中，考虑协变量后，仅SBII的第4个五分位数和pRED_3p的第3至第5五分位数相较于Q1表现出显著性（表1，模型1）。通过单因素回归分析选择变量从而简化模型1（即模型2）或在模型1的基础上进一步调整SLT90（即模型3），均未改变rHB、SBII和pRED_3p在两个数据集中的显著性。相比之下，基于传统OSA指标（AHI、ODI）的Cox回归模型在校正后均未显示显著性。

表2. 基于不同OSA严重程度指标的Cox模型比较

注释：一致性(concordance statistic,C)和-2对数似然(-2 Log-Likelihood,-2LL)比用于评估模型的预测准确性和拟合度；赤池信息准则(Akaike Information Criterion,AIC)用于平衡模型的拟合优度和复杂度；方差分析（ANOVA）进行模型比较。

图3. CVD死亡数据集 (A) 和新发数据集 (B) 中最佳模型的校正生存曲线。

对Cox模型进行了全面的评估和比较（表2）。在CVD死亡数据集中，基于SBII的校正模型优于基于ODI、AHI、rHB和pRED_3p的模型，具有最高的一致性（0.83）和最低的AIC（4248.25）。在CVD新发数据集中，基于pRED_3p的校正模型表现最佳。两个数据集中最佳校正模型的生存曲线如图3所示。

研究结论：

本研究确定了SBII和pRED_3p分别是预测CVD死亡风险和新发风险的最佳指标，并构建了开源的在线平台(http://61.160.194.165:3080/SBII/)支持新指标的计算和广泛应用。

评论[Respirology期刊编者按]

图4. Respirology期刊编者按。

全球约有十亿OSA患者，OSA特征性的夜间低氧和复氧循环是导致不良心血管结果的关键机制之一。该研究表明，SBII和pRED_3p在预测心血管死亡率和发病率方面优于AHI和ODI，突出了传统指标的局限性，并展示了这些新型指标在更精确评估OSA相关心血管风险中的潜力。此外，该研究强调了在医学研究中不断创新和验证的重要性，以确保诊断工具的发展能够满足疾病机制的异质性和复杂性。这类研究具有重要意义，采用新型低氧指标，临床医生可以更有效地对OSA患者进行风险分层和管理，从而可能改善OSA患者的心血管预后。

作者简介

第一作者：惠馨颉

北京协和医院呼吸与危重症医学科2022级临床博士。

通讯作者：肖毅教授

中国医学科学院北京协和医院呼吸与危重症医学科主任医师，教授，博士研究生导师。多年来致力于呼吸系统疾病，特别是睡眠呼吸疾病的诊治及科研工作。

文献来源：Respirology. 2024 Sep;29(9):825-834. doi: 10.1111/resp.14754.（原文链接：https://onlinelibrary.wiley.com/doi/10.1111/resp.14754）

本文转载自订阅号「协和呼吸」

原链接戳：北京协和医院呼吸科肖毅教授团队发表：睡眠呼吸暂停低氧指标对心血管疾病风险的预测：基于社区人群的比较与应用 | 论文撷英[25]

* 文章仅供医疗卫生相关从业者阅读参考

本文完

责编：Jerry