简介：摘要目的比较阻塞性睡眠呼吸暂停低通气综合征（OSAHS）患者阻塞型呼吸暂停（OSA）事件持续时间的整夜变化趋势，探讨机体对周期性呼吸紊乱的病理生理后果的适应能力及其潜在机制。方法回顾性分析2018年10月至2019年12月于天津医科大学总医院睡眠中心进行多导睡眠监测（PSG）的打鼾患者89例，其中男61例，女28例，年龄23~74（44.5±12.7）岁，根据呼吸暂停低通气指数（AHI）将患者分为非OSAHS组（10例）、轻度OSAHS组（15例）、中度OSAHS组（29例）和重度OSAHS组（35例）。将整夜总记录时间平均分为4段，比较各组平均呼吸暂停持续时间（MAD）和最长呼吸暂停持续时间（LAD）随睡眠时段变化的趋势，并与人口学指标、脉搏血氧饱和度（SpO2）指标和睡眠相关指标做相关性分析，此外绘制呼吸暂停次数-时间变化曲线进行拟合分析。结果重度OSAHS患者MAD为26.1（20.9，31.4）s，LAD为56.5（46.5，82.0）s，均显著高于非OSAHS、轻度OSAHS和中度OSAHS患者（P<0.001），且重度OSAHS患者第3时段和第4时段MAD［分别为（28.4±9.0）和（27.3±9.8）s］显著高于第1时段［（22.3±9.9）s，P=0.046］，第3时段LAD［56.5（38.5，71.0）s］显著高于第1时段［41.0（28.0，53.0）s，P=0.018］。所有受试者第3时段和第4时段的MAD和LAD均显著高于第1时段［MAD分别为20.3（10.3，29.2）、18.5（11.3，24.2）和12.9（0.0，21.8）s，P<0.001；LAD分别为28.0（10.3，50.5）、28.0（12.0，44.5）和14.5（0.0，32.3）s，P<0.001］。所有受试者不同睡眠时段的最低SpO2（LSpO2）、平均SpO2（MSpO2）、SpO2<90%的时间占总睡眠时间百分比（T90%）差异均无统计学意义（P>0.05）。LAD与阻塞型呼吸暂停指数（OAI）呈正相关（OR=1.660，P=0.025），其余各项指标与MAD、LAD均不相关（P>0.05）。在睡眠起始（第1~31个OSA事件）平均每次呼吸暂停MAD增加0.22 s，此后平均每次呼吸暂停增加0.04 s，增加的速度减慢5.5倍。结论OSAHS患者MAD、LAD随睡眠时段的推移出现逐渐延长的趋势，且重度OSAHS患者延长趋势最明显，而SpO2的动态变化趋势不明显。OSAHS患者可能存在多种对反复低氧发作的适应机制，且这种适应有阶段性，睡眠起始MAD快速增加，此后增加的速度明显减慢。重度OSAHS患者表现出最完全的变化形式，提示其病理生理改变最严重。

简介：摘要阻塞性睡眠呼吸暂停低通气综合征（obstructive sleep apnea hypopnea syndrome，OSAHS）是一种常见的睡眠呼吸疾病，其睡眠中发生的慢性间歇低氧（chronic intermittent hypoxia，CIH）常对全身多个系统造成损害。T90%是PSG数据中的常见指标，指整夜睡眠过程中血氧饱和度（SpO2）<90%的时间占总监测时间的百分比，与呼吸暂停低通气指数（apnea hypopnea index, AHI）和最低血氧饱和度（minSpO2）相比，能更准确、更直观地反映OSAHS患者整个睡眠期低氧的情况。多项研究表明T90%与OSAHS相关合并症密切相关。本文就T90%与OSAHS常见相关合并症的关系加以综述，有助于全面而准确地评估OSAHS患者病情的严重程度，对OSAHS合并症做到早期发现、早期诊断、早期治疗，降低合并症的风险、减少合并症的危害。

简介：摘要目的探讨阻塞性睡眠呼吸暂停(OSA)合并肥胖低通气综合征(OHS)的临床特征，分析OSA合并OHS的危险因素。方法回顾性分析2019年3月至2020年5月于天津医科大学总医院睡眠中心确诊的OSA患者179例，根据是否合并OHS分为OSA组(n＝147)；OSA合并OHS组(n＝32)，OHS组又分病态肥胖组11例，非病态肥胖组21例。比较OSA组与OSA合并OHS组以及病态肥胖组与非病态肥胖组的临床特征，采用二元Logistic回归分析OSA合并OHS的危险因素。结果合并OHS组腰围、吸烟比例、呼吸暂停低通气指数(AHI)、氧减指数(ODI)、微觉醒指数、夜间血氧饱和度小于90%时间占监测时间的百分比(SIT90)均高于OSA组，分别为腰围(126.68±18.66) cm比(115.54±13.76) cm，AHI(74.13±32.40)次/h比(57.33±30.60)次/h，ODI(73.70±33.40)次/h比(53.66±30.79)次/h，微觉醒指数(51.15±31.64)次/h比(33.69±21.66)次/h，SIT90(44.59±30.95) %比(19.75±21.80)%(P<0.05)；夜间平均SpO2，夜间最低SpO2，第一秒用力呼气容积(FEV1)，用力肺活量(FVC)低于OSA组，分别为FEV1(2.51±0.94比3.00±0.90)L，FVC(3.23±0.99比3.73±1.01) L，(P<0.05)。病态肥胖组颈围、腰围、ODI均高于非病态肥胖组，夜间平均SpO2低于非病态肥胖组(P<0.05)。二元Logistic回归显示腰围、BMI、AHI、SIT90为OSA合并OHS的独立危险因素。结论OSA合并OHS患者睡眠质量更差，夜间缺氧更明显。

简介：摘要目的探讨夜间脉搏血氧饱和度（SpO2）监测对阻塞性睡眠呼吸暂停低通气综合征（OSAHS）预测和分类的价值。方法回顾性分析2018年1月至2019年12月就诊于天津医科大学总医院睡眠中心的580例打鼾患者的临床资料，男418例，女162例，年龄13~85（49±14）岁，所有患者均接受了整夜多导睡眠监测（PSG），睡眠呼吸暂停低通气指数（AHI）为0~101.4（43.06±27.47）次/h。其中，非OSAHS组（AHI<5次/h）52例，轻度OSAHS组（5次/h<AHI≤15次/h）69例，中度OSAHS组（15次/h<AHI≤30次/h）98例，重度OSAHS组（AHI>30次/h）361例。从SpO2信号中提取13个指标，与AHI做相关性分析后，最终筛选11个与AHI相关的SpO2指标（3%氧减饱和度回升指数，SpO2低于90%曲线下面积，最低SpO2平均值，最低SpO2，平均SpO2，SpO2分别低于95%、90%、85%、80%、75%、70%的时间百分比），加入3个人口学指标［性别、年龄、体质量指数（BMI）］作为全部特征。分别利用多元线性回归（MLR）方法和反向传播神经网络（BPNN）多分类方法，进行AHI预测和OSAHS严重程度分类。采用SPSS 25.0软件进行统计学分析，计量资料均采用Pearson相关检验。结果对MLR方法和BPNN多分类方法进行评价。MLR方法获得了较高预测性能，其模型拟合优度r2=0.848（P<0.05），预测相关系数r=0.901（P<0.05）。BPNN多分类方法分类结果的特异度和阴性预测率均在90%左右，敏感度和阳性预测率也较高，其中非OSAHS组分类敏感度为88.46%±4.50%，重度OSAHS组分类的敏感度为94.74%±0.76%。结论基于夜间SpO2监测仪记录的信号，利用MLR模型进行AHI预测以及利用BPNN模型进行多分类的方法，可能对OSAHS有较高的预测和分类价值。