孙锡仕，成俊芬，张金健梁正诗黄杰雯彭 敏黎雄斌（.广东医科大学附属第二医院，广东湛江 54003；.广东医科大学附属医院，广东湛江 5403）

阻塞性睡眠呼吸暂停（Obstructive sleep apnea，OSA）是一种以睡眠期间反复上呼吸道塌陷为特征的越来越常见的疾病[1]。打鼾被定义为声音≥40 dB（A），而睡眠中断通常发生在大于夜间噪音污染的阈值（45 dB（A））的声音水平上[2]。有流行病学研究结果表明，年龄、男性和BMI 等因素都会增加人类和动物模型中的咽部坍缩性[2]。此外，肥胖也会改变声音产生及表现[3]。本研究对BMI 和鼾声超过阈值的持续时间与OSA 病情程度进行相关性分析，旨在能更进一步了解患者病情，为诊疗提供帮助。

1 资料和方法

1.1 研究对象

纳入2019 年6 月-2021 年6 月在广东医科大学附属第二医院睡眠疾病研究所行Watch-PAT 检查且符合以下纳排标准的患者。纳入标准：（1）年龄18～80岁；（2）上气道阻塞、肥胖等病因引起的OSA；（3）有自主行为能力和认知能力，并同意签署知情同意书的患者；（4）总睡眠时间为＞4 h。排除标准：（1）有脑部肿瘤或癫痫病史者；（2）合并各种精神及心理疾病者，正在服用镇静安眠药物者；（3）严重器官功能衰竭的患者；（4）已接受治疗的OSA 患者。本研究经广东医科大学附属第二医院医学伦理委员会同意批准（GDEFEY2020LS030）。

1.2 基本资料收集

收集患者姓名、年龄、性别、身体质量、身高等一般资料，并计算身体质量指数（BMI），BMI（kg/m2）=身体质量（kg）/身高（m）2。

1.3 Watch-PAT 检测

主要用于筛查睡眠呼吸障碍的Watch-PAT 睡眠监测仪器（规格型号为Watch-PAT 200，生产厂家为以色列伊塔）。嘱患者检查当天勿饮酒、咖啡及睡眠药物，长期进行某种药物治疗者可事先向自己的医师咨询哪些药物不能停服。Watch-PAT 睡眠监测仪器主要记录外周动脉血管张力（PAT）、心率、血氧饱和度、睡眠或清醒阶段、鼾声、体位等参数。软件自动分析整个睡眠过程中出现的 PAT 信号变化，得出呼吸暂停低通气指数（AHI）数值。所有患者睡眠时间保证至少7 h 监测。AHI 是指每小时睡眠时间内呼吸暂停加低通气的次数。以AHI≥5 次/h，呼吸事件以阻塞型呼吸暂停为主者判定为 OSA。入选本研究者按病情分为非OSA 组（AHI＜5 次/h）、轻度 OSA 组（5 次/h≤AHI＜15 次/h）、中度 OSA 组（15 次/h≤AHI＜30 次/h）、重度 OSA 组（≥30 次/h）。

1.4 统计学处理

采用SPSS 26.0 软件进行统计学处理。计量资料采用中位数（25 分位数，75 分位数）[M（P25，P75）]表示，计数资料用频率表示。计量资料采用多组独立样本秩和检验（Kruskal-Wails 检验），计数资料采用χ2检验或Fisher 确切概率法。各变量与AHI 的相关关系应用Spearman 相关分析。采用多因素logistic 回归得出有意义的变量，最后进行受试者工作特征曲线（ROC）分析。采用Medcalc 软件进行受试者工作特征（ROC）曲线分析分别评价BMI、鼾声大于阈值的持续时间及其两者联合评估OSA 病情严重程度的效能，以确定研究变量的截止水平下的ROC 曲线面积，并计算各变量的敏感度、特异度及约登指数。P＜0.05 为差异有统计学意义。

2 结果

2.1 一般资料

本研究纳入了336 例患者，年龄为51.0（37.3，65.0）岁，男性273 例（273/398，81.3%）。BMI、AHI、呼吸障碍指数（RDI）、氧减指数（ODI）、血氧饱和度小于90%的睡眠持续时间（T90）、鼾声大于40 dB 的持续时间、鼾声大于5 0 dB 的持续时间、鼾声大于60 dB的持续时间、鼾声大于70 dB 的持续时间及鼾声大于阈值（45 dB）的持续时间分别为26.0（23.1，28.4）kg/m2、14.5（4.2，39.0）次/h、19.0（10.1，38.6）次/h、7.8（1.5，27.1）次/h、2.6（0.0，34.3）min、129.8（67.7，218.3）min、18.2（9.0，56.6）min、3.5（1.7，7.4）min、0.6（0.2，1.2）min 及40 .2（17.0，104.1）min，并且它们随着OSA 病情程度加重而增加，差异有统计学意义（P＜0.01）。平均心率、最高心率、总睡眠时间（TST）、入睡效率、觉醒指数、REM 时间、最低夜间血氧饱和度（LaSO2）及平均夜间血氧饱和度分别为 67.0（60.0，72.0）次/h、101.0（94，112.0）次/h、447（394，481）min、79.1（71.6，84.9）%、1.4（0.9，2.0）次/h、85.0（77.0，90.0）% 及95.0（93.0，96.0）%，差异有统计学意义（P＜0.01）。最低心率、总记录时间（TIB）、潜伏期及快速眼动（REM）潜伏期分别为 47.0（41.0，51.8）次/h、585（587，585）min、30.0（19.0，51.0）min 及113.0（69.0，164.0）min，差异无统计学意义（P＞0.05）。见表1。

表1 入选患者的一般资料

2.2 OSA 患者影响因素分析

将一般资料结果中差异有统计学意义的因素与AHI 进行相关性分析，除了觉醒指数差异无统计学意义（P＞0.05），其他因素均有统计学意义（P＜0.01 或0.05），且OSA 组的相关系数均比非OSA 组高。可见，RDI、ODI、T90、最低夜间血氧饱和度及平均夜间血氧饱和度与AHI 呈强相关（P＜0.01），BMI 及鼾声大于阈值的持续时间与AHI 呈中等相关（P＜0.01），其他因素与AHI 相关性较弱。然后将AHI 为因变量，以性别为分类协变量时，选择BMI 及鼾声大于阈值的持续时间进行多因素logistic 回归分析，其诊断比值比（OR）分别为1.021（1.012～1.030）及1.232（1.130～1.344）（P＜0.01）。见表2、3。可见，BMI 及鼾声程度大于阈值的持续时间均是其独立影响因素。

表2 睡眠参数与 AHI 相关性分析的相关系数

2.3 ROC 分析

将多因素 logistic 回归分析得到独立影响因素BMI及鼾声大于阈值的持续时间建立ROC 曲线，然后根据ROC 曲线确定各项指标评估OSA 病情严重程度的最佳截断值。结果显示鼾声大于阈值的持续时间及其联合BMI 的ROC 曲线面积、灵敏度和最大约登指数随着OSA 病情越严重越高，BMI 的ROC 曲线面积变化不大，但其灵敏度和最大约登指数随着OSA 病情越严重越高。在AHI 为30 时，BMI 和鼾声大于阈值的持续时间两者联合的ROC 曲线面积为0.841，最佳截断值为0.839；在此截断值下，其灵敏度是82.2%，特异性是76.6%，最大的约登指数是 0.588。BMI 和鼾声大于阈值的持续时间两联合联合指标评估OSA 病情严重程度的效能比单一指标的更高，见表4。

表4 阻塞性睡眠呼吸暂停预测因子对OSA 诊断效果的评价

3 讨论

OSA 主要的特征是反复的上呼吸道阻塞，从而导致慢性间歇性缺氧、高碳酸血症、睡眠分裂和交感神经活动增加，进而导致和加重心脑血管疾病、耐药性高血压、肺部疾病、糖尿病和认知障碍等，并降低生活质量，甚至导致机动车事故[4-7]。在本研究中，ODI、T90随着OSA 病情程度加重而增加，LaSO2随着OSA 病情程度加重而下降。可见血氧饱和度不管是下降的次数，或是下降的持续时间，还是下降的程度，均明显影响OSA 病情的进展。有文献报道，低氧血症的测量参数与OSA 的严重程度增加密切相关，且使与高血压和T2DM 等共病的风险增加[8]。Ding 等[9]的研究进一步证明了T90、LaSO2和ODI 是重度OSA 患者非酒精性脂肪肝的独立预测因子。本研究也发现ODI、T90、LaSO2及平均夜间血氧饱和度与AHI 呈强相关。Choi等[5]的研究表明，CPAP 滴定后的ODI、LaSO2及平均氧饱和度等睡眠参数都发生了显著变化。有关动物和临床数据表明，OSA 的间歇性缺氧通过改变内皮血管运动的调节，血管运动张力和修复能力，同时促进血管炎症和氧化应激[10]。据有关文献，慢性间歇性缺氧促进气道重塑的发生和发育，从而加速肺重塑的进展，进而导致肺部疾病[7]。先前的研究表明，短期睡眠剥夺和分裂会导致胰岛素抵抗，进而影响2 型糖尿病的发生发展[11]。可见，低氧血症的测量参数通过不同的机制影响OSA 病情的发生发展。

OSA 存在于45% 的肥胖患者，肥胖是一个世界性的公共健康问题，BMI 是超重/肥胖使用最广泛的人体测量方法[12-13]。有研究报道，肥胖是OSA 发展的主要危险因素[14]。在本研究中，BMI 随着OSA 病情程度加重而增加，并且与AHI 的相关系数为 0.609，这与之前的研究相一致[1，15]。本研究还发现鼾声大于阈值的持续时间随着OSA 病情程度加重而增加，且与AHI呈中等相关。打鼾是由通过狭窄气道的湍流气流引起的，临床上一直试图将打鼾的各种特征与OSA 的严重程度联系起来[16]。有研究表明，客观的打鼾与OSA 的严重程度有关，并且会使伴侣面临慢性睡眠障碍和健康不利影响的风险[2]。也有研究发现打鼾强度和频率是OSA 存在的独立预测因子[2，16]。因此，BMI 和打鼾均是OSA 影响因素。

性别会影响脂肪的分布、体型和OSA 发病率的增加[13]。因此，我们以性别为分类协变量，BMI 与鼾声大于阈值的持续时间为自变量，AHI 为因变量，进行多因素 logistic 回归分析，以提高精准度，结果分析显示它们是OSA 的独立影响因素。有文献结果表明，BMI 和打鼾严重度这两个简单参数便于快速评估，为OSA 提供快速风险分层[17]。本研究发现BMI、鼾声大于阈值的持续时间及其两者联合指标随着OSA 病情越严重越高，当AHI 为30 时，它们达到最高，其BMI与鼾声大于阈值的持续时间及其两者联合的ROC 曲线面积分别为0.759、0.840 和0.841，可见它们的评估OSA 严重程度的效能较高，并且联合指标能提高它们评估OSA 严重程度的效能。有研究报道，身体质量的增加与NREM 和REM 睡眠期间AHI 的增加有关[1]。Avraam 等[18]发现，男性、肥胖和仰卧位这些危险因素可能会增加睡眠过程中气道塌陷的概率。有关研究发现，打鼾是由软腭、咽壁、会观舌和舌头的高频振荡引起，但OSA 组和对照组患者咽部塌陷的气道几何形状有所不同，因此OSA 与习惯性打鼾者的打鼾模式不同[19-20]。肥胖通常导致颈围增加，并促进由于局部脂肪组织沉积而增加的上气道湿陷性的出现，从而导致上呼吸道狭窄程度和阻力的逐渐增加，进而使鼾声强大及其时间持续增加，最终导致OSA 病情的严重程度加重[21-22]。Wilson 等[23]发现，BMI＞30，平均鼾声强度＞38 dBA 的男性，AHI＞10 的可能性是正常人的4.1倍。总之，BMI 与鼾声大于阈值的持续时间联合指标有助于评估OSA 病情严重程度。

综上所述，BMI 与鼾声大于阈值的持续时间与OSA 的病情严重程度密切相关，并且两者联合评估OSA 的病情严重程度比单一指标效果更佳，这对监测OSA 患者严重程度、预后及临床随访具有重要的临床应用价值。

本研究也存在一些局限性。首先，我们无法彻底消除选择偏差，因为这是一个单一中心的横截面研究，此有待日后进行队列研究或干预性研究加以解决；本研究样本偏小，研究结论尚需要更大的样本量研究去进一步验证。