NoSAS评分和女性阻塞性睡眠呼吸暂停低通气综合征筛查模型在女性阻塞性睡眠呼吸暂停筛查中的应用

目的评估NoSAS评分与女性阻塞性睡眠呼吸暂停低通气综合征(OSAHS)筛查模型在女性人群中对阻塞性睡眠呼吸暂停(OSA)的筛查效果,并对两种筛查工具进行比较。方法收集425例行多导睡眠呼吸监测女性的资料,包括NoSAS评分、女性OSAHS筛查模型的筛查结果。依据呼吸暂停低通气指数(AHI)将患者分为4组:非OSA组(AHI<5次/h)、OSA组(AHI≥5次/h)、中重度OSA组(AHI>15/h)和重度OSA组(AHI>30次/h),评估2种筛查工具的筛查效果。结果在OSA组、中重度OSA组和重度OSA组中,NoSAS评分的灵敏度和特异度分别为57.3%、64.9%、69.5%和83.5%、76.6%、70.9%;女性OSAHS筛查模型的灵敏度和特异度分别为62.7%、74.8%、75.8%和92.5%、84.3%、74.5%;两种工具均有较高的特异度,可有效排除女性人群中的非OSA患者。AHI≥5次/h时,NoSAS评分和女性OSAHS筛查模型的筛查结果与OSA诊断结果均有中、高度一致性,Kappa值分别为0.401、0.541;两种工具的接收者工作特征曲线(ROC)下面积分别为0.792(95%CI=0.750~0.829)、0.866(95%CI=0.830~0.897),均有中度筛查价值。不同病情严重程度下,女性OSAHS筛查模型的ROC曲线下面积均大于NoSAS评分(P=0.002,P=0.003,P=0.019)。结论两种筛查工具对女性人群均有中度筛查价值。与NoSAS评分相比,女性OSAHS筛查模型在女性人群中的筛查效果较好,但灵敏度仍需提高。

2型糖尿病合并阻塞性睡眠呼吸暂停低通气综合征的列线图预测模型构建

目的 构建2型糖尿病(T2DM)合并阻塞性睡眠呼吸暂停低通气综合征(OSAHS)的列线图预测模型。方法 选取2018年9月至2020年4月自贡市第四人民医院完成多导睡眠监测的526例T2DM患者为研究对象,并按照7∶3的比例随机分为训练组和验证组。通过对T2DM患者进行单变量和多变量的logistic回归分析,本研究确定了OSAHS的风险因素,并据此构建了一个预测模型。模型的有效性通过计算受试者工作特征曲线下的面积(AUC)、使用校正曲线和决策曲线(DCA)进行评估。结果 多因素logistic分析结果显示,体重指数(OR=1.09,95%CI:1.01~1.17)、高血压病史(OR=3.80,95%CI:3.43~4.26)、血清低密度脂蛋白(OR=1.35,95%CI:1.03~1.56)及25(OH)维生素D(OR=0.94,95%CI:0.91~0.96)水平是T2DM合并OSAHS发生的独立预测因素(P <0.05)。根据上述变量建立列线图预测模型,并在训练组和验证组中预测T2DM合并OSAHS发生的AUC分别为0.742和0.789。Hosmer-Lemeshow拟合优度检验显示模型具有较好的拟合度(P> 0.05)。DCA显示预测模型能够获得净收益的风险阈值大于0.9。结论 本研究成功建立并验证了一种性能良好的列线图预测模型,有助于提高T2DM患者合并OSAHS的早期识别和筛选能力。

《成年人阻塞性睡眠呼吸暂停低通气综合征筛查:美国预防临床服务指南工作组推荐声明》解读

成年人阻塞性睡眠呼吸暂停低通气综合征(OSAHS)是一种常见的睡眠呼吸障碍,与高血压、糖尿病、心血管疾病和其他健康问题紧密相关。尽管OSAHS对全球人民的健康有着广泛影响,OSAHS的筛查和诊断在临床实践中的普及率仍不高。在此背景下,美国预防临床服务指南工作组(USPSTF)最近发布了一项最新的成年人OSAHS筛查推荐,以帮助更多人识别和治疗潜在的睡眠呼吸障碍。本文将解读最新推荐,结合我国实际情况,为我国成年人OSAHS筛查提供参考。

高血压合并阻塞性睡眠呼吸暂停低通气综合征患者发生动脉硬化风险预测模型的建立与验证

目的探讨高血压合并阻塞性睡眠呼吸暂停低通气综合征(OSAHS)患者发生动脉硬化的危险因素,复制风险预测模型并验证其有效性。方法选取2019年12月—2021年12月新疆医科大学第一附属医院高血压科收治的1014例高血压合并OSAHS患者的临床资料。根据行动态血压监测计算动态动脉硬化指数(AASI),严格按照纳排标准筛选,最终纳入380例患者作为研究对象。将患者以7∶3随机分为建模组和验证组,分别有266和114例;根据建模组患者是否存在动脉硬化分为研究组(AASI>0.55)和对照组(AASI≤0.55)。运用单因素分析和多因素逐步Logistic回归分析筛选发生动脉硬化的独立影响因素,依此构建列线图。分别通过受试者工作特征(ROC)曲线下面积(AUC)、校准曲线、Hosmer-Lemeshow检验、决策曲线分析和临床影响曲线评价模型的预测能力、校准度及临床适用性。结果建模组与验证组患者性别构成、年龄、高血压病史、饮酒史、家族史、体质量指数(BMI)、尿素氮(BUN)、肌酐(Cr)、估算肾小球滤过率(eGFR)、尿酸(UA)、空腹血糖(FBG)、甘油三酯(TG)、总胆固醇(TC)、高密度脂蛋白胆固醇(HDL-C)、低密度脂蛋白胆固醇(LDL-C)、天冬氨酸氨基转移酶(AST)、丙氨酸氨基转移酶(ALT)、颈动脉内膜中膜厚度(IMT)、24 h平均收缩压(SBP)、24 h平均舒张压(DBP)、白天平均SBP、白天平均DBP、夜间平均SBP、夜间平均DBP、平均血氧饱和度(MSaO2)、最低血氧饱和度(LSaO2)、呼吸暂停低通气指数(AHI)、AASI比较,差异均无统计学意义(P>0.05)。研究组与对照组患者性别构成、年龄、饮酒史、家族史、BMI、BUN、Cr、eGFR、UA、TG、TC、HDL-C、LDL-C、AST、ALT、24 h平均DBP、dSBP、dDBP、nSBP、MSaO2比较,差异均无统计学意义(P>0.05)。两组患者FBG、24 h平均SBP、nDBP、LSaO2、AHI、IMT、高血压病史比较,差异均有统计学意义(P<0.05)。多因素逐步Logistic回归分析显示:FBG[OR=1.375(95%CI:1.058,1.786)]、24 h平均SBP[OR=1.019(95%CI:1.001,1.038)]、高血压病程[OR=2.721(95%CI:1.302,5.687)]、IMT[OR=2.197(95%CI:1.104,4.372)]、AHI[OR=2.657(95%CI:1.441,4.899)]是高血压合并OSAHS发生动脉硬化的危险因素(P<0.05)。ROC曲线分析结果显示,建模组AUC为0.741(95%CI:0.675,0.807),敏感性68.1%(95%CI:0.573,0.788),特异性71.6%(95%CI:0.653,0.780);验证组AUC为0.771(95%CI:0.681,0.861),敏感性78.1%(95%CI:0.638,0.924),特异性63.4%(95%CI:0.530,0.738)。校准曲线和Hosmer-Lemeshow检验显示该模型预测结果与实际结果的一致性较好(P>0.05);决策曲线及临床影响曲线验证列线图具有临床适用性。结论高血压合并OSAHS患者发生动脉硬化的危险因素包括FBG、24 h平均SBP、高血压病程、IMT、AHI,以此为基础复制风险预测模型,甄别高血压合并OSAHS患者发生动脉硬化的高危人群,为其早期防治提供临床依据。

一种儿童阻塞性睡眠呼吸暂停综合征临床预测模型的建立

目的:构建并验证一种简易的儿童阻塞性睡眠呼吸暂停综合征(OSAS)临床预测模型。方法:筛选多导睡眠监测(PSG)95例2~12岁儿童患者的临床数据,根据阻塞性呼吸暂停低通气指数(OAHI)≤1分为非OSAS组(n=22),OAHI>1为OSAS组(n=73),收集并对比两组的性别、年龄、体质指数(BMI)、夜间最低脉搏血氧饱和度(SpO_(2))、扁桃体分级及腺样体分度情况,并对上述变量进行研究,采用二元Logistic回归分析法对数据进行统计分析,建立儿童OSAS临床预测模型。结果:OSAS组患者的年龄、BMI、夜间脉搏最低血氧饱和度(SpO_(2))、扁桃体分级、腺样体分度等指标与非OSAS组比较,均有显著性差异(P<0.05),性别无显著性差异;模型方程为:X=2.366-0.769(年龄-连续变量)+0.248(BMI-连续变量)-3.413(SpO_(2)-连续变量)+2.104(扁桃体分级为Ⅲ~Ⅳ级“是”);Hosmer-Lemeshow检验为P=0.612(P>0.05),内部验证的AUC为0.821(0.713-0.929,P<0.01),敏感度为83.3%,特异度为76.4%;外部验证的准确度为73.8%,AUC为0.805(0.664-0.943,P<0.01),敏感度84.6%,特异性为75%。结论:该预测模型对2~12岁儿童的阻塞性睡眠呼吸暂停综合征可能有较好的预测效能,可辅助临床医师诊断儿童OSAS。

阻塞性睡眠呼吸暂停低通气综合征患儿术后阻塞性睡眠呼吸暂停残余的影响因素及列线图风险模型的建立

目的探讨阻塞性睡眠呼吸暂停低通气综合征(OSAHS)患儿术后阻塞性睡眠呼吸暂停(OSA)残余的影响因素,并构建列线图风险模型。方法回顾性分析行腺样体/扁桃体切除术的283例OSAHS患儿的临床资料。将患儿随机分为建模队列(n=198)和验证队列(n=85),并根据术后12个月是否存在OSA残余,将建模队列患儿分为治愈组(n=145)和术后OSA残余组(n=53)。采用多因素Logistic回归模型分析OSAHS患儿术后OSA残余的危险因素。基于危险因素构建列线图风险模型,用Bootstrap法进行内部验证,利用验证队列进行外部验证。结果283例OSAHS患儿中,有75例(26.5%)患儿发生术后OSA残余。多因素Logistic回归分析结果显示,体质指数>24 kg/m^(2)、术前呼吸暂停低通气指数>18次/h、术前自发觉醒次数>8次/h、合并哮喘均是OSAHS患儿术后OSA残余的独立影响因素(均P<0.05)。基于上述危险因素构建的列线图风险模型的校准度、区分度均良好,具有良好的预测能力。决策曲线分析结果显示,当预测的风险≥6%时,使用该模型评估OSAHS患儿术后OSA残余发生风险会获得更多的收益。结论体质指数>24 kg/m^(2)、术前呼吸暂停低通气指数>18次/h、术前自发觉醒次数>8次/h、合并哮喘是OSAHS患儿术后OSA残余的独立危险因素。基于上述因素构建的列线图风险模型有助于临床医生早期识别术后OSA残余的高风险患儿。

基于血清学的阻塞性睡眠呼吸暂停低通气综合征筛查模型的初步研究

目的探讨影响阻塞性睡眠呼吸暂停低通气综合征(OSAHS)的影响因素,并建立筛查模型。方法选取2020年2月至2021年12月在本院拟诊为OSAHS患者100例,根据多导睡眠监测结果分为OSAHS组(n=57)和对照组(n=43),采用单因素分析和多因素Logistic回归分析获得独立影响因素,建立OSAHS筛查模型,绘制ROC曲线。结果单因素分析显示,OSAHS组患者嗜睡、暂停或憋醒、上呼吸道异常例数及体重指数(BMI)、血IMA水平均明显高于对照组,差异均有统计学意义(P<0.05),多因素Logistic回归分析显示,嗜睡、暂停或憋醒、上呼吸道异常例数及BMI、血IMA水平是OSAHS的独立影响因素(P<0.05),对其进行赋分并计算得分后绘制ROC曲线:AUC=0.948,95%CI:0.910~0.987(P<0.05),最佳临界值为36分,诊断界值下评分系统诊断工具的敏感度、特异度、阳性预测值、阴性预测值分别为87.7%、88.4%、90.9%、84.4%。结论嗜睡、暂停或憋醒、上呼吸道异常例数及BMI、血IMA水平对OSAHS患者具有较高的预测价值,成功建立OSAHS的筛查模型。

儿童阻塞性睡眠呼吸暂停低通气综合征筛查诊断研究现状

儿童阻塞性睡眠呼吸暂停低通气综合征(obstructive sleep apnea hypopnea syndrome,OSAHS)是一种睡眠相关呼吸障碍,因气体交换异常引起睡眠碎片化和睡眠不足,其患病率为0.7%~13%[1-2]。研究表明,未经治疗的OSAHS患儿与行为和神经认知问题、生长受损以及远期的心血管和代谢疾病有关[2]。

女性打鼾人群阻塞性睡眠呼吸暂停低通气综合征筛查模型的初步研究

目的探索女性打鼾人群的阻塞性睡眠呼吸暂停低通气综合征(OSAHS)筛查模型。方法 2017年1月~2018年2月于北京协和医院收集223例行睡眠呼吸监测的打鼾女性,进行女性OSAHS的危险因素及打鼾情况的调查与分析,根据Logistic回归系数对各指标进行赋分,建立筛查模型,计算筛查模型的积分,绘制ROC曲线,评价筛查效果。结果 223例打鼾女性中有110例OSAHS患者和113例非OSAHS患者,体重指数(BMI)、月经状态、改良Mallampati分级(MMP)、打鼾年限及打鼾程度进入回归方程模型,P<0.05。赋分情况:BMI≥24.55 kg/m^2(3分),绝经(3分),MMP≥Ⅲ级(2分),打鼾年限≥10.25年(4分),重度打鼾(2分),该筛查模型积分范围为0~14分;ROC曲线下面积A为0.795,95%可信区间为(0.737,0.853),P<0.001,差异有统计学意义,筛查模型积分=7分时,约登指数最大为0.452,因此将7分作为最佳切分值。本筛查模型以呼吸暂停低通气指数(AHI)≥5次/h为诊断标准时,其灵敏度、特异度、阳性预测值和阴性预测值分别为70.9%、74.3%、72.6%和71.8%。结论通过对女性打鼾人群的OSAHS危险因素与打鼾情况的研究分析,建立了女性打鼾人群OSAHS筛查模型,有一定的临床应用价值。

女性阻塞性睡眠呼吸暂停低通气综合征筛查模型的应用效果研究

目的评价女性OSAHS筛查模型的筛查效果,检验其预测女性罹患阻塞性睡眠呼吸暂停(OSA)的能力。方法采用便利抽样法,选取2018年3月—2019年1月在2家三级甲等医院进行多导睡眠监测、符合纳入标准的女性为研究对象,由研究者本人一对一询问并填写调查问卷,共收集245名女性资料。根据呼吸暂停低通气指数(AHI)将研究对象进行分组,计算女性OSAHS筛查模型灵敏度和特异度、阳性预测值、阴性预测值,根据Youden指数、符合率、Kappa值、ROC曲线及曲线下面积,判断女性OSAHS筛查模型的筛查效果。结果245例女性中,非OSA 108例,OSA 137例。女性OSAHS筛查模型筛查得分与AHI呈正相关(r=0.654,P<0.01),与BMI、MMP分级、打鼾年限呈正相关,与夜间平均血氧饱和度呈负相关(P<0.01);筛查模型的各项条目按阈值划分在OSA患者和非OSA患者中差异均有统计学意义(P<0.01)。女性OSAHS筛查模型的ROC曲线下面积0.845(95%CI:0.797~0.893),表明女性OSAHS筛查模型对OSA具有中度预测能力;以7分为切分值,AHI≥5次/h时,模型筛查OSA的符合率为74.7%,女性OSAHS筛查模型对预测OSA具有中度一致性;以6分为切分值时均有最大Youden指数,此时灵敏度分别为86.1%、93.6%、96.9%,特异度分别为63.9%、59.6%、47.8%。结论女性OSAHS筛查模型有中度预测价值,对女性OSA有较好的筛查效果,应进一步验证、推广。

应用判别分析法对阻塞性睡眠呼吸暂停低通气综合征患者建立筛查模型的研究

目的采用逐步Fisher判别分析法建立判别函数,为基层护士对阻塞性睡眠呼吸暂停低通气综合征患者(OSAHS)的筛查提供依据。方法对83例疑似OSAHS患者进行Epworth嗜睡量表(ESS)评分,并了解夜间症状、合并症情况,同时测量BMI及颈围,以整夜多导睡眠图监测(PSG)为金标准确立诊断。将研究对象分为OSAHS组和非OSAHS组,对各指标进行逐步Fisher判别分析,建立筛查指标的判别模型。结果经逐步Fisher判别分析,10个指标中有2个指标即BMI和夜间睡眠呼吸暂停症状进入判别模型,建立非标准化判别函数为y=(0.132×BMI)+(0.641×夜间睡眠呼吸暂停)-3.861,根据样本加权求得临界值为0,整体回带和交互验证显示,函数预测准确性分别达92.8%和90.4%。结论夜间睡眠呼吸暂停的症状和BMI等主客观指标联合应用建立判别函数,可以从统计学角度对OSAHS的筛查提供信息。

阻塞性睡眠呼吸暂停低通气综合征初筛问卷的应用价值比较

目的 评价Epworth嗜睡量表(Epworth sleepiness scale,ESS)、Berlin问卷、STOP问卷和STOP-Bang问卷、NoSAS评分对阻塞性睡眠呼吸暂停低通气综合征(obstructive sleep apnea hypopnea syndrome,OSAHS)的筛查价值。方法 选择310例以打鼾为主诉疑似OSAHS患者进行整夜多导睡眠图(polysomnogragph,PSG)记录,所有患者完成问卷及评分。依据呼吸暂停低通气指数(apnea hypopnea index,AHI)将患者分为单纯鼾症组(<5次/h)、轻度组(5~15次/h)、中度组(>15~30次/h)、重度组(>30次/h)。计算各问卷的预测和诊断指标,评价其筛查结果的可靠性和准确性。结果以AHI≥5次/h为诊断标准,STOP-Bang问卷和No SAS评分的受试者操作特征曲线(receiver operating characteristic curve,ROC曲线)下面积最大分别为0.798和0.787。与其他问卷比较,STOP-Bang问卷与No SAS评分≥7的正确率和敏感度最高,漏诊率最低,而特异性、误诊率和阳性预测值的比较,差异无统计学意义(P>0.05)。各问卷诊断比值比:STOP-Bang问卷10.18;NoSAS评分≥7分8.72,No SAS评分≥8分8.40;STOP问卷6.97;Berlin问卷4.32;ESS问卷3.25。结论STOP-Bang问卷和No SAS评分≥7分的各项预测指标结果更优,说明对诊断OSAHS有更高的准确性,筛查能力最强,内容简明,值得在临床及科研中推广。

Epworth嗜睡量表在阻塞性睡眠呼吸暂停低通气综合征筛查中的应用价值

目的评价Epworth嗜睡量表对OSAHS的筛查价值。方法以340例疑诊OSAHS患者为研究对象,均进行Epworth嗜睡量表(ESS)评分及多导睡眠图(PSG)监测,对其中48例患者的微觉醒指数进行人工分析。根据PSG监测结果患者分为非OSAHS组及轻、中、重度OSAHS组,比较四组间ESS评分及ESS评分≥9分患者所占比率的差异。利用受试者工作特征曲线(ROC)评价ESS评分对OSAHS的诊断价值。对ESS评分与患者的年龄、呼吸暂停低通气指数(AHI)、最低经皮血氧饱和度(LSpO2)、微觉醒指数之间进行相关性分析。结果ESS评分随着OSAHS病情的加重有逐渐增高的趋势(四组的ESS评分均数分别为:9.96±4.81、10.21±5.48、11.48±5.28和13.52±5.84),但只有重度OSAHS患者的ESS评分与其他组的差异有统计学意义(P<0.05);各组的ESS≥9分患者所占的比率差异无统计学意义(P>0.05);ROC曲线分析结果发现曲线下面积为0.601,且难以得出最佳诊断分值。ESS评分≥9分筛选OSAHS的灵敏度为70.0%,误诊率为64.9%。ESS评分与AHI存在低度正相关(r=0.240,P<0.01),与LSpO2存在低度负相关(r=-0.198,P<0.01),与年龄及微觉醒指数均无相关关系(P>0.05)。结论ESS评分对重度患者的判断具有一定意义,但不能准确反映所有OSAHS患者的病情严重程度,以ESS≥9分来判定OSAHS病情并不可靠。ESS评分用于OSAHS病情的筛选与评价有其局限性,对OSAHS的筛查需要制定更加全面有效的评分系统。

阻塞性睡眠呼吸暂停低通气综合征的临床预测模型

目的根据阻塞性睡眠呼吸暂停低通气综合征(OSAHS)患者的常见临床表现和脉搏血氧仪监测的数据,建立可靠性较高的临床预测、筛检模型。方法采用病例对照研究,随机抽取非OSAHS组受试者129例,OSAHS组受试者107例,用logistic回归法建立回归方程。作出ROC曲线,选择预测患病概率的诊断点。结果患病概率P=ex/(1+ex),x=-1977+127a-113b+013c,其中a代表有无夜间憋醒(有夜间憋醒=1,无夜间憋醒=0),b代表性别(男性=1,女性=2),c代表氧减饱和指数,将P>015作为OSAHS的诊断点,敏感性为963%,特异性约50%。结论疑诊为OSAHS患者的临床特点结合氧减饱和指数,可以较好的预测、筛检OSAHS患者。

比较Epworth嗜睡量表和STOP-Bang问卷在阻塞性睡眠呼吸暂停低通气综合征筛查中的作用

目的比较评价Epworth嗜睡量表(ESS)和STOP-Bang问卷(SBQ)对阻塞性睡眠呼吸暂停低通气综合征(OSAHS)的筛查作用。方法以148例疑诊OSAHS的患者为研究对象,接受ESS和SBQ评分以预测OSAHS高风险,并进行整夜多导睡眠监测(PSG)。根据PSG检测结果将患者分为单纯鼾症组和OSAHS组,比较两组间ESS评分、SBQ评分及其所预测OSAHS高风险患者所占比率的差异,分析两者预测OSAHS的准确性,受试者工作特征曲线(ROC)评价两者对OSAHS的筛查诊断价值。结果 OSAHS组ESS评分和SBQ评分均显著高于单纯鼾症组[(9.79±4.70)vs.(7.03±4.16),P<0.01和(4.31±1.55)vs.(2.67±1.35),P<0.01]。经SBQ(≥3分)预测为OSAHS高风险者在OSAHS组中所占比率明显高于单纯鼾症组(85.59%vs.46.67%,P<0.01),而经ESS(≥9分)预测为OSAHS高风险者的比率在两组间无显著性差异(57.63%vs.40.00%,P>0.05)。以SBQ(≥3分)判定呼吸暂停低通气指数(AHI)≥5病例,其灵敏度、阴性预测值、与金标准诊断的符合率均高于ESS(≥9分)对AHI≥5病例的预测(85.59%vs.57.63%,48.48%vs.26.47%,79.05%vs.58.11%),SBQ问卷诊断OSAHS的ROC曲线下面积亦高于ESS量表(0.782 6 vs.0.671 0)。结论 ESS评分的显著升高对OSAHS患者的区分判断具有一定意义,但对OSAHS预测的准确性较差,以ESS≥9作为分界来筛查OSAHS也并不可靠;SBQ对OSAHS的预测较ESS具有更高的灵敏度和准确度,是一个较好的OSAHS筛查工具。

STOP-Bang问卷在高血压患者中筛查阻塞性睡眠呼吸暂停低通气综合征的价值

目的：评价STOP－Bang问卷在高血压患者中筛查阻塞性睡眠呼吸暂停低通气综合征（ OSAHS）的价值。方法选取2014年6月至2015年12月220例因高血压病就诊于扬州市第一人民医院心血管内科、疑诊OSAHS来呼吸科行多导睡眠监测（ PSG）的患者，行STOP－Bang问卷评分，并根据PSG监测结果将患者分为非OSAHS组及轻、中、重度OSAHS组，分析问卷结果与PSG结果的相关性，了解STOP－Bang问卷筛查OSAHS的灵敏度、特异度、阳性预测值及阴性预测值，绘制受试者工作特征（ ROC）曲线。结果4组患者 STOP－Bang 评分随严重程度增加而逐渐增高（分别为2．58±0．85，3．28±1．09，4．09±1．13，4．83±1．09），非OSAHS组与其他各组的STOP－Bang评分结果差异均有统计学意义（P＜0．001）。以3分为截断点诊断呼吸暂停低通气指数（ AHI）≥5，＞15，＞30的灵敏度分别为88．58％，95．52％和98．96％。阴性预测值为47．5％，85．0％和97．5％。诊断OSAHS与金标准的符合率达82．73％。当 AHI≥5次／h 时， ROC 曲线下面积为0．844。结论 STOP－Bang问卷可用于筛查高血压患者是否合并OSAHS，其具有较好的可行性和准确性。

女性阻塞性睡眠呼吸暂停低通气综合征与性激素相关关系研究

目的分析女性OSAHS的危险因素,以及性激素与OSAHS的相关关系。方法选择2013年1月~2015年12月遵义医学院附属医院诊治的OSAHS女性患者173例,同期收集346例健康女性作为对照。收集两组的一般人口学特征、性激素六项水平、多导睡眠图(PSG)监测等指标进行统计分析。结果 Logistic回归分析结果显示:绝经(OR=1.89,95%CI=1.28~2.80)、患有高血压(OR=3.39,95%CI=2.11~5.45)、颈围(OR=1.72,95%CI=1.54~1.92)、BMI(OR=1.25,95%CI=1.06~1.48)和促泌乳素(PRL)(OR=1.39,95%CI=1.19~1.61)是患OSAHS的危险因素(P<0.05);而促卵泡刺激素(FSH)(OR=0.90,95%CI=0.88~0.91)、黄体生成素(LH)(OR=0.79,95%CI=0.75~0.82)、雌二醇(E_2)(OR=0.92,95%CI=0.87~0.97)、总睾酮(TT)(OR=0.13,95%CI=0.05~0.33)和孕酮(P)(OR=0.95,95%CI=0.89~0.99)是患OSAHS的保护因素(P<0.05)。Pearson相关分析结果显示:FSH、LH、E_2、TT与呼吸暂停低通气指数(AHI)、血氧饱和度<90%的累积时间占总睡眠时间的百分比(TS90%)呈负相关(r<0,P<0.01),PRL、P与其呈正相关(r>0,P<0.01)。FSH、LH、E_2、TT与最低血氧饱和度(LSaO_2)呈正相关(r>0,P<0.01),而PRL、P与其呈负相关(r<0,P<0.01)。结论性激素FSH、LH、PRL、E_2、P和TT与OSAHS的患病风险有相关性,并且绝经、高血压、颈围、BMI是OSAHS的危险因素。

阻塞性睡眠呼吸暂停低通气综合征女性患者呼吸事件与睡眠时相的关系

目的:探讨女性不同程度阻塞性睡眠呼吸暂停低通气综合征(OSAHS)患者的临床特征以及呼吸事件与睡眠时相的关系。方法:主诉睡眠打鼾的女性患者56例,根据夜间多导睡眠图(PSG)监测结果分为4组,即单纯性鼾症组(AHI<5次/h)、轻度、中度和重度OSAHS组。对症状、绝经与否、合并症、Epworth嗜睡量表(ESS)评分、颈围、体重指数(BMI)以及PSG监测指标进行比较;自行设计程序,计算并比较睡眠时相中呼吸事件发生的频率和持续时间以及微觉醒指数。结果:①4组间平均年龄、打鼾病史、BMI、颈围、症状、ESS评分、绝经者所占百分率及合并症出现比率差异无显著性(P>0.05)。②各组总睡眠时间、S1、S2、S3以及快速眼动相(REM期)占总睡眠时间的百分比差异无显著性(P>0.05)。③轻、中度组睡眠不同时相的呼吸事件发生的频率、微觉醒指数及REM明显高于非快速眼动相(NREM期)(P<0.05)。呼吸事件持续时间,重度组REM期明显长于NREM期(P<0.01)。结论:①目前临床诊断和评估的指标不能或不能完全提示女性OSAHS患者的轻重程度;②女性患者呼吸事件主要发生在REM期,该期可能具有重要意义,这一推断有助于对相应的治疗进行进一步探讨。

女性激素与阻塞性睡眠呼吸暂停低通气综合征

阻塞性睡眠呼吸暂停综合征与心脑血管等多种严重危害人类健康疾病密切相关 ,起到了源头性作用 ,继而成为各相关学科相互竞争研究的热点 ;其中就发现两个重要现象 :①性别差异 ,男性患病率高于女性 ;②不同月经周期女性患病率不同 ,绝经期女性患病率高于育龄期 ,绝经后女性的患病率接近男性。绝经女性与育龄女性显著的生理差异是性激素的分泌减少 ,本文就围绕女性激素与阻塞性睡眠呼吸暂停综合征的关系 ,激素替代治疗及其中存在的问题做一简要综述。

HAPA理论模型对阻塞性睡眠呼吸暂停低通气综合征患者的作用

目的:探讨HAPA理论模型提高老年阻塞性睡眠呼吸暂停低通气综合征(OSAHS)患者健康管理的效能。方法:选取58例2018年10月~2019年2月就诊的老年OSAHS患者为对照组,以2019年3月~2019年6月就诊的58例老年OSAHS患者为观察组,对照组予以常规护理,观察组予以HAPA理论模型护理干预,两组均干预1个月。干预后比较两组自我健康管理效果,同时比较患者的睡眠质量。结果:干预后,观察组自我健康管理评分中的风险认识、结果预期及自我效能评分均高于对照组干预后观察组睡眠质量得分低于对照组的;差异具有统计学意义(P<0.05)。结论:HAPA理论模型护理干预有助于提高老年OSAHS患者自我健康管理效能,有助于睡眠质量改善。