心肺耦合技术检测惊恐障碍睡眠特征研究

目的利用心肺耦合(cardiopulmonary coupling,CPC)技术检测惊恐障碍患者的睡眠特征。方法纳入2019年9月至2020年6月淮安市第三人民医院门诊或住院的未治疗惊恐障碍(panic disorder,PD)患者31例为患者组,选择年龄、性别匹配的健康对照29名为对照组,利用CPC设备检测睡眠指标。结果与对照组相比,患者组的睡眠总时间[(7.84±1.41)h vs.(6.06±1.30)h]、浅睡时间[2.70(2.30,3.90)h vs.1.90(1.40,2.55)h]、快速眼动睡眠时间[(1.77±0.64)h vs.(1.13±0.44)h]、觉醒时间[0.90(0.60,1.20)h vs.0.40(0.35,0.60)h]增加,睡眠效率降低[89.20%(86.30%,93.00%)vs.92.70%(91.65%,94.25%)],差异有统计学意义(P<0.05)。logistic回归分析显示睡眠总时间(OR=0.32,95%CI:0.17~0.60)、睡眠效率(OR=1.31,95%CI:1.09~1.59)与惊恐障碍相关联。结论CPC检测显示PD患者的睡眠与健康对照存在显著差异,主要表现在睡眠总时间增加,睡眠效率降低。

基于经验模式分解的心肺耦合技术在睡眠分析中的应用

目的探讨基于经验模式分解的心肺耦合技术在睡眠分析中的应用。方法通过分析30例源自临床多导睡眠监测记录的胸导心电信号,利用经验模式分解方法获得瞬时频率和瞬时相位信息,构建心肺耦合图谱。按照睡眠中的循环交替模式(CAP)分期方法,将睡眠过程划分为CAP、non-CAP以及清醒/异相睡眠期,采取过零率(ZCR)衡量心肺耦合最大峰值的波动程度,反映阻塞性睡眠呼吸暂停与低通气综合征(OSAHS)的严重程度。结果 OSAHS患者谱图分布频带集中于低频区域,各时刻最大峰值波动较小。通过对比人工和自动分期结果,可以发现基于经验模式分解的心肺耦合技术可以很精准地区分睡眠过程的不同状态。OSAHS患者和健康受试者在睡眠心肺耦合图谱中的最大峰值波动规律存在显著差异,健康组和轻/中度组的ZCR值具有显著性差异(P<0.001);轻/中度组与重度组的ZCR值存在显著性差异(P<0.001),因此耦合最大峰值和睡眠呼吸暂停低通气指数均可以作为划分OSAHS严重程度的指标,且二者之间具有极强的负相关性(r=-0.77,P=5.8×10-18)。结论采用经验模式分解结合心肺耦合技术的方法,可提供可靠的睡眠微结构以及睡眠呼吸障碍信息,其数据采集简单、容易执行,在可穿戴健康管理以及临床辅助诊断领域有巨大发展潜力。

基于经验模式分解的心肺耦合技术在儿童睡眠分析中的应用

目的探讨基于经验模式分解的心肺耦合分析技术(Cardio-Pulmonary Coupling,HHT-CPC)对儿童睡眠呼吸紊乱(Sleep-Disordered Breathing,SDB)的诊断价值。方法回顾性分析整夜Hypno PTT监测的儿童患者数据63例,根据鼻气流呼吸紊乱指数(Respiratory Disturbance Index,RDI)区分不同严重程度SDB组。比较各组的Hypno PTT睡眠参数、OSA-18量表评分及心肺耦合指标,观察新方法与临床SDB诊断方法的相关性与一致性;应用ROC曲线评价HHT-CPC的SDB诊断效率。结果疾病程度增加导致HHT-CPC的低频耦合、升高式低频耦合指标显著升高,而高频耦合明显降低,这些指标与Hypno PTT睡眠呼吸参数均体现出较强的相关性。其中HHT-CPC的RDI与Hypno PTT的RDI、3%氧减指数的相关性最强(r=0.844和0.770,P<0.001),且Bland-Altman分析结果体现出较高的一致性。在疾病诊断方面,ROC曲线下面积0.93,敏感度与特异度分别为0.85和0.90。结论HHT-CPC与Hypno PTT诊断儿童SDB具有较好的一致性,具有较高的诊断价值。

心肺耦合技术在睡眠呼吸障碍疾病诊断中的应用

睡眠问题目前已成为全社会普遍存在的健康问题,近年来学者们不断推出更便捷的睡眠障碍监测方法。传统PSG能同步记录脑电、眼电、下颌肌电等多个参数以监测睡眠呼吸紊乱类型和严重程度及睡眠结构,但因设备、技术人员限制,在基层、偏远地区难以开展。心肺耦合分析方法是近年来新兴的一种睡眠监测方法,具有操作简化且便于随访,心肺耦合信息有效且测量敏感的特点,在睡眠呼吸障碍疾病诊断中具有较好的应用价值。本研究对心肺耦合技术在睡眠呼吸障碍疾病诊断中的应用情况进行综述分析。

基于心电信号的心肺耦合技术在睡眠相关疾病中的应用

睡眠问题已成为当今社会普遍存在的健康问题,对于睡眠障碍的研究已成为热点。多导睡眠监测(polysomnography,PSG)是睡眠研究中最常用的睡眠监测方法,但操作过程繁琐复杂,容易造成"首夜效应",从而影响受试者的依从性和监测结果的可靠性。2005年基于心电信号的心肺耦合(cardiopulmonary coupling,CPC)技术首次用于睡眠评估,现已广泛用于睡眠呼吸暂停综合征、睡眠呼吸紊乱、失眠、抑郁症等睡眠相关疾病患者以及健康人群的睡眠监测与分析,一定程度上弥补了传统PSG技术的不足。CPC具有操作简化、便于随访、信息有效、测量敏感的优势,但也存在适用人群、功能和使用等方面的限制。未来可通过CPC算法的改进或发展与神经的跨系统整合来提高CPC的性能。

心肺耦合测评技术(CPC)在成人睡眠质量评价中的临床应用

目的:分析心肺耦合测评技术(CPC)在临床评估成人睡眠质量中的价值。方法:纳入2018年2月~2019年4月就诊于中日友好医院国际医疗部的166例患者,采用匹兹堡睡眠质量指数(PSQI)量表调查睡眠质量,依据受试者的PSQI评分分组,通过ROC曲线分析CPC在成人睡眠质量评估中的临床价值。结果:166例中睡眠质量不佳77例,平均年龄(54.58±13.12)岁,PSQI总分(10.42±3.28)分;睡眠质量良好者89例,平均年龄(50.83±9.74)岁,PSQI总分(4.03±1.50)分。2组的CPC睡眠质量评估,睡眠质量总评、睡眠时间长度、熟睡总时间比较,睡眠不佳组均显著低于睡眠良好组(均P<0.05);初入熟睡时间、浅睡总时间及呼吸紊乱指数(RDI)比较,睡眠不佳组显著高于睡眠良好组(P<0.05)。ROC显示,CPC熟睡总时间评价睡眠质量的临界值为3.28h,灵敏度和特异度分别为52.8%和90.9%,ROC曲线下面积(AUC)值为0.804(95%可信区间:0.739~0.868)。结论:CPC的熟睡总时间在评估成人睡眠质量中具有一定的临床价值,可用于辅助评价睡眠质量。

多导睡眠监测、睡眠呼吸筛查试验和心肺耦合分析在儿童阻塞性睡眠呼吸暂停综合征中的诊断价值对比分析

目的通过分析多导睡眠监测(PSG)、睡眠呼吸筛查试验(采用带血氧饱和度监测功能的运动手环,SAST)和心肺耦合分析(CPC)与阻塞性睡眠呼吸暂停综合征(OSAS)患儿临床特征的相关性,比较3种不同睡眠呼吸监测手段在儿童OSAS诊断中的应用价值。方法 2017年1月1日~12月10日招募并顺利完成临床研究的2~12岁不同程度OSAS患儿212例。对所有患儿同步进行PSG、SAST以及CPC,将不同监测手段的监测结果同患儿OSAS严重程度进行相关性分析,同时评估腺样体临床分度与OSAS严重程度的相关性。结果 SAST和PSG得出的氧减饱合度指数(ODI3)和最低血氧饱和度(LSO2)相比,差异无统计学意义,提示2种监测手段在评估血氧饱和度(SO2)时具有较好的一致性;CPC监测出的呼吸睡眠暂停指数(AHI)显著低于PSG,其中PSG监测AHI≥10的患儿(中度和重度)中,CPC和PSG得出的AHI差异无统计学意义,而AHI<10的患儿(轻度和亚临床型)中,CPC得出的AHI显著低于PSG。不同腺样体大小组别中PSG测出的AHI和ODI3在组间差异无统计学意义,提示腺样体大小同OSAS的严重程度无明显相关性。CPC和PSG对快相睡眠(REM)的比例对比分析发现二者差异无统计学意义。结论SAST和CPC使用方便,价格低廉,SAST的ODI3和CPC试验中的AHI同PSG相比同样可以准确评估患儿OSAS的严重程度,给治疗方案的确定提供参考,为患者在传统PSG基础上提供了更多有效的睡眠呼吸监测手段。

基于心肺耦合(CPC)分析研究五行音乐对抑郁症患者睡眠质量的影响

目的运用心肺耦合(CPC)分析睡眠监测系统,观察五行音乐合并抗抑郁药物治疗伴随睡眠问题抑郁症患者的临床疗效。方法将70例抑郁症睡眠障碍患者随机分为两组,治疗组用五行音乐合并抗抑郁药物治疗;对照组单纯抗抑郁药物治疗。疗程均为4周。观察两组CPC睡眠监测值、汉密尔顿(HAMD)量表及匹兹堡睡眠质量指数(PSQI)量表治疗前后的变化情况。结果 65人纳入结果分析,脱落率为7%。CPC睡眠监测值中初入睡时间、浅睡时间、HAMD量表评分在治疗前后差异均有统计学意义(P<0.05);治疗后两组相比,PSQI量表评分、CPC睡眠监测值中熟睡时间、睡眠品质总分差异有统计学意义(P<0.05)。结论五行音乐合并抗抑郁药物治疗可改善抑郁症睡眠质量,提高抑郁症患者的睡眠品质。

心肺耦合分析在急性脑梗死合并阻塞性睡眠呼吸暂停低通气综合征中的诊断价值

目的评价基于心肺耦合分析(CPC)技术的便携式睡眠质量监测对于急性脑梗死患者中的阻塞性睡眠呼吸暂停低通气综合征(OSAHS)的诊断价值。方法收集2018年1月至2019年6月于丽水市人民医院住院的急性脑梗死患者65例,对于疑诊OSAHS的患者,首先采用基于CPC技术的便携式睡眠监测进行确诊,然后对于合并中、重度OSAHS的患者采用多导睡眠监测仪(PSG)进行验证,比较两种方法测得的患者的睡眠呼吸暂停低通气指数(AHI)、最低血氧饱和度(LSaO_(2))、平均血氧饱和度(MSPO_(2))、监测睡眠总时间、快相睡眠时间,评价CPC的临床诊断价值。结果两种方法所得AHI、LSaO_(2)、MSPO_(2)、监测睡眠总时间、快相睡眠时间相比,差异无统计学意义(P>0.05)。结论基于CPC技术的便携式睡眠监测仪作为一种简单、便捷的监测方法,可以准确评估脑梗死合并中、重度OSAHS的严重程度。

心肺耦合分析:基于心电的睡眠分析方法

随着科技的发展和人们对睡眠医学认识的深入,越来越多的便携、家用、远程的睡眠评估方法不断问世且备受关注,虽然简化了仪器,但是患者仍需克服一些不适。心肺耦合分析是一种简化了信号收集和处理的过程,且可提供可靠、实用的睡眠评估报告,目前已在评估睡眠质量和判断睡眠呼吸暂停事件发生等方面得到较好应用。本文旨在介绍这一方法的原理和机制,并简要综述其已有的临床和科研应用。

伴发中重度阻塞性睡眠呼吸暂停综合征的抑郁障碍患者心肺耦合分析研究

背景阻塞性睡眠呼吸暂停综合征(OSAS)会改变抑郁障碍临床表现,持续抑郁障碍整个病程,影响抑郁障碍患者疗效及预后,增加复发风险,但目前探讨抑郁障碍伴发OSAS影响因素的研究少有报道。目的探讨伴发中重度OSAS和不伴发中重度OSAS的抑郁障碍患者的睡眠差异及伴发中重度OSAS的影响因素。方法选择2017年6月-2019年9月在安徽医科大学附属巢湖医院心身疾病科住院的抑郁障碍患者为研究对象。由2名具有丰富临床经验的精神科主治医师进行结构化访谈并推荐入组。采用自制问卷(参考以往临床研究文献编制)记录研究对象的性别、年龄、体质指数(BMI)、病程、抑郁发作次数。采用匹兹堡睡眠质量指数(PSQI)评估最近1个月内患者主观睡眠质量,采用17项汉密尔顿抑郁量表(HAMD-17)评估患者的抑郁程度,采用心肺耦合(CPC)睡眠质量评估系统采集睡眠参数〔睡眠总时间(TST)、熟睡时间、浅睡时间、REM睡眠时间、觉醒时间、初入熟睡时间、睡眠效率、睡眠呼吸暂停指数(AHI)〕。根据AHI将患者分为伴发中重度OSAS的抑郁障碍组(AHI≥15次/h)和不伴发中重度OSAS的抑郁障碍组(AHI<15次/h)。采用Person相关性分析探讨抑郁障碍患者的一般情况及量表评分与CPC睡眠质量评估指标的相关性;采用二元Logistic回归分析探讨伴发中重度OSAS的抑郁障碍影响因素。结果本研究共纳入符合入组标准的抑郁障碍患者102例(64.7%),伴发中重度OSAS的抑郁障碍组31例,不伴发中重度OSAS的抑郁障碍组71例。伴发中重度OSAS的抑郁障碍组患者的PSQI评分、HAMD-17总分及躯体焦虑化评分、睡眠障碍评分、绝望感评分、迟缓评分高于不伴发中重度OSAS的抑郁障碍组,浅睡时间大于不伴发中重度OSAS的抑郁障碍组,熟睡时间小于不伴发中重度OSAS的抑郁障碍组(P<0.05)。TST与PSQI评分(r=-0.28)呈负相关(P<0.05),浅睡时间与PSQI评分(r=-0.71)、HAMD-17总分(r=-0.28)、自杀评分(r=-0.20)、绝望感评分(r=-0.23)、迟缓评分(r=-0.30)呈负相关(P<0.05),熟睡时间与PSQI评分(r=0.34)、HAMD-17总分(r=0.22)呈正相关(P<0.05),快速眼球运动(REM)睡眠时间与BMI(r=-0.24)呈负相关(P<0.05),与PSQI评分(r=0.30)、HAMD-17总分(r=0.21)、自杀评分(r=0.21)呈正相关(P<0.05),觉醒时间与PSQI评分(r=0.29)呈正相关(P<0.05),初入熟睡时间与躯体焦虑化评分(r=-0.21)呈负相关(P<0.05),睡眠效率与PSQI评分(r=-0.29)呈负相关(P<0.05),AHI与PSQI评分(r=0.48)、HAMD-17总分(r=0.38)、躯体焦虑化评分(r=0.24)、睡眠障碍评分(r=0.20)、绝望感评分(r=0.22)、迟缓评分(r=0.31)呈正相关(P<0.05)。二元Logistic回归分析结果显示,PSQI评分〔OR=2.11,95%CI(1.23,3.63)〕、HAMD-17总分〔OR=1.45,95%CI(1.11,1.91)〕及浅睡时间〔OR=22.65,95%CI(3.75,136.68)〕是伴发中重度OSAS的抑郁障碍的影响因素(P<0.05)。结论伴发中重度OSAS的抑郁障碍患者存在浅睡时间长、熟睡时间短等睡眠异常,而PSQI评分、HAMD-17总分及浅睡时间是伴发中重度OSAS的抑郁障碍的影响因素,有必要对这部分抑郁障碍患者使用CPC睡眠质量评估系统进行筛查。

心肺耦合(CPC)分析在儿童睡眠中的应用

随着睡眠学科的发展,便携式睡眠监测设备的需求不断增加。如何能最大限度减轻睡眠监测的首夜效应并提高监测的依从为睡眠学界广泛关注,尤其是在儿童的睡眠监测方面。本研究为哈佛大学医学院睡眠中心与交叉医学团队指导的两阶段研究,旨在1)比较CPC分析方法与传统基于呼吸气流信号分析的睡眠结果,探索CPC图谱分析是否可反映儿童睡眠结构,同时比较CPC睡眠呼吸紊乱指数(CPC-RDI)与传统呼吸气流信号得来的RDI是否一致。2)如果CPC与传统基于呼吸气流的方法在一致性方面得到肯定,那么联合应用CPC与动态血氧监测进行儿童睡眠初筛,评价它在特定人群中的分析结果是否可靠。

心肺耦合分析技术的临床应用与研究进展

随着睡眠学科的发展,便携式睡眠监测设备的需求不断增加。如何能最大限度减轻睡眠监测的首夜效应并提高监测的依从性为睡眠学界广泛关注。心肺耦合分析技术可以简化信号收集和处理的过程,且可提供可靠、实用的睡眠评估报告,在美国已广泛应用于临床及科研工作。本文旨在介绍这一方法的建立,并简要综述其已有的临床和科研应用。

基于心率和呼吸特征结合的睡眠分期研究

目的研究通过心率和呼吸信号进行睡眠分期,探讨将心率和呼吸信号结合进行睡眠分期研究的有效性。方法基于ISURE-sleep睡眠数据库中9名健康受试者ECG和呼吸波数据,采用时域、频域和非线性分析方法,计算并筛选出HRV、呼吸波和心肺耦合特征共计34个指标。基于SVM、随机森林、XGBoosting和BP神经网络4种分类器构建模型,采用独立被试和非独立被试两种方案对觉醒期、快速眼动期和非快速眼动期进行分类测试。结果在4种分类模型下,综合建模分期方法结果均优于基于HRV或呼吸单一信号建模的睡眠分期方法,综合建模Kappa系数有显著提升。基于XGBoosting的模型在4种方法中表现最优,取得了独立被试测试73.3%的平均准确率(Kappa=0.42)和非独立被试测试准确率88.7%(Kappa=0.75)。结论加入呼吸特征和心肺耦合特征可以作为辅助指标,提升目前常用的基于HRV的睡眠分期模型的性能。心率和呼吸特征结合的睡眠分期方法在便携式睡眠监测等领域具有实际应用价值。

心肺耦合技术与多导睡眠图对睡眠呼吸事件判读的一致性分析

目的 探讨心肺耦合技术中呼吸紊乱指数（RDI）与多导睡眠图（PSG）监测参数之间的相关关系,并分析心肺耦合-RDI与PSG-呼吸暂停低通气指数（AHI）两种技术对睡眠呼吸事件判读的一致性.方法 收集于2016年1-12月就诊于第二军医大学附属长征医院睡眠障碍诊疗中心监测的患者292例,根据PSG中AHI是否大于5次/h将病例分为两组：AHI〉5次/h为阻塞性睡眠呼吸暂停低通气综合征（OSAHS）组,共173例;AHI〈5次/h为非OSAHS组,共119例.比较两组之间PSG睡眠参数和心肺耦合-RDI的差异,采用Pearson相关分析方法分析呼吸紊乱指数心肺耦合-RDI和PSG各参数的相关关系,用Bland-Altman图检验两种方法的一致性,并应用受试者工作特征曲线分析心肺耦合-RDI对OSAHS的诊断价值.结果 与非OSAHS组相比,OSAHS组在总睡眠时间[（445.94±82.64）min]、呼吸暂停次数[（108.16±35.70）次/h]、低通气次数[（55.62±17.44）次/h]、AHI[（22.78±20.73）次/h]、埃普沃思思睡量表（ESS）得分[（11.21±5.30）分]、心肺耦合-RDI值[（32.98±22.19）次/h]等方面较对照组[（417.21±96.10） min,t=2.730;（7.89±5.41）次/h,t=30.384;（11.05±2.23）次/h, t=27.709;（5.51±3.11）次/h,t=9.014;（7.61±2.29）分,t=6.973;（11.16±8.63）次/h,t=10.205]均有增加（均P〈0.01）,而在N1期潜伏期[（14.79±9.29） min]、N3期百分比[（6.53±4.95）%]、最低血氧饱和度[SaO2;77.91±12.21）%]等方面较对照组[（18.18±8.98） min,t=-3.106;（8.83±7.29）%,t=-3.212;（92.72±5.17）%, t=-12.479]均有减少（均P〈0.05）.Pearson相关分析结果显示,心肺耦合-RDI与总睡眠时间、N2期睡眠时间、N3期睡眠时间、呼吸暂停次数、低通气次数、AHI、微觉醒次数及指数、腿动次数及指数、呼吸相关腿动次数、微觉醒相关腿动次数、周期性腿动次数及指数、ESS得分等参数之间呈正相关,其中,心肺耦合-RDI与PSG-AHI之间相关关系最强（r=0.801, P〈0.01）,而与最低SaO2呈负相关（r=-0.765, P〈0.01）;Bland-Altman图示位于一致性范围内的点占到所有点的95%以上.心肺耦合-RDI〉18.95次/h,则患有OSAHS的可能性增加,其敏感度为62.9%,特异度为88.7%.此外,心肺耦合分析技术中增强的低频耦合参数可以清晰地显示中枢性呼吸紊乱.结论 心肺耦合技术作为一种有效评估睡眠呼吸障碍的诊断技术,与传统PSG评估一致性好,与呼吸事件相关性强,对中枢性睡眠呼吸暂停诊断有优势.

心肺耦合分析技术对阻塞性睡眠呼吸暂停的诊断价值

目的探讨心肺耦合分析技术对阻塞性睡眠呼吸暂停（OSA）的诊断价值。方法纳入2016年5月就诊于四川大学华西医院睡眠医学中心并行整夜多导睡眠监测（PSG）的睡眠障碍患者44例。所有受试者同时进行PSG和心肺耦合监测。对心肺耦合与PSG睡眠参数进行比较，并分析心肺耦合呼吸紊乱指数（RDI）与PSG各参数的相关性。以PSG为金标准，计算心肺耦合分析技术对OSA诊断的敏感度、特异度、阳性预测值、阴性预测值及受试者工作特征（ROC）曲线下面积。结果44例患者中男37例，女7例，年龄（46．3±12．5）岁，体质指数（25．6±3．7）kg／m2；其中诊断为OSA者33例。心肺耦合分析的RDI与PSG的呼吸暂停低通气指数（AHI）差异无统计学意义（P〉0．05）。心肺耦合分析的RDI、低频耦合与AHI均呈正相关（r=0．849、0．850，均P〈0．001）；高频耦合与AHI呈负相关（r=-0．767，P〈0．001）。当AHI分别35、10、15、20、30次／h时，心肺耦合诊断敏感度分别为0．82、0．93、0．96、0．96、0．77，特异度分别为0．50、0．75、0．72、0．80、0．86，阳性预测值分别为0．85、0．87、0．83、0．85、0．85，阴性预测值分别为0．55、0．86、0．93、0．94、0．79。ROC曲线下面积分别为0．868、0．892、0．915、0．942、0．921。心肺耦合分析的RDI≥20．4次／h时，OSA可能性增加，其敏感度为0．79，特异度为0．91。结论心肺耦合与PSG诊断OSA具有较好的一致性，具有较高的诊断价值。

基于心肺耦合技术的慢性失眠患者客观睡眠评价及其与认知功能的相关性研究

目的应用心肺耦合(CPC)技术评价慢性失眠患者客观睡眠状况,评估其认知功能受损特征,探讨慢性失眠患者客观睡眠与认知功能受损的相关性。方法选择自2017年10月至2019年4月天津医科大学总医院神经内科睡眠障碍门诊连续收治的慢性失眠患者43例为慢性失眠组,并招募年龄、性别、文化程度与之相匹配的15例健康志愿者作为正常对照组。所有研究对象在家中按照平时的作息习惯作息并完成CPC检测。同时应用蒙利特尔认知量表(MoCA)、听觉词语学习测试(AVLT)、连线测试(TMT)-A和B、Stroop色词测试评估2组受试者的总体及单项认知功能,分析慢性失眠患者客观睡眠与认知功能的相关性。结果(1)与正常对照组相比,慢性失眠组患者高频耦合睡眠比例(稳定睡眠)减少,低频耦合睡眠比例(不稳定睡眠)增加,极低频耦合睡眠比例(快速眼球运动睡眠/觉醒)增加,高频耦合睡眠潜伏期延长,差异均有统计学意义(P<0.05)。(2)与正常对照组患者相比,慢性失眠组MoCA总评分减少,差异有统计学意义(P<0.05);具体表现为视空间与执行功能、注意力下降。与正常对照组相比,慢性失眠组AVLT即刻及延迟回忆得分减少,TMT-B用时增加,1min内连线达到的数字数减少,Stroop-B用时增加,差异均有统计学意义(P<0.05)。(3)慢性失眠组患者CPC睡眠结构与认知功能量表评分存在相关性。结论慢性失眠患者稳定睡眠减少,不稳定睡眠、快速眼球运动睡眠/觉醒增加;认知受损领域为视空间和执行功能、注意力、记忆力;睡眠结构紊乱加重慢性失眠患者记忆力及执行功能受损。

睡眠结构与原发性高血压的相关性初探

目的:采用心肺耦合(CPC)睡眠分析技术探讨子时丑时睡眠结构与原发性高血压的相关性。方法:纳入2020年1月—2022年12月就诊于中日友好医院国际部的199例患者,根据24h动态血压监测(ABPM)结果将其分为高血压组和正常血压组,分析2组间子时丑时睡眠结构差异;根据CPC监测的睡眠质量评分,将患者分为睡眠质量良好组、一般组、较差组,分析3组患者间子时丑时睡眠结构的差异。结果:与正常血压组相比,高血压组患者子时丑时睡眠时长缩短、熟睡占比减少,差异具有统计学意义(P<0.05)。整夜睡眠质量较差组患者的子时丑时熟睡占比少于良好和一般组,且子时丑时呼吸紊乱指数高于良好组和一般组,差异具有统计学意义(P<0.05)。多因素Logistic回归结果显示,子时丑时熟睡占比减少(<0.75)是导致原发性高血压的危险因素(OR=1.661,P=0.023)。结论:子时丑时睡眠结构异常可能是原发性高血压发病的危险因素。

心肺耦合分析技术对睡眠障碍诊断的可靠性观察

目的探讨心肺耦合(CPC)分析技术在慢性失眠(CI)和阻塞性睡眠呼吸暂停(OSA)中的诊断价值。方法连续收集2018年7月至2019年12月于安徽医科大学附属巢湖医院睡眠障碍科就诊患者221例,夜间同步行多导睡眠图(PSG)和CPC监测。根据临床症状和PSG结果,CI及OSA患者168例(男88例,女80例),其中单纯CI(CI组)93例,单纯OSA(OSA组)36例,CI和OSA共病(COI组)39例。分析CPC和PSG测定的各项睡眠指标的一致性和两者对OSA诊断的一致性。结果(1)在CI组或所有患者,CPC测定的TST、SE和REM睡眠时间显著高于PSG测定值,WASO显著低于PSG测定值(具体中位数对比是:CI组420.0 min比395.5 min、93.7%比81.8%、90.0 min比37.5 min、18.0 min比63.0 min;所有患者414.0 min比392.5 min、91.9%比81.9%、72.0 min比34.8 min、24.0 min比58.4 min;均P≤0.001);但在OSA组,CPC与PSG测定的TST、SE、WASO、REM睡眠时间和NREM睡眠时间无显著差异(均P>0.05)。(2)按OSA标准,CPC与PSG诊断的一致性不佳(κ=0.255)。仅当AHI≥20次/h时CPC对OSA筛查有一定价值(κ=0.580,敏感度0.85,特异度0.82,阳性预测值0.59,阴性预测值0.95,阳性似然比4.72)。结论CPC存在高估CI患者睡眠质量的可能,其与PSG诊断OSA的性能相比,一致性欠佳。

心肺耦合技术在睡眠障碍临床诊断中的应用与评价

人体睡眠与清醒的时间由内在的生物钟所控制，呈现约24小时的周期。下视丘的视交叉上核（SCN）作为最重要的昼夜节律中枢，参与调控睡眠和清醒周期的节律性活动。人体的各种生理功能在不断适应外界环境的昼夜变化中建立了规律性周期。然而，由于外界环境变化的刺激或发生躯体与心理疾病等，常常干扰正常的睡眠节律，诱发机体出现不同形式的睡眠障碍。随着医学模式的变化，我国睡眠障碍的发病人数逐年增多，