基于短时心率变异特征ST-fApEn的阻塞性睡眠呼吸暂停疾病状态分析方法研究

目的提出基于滑动趋势模糊近似熵(ST-fApEn)的短时心率变异性(HRV)分析动态特征,以提高阻塞性睡眠呼吸暂停(OSA)的检测精度及疾病状态的分析能力。方法使用Physionet的ApneaECG数据库中20例正常对照样本和40例OSA样本,分成一系列5min的片段。根据该片段是否发生暂停分为正常对照组(N-N组,20例),OSA患者正常片段组(P-N组,40例)和OSA患者呼吸暂停片段组(P-OSA组,40例)。通过使用经验模态分解(EMD)结合滑动窗的方法来获得RR序列的趋势斜率序列,并对其进行复杂度分析得到ST-fApEn,分析不同疾病状态。结果与SD、RMS、PNN50和LF/HF等HRV静态特征相比,ST-fApEn不仅在3种不同疾病状态组的任意2组都有显著性差异,且OSA的检测精度显著提高到85.0%,敏感性和特异性也分别达到了82.5%和90.0%。结论提出的ST-fApEn动态特征使OSA的检测精度得到显著提高,是鉴别健康人、OSA患者不发病时和发病时不同疾病状态的一个有效检测指标。