睡眠呼吸障碍2022.docxVIP

睡眠呼吸障碍2022

^02^^50?^

阻塞性睡眠呼吸暂停(obstructivesleepapnea,OSA)是一种常见的睡眠呼吸障碍(sleepdisorderedbreathing,SDB),以夜间低氧和睡眠片段化为特征，未经治疗的OSA患者发生交通事故、心血管疾病、代谢性疾病和神经认知障碍的风险显著增加，造成巨大的社会经济负担，严重危害了公众健康。

一、OSA的诊断、

评估和临床亚型

徉1.新型非接触式设备的应用：尽管目前OSA诊断的金标准仍为整夜多导睡眠监测(polysomnography,PSG)，但受其费用高、对设备及人员要求高等限制，难以大规模开展。近年来，新型传感器被应用于睡眠监测领域。例如，使用安装声压传感器的新型床垫，Lechat等收集了来自20个国家,超过65000名参与者的夜间睡眠监测数据(平均每人170晚)，估计全球中度至重度OSA的患病率约为20%。这项研究进一步肯定了非接触式设备在OSA的筛查和诊断价值。同时指出，常见的单夜睡眠监测误诊率约为20%，临床医生在OSA的诊治过程中，需要考虑睡眠呼吸暂停低通气指数(叩noeahypopnoeaindex,AHI)的变异性。

在过去一年中，SDB领域取得了多项进展，对OSA的疾病诊断、评估、个体化治疗等方面均有更新和补充。OSA严重程度的评估需探索新的指标，同时考虑病理生理亚型和疾病的靶器官损害。作为OSA的一线治疗,CPAP对于降低OSA患者未来心血管事件方面仍存在争议。OSA的个体化治疗仍是研究的热点，新兴的药物治疗仍有很大的空间和潜力。这些研究进展提升了对OSA的理解，未来需要更多的研究促进OSA的诊断分型、共病预防和精准治疗。

2.0SA机器学习：过去一年，OSA机器学习领域迅速发展，利用生理数据信号和机器学习技术的技术创新有望帮助诊断、评估和管理OSA。Parekh等基于常用的PSG信号(鼻气流、胸腹运动、氧饱和度和鼾声)提取特征性模块并按比重加权，建立了一种新的机器学习模型预测呼吸阻塞的概率，能自动区分中枢性和阻塞性睡眠呼吸暂停事件，还可替代传统的侵入性食管测压，是一种可靠的、无创的上气道阻力检测方法。睡眠影响自主神经系统活动，不同睡眠分期的血流动力学也会相应改变，Huttunen等通过光容量描记术测量OSA患者睡眠时微血管组织的血容量变化，实现自动睡眠分期，可作为传统脑电图手动分期的替代方案，为OSA筛查和诊断提供了新思路和新方法。

3.低氧相关指标：由于AHI等传统指标在评估OSA疾病严重度和预测心血管疾病风险等方面具有局限性，因此有必要探索新的评价指标以获取OSA多维度的特征。低氧负荷(hypoxicburden)整合了所有阻塞事件的持续时间及其相关的氧减事件特征包括持续时间、幅度、频率，可更好地体现OSA潜在的病理生理变化，是极具前景的低氧程度评价指标。Trzepizur等发现低氧负荷升高的OSA患者发生心血管事件和全因死亡的风险更高，提示低氧负荷对预测OSA患者心血管长期不良后果的重要意义。国内学者Cao等发现OSA评估新指标即睡眠呼吸受损指数(sleepbreathingimpairmentindex,SBII),并分析了SBII与OSA的未来心血管疾病风险的关联性。SBII定义为每个阻塞事件持续时间和相关的去饱和面积的乘积，在评估OSA严重程度时具有更高的敏感度，并对心血管结果具有更好的预测能力。以上研究提示除了AHI,PSG中所隐含的大量其他数据值得更多研究关注。

4.0SA临床亚型：OSA是一种高度异质性疾病，其在临床表现、病理生理机制、对治疗的反应性等方面均存在个体化差异。通过聚类分析的方法得出OSA患者的潜在亚型,可协助评判不同亚型间的预后差异，并参考制定个体化治疗方案，是近年研究热点。Labarca等发现基于OSA患者临床症状分型，与“无症状型相比，”过度嗜睡型患者发生心血管死亡的风险显著增加。Ding等分析了多PSG表型与2型糖尿病风险的相关性，根据基线PSG特点，将840名无糖尿病的男性退伍军人分为7个PSG表型，随访5年后122例（14.5%）患2型糖尿病。PSG表型及占比分别为：轻度05八型（47%）、周期性腿动型（8.7%）、非快眼动相关睡眠质量差型（13.7%）、快眼动相关低氧型（12.7%）、低通气和低氧型（5.1%）、易觉醒型（2.9%）、严重OSA型（9.9%）0其中低通气和低氧型和周期性腿动型”与2型糖尿病的发生显著相关。OSA亚型是实现精准治疗的前提和基础，未来研究应进一步综合临床症状、病理生理学机制、并发症、治疗