首页 > 文献资料
-
睡眠检测可测出糖尿病、高血压——访南京“321”美国哈佛医学院医学中心高级研究员刘燕辉
睡眠关系到健康,但或许没几个人知道自己的睡眠质量究竟怎么样.记者今天在南京市中西医结合医院看到,大小如清凉油盒子的心肺耦合(CPC)睡眠检测仪,可以真实反映一个人每一分钟的睡眠状态.告诉记者,市民将它佩戴在胸前,可以采集睡觉期间的心电图,数据将实时传到云端服务器,经过服务器自动分析,每分钟的睡眠状态即可反映出来,包括熟睡、浅睡、梦醒、有没有呼吸暂停?呼吸暂停是中枢型的还是阻塞型的?这些都将一目了然.
-
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)%]、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之间相关关系强(r=0.801, P<0.01),而与低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.
-
睡眠呼吸暂停综合征患者睡眠结构与血压变化的关系
目的 运用心肺耦合测评分析技术观察睡眠呼吸暂停综合征(SAS)患者睡眠结构和24 h血压变化的特点.方法 纳入匹兹堡睡眠质量指数(PSQI)≥8分的睡眠障碍患者共79例,均来白中日友好医院国际医疗部睡眠中心.采用基于心肺耦合技术的便携式睡眠质量监测仪和24 h动态血压监测仪进行同步监测,采集相关数据.根据睡眠质量监测仪分析的呼吸暂停低通气指数(AHI)将患者分为睡眠呼吸暂停综合征组47例和非睡眠呼吸暂停综合征组32例,分析两组间睡眠结构和24 h血压波动的差异,在总样本中分析AHI与睡眠结构数据和血压数据的相关性.结果 SAS组患者睡眠结构中深睡时间和深睡时间占总睡眠时长比例(29.1±14.9)％低于非SAS组(43.3±24.3)％患者,而浅睡时间占总睡眠时长比例(50.5±17.8)％高于非SAS患者(33.7±22.7)％,差异具有统计学意义(P＜0.05);AHI与深睡时间、醒/做梦时间呈中度负相关(-0.6≤r＜-0.3),与浅睡时间呈中度正相关(0.3＜r≤0.6);SAS组患者24 h及白天平均收缩压(128.9±11.9)mmHg(l mmHg =0.133 kPa)及舒张压(85.9 ±8.5)mmHg高于非SAS组[(105.0±39.5)、(73.5 ±27.4) mmHg]患者,夜间收缩压下降幅度低于非SAS组患者,夜间收缩压超过极限值比率、夜间平均心率高于非SAS患者,差异具有统计学意义(P ＜0.05);AHI与夜间舒张压下降幅度呈高度负相关(r=-0.785,P=0.000);与夜间收缩压下降幅度(r=-0.398,P=0.029)呈中度负相关,与平均舒张压水平呈中度正相关(r =0.425,P=0.019).结论 伴SAS的睡眠障碍患者睡眠异常较无SAS者严重;睡眠结构异常程度、血压水平与SAS严重程度有一定的正相关关系.
-
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≥5、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.
