體質量指數、超閾值鼾聲時間與阻塞性睡眠呼吸暫停嚴重程度的相關性

孫錫仕，成俊芬，張金健梁正詩黃杰雯彭 敏黎雄斌（.廣東醫科大學附屬第二醫院，廣東湛江 54003；.廣東醫科大學附屬醫院，廣東湛江 5403）

阻塞性睡眠呼吸暫停（Obstructive sleep apnea，OSA）是一種以睡眠期間反復上呼吸道塌陷為特征的越來越常見的疾病[1]。打鼾被定義為聲音≥40 dB（A），而睡眠中斷通常發生在大于夜間噪音污染的閾值（45 dB（A））的聲音水平上[2]。有流行病學研究結果表明，年齡、男性和BMI 等因素都會增加人類和動物模型中的咽部坍縮性[2]。此外，肥胖也會改變聲音產生及表現[3]。本研究對BMI 和鼾聲超過閾值的持續時間與OSA 病情程度進行相關性分析，旨在能更進一步了解患者病情，為診療提供幫助。

1 資料和方法

1.1 研究對象

納入2019 年6 月-2021 年6 月在廣東醫科大學附屬第二醫院睡眠疾病研究所行Watch-PAT 檢查且符合以下納排標準的患者。納入標準：（1）年齡18～80歲；（2）上氣道阻塞、肥胖等病因引起的OSA；（3）有自主行為能力和認知能力，并同意簽署知情同意書的患者；（4）總睡眠時間為＞4 h。排除標準：（1）有腦部腫瘤或癲癇病史者；（2）合并各種精神及心理疾病者，正在服用鎮靜安眠藥物者；（3）嚴重器官功能衰竭的患者；（4）已接受治療的OSA 患者。本研究經廣東醫科大學附屬第二醫院醫學倫理委員會同意批準（GDEFEY2020LS030）。

1.2 基本資料收集

收集患者姓名、年齡、性別、身體質量、身高等一般資料，并計算身體質量指數（BMI），BMI（kg/m2）=身體質量（kg）/身高（m）2。

1.3 Watch-PAT 檢測

主要用于篩查睡眠呼吸障礙的Watch-PAT 睡眠監測儀器（規格型號為Watch-PAT 200，生產廠家為以色列伊塔）。囑患者檢查當天勿飲酒、咖啡及睡眠藥物，長期進行某種藥物治療者可事先向自己的醫師咨詢哪些藥物不能停服。Watch-PAT 睡眠監測儀器主要記錄外周動脈血管張力（PAT）、心率、血氧飽和度、睡眠或清醒階段、鼾聲、體位等參數。軟件自動分析整個睡眠過程中出現的 PAT 信號變化，得出呼吸暫停低通氣指數（AHI）數值。所有患者睡眠時間保證至少7 h 監測。AHI 是指每小時睡眠時間內呼吸暫停加低通氣的次數。以AHI≥5 次/h，呼吸事件以阻塞型呼吸暫停為主者判定為 OSA。入選本研究者按病情分為非OSA 組（AHI＜5 次/h）、輕度 OSA 組（5 次/h≤AHI＜15 次/h）、中度 OSA 組（15 次/h≤AHI＜30 次/h）、重度 OSA 組（≥30 次/h）。

1.4 統計學處理

采用SPSS 26.0 軟件進行統計學處理。計量資料采用中位數（25 分位數，75 分位數）[M（P25，P75）]表示，計數資料用頻率表示。計量資料采用多組獨立樣本秩和檢驗（Kruskal-Wails 檢驗），計數資料采用χ2檢驗或Fisher 確切概率法。各變量與AHI 的相關關系應用Spearman 相關分析。采用多因素logistic 回歸得出有意義的變量，最后進行受試者工作特征曲線（ROC）分析。采用Medcalc 軟件進行受試者工作特征（ROC）曲線分析分別評價BMI、鼾聲大于閾值的持續時間及其兩者聯合評估OSA 病情嚴重程度的效能，以確定研究變量的截止水平下的ROC 曲線面積，并計算各變量的敏感度、特異度及約登指數。P＜0.05 為差異有統計學意義。

2 結果

2.1 一般資料

本研究納入了336 例患者，年齡為51.0（37.3，65.0）歲，男性273 例（273/398，81.3%）。BMI、AHI、呼吸障礙指數（RDI）、氧減指數（ODI）、血氧飽和度小于90%的睡眠持續時間（T90）、鼾聲大于40 dB 的持續時間、鼾聲大于5 0 dB 的持續時間、鼾聲大于60 dB的持續時間、鼾聲大于70 dB 的持續時間及鼾聲大于閾值（45 dB）的持續時間分別為26.0（23.1，28.4）kg/m2、14.5（4.2，39.0）次/h、19.0（10.1，38.6）次/h、7.8（1.5，27.1）次/h、2.6（0.0，34.3）min、129.8（67.7，218.3）min、18.2（9.0，56.6）min、3.5（1.7，7.4）min、0.6（0.2，1.2）min 及40 .2（17.0，104.1）min，并且它們隨著OSA 病情程度加重而增加，差異有統計學意義（P＜0.01）。平均心率、最高心率、總睡眠時間（TST）、入睡效率、覺醒指數、REM 時間、最低夜間血氧飽和度（LaSO2）及平均夜間血氧飽和度分別為 67.0（60.0，72.0）次/h、101.0（94，112.0）次/h、447（394，481）min、79.1（71.6，84.9）%、1.4（0.9，2.0）次/h、85.0（77.0，90.0）% 及95.0（93.0，96.0）%，差異有統計學意義（P＜0.01）。最低心率、總記錄時間（TIB）、潛伏期及快速眼動（REM）潛伏期分別為 47.0（41.0，51.8）次/h、585（587，585）min、30.0（19.0，51.0）min 及113.0（69.0，164.0）min，差異無統計學意義（P＞0.05）。見表1。

表1 入選患者的一般資料

2.2 OSA 患者影響因素分析

將一般資料結果中差異有統計學意義的因素與AHI 進行相關性分析，除了覺醒指數差異無統計學意義（P＞0.05），其他因素均有統計學意義（P＜0.01 或0.05），且OSA 組的相關系數均比非OSA 組高?？梢?，RDI、ODI、T90、最低夜間血氧飽和度及平均夜間血氧飽和度與AHI 呈強相關（P＜0.01），BMI 及鼾聲大于閾值的持續時間與AHI 呈中等相關（P＜0.01），其他因素與AHI 相關性較弱。然后將AHI 為因變量，以性別為分類協變量時，選擇BMI 及鼾聲大于閾值的持續時間進行多因素logistic 回歸分析，其診斷比值比（OR）分別為1.021（1.012～1.030）及1.232（1.130～1.344）（P＜0.01）。見表2、3?？梢?，BMI 及鼾聲程度大于閾值的持續時間均是其獨立影響因素。

表2 睡眠參數與 AHI 相關性分析的相關系數

2.3 ROC 分析

將多因素 logistic 回歸分析得到獨立影響因素BMI及鼾聲大于閾值的持續時間建立ROC 曲線，然后根據ROC 曲線確定各項指標評估OSA 病情嚴重程度的最佳截斷值。結果顯示鼾聲大于閾值的持續時間及其聯合BMI 的ROC 曲線面積、靈敏度和最大約登指數隨著OSA 病情越嚴重越高，BMI 的ROC 曲線面積變化不大，但其靈敏度和最大約登指數隨著OSA 病情越嚴重越高。在AHI 為30 時，BMI 和鼾聲大于閾值的持續時間兩者聯合的ROC 曲線面積為0.841，最佳截斷值為0.839；在此截斷值下，其靈敏度是82.2%，特異性是76.6%，最大的約登指數是 0.588。BMI 和鼾聲大于閾值的持續時間兩聯合聯合指標評估OSA 病情嚴重程度的效能比單一指標的更高，見表4。

表4 阻塞性睡眠呼吸暫停預測因子對OSA 診斷效果的評價

3 討論

OSA 主要的特征是反復的上呼吸道阻塞，從而導致慢性間歇性缺氧、高碳酸血癥、睡眠分裂和交感神經活動增加，進而導致和加重心腦血管疾病、耐藥性高血壓、肺部疾病、糖尿病和認知障礙等，并降低生活質量，甚至導致機動車事故[4-7]。在本研究中，ODI、T90隨著OSA 病情程度加重而增加，LaSO2隨著OSA 病情程度加重而下降。可見血氧飽和度不管是下降的次數，或是下降的持續時間，還是下降的程度，均明顯影響OSA 病情的進展。有文獻報道，低氧血癥的測量參數與OSA 的嚴重程度增加密切相關，且使與高血壓和T2DM 等共病的風險增加[8]。Ding 等[9]的研究進一步證明了T90、LaSO2和ODI 是重度OSA 患者非酒精性脂肪肝的獨立預測因子。本研究也發現ODI、T90、LaSO2及平均夜間血氧飽和度與AHI 呈強相關。Choi等[5]的研究表明，CPAP 滴定后的ODI、LaSO2及平均氧飽和度等睡眠參數都發生了顯著變化。有關動物和臨床數據表明，OSA 的間歇性缺氧通過改變內皮血管運動的調節，血管運動張力和修復能力，同時促進血管炎癥和氧化應激[10]。據有關文獻，慢性間歇性缺氧促進氣道重塑的發生和發育，從而加速肺重塑的進展，進而導致肺部疾病[7]。先前的研究表明，短期睡眠剝奪和分裂會導致胰島素抵抗，進而影響2 型糖尿病的發生發展[11]。可見，低氧血癥的測量參數通過不同的機制影響OSA 病情的發生發展。

OSA 存在于45% 的肥胖患者，肥胖是一個世界性的公共健康問題，BMI 是超重/肥胖使用最廣泛的人體測量方法[12-13]。有研究報道，肥胖是OSA 發展的主要危險因素[14]。在本研究中，BMI 隨著OSA 病情程度加重而增加，并且與AHI 的相關系數為 0.609，這與之前的研究相一致[1，15]。本研究還發現鼾聲大于閾值的持續時間隨著OSA 病情程度加重而增加，且與AHI呈中等相關。打鼾是由通過狹窄氣道的湍流氣流引起的，臨床上一直試圖將打鼾的各種特征與OSA 的嚴重程度聯系起來[16]。有研究表明，客觀的打鼾與OSA 的嚴重程度有關，并且會使伴侶面臨慢性睡眠障礙和健康不利影響的風險[2]。也有研究發現打鼾強度和頻率是OSA 存在的獨立預測因子[2，16]。因此，BMI 和打鼾均是OSA 影響因素。

性別會影響脂肪的分布、體型和OSA 發病率的增加[13]。因此，我們以性別為分類協變量，BMI 與鼾聲大于閾值的持續時間為自變量，AHI 為因變量，進行多因素 logistic 回歸分析，以提高精準度，結果分析顯示它們是OSA 的獨立影響因素。有文獻結果表明，BMI 和打鼾嚴重度這兩個簡單參數便于快速評估，為OSA 提供快速風險分層[17]。本研究發現BMI、鼾聲大于閾值的持續時間及其兩者聯合指標隨著OSA 病情越嚴重越高，當AHI 為30 時，它們達到最高，其BMI與鼾聲大于閾值的持續時間及其兩者聯合的ROC 曲線面積分別為0.759、0.840 和0.841，可見它們的評估OSA 嚴重程度的效能較高，并且聯合指標能提高它們評估OSA 嚴重程度的效能。有研究報道，身體質量的增加與NREM 和REM 睡眠期間AHI 的增加有關[1]。Avraam 等[18]發現，男性、肥胖和仰臥位這些危險因素可能會增加睡眠過程中氣道塌陷的概率。有關研究發現，打鼾是由軟腭、咽壁、會觀舌和舌頭的高頻振蕩引起，但OSA 組和對照組患者咽部塌陷的氣道幾何形狀有所不同，因此OSA 與習慣性打鼾者的打鼾模式不同[19-20]。肥胖通常導致頸圍增加，并促進由于局部脂肪組織沉積而增加的上氣道濕陷性的出現，從而導致上呼吸道狹窄程度和阻力的逐漸增加，進而使鼾聲強大及其時間持續增加，最終導致OSA 病情的嚴重程度加重[21-22]。Wilson 等[23]發現，BMI＞30，平均鼾聲強度＞38 dBA 的男性，AHI＞10 的可能性是正常人的4.1倍?？傊?，BMI 與鼾聲大于閾值的持續時間聯合指標有助于評估OSA 病情嚴重程度。

綜上所述，BMI 與鼾聲大于閾值的持續時間與OSA 的病情嚴重程度密切相關，并且兩者聯合評估OSA 的病情嚴重程度比單一指標效果更佳，這對監測OSA 患者嚴重程度、預后及臨床隨訪具有重要的臨床應用價值。

本研究也存在一些局限性。首先，我們無法徹底消除選擇偏差，因為這是一個單一中心的橫截面研究，此有待日后進行隊列研究或干預性研究加以解決；本研究樣本偏小，研究結論尚需要更大的樣本量研究去進一步驗證。