阻塞性睡眠呼吸暫停低通氣綜合征對高血壓患者血壓變異性和心率變異性的影響研究

【摘要】 背景 阻塞性睡眠呼吸暫停低通氣綜合征（OSAHS）在高血壓患者中患病率高，但診斷率低，其中心率變異性（HRV）和血壓變異性（BPV）都是心血管事件相關預測因子，但目前關于OSAHS與高血壓患者BPV和HRV內在聯系的相關研究較少。目的 本研究旨在探討OSAHS對高血壓患者HRV、BPV的影響，并開發和內、外部驗證一種通過HRV和BPV相關指標預測高血壓患者OSAHS患病風險的列線圖。方法 選取2018年1月—2020年12月在中南大學湘雅二醫院收治的228例高血壓患者作為研究對象，根據OSAHS診斷標準分為單純高血壓組（n=114）和高血壓合并OSAHS組（n=114）；另外收集2021年1—2月住院的34例高血壓伴或不伴OSAHS患者作為獨立的外部驗證組。收集研究對象的一般資料（年齡、性別、BMI等）、平均血壓水平〔夜間收縮壓（nSBP）等〕、BPV相關指標〔夜間收縮壓標準差（nSSD）、夜間舒張壓標準差（nDSD）、24 h舒張壓標準差（24 hDSD）等〕、血壓晝夜節律、HRV相關指標〔RR間期平均值標準差（SDANN）、低頻帶（LF）等〕、多導睡眠監測（PSG）參數〔氧減指數（ODI）、睡眠呼吸暫停低通氣指數（AHI）、最低血氧飽和度（MinSpO2）等〕。采用多元線性回歸分析探究HRV和BPV相關影響因素；并繪制限制性立方樣條圖檢驗高血壓患者平均血壓水平、BPV和HRV相關指標與OSAHS患病風險的相關性；通過多因素Logistic回歸分析高血壓患者患OSAHS的影響因素，構建列線圖預測模型，采用Bootstrap方法在檢驗內、外部組驗證組在列線圖模型中的性能；采用受試者工作特征（ROC）曲線評估內、外部驗證組列線圖對高血壓患者OSAHS患病風險的預測價值，計算ROC曲線下面積（AUC）等指標。結果 多元線性回歸分析結果顯示：BMI、ODI、MinSpO2是高血壓合并OSAHS組患者nSSD、nDSD水平和HRV相關指標的獨立影響因素（Plt;0.05）；限制性立方樣條模型結果顯示BPV、HRV相關指標與發生OSAHS存在非線性相關（Plt;0.05），納入多元Logistic回歸分析后發現nSBP、nSSD、24 hDSD、SDANN、LF、年齡、BMI是高血壓患者發生OSAHS的影響因素（Plt;0.05）；以年齡、BMI、nSBP、nSSD、24 hDSD、SDANN、LF為預測因子構建列線圖預測模型，Bootstrap方法驗證結果顯示，內、外部驗證組的絕對誤差分別為0.013、0.021，表明列線圖模型的校準度良好。內、外部驗證組列線圖預測高血壓患者OSAHS患病風險的AUC分別為0.861〔95%CI（0.818，0.919），Plt;0.001〕、0.744〔95%CI（0.691，0.839），Plt;0.001〕。結論 OSAHS可增加高血壓患者夜間BPV，降低HRV，HRV和BPV均與OSAHS病情嚴重程度密切相關，夜間缺氧或許更能引起血壓和心率變化。本研究構建的列線圖也許可用于高血壓患者發生OSAHS風險的個體化預測，HRV和BPV參數或許是篩選OSAHS的有力工具。

【關鍵詞】 睡眠呼吸暫停，阻塞性；高血壓；血壓變異性；心率變異性；列線圖

【中圖分類號】 R 563.8 R 544.1 【文獻標識碼】 A DOI：10.12114/j.issn.1007-9572.2023.0068

【引用本文】 費敏，雷思，許琰，等. 阻塞性睡眠呼吸暫停低通氣綜合征對高血壓患者血壓變異性和心率變異性的影響研究［J］. 中國全科醫學，2023，26（20）：2459-2468. DOI：10.12114/j.issn.1007-9572.2023.0068. ［www.chinagp.net］

FEI M，LEI S，XU Y，et al. Association of obstructive sleep apnea-hypopnea syndrome with blood pressure variability and heart rate variability in patients with hypertension［J］. Chinese General Practice，2023，26（20）：2459-2468.

Association of Obstructive Sleep Apnea-hypopnea Syndrome with Blood Pressure Variability and Heart Rate Variability in Patients with Hypertension FEI Min1，LEI Si1，XU Yan1，YE Yun1，ZHUO Hui1，ZHANG Hui2*，LUO Yingquan1*

1.Department of General Medicine，the Second Xiangya Hospital of Central South University，Changsha 410001，China

2.Department of Geriatrics，the Second Xiangya Hospital of Central South University，Changsha 410001，China

*Corresponding authors：ZHANG Hui，Senior nurse；E-mail：510207335@qq.com

LUO Yingquan，Chief physician；E-mail：luoyingquan@csu.edu.cn

FEI Min and LEI Si are co-first authors

【Abstract】 Background Obstructive sleep apnea-hypopnea syndrome（OSAHS）is highly prevalent but is underdiagnosed in hypertensive patients. There are few studies on the internal association of OSAHS with two predictors of cardiovascular events，namely heart rate variability（HRV）and blood pressure variability（BPV），in hypertensive patients. Objective To explore the influence of OSAHS on HRV and BPV in hypertension patients，and to develop and validate a nomogram for predicting the risk of OSAHS in these patients using HRV and BRV related indicators. Methods Two hundred and twenty-eight hypertensive patients〔including 114 without OSAHS（simple hypertension subgroup）and 114 with OSAHS（hypertension with OSAHS subgroup）assessed by the diagnostic criteria of OSAHS〕were selected as internal validation group from the Second Xiangya Hospital of Central South University from January 2018 to December 2020，and other 34 hypertensive patients with or without OSAHS who hospitalized in the same hospital during January to February 2021 were selected as an independent external verification group. General information（age，gender，BMI，etc.〕，average blood pressure level〔nighttime systolic blood pressure（nSBP），etc.〕，BPV related indices〔nighttime systolic blood pressure standard deviation（nSSD），nighttime diastolic blood pressure standard deviation（nDSD），24-hour diastolic blood pressure standard deviations

（24 hDSD），etc〕，blood pressure circadian rhythm，HRV related parameters〔standard deviation of the mean RR intervals（SDANN），low frequency（LF），etc.〕，polysomnography parameters〔oxygen desaturation index（ODI），apnea hypopnea index（AHI），minimum oxygen saturation（MinSpO2），etc.〕. Multiple linear regression analysis were used to explore the influencing factors of HRV and BPV. Restricted cubic splines were used to test the correlation of the average blood pressure level，BPV and HRV related indicators with the risk of OSAHS. Multivariate Logistic regression model was used to analyze the influencing factors of OSAHS，and the screened factors were used to construct a nomogram for predicting OSAHS risk. The Bootstrap method was used to validate the performance of the internal and external groups in the nomogram model. And its predictive value for OSAHS risk in the two groups was assessed using the receiver operating characteristic（ROC）curve with the area under the curve（AUC）and other indicators calculated. Results Multiple linear regression analysis showed that BMI，ODI and MinSpO2 were independently associated with nSSD，nDSD or HRV related indices in hypertensive patients with OSAHS（Plt;0.05）. Restricted cubic splines revealed that BPV related indices had a nonlinear relationship with OSAHS，and so did HRV related indices（Plt;0.05）. Multivariate Logistic regression analysis showed that nSBP，nSSD，24 hDSD，SDANN，LF，age and BMI were associated with OSAHS in hypertensive patients（Plt;0.05）. The Bootstrap method showed that，the absolute error of the nomogram constructed using age，BMI，nSBP，nSSD，24 hDSD，SDANN and LF was 0.013 in internal verification group，and was 0.021 in external verification group，indicating that the model had good calibration. The values of the AUC of the nomogram in predicting the risk of OSAHS in hypertension in internal and external validation groups were 0.861〔95%CI（0.818，0.919），Plt;0.001〕 and 0.744〔95%CI（0.691，0.839），Plt;0.001〕，respectively. Conclusion OSAHS can increase the nSSD and nDSD and decrease HRV in hypertensive patients. Both HRV and BPV are closely related to the severity of OSAHS. Nocturnal hypoxia may be more likely to cause changes in blood pressure and heart rate. Our nomogram could be used to facilitate individualized prediction of OSAHS risk in hypertensive patients. HRV and BPV parameters might be powerful tools to screen for OSAHS.

【Key words】 Sleep apnea，obstructive；Hypertension；Blood pressure variability；Heart rate variability；Nomogram

阻塞性睡眠呼吸暫停低通氣綜合征（OSAHS）是一種以睡眠過程中反復出現上呼吸道塌陷為特征的常見睡眠呼吸紊亂性疾病。在FIETZE等［1］研究中，70歲以上的OSAHS患病率高達80%。HEINZER等［2］研究評估了40歲及以上人群中從輕度到重度OSAHS的患病率為72%。然而，由于公眾和衛生專業人員對OSAHS的認識水平較低，且用于診斷OSAHS的多導睡眠監測（PSG）費用昂貴、普及率低，估計有80%～90%的OSAHS患者仍未確診［3］。

有研究表明OSAHS是多系統性疾病的獨立危險因素，尤其是心血管疾病，50%的OSAHS患者有高血壓病程［4］。70%的頑固性高血壓患者合并有OSAHS，OSAHS和高血壓存在高度相關性［5-6］。OSAHS引起的低氧血癥易導致全身炎癥和氧化應激［7-8］，且周期性低氧血癥、頻繁覺醒和睡眠剝奪等臨床表現會導致交感神經激活，從而促進血壓升高［9］，引發心臟、腎臟等相關靶器官損害。此外，越來越多的數據表明靶器官損傷與患者的血壓變異性（BPV）有關［10］。BPV對全因死亡率和心血管結局具有較大的預后價值［10-11］。高血壓合并OSAHS可能會加劇血壓波動［12］，且低氧與動態血壓中BPV升高密切相關［13］。也有研究指出持續氣道正壓治療可改善OSAHS癥狀，顯著降低BPV［14-15］。另外，心率變異性（HRV）反映了人體自主神經系統的狀態，與心血管危險因素和死亡率相關［16］。OSAHS患者自主神經功能不平衡可能是其心血管風險增加的另一個潛在原因。研究發現，呼吸暫停后的HRV程度更高，心率明顯增加［17］。未接受治療的OSAHS患者自主神經活動明顯高于接受治療的患者［18］。因此，探討OSAHS對高血壓患者BPV和HRV的影響，不僅有助于了解高血壓合并OSAHS治療的有效性，甚至有可能應用于高血壓患者OSAHS的篩查。但目前關于OSAHS與高血壓患者BPV和HRV內在聯系的相關研究較少。基于此背景，本研究將探討OSAHS對高血壓患者HRV、BPV的影響，采用Logistic回歸分析方法探究高血壓患者OSAHS的影響因素，并構建預測高血壓患者發生OSAHS風險的列線圖模型，為篩查高血壓患者OSAHS患病和提高OSAHS及時診斷效率提供新的臨床依據。

1 資料與方法

1.1 研究對象 連續收集2018年1月—2020年12月中南大學湘雅二醫院收治的高血壓患者523例，依據納入、排除標準最終納入228例高血壓患者作為研究對象，根據OSAHS診斷標準將患者分為單純高血壓組（n=114）和高血壓合并OSAHS組（n=114）；另外收集2021年1—2月住院的34例高血壓伴或不伴OSAHS患者作為獨立的外部驗證組。本研究已通過中南大學湘雅二醫院研究倫理委員會的批準〔（2020）倫審第（研226）號〕，參與者均簽署書面知情同意書。

1.2 納入、排除標準及診斷標準

1.2.1 納入標準 （1）年齡為18～80歲；（2）符合高血壓病診斷標準者；（3）完成≥7 h PSG者；（4）完成24 h動態血壓及24 h動態心電圖監測者；（5）未進行OSAHS相關治療者。

1.2.2 排除標準 （1）繼發性高血壓患者，如腎實質性疾病、腎血管性疾病、內分泌性疾病（原發性醛固酮增多癥、腎上腺腺瘤、單側或雙側腎上腺增生、腎上腺或異位腺癌、嗜鉻細胞瘤、庫欣綜合征、甲狀腺功能亢進、甲狀腺功能減退、絕經期綜合征）、顱腦病變、藥物導致的高血壓；（2）有嚴重軀體疾病及精神、心理疾病者，如重癥感染、惡性腫瘤、心肺肝腎等臟器功能衰竭，顱腦神經系統疾病、周圍血管性疾病、嚴重的消化系統疾病；（3）影響HRV和BPV的疾病，如糖尿病、心房顫動、心房撲動、起搏器置入、支氣管哮喘、尿毒癥、帕金森病等；（4）長期嗜酒者，長期使用鎮靜、抗精神類藥物、影響自主神經功能藥物者。

1.2.3 診斷標準 （1）高血壓診斷標準：所有研究對象高血壓診斷嚴格參照《中國高血壓防治指南（2018年修訂版）》［19］：在未使用降壓藥物的情況下，非同日3次測量血壓，收縮壓≥140 mmHg

（1 mmHg=0.133 kPa）和/或舒張壓≥90 mmHg，

收縮壓≥140 mmHg和舒張壓lt;90 mmHg為單純收縮期高血壓；目前正在使用降壓藥，血壓正常，但有高血壓病程，也診斷為高血壓。（2）OSAHS診斷標準：OSAHS的診斷參照《阻塞性睡眠呼吸暫停低通氣綜合征診治指南（2011年修訂版）》［20］：每夜7 h睡眠過程中呼吸暫停及低通氣反復發作gt;30次，或呼吸暫停低通氣指數（AHI）≥5次/h，呼吸暫停事件以阻塞性為主，且伴有打鼾、呼吸暫停、日間嗜睡等典型癥狀。

1.3 研究方法

1.3.1 一般資料 收集患者的一般資料，包括年齡、性別、BMI、生化指標〔空腹血糖、肌酐、三酰甘油、總膽固醇、低密度脂蛋白膽固醇（LDL-C）、高密度脂蛋白膽固醇（HDL-C）〕、降壓藥物使用種類、高血壓病程。

1.3.2 24 h動態血壓監測 采用深圳博聲醫療ABP-06動態血壓監測儀進行測量，測量時間設置為6：00至22：00期間每30 min測1次，22：00至次日6：00

延長至每1 h測1次。收集患者的平均血壓水平〔24 h

收縮壓（24 hSBP）、24 h舒張壓（24 hDBP）、

日間收縮壓（dSBP）、日間舒張壓（dDBP）、夜間收縮壓（nSBP）、夜間舒張壓（nDBP）〕、BPV相關指標〔24 h收縮壓標準差（24 hSSD）、24 h舒張壓標準差（24 hDSD）、日間收縮壓標準差（dSSD）、日間舒張壓標準差（dDSD）、夜間收縮壓標準差（nSSD）、夜間舒張壓標準差（nDSD）〕和血壓晝夜節律〔血壓晝夜節律=（日間血壓平均值-夜間血壓平均值）/日間血壓平均值，當血壓晝夜節律為10%～20%記為杓型血壓，lt;10%記為非杓型血壓〕。

1.3.3 24 h動態心電圖監測 采用深圳博聲醫療iTengo動態心電記錄儀進行測量，監測時間≥80%的目標時間（即≥19.2 h）。并采用博聲動態分析系統（V 7.0）計算時域指標和頻域指標來反映HRV水平。時域指標包括：全部竇性心律RR間期的標準差（SDNN）、RR間期平均值的標準差（SDANN）、相鄰RR間差值的均方差（RMSSD）；頻域指標包括：低頻帶（LF）、高頻帶（HF）、LF/HF。

1.3.4 PSG參數 PSG采用加拿大Embla IPX2睡眠監測儀進行，收集患者的AHI、最低血氧飽和度（MinSpO2）、平均血氧飽和度（MeanSpO2）、氧減指數（ODI）、總的呼吸紊亂時間、平均暫停時間、最長呼吸暫停時間、總呼吸暫停時間、總低通氣時間、呼吸紊亂時長所占百分比。依據不同的OSAHS嚴重程度判斷標準將高血壓合并OSAHS組患者分為輕度亞組、中度亞組和高度亞組：（1）AHI標準：輕亞度組（5～20次/h，n=30）、中亞度組（21～40次/h，n=37）、重亞度組（gt;40次/h，n=47）；（2）MinSpO2標準：輕度亞組（85%～90%，n=28）、中度亞組（80%～lt;85%，n=35）、重度亞組（lt;80%，n=51）。比較不同嚴重程度高血壓合并OSAHS組患者的年齡、BMI（年齡、BMI為已知的OSAHS獨立危險因素［20］）、平均血壓水平、BPV和HRV相關指標的差異。

1.4 統計學方法 使用SPSS 24.0和R軟件進行統計學分析。符合正態分布的計量資料以（x-±s）表示，兩組間比較采用獨立樣本t檢驗，多組間比較采用單因素方差分析，組間兩兩比較采用LSD-t檢驗；計數資料以相對數表示，組間比較采用χ2檢驗；通過Pearson相關性分析和多元線性回歸分析探討BPV和HRV的相關影響因素，繪制限制性立方樣條圖檢驗高血壓患者平均血壓水平、BPV和HRV參數與OSAHS患病風險的相關性；采用多因素Logistic回歸分析高血壓患者發生OSAHS的影響因素，計算其比值比（OR）和95%置信區間（95%CI），并將存在統計學意義的影響因素納入預測高血壓患者患OSAHS風險的列線圖模型。采用Bootstrap方法檢驗內、外部驗證組在列線圖模型中的性能；采用受試者工作特征（ROC）曲線評估內、外部驗證組列線圖在高血壓患者OSAHS患病風險的預測價值，計算ROC曲線下面積（AUC）、靈敏度、特異度、最佳截斷值。以Plt;0.05為差異有統計學意義。

2 結果

2.1 單純高血壓組與高血壓合并OSAHS組患者臨床資料比較 228例高血壓患者中男168例（73.7%），女60例（26.3%）；平均年齡為（62.0±12.9）歲；BMI為（24.2±3.5） kg/m2。高血壓合并OSAHS組患者的BMI、24 hSBP、24 hDBP、nSBP、nDBP、24 hSSD、24 hDSD、nSSD、nDSD、非杓型血壓比例、LF/HF高于單純高血壓組，高血壓合并OSAHS組患者的SDNN、SDANN、RMSSD、LF、HF水平低于單純高血壓組，差異有統計學意義（Plt;0.05）；兩組患者的性別、年齡、空腹血糖、肌酐、總膽固醇、三酰甘油、LDL-C、HDL-C、高血壓病程、服用降壓藥物種類、dSBP、dDBP、dSSD、dDSD比較，差異無統計學意義（Pgt;0.05），見表1。

2.2 不同嚴重程度高血壓合并OSAHS組患者的年齡、BMI、平均血壓水平、BPV和HRV相關指標比較 AHI標準下，中度亞組患者的nSSD、nDSD、RMSSD和LF/HF水平高于輕度亞組，SDNN、LF、HF水平低于輕度亞組，差異有統計學意義（Plt;0.05）；重度亞組患者的BMI、nDBP、dSBP、dDBP、24 hSBP、nSSD、nDSD、dDSD、24 hSSD、RMSSD、LF/HF水平高于輕度亞組，SDNN、SDANN、LF、HF水平低于輕度亞組，差異有統計學意義（Plt;0.05）；重度亞組患者的BMI、nDBP、dSBP、dDBP、24 hSBP水平高于中度亞組，SDNN、SDANN、LF、HF水平低于中度亞組，差異有統計學意義（Plt;0.05），見表2。MinSpO2標準下，中度亞組患者的LF、HF水平低于輕度亞組，差異有統計學意義（Plt;0.05）；重度亞組患者的nSSD、nDSD、

24 hSSD、LF/HF水平高于輕度亞組，SDNN、LF、HF水平低于輕度亞組，差異有統計學意義（Plt;0.05）；重度亞組患者的nSSD、nDSD水平高于中度亞組，SDNN水平低于中度亞組，差異有統計學意義（Plt;0.05），見表3。

2.3 高血壓合并OSAHS組患者BPV相關影響因素分析 Person相關性分析結果顯示，高血壓合并OSAHS組患者的nSSD、nDSD水平與BMI、AHI、ODI水平呈正相關，與MinSpO2呈負相關（Plt;0.01），見表4。以Person相關性分析存在統計學意義的變量納入多元線性回歸分析模型，分別以nSSD、nDSD為因變量，以BMI、AHI、ODI、MinSpO2為自變量進行多元線性回歸分析（因變量、自變量賦值均為實測值），結果顯示，BMI、ODI、MinSpO2是高血壓合并OSAHS組患者nSSD、nDSD水平的獨立影響因素（Plt;0.05），見表5。

2.4 高血壓合并OSAHS組患者HRV相關影響因素分析 Person相關性分析結果顯示，高血壓合并OSAHS組患者SDNN、SDANN、RMSSD、LF、HF水平與BMI、AHI、ODI水平呈負相關，LF/HF水平與BMI、AHI、ODI水平呈正相關（Plt;0.05）；SDNN、RMSSD、LF、HF與MinSpO2水平呈正相關，LF/HF與MinSpO2呈負相關（Plt;0.05），見表6。以Person相關性分析存在統計學意義的變量納入多元線性回歸分析模型，分別以SDNN、SDANN、RMSSD、LF、HF、LF/HF為因變量，以BMI、AHI、ODI、MinSpO2為自變量進行多元線性回歸分析（因變量、自變量賦值均為實測值），結果顯示，BMI、ODI、MinSpO2是高血壓合并OSAHS組患者HRV相關指標的獨立影響因素（Plt;0.05），見表7。

2.5 列線圖預測模型構建 以OSAHS患病情況為因變量（賦值：未發生OSAHS=0，發生OSAHS=1），以平均血壓水平、BPV和HRV相關指標為自變量（賦值：實測值），控制混雜變量〔年齡、BMI、高血壓病程、服用降壓藥物種類（賦值均為實測值）〕，限制性立方樣條模型結果顯示，nSBP、nDBP、dSBP、dDBP、24 hSBP、24 hDBP、nSSD、nDSD、dSSD、24 hSSD、

24 hDSD、SDNN、SDANN、RMSSD、LF、HF、LF/HF與發生OSAHS存在非線性相關（Plt;0.05），掃描正文首頁二維碼查看附圖1。

以OSAHS患病情況為因變量（賦值：未發生OSAHS=0，發生OSAHS=1），以限制性立方樣條模型檢驗得出與OSAHS患病風險相關的指標（nSBP、nDBP、dSBP、dDBP、24 hSBP、24 hDBP、nSSD、nDSD、dSSD、24 hSSD、24 hDSD、SDNN、SDANN、RMSSD、LF、HF、LF/HF）和已知OSAHS獨立危險因素（年齡、BMI）為自變量（賦值：實測值），納入多因素Logistic回歸分析，結果顯示，nSBP、nSSD、24 hDSD、SDANN、LF、年齡、BMI是高血壓患者發生OSAHS的影響因素（Plt;0.05），見表8。將多因素Logistic回歸分析篩選出的變量納入列線圖預測模型，以高血壓患者是否患有OSAHS為結局變量，最終構建一個包含7個獨立預測因素（nSBP、nSSD、24 hDSD、SDANN、LF、年齡、BMI）的列線圖預測模型（圖1）。

2.6 列線圖的驗證 內、外部驗證組的樣本量分別為228、34，抽樣次數500次，Bootstrap方法驗證結果顯示，內部和外部驗證組的絕對誤差分別為0.013、0.021，表明列線圖模型的校準度良好。

2.7 列線圖在高血壓患者OSAHS患病風險中的預測價值 內部驗證組列線圖預測高血壓患者OSAHS患病風險的AUC為0.861〔95%CI（0.818，0.919），Plt;0.001〕，最佳截斷值為0.315，約登指數、靈敏度及特異度分別為0.228、84.2%和38.6%；外部驗證組列線圖預測高血壓患者OSAHS患病風險的AUC為0.744〔95%CI（0.691，0.839），Plt;0.001〕，最佳截斷值為0.350，約登指數、靈敏度和特異度分別為0.097、88.6%和21.1%，見圖2。

3 討論

研究表明OSAHS對高血壓患者個體和整個社會都造成了巨大的經濟和健康負擔［21］。但在高血壓患者中，有50%～90%的OSAHS患者未被診斷，在一些發展中國家比例更高［22］。這可能與大部分高血壓患者對疾病的認知不夠，以及非本專業的臨床醫務工作者對該病的危害不夠重視有關。加上OSAHS診斷過程復雜，導致OSAHS在高血壓患者中診治率低。

3.1 OSAHS對高血壓患者平均血壓水平、BPV的影響及BPV相關影響因素 本研究發現高血壓合并OSAHS患者的夜間相關血壓指標和24 h相關血壓指標的水平較單純高血壓患者升高，而且對夜間BPV相關指標有一定影響。有研究發現BPV增高與夜間血壓升高密切相關，甚至其與日間血壓升高存在一定相關性［23］。臨床上，夜間血壓和BPV升高以及非杓型模式都被認為是高血壓患者和普通患者晚期靶器官損害和后期致死性或非致死性心血管事件的重要預測因子［24］。在高血壓患者中，持續氣道正壓通氣（CPAP）的使用進一步降低了血壓，尤其是夜間血壓。CASTRO-GRATTONI等［25］的研究發現經CPAP治療后，在夜間高血壓和BPV相關指標異常的患者中觀察到血壓降低。這些研究結果表明BPV不僅可能成為高血壓合并OSAHS患者心血管死亡風險的獨立預測因子，還可能為醫務人員制訂個性化方案提供依據。

本研究以AHI和MinSpO2將OSAHS嚴重程度分級，均發現重度OSAHS患者的BPV相關指標高于輕、中度，說明OSAHS越嚴重，高血壓患者的血壓變異程度越高。BPV相關影響因素分析的結果發現，在高血壓合并OSAHS患者中，nSSD、nDSD與AHI呈正相關，這與既往研究結果相似［26］。此外，夜間缺氧（ODI、MinSPO2）與nSSD、nDSD的相關性高于AHI，多元線性回歸分析的結果也同樣顯示ODI、MinSPO2是高血壓合并OSAHS患者nSSD、nDSD的影響因素。TKACOV等［27］認為AHI和ODI均為獨立的高血壓預測因子，但ODI在預測高血壓方面優于AHI。單純以AHI判斷OSAHS病情存在不足，AHI反映呼吸事件的頻率，夜間缺氧代表呼吸事件的嚴重程度，這兩者相對獨立，但在預估患者心血管疾病風險時可能是互補的。本研究還發現BMI與nSSD、nDSD呈正相關，多元線性回歸分析結果也同樣顯示BMI是高血壓合并OSAHS患者nSSD、nDSD的影響因素。功能殘氣量（FRC）和呼氣儲備容量（ERV）的減少與肥胖呈正相關，肥胖會影響肺氧儲備［28］，有研究表明，OSAHS患者的胸外及外周氣道氣流阻力增加，肥胖的OSAHS患者尤為明顯［29］。因此，控制體質量不僅對OSAHS、高血壓原發病有益，或許還能改善患者BPV，降低靶器官損害風險。

3.2 OSAHS對高血壓患者HRV的影響及HRV相關影響因素 HRV是一種相對簡單易行的自主神經系統監測工具，可以預測患者發生心血管事件的風險。24 h相關HRV指標可以更好地反映心血管波動和反應性［30］。AYDIN等［31］和VéBER等［32］的研究都表明OSAHS患者HRV的時域指標顯著降低。既往研究也認為SDNN和RMSSD是OSAHS的重要預測指標［33-34］。本研究結果與之一致，高血壓合并OSAHS組患者的SDNN和RMSSD低于單純高血壓組。

HRV的頻域分析是目前評價心率自主調節的常用方法，具有相對較高的特異性和敏感性。本研究發現高血壓合并OSAHS組LF/HF水平較單純高血壓組增加，可以推測OSAHS使得高血壓患者自主神經系統失衡偏向交感側。但是本研究發現高血壓合并OSAHS組患者LF較單純高血壓組降低，以往部分研究對該結論存在爭議。CHANG等［35］、PALMA等［36］發現OSAHS組LF較單純高血壓組增加，但WIKLUND等［37］的研究發現OSAHS組LF低于單純高血壓組。對這一矛盾的解釋可能是盡管LF降低，但LF/HF卻較單純高血壓組升高，交感神經活動可能增加，伴生的副交感神經活動明顯減少導致的凈效應。

因此，與單純高血壓者比較，合并OSAHS患者整體HRV降低，可能觸發一系列心血管事件。CPAP治療顯著逆轉了上述變化［38］，CPAP對于心率快的患者降壓效果更明顯，且用β1受體阻滯劑阻斷OSAHS過度交感神經活動可降低臨床血壓和24 hDBP。這些結果表明，基于容易獲得的24 h動態心電圖的HRV分析，可能有助于識別OSAHS的存在。

3.3 建立高血壓患者OSAHS預測的列線圖模型 目前，研究者們已開發出大量的OSAHS預測量表和臨床預測模型，如柏林問卷（BQ）、STOP-Bang問卷（SBQ）、STOP問卷和Epworth嗜睡量表（ESS）［20］，但這些工具似乎不夠敏感或特異。此外，問卷調查包含一些主觀指標，可能會造成一定偏倚。LUO等［39］利用Logistic回歸模型建立了包含眾多主觀變量的列線圖，發現該列線圖對非OSAHS、中重度OSAHS和重度OSAHS的區分準確率分別為83.8%、79.9%和80.5%。因此本研究通過Logistic回歸構建高血壓患者OSAHS診斷模型，并建立列線圖。列線圖包括列7個項目，即年齡、BMI、nSBP、nSSD、24 hDSD、SDANN、LF。驗證結果表明，列線圖具有較好的準確性和判別能力，Bootstrap方法驗證結果顯示模型具有良好的預測效果，內、外部驗證組預測高血壓患者OSAHS患病風險的AUCgt;0.7，患者示例中2例患者的預測概率gt;80%。因此，本研究認為這一列線圖可作為一種有效的篩查工具，能識別存在OSAHS高風險的高血壓患者。

本研究有一定創新性，首先本研究分析了高血壓患者發生OSAHS的相關影響因素以及探討了OSAHS與高血壓患者BPV和HRV的內在聯系，其次建立了高血壓患者發生OSAHS風險的列線圖預測模型并進行內外部驗證，為早期識別OSAHS患病風險提供了一種新的篩查工具。但本研究也存在一定的局限性，納入的研究對象都來自同一個中心，且樣本量較小，仍有待擴大樣本量研究以及進一步驗證及優化列線圖，為OSAHS診治提供更多可靠依據。

綜上，本研究發現OSAHS可增加高血壓患者夜間血壓水平，改變其血壓晝夜節律，表現為非杓型血壓，并加重高血壓患者血壓和心率變異程度，夜間BPV和HRV可能與夜間缺氧密切相關；此外，本研究建立了高血壓患者發生OSAHS分析的列線圖預測模型，BPV和HRV或許可嘗試作為OSAHS篩查工具，為OSAHS的診治提供更便捷、更經濟的新手段。

作者貢獻：費敏、雷思和羅熒荃提出研究思路，設計研究方案，包括某個具體觀點或方法的提出；費敏、許琰和葉云負責研究過程的實施，包括調查對象的選取、樣本的采集、相關檢測等；費敏、卓慧負責數據收集、采集、清洗；雷思負責統計學分析、繪制圖表等；費敏、雷思負責論文起草；張慧、羅熒荃對整體研究方案、設計、研究實施過程、論文起草、修訂等進行指導，對論文整體負責。

本文無利益沖突。

參考文獻

FIETZE I，LAHARNAR N，OBST A，et al. Prevalence and association analysis of obstructive sleep apnea with gender and age differences - Results of SHIP-Trend［J］. J Sleep Res，2019，

28（5）：e12770. DOI：10.1111/jsr.12770.

HEINZER R，VAT S，MARQUES-VIDAL P，et al. Prevalence of sleep-disordered breathing in the general population：the HypnoLaus study［J］. Lancet Respir Med，2015，3（4）：310-318. DOI：10.1016/S2213-2600djr（15）00043-0.

CHANG H P，CHEN Y F，DU J K. Obstructive sleep apnea treatment in adults［J］. Kaohsiung J Med Sci，2020，36（1）：7-12. DOI：10.1002/kjm2.12130.

HOSHIDE S，KARIO K，CHIA Y C，et al. Characteristics of hypertension in obstructive sleep apnea：an Asian experience［J］.

J Clin Hypertens（Greenwich），2021，23（3）：489-495. DOI：10.1111/jch.14184.

JEHAN S，ZIZI F，PANDI-PERUMAL S R，et al. Obstructive sleep apnea，hypertension，resistant hypertension and cardiovascular disease［J］. Sleep Med Disord，2020，4（3）：67-76.

GONZAGA C C，GADDAM K K，AHMED M I，et al. Severity of obstructive sleep apnea is related to aldosterone status in subjects with resistant hypertension［J］. J Clin Sleep Med，2010，6（4）：363-368.

OYARCE M P，ITURRIAGA R. Contribution of oxidative stress and inflammation to the neurogenic hypertension induced by intermittent hypoxia［J］. Front Physiol，2018，9：893. DOI：10.3389/fphys.2018.00893.

IMES C C，BANIAK L M，CHOI J，et al. Correlates of endothelial function in older adults with untreated obstructive sleep apnea and cardiovascular disease［J］. J Cardiovasc Nurs，2019，34（1）：E1-7. DOI：10.1097/JCN.0000000000000536.

ZIEGLER M G，MILIC M. Sympathetic nerves and hypertension in stress，sleep apnea，and caregiving［J］. Curr Opin Nephrol Hypertens，2017，26（1）：26-30. DOI：10.1097/MNH.0000000000000288.

MARRONE O，BONSIGNORE M R. Blood-pressure variability in patients with obstructive sleep apnea：current perspectives［J］. Nat Sci Sleep，2018，10：229-242. DOI：10.2147/NSS.S148543.

SHI J，PIAO J Y，LIU B，et al. Obstructive sleep apnea increases systolic and diastolic blood pressure variability in hypertensive patients［J］. Blood Press Monit，2017，22（4）：208-212. DOI：10.1097/MBP.0000000000000259.

CAMARGO S，RIEDL M，ANTENEODO C，et al. Sleep apnea-hypopnea quantification by cardiovascular data analysis［J］. PLoS One，2014，9（9）：e107581. DOI：10.1371/journal.pone.0107581.

IMAIZUMI Y，EGUCHI K，TAKETOMI A，et al. Exaggerated blood pressure variability in patients with pneumoconiosis：a pilot study［J］. Am J Hypertens，2014，27（12）：1456-1463. DOI：10.1093/ajh/hpu073.

SHIINA K，TOMIYAMA H，TAKATA Y，et al. Obstructive sleep apnea as possible causal factor for visit-to-visit blood pressure variability［J］. Circ J，2016，80（8）：1787-1794. DOI：10.1253/circj.CJ-16-0302.

PENGO M F，RATNESWARAN C，BERRY M，et al. Effect of continuous positive airway pressure on blood pressure variability in patients with obstructive sleep apnea［J］. J Clin Hypertens（Greenwich），2016，18（11）：1180-1184. DOI：10.1111/jch.12845.

LOMBARDI C，PENGO M F，PARATI G. Obstructive sleep apnea syndrome and autonomic dysfunction［J］. Auton Neurosci，2019，221：102563. DOI：10.1016/j.autneu.2019.102563.

URBANIK D，GAC' P，MARTYNOWICZ H，et al. Obstructive sleep apnea as a predictor of reduced heart rate variability［J］. Sleep Med，2019，54：8-15. DOI：10.1016/j.sleep.2018.09.014.

CIPRIANO L H C，BORGES Y G，MILL J G，et al. Effects of short-term aerobic training versus CPAP therapy on heart rate variability in moderate to severe OSA patients［J］. Psychophysiology，2021，58（4）：e13771. DOI：10.1111/psyp.13771.

中國高血壓防治指南修訂委員會，高血壓聯盟（中國），中華醫學會心血管病學分會，等. 中國高血壓防治指南（2018年修訂版）［J］. 中國心血管雜志，2019，24（1）：24-56. DOI：10.3969/j.issn.1007-5410.2019.01.002.

中華醫學會呼吸病學分會睡眠呼吸障礙學組. 阻塞性睡眠呼吸暫停低通氣綜合征診治指南（2011年修訂版）［J］. 中華結核和呼吸雜志，2012，35（1）：9-12. DOI：10.3760/cma.j.issn.1001-0939.2012.01.007.

GONZAGA C，BERTOLAMI A，BERTOLAMI M，et al. Obstructive sleep apnea，hypertension and cardiovascular diseases［J］. J Hum Hypertens，2015，29（12）：705-712. DOI：10.1038/jhh.2015.15.

WANG L，CAI A P，ZHANG J W，et al. Association of obstructive sleep apnea plus hypertension and prevalent cardiovascular diseases：a cross-sectional study［J］. Medicine（Baltimore），2016，95（39）：e4691. DOI：10.1097/MD.0000000000004691.

SU D F，MIAO C Y. Reduction of blood pressure variability：a new strategy for the treatment of hypertension［J］. Trends Pharmacol Sci，2005，26（8）：388-390. DOI：10.1016/j.tips.2005.06.003.

BLOOMFIELD D，PARK A. Night time blood pressure dip［J］. World J Cardiol，2015，7（7）：373-376. DOI：10.4330/wjc.v7.i7.373.

CASTRO-GRATTONI A L，TORRES G，MARTíNEZ-ALONSO M，et al. Blood pressure response to CPAP treatment in subjects with obstructive sleep apnoea：the predictive value of 24-h ambulatory blood pressure monitoring［J］. Eur Respir J，2017，50（4）：1700651. DOI：10.1183/13993003.00651-2017.

STEINHORST A P，GON?ALVES S C，OLIVEIRA A T，et al. Influence of sleep apnea severity on blood pressure variability of patients with hypertension［J］. Sleep Breath，2014，18（2）：397-401. DOI：10.1007/s11325-013-0899-z.

TKACOVA R，MCNICHOLAS W T，JAVORSKY M，et al. Nocturnal intermittent hypoxia predicts prevalent hypertension in the European Sleep Apnoea Database cohort study［J］. Eur Respir J，2014，44（4）：931-941. DOI：10.1183/09031936.00225113.

DIXON A E，PETERS U. The effect of obesity on lung function［J］. Expert Rev Respir Med，2018，12（9）：755-767. DOI：10.1080/17476348.2018.1506331.

ABDEYRIM A，ZHANG Y P，LI N F，et al. Impact of obstructive sleep apnea on lung volumes and mechanical properties of the respiratory system in overweight and obese individuals［J］. BMC Pulm Med，2015，15：76. DOI：10.1186/s12890-015-0063-6.

KIM Y S，KIM S Y，PARK D Y，et al. Clinical implication of heart rate variability in obstructive sleep apnea syndrome patients［J］. J Craniofac Surg，2015，26（5）：1592-1595. DOI：10.1097/SCS.0000000000001782.

AYDIN M，ALTIN R，OZEREN A，et al. Cardiac autonomic activity in obstructive sleep apnea：time-dependent and spectral analysis of heart rate variability using 24-hour Holter electrocardiograms［J］. Tex Heart Inst J，2004，31（2）：132-136.

VéBER O，LENDVAI Z，RONAI K Z，et al. Obstructive sleep apnea and heart rate variability in male patients with metabolic syndrome：cross-sectional study［J］. Metab Syndr Relat Disord，2014，12（2）：117-124. DOI：10.1089/met.2013.0111.

GONG X H，HUANG L D，LIU X，et al. Correlation analysis between polysomnography diagnostic indices and heart rate variability parameters among patients with obstructive sleep apnea hypopnea syndrome［J］. PLoS One，2016，11（6）：e0156628. DOI：10.1371/journal.pone.0156628.

FLEVARI A，VAGIAKIS E，ZAKYNTHINOS S. Heart rate variability is augmented in patients with positional obstructive sleep apnea，but only supine LF/HF index correlates with its severity［J］. Sleep Breath，2015，19（1）：359-367. DOI：10.1007/s11325-014-1029-2.

CHANG J S，LEE S D，JU G，et al. Enhanced cardiorespiratory coupling in patients with obstructive sleep apnea following continuous positive airway pressure treatment［J］. Sleep Med，2013，

14（11）：1132-1138. DOI：10.1016/j.sleep.2013.04.024.

PALMA J A，IRIARTE J，FERNANDEZ S，et al. Long-term continuous positive airway pressure therapy improves cardiac autonomic tone during sleep in patients with obstructive sleep apnea［J］. Clin Auton Res，2015，25（4）：225-232. DOI：10.1007/s10286-015-0297-7.

WIKLUND U，OLOFSSON B O，FRANKLIN K，et al. Autonomic cardiovascular regulation in patients with obstructive sleep apnoea：a study based on spectral analysis of heart rate variability［J］. Clin Physiol，2000，20（3）：234-241. DOI：10.1046/j.1365-2281.2000.00251.x.

NASTAEK P，BOCHENEK G，KANIA A，et al. Heart rate variability in the diagnostics and CPAP treatment of obstructive sleep apnea［J］. Adv Exp Med Biol，2019，1176：25-33. DOI：10.1007/5584_2019_385.

LUO M，ZHENG H Y，ZHANG Y，et al. A nomogram for predicting the likelihood of obstructive sleep apnea to reduce the unnecessary polysomnography examinations［J］. Chin Med J（Engl），2015，128（16）：2134-2140. DOI：10.4103/0366-6999.162514.

（收稿日期：2022-12-04；修回日期：2023-03-03）

（本文編輯：王世越）