阻塞性睡眠呼吸暫停疾病管理平臺的構建與應用

呂詠家，屠國金，朱勝霞，朱新建，沈玉強，周慶利

浙江大學醫學院附屬第四醫院 a. 信息中心；b. 呼吸與危重癥醫學科，浙江 義烏 322000

引言

阻塞性睡眠呼吸暫停（Obstructive Sleep Apnea，OSA）是由于睡眠期間上氣道反復塌陷、阻塞引起的呼吸暫停和通氣不足，進而導致睡眠結構紊亂、間歇性低氧、高碳酸血癥、胸腔內壓力波動增加、自主神經系統功能失衡以及炎癥激活[1]。流行病學調查顯示，西方國家中年男性OSA 發病率為14%，中年女性OSA 發病率約5%[2]。目前，我國OSA 發病率及患者人數居高不下，以睡眠呼吸暫停低通氣指數（Apnea-Hypopnea Index，AHI）≥5 次/h 為標準，OSA 患者人數約有1.76 億，其中6000 多萬需要積極治療[3]。由于我國OSA 患者診斷率和治療率均不足1%，大多數患者無法得到及時有效的診療[4]。美國睡眠醫學會發表的《關于使用遠程醫療診斷和治療睡眠障礙的立場文件》也強調了OSA 患者長期治療和有效管理的重要性[5]。

目前，傳統醫療模式已無法實現OSA 常態化早期篩查、評估治療效果及病情變化隨訪的功能[6]；遠程監測、治療和長期管理OSA 人群，對于簡化疾病診斷、改善患者預后及減輕醫療負擔有重要作用。為此，李晨洋等[7]構建了基于REDCap 數據庫的呼吸機干預隨訪系統，但其并未實現集篩查、診斷、治療及隨訪于一體的OSA 患者全流程管理。因此，本研究借助醫院信息系統設計了滿足OSA 臨床診療需求的全流程管理系統，以達到早期發現、早期干預、主動管理的目的；通過平臺優化診療方法，更好地改善患者日間癥狀和生活質量，提高診治效率，提高患者的治療依從性。通過構建本系統以實現新的醫療健康服務模式，將有利于建立大眾化技術服務網絡[8]，并提高醫院健康保障和服務能力。

1 需求分析

1.1 數據管理需求

研究顯示，OSA 會導致人體免疫力下降，引發其他健康問題，與高血壓、糖尿病、心房顫動、動脈粥樣硬化及缺血性腦卒中等疾病密切相關[9-12]，并會對患者產生嚴重的生理和心理影響。根據本院調查發現，醫院呼吸與危重癥醫學科、精神衛生科等臨床科室均接診過OSA 患者，其睡眠數據信息分散在各就診科室。當前，全面整合全院OSA 患者數據并構建OSA 專病數據庫的需求愈發迫切：① 統一管理睡眠監測信息、疾病篩查信息及隨訪信息等OSA患者信息數據，整理包括隨訪信息、入院記錄、病程記錄、檢查報告、檢測報告、電子病案及影像數據等結構化、半結構化與非結構化數據，以提供數據查詢、數據可視化分析等功能[13]；② 周期性與臨床系統自動對接，實現對平臺數據的持續更新；③ 患者數據進行隱私處理，以保證患者的信息安全。

1.2 篩查與隨訪功能需求

目前醫院OSA 患者入院診治流程為：患者門診就診后，進行實驗室多導睡眠監測（Polysomnography，PSG）或家庭睡眠呼吸暫停監測（Home Sleep Apnea Test，HSAT）檢查，確診后由醫生確定治療方式，而后進行門診隨訪。僅依賴患者就診于醫院的單一途徑來進行OSA 的診療，顯然無法滿足實際需求。為此，有必要開展早期篩查，將OSA 防治關口前移。因此，需針對具有OSA 典型癥狀、體征、相關合并疾病以及圍手術期的OSA 高危人群進行篩查[14]。而無創正壓通氣（Positive Airway Pressure，PAP）作為臨床一線治療方式，僅通過門診隨訪，患者的治療依從性較差，并不能堅持長期應用。因此，需要在OSA 患者的PAP 治療初始階段就進行遠程監測和隨訪，監測包括PAP 使用時長、AHI、漏氣量及治療參數等指標[15]，將OSA 作為慢性疾病進行管理，治療數據由患者自行上傳或由網絡同步至交互平臺，睡眠管理醫生通過該平臺查閱并進行遠程隨訪。

2 系統構建

2.1 業務流程

為滿足上述臨床需求，基于現有診療流程，結合成人OSA 多學科診療指南、專家共識等標準規范[1-2,6,14]，設計OSA 疾病全流程管理平臺工作流程，見圖1。

圖1 OSA疾病全流程管理平臺工作流程

（1）患者就診分為門診就診和社區就診兩種情況，若患者前往門診就診，由醫護人員建立患者信息檔案；若為非睡眠中心門診中的疑似患者，需先對其進行篩查，根據篩查結果確定為高危人群后，建議至醫院睡眠中心進一步就診。

（2）患者前往睡眠中心，由醫護人員選擇患者在睡眠中心進行PSG 或在中心外進行HSAT。根據監測結果，醫護人員錄入OSA 檢查報告。

（3）醫生確定治療方案和隨訪計劃后上傳至平臺。若選擇呼吸機治療，系統將根據時間節點向患者推送短信，提醒其填寫相關呼吸機數據，同時數據會實時更新，以便醫生及時查看。當出現危急值時，系統將信息推送至醫生處確認后，發送短信提醒患者及時回醫院進行復診。

（4）選擇一般治療，如減重治療，系統通過短信形式提醒患者填寫每日飲食和體育鍛煉的信息；若選擇外科手術治療，醫護人員會將手術詳情上傳至系統，手術結束后，系統推送短信詢問患者術后情況，如出現睡眠異常則系統將建議醫生優化治療方案。

2.2 業務架構設計

本平臺采用Java 語言進行開發，運用了SSM（Spring+SpringMVC+MyBatis）框架和Thymeleaf 模板引擎搭建后臺架構，并結合Apache Shiro 權限框架配合實現安全性控制。前端采用Bootstrap框架提升用戶體驗，持久層框架采用MyBatis 實現與MySQL 數據庫的交互。系統配置2 G 以上內存，操作系統為Windows7 以上。

基于功能需求和業務流程設計平臺的整體架構，見圖2。數據層對應數據的同步、讀取、緩存等操作；交互層描述疾病全流程管理系統的實現業務，主要包括患者管理、隨訪信息錄入、數據可視化、手術記錄、預警提醒以及疾病數據分析等，通過醫院數據集成平臺，獲取電子病歷系統、實驗室信息管理系統、影像歸檔和通信系統等業務系統內容，并與之交互；應用層實現系統核心功能，包括用戶信息管理、高危人群篩查、睡眠監測、干預隨訪服務等；通過PC 端和移動端，面向各級醫療單位、醫護人員、患者等用戶進行使用。

圖2 系統架構圖

系統使用者包括系統管理員、臨床醫生、醫技人員和患者4 類。系統管理員主要負責系統的人員管理和權限；臨床醫生使用系統進行信息的增、刪、改、查，并使用系統與患者進行遠程隨訪；醫技人員負責判別患者的睡眠監測情況并將信息錄入系統，同時輔助醫生進行呼吸機使用隨訪工作；患者可登錄系統查看自身疾病信息并上傳治療信息。基于醫院數據中心構建的OSA 全病程管理平臺，可以實現“篩查-診斷-治療-預后”的疾病全周期管理，為患者提供更及時、高效的診療及隨訪服務，從而提升患者對醫療服務的滿意度。

3 功能實現

3.1 數據庫建設

3.1.1 數據采集

支持多模態數據源采集，進行數據抽取、傳輸和加載，并進行原始數據的清洗、映射及格式轉換。以患者單次就診為例，平臺支持記錄患者健康檔案、生命體征的變化以及與健康相關的一切行為與事件，包括生活習慣、以往病史、診治情況、家屬病史、現病史、歷次診療經過以及歷次體檢結果等[16-17]。通過關聯患者在不同系統（電子病歷、檢驗、檢查、用藥等）中的數據，建立完整的患者數據模型，并在不影響醫院現有系統的基礎上實現業務數據的自動更新。本研究系統能夠在院內任何聯網計算機終端上實現多源異構數據的采集、統計分析，以及評估數據質量及字段映射準確率；同時，可進行數據調閱和科研使用，并支持數據溯源，支持圖形化方式展示最終數據字段與原始數據字段之間的關系、數據計算邏輯及中間計算結果，為用戶提供直觀、清晰的解讀。平臺患者信息界面如圖3 所示。

圖3 平臺患者信息界面

3.1.2 數據可視化實現

患者全周期視圖包含門診記錄、檢查報告、隨訪數據等信息，實現單個患者從就診至治療結束的全程信息展示，所有數據根據時間節點進行關聯。通過對患者診斷治療信息進行數據統計和挖掘，實時加載并刷新數據進行計算，以時間軸等形式展示患者各類數據的分布和趨勢。患者治療一段時間后，可以查看疾病指標隨時間的變化，使醫生快速了解患者身體數據的變化，如疾病關鍵指標AHI、最低SpO2及呼吸機治療的相關數據。可視化分析界面如圖4 所示，可視化分析是挖掘數據價值的有效工具，通過此功能可以讓醫生對患者的病情和治療狀況進行全面評估。

圖4 患者隨訪時間軸界面

3.2 診前篩查模塊

為了將OSA 防治關口前移，通過平臺進一步篩查具有OSA 典型癥狀、體征、相關合并疾病以及圍手術期的高危人群，篩查場景包括社區、醫院內非睡眠專科、體檢中心、妊娠期[18]等。醫生可通過微信公眾平臺或短信向患者推送STOP-BANG 量表、Epworth 嗜睡量表等OSA 篩查量表，或利用Ⅳ型睡眠監測設備進行初篩或診斷。系統可實現患者相關診療數據的互聯互通，以便上級醫院隨時查看。對于醫院內非睡眠?？?，例如精神衛生科，除相關睡眠量表外，同時會向患者推送焦慮自評量表、抑郁自評量表等量表，以便精神心理?？漆t生對臨床中可能共病OSA 的抑郁障礙患者進行篩查。

3.3 睡眠監測模塊

平臺具備遠程監測功能，可兼容接入PSG、HSAT等診斷設備，監測內容包括口鼻呼吸氣流、心電、腦電、SpO2、胸腹呼吸運動以及其他檢測信號。針對平臺暫未支持接入的遠程監測設備，系統支持手動上傳監測信息，并支持補充患者睡眠相關的其他醫院的監測數據，醫生團隊后續可對報告進行查看、增加、修改及刪除操作。上傳文字版報告后，系統可以自動讀取報告中的關鍵睡眠數據，在系統中直觀呈現，并對其進行初步統計學分析。遠程監測采集的數據經醫生確認后，將納入患者檔案，后續根據患者具體情況動態調整治療方案。

3.4 隨訪管理模塊

隨訪管理模塊將輔助醫生對患者進行定期隨訪。有研究表明，患者主動發送短信有助于提高呼吸機治療的依從性[19]?；诖?，醫生可以自定義創建隨訪計劃，單條計劃任務包括隨訪周期、干預形式、干預內容等信息。隨訪內容通過“浙大四院”公眾號或短信直接推送給患者，患者可根據周期記錄使用和未使用PAP 的天數及具體的使用時長、AHI、漏氣量數據，平臺提供呼吸機使用指導，呼吸機信息記錄如圖5 所示。醫護人員可以獲得隨訪對象的實時動態（在院或離院等），指導患者的健康行為，同時支持以電話或短信等方式高效完成隨訪，及時獲得病情反饋。醫生監控患者使用呼吸機情況，并指導調整呼吸機參數，提供治療建議。

圖5 呼吸機信息記錄

3.5 預警提醒

預警包括自動和手動雙重模式。在自動推送模式下，通過系統給某些疾病指標設置閾值，若患者反饋的數據超過閾值，系統將自動通過短信和微信公眾平臺向患者推送信息，并同步推送提醒醫生。例如，當患者使用呼吸機治療兩周后，其AHI 數值仍處于≥30 次/h 的水平，系統則會提醒患者攜帶呼吸機回院復診。在手動推送模式下，患者可通過個人端向系統反饋疾病和治療相關的異常情況，系統將收取的信息反饋給醫生，醫生據此決定是否調整治療方案或通過短信提醒患者回院復診等。

4 系統應用

本平臺實現了對1238 例患者OSA 歷史疾病數據的集成與管理，包括758 例精神衛生科患者的疾病數據和480 例呼吸與危重癥醫學科患者疾病數據，并建立了OSA 專病數據庫。平臺上線后，通過對臨床醫生使用平臺的過程進行跟蹤，記錄患者在隨訪過程中關鍵睡眠指標的變化、進行家用呼吸機治療的依從性，對使用平臺后疾病管理的改善情況進行分析，評估OSA 專病平臺的構建對臨床管理水平提升的效果。

4.1 研究資料

選取2020 年9 月至2022 年9 月在我院確診為OSA并進行呼吸機治療的71 例患者作為研究對象，將系統上線前的就診患者設為對照組，采用常規門診隨訪；系統上線后的就診患者設為觀察組，依托OSA 平臺進行隨訪。對照組男31 例、女5 例，年齡33～68 歲，平均年齡（48.63±10.46）歲；觀察組男31 例、女4 例，年齡32～67 歲，平均年齡（51.11±11.03）歲。兩組患者性別、年齡差異無統計學意義，具有可比性。

4.2 評價指標

（1）收集兩組患者AHI、睡眠效率以評估疾病的改善程度。其中，睡眠效率=睡眠總時間/總記錄時間。

（2）根據隨訪內容，對兩組患者是否堅持使用呼吸機、是否定期參與隨訪、是否按時返院進行復查等指標進行收集并分析。其中，堅持使用呼吸機定義為：患者有＞70%的夜晚使用呼吸機的時間＞4 h。

4.3 統計學分析

采用SPSS 26.0軟件進行統計分析，計數資料用n（%）表示，行χ2檢驗；計量資料以±s表示，采用獨立樣本t檢驗，以P＜0.05 為差異有統計學意義。

4.4 應用效果

如表1 所示，觀察組患者的AHI 低于對照組，睡眠效率高于對照組，且差異均有統計學意義（P＜0.05）。觀察組患者堅持使用呼吸機、按時參與隨訪、按時返院復查人數均高于對照組，且差異均有統計學意義（P＜0.05），見表2。

表1 兩組患者疾病指標比較（±s）

表1 兩組患者疾病指標比較（±s）

注：AHI：睡眠呼吸暫停低通氣指數。

組別AHI/（次/h） 睡眠效率/% 最低血氧/%對照組（n=36） 4.97±3.73 78.33±16.39 88.48±0.05觀察組（n=35） 1.49±1.12 88.06±6.34 88.89±0.06 t值13.50719.0500.315 P值＜0.001＜0.0010.754

表2 兩組患者治療依從性比較[n（%）]

5 討論與總結

OSA 作為一種常見的慢性病，開展集診斷、治療及隨訪管理一體化的醫療模式具有重要意義。隨著數字醫療的不斷發展，運用信息化手段優化診療流程已成為未來發展的必然趨勢。開展OSA 疾病遠程篩查、家庭治療和管理，可以突破時間和空間限制，顯著提升醫療服務能力，將優質的醫療資源與服務拓展至社區及邊遠地區。

在以往的研究中，鄧則海[20]依托睡眠呼吸監測平臺對OSA 患者進行治療指導，可以及時解決患者呼吸機使用過程中出現的問題，提高患者呼吸機使用依從性。李晨洋等[7]利用REDCap 數據庫搭建OSA 患者隨訪系統，為調查研究提供了一個便利、高效的數據管理工具，但以上研究并未實現集篩查、診斷、治療及隨訪于一體的OSA 患者全流程管理。本研究設計的OSA 專病平臺整合了患者從門診就診到院外隨訪的全流程診療信息，實現了OSA 患者信息的統一化管理，以時間為主線梳理診療數據，為醫生診療提供數據支撐，有助于優化診療方案，節省醫護人員工作時間，提高工作效率。同時，平臺提供靈活的隨訪流程配置，針對不同情況的患者提供個性化的健康服務，隨訪人員可自定義隨訪表單，根據隨訪需求快速開展隨訪工作。此外，通過智能可穿戴設備和家用便攜式醫療設備，遠程采集受檢者的健康數據，豐富患者的治療信息，使醫生能夠長期、全面地了解患者的治療情況；同時，平臺支持多種診療信息與多位患者數據的聯合導出，為研究人員進行醫學統計分析提供有力工具。研究結果表明，平臺應用后，關鍵疾病指標得到改善，患者治療的依從性提高。

本研究平臺目前運行良好，但也存在一些不足：① 由于患者選擇的呼吸機品牌和類型不統一，目前還無法將系統與呼吸機兩者完全兼容，呼吸機的數據需要依靠患者手動上傳或使用讀卡器讀取SD 卡內的數據文件上傳至平臺；② 系統目前僅在醫共體醫院實現了初步的分級診療模式，尚未成功實現跨醫院的數據聯通。在下一階段的平臺優化中，將致力于把平臺推廣到更多基層醫院和睡眠中心，開展普及全民的睡眠健康管理，提高預警和篩查效果，提高大眾整體健康水平。未來將進行患者的實證研究，利用獲取的數據驗證OSA 遠程隨訪的效果，檢驗平臺效果并不斷優化功能，有效保障患者健康。

OSA 疾病管理平臺的建設，有助于醫務人員早期篩查更多高危人群、對患者實施個性化的精準健康管理，達到早期發現、早期干預、主動管理的目的，提升臨床醫生的診療工作效率，提高疾病管理水平，從而提高醫院健康保障和服務能力。