睡眠呼吸暫停會導致患者心跳呼吸驟停、睡眠節(jié)律紊亂、夜間低血氧和血壓異常波動，最終導致高血壓患者夜間靶器官損害。阻塞性睡眠呼吸暫停低通氣綜合征（OSAHS）發(fā)病率極高，嚴重影響了患者的身心健康。

《生物醫(yī)學工程學雜志》發(fā)布相關研究，嘗試從24小時動態(tài)血壓數(shù)據(jù)中提取與 OSAHS相關的特征，通過機器學習模型識別OSAHS，從而實現(xiàn)該疾病的鑒別診斷。

阻塞性睡眠呼吸暫停低通氣綜合征（ OSAHS） 是指患者在睡眠過程中反復出現(xiàn)呼吸暫停和低通氣，臨床上可表現(xiàn)為打鼾且鼾聲不規(guī)律，患者自覺憋氣甚至反復被憋醒，常伴有夜尿增多、晨起頭痛頭暈和口咽干燥等一系列癥候群。臨床上OSAHS診斷的金標準是整夜多導睡眠監(jiān)測（PSG），盡管PSG監(jiān)測已在很多三甲醫(yī)院應用，但因其監(jiān)測的整夜封閉性和診斷的專業(yè)復雜性，相當一部分基層醫(yī)療機構并不具備監(jiān)診條件，而 24 h 動態(tài)血壓監(jiān)測（ABPM）在一般醫(yī)院則更為普及。

正常人24h內血壓呈“兩峰一谷”的節(jié)律性波動，即于凌晨3~4時降至最低點后逐漸上升，分別于日間上午 8~10時和下午16~18時出現(xiàn)峰值，而后繼續(xù)緩慢降低直至次日凌晨。血壓的監(jiān)測數(shù)據(jù)表明晝夜節(jié)律的改變與OSAHS 的發(fā)生密切相關，異常夜間血壓模式的量化參數(shù)可能是人群中篩查 OSAHS 的有效指標 ，這提示了 OSAHS 的預測或許可從監(jiān)測動態(tài)血壓中獲益?，F(xiàn)已明確高血壓合并OSAHS的患者中非杓型血壓所占比例較高，且夜間血壓異常是OSAHS患者的特征性表現(xiàn)之一，一項系統(tǒng)評價表明OSAHS的患病率高達 3.93%，而OSAHS可使血壓非杓型改變的可能性至少提升1.5倍，這大大增加了患者靶器官損害的風險。綜上，研發(fā)出一項基于24小時動態(tài)血壓從而便于基層醫(yī)院推廣和應用的、可媲美PSG監(jiān)測效能的OSAHS早期篩查手段迫在眉睫。

研究者表示，近年來， 一些研究也使用動態(tài)血壓特征進行 OSAHS 的 篩查識別，Torres 等使用 ABPM 數(shù)據(jù)獲得的分類模型為 OSAHS 的早期篩查提供了一定的手段。由于動態(tài)血壓時間序列沒有明顯的趨勢和短暫的季節(jié)性，目前尚沒有較為統(tǒng)一和成熟的定量分析動態(tài)血壓數(shù)據(jù)的方法，我們發(fā)現(xiàn)以往的方法多考慮曲線擬合的規(guī)律性，通過擬合趨勢的方法尋找其中隱含的信息，并不能很好地反映OSAHS導致的血壓變化特點。我們認為在動態(tài)血壓特征提取方面充分考慮OSAHS的臨床特點，針對性地提取相應的表征變化模式的參數(shù)可能有助于 OSAHS 準確篩查。本研究首先由睡眠醫(yī)學專家針對 OSAHS 的血壓變化模式制定特征提取的規(guī)則；再由工程技術人員設計開發(fā)算法提取那些真實反映疾病變化的特征，使用統(tǒng)計分析和機器學習模型分析數(shù)據(jù)，最后在真實世界數(shù)據(jù)集上驗證模型性能。

結果

如表 2 所示，現(xiàn)有動態(tài)血壓報告特征方面，相比非 OSAHS 組，OSAHS 組的日間平均舒張壓、夜間平均收縮壓和夜間最小收縮壓顯著增加，且24 小時收縮壓負荷更大，夜間收縮壓下降率更小，提示OSAHS 患者的夜間血壓不下降且收縮壓表現(xiàn)更明顯，OSAHS 導致的不利影響可能是白天舒張壓增高的重要原因。本文提出的特征方面，OSAHS組的二次血壓上升斜率更大，其收縮壓晨峰較非OSAHS 組更晚且時間分布更分散，平均壓下降持續(xù)時間更短， 提示 OSAHS 組血壓波動更為劇烈。構建二分類 logistic 回歸模型時，在不包含性別、 年齡、 患合并癥等條件下將特征進行標準化，使用遞歸特征消除（RFE） 的方式選擇特征，分類器選用 LR 模型，參數(shù)采用默認設置；接著使用 lightGBM 模型進行特征重要性排序，以此選擇最佳特征及其重要性得分，如圖 3 所示。

將選擇的特征分別輸入 LR、 SVM、 XGBoost 以及 light GBM 模型中進行訓練和測試， 模型評估指標如表 3 和圖 4 所示。研究的 lightGBM 模型依靠單純動態(tài)血壓數(shù)據(jù)在訓練集上對 OSAHS 識別預測準確率可以達到 88.2%， 精確率為 78.5%， 召回率為 82.7%， F1 得分 0.805， AUC 為 0.945；在測試集上預測準確率可以達到 80.0%， 精確率為 82.9%， 召回率為 72.5%， F1 得分 0.773， AUC 0.906， 高于以往文獻中包含血壓特征的研究， 以往的模型 AUC 分別為 0.747 和 0.804 。

討論和結論

本研究的結果表明，24 小時動態(tài)血壓診斷報告中現(xiàn)有的特征如夜間收縮壓、夜間舒張壓 、血壓節(jié)律 、血壓負荷與以往研究結果一致，而研究提出的夜間血壓上升斜率、夜間血壓波動次數(shù)以及晨峰血壓啟動時刻等特征同樣具有統(tǒng)計學意義，夜間收縮壓和24小時舒張壓在OSAHS 患者血壓變化中更為突出，我們新定義的斜率、面積、持續(xù)時間等特征在表征 OSAHS 患者時也取得顯著效果。動態(tài)血壓數(shù)據(jù)因其不等間隔和稀疏的原因，除用于高血壓分型的鑒別診斷外，較少用于其他疾病的篩查。盡管如此，本研究依舊認為 OSAHS 的呼吸暫停導致的血壓變化在臨床上是非常有用的，特別是 OSAHS 合并高血壓患者，血壓對睡眠呼吸暫停發(fā)作的表征有其獨特意義。

結語

本研究根據(jù) OSAHS 患者血壓變化特點，定義了針對 OSAHS 的動態(tài)血壓特征提取規(guī)則，開發(fā)了相應的特征提取算法，使用這些特征訓練了OSAHS篩查的機器學習模型，建立了單純運用動態(tài)血壓特征的OSAHS早期篩查模型，研究的lightGBM 模型在訓練集和測試集上分別取得了0.945 和 0.906 的 AUC 值，測試集上的識別準確率為80.0%。為OSAHS篩查提供了一種新的思路和方法，為OSAHS患者夜間血壓變化提供了量化評估手段，有望在OSAHS篩查中發(fā)揮重要作用。未來的研究應著重在動態(tài)血壓睡眠監(jiān)測中建立較為統(tǒng)一的范式，對使用動態(tài)血壓監(jiān)測篩查OSAHS的醫(yī)療行為制定科學規(guī)范，控制患者個體間差異使其最小化，進一步提高動態(tài)血壓篩查的精準度，有利于在臨床診療中的推廣應用。此外，盡管本研究取得了較好的結果，但模型的性能還需進行嚴格的外部驗證，一些新的特征挖掘和模型開發(fā)研究仍然很有必要，研究將進一步聚焦臨床問題展開工作。本研究提出的基于24小時動態(tài)血壓識別 OSAHS的方法具有新穎性，可作為在PSG確診前的初篩手段，提高 OSAHS 患者的早期診斷率，為疾病的早期干預提供有力支撐。

參考文獻

1. 基于24小時動態(tài)血壓數(shù)據(jù)識別阻塞性睡眠呼吸暫停綜合征研究 . 張健 ，任皎潔 ，孫書臣，張政波 生物醫(yī)學工程學雜志. 2022,39(01)

僅供科普分享、交流學習使用，不涉及商業(yè)盈利目的。

如涉及版權問題，請聯(lián)系本站管理員予以更改或刪除。@gxyvip7