鼾症中OSAHS的预测模型及危险因素分析

孙楷 聂洪玉 徐东兰 刘泳 马升军 唐亮

自贡市第四人民医院呼吸与危重症医学科 643000

OSAHS是一种常见且严重的睡眠呼吸疾病,在鼾症人群中常见,OSAHS患者亦常为严重打鼾者[1-2]。由于OSAHS的危害大,早期诊断及治疗率低,因此区分单纯打鼾者与OSAHS患者则成为临床医师迫切面对的问题[3-4]。

本研究通过分析单纯鼾症与OSAHS患者临床资料的差异,寻找OSAHS的危险因素,通过多元回归分析建立OSAHS 预测模型,初步建立一种OSAHS患者的早期诊断及病情评估方法,并为疾病的早期预防提供依据。

1 对象与方法

1.1 研究对象 纳入2014年11月至2018年6月在自贡市第四人民医院睡眠监测室行整夜多导睡眠(polysomnography,PSG)监测的592例患者作为研究对象,其中单纯鼾症组178例 (男96例,女82例),OSAHS组414例 (男359例,女55例)。本研究通过自贡市第四人民医院伦理委员会批准[2014年科研审 (010)号]并经过患者知情同意。

纳入标准：年龄＞18岁,打鼾和疑似OSHAS的患者,诊断标准参照 《阻塞性睡眠呼吸暂停低通气综合征诊治指南 (2011年修订版)》[5]。以睡眠呼吸暂停低通气指数 (apnea hypopnea index,AHI)为标准分为单纯鼾症组和轻、中、重度OSAHS组：单纯鼾症组＜5 次/h,轻度OSAHS组≥5 次/h 且 ≤15 次/h,中 度 OSAHS 组 ＞15次/h且≤30次/h,重度OSAHS组＞30次/h。

排除标准：填写量表不全；身体测量不完善；PSG 监测数据缺失；严重的心肝肾疾病；已经接受治疗的OSAHS患者。

1.2 研究方法 所有患者在行PSG 监测前由专人询问病史并填写睡眠监测调查表,包括：性别、年龄、既往病史、饮酒史、吸烟史等情况。在专人指导下进行打鼾程度评价和填写Epworth 嗜睡量表(Epworth sleepiness scale,ESS)。最后测量身高、体质量、颈围、腰围等身体指标,计算体质量指数(body mass index,BMI),BMI=体质量/身高2(kg/m2)。

1.2.1 PSG监测 采用澳大利亚COMPUMEDICS-E型多导睡眠监测仪对OSAHS患者进行至少7 h的多导睡眠监测。同步记录脑电图、心电图、眼电图、肌电图、口鼻气流、胸腹运动及血氧饱和度(pulse oxygen saturation,Sp O2)等指标。睡眠分期及相关事件根据 《2012年美国睡眠医学会睡眠及相关事件评分手册》进行分析[6]。

1.2.2 打鼾程度评价 打鼾程度的评价参照2011年中华医学会呼吸病学分会睡眠呼吸疾病学组制订的 《阻塞性睡眠呼吸暂停低通气综合征诊治指南(2011年修订版)》[5]。打鼾程度分为： (1)从不打鼾,记0分；(2)轻度打鼾：较正常人呼吸声音粗重,记1分；(3)中度打鼾：鼾声响亮程度大于普通人说话声音,记2分；(4)重度打鼾：鼾声响亮以至同一房间的人无法入睡,记3分。

1.2.3 ESS 采用Johns研制的ESS主观评价患者白天过度嗜睡情况,ESS总分为0～24分,分数越多嗜睡越严重,以Epworth评分＞9分评定为过度嗜睡[7]。

1.3 统计学分析 采用SPSS 17.0统计软件包进行统计分析。数据分析前先对连续型变量进行正态性检验,全部连续型变量不服从正态分布；比较单纯鼾症组和OSAHS组在连续型变量上的差异采用两独立样本的秩和检验,以M(QR)表示；比较单纯鼾症组和OSAHS 组在分类变量上的差异采用χ2检验,以例数 (百分比)表示。不服从正态分布的连续型变量间的相关用Spearman 秩相关检验,性别与各连续型变量间的相关采用点二列相关。采用多元逐步回归分析探讨AHI和最低Sp O2的影响因素。P＜0.05为差异有统计学意义。

2 结果

2.1 单纯鼾症组与OSAHS组连续型变量比较OSAHS组的年龄、身高、体质量、BMI、Epworth评分、颈围和腰围均高于单纯鼾症组,差异有统计学意义 (P值均＜0.01),见表1。

表1 单纯鼾症组与OSAHS组连续型变量比较 [M(QR)]

2.2 单纯鼾症组与OSAHS 组分类变量比较OSAHS组男性比例明显高于单纯鼾症组 (P＜0.01)；OSAHS组BMI≥28 kg/m2的比例和打鼾程度≥中度的比例明显高于单纯鼾症组 (P＜0.01)；OSAHS组发生夜间憋醒、夜间多汗、白天嗜睡 (ESS＞9)、晨起口干、高血压、咽喉炎、饮酒史和吸烟史的比例均高于单纯鼾症组,差异有统计学意义 (P值均＜0.05)。见表2。

表2 单纯鼾症组与OSAHS组分类变量比较 [例 (%)]

(续表2)

2.3 PSG 指标 (AHI、最低Sp O2)与各危险因素之间的相关性分析 由表1和表2可以初步得出,性别、年龄、BMI、颈围、腰围、打鼾程度、Epworth评分是OSAHS的危险因素。将这些危险因素与PSG 指标 (AHI、最低Sp O2)进行相关分析显示： (1)AHI与性别、年龄、BMI、颈围、腰围、打鼾程度、Epworth评分显著相关；(2)最低Sp O2与性别、年龄、BMI、颈围、腰围、打鼾程度、Epworth评分显著相关 (表3)。

2.4 多元逐步回归分析 分别将AHI、最低Sp O2作为因变量,逐步纳入OSAHS患者的危险因素,排除没有明显预测作用的危险因素,最后得到的最佳回归方程为：

表3 AHI、最低Sp O 2 与各危险因素之间的相关性分析

方程一：AHI=2.338×BMI+9.378×打鼾程度+1.42×Epworth评分+1.235×颈围-103.415

方程二：最低Sp O2=-1.309×BMI-0.631×Epworth评分-3.63×打鼾程度+3.432×性别+118.504 (性别：男性取值1,女性取值2)

其中,方程一的4 个自变量总共可以解释AHI变化的53.1% (R2=0.531,P＜0.01)。方程二的4个自变量总共可以解释最低Sp O2变化的41.4% (R2=0.414,P＜0.01)。

预测模型建立后可用于临床估算打鼾患者的AHI和最低Sp O2。举例：40 岁男性,BMI=28 kg/m2,颈围40 cm,中度打鼾 (记2 分),Epworth评分=10分,代入方程计算得出AHI=44.40次/h,最低Sp O2=71.71%。

3 讨论

本研究通过分析单纯鼾症和OSAHS患者临床资料的差异,初步得出性别、年龄、BMI、颈围、腰围、打鼾程度、Epworth评分是OSAHS的危险因素。相关分析显示,这些危险因素与AHI和最低Sp O2显著相关。多元逐步回归分析显示,BMI、打鼾程度、Epworth评分和颈围是AHI的独立预测因素；BMI、Epworth评分、打鼾程度和性别是最低Sp O2的独立预测因素。以上危险因素与OSAHS的关系讨论如下。

3.1 BMI、颈围与OSAHS 本研究纳入了身高、体质量、BMI、颈围、腰围等多种人体测量学指标,多元逐步回归分析结果显示BMI和颈围是OSAHS 的独立预测因素,表明BMI 和颈围是OSAHS病情严重程度的重要影响因素。BMI是用来衡量身体脂肪的一个常用标准,有研究表明OSAHS也会引起脂肪代谢异常导致肥胖[8]。而颈围可反映身体局部肥胖的程度,也与内脏脂肪组织存在显著的相关性[9]。多项研究表明BMI、颈围与OSAHS 病情严重程度呈正相关[10-11],说明BMI和颈围越大,患者的AHI越高,最低Sp O2越低。因此,控制体质量对OSAHS患者的治疗和降低各个系统并发症具有重要意义[12-13]。

3.2 性别与OSAHS 本研究发现在OSAHS患者中,男性患者明显多于女性,男女比例约为6.5∶1,与多项研究结果相似[14-15]。相关分析显示,性别与AHI(r=-0.339,P＜0.01)和最低Sp O2(r=0.303,P＜0.01)显著相关,说明男性患者的AHI更高,最低Sp O2更低。多元逐步回归分析显示性别 (男性)为最低Sp O2的独立危险因素,表明男性患者的最低Sp O2更低,病情更重。男性患病率高、病情更重的原因有：(1)女性患者就诊时常隐瞒打鼾等症状,造成诊断困难。加之临床医师对女性OSAHS认识不足,使大量女性患者被漏诊、误诊,在一定程度上造成男性患者发病率高的假象[16],本研究也存在这种选择偏倚。(2)男女上气道的结构和生理存在性别差异。(3)雄性激素可能对颈部脂肪沉积或上气道肌肉功能有长期作用,导致了睡眠呼吸疾病的发生[17]。

3.3 打鼾、嗜睡与OSHAS 研究中采用打鼾程度和ESS进行问卷调查方法,兼顾了打鼾和嗜睡这两个在OSAHS患者中的主要症状。结果显示,打鼾程度和Epworth 评分为OSAHS 的独立危险因素,说明病情严重程度随打鼾程度和Epworth评分的增加而加重。多项研究表明,打鼾和嗜睡的程度可以从侧面反映病情严重程度的变化[18-19]。因为打鼾在一定程度上能反映上气道阻塞的情况,而白天嗜睡是患者睡眠时反复发生低氧血症、高碳酸血症和睡眠结构紊乱所致[20],所以打鼾程度和Epworth评分是预测OSAHS很好的指标。

综上所述,本研究结果提示BMI、颈围、性别、打鼾程度和Epworth 评分为OSAHS 的独立危险因素,临床上可根据这些危险因素带入预测模型初步估算疾病的严重程度。这有助于医师对疑似OSAHS患者进行早期诊断和治疗,防止OSAHS并发症,改善患者的预后,适合在基层医疗机构推广应用。

利益冲突所有作者均声明不存在利益冲突