心肺耦合技术检测惊恐障碍睡眠特征研究☆

陈刚 孙太鹏 龚力 杨海英 杨林 张福池 郑直

睡眠障碍是惊恐障碍（panic disorder，PD）患者的常见合并症状[1-2]，PD患者常见的睡眠障碍包括频繁觉醒、睡眠中断和非恢复性睡眠，大约65%～70%的PD患者报告存在夜间惊恐发作[3-4]。因此了解PD患者睡眠特征并加以有效干预有可能提高PD的治疗效果。多导睡眠图（polysomnography，PSG）是临床应用最为广泛的睡眠监测设备，但由于PSG监测睡眠往往需要在实验室中进行，且容易造成受试者的运动受限，受试者出现“首夜效应”，部分受试者出现总睡眠时间和快速眼动睡眠较少、睡眠效率较低及间歇唤醒增多等测量误差[5-7]。心肺耦合（cardiopulmonary coupling,CPC）技术利用心率变异性测量自主神经的功能，并与心电信号中提取的呼吸信号相结合生成睡眠图谱[8]。与PSG相比，CPC在操作上高度简化，检测过程中无需连接导线，可以减少患者躯体受限导致的焦虑，获得较为真实的睡眠数据。研究表明在快速眼动（rapid eye movement，REM）识别或基本睡眠结构分析方面CPC与PSG具有良好的一致性[9]。且CPC能更有效地测量个体睡眠期间的循环交替模式[10]。目前尚未有CPC针对PD患者睡眠特征的研究。本研究应用CPC设备来检测PD患者的睡眠特征以及探索各睡眠指标与PD之间的关联。

1 对象与方法

1.1 研究对象本研究是一项对照研究。患者来自2019年9月至2020年6月淮安市第三人民医院门诊和住院的PD患者。纳入标准：①年龄18～60周岁；②经两位主治以上职称的精神科医师诊断，符合《精神障碍诊断与统计手册第5版》（Diagnostic and Statistical Manual of Mental Disorders,5th Edition,DSM-5）惊恐发作诊断标准；③入组前未服用任何精神类药物，未接受电休克、经颅磁刺激等治疗；④汉密尔顿焦虑量表（Hamilton anxiety scale,HAMA）评分≥14分且24项汉密尔顿抑郁量表（Hamilton depression scale,HAMD-24）评分＜20分。排除标准：①合并双相障碍、精神分裂症等其他精神障碍；②评估存在消极观念或消极行为；③患有脑卒中、癫痫等神经系统疾病；④患有阻塞性睡眠呼吸暂停以及肺部疾病；⑤患有心肌缺血、心律失常等心脏疾病，以及植入心脏起搏器；⑥患有其他可能影响睡眠的躯体疾病；⑦存在酒精或药物滥用史。研究纳入PD患者31例。

通过广告招募年龄和性别与对照组相匹配的健康对照。纳入标准：①年龄18～60周岁；②经主治以上职称精神科医师利用简明国际神经精神访谈（mini-international neuropsychiatric interview，MINI）评估无心理障碍；③晚睡眠时间＞4 h；④无精神病家族史。排除标准同患者组。研究纳入对照29名。

本研究方案由淮安市第三人民医院伦理委员会批准。被试均签署知情同意书。

1.2 临床资料收集利用自编问卷收集所有被试一般资料，包括性别、年龄、收缩压、舒张压、体质量、身高等。使用HAMA、HAMD-24评估患者的临床症状。

1.3 CPC睡眠监测使用CPC设备（南京盛丰永康软件科技有限责任公司，中国南京）监测被试睡眠期间单导联心电图信号、睡眠时间、呼吸事件、活动度和身体位置的数据，以评估其睡眠状况[11]。睡眠监测在安静的单人病房完成，减少环境干扰因素。由经过培训的医生或科研人员进行CPC设备操作。电极片分别粘贴在胸骨（右锁骨中线第二肋间隙）和心尖（左腋前第五肋）[12]。20:00打开睡眠监测，次日8:00关闭。科研人员及时查看并确保数据完整，如数据缺失或不完整须重新采集。在本研究中1例患者因仪器脱落重新进行了数据采集。

CPC数据上传至分析端，由南京丰生永康软件科技有限责任公司进行数据分析。其原理是从连续的单导联心电图中提取两个正常窦性心率序列和相应的心电图呼吸信号，采用基于傅里叶变换的技术，利用这两个同步信号的相干性和交叉功率的乘积，生成睡眠期间心肺耦合动力学的图谱[13]。根据耦合的数量和频率得到睡眠期间高频耦合、低频耦合、抬高型低频耦合、抬高型窄带低频耦合和极低频耦合持续时间，将睡眠过程中相应频谱的持续时间作为睡眠评估指标[14]。睡眠指标包括睡眠总时间（total sleep time，TST）、熟睡时间、浅睡时间、REM睡眠时间、觉醒时间、睡眠效率（TST与总在床时间之比）、睡眠呼吸暂停指数（apnea hypoventilation index，AHI）、心率等。

1.4 统计学方法采用SPSS 23.0进行统计分析。年龄、体质量指数（body mass index，BMI）、量表评分、TST、REM睡眠时间采用±s描述，组间比较采用独立样本t检验；浅睡眠时间、觉醒时间、睡眠效率、AHI、心率等用M（QL，QU）描述，两组间比较采用Mann-WhiteyU检验。采用logistic回归分析PD与睡眠指标之间的关联，以是否PD患者为因变量，睡眠时间、睡眠效率、REM睡眠时间、AHI、年龄、性别、BMI、HAMA为自变量，变量筛选使用Stepwise法。检验水准α=0.05，双侧检验。

2 结果

2.1 一般资料患者组与对照组性别（χ2＜0.01，P=0.99）、年龄（t=0.25，P=0.81）、BMI（t=-0.11，P=0.92）、HAMD-24总分（t=-0.46，P=0.65）比较无统计学差异，患者组HAMA总分高于对照组（t=26.27，P＜0.01）。见表1。

表1 患者组与对照组一般资料

2.2 睡眠指标患者组和对照组之间TST（t=5.06，P＜0.01）、浅睡眠时间（Z=-3.68，P＜0.01）、REM 睡眠时间（t=4.54，P＜0.01）、觉醒时间（Z=-3.81，P＜0.01）、睡眠效率（Z=-2.95，P＜0.01）、心率（Z=-1.98，P=0.048）的差异具有统计学意义，AHI差异无统计学意义（Z=-1.10，P=0.27）。见表2。

表2 患者组与对照组CPC睡眠指标

2.3 PD与睡眠指标的关系多因素logistic回归分析提示，TST与PD正关联（OR=0.32，P＜0.01），睡眠效率与PD负关联（OR=1.31，P=0.02）。见表3。

表3 CPC睡眠指标与PD关系的多因素logistic回归分析

3 讨论

本研究通过CPC检测多项睡眠指标来观察PD患者的睡眠特征。结果发现，相比于对照组，PD患者的TST、浅睡眠时间、REM睡眠时间、觉醒时间较长，但睡眠效率却显著降低。

与既往PSG研究一致的是，CPC也发现PD患者存在睡眠障碍增加、睡眠效率下降等睡眠特征[15]。但也有PSG研究发现PD患者的总睡眠时间减少[16]，本研究的发现与其并不一致。这可能与PD患者不稳定睡眠（包括微觉醒、浅睡眠等）增多有关。相较于PSG，CPC在评估睡眠时长时，对浅睡眠时间和微觉醒的敏感度较低，会将不稳定睡眠时间计算在睡眠总时长中，导致检测结果存在一定误差[17]。

本研究还发现PD患者的REM睡眠时间延长，这与以往研究并不一致[18]。关于REM睡眠的功能及其影响因素目前尚不明确，NIR等[19]研究表明杏仁核、内侧前额叶皮质、前扣带回皮质等参与情绪调节的脑区在REM睡眠期间会被高度激活，REM睡眠提供了增强边缘系统激活的内源性环境[20]，导致梦魇、觉醒等发生的频率增加，而这也是PD患者的睡眠特点之一。另有研究发现，REM睡眠参与恐惧和安全相关信息的整合[21]，有利于个体消除恐惧情绪。因此REM期延长可能是PD患者自身调节的结果。

另外，本研究还发现TST与PD正关联，睡眠效率与PD负关联。尽管目前PD与睡眠障碍的关系尚不清楚，但有研究表明，睡眠效率下降可能会破坏正常的睡眠周期，并导致身体和心理不稳定[22]。与对照组相比，PD患者的睡眠效率更差，这可能会加剧焦虑症状，并导致临床疗效不佳及复发等一系列问题[23]。

本研究采用CPC检测发现PD患者的睡眠与对照存在显著差异，主要表现在睡眠总时间增加，睡眠效率降低。本研究存在一定局限性：首先样本量较小，结果可能存在一定偏倚；其次本研究未采用PSG进行睡眠监测作为对照，研究结果推广需谨慎；另外本研究为横断面研究，无法判断睡眠障碍与PD的因果关系。因此纵向的大样本、多中心、多种设备结合对比的临床研究是未来工作的方向。