阻塞性睡眠呼吸暂停疾病管理平台的构建与应用

吕咏家，屠国金，朱胜霞，朱新建，沈玉强，周庆利

浙江大学医学院附属第四医院 a. 信息中心；b. 呼吸与危重症医学科，浙江 义乌 322000

引言

阻塞性睡眠呼吸暂停（Obstructive Sleep Apnea，OSA）是由于睡眠期间上气道反复塌陷、阻塞引起的呼吸暂停和通气不足，进而导致睡眠结构紊乱、间歇性低氧、高碳酸血症、胸腔内压力波动增加、自主神经系统功能失衡以及炎症激活[1]。流行病学调查显示，西方国家中年男性OSA 发病率为14%，中年女性OSA 发病率约5%[2]。目前，我国OSA 发病率及患者人数居高不下，以睡眠呼吸暂停低通气指数（Apnea-Hypopnea Index，AHI）≥5 次/h 为标准，OSA 患者人数约有1.76 亿，其中6000 多万需要积极治疗[3]。由于我国OSA 患者诊断率和治疗率均不足1%，大多数患者无法得到及时有效的诊疗[4]。美国睡眠医学会发表的《关于使用远程医疗诊断和治疗睡眠障碍的立场文件》也强调了OSA 患者长期治疗和有效管理的重要性[5]。

目前，传统医疗模式已无法实现OSA 常态化早期筛查、评估治疗效果及病情变化随访的功能[6]；远程监测、治疗和长期管理OSA 人群，对于简化疾病诊断、改善患者预后及减轻医疗负担有重要作用。为此，李晨洋等[7]构建了基于REDCap 数据库的呼吸机干预随访系统，但其并未实现集筛查、诊断、治疗及随访于一体的OSA 患者全流程管理。因此，本研究借助医院信息系统设计了满足OSA 临床诊疗需求的全流程管理系统，以达到早期发现、早期干预、主动管理的目的；通过平台优化诊疗方法，更好地改善患者日间症状和生活质量，提高诊治效率，提高患者的治疗依从性。通过构建本系统以实现新的医疗健康服务模式，将有利于建立大众化技术服务网络[8]，并提高医院健康保障和服务能力。

1 需求分析

1.1 数据管理需求

研究显示，OSA 会导致人体免疫力下降，引发其他健康问题，与高血压、糖尿病、心房颤动、动脉粥样硬化及缺血性脑卒中等疾病密切相关[9-12]，并会对患者产生严重的生理和心理影响。根据本院调查发现，医院呼吸与危重症医学科、精神卫生科等临床科室均接诊过OSA 患者，其睡眠数据信息分散在各就诊科室。当前，全面整合全院OSA 患者数据并构建OSA 专病数据库的需求愈发迫切：① 统一管理睡眠监测信息、疾病筛查信息及随访信息等OSA患者信息数据，整理包括随访信息、入院记录、病程记录、检查报告、检测报告、电子病案及影像数据等结构化、半结构化与非结构化数据，以提供数据查询、数据可视化分析等功能[13]；② 周期性与临床系统自动对接，实现对平台数据的持续更新；③ 患者数据进行隐私处理，以保证患者的信息安全。

1.2 筛查与随访功能需求

目前医院OSA 患者入院诊治流程为：患者门诊就诊后，进行实验室多导睡眠监测（Polysomnography，PSG）或家庭睡眠呼吸暂停监测（Home Sleep Apnea Test，HSAT）检查，确诊后由医生确定治疗方式，而后进行门诊随访。仅依赖患者就诊于医院的单一途径来进行OSA 的诊疗，显然无法满足实际需求。为此，有必要开展早期筛查，将OSA 防治关口前移。因此，需针对具有OSA 典型症状、体征、相关合并疾病以及围手术期的OSA 高危人群进行筛查[14]。而无创正压通气（Positive Airway Pressure，PAP）作为临床一线治疗方式，仅通过门诊随访，患者的治疗依从性较差，并不能坚持长期应用。因此，需要在OSA 患者的PAP 治疗初始阶段就进行远程监测和随访，监测包括PAP 使用时长、AHI、漏气量及治疗参数等指标[15]，将OSA 作为慢性疾病进行管理，治疗数据由患者自行上传或由网络同步至交互平台，睡眠管理医生通过该平台查阅并进行远程随访。

2 系统构建

2.1 业务流程

为满足上述临床需求，基于现有诊疗流程，结合成人OSA 多学科诊疗指南、专家共识等标准规范[1-2,6,14]，设计OSA 疾病全流程管理平台工作流程，见图1。

图1 OSA疾病全流程管理平台工作流程

（1）患者就诊分为门诊就诊和社区就诊两种情况，若患者前往门诊就诊，由医护人员建立患者信息档案；若为非睡眠中心门诊中的疑似患者，需先对其进行筛查，根据筛查结果确定为高危人群后，建议至医院睡眠中心进一步就诊。

（2）患者前往睡眠中心，由医护人员选择患者在睡眠中心进行PSG 或在中心外进行HSAT。根据监测结果，医护人员录入OSA 检查报告。

（3）医生确定治疗方案和随访计划后上传至平台。若选择呼吸机治疗，系统将根据时间节点向患者推送短信，提醒其填写相关呼吸机数据，同时数据会实时更新，以便医生及时查看。当出现危急值时，系统将信息推送至医生处确认后，发送短信提醒患者及时回医院进行复诊。

（4）选择一般治疗，如减重治疗，系统通过短信形式提醒患者填写每日饮食和体育锻炼的信息；若选择外科手术治疗，医护人员会将手术详情上传至系统，手术结束后，系统推送短信询问患者术后情况，如出现睡眠异常则系统将建议医生优化治疗方案。

2.2 业务架构设计

本平台采用Java 语言进行开发，运用了SSM（Spring+SpringMVC+MyBatis）框架和Thymeleaf 模板引擎搭建后台架构，并结合Apache Shiro 权限框架配合实现安全性控制。前端采用Bootstrap框架提升用户体验，持久层框架采用MyBatis 实现与MySQL 数据库的交互。系统配置2 G 以上内存，操作系统为Windows7 以上。

基于功能需求和业务流程设计平台的整体架构，见图2。数据层对应数据的同步、读取、缓存等操作；交互层描述疾病全流程管理系统的实现业务，主要包括患者管理、随访信息录入、数据可视化、手术记录、预警提醒以及疾病数据分析等，通过医院数据集成平台，获取电子病历系统、实验室信息管理系统、影像归档和通信系统等业务系统内容，并与之交互；应用层实现系统核心功能，包括用户信息管理、高危人群筛查、睡眠监测、干预随访服务等；通过PC 端和移动端，面向各级医疗单位、医护人员、患者等用户进行使用。

图2 系统架构图

系统使用者包括系统管理员、临床医生、医技人员和患者4 类。系统管理员主要负责系统的人员管理和权限；临床医生使用系统进行信息的增、删、改、查，并使用系统与患者进行远程随访；医技人员负责判别患者的睡眠监测情况并将信息录入系统，同时辅助医生进行呼吸机使用随访工作；患者可登录系统查看自身疾病信息并上传治疗信息。基于医院数据中心构建的OSA 全病程管理平台，可以实现“筛查-诊断-治疗-预后”的疾病全周期管理，为患者提供更及时、高效的诊疗及随访服务，从而提升患者对医疗服务的满意度。

3 功能实现

3.1 数据库建设

3.1.1 数据采集

支持多模态数据源采集，进行数据抽取、传输和加载，并进行原始数据的清洗、映射及格式转换。以患者单次就诊为例，平台支持记录患者健康档案、生命体征的变化以及与健康相关的一切行为与事件，包括生活习惯、以往病史、诊治情况、家属病史、现病史、历次诊疗经过以及历次体检结果等[16-17]。通过关联患者在不同系统（电子病历、检验、检查、用药等）中的数据，建立完整的患者数据模型，并在不影响医院现有系统的基础上实现业务数据的自动更新。本研究系统能够在院内任何联网计算机终端上实现多源异构数据的采集、统计分析，以及评估数据质量及字段映射准确率；同时，可进行数据调阅和科研使用，并支持数据溯源，支持图形化方式展示最终数据字段与原始数据字段之间的关系、数据计算逻辑及中间计算结果，为用户提供直观、清晰的解读。平台患者信息界面如图3 所示。

图3 平台患者信息界面

3.1.2 数据可视化实现

患者全周期视图包含门诊记录、检查报告、随访数据等信息，实现单个患者从就诊至治疗结束的全程信息展示，所有数据根据时间节点进行关联。通过对患者诊断治疗信息进行数据统计和挖掘，实时加载并刷新数据进行计算，以时间轴等形式展示患者各类数据的分布和趋势。患者治疗一段时间后，可以查看疾病指标随时间的变化，使医生快速了解患者身体数据的变化，如疾病关键指标AHI、最低SpO2及呼吸机治疗的相关数据。可视化分析界面如图4 所示，可视化分析是挖掘数据价值的有效工具，通过此功能可以让医生对患者的病情和治疗状况进行全面评估。

图4 患者随访时间轴界面

3.2 诊前筛查模块

为了将OSA 防治关口前移，通过平台进一步筛查具有OSA 典型症状、体征、相关合并疾病以及围手术期的高危人群，筛查场景包括社区、医院内非睡眠专科、体检中心、妊娠期[18]等。医生可通过微信公众平台或短信向患者推送STOP-BANG 量表、Epworth 嗜睡量表等OSA 筛查量表，或利用Ⅳ型睡眠监测设备进行初筛或诊断。系统可实现患者相关诊疗数据的互联互通，以便上级医院随时查看。对于医院内非睡眠专科，例如精神卫生科，除相关睡眠量表外，同时会向患者推送焦虑自评量表、抑郁自评量表等量表，以便精神心理专科医生对临床中可能共病OSA 的抑郁障碍患者进行筛查。

3.3 睡眠监测模块

平台具备远程监测功能，可兼容接入PSG、HSAT等诊断设备，监测内容包括口鼻呼吸气流、心电、脑电、SpO2、胸腹呼吸运动以及其他检测信号。针对平台暂未支持接入的远程监测设备，系统支持手动上传监测信息，并支持补充患者睡眠相关的其他医院的监测数据，医生团队后续可对报告进行查看、增加、修改及删除操作。上传文字版报告后，系统可以自动读取报告中的关键睡眠数据，在系统中直观呈现，并对其进行初步统计学分析。远程监测采集的数据经医生确认后，将纳入患者档案，后续根据患者具体情况动态调整治疗方案。

3.4 随访管理模块

随访管理模块将辅助医生对患者进行定期随访。有研究表明，患者主动发送短信有助于提高呼吸机治疗的依从性[19]。基于此，医生可以自定义创建随访计划，单条计划任务包括随访周期、干预形式、干预内容等信息。随访内容通过“浙大四院”公众号或短信直接推送给患者，患者可根据周期记录使用和未使用PAP 的天数及具体的使用时长、AHI、漏气量数据，平台提供呼吸机使用指导，呼吸机信息记录如图5 所示。医护人员可以获得随访对象的实时动态（在院或离院等），指导患者的健康行为，同时支持以电话或短信等方式高效完成随访，及时获得病情反馈。医生监控患者使用呼吸机情况，并指导调整呼吸机参数，提供治疗建议。

图5 呼吸机信息记录

3.5 预警提醒

预警包括自动和手动双重模式。在自动推送模式下，通过系统给某些疾病指标设置阈值，若患者反馈的数据超过阈值，系统将自动通过短信和微信公众平台向患者推送信息，并同步推送提醒医生。例如，当患者使用呼吸机治疗两周后，其AHI 数值仍处于≥30 次/h 的水平，系统则会提醒患者携带呼吸机回院复诊。在手动推送模式下，患者可通过个人端向系统反馈疾病和治疗相关的异常情况，系统将收取的信息反馈给医生，医生据此决定是否调整治疗方案或通过短信提醒患者回院复诊等。

4 系统应用

本平台实现了对1238 例患者OSA 历史疾病数据的集成与管理，包括758 例精神卫生科患者的疾病数据和480 例呼吸与危重症医学科患者疾病数据，并建立了OSA 专病数据库。平台上线后，通过对临床医生使用平台的过程进行跟踪，记录患者在随访过程中关键睡眠指标的变化、进行家用呼吸机治疗的依从性，对使用平台后疾病管理的改善情况进行分析，评估OSA 专病平台的构建对临床管理水平提升的效果。

4.1 研究资料

选取2020 年9 月至2022 年9 月在我院确诊为OSA并进行呼吸机治疗的71 例患者作为研究对象，将系统上线前的就诊患者设为对照组，采用常规门诊随访；系统上线后的就诊患者设为观察组，依托OSA 平台进行随访。对照组男31 例、女5 例，年龄33～68 岁，平均年龄（48.63±10.46）岁；观察组男31 例、女4 例，年龄32～67 岁，平均年龄（51.11±11.03）岁。两组患者性别、年龄差异无统计学意义，具有可比性。

4.2 评价指标

（1）收集两组患者AHI、睡眠效率以评估疾病的改善程度。其中，睡眠效率=睡眠总时间/总记录时间。

（2）根据随访内容，对两组患者是否坚持使用呼吸机、是否定期参与随访、是否按时返院进行复查等指标进行收集并分析。其中，坚持使用呼吸机定义为：患者有＞70%的夜晚使用呼吸机的时间＞4 h。

4.3 统计学分析

采用SPSS 26.0软件进行统计分析，计数资料用n（%）表示，行χ2检验；计量资料以±s表示，采用独立样本t检验，以P＜0.05 为差异有统计学意义。

4.4 应用效果

如表1 所示，观察组患者的AHI 低于对照组，睡眠效率高于对照组，且差异均有统计学意义（P＜0.05）。观察组患者坚持使用呼吸机、按时参与随访、按时返院复查人数均高于对照组，且差异均有统计学意义（P＜0.05），见表2。

表1 两组患者疾病指标比较（±s）

表1 两组患者疾病指标比较（±s）

注：AHI：睡眠呼吸暂停低通气指数。

组别AHI/（次/h） 睡眠效率/% 最低血氧/%对照组（n=36） 4.97±3.73 78.33±16.39 88.48±0.05观察组（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 两组患者治疗依从性比较[n（%）]

5 讨论与总结

OSA 作为一种常见的慢性病，开展集诊断、治疗及随访管理一体化的医疗模式具有重要意义。随着数字医疗的不断发展，运用信息化手段优化诊疗流程已成为未来发展的必然趋势。开展OSA 疾病远程筛查、家庭治疗和管理，可以突破时间和空间限制，显著提升医疗服务能力，将优质的医疗资源与服务拓展至社区及边远地区。

在以往的研究中，邓则海[20]依托睡眠呼吸监测平台对OSA 患者进行治疗指导，可以及时解决患者呼吸机使用过程中出现的问题，提高患者呼吸机使用依从性。李晨洋等[7]利用REDCap 数据库搭建OSA 患者随访系统，为调查研究提供了一个便利、高效的数据管理工具，但以上研究并未实现集筛查、诊断、治疗及随访于一体的OSA 患者全流程管理。本研究设计的OSA 专病平台整合了患者从门诊就诊到院外随访的全流程诊疗信息，实现了OSA 患者信息的统一化管理，以时间为主线梳理诊疗数据，为医生诊疗提供数据支撑，有助于优化诊疗方案，节省医护人员工作时间，提高工作效率。同时，平台提供灵活的随访流程配置，针对不同情况的患者提供个性化的健康服务，随访人员可自定义随访表单，根据随访需求快速开展随访工作。此外，通过智能可穿戴设备和家用便携式医疗设备，远程采集受检者的健康数据，丰富患者的治疗信息，使医生能够长期、全面地了解患者的治疗情况；同时，平台支持多种诊疗信息与多位患者数据的联合导出，为研究人员进行医学统计分析提供有力工具。研究结果表明，平台应用后，关键疾病指标得到改善，患者治疗的依从性提高。

本研究平台目前运行良好，但也存在一些不足：① 由于患者选择的呼吸机品牌和类型不统一，目前还无法将系统与呼吸机两者完全兼容，呼吸机的数据需要依靠患者手动上传或使用读卡器读取SD 卡内的数据文件上传至平台；② 系统目前仅在医共体医院实现了初步的分级诊疗模式，尚未成功实现跨医院的数据联通。在下一阶段的平台优化中，将致力于把平台推广到更多基层医院和睡眠中心，开展普及全民的睡眠健康管理，提高预警和筛查效果，提高大众整体健康水平。未来将进行患者的实证研究，利用获取的数据验证OSA 远程随访的效果，检验平台效果并不断优化功能，有效保障患者健康。

OSA 疾病管理平台的建设，有助于医务人员早期筛查更多高危人群、对患者实施个性化的精准健康管理，达到早期发现、早期干预、主动管理的目的，提升临床医生的诊疗工作效率，提高疾病管理水平，从而提高医院健康保障和服务能力。