基于鼾聲分析技術(shù)的手機(jī)軟件在成人阻塞性睡眠呼吸暫停篩查中的應(yīng)用價(jià)值研究

陳媛媛, 彭茂桓, 董霄松, 趙 瑞, 孫銘澤, 顧家慧, 張雪麗,趙 龍, 周 兵, 伍斕博, 王韋涵, 韓 芳

阻塞性睡眠呼吸暫停(obstructive sleep apnea,OSA)是一組因上氣道完全或部分塌陷導(dǎo)致睡眠過程中反復(fù)出現(xiàn)呼吸暫停或者低通氣,并引起慢性間歇性低氧和睡眠片段化等一系列病理生理改變的臨床綜合征,是最常見的睡眠呼吸障礙[1]。未經(jīng)治療的OSA患者發(fā)生心血管疾病[2]、代謝性疾病[3]和認(rèn)知障礙[4]的風(fēng)險(xiǎn)顯著增加,甚至與癌癥[5]有一定的相關(guān)性。此外,OSA導(dǎo)致的日間嗜睡和疲勞對患者的家庭、工作也會造成不良影響,并增加交通事故的發(fā)生風(fēng)險(xiǎn)[6]。有研究顯示,我國OSA患者數(shù)量已達(dá)1.76億人[1]。由于大多數(shù)OSA患者未得到及時(shí)診斷,這將嚴(yán)重危害公眾健康,并造成巨大的社會經(jīng)濟(jì)負(fù)擔(dān)[7]。公眾對該病認(rèn)識不足導(dǎo)致未及時(shí)就醫(yī)是重要的原因之一,因此迫切需要家庭化技術(shù)對OSA進(jìn)行監(jiān)測及初步篩查。隨著科技的發(fā)展,數(shù)字醫(yī)療在醫(yī)學(xué)領(lǐng)域中的應(yīng)用也越來越廣泛[8]。美國睡眠醫(yī)學(xué)會(American Academy of Sleep Medicine,AASM)于2015年首次提出應(yīng)用遠(yuǎn)程醫(yī)療對睡眠障礙進(jìn)行診斷和治療的建議[9]。在新型冠狀病毒感染疫情出現(xiàn)后,遠(yuǎn)程醫(yī)療模式在睡眠醫(yī)學(xué)領(lǐng)域中得到了快速發(fā)展[10]。大部分OSA患者有打鼾的癥狀,其鼾聲中包含大量的信息,通過收集和提取分析鼾聲的特征,可以估算患者的呼吸暫停低通氣指數(shù)(apnea hypopnea index,AHI),用于OSA患者的篩查。2021年發(fā)布的《成人阻塞性睡眠呼吸暫停低通氣綜合征遠(yuǎn)程醫(yī)療臨床實(shí)踐專家共識》[11]中提出了互聯(lián)網(wǎng)傳輸、5G通信技術(shù)是具有衛(wèi)生經(jīng)濟(jì)學(xué)價(jià)值的遠(yuǎn)程睡眠呼吸暫停管理模式發(fā)展的核心,并且肯定了在智能手機(jī)上添加內(nèi)置低成本血氧探頭或鼾聲采集器的應(yīng)用前景?；邝暦治龅闹悄苁謾C(jī)監(jiān)測軟件是一種相對簡單、舒適、患者可及的篩查工具,對于提高患者對疾病的重視、及時(shí)就醫(yī)有重要意義。但這類電子產(chǎn)品的信號采集以及呼吸事件判讀的準(zhǔn)確度需要進(jìn)一步臨床驗(yàn)證[12]。本研究旨在探討一款基于鼾聲分析技術(shù)的智能手機(jī)軟件Sleepok在成人OSA診斷中的應(yīng)用價(jià)值,并與常用的OSA篩查量表(No-Apnea、GOAL、NoSAS、STOP、STOP-Bang、CNCQ-OSA、ESS)進(jìn)行比較。

1 對象與方法

1.1研究對象 納入2022年7月至2023年4月因打鼾就診于北京大學(xué)人民醫(yī)院呼吸睡眠醫(yī)學(xué)科進(jìn)行多導(dǎo)睡眠監(jiān)測(polysomnography,PSG)的成人受試者173例,在行PSG時(shí)同步使用智能手機(jī)軟件Sleepok監(jiān)測鼾聲。納入標(biāo)準(zhǔn)：(1)以夜間打鼾、呼吸暫停等睡眠障礙為主訴;(2)年齡>18歲。排除標(biāo)準(zhǔn)：(1)精神心理疾病,不能配合檢查者;(2)因睡眠呼吸暫停正在接受無創(chuàng)正壓通氣者;(3)患有其他睡眠呼吸疾病或睡眠疾病,包括中樞性睡眠呼吸暫停、睡眠相關(guān)低通氣、發(fā)作性睡病、異態(tài)睡眠等;(4)臨床情況不穩(wěn)定,如1個(gè)月內(nèi)曾有急性心肌梗死、急性心力衰竭、支氣管哮喘急性發(fā)作、慢性阻塞性肺疾病急性加重等;(5)同屋有陪護(hù)者。本研究獲北京大學(xué)人民醫(yī)院倫理委員會批準(zhǔn)(批號：2022PHB359-001),并取得患者知情同意。

1.2研究方法

1.2.1 一般資料收集 收集每位受試者的年齡、性別、身高、體重等資料。

1.2.2 監(jiān)測方法 (1)PSG及結(jié)果判讀。受試者于北京大學(xué)人民醫(yī)院呼吸睡眠醫(yī)學(xué)科進(jìn)行整夜PSG。根據(jù)AASM推薦,記錄信號包括腦電圖(F3M2、F4M1、C3M2、C4M1、O1M2、O2M1)、雙側(cè)眼電圖(electro-oculogram,EOG)、下頜肌電圖(electromyogram,EMG)、心電圖(electrocardiogram,ECG)、下肢肌電圖、口鼻熱敏信號、鼻壓力氣流、胸腹運(yùn)動、血氧飽和度(oxygen saturation,SpO2)、鼾聲、體位、心率。PSG結(jié)果由專業(yè)睡眠技師根據(jù)AASM 2020年制定的《睡眠及相關(guān)事件判讀手冊2.6》進(jìn)行人工判讀：呼吸暫停定義為口鼻氣流消失,或較基線下降≥90%,持續(xù)時(shí)間≥10 s;低通氣定義為鼻氣流水平較基線下降≥30%,且伴SpO2降低≥3%或伴覺醒,持續(xù)時(shí)間≥10 s。計(jì)算患者AHI,記為PSG_AHI,并對患者進(jìn)行診斷及嚴(yán)重程度分級：AHI≥5次/h診斷為OSA,其中5次/h≤AHI<15次/h為輕度,15次/h≤AHI<30次/h為中度,AHI≥30次/h為重度。(2)睡好了么智能手機(jī)軟件[道博醫(yī)療科技(蘇州)有限公司]的應(yīng)用。睡好了么(Sleepok)是一款基于智能手機(jī)的睡眠呼吸監(jiān)測軟件,通過終端APP收錄受試者睡眠過程中發(fā)出的鼾聲音頻數(shù)據(jù),通過軟件中的智能算法對錄制的音頻數(shù)據(jù)進(jìn)行分析。通過短時(shí)能量,動態(tài)基線算法對鼾聲信號里的非鼾聲(睡眠打鼾過程中的呼吸暫停狀態(tài),即呼吸暫停相關(guān)事件)和鼾聲(睡眠打鼾過程中呼吸時(shí)發(fā)出呼嚕聲,即低通氣相關(guān)事件)進(jìn)行呼吸暫停和低通氣事件識別和分析。該APP對呼吸事件判斷的原理見圖1。最后,通過呼吸暫停低通氣計(jì)算規(guī)則進(jìn)行綜合計(jì)算,得出AHI,記為Sleepok_AHI。Sleepok_AHI=有效時(shí)間段內(nèi)的呼吸事件數(shù)/有效時(shí)間。有效時(shí)間是指根據(jù)音頻質(zhì)量統(tǒng)計(jì)數(shù)據(jù)把包含異常聲音的時(shí)間段進(jìn)行剔除后的時(shí)間。常用OSA篩查量表包括No-Apnea、GOAL、NoSAS、STOP、STOP-Bang、CNCQ-OSA及ESS等7種量表。

圖1 Sleepok呼吸事件判斷原理示意圖

1.2.3 試驗(yàn)流程 受試者于監(jiān)測當(dāng)晚在研究者指導(dǎo)下完成紙質(zhì)問卷的填寫(包括基本信息及以上7種量表),在開始PSG時(shí)同步開始Sleepok鼾聲監(jiān)測,手機(jī)放置在距離頭部30～50 cm處。次日結(jié)束PSG監(jiān)測時(shí)同步結(jié)束Sleepok鼾聲監(jiān)測,采集軟件自動分析AHI等數(shù)據(jù)。

2 結(jié)果

2.1受試者特征資料 173例受試者均完成同步PSG和鼾聲監(jiān)測,數(shù)據(jù)采集正常。其中男性119例(68.79%),女性54例(31.21%)。年齡為(45.6±14.3)歲,體質(zhì)量指數(shù)(body mass index,BMI)為(26.6±4.6)kg/m2,AHI為(27.2±25.3)次/h。其中AHI<5次/h的單純鼾癥33例(19.08%),輕度OSA 44例(25.43%),中度OSA 35例(20.23%),重度OSA 61例(35.26%)。在PSG期間,參與者睡眠時(shí)間為(6.7±1.0)h,睡眠效率為(85.5±10.7)%。

2.2Sleepok與PSG測得指標(biāo)水平比較 兩種方法測得TRT、TRT/TST比較差異有統(tǒng)計(jì)學(xué)意義(P<0.05),測得AHI比較差異無統(tǒng)計(jì)學(xué)意義(P>0.05),見表1。

表1 Sleepok與PSG測得指標(biāo)水平比較[n=173,M(P25,P75)]

2.3Sleepok_AHI和PSG_AHI的相關(guān)性和一致性分析結(jié)果 Pearson相關(guān)分析結(jié)果顯示,Sleepok_AHI與PSG_AHI具有較好的相關(guān)性(r=0.80,P<0.001)。Bland-Altman一致性檢驗(yàn)結(jié)果顯示,Sleepok_AHI與PSG_AHI有較高的一致性(P=0.118),兩者之間的平均差異僅為-1.82次/h(95%CI：-31.77～28.13次/h),見圖2。

圖2 Sleepok_AHI與PSG_AHI的散點(diǎn)圖和Bland-Altman分析結(jié)果圖

2.4Sleepok_AHI對OSA診斷效能分析結(jié)果 ROC曲線分析結(jié)果顯示,Sleepok_AHI對OSA、中重度OSA和重度OSA均有較好的診斷價(jià)值,其最佳截?cái)嘀捣謩e為16.6次/h、18.9次/h和28.0次/h,見圖3、表2。

表2 Sleepok_AHI對不同嚴(yán)重程度OSA的診斷效能

?為Sleepok_AHI診斷OSA的ROC曲線圖;?為Sleepok_AHI診斷中重度OSA的ROC曲線圖;?為Sleepok_AHI診斷重度OSA的ROC曲線圖

2.5Sleepok_AHI與常用OSA篩查問卷診斷OSA的效能對比 單純鼾癥組與OSA組6種量表(No-Apnea、GOAL、NoSAS、STOP、STOP-Bang、CNCQ-OSA)的評分值以及Sleepok_AHI水平比較差異均有統(tǒng)計(jì)學(xué)意義(P<0.05),見表3。ROC曲線分析結(jié)果顯示,6種量表(No-Apnea、GOAL、NoSAS、STOP、STOP-Bang、CNCQ-OSA)均有診斷OSA的應(yīng)用價(jià)值(P<0.05)。Z檢驗(yàn)顯示,Sleepok_AHI的AUC比ESS大,差異有統(tǒng)計(jì)學(xué)意義(P=0.009),與其余6種OSA篩查量表的AUC比較差異不顯著(P>0.05),見圖4、表4。

表4 Sleepok_AHI與7種篩查量表OSA的診斷效能

圖4 8種篩查工具診斷OSA的ROC曲線圖

3 討論

3.1本研究的結(jié)果表明,Sleepok_AHI與PSG_AHI之間的平均差異僅為-1.82次/h,且兩者之間相關(guān)性較好(r=0.80,P<0.001),兩者比較無顯著差異(P=0.097)。Bland-Altman一致性檢驗(yàn)結(jié)果顯示,Sleepok_AHI與PSG_AHI一致性好。Sleepok_AHI診斷OSA的靈敏度為72.14%,特異度為75.76%。Z檢驗(yàn)結(jié)果顯示,Sleepok_AHI的AUC比ESS大,差異有統(tǒng)計(jì)學(xué)意義(P=0.009),與其余6種OSA篩查量表的AUC比較差異不顯著。表明Sleepok在篩查OSA高危者中有較好的應(yīng)用價(jià)值。

3.2目前臨床上使用的經(jīng)典便攜式監(jiān)測設(shè)備靈敏度在80%～100%,特異度在60%～90%[13-16],其中Nox-T3[16]表現(xiàn)較好,靈敏度為97%～100%,特異度為75%～94%。Sleepok篩查OSA的靈敏度能達(dá)到與這些常規(guī)的便攜式監(jiān)測設(shè)備相似的水平,作為一款無需醫(yī)生處方的智能手機(jī)軟件,其應(yīng)用場景更多是面向尚未就醫(yī)、對OSA認(rèn)識不足人群的自我篩查,高靈敏度能提高患者的重視,促使其主動就醫(yī)。但由于該軟件特異度較低,應(yīng)在使用者界面提示患者其與PSG_AHI不能等同,以免造成患者過度焦慮。一些應(yīng)用程序僅僅檢測患者打鼾情況[17-18],未對患者呼吸暫停的損害作出分析和評估,這對于部分獨(dú)居患者來說可能有一定意義。臨床上,無共患疾病的中重度OSA患者也應(yīng)予以治療,避免缺氧帶來的心血管影響以及對全身各個(gè)系統(tǒng)的影響。本研究結(jié)果表明,以Sleepok_AHI 18.9次/h作為診斷中重度OSA患者的最佳截?cái)嘀禃r(shí),靈敏度(83.33%)和特異度(74.03%)均比較理想,這對于輔助臨床醫(yī)師早期識別中重度患者以及進(jìn)一步診療有重要意義。與同類產(chǎn)品Sara相比[10],Sleepok診斷中重度OSA的靈敏度和特異度略低,但這種差異可能是由研究設(shè)計(jì)或研究人群不同帶來的差異,同時(shí)Sara除了鼾聲分析技術(shù),還納入了量表評估的部分。這也提示結(jié)合客觀的鼾聲分析技術(shù)和主觀的量表評估或許能取得更好的效果。

3.3打鼾是OSA最常見癥狀,當(dāng)上氣道發(fā)生完全阻塞或部分阻塞時(shí),氣流在狹窄的上呼吸道流動過程中沖擊軟組織發(fā)生輕微震蕩而產(chǎn)生了鼾聲。有研究表明,鼾聲的振動模式可以識別呼吸暫停事件,并與阻塞的程度和部位相關(guān)[19-20]。但僅應(yīng)用鼾聲評估患者的OSA嚴(yán)重程度比較片面。在標(biāo)準(zhǔn)PSG中,呼吸暫停或低通氣需要通過氣流信號、血氧、腦電覺醒、胸腹呼吸運(yùn)動等多個(gè)生理參數(shù)來共同判定,特別是血氧的降低對提示OSA嚴(yán)重程度和預(yù)后具有非常重要的意義。另外,與其他便攜式監(jiān)測設(shè)備相同,在不能評估睡眠狀態(tài)的情況下,此類軟件只能用TRT代替TST計(jì)算AHI,而TRT通常大于TST,因而會低估患者的AHI及嚴(yán)重程度。但鼾聲分析軟件具有使用成本低、操作便捷的特點(diǎn),可進(jìn)行自我篩查?；谄涮攸c(diǎn),Sleepok或同類基于鼾聲監(jiān)測睡眠呼吸事件的軟件,目前主要應(yīng)用于以下兩類場景：一是為普通人群提供自我篩查機(jī)會,提高重視,促進(jìn)及時(shí)就醫(yī);二是在睡眠醫(yī)學(xué)診療資源相對緊張的地區(qū),為臨床醫(yī)師提供參考[21],輔助醫(yī)師及早發(fā)現(xiàn)中重度OSA,合理利用醫(yī)療資源,安排進(jìn)一步診療。

3.4本研究是對懷疑有OSA的患者進(jìn)行的一項(xiàng)隊(duì)列研究,存在一定的局限性：(1)研究人群僅從一家睡眠中心招募,因此該軟件在社區(qū)人群中的臨床應(yīng)用需要進(jìn)一步評估。(2)本研究在睡眠中心進(jìn)行,環(huán)境條件、設(shè)備放置等由研究人員控制,未評估其用于家庭監(jiān)測時(shí)的可靠性。(3)本研究納入的研究人群為就診于睡眠中心的OSA高危人群,人群選擇上有一定偏倚,對于在普通人群中的應(yīng)用需要進(jìn)一步研究。

基于鼾聲分析技術(shù)的智能手機(jī)軟件Sleepok能有效識別睡眠中的呼吸事件,對于OSA高風(fēng)險(xiǎn)患者有較好的靈敏度和特異度,同時(shí)具有操作簡單、成本低、容易普及等特點(diǎn),可以作為大規(guī)模人群的OSA篩查工具。