摘要
摘要目的探讨夜间脉搏血氧饱和度（SpO2）监测对阻塞性睡眠呼吸暂停低通气综合征（OSAHS）预测和分类的价值。方法回顾性分析2018年1月至2019年12月就诊于天津医科大学总医院睡眠中心的580例打鼾患者的临床资料，男418例，女162例，年龄13~85（49±14）岁，所有患者均接受了整夜多导睡眠监测（PSG），睡眠呼吸暂停低通气指数（AHI）为0~101.4（43.06±27.47）次/h。其中，非OSAHS组（AHI<5次/h）52例，轻度OSAHS组（5次/h<AHI≤15次/h）69例，中度OSAHS组（15次/h<AHI≤30次/h）98例，重度OSAHS组（AHI>30次/h）361例。从SpO2信号中提取13个指标，与AHI做相关性分析后，最终筛选11个与AHI相关的SpO2指标（3%氧减饱和度回升指数，SpO2低于90%曲线下面积，最低SpO2平均值，最低SpO2，平均SpO2，SpO2分别低于95%、90%、85%、80%、75%、70%的时间百分比），加入3个人口学指标［性别、年龄、体质量指数（BMI）］作为全部特征。分别利用多元线性回归（MLR）方法和反向传播神经网络（BPNN）多分类方法，进行AHI预测和OSAHS严重程度分类。采用SPSS 25.0软件进行统计学分析，计量资料均采用Pearson相关检验。结果对MLR方法和BPNN多分类方法进行评价。MLR方法获得了较高预测性能，其模型拟合优度r2=0.848（P<0.05），预测相关系数r=0.901（P<0.05）。BPNN多分类方法分类结果的特异度和阴性预测率均在90%左右，敏感度和阳性预测率也较高，其中非OSAHS组分类敏感度为88.46%±4.50%，重度OSAHS组分类的敏感度为94.74%±0.76%。结论基于夜间SpO2监测仪记录的信号，利用MLR模型进行AHI预测以及利用BPNN模型进行多分类的方法，可能对OSAHS有较高的预测和分类价值。
出版日期
2021年03月07日（中国期刊网平台首次上网日期，不代表论文的发表时间）
