使用CPAP呼吸機期間的殘留事件：患病率、預測變量和檢測準確性
研究目的
評估持續氣道正壓通氣（CPAP呼吸機）治療阻塞性睡眠呼吸暫停（OSA）期間殘留呼吸事件的發生頻率、嚴重程度和決定因素。具體取決于設備輸出。
方法
受試者來自美國睡眠醫學會認可的多學科睡眠中心的連續OSA患者。納入標準包括CPAP呼吸機使用至少3個月，每晚至少使用4小時�；仡櫺苑治隽�217名受試者的依從性指標和波形數據。當幅度明顯降低（≥30％）或氣流受限且恢復呼吸增加2-3次時，對事件進行人工評分。對自動檢測的事件和手動評分的事件進行統計分析，包括布蘭德-奧特曼圖、相關系數和邏輯回歸、探索殘差事件的預測因子。
結果
患者平均年齡為54.7±14.2歲； 63％是男性。所有患者均初步診斷為阻塞性睡眠呼吸暫停，其中26％確定為復雜睡眠呼吸暫停。基于殘余氣流測量的呼吸暫停低通氣指數（AHIFLOW）> 5、10和15 / h，根據波形數據的自動評分與手動評分的對比為：32.3％，9.7％和1.8和60.8％，23％和7.8％。自動檢測與手動評分的平均AHIFLOW比值為：每小時7.3±5.1和每小時為4.4±3.8。在邏輯回歸分析中，手動AHIFLOW> 5 / h的唯一預測因素是絕對中樞性呼吸暫停指數（CAI）（比值[OR]：1.5，p：0.01，CI：1.1–2.0），或使用睡眠每小時5次的CAI閾值（OR：5.0，p：<0.001，CI：2.2–13.8）。 對于AHIFLOW> 10 / h，每小時1次的CAI單位OR為1.14，p：0.03（CI：1.1–1.3）。
結論
殘留呼吸事件在CPAP呼吸機治療期間很常見，在自動基線檢測研究中，自動設備檢測可能會遺漏呼吸殘留，而中樞呼吸暫停指數高可能會預測殘留呼吸事件。氣流數據的直接可視化通�？捎�，并且可以提高檢測效率。
（葉妮摘自 J Clin Sleep Med 2016;12(8):1153–1158.）
