自相似的自動檢測和CPAP呼吸機治療失敗的預測（475）
介紹
睡眠呼吸障礙是心臟代謝和神經退行性疾病的重要危險因素。持續正壓氣道通氣（CPAP呼吸機）是睡眠呼吸暫停的主要治療方法，其耐受性和療效通常較差。高環路增益（HLG）是中樞性睡眠呼吸暫停或周期性呼吸的驅動機制。當前的研究旨在開發一種計算方法，該方法基于睡眠期間呼吸振蕩的自相似性，僅使用呼吸模式，通過呼吸電感體積描記法（RIP）測量來檢測高環路增益。為了量化已開發相似性測量的潛在效用，使用該算法來預測急性CPAP呼吸機失敗。
方法
我們開發了一種算法，用于以減少呼吸努力的周期檢測呼吸暫停，這在RIP信號中表現為低信號幅度。我們的算法會計算出連續的呼吸暫停或低通氣之間的呼吸模式自相似性。在高環路增益會導致自相似呼吸振蕩并增加CPAP呼吸機失敗風險的假設下進行工作，在診斷性無CPAP呼吸機多導睡眠監測（PSG）期間計算出的整夜相似度可用來預測CPAP呼吸機的失敗，我們將其定義為滴定中樞性呼吸暫停指數（CAI）> 10。中樞性呼吸暫停標簽既可以從睡眠技術人員的手動評分中獲得，也可以從針對這項研究開發的自動算法中獲得。使用了麻省總醫院（MGH）的睡眠數據庫，包括2466對多導睡眠圖診斷和CPAP呼吸機滴定多導睡眠圖記錄
。
結果
基于技術人員標簽，診斷性中樞性呼吸暫停指數可預測CPAP呼吸機的失敗，AUC為0.82±0.03。基于自動生成的標簽、整夜相似度和自動生成的中樞性呼吸暫停指數的組合得出的AUC為0.85±0.02。使用技術人員標簽診斷性中樞性呼吸暫停指數> 5對人群進行亞分析。整夜相似性可預測失敗，手動標簽的AUC為0.57±0.07，自動標簽的AUC為0.65±0.06。
結論
這項研究表明中樞性呼吸暫停標簽可以自動方式獲得。擬議的自相似特征，作為表達的呼吸高環路增益的替代估計，并根據易于獲得的呼吸努力信號進行計算，可以檢測周期性呼吸，而不受諸如流量限制等混合障礙物的影響，并且可以幫助預測CPAP呼吸機的失敗或成功。
（葉妮摘自 Sleep, Volume 44, Issue Supplement_2, May 2021, Page A187）
