详细内容
阻塞性睡眠呼吸暫�；颊叽蝼卣髋c上氣道塌陷主要部位的關系
時間：2022-01-06 作者：北京思力普睡眠研究所 【原創】
研究目的
先前研究人員對孤立事件和打鼾的聲學分析表明，個體聲學特征與塌陷事件的個體地點之間存在相關性。在這項研究中，我們假設自然睡眠期間打鼾聲的多參數評估將提供對氣道塌陷主要部位的可靠預測。
方法
58 名阻塞性睡眠呼吸暫�；颊叩囊纛l信號與整夜多導睡眠圖同時記錄。通過人工分析低通氣事件期間氣流信號的形狀來確定塌陷部位，并人工提取和處理包含打鼾的相應音頻信號段。開發了機器學習算法，自動將每個低通氣事件的塌陷部位注釋為三類（咽側壁、上顎和舌根）。睡眠期間的主要塌陷部位是根據個人低通氣注釋確定的，并與手動確定的注釋進行比較。這是一項使用交叉驗證來估計性能的回顧性研究。
結果
聚類分析表明，數據在兩個聚類中擬合良好，平均輪廓系數為 0.79，分類舌體/非舌體塌陷的準確率為 68%。使用線性判別式的分類模型在區分舌體/非舌體主要塌陷部位方面的總體準確度為 81%，對所有塌陷類別的部位準確率為 64%。
結論
我們的結果表明，低通氣期間的鼾聲信號可以提供有關上呼吸道塌陷主要部位的信息。因此，在睡眠期間記錄的音頻信號有可能被用作識別塌陷主要部位的新工具，從而改善治療選擇和結果。
（葉妮摘自 Sleep, Volume 44, Issue 12, December 2021, zsab176）
