智能手机鼾声分析软件对阻塞性睡眠呼吸暂停低通气综合征的筛查价值研究

doi:10.12114/j.issn.1007-9572.2022.0068

中国全科医学 ›› 2022, Vol. 25 ›› Issue (17): 2061-2066.DOI: 10.12114/j.issn.1007-9572.2022.0068

所属专题：睡眠研究最新文章合集；睡眠问题专题研究

• 热点关注·睡眠问题研究（二） • 上一篇下一篇

智能手机鼾声分析软件对阻塞性睡眠呼吸暂停低通气综合征的筛查价值研究

梁瑞玲¹, 李晨阳², 赵瑞¹, 周兵¹, 董霄松¹, 韩芳¹^,^*()

1.100044　北京市，北京大学人民医院
2.100191　北京市，北京大学护理学院

收稿日期:2022-02-08 修回日期:2022-03-23 出版日期:2022-04-29 发布日期:2022-04-29
通讯作者: 韩芳
梁瑞玲，李晨阳，赵瑞，等.智能手机鼾声分析软件对阻塞性睡眠呼吸暂停低通气综合征的筛查价值研究[J].中国全科医学，2022，25（17）：2061-2066. [www.chinagp.net]
作者贡献：梁瑞玲、李晨阳负责文章的构思和设计、文献整理、撰写论文；赵瑞、周兵负责研究的实施、数据收集；董霄松、韩芳负责文章质量控制及审校，对文章整体负责，监督管理。注：梁瑞玲和李晨阳为共同第一作者
基金资助:
国防科技创新特区项目(18-163-12-ZT-002-060-02); "未名护理"领军人才科研创新基金资助、中央高校基本科研业务费专项基金资助(LJRC20ZD02)

Screening Value of Smartphone App Snoring Analysis Software for Obstructive Sleep Apnea hypopnea Syndrome

Ruiling LIANG¹, Chenyang LI², Rui ZHAO¹, Bing ZHOU¹, Xiaosong DONG¹, Fang HAN¹^,^*()

1.Peking University People's Hospital, Beijing 100044, China
2.School of Nursing, Peking University, Beijing 100191, China

Received:2022-02-08 Revised:2022-03-23 Published:2022-04-29 Online:2022-04-29
Contact: Fang HAN
About author:
LIANG R L, LI C Y, ZHAO R, et al. Screening value of smartphone App snoring analysis software for obstructive sleep apnea hypopnea syndrome[J]. Chinese General Practice, 2022, 25 (17) : 2061-2066. LIANG Ruiling and LI Chenyang are co-first authors

分享到

摘要/Abstract

摘要： 背景睡眠呼吸暂停低通气综合征（OSAHS）患病率高，而远程医疗的发展、便携式移动应用的使用在OSAHS患者的诊断、筛查中起着重要作用。目的评价智能手机鼾声分析软件眠云Sara在中国成人OSAHS筛查中的价值。方法对2020年4—12月就诊于北京大学人民医院睡眠中心的130例患者〔平均年龄（49.7±17.4）岁，男性占70%，平均体质指数（28.2±5.0） kg/m2〕，同时使用眠云Sara和多导睡眠监测（PSG）进行整夜监测，对比眠云Sara自动分析生成的相关指标与睡眠专业技术人员根据推荐指南判读PSG所得的相关指标，评价该方法得出的呼吸暂停低通气指数（AHI）与PSG结果的一致性，以及诊断OSAHS的灵敏度和特异度。结果（1）眠云Sara监测的总睡眠时间（TST）为523.67（497.50，542.64）min，PSG监测的TST为408.25（364.25，462.50）min，差异有计学意义（Z=-9.540，P<0.001）。眠云Sara监测的AHI为15.83（6.18，27.49）次/h，PSG的AHI为18.25（6.15，35.68）次/h，二者差异也有统计学意义（Z=-2.601，P=0.009）。（2）两种监测方法所得AHI呈正相关（r=0.645，P<0.001），Bland-Altman一致性检验示眠云Sara及PSG所测得的AHI在统计学上相一致，其平均差异为-5.7次/h，95%一致性界限为（-40.5，29.2）次/h；（3）以PSG的AHI≥5次/h作为诊断OSAHS的金标准，眠云Sara对OSAHS的最佳诊断值为AHI>8.34次/h，其对应的灵敏度为83.81%、特异度为92.00%，曲线下面积（AUC）为0.91（0.84，0.95），阳性预测值（PPV）为97.8%，阴性预测值（NPV）为57.5%，在不同的AHI阈值下（5、15、30次/ h），其最佳诊断值所对应的灵敏度/特异度分别为83.8%/92.0%、88.2%/74.1%和64.9%/91.4%。结论智能手机鼾声分析软件对中国成人OSAHS患者具有较好的初筛价值，与PSG具有良好的一致性。

关键词: 睡眠呼吸暂停，阻塞性, 智能手机鼾声分析软件, 多导睡眠监测, 筛查

Abstract:

Background

The prevalence of obstructive sleep apnea hypopnea syndrome (OSAHS) is high. The development of telemedicine and mobile applications play an important role in the diagnosis and screening of OSAHS patients.

Objective

To evaluate the value of smartphone snoring analysis software Mianyun Sara in screening of Chinese adults with OSAHS.

Methods

One hundred and thirty patients〔mean age (49.7±17.4) years old, 70% male and 30% female, mean body mass index (28.2±5.0) kg/m²〕who were admitted to the Sleep Center of Peking University People's Hospital from April to December 2020 were selected and underwent overnight monitoring with Mianyun Sara and polysomnography (PSG) simultaneously. The relevant indicators generated by Mianyun Sara's automatic analysis and the relevant indicators interpreted by sleep professional technicians according to the recommended guidelines, the agreement between the apnea hypopnea index (AHI) derived from this method and PSG were evaluated, as well as the sensitivity and specificity of the diagnosis of OSAHS.

Results

(1) The total sleep time (TST) monitored by Mianyun Sara was 523.67 (497.50, 542.64) min, and the TST monitored by PSG was 408.25 (364.25, 462.50) min, the difference was statistically significant (Z=-9.540, P<0.001) . The AHI monitored by Mianyun Sara was 15.83 (6.18, 27.49) times/h, and the AHI monitored by PSG was 18.25 (6.15, 35.68) times/h, the difference was statistically significant (Z=-2.601, P=0.009) . (2) There was a positive correlation between the AHI obtained by the two monitoring methods (r=0.645, P<0.001) . Bland-Altman analysis showed that the AHIs measured by Mianyun Sara and PSG were statistically consistent, with an average difference of -5.7 times/h, and the 95% consistency limit of (-40.5, 29.2) times/h. (3) Taking AHI≥5 times/h as the gold standard for the diagnosis of OSAHS, Mianyun Sara's optimal diagnostic value for OSAHS was AHI>8.34 times/h, with a corresponding sensitivity of 83.81% and a specificity of 92.00%. The area under the curve (AUC) was 0.91 (0.84, 0.95) , the positive predictive value (PPV) was 97.8%, and the negative predictive value (NPV) was 57.5%, at different AHI thresholds (5, 15, 30 times/h) , the sensitivity/specificity corresponding to the best diagnostic value were 83.8%/92.0%, 88.2%/74.1% and 64.9%/91.4%, respectively.

Conclusion

Mianyun Sara has a good screening value for adult OSAHS patients and there is close agreement between Mianyun Sara and PSG.

Key words: Sleep apnea, obstructive, Smartphone App, Polysomnography, Screening

梁瑞玲,李晨阳,赵瑞,等. 智能手机鼾声分析软件对阻塞性睡眠呼吸暂停低通气综合征的筛查价值研究[J]. 中国全科医学, 2022, 25(17): 2061-2066. DOI: 10.12114/j.issn.1007-9572.2022.0068.
Ruiling LIANG,Chenyang LI,Rui ZHAO, et al. Screening Value of Smartphone App Snoring Analysis Software for Obstructive Sleep Apnea hypopnea Syndrome[J]. Chinese General Practice, 2022, 25(17): 2061-2066. DOI: 10.12114/j.issn.1007-9572.2022.0068.

图/表 11

图1 眠云Sara所得AHI与PSG所得AHI的线性相关分析注：PSG=多导睡眠监测，AHI=睡眠呼吸暂停低通气指数

Figure 1 Linear correlation analysis of AHI obtained by Mianyun Sara and AHI obtained by PSG

图2 眠云Sara所得TST与PSG所得TST的线性相关分析注：TST=总睡眠时间

Figure 2 Linear correlation analysis of TST obtained by Mianyun Sara and TST obtained by PSG

图3 眠云Sara与PSG所得AHI的Bland-Altman一致性检验

Figure 3 Bland-Altman consistency test between AHI obtained by Mianyun Sara and AHI obtained by PSG

表1 眠云Sara与PSG结果比较〔n=130，M（P25，P75）〕

Table 1 Comparison of the results of Mianyun Sara and PSG monitoring indicators

监测方法	AHI（次/h）	TST（min）
眠云Sara	15.83（6.18，27.49）	523.67（497.50，542.64）
PSG	18.25（6.15，35.68）	408.25（364.25，462.50）
Z值	-2.601	-9.540
P值	0.009	<0.001

图4 AHI≥5次/h时诊断OSAHS的ROC曲线

Figure 4 ROC curve for the diagnosis of OSAHS when AHI≥5 times/h

图5 AHI≥15次/h时诊断OSAHS的ROC曲线

Figure 5 ROC curve for the diagnosis of OSAHS when AHI≥15 times/h

图6 AHI≥30次/h时诊断OSAHS的ROC曲线

Figure 6 ROC curve for the diagnosis of OSAHS when AHI≥30 times/h

表2 眠云Sara与PSG诊断OSAHS的四格表（例）

Table 2 Comparison of the results of Mianyun Sara and PSG in the diagnosis of OSAHS

眠云Sara	PSG（以PSG的AHI≥5次/h为金标准）		合计
眠云Sara	OSAHS	非OSAHS	合计
OSAHS	95	6	101
非OSAHS	9	20	29
合计	104	26	130

表3 眠云Sara与PSG诊断中度OSAHS的四格表（例）

Table 3 Comparison of the results of Mianyun Sara and PSG in the diagnosis of medium OSAHS

眠云Sara	PSG（以PSG的AHI≥15次/h为金标准）		合计
眠云Sara	OSAHS	非OSAHS	合计
OSAHS	57	12	69
非OSAHS	19	42	61
合计	76	54	130

表4 眠云Sara与PSG诊断重度OSAHS的四格表（例）

Table 4 Comparison of the results of Mianyun Sara and PSG in the diagnosis of severe OSAHS

眠云Sara	PSG（以PSG的AHI≥30次/h为金标准）		合计
眠云Sara	OSAHS	非OSAHS	合计
OSAHS	22	5	27
非OSAHS	15	88	103
合计	37	93	130

表5 眠云Sara诊断OSAHS的灵敏度、特异度、阳性和阴性预测值

Table 5 Sensitivity，specificity，positive and negative predictive value of Mianyun Sara for the diagnosis of OSAHS

诊断标准	最佳诊断值	灵敏度（95%CI，%）	特异度（95%CI，%）	阳性预测值（%）	阴性预测值（%）
AHI≥5次/h	AHI>8.34次/h	83.8（75.3，90.3）	92.0（74.0，99.0）	97.8	57.5
AHI≥15次/h	AHI>11.00次/h	88.2（78.7，94.4）	74.1（60.3，85.0）	82.7	81.6
AHI≥30次/h	AHI>24.47次/h	64.9（47.5，79.8）	91.4（83.8，96.2）	75.0	86.7

参考文献 16

[1]	BENJAFIELD A，AYAS N，EASTWOOD P，et al. Estimation of the global prevalence and burden of obstructive sleep apnoea：a literature-based analysis[J]. The Lancet Respiratory Medicine，2019，7（8）：687-698. DOI：10.1016/S2213-2600(19)30198-5.
[2]	JIN H，LEE L A，SONG L，et al. Acoustic analysis of snoring in the diagnosis of obstructive sleep apnea syndrome：a call for more rigorous studies[J]. Clin Sleep Med，2015，11（7）：765-771. DOI：10.5664/jcsm.4856 .
[3]	CASTILLO Y，CAMARA M A，BLANCO-ALMAZAN D，et al. Characterization of microphones for snoring and breathing events analysis in mHealth[J]. Annu Int Conf IEEE Eng Med Biol Soc，2017：1547-1550. DOI：10.1109/EMBC.2017.8037131.
[4]	SINGH J，BADR M S，DIEBERT W，et al. American Academy of Sleep Medicine （AASM） Position Paper for the Use of Telemedicine for the Diagnosis and Treatment of Sleep Disorders[J]. J Clin Sleep Med，2015，11（10）：1187-1198. DOI：10.5664/jcsm.5098.
[5]	中国医师协会呼吸医师分会睡眠呼吸障碍工作委员会，"华佗工程"睡眠健康项目专家委员会.成人阻塞性睡眠呼吸暂停低通气综合征远程医疗临床实践专家共识[J]. 中华医学杂志，2021，101（22）：1657-1664. DOI：10.3760/cma.j.cn112137-20210202-00318.
[6]	KUSHIDA C A，LITTNER M R，MORGENTHALER T I，et al. Practice parameters for the indications for polysomnography and related procedures：an update for 2005[J]. Sleep，2005，28（4）：499-523. DOI：10.1093/sleep/28.4.499.
[7]	BERRY R B，BUDHIRAJA R，GOTTLIEB D J，et al. Rules for scoring respiratory events in sleep：update of the 2007 AASM manual for the scoring of sleep and associated events[J]. J Clin Sleep Med，2012，8（5）：597-619. DOI：10.5664/jcsm.2172.
[8]	中华医学会呼吸病学分会睡眠呼吸疾病学组. 阻塞性睡眠呼吸暂停低通气综合征诊治指南（2011年修订版）[J]. 中华结核和呼吸杂志，2012，35（1）：9-12. DOI：10.3760/cma.j.issn.1001-0939.2012.01.007.
[9]	陈卉. Bland Altman分析在临床测量方法一致性评价中的应用 [J]. 中国卫生统计，2007，24（3）：308-309，315.
[10]	YOUNG T，PALTA M，DEMPSEY J，et al. The occurrence of sleep-disordered breathing among middle-aged adults.[J] N Engl J Med，1993，328（17）：1230-1235. DOI：10.1056/NEJM199304293281704.
[11]	ONG A A，GILLESPIE M B. Overview of smartphone applications for sleep analysis[J]. World Journal of Otorhinolaryngology-Head and Neck Surgery，2016，2（1）：45-49. DOI：10.1016/j.wjorl.2016.02.001.
[12]	SOLÀ-SOLER J，FIZ J A，MORERA J，et al. Multiclass classification of subjects with sleep apnoea-hypopnoea syndrome through snoring analysis[J]. Med Eng Phys，2012，34（9）：1213-1220. DOI：10.1016/j.medengphy.2011.12.008.
[13]	WILSON K，STOOHS R A，MULROONEY T F，et al. The snoring spectrum：acoustic assessment of snoring sound intensity in 1，139 individuals undergoing polysomnography[J]. Chest，1999，115（3）：762-770. DOI：10.1378/chest.115.3.762
[14]	ZAFFARONI A，LYON G，TIRON R，et al. Detection of sleep apnea using sonar smartphone technology[J]. EMBC，2019：7193-7196. DOI：10.1109/EMBC.2019.8857836.
[15]	NAKANO H，HIRAYAMA K，SADAMITSU Y，et al. Monitoring sound to quantify snoring and sleep apnea severity using a smartphone：proof of concept[J]. J Clin Sleep Med，2014，10（1）：73-78. DOI：10.5664/jcsm.3364.
[16]	张诗玙. 基于安卓手机的睡眠呼吸暂停综合症筛查系统[D]. 大连：大连理工大学，2016.

智能手机鼾声分析软件对阻塞性睡眠呼吸暂停低通气综合征的筛查价值研究

Screening Value of Smartphone App Snoring Analysis Software for Obstructive Sleep Apnea hypopnea Syndrome

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 16

相关文章 15

编辑推荐

Metrics

留言

[1]	秦凤银, 张绮珊, 赖锦佳, 黄奕敏, 韩郭茵, 孙兴兰, 王芬, 谭益冰. 广东省社区居民脑卒中高危筛查意向的现状及影响因素研究[J]. 中国全科医学, 2023, 26(34): 4283-4289.
[2]	梁譞, 那飞扬, 秦梦瑶, 杨辉, 郭丽, 郭琪, 任蕾, 陈德, 刘东海, 张蓉芳. 儿童支气管哮喘合并阻塞性睡眠呼吸暂停低通气综合征的临床特征及影响因素研究[J]. 中国全科医学, 2023, 26(33): 4225-4230.
[3]	邓晶晶, 李夏, 薛倩, 邓利华, 王晶桐. 持续正压通气治疗对阻塞性睡眠呼吸暂停合并胃食管反流患者的疗效观察研究[J]. 中国全科医学, 2023, 26(30): 3753-3758.
[4]	卫梦雨, 王佳佳, 张莹莹, 李春阳, 李建生. 阻塞性睡眠呼吸暂停患者报告结局测评工具研究现状分析[J]. 中国全科医学, 2023, 26(30): 3725-3733.
[5]	瞿慧, 李缓, 唐若涵, 杜宇征, 赵琦. 近十年针刺治疗阻塞性睡眠呼吸暂停低通气综合征随机对照试验结局指标分析[J]. 中国全科医学, 2023, 26(30): 3734-3739.
[6]	温雯, 张凯楠, 陈玉岚, 李瑜, 张向阳. 代谢指数作为预测因子与阻塞性睡眠呼吸暂停的相关性分析[J]. 中国全科医学, 2023, 26(30): 3740-3747.
[7]	胡佳玉, 任丽珏, 靳欢欢, 孙婷婷, 靳美娜, 周雪利, 魏翠英. 阻塞性睡眠呼吸暂停综合征患者脂肪因子Metrnl水平及其与炎症和胰岛素抵抗的关系研究[J]. 中国全科医学, 2023, 26(30): 3748-3752.
[8]	陈静, 邹涛, 赵丹青, 肖子文, 吴献青, 中华医学会心身医学分会围产期精神障碍协作组. 围产期精神障碍筛查与诊治专家共识[J]. 中国全科医学, 2023, 26(28): 3463-3470.
[9]	张笃飞, 陈仁伟, 莫泽来, 羊玲, 王亚洲, 王海凡. 海南省新生儿先天性心脏病筛查-诊断-评估适宜技术的应用研究[J]. 中国全科医学, 2023, 26(25): 3170-3177.
[10]	王瑞, 王小梅, 彭国庆, 余欢, 王思涵, 夏瑾. 成人癌症恶病质的筛查评估与干预治疗——基于《成人癌症恶病质：ESMO临床实践指南》解读[J]. 中国全科医学, 2023, 26(23): 2823-2829.
[11]	左旭, 黄招兰, 陆彪. 35~64岁自报非高血压人群首次血压测量与非同日3次血压测量结果的差异及其影响因素分析[J]. 中国全科医学, 2023, 26(22): 2771-2777.
[12]	丁晓云, 金菊珍, 杨瑾, 周静, 胡瑾, 蒙玥, 梁晓仙, 盖云, 汪俊华, 王子云. 腰围和空腹血糖对40~65岁人群阻塞性睡眠呼吸暂停综合征与动脉硬化关联的中介效应研究[J]. 中国全科医学, 2023, 26(21): 2597-2602.
[13]	费敏, 雷思, 许琰, 叶云, 卓慧, 张慧, 罗荧荃. 阻塞性睡眠呼吸暂停低通气综合征对高血压患者血压变异性和心率变异性的影响研究[J]. 中国全科医学, 2023, 26(20): 2459-2468.
[14]	王晶玉, 洪申达, 韩芳, 刘国莉. 妊娠期阻塞性睡眠呼吸暂停筛查的研究进展[J]. 中国全科医学, 2023, 26(20): 2555-2558,2566.
[15]	梁振宇, 王凤燕, 陈子正, 陈荣昌. 2023年GOLD慢性阻塞性肺疾病诊断、管理及预防全球策略更新要点解读[J]. 中国全科医学, 2023, 26(11): 1287-1298.