论文部分内容阅读
背景阻塞性睡眠呼吸暂停低通气综合征（OSAHS）在高血压患者中患病率高，但诊断率低，其中心率变异性（HRV）和血压变异性（BPV）都是心血管事件相关预测因子，但目前关于OSAHS与高血压患者BPV和HRV内在联系的相关研究较少。目的 本研究旨在探讨OSAHS对高血压患者HRV、BPV的影响，并开发和内、外部验证一种通过HRV和BPV相关指标预测高血压患者OSAHS患病风险的列线图。方法 选取2018年1月至2020年12月在中南大学湘雅二医院收治的228例高血压患者作为研究对象，根据OSAHS诊断标准分为单纯高血压组（n=114）和高血压合并OSAHS组（n=114）；另外收集2021年1月—2月住院的34例高血压伴或不伴OSAHS患者作为独立的外部验证组。收集研究对象的一般资料[年龄、性别、体质指数（BMI）等]、平均血压水平[夜间收缩压（nSBP）等]、BPV相关指标[夜间收缩压标准差（nSSD）、夜间舒张压标准差（nDSD）、24 h舒张压标准差（24 hDSD）等]、血压昼夜节律、HRV相关指标[RR间期平均值标准差（SDANN）、低频带（LF）等]、多导睡眠监测（PSG）参数[氧减指数（ODI）、睡眠呼吸暂停低通气指数（AHI）、最低血氧饱和度（MinSpO2）等]。比较单纯高血压组和高血压合并OSAHS组一般资料、平均血压水平、BPV相关指标、血压昼夜节律、HRV相关指标的差异；并依据AHI标准和MinSpO2标准将高血压合并OSAHS组患者分别分为轻度组、中度组和高度组，比较不同严重程度组高血压合并OSAHS组患者一般资料、平均血压水平、BPV和HRV相关指标的差异；采用Pearson相关性分析和多元线性回归分析探究HRV和BPV相关影响因素；并绘制限制性立方样条图检验高血压患者平均血压水平、BPV和HRV相关指标与OSAHS患病风险的相关性；通过多因素Logistic回归模型分析高血压患者患OSAHS的影响因素，构建列线图预测模型，采用Bootstrap方法在检验内、外部组验证组在列线图模型中的性能；采用受试者工作特征（ROC）曲线评估内、外部验证组列线图在高血压患者OSAHS患病风险的预测价值，计算ROC曲线下面积（AUC）等指标。结果228例高血压患者中男性168例（73.7%），女性60例（26.3%），平均年龄为（62.0±12.9）岁，BMI为（24.2±3.5）kg/m~2。高血压合并OSAHS组患者的BMI高于单纯高血压组（P＜0.05），高血压合并OSAHS组夜间BPV相关指标高于单纯高血压组，HRV相关指标低于单纯高血压组（P＜0.05）。AHI标准和MinSpO2标准下不同严重程度高血压合并OSAHS组患者相关资料比较结果显示，重度组与轻、中度组的BMI、BPV、HRV相关指标比较，差异有统计学意义（P＜0.05）。Pearson相关性分析和多元线性回归分析结果显示：高血压合并OSAHS组患者的n SSD、nDSD水平、HRV相关指标与BMI、AHI、ODI水平存在相关关系（P＜0.01）,BMI、ODI、MinSpO2是高血压合并OSAHS组患者nSSD、nDSD水平和HRV相关指标的独立影响因素（P＜0.05）；限制性立方样条模型结果显示BPV、HRV相关指标与发生OSAHS存在非线性相关（P＜0.05），纳入多元Logistic回归分析模型后发现nSBP、nSSD、24 hDSD、SDANN、LF、年龄、BMI是高血压患者发生OSAHS的影响因素（P＜0.05），以年龄、BMI、nSBP、nSSD、24 hDSD、SDANN、LF为预测因子构建列线图预测模型，Bootstrap方法验证结果显示，内、外部验证组的绝对误差分别为0.013、0.021，表明列线图模型的校准度良好。内、外部验证组列线图预测高血压患者OSAHS患病风险的AUC分别为0.861、0.744[95%CI（0.818,0.919）,P＜0.001;95%CI（0.691,0.839）,P＜0.001]。结论OSAHS可增加高血压患者夜间BPV，降低HRV,HRV和BPV均与OSAHS病情严重程度密切相关，夜间缺氧或许更能引起血压和心率变化。本研究构建的列线图也许可用于高血压患者发生OSAHS风险的个体化预测，HRV和BPV参数或许是筛选OSAHS的有力工具。