简介：摘要目的评估使用Ⅲ型便携式睡眠监测仪（PM）进行家庭睡眠呼吸暂停监测（HSAT）对稳定期充血性心力衰竭（CHF）患者睡眠呼吸障碍（SDB）的诊断价值。方法纳入2016年1月至2019年1月就诊于北京大学人民医院睡眠中心的76例CHF患者，年龄（57.0±16.9）岁，其中男61例，女15例。先用Ⅲ型PM进行整夜无人值守的HSAT，1周内在睡眠中心同步进行多导睡眠监测（PSG）和实验室便携式睡眠监测（in-lab PM）。评估三种方法所得的呼吸暂停低通气指数（AHI）、阻塞型睡眠呼吸暂停指数（OAI）、中枢型睡眠呼吸暂停指数（CAI）的一致性，计算Ⅲ型PM诊断SDB敏感度和特异度。结果完成HSAT、in-lab PM、PSG的患者分别为65、63和65例。HSAT、in-lab PM的AHI［M（Q1，Q3）］分别为26.1 （10.9，40.1）、27.9 （11.3，43.2）次/h，与PSG的AHI［29.0 （10.2，45.0）］差异均无统计学意义（均P>0.05）。HSAT与PSG的AHI、OAI、CAI均呈正相关（r值分别为0.892、0.903、0.831，均P<0.05），平均差值分别为3.1、0.8、1.2次/h，一致性区间分别为-15.2~21.4、-9.7~11.3、-10.9~13.2次/h。与PSG相比，AHI≥5次/h时，HSAT诊断SDB敏感度为94.6%，特异度为75.0%。以PSG作为金标准，HSAT诊断陈-施呼吸（CSR）的敏感度为96.4%，特异度为97.2%。结论Ⅲ型PM对CHF患者的SDB具有较高的诊断价值。

简介：摘要目的评价非接触式睡眠呼吸监测仪在成人阻塞性睡眠呼吸暂停（OSA）患者中的应用价值。方法本研究选取2018年7月至2019年5月因打鼾就诊于北京大学人民医院睡眠中心的成人患者，在进行多导睡眠监测（PSG）的同时使用非接触式睡眠呼吸监测仪进行监测，利用均数检验、Pearson相关系数及Bland-Altman法评估非接触式睡眠呼吸监测仪生成的呼吸事件指数（REI）与PSG生成的呼吸暂停低通气指数（AHI）之间的一致性，计算非接触式睡眠呼吸监测仪诊断OSA的敏感度和特异度，并以受试者工作特征（ROC）曲线确定其诊断OSA的最佳界值。结果共纳入198例患者，其中男120例，女78例，年龄45.5（33.0，57.3）岁。PSG生成的AHI与非接触式睡眠呼吸监测仪的REI差异无统计学意义［15.9（4.7，40.2）次/h比16.2（6.1，40.0）次/h，P=0.381），二者显著相关（r=0.914，P<0.05），其一致性检验的平均差-0.06次/h（95%CI：-18.44~18.31）；如以REI≥5次/h作为诊断标准，则非接触式睡眠呼吸监测仪诊断OSA的敏感度为91.2%，特异度为58.0%；以REI≥13.3次/h诊断中重度OSA的敏感度、特异度分别为90.1%，71.1%。结论该非接触式睡眠呼吸监测仪所得REI与PSG-AHI一致性较好，可用于OSA及中重度OSA患者的筛查。

简介：摘要目的探讨利用Ⅲ型便携式睡眠监测仪进行家庭睡眠呼吸暂停监测（HSAT）对慢性阻塞性肺疾病（慢阻肺）患者合并的阻塞性睡眠呼吸暂停（OSA）的诊断价值。方法收集2015年9月至2018年11月就诊于北京大学国际医院睡眠中心，疑诊OSA的慢阻肺患者共75例，依次进行经Ⅲ型便携式睡眠监测仪的HSAT和在睡眠实验室进行同步多导睡眠图（PSG）监测及便携式睡眠监测仪监测（PMT）。计算患者自行佩戴便携式睡眠监测仪行HSAT的成功率，评价两种方法得出的呼吸暂停低通气指数（AHI）与PSG的一致性，以及诊断慢阻肺患者中OSA的灵敏度和特异度。结果HSAT实施的成功率为88%（66/75），HSAT及PMT的AHI[M（Q1，Q3）]分别为16.25（9.23，30.68）、17.95（8.63，40.50）次/h，与相应的PSG的AHI[18.25（7.48，44.65）次/h]相关（r值分别为0.898、0.966，均P<0.001）。Bland-Altman分析显示，HSAT及PMT和PSG所得AHI均有较高的一致性。以AHI≥30次/h为诊断标准，HSAT和PMT诊断OSA的特异度均超过95%。结论无论在家庭还是在实验室，应用Ⅲ型便携式睡眠监测仪用于慢阻肺患者中OSA的诊断均有较大价值。

简介：在国际上，经过30多年的发展，以睡眠疾病诊疗为主的一门新兴边缘交叉学科——睡眠医学已经形成并逐渐发展壮大。本文重点从国际睡眠医学发展特点、国内睡眠医学发展、睡眠呼吸医学发展及人才培养等几个方面进行了全面的论述。其中，对睡眠呼吸障碍的认识是催生睡眠医学这一新兴边缘交叉学科的学术引擎，而提高睡眠呼吸障碍的诊疗和研究水平将是促进学科建设的持久驱动力。

简介：摘要随着人工智能（AI）技术的兴起与发展，将AI应用于医疗健康领域正日益受到广泛关注。本文以机器学习、深度学习和迁移学习等方法为代表，概述了在睡眠医学领域的相关研究工作，涵盖了睡眠分期、睡眠纺锤波、睡眠呼吸暂停、快动眼睡眠行为障碍、失眠以及发作性睡病等。同时，分析并探讨了未来AI的发展趋势，充分发挥AI在大数据分析和智能决策上的优势，使其在睡眠医学领域能够得以进一步地推广与应用。

简介：摘要睡眠医学是涉及睡眠-觉醒障碍相关疾病的临床专科。国际上，睡眠医学已作为独立专科开展规范化培训，建立了准入制度，而我国尚未建立规范化的睡眠医学人才培养体系。加强睡眠医学教育，特别是开展睡眠医学专科医师规范化培训是必由之路。本文介绍了北京大学医学部在各附属医院和教学医院睡眠医学培训需求调研的基础上开展睡眠医学专科医师培训所进行的探索，为建立规范化睡眠医学培训体系积累经验。

简介：摘要阻塞性睡眠呼吸暂停低通气综合征（OSAHS）是一种引起多系统损害的慢性疾病。家庭无创正压通气（PAP）作为绝大多数患者的首选治疗方式，其疗效取决于患者的依从性如何。如何有效地监测及提高依从性也是OSAHS管理的重要议题。近年来，随着计算机技术和通讯网络的进展，客观评价及管理患者PAP治疗依从性的新技术应用于临床。本文分别介绍了提高依从性的治疗技术、监测和随访技术及基于新技术的OSAHS患者PAP治疗依从性管理新方向，为提高PAP治疗依从性提供了新视角，同时也为探索OSAHS远程管理体系及路径提供了新思路。

简介：摘要目的探讨在中国将远程医疗模式应用于阻塞性睡眠呼吸暂停低通气综合征（OSAHS）诊治的可行性。方法纳入2015年10月至2016年9月就诊于北京大学人民医院睡眠中心的24例疑似OSAHS患者，以电子问卷评估和家庭睡眠呼吸暂停监测（HSAT）进行确诊，对确诊患者进行远程自动气道正压通气（APAP）治疗。治疗满1周、1个月和3个月时分别对患者进行视频随访，通过独立建立的数据管理平台由患者填写随访问卷，通过APAP内置的数码卡获取APAP治疗数据和依从性数据。采用线性回归模型探索影响患者依从性的相关因素，采用单因素重复测量方差分析比较不同治疗时点患者APAP使用时间和呼吸暂停低通气指数（AHI）等指标的变化，采用配对t检验比较治疗前后爱泼沃斯嗜睡量表（ESS）评分。结果确诊为OSAHS的患者共22例，其中男性20例（90.9%），年龄为（45.6±10.2）岁，治疗前患者AHI为（46.9±20.4）次/h。20例OSAHS患者接受了APAP治疗，治疗满1周、1个月和3个月时依从性良好患者占比分别为15/19、10/19和8/18。患者治疗前嗜睡严重程度影响依从性，ESS评分每增加1分，依从性（95%CI）增加6.16%（3.01%，9.31%），年龄、体质指数及治疗前AHI对依从性影响均无统计学意义（均P>0.05）。治疗满1周、1个月和3个月患者AHI分别为（2.5±2.1）、（2.2±1.6）和（1.9±1.0）次/h（P=0.195）；治疗满3个月患者ESS评分为（7.0±3.3）分，低于治疗前（10.6±3.1）分（P=0.079）。结论远程医疗模式诊治OSAHS的患者依从性和治疗效果好，实际可行。