自相似的自动检测和CPAP呼吸机治疗失败的预测（475）
介绍
睡眠呼吸障碍是心脏代谢和神经退行性疾病的重要危险因素。持续正压气道通气（CPAP呼吸机）是睡眠呼吸暂停的主要治疗方法，其耐受性和疗效通常较差。高环路增益（HLG）是中枢性睡眠呼吸暂停或周期性呼吸的驱动机制。当前的研究旨在开发一种计算方法，该方法基于睡眠期间呼吸振荡的自相似性，仅使用呼吸模式，通过呼吸电感体积描记法（RIP）测量来检测高环路增益。为了量化已开发相似性测量的潜在效用，使用该算法来预测急性CPAP呼吸机失败。
方法
我们开发了一种算法，用于以减少呼吸努力的周期检测呼吸暂停，这在RIP信号中表现为低信号幅度。我们的算法会计算出连续的呼吸暂停或低通气之间的呼吸模式自相似性。在高环路增益会导致自相似呼吸振荡并增加CPAP呼吸机失败风险的假设下进行工作，在诊断性无CPAP呼吸机多导睡眠监测（PSG）期间计算出的整夜相似度可用来预测CPAP呼吸机的失败，我们将其定义为滴定中枢性呼吸暂停指数（CAI）> 10。中枢性呼吸暂停标签既可以从睡眠技术人员的手动评分中获得，也可以从针对这项研究开发的自动算法中获得。使用了麻省总医院（MGH）的睡眠数据库，包括2466对多导睡眠图诊断和CPAP呼吸机滴定多导睡眠图记录
。
结果
基于技术人员标签，诊断性中枢性呼吸暂停指数可预测CPAP呼吸机的失败，AUC为0.82±0.03。基于自动生成的标签、整夜相似度和自动生成的中枢性呼吸暂停指数的组合得出的AUC为0.85±0.02。使用技术人员标签诊断性中枢性呼吸暂停指数> 5对人群进行亚分析。整夜相似性可预测失败，手动标签的AUC为0.57±0.07，自动标签的AUC为0.65±0.06。
结论
这项研究表明中枢性呼吸暂停标签可以自动方式获得。拟议的自相似特征，作为表达的呼吸高环路增益的替代估计，并根据易于获得的呼吸努力信号进行计算，可以检测周期性呼吸，而不受诸如流量限制等混合障碍物的影响，并且可以帮助预测CPAP呼吸机的失败或成功。
（叶妮摘自 Sleep, Volume 44, Issue Supplement_2, May 2021, Page A187）
