临床研究
心肺耦合分析技术对睡眠障碍诊断的可靠性观察
中华医学杂志, 2020,100(11) : 817-822. DOI: 10.3760/cma.j.cn112137-20190911-02008
摘要
目的

探讨心肺耦合(CPC)分析技术在慢性失眠(CI)和阻塞性睡眠呼吸暂停(OSA)中的诊断价值。

方法

连续收集2018年7月至2019年12月于安徽医科大学附属巢湖医院睡眠障碍科就诊患者221例,夜间同步行多导睡眠图(PSG)和CPC监测。根据临床症状和PSG结果,CI及OSA患者168例(男88例,女80例),其中单纯CI(CI组)93例,单纯OSA(OSA组)36例,CI和OSA共病(COI组)39例。分析CPC和PSG测定的各项睡眠指标的一致性和两者对OSA诊断的一致性。

结果

(1)在CI组或所有患者,CPC测定的TST、SE和REM睡眠时间显著高于PSG测定值,WASO显著低于PSG测定值(具体中位数对比是:CI组420.0 min比395.5 min、93.7%比81.8%、90.0 min比37.5 min、18.0 min比63.0 min;所有患者414.0 min比392.5 min、91.9%比81.9%、72.0 min比34.8 min、24.0 min比58.4 min;均P≤0.001);但在OSA组,CPC与PSG测定的TST、SE、WASO、REM睡眠时间和NREM睡眠时间无显著差异(均P>0.05)。(2)按OSA标准,CPC与PSG诊断的一致性不佳(κ=0.255)。仅当AHI≥ 20次/h时CPC对OSA筛查有一定价值(κ=0.580,敏感度0.85,特异度0.82,阳性预测值0.59,阴性预测值0.95,阳性似然比4.72)。

结论

CPC存在高估CI患者睡眠质量的可能,其与PSG诊断OSA的性能相比,一致性欠佳。

引用本文: 宋璇, 葛义俊, 孔晓艺, 等.  心肺耦合分析技术对睡眠障碍诊断的可靠性观察 [J] . 中华医学杂志, 2020, 100(11) : 817-822. DOI: 10.3760/cma.j.cn112137-20190911-02008.
参考文献导出:   Endnote    NoteExpress    RefWorks    NoteFirst    医学文献王
扫  描  看  全  文

正文
作者信息
基金 0  关键词  0
English Abstract
评论
阅读 0  评论  0
相关资源
引用 | 论文 | 视频

版权归中华医学会所有。

未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。

除非特别声明,本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。

慢性失眠(chronic insomnia,CI)和阻塞性睡眠呼吸暂停(obstructive sleep apnea,OSA)是最为常见的睡眠障碍,常导致困倦/嗜睡、疲劳、躯体不适、认知损害等,严重影响患者的社会功能。多导睡眠图(polysomnogram,PSG)检测是睡眠障碍诊断的核心技术,但因其成本高、操作复杂,导联线较多,检测过程中患者依从性较差,且预约等候时间可能长,故临床上需要更加简单、便携的仪器来记录睡眠状况。

心肺耦合(cardiopulmonary coupling,CPC)分析技术是近年来发展的睡眠监测和评估新方法[1]。该方法主要运用傅里叶变换算法,分析心率和呼吸信号之间的耦合强度,达到定量评价睡眠质量、筛查睡眠呼吸事件的目的。由于对睡眠干扰小、操作简单、患者易接受,CPC技术似乎能满足大规模筛查和动态检测需求[2]。然而,CPC技术对CI和OSA患者在临床上的诊断价值并非明确,仅少量研究评估了CPC技术对OSA的诊断价值[3,4,5,6],且未比较CPC与PSG之间睡眠参数的一致性。本试验旨在比较CPC分析技术与PSG检测睡眠中心两个最常见样本(CI、OSA)人群的睡眠质量参数和睡眠呼吸参数的一致性,为睡眠医学临床诊断技术的恰当选择提供依据。

对象与方法
一、对象

连续收集2018年7月至2019年12月安徽医科大学附属巢湖医院睡眠障碍科住院睡眠障碍(以失眠、打鼾、主观夜间呼吸紊乱或观察到的呼吸暂停,伴或不伴有白昼犯困为主要症状)患者。受试者同步行PSG和CPC监测。入组标准:CI者满足ICSD-3诊断标准[7],且行PSG检测排除OSA外的其他睡眠相关疾病(如中枢性和混合性睡眠呼吸暂停、睡眠相关运动障碍、异态睡眠、昼夜节律性睡眠-觉醒障碍)者。OSA者满足美国睡眠医学学会(AASM)诊断标准[7,8],其中5≤睡眠呼吸暂停指数(AHI)<15次/h为轻度,15≤AHI<30次/h为中度,AHI≥30次/h为重度。排除标准:存在严重的心律失常或其他心脏疾病(如感染性心内膜炎、心脏衰竭、起搏器植入术后等);慢性阻塞性肺病或严重的肺部疾病;上呼吸道感染未得到控制或患有支气管哮喘、鼻炎病史;PSG显示总睡眠时间<4 h;心电图和脑电信号质量差;正在/已行持续性气道正压通气治疗、口腔矫治器或手术治疗。

本研究通过安徽医科大学附属巢湖医院医学伦理委员会批准[201807-Kyxm-01],所有受试者均签署知情同意书。

二、数据收集方法及监测设备

所有受试者从21∶00~22∶00时开始记录,到次日6∶00~7∶00时结束。其中PSG由康迪Grael v2型(澳大利亚)睡眠监测仪完成。监测的指标有脑电图、眼电图、肌电图、鼻导管(鼻气流压力传感)、口鼻热敏元件、指套式血氧饱和度、Ⅱ导心电图、胸腹运动、体位,另外还有视频监控。次日数据采集后由受过专业培训的PSG技师严格参照AASM 2.3版本进行人工分析并生成各项睡眠指标,包括总睡眠时间(TST)、睡眠效率(SE)、睡眠潜伏期、睡后觉醒时间(WASO)、非快速眼球运动(NREM)睡眠1~3期时间(N1、N2、N3)、快速眼球运动(REM)睡眠时间、AHI、血氧饱和度、腿动指数、心率等。

CPC由南京丰生永康软件科技有限责任公司AECG-600D型仪完成(固定于受试者左胸心脏位置,与PSG同步进行检测)。根据心率和呼吸耦合的次数和频率,由计算机自动分析生成CPC睡眠频谱,包括为高频耦合(HFC,0.1~0.4 Hz)、低频耦合(LFC,0.01~0.1 Hz)、增强的低频耦合(e-LFC,LFC亚部分)和极低频耦合(VLFC,0~0.01 Hz)。作为基于脑电的PSG睡眠分期技术的延伸,CPC主要是基于自主神经和呼吸相互作用来描述睡眠的特征,遵循睡眠中的循环交替模式(cyclic alternating pattern,CAP)。CPC睡眠频谱中HFC与非循环交替模式(non-CAP)脑电相关,此时迷走神经张力增强,心率相对稳定、呼吸稳定、血压下降,又称稳定睡眠/深睡,主要发生在部分N2阶段和所有N3 NREM睡眠期间;而LFC与CAP脑电相关,此时交感神经张力增强,呼吸相对不稳定、心率波动、血压升高,又称不稳定睡眠/浅睡。e-LFC主要反映呼吸暂停/低通气,而正常的REM睡眠和觉醒则表现出VLFC特征[1,2,6,9]。CPC通过电脑软件自动分析对应的频谱及其持续时间,可生成睡眠参数/图谱和AHI值,其中睡眠参数包括TST、SE、初入熟睡时间、觉醒时间、浅睡(不稳定睡眠)时间、熟睡(稳定睡眠)时间、REM睡眠时间和AHI。

三、统计学方法

应用SPSS 16.0统计学软件。正态分布的计量资料用±s表示,非正态分布资料用MQ1Q3)表示。PSG和CPC两组的资料符合正态分布的采用配对样本t检验,非正态分布采用非参数检验分析。运用加权Kappa(κ)系数比较CPC和PSG对OSA诊断的一致性[10],分别计算CPC对OSA诊断的敏感度、特异度、阳性预测值、阴性预测值和阳性似然比(以PSG为标准)。P<0.05视为差异有统计学意义。

结果
一、一般资料

168例患者中男88例,女80例;年龄(50±12)(18~75)岁,体质指数(BMI)为(24±3)kg/m2。根据临床症状和PSG监测结果得到:慢性失眠(CI组)93例,单纯OSA(OSA组)36例,CI和OSA共病(COI组)39例,见图1。三组患者的一般资料比较差异无统计学意义(表1)。

点击查看表格
表1

三组患者的一般资料

表1

三组患者的一般资料

指标CI组OSA组COI组
例数(男/女)30/6333/325/14
年龄(岁,± s51±1244±1252±13
BMI(kg/m2± s22.1±2.925.9±2.025.7±3.4
AHI[次/h,MQ1Q3)]0.4(0,1.2)24.4(17.8,55.6)15.1(11.1,35.0)

注:CI:慢性失眠;OSA:阻塞性睡眠呼吸暂停;COI:慢性失眠和阻塞性睡眠呼吸暂停共病;BMI:体质指数;AHI:睡眠呼吸暂停指数

点击查看大图
图1
患者选择流程图
点击查看大图

注:CI:慢性失眠;OSA:阻塞性呼吸暂停;COI:慢性失眠和阻塞性呼吸暂停共病;PLD:周期性肢体运动障碍;RBD:快速眼动睡眠行为障碍

图1
患者选择流程图
二、CPC与PSG在睡眠参数上的比较

对所有和CI组患者,CPC测定的TST、SE和REM睡眠时间显著高于PSG,WASO显著低于PSG(均P≤0.001),而测定的NREM睡眠时间无显著差异(分别P=0.663、0.272,表2)。COI组中CPC测定的TST、SE和NREM睡眠时间高于PSG(均P<0.05),WASO显著低于PSG(P<0.001),而测定的REM睡眠时间为边缘显著性差异(P=0.055,表2)。对OSA组,CPC测定的TST、SE、WASO、REM睡眠时间和NREM睡眠时间与PSG测定的均无显著差异(均P>0.05,表2)。在NREM睡眠中,CI组中CPC测定的浅睡时间、熟睡时间分别与PSG测定的N1、N2期睡眠时间比较,差异无统计学意义(均P>0.05,表3)。

点击查看表格
表2

不同组别患者中CPC和PSG测定的睡眠参数比较[MQ1Q3)]

表2

不同组别患者中CPC和PSG测定的睡眠参数比较[MQ1Q3)]

睡眠参数PSGCPCP
所有患者   
 n=168)   
 TST(min)392.5(345.3,430.6)414.0(378.0,462.0)<0.001
 SE(%)81.9(74.0,90.3)91.9(84.6,95.7)<0.001
 WASO(min)58.4(35.6,106.0)24.0(18.0,54.0)<0.001
 REM睡眠时间(min)34.8(21.1,54.5)72.0(36.0,100.5)<0.001
 NREM睡眠时间(min)a354.8(301.1,396.8)336.0(300.0,390.0)0.663
CI组(n=93)   
 TST(min)395.5(354.8,434.0)420.0(402.0,474.0)<0.001
 SE(%)81.8(74.5,89.7)93.7(87.6,96.1)<0.001
 WASO(min)63.0(40.4,106.3)18.0(12.0,42.0)<0.001
 REM睡眠时间(min)37.5(21.5,61.3)90.0(66.0,108.0)<0.001
 NREM睡眠时间(min)a364.0(304.8,406.3)336.0(300.0,381.0)0.272
OSA组(n=36)   
 TST(min)410.0(372.0,454.5)390.0(354.0,459.0)0.358
 SE(%)89.3(83.2,96.0)89.9(80.0,93.9)0.718
 WASO(min)32.3(14.1,49.4)24.0(18.0,60.0)0.706
 REM睡眠时间(min)44.3(29.6,49.5)57.0(21.0,90.0)0.064
 NREM睡眠时间(min)a368.8(343.9,412.0)336.0(307.5,399.0)0.088
COI组(n=39)   
 TST(min)345.0(303.5,392.5)396.0(348.0,438.0)0.001
 SE(%)75.7(68.8,83.9)87.8(83.3,93.3)0.001
 WASO(min)94.0(57.5,132.5)48.0(18.0,66.0)<0.001
 REM睡眠时间(min)28.5(20.0,44.0)42.0(18.0,60.0)0.055
 NREM睡眠时间(min)a314.0(273.5,367.5)348.0(306.0,408.0)0.017

注:PSG:多导睡眠监测;CPC:心肺耦合;CI:慢性失眠;OSA:阻塞性睡眠呼吸暂停;COI:慢性失眠和阻塞性睡眠呼吸暂停共病;TST:总睡眠时间;SE:睡眠效率;WASO:睡后觉醒时间;REM:快速眼球运动;NREM:非快速眼球运动;a PSG中NERM睡眠时间指N1+N2+N3期时间,CPC中NERM睡眠时间指浅睡+熟睡时间

点击查看表格
表3

不同组别患者中CPC和PSG测定的NREM睡眠参数比较[MQ1Q3)]

表3

不同组别患者中CPC和PSG测定的NREM睡眠参数比较[MQ1Q3)]

睡眠参数所有患者(n=168)CI组(n=93)OSA组(n=36)COI组(n=39)
PSG(min)    
 N1138.5(93.5,202.8)a126.5(89.0,189.5)180.3(103.5,234.6)a133.0(94.0,204.5)a
 N2173.3(123.8,221.3)c177.0(137.3,226.5)b182.0(114.9,237.5)ad142.0(94.0,183.5)b
 N313.3(0,30.5)d15.0(8.5,33.8)d0(0,32.8)d2.0(0,29.0)d
 N1+N2329.5(279.0,373.4)a329.0(269.5,376.5)a357.8(322.5,383.0)a301.5(272.0,339.0)a
 N2+N3190.0(144.5,248.4)d198.5(158.5,253.0)c202.0(130.3,249.1)d164.5(101.0,195.0)c
CPC(min)    
 浅睡时间180.0(114.0,264.0)138.0(90.0,216.0)243.0(192.0,295.5)216.0(144.0,324.0)
 熟睡时间150.0(66.0,216.0)168.0(87.0,255.0)69.0(27.0,177.0)72.0(48.0,198.0)

注:PSG:多导睡眠监测;CPC:心肺耦合;NREM:非快速眼球运动;CI:慢性失眠;OSA:阻塞性睡眠呼吸暂停;COI:慢性失眠和阻塞性睡眠呼吸暂停共病;N1、N2、N3:分别指非快速眼球运动(NREM)睡眠1~3期睡眠时间;N1、N2、N1+N2与浅睡时间比较,N2、N3、N2+N3与熟睡时间比较,与同组患者浅睡时间比较,aP<0.01和bP<0.05;与同组患者熟睡时间比较,cP<0.05和dP<0.01

三、CPC与PSG对OSA诊断结果的性能评估

对于所有患者,PSG以AASM OSA诊断标准诊断的结果与CPC的一致性欠佳(κ=0.255,表4)。以PSG诊断的结果为标准,当AHI分别≥ 5、15、20、30次/h时,CPC诊断OSA的敏感度、特异度、阳性预测值、阴性预测值和阳性似然比见表5。结果提示仅当AHI≥20次/h时,CPC的阳性似然比才>4,κ值为0.580。进一步比较不同性别、年龄、BMI值时,CPC诊断OSA的敏感度、特异度、阳性预测值、阴性预测值和阳性似然比见表6(表明女性、40岁以下和BMI<24 kg/m2的效果稍好)。

点击查看表格
表4

PSG和CPC对OSA的诊断结果

表4

PSG和CPC对OSA的诊断结果

CPC诊断结果PSG诊断结果
轻度中度重度总计
5557168
轻度1855432
中度1066527
重度10781641
总计93232626168

注:PSG:多导睡眠监测;CPC:心肺耦合;OSA:阻塞性睡眠呼吸暂停

点击查看表格
表5

168例患者CPC与PSG诊断OSA的性能评估

表5

168例患者CPC与PSG诊断OSA的性能评估

AHI(次/h)例数敏感度特异度阳性预测值阴性预测值阳性似然比
≥5750.830.590.620.812.02
≥15520.670.720.510.832.39
≥20390.850.820.590.954.72
≥30260.620.820.390.923.44

注:PSG:多导睡眠监测;CPC心肺耦合;OSA:阻塞性睡眠呼吸暂停;AHI:睡眠呼吸暂停指数;AHI(次/h)≥ 5、≥15、≥20、≥30:指CPC分别以5、15、20、30为OSA的诊断截点以上的所有对象

点击查看表格
表6

不同性别、年龄、BMI值的患者CPC与PSG诊断OSA的性能评估

表6

不同性别、年龄、BMI值的患者CPC与PSG诊断OSA的性能评估

指标阳性例数/样本量敏感度特异度阳性预测值阴性预测值阳性似然比
性别      
 58/880.880.400.740.631.47
 17/800.650.680.350.882.03
年龄(岁)      
 ≤4020/390.900.630.720.862.43
 ≤60,>4041/990.780.590.570.791.90
 >6014/300.860.560.630.821.95
BMI值(kg/m2      
 <2416/860.940.600.350.982.35
 ≥2459/820.800.570.830.521.86

注:PSG:多导睡眠监测;CPC心肺耦合;OSA:阻塞性睡眠呼吸暂停;BMI:体质指数;阳性例数:以AHI(次/h)≥ 5为诊断截点的样本例数

讨论

本研究同步利用CPC和PSG进行了CI、OSA和两者共病患者的睡眠监测,主要发现为:(1)在CI组或所有患者,虽然两种方法测定的NREM睡眠时间一致性较好,但CPC测定的TST、SE和REM睡眠时间显著高于PSG,WASO显著低于PSG。在CI组CPC测定的浅睡时间与PSG的N1期睡眠时间类似,熟睡时间与PSG测定的N2期睡眠时间类似。(2)在OSA组,CPC与PSG测定的各睡眠参数一致性较好。(3)对于慢性失眠和阻塞性睡眠呼吸暂停共病(COI)组,其在睡眠指标上的表现与CI患者更为一致。(4)按AASM标准,CPC对OSA的诊断一致性不佳(κ=0.255),仅当AHI≥20次/h时CPC对OSA筛查有一定价值(κ=0.580)。CPC可能更适用于女性、年龄≤40岁、BMI值<24 kg/m2人群的OSA筛查。

近几十年来,心率和心率变异性一直认为是睡眠生理学的标志物。量化心率变异性与呼吸可实现两者间的耦合。这具有随睡眠深度和类型变化的特征模式[11,12],从而出现了评估睡眠质量的替代方法CPC技术[1],但对其临床的应用价值的评估资料尚显不足。既往研究仅以CPC睡眠频谱来评价睡眠质量,发现在单纯失眠、OSA等患者的熟睡时间减少、浅睡时间及清醒/REM睡眠增多,治疗后熟睡时间增加[13,14,15]。然而,与PSG对比而分析睡眠参数和对OSA诊断的一致性研究很少。

本研究发现在CI组和所有患者,按照TST、SE和WASO评估的睡眠质量,CPC显著好于PSG。此外,CPC测定的REM睡眠时间显著高于PSG(而CI患者的PSG特点是REM睡眠时间减少[16])。可能的原因是两者评估睡眠中觉醒和REM睡眠的方法不同。PSG主要是通过脑电、眼动和下颌肌电来评估,而CPC主要通过有无体动来评估。对于体动较少的失眠患者,CPC将其觉醒状态判读为REM睡眠,导致WASO减小,REM睡眠时间增加,结果是TST和SE显著增加。不同于PSG,CPC睡眠谱图分析表明,NREM睡眠具有明显的双峰型结构,以高频耦合和低频耦合强度优势交替出现和瞬时转换为特征,与睡眠的CAP一致性较高[2]。我们OSA组的结果也支持上述观点,即OSA组中CPC测定的浅睡时间介于PSG测定的N1期与N1+N2期睡眠时间之间,熟睡时间介于PSG测定的N3期与N2+N3期睡眠时间之间(这符合CPC技术对浅睡期和熟睡期的原始含义)。但对于有慢性失眠(CI+COI)的患者,CPC测定的熟睡时间与PSG测定的N2期睡眠时间一致性均较好,可能与我们入组的失眠患者N3期睡眠时间相对少(甚至无N3期睡眠)有关。故CPC睡眠图谱存在高估失眠患者睡眠质量的可能,但可以较好地反映OSA患者的睡眠质量。

OSA作为多器官多系统疾病,是高血压、糖尿病、脑血管疾病等的独立危险因素,严重影响患者的身心健康。PSG作为OSA诊断的"金标准",对技术人员、场地、设备等要求高,不能满足人群中高患病率的OSA的诊断需求。本研究结果显示按照AASM诊断的OSA标准,PSG和CPC诊断的一致性一般(κ=0.255)。当以AHI≥20次/h为诊断OSA的截点时,CPC的敏感度和特异度提高(κ=0.580),对OSA筛查有一定价值。我们发现,与之前相关研究报道的CPC敏感度和特异度等值相比[3,4],本研究中结果均普遍偏低。出现这种差异的原因可能是在本研究中失眠患者的构成比较高,同时CPC在AHI值较小的患者中不敏感(表4表5)。OSA的高危因素包括男性、高年龄段、肥胖[17],然而CPC对合并此类高危因素的人群诊断价值不高(表6)。另外,本研究观察到睡眠期间呼吸相关的微觉醒和腿动事件可影响CPC测定的AHI值。值得警惕的是,我们发现CPC无法鉴别出血氧饱和度很低的患者,可能与CPC没有血氧监测指标有关,导致临床上漏诊了一些血氧饱和度低但AHI值不太高的重症患者。由于操作简单、检测过程中不适感少、便于随访(尤其适合一些如小孩、老人和行动不便等特殊人群的测量[18])等,CPC技术可谨慎用于门诊、社区及基层医院人群的中重度OSA患者的筛查。将来在临床上CPC需联合其他监测手段如视频、血氧检测仪等以提高其诊断价值。

利益冲突
利益冲突

所有作者均声明不存在利益冲突

参考文献
[1]
ThomasRJ. Cardiopulmonary Coupling Sleep Spectrograms[M]//KrygerM, RothT, DementWC, Eds.Principles and Practice of sleep Medicine (sixth edition). Elsevier,2017:1615-1623.
[2]
ThomasRJ, MietusJE, PengCK, et al. An electrocardiogram-based technique to assess cardiopulmonary coupling during sleep[J]. Sleep, 2005,28(9):1151-1161. DOI: 10.1093/sleep/28.9.1151.
[3]
冯晶,吴惠涓,王宗文,.心肺耦合技术与多导睡眠图对睡眠呼吸事件判读的一致性分析[J].中华神经科杂志,2017, 50(8):606-612. DOI: 10.3760/cma.j.issn.1006-7876.2017.08.009.
[4]
谢敏,雷飞,郭丹,.心肺耦合分析技术对阻塞性睡眠呼吸暂停的诊断价值[J].中华医学杂志,2018,98(20):1565-1569. DOI: 10.3760/cma.j.issn.0376-2491.2018.20.007.
[5]
LiuD, YangX, WangG, et al. HHT based cardiopulmonary coupling analysis for sleep apnea detection[J]. Sleep Med, 2012,13(5):503-509. DOI: 10.1016/j.sleep.2011.10.035.
[6]
HilmissonH, LangeN, DuntleySP. Sleep apnea detection: accuracy of using automated ECG analysis compared to manually scored polysomnography (apnea hypopnea index)[J]. Sleep Breath, 2019,23(1):125-133. DOI: 10.1007/s11325-018-1672-0.
[7]
American Academy of Sleep Medicine. International classification of sleep disorders, 3rd ed [M]. Darien, IL: American Academy of Sleep Medicine, 2014.
[8]
中华医学会呼吸病学分会睡眠呼吸障碍学组.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]
ThomasRJ, MietusJE, PengCK, et al. Relationship between delta power and the electrocardiogram-derived cardiopulmonary spectrogram: possible implications for assessing the effectiveness of sleep[J]. Sleep Med, 2014,15(1):125-131. DOI: 10.1016/j.sleep.2013.10.002.
[10]
LandisJR, KochGG. The measurement of observer agreement for categorical data[J]. Biometrics, 1977,33(1):159-174.
[11]
DumontM, JurystaF, LanquartJP, et al. Interdependency between heart rate variability and sleep EEG: linear/non-linear?[J]. Clin Neurophysiol, 2004,115(9):2031-2040. DOI: 10.1016/j.clinph.2004.04.007.
[12]
KuoTB, YangCC. Scatterplot analysis of EEG slow-wave magnitude and heart rate variability: an integrative exploration of cerebral cortical and autonomic functions[J]. Sleep, 2004, 27(4):648-656. DOI: 10.1093/sleep/27.4.648.
[13]
MendoncaF, MostafaSS, Morgado-DiasF, et al. Sleep quality estimation by cardiopulmonary coupling analysis[J]. IEEE Trans Neural Syst Rehabil Eng, 2018,26(12):2233-2239. DOI: 10.1109/TNSRE.2018.2881361.
[14]
樊蕾.心肺耦合分析技术的临床应用与研究进展[J].世界睡眠医学杂志,2017,4(3):169-174.
[15]
ChoJH, KimHJ. The effect of continuous positive airway pressure on cardiopulmonary coupling[J]. Sleep Breath, 2017,21(2):341-345. DOI: 10.1007/s11325-016-1419-8.
[16]
FeigeB, BaumgartnerB, MeyerD, et al. The relationship between PSG and morning/evening emotional parameters in patients with insomnia disorder and good sleepers[J]. Front Psychol, 2018,9:2712. DOI: 10.3389/fpsyg.2018.02712.
[17]
FietzeI, LaharnarN, ObstA, et al. Prevalence and association analysis of obstructive sleep apnea with gender and age differences-results of SHIP-Trend[J]. J Sleep Res, 2019, 28(5):e12770. DOI: 10.1111/jsr.12770.
[18]
郭丹,马彦,Peng C,.心肺耦合(CPC)分析在儿童睡眠中的应用[J].世界睡眠医学杂志,2014,(2):75-81.
 
 
展开/关闭提纲
查看图表详情
回到顶部
放大字体
缩小字体
标签
关键词