阻塞性睡眠呼吸暂停（OSA）的主要特点是夜间间歇低氧及睡眠片段化。觉醒中断睡眠连续性，导致睡眠破碎，这可能会导致认知功能障碍、白天过度嗜睡以及心血管不良结局事件的发生，觉醒对于诊断OSA和降低并发症（包括心脏病和认知障碍）的发生风险非常重要。传统的觉醒判读需要睡眠专家对整夜的PSG记录进行手动评分，耗时长且专家之间的一致性较低，因此寻找简便、高效、可靠的觉醒检测方法，可为临床医生提供有力的帮助。本文系统综述识别OSA患者觉醒的不同方法，包括自主神经标志物（脉搏传导时间、脉搏波波幅、外周动脉张力、心率等）及基于机器学习的自动觉醒检测系统，发现自主神经标志物可能在特定的亚群中更有益，深度人工网络仍然是未来自动检测觉醒的主要研究方法。
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。
阻塞性睡眠呼吸暂停（obstructive sleep apnea，OSA）是指患者睡眠中反复发生上气道完全或不完全阻塞，导致频繁的呼吸暂停或低通气的一种睡眠呼吸疾病，其特点是夜间间歇低氧及睡眠片段化［1］。多导睡眠监测（polysomnography，PSG）是诊断OSA患者的金标准［2］，但其对临床医师的专业技术要求高，耗时长且费用昂贵。2020年美国睡眠学会（American Academy of Sleep Medicine，AASM）发布的2.6版睡眠及其相关事件判读手册［3］将低通气判读为鼻压力气流较基线值下降≥30%，持续时间≥10 s，脉搏血氧饱和度（pulse oxygen saturation，SpO2）较事件前基线值下降≥3%或伴觉醒。近年来，便携式睡眠监测（portable sleep monitoring，PM）因其便捷、舒适及监测费用低的优点得到广泛应用，但PM不能记录觉醒信号，无法判读伴觉醒不伴氧降的低通气事件，可能会低估OSA的严重程度［4］，因此，临床需要寻找可靠的可识别觉醒的指标及方法来提高PM的准确性。脉搏传导时间（pulse transit time，PTT）［5］、脉搏波波幅（pulse wave amplitude，PWA）［6］、外周动脉张力测定（peripheral arterial tonometry，PAT）［7］、心率变化是目前研究较多的用于识别觉醒的指标。本文对不同方法识别觉醒的准确性进行综述，以期提高对觉醒与OSA相关结果（如白天嗜睡和生理功能）之间潜在机制和关系的理解，也为后续研究不同指标识别觉醒的临床应用提供参考依据。
