温雯; 张凯楠; 陈玉岚; 李瑜; 张向阳

doi:10.12114/j.issn.1007-9572.2023.0168

点赞 0
分享 0
收藏 0
纠错

• 论著·阻塞性睡眠呼吸暂停专题研究 •

代谢指数作为预测因子与阻塞性睡眠呼吸暂停的相关性分析

中国全科医学, 2023,26(30) : 3740-3747. DOI: 10.12114/j.issn.1007-9572.2023.0168

摘要

背景

阻塞性睡眠呼吸暂停（OSA）的患病率很高，目前OSA已被证实是多种疾病的独立危险因素，因此要加强对OSA高危人群的筛查。OSA患者易合并脂代谢异常，而作为能评估代谢异常的指标——血浆致动脉粥样硬化指数（AIP）、内脏肥胖指数（VAI）、脂类积聚产物（LAP）、心脏代谢指数（CMI）以及中国人内脏肥胖指数（CVAI）是否能用于预测OSA，目前尚不清楚。

目的

通过病例对照研究分析代谢指数与OSA的相关性，并评估各代谢指数对OSA的预测效能。

方法

选取2017年3月—2022年6月在新疆医科大学第一附属医院已完善多导睡眠监测（PSG）的疑似OSA且年龄≥18岁的住院患者共2 968例。根据纳入、排除标准最终纳入2 850例患者，根据呼吸暂停低通气指数（AHI）将患者分为OSA组（AHI≥5次/h）2 193例和非OSA组（AHI<5次/h）657例。通过电子病历系统收集患者的临床资料和实验室检查指标。采用单因素及多因素Logistic回归分析探究AIP、VAI、LAP、CMI、CVAI与OSA的相关性。采用受试者工作特征（ROC）曲线分析代谢指数预测患者发生OSA的效能。对人群进行性别分层分析以探究代谢指数在不同人群中与OSA的关系。

结果

OSA组患者年龄、性别（男性占比）、颈围、身高、总胆固醇、三酰甘油、AHI、AIP、VAI、LAP、CMI、CVAI均高于非OSA组，HDL-C、平均血氧饱和度、最低血氧饱和度低于非OSA组（P<0.05）。将5个代谢指数按四分位数进行分组（Q1~Q4），多因素Logistic回归分析显示，AIP〔OR=2.241，95%CI（1.689，2.972），P<0.001〕、VAI〔OR=2.517，95%CI（1.919，3.301），P<0.001〕、LAP〔OR=2.313，95%CI（1.761，3.038），P<0.001〕、CMI〔OR=2.732，95%CI（2.054，3.633），P<0.001〕、CVAI〔OR=6.060，95%CI（4.411，8.324），P<0.001〕与OSA发生风险相关（P<0.05）；进一步将患者按性别进行分层分析结果显示：在女性患者中AIP、VAI、LAP、CMI、CVAI与OSA发生风险相关（P<0.05），男性患者中CMI、LAP、VAI与OSA发生风险无相关性（P>0.05），AIP、CVAI与OSA发生风险相关（P<0.05）。AIP、VAI、LAP、CMI、CVAI预测发生OSA的ROC曲线下面积（AUC）分别为〔0.593，95%CI（0.568，0.618）〕〔0.607，95%CI（0.583，0.632）〕〔0.594，95%CI（0.569，0.619）〕〔0.616，95%CI（0.591，0.640）〕〔0.728，95%CI（0.706，0.751）〕。为明确5个代谢指数预测OSA的效能，进一步将患者按性别进行分层分析：在女性人群中5个代谢指数预测OSA的AUC均较总人群增加，男性人群中5个代谢指数的AUC均低于总人群。无论在总人群还是在男女亚组人群中，CVAI指数的AUC均高于其他指数（总人群AUC=0.728，女性AUC=0.764，男性AUC=0.681）。

结论

随着AIP、VAI、LAP、CMI、CVAI的四分位数分组增高，发生OSA的风险增加。CVAI对OSA的预测效能优于其他指数，因此CVAI或可成为OSA高危人群筛查的预测指标。

引用本文: 温雯, 张凯楠, 陈玉岚, 等. 代谢指数作为预测因子与阻塞性睡眠呼吸暂停的相关性分析 [J] . 中国全科医学, 2023, 26(30) : 3740-3747. DOI: 10.12114/j.issn.1007-9572.2023.0168.

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

阅读 0 评论 0

相关资源

引用 | 论文 | 视频

本刊2023年版权归中国全科医学杂志社所有

未经编辑部许可，不得任意转载和摘编

本刊所发表作品仅为作者观点，并不代表编委会和编辑部意见

如有印装质量问题请向本刊发行部调换

阻塞性睡眠呼吸暂停（OSA）是一种睡眠时伴有上气道阻塞的呼吸系统疾病，全球约有10亿人受其影响，而在中国约有1.76亿OSA患者^[1]。因OSA发生于睡眠期间，若非伴有明显的临床症状或并发症，很难被患者察觉而进一步就诊，因此OSA的患病率可能是被低估的。OSA是高血压、糖尿病、心脑血管疾病、代谢性疾病等多种疾病的独立危险因素，且OSA与上述疾病有很高的共患率^[2]。这提示应针对OSA高危人群开展筛查。

目前对OSA诊断的"金标准"是多导睡眠监测（PSG）^[2]。但PSG检查费用高，且受医疗条件的限制。OSA高危人群的人口基数庞大，大部分生活在医疗条件欠发达的地区。因此亟须一个更便捷、经济、适用性强的方法来筛查OSA高危人群。OSA通常合并脂代谢紊乱^[3]，首先，OSA患者更倾向于高脂饮食；其次，OSA会导致三酰甘油（triglycerides，TG）和游离脂肪酸升高、脂蛋白脂肪酶活性降低进而引起TG清除延迟^[4，5]；再次，OSA引发的氧化应激会产生功能失调的氧化脂质，可降低高密度脂蛋白胆固醇（HDL-C），防止低密度脂蛋白胆固醇（LDL-C）氧化^[6]；最后，OSA患者体内瘦素水平上升，出现瘦素抵抗，最终引起代谢紊乱^[7]。以上述OSA的病理生理特征为切入点，可通过评估OSA高危人群的血脂紊乱程度预测疾病的发生和预后，但由于不同脂蛋白组分之间的动态相互作用，且单一的血脂成分更容易受到生物学变异的影响，因此不能仅通过研究单一的血脂成分来评估血脂异常和OSA之间的联系。

代谢指数是基于数学算法和统计学模型得出的可评估人群代谢性能的指标。因其包含了更多经过了数学加权或转化的人体生物学指标，使其较单一的血脂成分更具有稳定性。不仅如此，计算代谢指数的人体生物学指标均是临床容易获得的，因此其便捷性、经济性均优于PSG。已有大量研究表明，代谢指数预测各类代谢性疾病、心血管疾病的能力优于单一的血脂成分^{[8，9，10，11]}。目前已经研究了OSA患者HDL-C和TG的对数比率，即血浆致动脉粥样硬化指数（AIP）^[12]。此外，内脏肥胖指数（VAI）、脂类积聚产物（LAP）、心脏代谢指数（CMI）以及更适合中国人群特征的中国人内脏肥胖指数（CVAI）均综合考虑了血脂参数、腰围（WC）、性别等因素，也分别在OSA中进行了研究^{[13，14，15，16]}。但仍缺乏全面的研究以综合比较这些代谢指数与OSA的关系。因此本研究通过病例对照研究评估代谢指数与OSA的相关性以及作为早期诊断标志物的可能性及效能。

1　对象与方法

1.1　研究对象

选取2017年3月—2022年6月在新疆医科大学第一附属医院已完善PSG的疑似OSA且年龄≥18岁的住院患者共2 968例。根据PSG结果报告的呼吸暂停低通气指数（AHI）将患者分为OSA组（AHI≥5次/h）及非OSA组（AHI<5次/h）。排除标准：（1）PSG报告提示为中枢性及混合型OSA患者（46例）；（2）有不稳定的肺部疾病患者（15例）；（3）服用中枢抑制性药物患者（2例）；（4）严重心力衰竭、肝肾功能不全、恶性肿瘤晚期患者（17例）；（5）临床资料不全的患者（38例）；（6）孕妇及有精神类疾病患者（0例）。最终纳入分析患者2 850例，其中非OSA组657例，OSA组2 193例。本研究临床资料均来自临床电子病历系统，并已通过新疆医科大学第一附属医院伦理委员会审批（审批号：20170225-0023）。患者均知情同意。

1.2　临床资料

通过临床电子病历系统收集患者的临床资料，包括就诊年龄、性别、吸烟（是：当前吸烟或戒烟时限小于1年；否：不吸烟或戒烟时限≥1年）、饮酒（是：当前饮酒或戒酒时限小于1年；否：不饮酒或戒酒时限≥1年）、身高、体质量、颈围（NC）、WC、入院血压、总胆固醇（TC）、TG、HDL-C、LDL-C，PSG中的AHI、总睡眠时间、睡眠有效率、平均血氧饱和度（SaO₂）、最低SaO₂。根据临床资料计算AIP、VAI、LAP、CMI、CVAI。

1.3　PSG

采用澳大利亚Compumedics型PSG系统进行夜间7 h监测，监测前1 d要求患者开始禁止饮酒，禁服咖啡因、镇静剂、催眠药物。在监测当晚测量身高、体质量，计算BMI。

1.4　计算公式

（1）BMI=〔体质量（kg）/身高²（m²）〕^[17]；（2）CVAI：男性CVAI = -267.93+0.68×年龄+0.03×BMI+4.00×WC+22.00×Log10TG-16.32×HDL-C；女性CVAI=-187.32+1.71×年龄+4.23×BMI+1.12×WC+39.76×Log10TG-11.66×HDL-C^[18]；（3）AIP=Log（TG/HDL-C）^[19]；（4）CMI=TG/HDL-C×（WC/身高）^[20]；（5）女性LAP=（WC-58）×TG，男性LAP=（WC-65）×TG^[21]；（6）VAI：男性VAI=〔WC/（39.68+1.88×BMI）〕×（TG/1.03）×（1.31/HDL-C）；女性VAI=〔WC/（36.58+1.89×BMI）〕×（TG/0.81）×（1.52/HDL-C）^[22]。

1.5　统计学方法

采用SPSS 23.0软件及R语言（4.2.1）进行统计数据分析。符合正态分布的计量资料以（±s）表示，两组间比较采用独立样本t检验；非正态分布的计量资料以M（P₂₅，P₇₅）表示，两组间比较采用Mann-Whitney U检验；计数资料以相对数表示，两组间比较采用χ²检验。采用单因素及多因素Logistic回归分析探讨代谢指数与OSA的相关性，绘制受试者工作特征（ROC）曲线比较各代谢指数对OSA的预测效能。根据性别对患者进行分层分析，采用Logistic回归分析探讨评估各指数在不同性别中与OSA的关系。以P<0.05为差异有统计学意义。

2　结果

2.1　患者临床资料

OSA组患者的年龄、性别（男性占比）、身高、颈围、TC、TG、AHI、AIP、VAI、LAP、CMI、CVAI均高于非OSA组，HDL-C、平均SaO₂、最低SaO₂低于非OSA组，差异有统计学意义（P<0.05）。两组患者的吸烟比例、饮酒比例、体质量、BMI、腰围、收缩压、舒张压、LDL-C、睡眠有效率、总睡眠时间比较，差异无统计学意义（P>0.05），见表1。

点击查看表格

表1

两组患者临床资料比较

Table 1

Comparison of clinical data between the two groups of patients

表1

两组患者临床资料比较

Table 1

Comparison of clinical data between the two groups of patients

组别	例数	年龄（岁）	性别〔例（%）〕		吸烟〔例（%）〕		饮酒〔例（%）〕		身高（cm）	体质量（kg）	BMI（kg/m²）	颈围（cm）
组别	例数	年龄（岁）	女	男	无	有	无	有	身高（cm）	体质量（kg）	BMI（kg/m²）	颈围（cm）
非OSA组	657	44.9±11.0	307（46.7）	350（53.3）	412（62.7）	245（37.3）	425（64.7）	232（35.3）	168.35±8.05	79.58±13.94	28.0±4.1	39.56±3.77
OSA组	2 193	49.7±10.8	685（31.2）	1 508（68.8）	1 306（59.6）	887（40.4）	1 357（61.9）	836（38.1）	169.28±7.97	80.45±13.43	28.0±3.8	40.03±3.85
检验统计量值		-9.96^b	52.79^a		1.97^a		1.58^a		2.61^b	-1.45^b	0.01^b	-2.72^b
P值		<0.001	<0.001		0.160		0.208		0.009	0.146	0.994	0.006

组别	腰围（cm）	收缩压（mmHg）	舒张压（mmHg）	TC〔M（P₂₅，P₇₅），mmol/L〕	TG〔M（P₂₅，P₇₅），mmol/L〕	HDL-C〔M（P₂₅，P₇₅），mmol/L〕	LDL-C〔M（P₂₅，P₇₅），mmol/L〕	AHI〔M（P₂₅，P₇₅），次/h〕	睡眠有效率〔M（P₂₅，P₇₅），%〕
非OSA组	99.14±10.79	140±20	91±14	4.43（3.76，4.96）	1.42（1.05，2.01）	1.12（0.94，1.32）	2.59（2.00，3.08）	1.7（0.7，3.1）	70.9（61.7，79.4）
OSA组	99.60±10.65	134±19	92±14	4.47（3.87，5.10）	1.76（1.28，2.48）	1.06（0.90，1.25）	2.59（2.11，3.12）	18.7（10.3，33.8）	71.2（61.7，79.3）
检验统计量值	-0.98^b	0.50^b	-1.21^b	-2.35^c	-8.95^c	-4.84^c	-1.43^c	-38.94^c	-0.30^c
P值	0.328	0.615	0.226	0.019	<0.001	<0.001	0.153	<0.001	0.767

组别	总睡眠时间〔M（P₂₅，P₇₅），min〕	平均SaO₂〔M（P₂₅，P₇₅），%〕	最低SaO₂〔M（P₂₅，P₇₅），%〕	CVAI〔M（P₂₅，P₇₅）〕	AIP〔M（P₂₅，P₇₅）〕	CMI〔M（P₂₅，P₇₅）〕	LAP〔M（P₂₅，P₇₅）〕	VAI〔M（P₂₅，P₇₅）〕
非OSA组	376.0（324.0，419.0）	94（93，95）	88（87，90）	111.05（86.07，138.83）	0.13（-0.06，0.32）	0.75（0.48，1.18）	52.80（34.40，79.10）	2.08（1.37，3.23）
OSA组	373.5（325.5，415.5）	92（91，94）	80（75，84）	145.09（119.88，171.53）	0.22（0.04，0.41）	1.00（0.64，1.55）	64.35（42.90，98.70）	2.64（1.74，4.06）
检验统计量值	-0.73^c	-21.70^c	-34.29^c	-17.77^c	-7.24^c	-9.01^c	-7.32^c	-8.37^c
P值	0.464	<0.001	<0.001	<0.001	<0.001	<0.001	<0.001	<0.001

注：OSA=阻塞性睡眠呼吸暂停，TC=总胆固醇，TG=三酰甘油，HDL-C=高密度脂蛋白胆固醇，LDL-C=低密度脂蛋白胆固醇，AHI=呼吸暂停低通气指数，SaO₂=血氧饱和度，CVAI=中国人内脏肥胖指数，AIP=血浆致动脉粥样硬化指数，CMI=心脏代谢指数，LAP=脂类积聚产物，VAI=内脏肥胖指数；^a表示χ²值，^b表示t值，^c表示Z值；1 mmHg=0.133 kPa。

2.2　代谢指数与OSA的相关性分析

将5个代谢指数按四分位数进行分组（Q1~Q4），分析其与OSA的相关性。四分位数分组范围如下：AIP的Q1（<0.01），Q2（0.01~0.20），Q3（0.21~0.39），Q4（>0.39）；VAI的Q1（<1.64），Q2（1.64~2.49），Q3（2.50~3.86），Q4（>3.86）；LAP的Q1（<40.56），Q2（40.56~61.40），Q3（61.41~94.07），Q4（>94.07）；CMI的Q1（<0.60），Q2（0.60~0.94），Q3（0.95~1.48），Q4（>1.48）；CVAI的Q1（<109.82），Q2（109.82~137.85），Q3（137.86~167.21），Q4（>167.21）。在单因素分析中，以是否诊断为OSA（赋值：非OSA=0，OSA=1）为因变量，以AIP、VAI、LAP、CMI、CVAI（赋值：均为实测值）为自变量，探讨指数与OSA的相关性，结果显示AIP、VAI、LAP、CMI、CVAI与OSA的发生风险呈正相关（P<0.05）。AIP、VAI、LAP、CMI、CVAI与OSA的发生风险呈正相关（P<0.05），见表2。在单因素Logistic分析的基础上，对其他混杂因素进行了校正，即以5个代谢指数分别与年龄（赋值：实测值）、性别（赋值：女=0，男=1）、吸烟（赋值：否=0，是=1）、饮酒（赋值：否=0，是=1）、收缩压（赋值：实测值）、舒张压（赋值：实测值）为自变量，以是否诊断为OSA为因变量，进一步行多因素分析，结果显示，AIP、VAI、LAP、CMI、CVAI与OSA的发生风险呈正相关（P<0.05），见表3。

点击查看表格

表2

5个代谢指数与OSA相关性的单因素Logistic分析

Table 2

Univariate Logistic analysis of the association between quartiles of five metabolic indexes and OSA

表2

5个代谢指数与OSA相关性的单因素Logistic分析

Table 2

Univariate Logistic analysis of the association between quartiles of five metabolic indexes and OSA

变量	区间	B	SE	Wald χ²值	OR值	95%CI	P值
AIP	Q1（<0.01）			50.356
	Q2（0.01~0.20）	0.337	0.119	8.071	1.401	（1.110，1.767）	0.004
	Q3（0.21~0.39）	0.639	0.124	26.469	1.896	（1.486，2.418）	<0.001
	Q4（>0.39）	0.838	0.129	42.075	2.311	（1.794，2.976）	<0.001
VAI	Q1（<1.64）			63.619
	Q2（1.64~2.49）	0.432	0.118	13.281	1.540	（1.221，1.942）	<0.001
	Q3（2.50~3.86）	0.713	0.124	33.100	2.040	（1.600，2.600）	<0.001
	Q4（>3.86）	0.954	0.130	53.855	2.595	（2.012，3.348）	<0.001
LAP	Q1（<40.56）			52.971
	Q2（40.56~61.40）	0.425	0.120	12.668	1.530	（1.211，1.934）	<0.001
	Q3（61.41~94.07）	0.555	0.122	20.718	1.742	（1.372，2.212）	<0.001
	Q4（>94.07）	0.919	0.131	49.523	2.507	（1.941，3.239）	<0.001
CMI	Q1（<0.60）			68.556
	Q2（0.60~0.94）	0.372	0.118	10.018	1.451	（1.152，1.827）	0.002
	Q3（0.95~1.48）	0.706	0.124	32.481	2.027	（1.590，2.584）	<0.001
	Q4（>1.48）	1.012	0.132	58.902	2.750	（2.124，3.561）	<0.001
CVAI	Q1（<109.82）			275.337
	Q2（109.82~137.85）	1.020	0.116	76.797	2.773	（2.208，3.484）	<0.001
	Q3（137.86~167.21）	1.587	0.130	148.872	4.890	（3.789，6.310）	<0.001
	Q4（>167.21）	2.135	0.151	199.595	8.455	（6.288，11.369）	<0.001

点击查看表格

表3

5个代谢指数与OSA相关性的多因素Logistic分析

Table 3

Multivariate Logistic analysis of the association between quartiles of 5 metabolic indexes and OSA

表3

5个代谢指数与OSA相关性的多因素Logistic分析

Table 3

Multivariate Logistic analysis of the association between quartiles of 5 metabolic indexes and OSA

变量	区间	B	SE	Waldχ²值	OR值	95%CI	P值
AIP	Q1（<0.01）			36.963
	Q2（0.01~0.20）	0.358	0.127	7.960	1.430	（1.115，1.833）	0.005
	Q3（0.21~0.39）	0.627	0.134	21.831	1.871	（1.439，2.434）	<0.001
	Q4（>0.39）	0.807	0.144	31.330	2.241	（1.689，2.972）	<0.001
VAI	Q1（<1.64）			51.455
	Q2（1.64~2.49）	0.431	0.125	11.920	1.539	（1.205，1.966）	0.001
	Q3（2.50~3.86）	0.689	0.131	27.596	1.991	（1.540，2.574）	<0.001
	Q4（>3.86）	0.923	0.138	44.520	2.517	（1.919，3.301）	<0.001
LAP	Q1（<40.56）			38.276
	Q2（40.56~61.40）	0.391	0.126	9.707	1.479	（1.156，1.891）	0.002
	Q3（61.41~94.07）	0.505	0.129	15.284	1.658	（1.287，2.136）	<0.001
	Q4（>94.07）	0.839	0.139	36.344	2.313	（1.761，3.038）	<0.001
CMI	Q1（<0.60）			54.294
	Q2（0.60~0.94）	0.388	0.125	9.620	1.474	（1.154，1.885）	0.002
	Q3（0.95~1.48）	0.702	0.133	27.786	2.018	（1.554，2.620）	<0.001
	Q4（>1.48）	1.005	0.145	47.721	2.732	（2.054，3.633）	<0.001
CVAI	Q1（<109.82）			157.831
	Q2（109.82~137.85）	0.807	0.122	44.017	2.242	（1.766，2.846）	<0.001
	Q3（137.86~167.21）	1.304	0.138	89.050	3.683	（2.810，4.829）	<0.001
	Q4（>167.21）	1.802	0.162	123.676	6.060	（4.411，8.324）	<0.001

2.3　不同人群代谢指数与OSA的相关性分析

将代谢指数作为连续性变量进行单因素分析，结果显示：在总人群中，代谢指数每增加1个单位值，OSA的发生风险也相应增加（P<0.05）。进一步将患者按性别进行分层分析结果显示：在女性患者中，代谢指数每增加1个单位值，OSA的发生风险均高于总人群（P<0.05），其中AIP每增加一个单位值，OSA的发生风险增加2.68倍〔OR=3.683，95%CI（2.184，6.211），P<0.001〕。而在男性患者中，CMI、LAP、VAI与OSA发生风险无相关性（P>0.05），AIP〔OR=1.705，95%CI（1.139，2.551），P=0.010〕、CVAI〔OR=1.010，95%CI（1.014，1.021），P<0.001〕与OSA发生风险相关，见图1。

点击查看大图

图1

不同患者代谢指数与OSA的相关性

Figure 1

Correlation between metabolic indexes and OSA in different patient populations

点击查看大图

注：CVAI=中国人内脏肥胖指数，AIP=血浆致动脉粥样硬化指数，CMI=心脏代谢指数，LAP=脂类积聚产物，VAI=内脏肥胖指数。

图1

不同患者代谢指数与OSA的相关性

Figure 1

Correlation between metabolic indexes and OSA in different patient populations

2.4　血脂参数及代谢性指数预测OSA的效能

除了TG〔ROC曲线下面积（AUC为0.615）外，TC（AUC为0.530）、HDL-C（AUC）为0.562〕、LDL-C（AUC为0.518）预测OSA的AUC均小于5个代谢性指数。AIP预测OSA的AUC为0.593 〔95%CI（0.568，0.618）〕，VAI预测OSA的AUC为0.607 〔95%CI（0.583，0.632）〕，LAP预测OSA的AUC为0.594 〔95%CI（0.569，0.619）〕，CMI预测OSA的AUC为0.616 〔95%CI（0.591，0.640）〕，CVAI预测OSA的AUC为0.728〔95%CI（0.706，0.751）〕，见表4。为明确5个代谢指数预测OSA的效能，进一步将患者按性别进行分层分析。在女性人群中，5个代谢指数预测OSA的AUC均较总人群增加，见图2B；而在男性人群中，5个代谢指数的AUC均低于总人群，见图2A和图2C。无论在总人群还是在男女亚组人群中，CVAI指数的AUC均高于其他指数（总人群AUC=0.728，女性AUC=0.764，男性AUC=0.681）。

点击查看大图

图2

5个代谢性指数在不同患者人群中的受试者工作特征曲线

Figure 2

Receiver operating characteristic curves of five metabolic indexes in different patient populations

点击查看大图

注：A为男性，B为女性，C为总人群；AUC=受试者工作特征曲线下面积。

图2

5个代谢性指数在不同患者人群中的受试者工作特征曲线

Figure 2

Receiver operating characteristic curves of five metabolic indexes in different patient populations

点击查看表格

表4

血脂参数及代谢指数预测OSA的受试者工作特征曲线

Table 4

Receiver operating characteristic curve of lipid parameters and metabolic indexes in predicting OSA

表4

血脂参数及代谢指数预测OSA的受试者工作特征曲线

Table 4

Receiver operating characteristic curve of lipid parameters and metabolic indexes in predicting OSA

预测变量	AUC	95%CI	截断值	灵敏度（%）	特异度（%）	约登指数
TC	0.530	（0.505，0.555）	5.265	20.5	84.9	0.054
TG	0.615	（0.590，0.640）	1.425	67.7	50.8	0.186
HDL-C	0.562	（0.537，0.588）	1.175	66.8	43.1	0.099
LDL-C	0.518	（0.493，0.544）	1.955	81.4	23.7	0.051
AIP	0.593	（0.568，0.618）	0.152	60.4	54.6	0.150
VAI	0.607	（0.583，0.632）	2.365	57.3	58.8	0.160
LAP	0.594	（0.569，0.619）	46.030	70.9	43.1	0.140
CMI	0.616	（0.591，0.640）	0.825	61.5	57.1	0.186
CVAI	0.728	（0.706，0.751）	125.265	70.8	65.4	0.362

注：AUC=受试者工作特征曲线下面积。

3　讨论

OSA的患病率很高，并且已有研究表明OSA是心血管发病和死亡的危险因素^[23]。但目前OSA的诊断率和知晓率偏低，因此需对OSA高危人群进行尽早筛查^[2]。OSA的筛查工具包括睡眠量表和睡眠呼吸监测检查，睡眠量表内容复杂且需要专科医师评估，睡眠监测设备则需在高级别医院进行且费用昂贵，上述两种筛查工具受患者和医疗条件的限制，进而影响OSA的筛查率^[2]。因此需要更便捷、经济的筛查方式对OSA高危人群进行筛查。结合OSA患者易并发脂代谢紊乱的特点，本研究评估了OSA及非OSA患者的血脂参数和综合代谢指数结果显示，5个代谢指数与OSA均具有较强的相关性，将人群根据性别分层后发现，5个代谢指数与女性OSA患者的相关性更强，无论在总人群中还是在不同性别的亚组人群中，CVAI对OSA的预测效能均高于其他指标。

本研究结果显示，AIP、VAI、LAP、CMI、CVAI与OSA的发生呈正相关，在校正了年龄、性别、吸烟、饮酒等混杂因素后，该趋势仍然明显，且这些指数的最高四分位数组与OSA的相关性最强。BIKOV等^[12]在包含461例OSA患者及99例非OSA患者的研究中发现，AIP在OSA人群中升高。BIANCI等^[24]根据柏林问卷报告了OSA高危患者的LAP较高，但在这项研究中并未根据PSG对OSA进行诊断。CHEN等^[16]发现OSA患者的VAI增加，并与疾病严重程度和代谢综合征相关。ZHENG等^[13]在中国2型糖尿病患者中发现CVAI与OSA独立相关，本研究结果与之一致。本研究进一步将代谢指数视为连续性变量进行Logistic回归分析，仍得到相类似的结果。DONG等^[15]在317例2型糖尿病患者中研究发现，LAP每增加一个单位值OSA发生风险将会增加63.9%。而本研究中，LAP每增加一个单位值仅增加0.3%的OSA发生风险，这提示LAP在不同特征人群中的表现具有明显差异性。因此需在不同基础疾病的特殊患者群体中进一步评估各代谢指数与OSA的相关性。与上述研究相反，ZHAO等^[25]发现VAI与OSA无关，但该研究未在不同性别人群中对VAI做进一步的探究，而本研究结果中，虽然VAI在总人群和女性人群中与OSA具有强相关性，但在男性人群中，VAI与OSA无相关性。不仅如此，在本研究的男性人群中，CMI、LAP与OSA的相关性也不明显。以上原因可能是由于男性具有更多的危险因素（例如遗传、吸烟、饮酒、社会压力等），从而减弱了代谢因素与OSA之间的关系。因此针对不同性别群体，应全面评估脂代谢对OSA的风险影响，本研究弥补了既往研究的部分不足，但各代谢指数在不同性别人群中与OSA相关性差异的具体机制尚不明确。

本研究结果显示，CVAI不仅与OSA的相关性更强，并且对OSA的预测性要优于单一的血脂参数和其他代谢指数。目前研究已表明，在中国人群中CVAI对高血压、糖尿病、脂代谢异常、心血管疾病的预测能力均优于其他指数^{[18，26，27，28，29]}。CVAI是能反映内脏脂肪分布的指数，其计算公式内包含年龄、BMI、WC、TG和HDL-C，比AIP、LAP、CMI所包含的因素更多。不仅如此，年龄、BMI、WC、TG、HDL-C均是代谢性疾病、心血管疾病、高血压、糖尿病等疾病发生、发展的传统因素。而CVAI则是上述因素协同效应的总和，因此CVAI与相关疾病的关联要强于单一参数。而作为CVAI前身的VAI，虽然其计算公式内包含了与CVAI同样的传统因素，但其适用人群为高加索人，因此对于中国人群疾病的预测价值要低于CVAI。本研究首次发现了CVAI与OSA的关系，并且相较于其他单一血脂参数和代谢指数而言，CVAI对OSA的预测效能更好。能解释CVAI与OSA关联的机制可能有：第一，肥胖患者易患OSA，而肥胖患者具有更高的WC、BMI和更严重的脂代谢异常；第二，年龄是OSA和代谢性疾病发生、发展的重要危险因素；第三，由于OSA导致的间歇性低氧会导致肝脏TG和TC产生增加、脂肪酶活性降低、TG清除减少、脂肪组织中游离脂肪酸动员增加^[4，5，30]；第四，间歇性低氧可引起氧化应激反应，而氧化应激能产生功能失调的脂质产物，进而干扰下游的脂质代谢转化^[6]；最后，瘦素抵抗、胰岛素抵抗等原因均会进一步加重OSA患者的脂质代谢异常^[7，31]。CVAI的灵敏度及特异度欠佳，因此仅能作为缺乏医疗条件的基层医院对OSA患者的初筛指标。不仅如此，CVAI增高还提示患者患代谢性及心脑血管性疾病的风险增加^{[32，33，34]}，这为患者需要进一步排查OSA、代谢性及心脑血管性疾病提供了依据。综上所述，CVAI是一个可靠且易于测量的指标，可用于OSA高危人群的筛查。

本研究尚存在一定的局限性：第一，本研究为单中心研究，需要外部验证以评估CVAI对OSA的预测效能；第二，本研究为横断面研究，无法确定CVAI与OSA的因果关系，以及CVAI的变化性与OSA的关系。

综上所述，AIP、VAI、LAP、CMI、CVAI与OSA均存在不同程度的正向相关性，随着代谢指数的四分位数分组增高，发生OSA的风险增加。各代谢指数对女性OSA患者的预测效能更好，其中CVAI在所有人群中的预测效能均优于其他指数，因此CVAI或可成为OSA高危人群筛查的预测指标。

【引用本文】

温雯，张凯楠，陈玉岚，等.代谢指数作为预测因子与阻塞性睡眠呼吸暂停的相关性分析[J].中国全科医学，2023，26（30）：3740-3747. DOI：10.12114/j.issn.1007-9572.2023.0168.[www.chinagp.net]

WEN W，ZHANG K N，CHEN Y L，et al. Correlation of metabolic indexes as predictors with obstructive sleep apnea[J]. Chinese General Practice，2023，26（30）：3740-3747.

利益冲突

本文无利益冲突。

参考文献

[1]

BENJAFIELDA V，AYASN T，EASTWOODP R，et al. Estimation of the global prevalence and burden of obstructive sleep apnoea：a literature-based analysis[J]. Lancet Respir Med，2019，7（8）：687-698. DOI：10.1016/S2213-2600(19)30198-5.

[2]

中华医学会呼吸分会睡眠呼吸障碍学组，中国医学装备协会呼吸病学装备技术专业委员会睡眠呼吸设备学组. 成人阻塞性睡眠呼吸暂停高危人群筛查与管理专家共识[J]. 中华健康管理学杂志，2022，16（8）：520-528. DOI：10.3760/cma.j.cn115624-20220615-00460.

[3]

王云，何燕，刘师节，等. 阻塞性睡眠呼吸暂停低通气综合征与糖脂代谢紊乱的机制研究进展[J]. 中国全科医学，2022，25（2）：243-247. DOI：10.12114/j.issn.1007-9572.2021.01.311.

[4]

JIY，LIANGY M，CHUP H，et al. The effects of intermittent hypoxia on hepatic expression of fatty acid translocase CD36 in lean and diet-induced obese mice[J]. Biomed J，2022：S2319-S4170(22)00141-X. DOI：10.1016/j.bj.2022.10.003.

[5]

JUNJ C，SHINM K，YAOQ L，et al. Acute hypoxia induces hypertriglyceridemia by decreasing plasma triglyceride clearance in mice[J]. Am J Physiol Endocrinol Metab，2012，303（3）：E377-388. DOI：10.1152/ajpendo.00641.2011.

[6]

BARROSD，GARCÍA-RÍOF. Obstructive sleep apnea and dyslipidemia：from animal models to clinical evidence[J]. Sleep，2019，42（3）：zsy236. DOI：10.1093/sleep/zsy236.

[7]

于悦，谭慧文，刘奕姝，等. 阻塞性睡眠呼吸暂停低通气综合征病情严重程度的影响因素及代谢相关激素与临床相关指标的关系研究[J]. 中国全科医学，2021，24（8）：947-953. DOI：10.12114/j.issn.1007-9572.2021.00.142.

[8]

LIB Q，WANGJ，ZHOUX，et al. Chinese visceral adiposity index is more closely associated with hypertension and prehypertension than traditional adiposity indices in Chinese population：results from the REACTION study[J]. Front Endocrinol （Lausanne），2022，13：921997. DOI：10.3389/fendo.2022.921997.

[9]

BIKOVA，FRENTS，REISZD，et al. Comparison of composite lipid indices in patients with obstructive sleep apnoea[J]. Nat Sci Sleep，2022，14：1333-1340. DOI：10.2147/NSS.S361318.

[10]

XIEX，LIQ，ZHANGL M，et al. Lipid accumulation product，visceral adiposity index，and Chinese visceral adiposity index As markers of cardiometabolic risk in adult growth hormone deficiency patients：a cross-sectional study[J]. Endocr Pract，2018，24（1）：33-39. DOI：10.4158/ep-2017-0007.

[11]

ROTTERI，RYŁA，SZYLIŃSKAA，et al. Lipid accumulation product （LAP） as an index of metabolic and hormonal disorders in aging men[J]. Exp Clin Endocrinol Diabetes，2017，125（3）：176-182. DOI：10.1055/s-0042-116071.

[12]

BIKOVA，MESZAROSM，KUNOSL，et al. Atherogenic index of plasma in obstructive sleep apnoea[J]. J Clin Med，2021，10（3）：417. DOI：10.3390/jcm10030417.

[13]

ZHENGC Y，ZHENGX L，LINX Y，et al. Visceral adipose tissue indices independently correlated with obstructive sleep apnea in patients with type 2 diabetes[J]. J Diabetes Res，2022，2022：4950528. DOI：10.1155/2022/4950528.

[14]

CAIX T，HUJ L，WENW，et al. Associations of the cardiometabolic index with the risk of cardiovascular disease in patients with hypertension and obstructive sleep apnea：results of a longitudinal cohort study[J]. Oxid Med Cell Longev，2022，2022：4914791. DOI：10.1155/2022/4914791.

[15]

DONGL Q，LINM Z，WANGW G，et al. Lipid accumulation product （LAP） was independently associatedwith obstructive sleep apnea in patients with type 2 diabetes mellitus[J]. BMC Endocr Disord，2020，20（1）：179. DOI：10.1186/s12902-020-00661-x.

[16]

CHENG P，QIJ C，WANGB Y，et al. Applicability of visceral adiposity index in predicting metabolic syndrome in adults with obstructive sleep apnea：a cross-sectional study[J]. BMC Pulm Med，2016，16：37. DOI：10.1186/s12890-016-0198-0.

[17]

KEYSA，FIDANZAF，KARVONENM J，et al. Indices of relative weight and obesity[J]. J Chronic Dis，1972，25（6/7）：329-343. DOI：10.1016/0021-9681(72)90027-6.

[18]

XIAM F，CHENY，LINH D，et al. A indicator of visceral adipose dysfunction to evaluate metabolic health in adult Chinese[J]. Sci Rep，2016，6：38214. DOI：10.1038/srep38214.

[19]

DOBIÁŠOVÁM. Atherogenic index of plasma[log（triglycerides/HDL-cholesterol）]：theoretical and practical implications[J]. Clin Chem，2004，50（7）：1113-1115. DOI：10.1373/clinchem.2004.033175.

[20]

SHIW R，WANGH Y，CHENS，et al. Estimate of prevalent diabetes from cardiometabolic index in general Chinese population：a community-based study[J]. Lipids Health Dis，2018，17（1）：236. DOI：10.1186/s12944-018-0886-2.

[21]

KAHNH S. The "lipid accumulation product" performs better than the body mass index for recognizing cardiovascular risk：a population-based comparison[J].BMC Cardiovasc Disord，2005，5（1）：1-10. DOI：10.1186/1471-2261-5-26.

[22]

AMATOM C，GIORDANOC，GALIAM，et al. Visceral Adiposity Index：a reliable indicator of visceral fat function associated with cardiometabolic risk[J]. Diabetes Care，2010，33（4）：920-922. DOI：10.2337/dc09-1825.

[23]

YEGHIAZARIANSY，JNEIDH，TIETJENSJ R，et al. Obstructive sleep apnea and cardiovascular disease：a scientific statement from the American heart association[J]. Circulation，2021，144（3）：e56-67. DOI：10.1161/CIR.0000000000000988.

[24]

BIANCHIV E，HERBERTW G，MYERSJ，et al. Relationship of obstructive sleep apnea and cardiometabolic risk factors in elderly patients with abdominal aortic aneurysm[J]. Schlaf Atmung，2015，19（2）：593-598. DOI：10.1007/s11325-014-1053-2.

[25]

ZHAOX L，XUH J，QIANY J，et al. Abdominal obesity is more strongly correlated with obstructive sleep apnea than general obesity in China：results from two separated observational and longitudinal studies[J].Obes Surg，2019，29（8）：2535-2547. DOI：10.1007/s11695-019-03870-z.

[26]

XIEY L，ZHANGY Y，QINP，et al. The association between Chinese Visceral Adipose Index and coronary heart disease：a cohort study in China[J]. Nutr Metab Cardiovasc Dis，2022，32（3）：550-559. DOI：10.1016/j.numecd.2021.10.020.

[27]

CHENX Y，SHIF X，XIAOJ，et al. Associations between abdominal obesity indices and nonalcoholic fatty liver disease：Chinese visceral adiposity index[J]. Front Endocrinol （Lausanne），2022，13：831960. DOI：10.3389/fendo.2022.831960.

[28]

CAIX T，LIN F，HUJ L，et al. Nonlinear relationship between Chinese visceral adiposity index and new-onset myocardial infarction in patients with hypertension and obstructive sleep apnoea：insights from a cohort study[J]. J Inflamm Res，2022，15：687-700. DOI：10.2147/jir.s351238.

[29]

TSOUM T，CHANGY C，HSUC P，et al. Visceral adiposity index outperforms conventional anthropometric assessments as predictor of diabetes mellitus in elderly Chinese：a population-based study[J]. Nutr Metab，2021，18（1）：1-12. DOI：10.1186/s12986-021-00608-6.

[30]

DRAGERL F，TAVONIT M，SILVAV M，et al. Obstructive sleep apnea and effects of continuous positive airway pressure on triglyceride-rich lipoprotein metabolism[J]. J Lipid Res，2018，59（6）：1027-1033. DOI：10.1194/jlr.M083436.

[31]

LIUA，CARDELLJ，ARIELD，et al. Abnormalities of lipoprotein concentrations in obstructive sleep apnea are related to insulin resistance[J]. Sleep，2015，38（5）：793-799. DOI：10.5665/sleep.4678.

[32]

WANGY Y，ZHAOX D，CHENY，et al. Visceral adiposity measures are strongly associated with cardiovascular disease among female participants in Southwest China：a population-based prospective study[J]. Front Endocrinol，2022，13：969753. DOI：10.3389/fendo.2022.969753.

[33]

WANH，WANGY Y，XIANGQ，et al. Associations between abdominal obesity indices and diabetic complications：Chinese visceral adiposity index and neck circumference[J]. Cardiovasc Diabetol，2020，19（1）：118. DOI：10.1186/s12933-020-01095-4.

[34]

WEIJ X，LIUX，XUEH，et al. Comparisons of visceral adiposity index，body shape index，body mass index and waist circumference and their associations with diabetes mellitus in adults[J]. Nutrients，2019，11（7）：1580. DOI：10.3390/nu11071580.

贡献者信息

温雯

1．830000　新疆维吾尔自治区乌鲁木齐市，新疆医科大学第一附属医院

2．830000　新疆维吾尔自治区乌鲁木齐市，新疆医科大学研究生学院

张凯楠

2．830000　新疆维吾尔自治区乌鲁木齐市，新疆医科大学研究生学院

陈玉岚

3．830000　新疆维吾尔自治区乌鲁木齐市，新疆医科大学第一附属医院高血压科

李瑜

4．830000　新疆维吾尔自治区乌鲁木齐市，新疆医科大学第一附属医院综合内二科

张向阳

1．830000　新疆维吾尔自治区乌鲁木齐市，新疆医科大学第一附属医院

通信作者

张向阳

1．830000　新疆维吾尔自治区乌鲁木齐市，新疆医科大学第一附属医院

Email：zxiangyang1999@163.com

关键词

睡眠呼吸暂停，阻塞性; 脂代谢异常; 代谢指数; 中国人内脏肥胖指数; 预测; 病例对照研究;

作者声明

作者贡献：

温雯负责研究的构思与设计、数据整理、统计分析、论文撰写以及论文修订；张凯楠负责数据收集、研究的可行性分析、统计协助及论文修订；陈玉岚、李瑜负责数据质量控制及校审；张向阳提供研究思路，负责文章的质量控制及校审、监督管理，对文章整体负责；所有作者确认了论文的最终稿。

利益冲突

本文无利益冲突。

历史

出版日期：2023-10-20

收稿日期：2023-02-11

修回日期：2023-05-26

本文编辑

崔莎

Original Research

Correlation of Metabolic Indexes as Predictors with Obstructive Sleep Apnea

WEN Wen, ZHANG Kainan, CHEN Yulan, LI Yu, ZHANG Xiangyang

Published 2023-10-20

Cite as Chin Gen Pract, 2023, 26(30): 3740-3747. DOI: 10.12114/j.issn.1007-9572.2023.0168

Abstract

Background

Obstructive sleep apnea (OSA) has a high prevalence, and it has been shown to be an independent risk factor for various diseases. Therefore, it is important to strengthen screening for population at highrisk of OSA. OSA patients are prone to combine with lipid metabolism disorders, but it remains unclear whether the atherogenic index of plasma (AIP), visceral adiposity index (VAI), lipid accumulation product (LAP), cardiometabolic index (CMI), and Chinese visceral adiposity index (CVAI), which are used asmetabolic indexes, can be used to predict OSA.

Objective

To analyze the correlation between metabolic indexes and OSA, and evaluate the predictive efficacy of each metabolic index through a case-control study.

Methods

A total of 2 968 inpatients with suspected OSA and aged ≥18 years who completed polysomnography (PSG) in the First Affiliated Hospital of Xinjiang Medical University from March 2017 to June 2022 were selected, with 2 850 patients finally included based on the inclusion and exclusion criteria and divided into the OSA group 〔apnea-hypopnea index (AHI) ≥5 times/h, n=2 193〕 and non-OSA group (AHI<5 times/h, n=657) according to the AHI. The clinical data and laboratory test results of these patients were collected through the electronic medical record system. Univariate and multivariate Logistic regression analyses were used to investigate the correlation of AIP, VAI, LAP, CMI, and CVAI with OSA. The receiver operating characteristic (ROC) curve was plotted to analyze the efficacy of metabolic indexes in predicting OSA. A gender-stratified analysis was performed to explore the relationship between metabolic indexes and OSA in different populations.

Results

Age, gender (male proportion), neck circumference, height, total cholesterol, triacylglycerol, AHI, AIP, VAI, LAP, CMI, and CVAI were significantly higher in the OSA group than the non-OSA group, high-density lipoprotein cholesterol (HDL-C), mean oxygen saturation and minimum oxygen saturation were significantly lower than the non-OSA group (P<0.05). After dividing the five metabolic indexes into quartiles (Q1 to Q4), them ultivariate Logistic regression analysis showed that AIP〔OR=2.241, 95%CI (1.689, 2.972), P<0.001〕, VAI〔OR=2.517, 95%CI (1.919, 3.301), P<0.001〕, LAP〔OR=2.313, 95%CI (1.761, 3.038), P<0.001〕, CMI〔OR=2.732, 95%CI (2.054, 3.633), P<0.001〕, and CVAI〔OR=6.060, 95%CI (4.411, 8.324), P<0.001〕 were associated with the risk of OSA (P<0.05). Further analysis stratified by gender showed that in female patients, AIP, VAI, LAP, CMI, and CVAI were associated with the risk of OSA (P<0.05) ; in male patients, CMI, LAP, and VAI were not associated with OSA (P>0.05), but AIP and CVAI were associated with OSA (P<0.05). The areas under the ROC curves (AUCs) of AIP, VAI, LAP, CMI, and CVAI for predicting OSA were〔0.593, 95%CI (0.568, 0.618) 〕〔0.607, 95%CI (0.583, 0.632) 〕〔0.594, 95%CI (0.569, 0.619) 〕〔0.616, 95%CI (0.591, 0.640) 〕, and〔0.728, 95%CI (0.706, 0.751) 〕, respectively.Further analysis stratified by gender for the clarification of the predictive efficacy of five metabolic indexes for OSA showed that the AUCs of the five metabolic indices for predicting OSA were higher in the female population than the total population, and the AUCs of the five metabolic indexes were lower in the male population than the total population. The AUC of CVAI was higher than other indexes in the total population, male and female populations (AUC=0.728 for the overall population, AUC=0.764 for the female population, AUC=0.681 for the male population) .

Conclusion

As the quartiles of AIP, VAI, LAP, CMI, and CVAI increase, the risk of OSA rises. CVAI has a better predictive efficacy for OSA than other indexes, therefore, CVAI may be used as a predictor for screening of population at high risk of OSA.

Key words:

Sleep apnea, obstructive; Dyslipidemia; Metabolic indices; Chinese visceral adiposity index; Forecasting; Case-control studies

Contributor Information

WEN Wen

1. The First Affiliated Hospital of Xinjiang Medical University, Urumqi 830000, China

2. Graduate School of Xinjiang Medical University, Urumqi 830000, China

ZHANG Kainan

2. Graduate School of Xinjiang Medical University, Urumqi 830000, China

CHEN Yulan

3. Department of Hypertension, the First Affiliated Hospital of Xinjiang Medical University, Urumqi 830000, China

LI Yu

4. The Second Department of General Internal Medicine, the First Affiliated Hospital of Xinjiang Medical University, Urumqi 830000, China

ZHANG Xiangyang

1. The First Affiliated Hospital of Xinjiang Medical University, Urumqi 830000, China

共有条评论

验证码

本文被引情况 CSCD: 0次万方数据： 0次 Scopus: 0次

施引文献(最多仅列5条文献，进入CSCD官网发现更多)

未获取施引文献信息...

暂无相关资源