动态心电图监测在睡眠呼吸暂停综合征中的应用.pptVIP

流行病学情况 OSAHS与心血管病 Sleep Heart Health Study （SHHS研究） 6424名患者 OSAHS患CHF的可能性增加2.38倍； OSA是CAD的独立危险因素，AHI11患有冠心病的OR值为1.27； OSA是高血压的独立危险因素，AHI30患有高血压的校正的OR值1.37； AHI 11 同AHI1.5相比，在调整了所有混杂因素后（包括高血压） ，患心血管病的机会增加42%。 OSAHS与高血压 高血压患者约30%合并OSAHS OSAHS患者约45%～48%合并高血压 Wisconsin 睡眠研究，1069例患者，随访4－8年，AHI30患高血压的OR值3.1，AHI15患高血压的OR值2.89 OSAHS与冠心病 CAG确诊冠心病患者408 名，随访5年 OSAHS（+）发生心脑血管事件危险性增加 70% 病例对照研究 OSAHS 伴MI患者： OR值4.1～4.5 夜间ST段改变常伴有OSAHS SAHS与CHF CPAP治疗CHF 脑电图 EEG 眼动图 EOG 肌电图 EMG 心电图 EKG 呼吸运动 Movement 氧饱和度 SaO2 呼吸气流 Airflow 鼾声 Snoring 应用Holter初筛OSAHS的方法 应用心率变异性进行OSAHS定性初筛 应用心电图推导的呼吸曲线进行OSAHS定量初筛 应用HRV定性初筛OSAHS 心率的变化是交感神经和迷走神经相互拮抗、共同作用的结果 OSAHS患者周期性的呼吸暂停和重复的血氧失饱和发作可导致心率和HRV的显著改变 （二）HRV频域指标 异常的呼吸形态会导致HRV的显著增大，尤其是可引起极低频（VLF）能量的增加 （三）分时段RR间期栅栏图 我们的研究发现，应用分时段RR间期栅栏图也可帮助识别可疑的OSAHS患者 Sleep Apnea Sleep Apnea Episode at 4:00 （四）Holter诊断OSAHS不同算法比较 2000年2月～9月，Computers in Cardiology和美国NIH主办的PhysioNet网联合举办了应用不同技术诊断睡眠呼吸暂停大赛 来自全球的13种算法参加了比较 （四）Holter诊断OSAHS不同算法比较 比赛分为两部分： 第一部分应用参赛者自己选定的算法对35份单导联心电图连续记录（滤波100Hz）作出有或无OSAHS的诊断 第二部分对35份单导联心电图连续记录中的呼吸暂停事件逐一进行标记 （四）Holter诊断OSAHS不同算法比较 13种算法中： 前4种算法在第一部分竞赛中的诊断正确率高达100％ 在第二部分竞赛中前2种算法高达92％，前8名均在85％以上 其中以HRV频域分析最为优秀 研究方法 研究方法 测量体重、身高、血压，计算体重指数 (BMI) 多导睡眠分析仪 (PSG)行整夜睡眠监测的同时，同步进行Holter检查 双方通过各自的诊断标准作出OSAS阳性与阴性的诊断，最后开盲、分析 时 域 指 标 昼／夜SDNN差值，阈值11。 昼／夜SDNN指数差值，阈值20。 昼／夜rMSSD差值，阈值13。 频 域 指 标 全天/夜晚总功率差值，阈值500 全天/夜晚VLF差值，阈值400 VLF占总功率的百分比，阈值70% 昼／夜LF差异，阈值70% 昼／夜LF／HF差值，阈值0.5% 其它参考指标 室性心律失常，阈值10/h。 昼／夜QTc差异，阈值20ms。 睡眠QTc改变，阈值40ms。 平均心率，阈值72bpm。 睡眠心率变化大于15bpm，阈值30次 结 果 HRV时域分析指标中，PNN50、△[昼/夜]SNDD指数两项指标较其他指标敏感 频域分析指标中，OSAS组平均夜间总功率、VLF 、LF、LF／HF均显著高于无OSAS组（P0.05） △[昼/夜]总功率、△[昼/夜] VLF及△[昼/夜] LF也大于OSAS组（P0.05） 结 论 临床上筛选可疑的OSAS患者时，HRV频域指标比时域指标敏感 用Holter作为筛选OSAS的一种简便、快捷的辅助工具有一定的临床应用价值 研究对象 选择2004年4月～2005年10月因睡眠打鼾或睡眠疾患而在我院呼吸睡眠门诊就诊的120 例患者 其中男性101 例，女性 19例，年龄46±15.01（9～77）岁，体重指数28.63±4.23kg/m2 均无冠心病、心肌梗塞及糖尿病病史 研究方法 对所有的研究对象同时进行7hPSG监测及24小时动态心电图记录。 同时分析PSG结果及心率变异性 通过ROC曲线寻找临界点 通过ROC曲线寻找临界点 临界点SDNNi夜-SDNNi昼＝6.92， 诊断