引用本文： 孫楷, 聶洪玉, 徐東蘭, 劉泳, 馬升軍, 唐亮. 鼾癥患者中阻塞性睡眠呼吸暫停低通氣綜合征的篩查及危險因素分析. 中國呼吸與危重監護雜志, 2019, 18(1): 26-30. doi: 10.7507/1671-6205.201805020 復制
打鼾是睡眠中的一種常見現象，鼾癥的患病率約為 13%～42.4%。國內外大量流行病學調查顯示，鼾癥中阻塞性睡眠呼吸暫停低通氣綜合征（obstructive sleep apnea hypopnea syndrome，OSAHS）的患病率明顯升高，OSAHS 患者常為嚴重的打鼾者[1-2]。OSAHS 患者睡眠時反復發生低氧血癥、高碳酸血癥和睡眠結構紊亂，導致白天過度嗜睡、心腦肺血管并發癥乃至多臟器損害，嚴重影響患者身心健康[3-4]。由于 OSAHS 的危害大，早期診斷及治療率低，所以在鼾癥人群中進行 OSAHS 篩查及危險因素分析，有助于早期診斷及治療，并為疾病的早期預防提供依據。本研究通過分析鼾癥和 OSAHS 患者各種臨床指標和量表評分的差異，通過二元 Logistic 回歸建立了預測 OSAHS 患病概率的篩查模型，以期探討一種臨床簡便、經濟和符合國情的 OSAHS 初篩診斷方法，并進一步探討各種危險因素。
1 資料與方法
1.1 臨床資料
納入標準：納入年齡>18 歲，打鼾和疑似 OSHAS，并在自貢市第四人民醫院睡眠監測室接受整夜多導睡眠監測（polysomnography，PSG）的患者。
排除標準：（1）填寫量表不全；（2）身體測量不完善；（3）PSG 監測數據缺失；（4）顱內腫瘤或癲癇病史；（5）正在服用苯二氮卓類、巴比妥類等鎮靜安眠藥物；（6）已經接受治療的 OSAHS 患者；（7）存在嚴重器官功能障礙，如嚴重左心衰竭、腎功能不全及呼吸衰竭患者。
按上述標準連續納入 2014 年 11 月至 2018 年 3 月在自貢市第四人民醫院睡眠監測室行 PSG 監測的 558 例患者作為研究對象，其中單純鼾癥組 163 例（男 90 例，女 73 例），OSAHS 組 395 例（男 344 例，女 51 例）。本研究已經過患者知情同意并得到醫院倫理委員會的批準。
1.2 方法
所有患者在行 PSG 監測前由專人詢問病史，包括性別、年齡、飲酒史、吸煙史等一般情況；測量頸圍、腰圍、身高、體重等身體指標，計算體重指數（body mass index，BMI），BMI=體重/身高2（kg/m2）。并在專人指導下進行打鼾程度評價和填寫 Epworth 嗜睡量表。
1.2.1 PSG 監測
采用澳大利亞康迪 E 型多導睡眠監測儀對 OSAHS 患者進行整夜 PSG 監測（≥7 h）。同步記錄口鼻氣流、胸腹運動、腦電圖、心電圖、眼電圖、肌電圖及脈搏氧飽和度等指標。睡眠分期及相關事件主要根據《2012 年美國睡眠醫學會睡眠及相關事件評分手冊》進行分析[5]。OSAHS 診斷標準參照 2011 年中華醫學會呼吸病學分會睡眠呼吸疾病學組制訂的《阻塞性睡眠呼吸暫停低通氣綜合征診治指南（2011 年修訂版）》[6]。以呼吸暫停低通氣指數（apnea hypopnea index，AHI）為標準分為單純鼾癥和輕、中、重度 OSAHS 組，單純鼾癥組 AHI<5 次/h且 PSG 監測提示有鼾聲，輕度 5～15 次/h，中度 16～30 次/h，重度>30 次/h。
1.2.2 打鼾程度評價
參照 2011 年中華醫學會呼吸病學分會睡眠呼吸疾病學組制訂的《阻塞性睡眠呼吸暫停低通氣綜合征診治指南（2011 年修訂版）》對打鼾程度進行評價[6]。從不打鼾：記 0 分；輕度打鼾：較正常人呼吸聲音粗重，記 1 分；中度打鼾：鼾聲響亮程度大于普通人說話聲音，記 2 分；重度打鼾：鼾聲響亮以至同一房間的人無法入睡，記 3 分。
1.2.3 Epworth 嗜睡量表
采用 Johns[7]研制的 Epworth 嗜睡量表，用于主觀評價患者白天過度嗜睡情況。Epworth 評分總分為 0～24 分，分數越高嗜睡越嚴重，以 Epworth 評分>9 分評定為過度嗜睡。
1.3 統計學方法
采用 SPSS 17.0 統計軟件。單因素分析中，比較單純鼾癥和 OSAHS 在連續型變量上的差異，先對連續型變量進行正態性檢驗，全部連續型變量不服從正態分布，采用兩獨立樣本的秩和檢驗比較單純鼾癥和 OSAHS 的差異，并選擇中位數（四分位間距）［M（Q）］的表達形式。比較單純鼾癥和 OSAHS 在分類變量上的差異選擇 χ2 檢驗。經過兩獨立樣本的秩和檢驗及 χ2 檢驗篩選有統計學意義的指標，最后用二元 Logistic 回歸分析選出影響 OSAHS 最重要的因素，建立篩查模型，運算出聯合預測因子。選擇受試者工作特征（receiver operating characteristic，ROC）曲線進行臨界值的探尋。P<0.05 為差異有統計學意義。
2 結果
2.1 單因素分析
2.1.1 單純鼾癥和 OSAHS 患者連續型變量比較
單純鼾癥和 OSAHS 各組在年齡、BMI、Epworth 評分、頸圍、腰圍上差異有統計學意義（均 P<0.01）。結果見表 1。
表1
單純鼾癥和 OSAHS 患者連續型變量比較［M（Q）］
2.1.2 單純鼾癥和 OSAHS 患者分類指標比較
兩組在性別、BMI、打鼾程度、夜間憋醒、夜間多汗、白天嗜睡（Epworth 評分>9 分）、晨起口干、高血壓、飲酒史、吸煙史上差異有統計學意義（均 P<0.01）。結果見表 2。
表2
單純鼾癥和 OSAHS 患者分類指標比較［例（%）］
2.2 多因素分析
以是否患 OSAHS 為因變量，年齡、性別、打鼾程度、Epworth 評分、BMI、身高、體重、頸圍、腰圍、夜間憋醒、夜間多汗、晨起口干、高血壓、飲酒史、吸煙史為自變量進行二元 Logistic 回歸的分析，結果見表 3。性別、年齡、打鼾程度、Epworth 評分、BMI 是患病的獨立影響因素，而身高、體重、頸圍、腰圍、夜間憋醒、夜間多汗、晨起口干、高血壓、飲酒史、吸煙史不是患病的獨立影響因素。性別、年齡、打鼾程度、Epworth 評分、BMI 對患病的影響分別是：（1）男性患 OSAHS 是女性的 3.078 倍；（2）年齡每增加 1 歲，患病的可能性增加 1.037 倍；（3）打鼾程度評分每高 1 分，患病的可能性增加 2.878 倍；（4）Epworth 評分每高 1 分，患病的可能性增加 1.089 倍；（5）BMI 每高 1 kg/m2，患病的可能性增加 1.323 倍。
表3
相關指標的多因素分析結果
2.3 OSAHS 篩查模型的建立
根據二元 Logistic 回歸結果，OSAHS 篩查模型建立為：X=–10.286+0.280×BMI+1.057×打鼾程度+1.124×性別+0.085×Epworth 評分+0.036×年齡，X 為聯合預測因子，OSAHS 患病概率 P=ex/（1+ex）。以上公式運算可以直接代入 BMI、打鼾程度、Epworth 評分、年齡數值；對于性別，男性取值 1，女性取值 0。
2.4 聯合預測因子（X）的 ROC 曲線及診斷臨界值的確定
聯合預測因子（X）、性別、年齡、打鼾程度、Epworth 評分、BMI 等 6 種因子的 ROC 曲線見圖 1。其中聯合預測因子的 ROC 曲線下面積（area under ROC curve，AUC）最大，最靠近左上角，準確度高達 89.0%（AUC 為 0.890）。聯合預測因子的 ROC 曲線圖運算結果見表 4。通過約登指數確定臨界值，約登指數=敏感性+特異性–1，取 MAX（約登指數）對應的點，就是臨界值，X 的診斷臨界值確定為大于 1.123 即可診斷為 OSAHS。模型建立后可用于臨床計算患 OSAHS 概率的大小。舉例：45 歲男性，BMI=27 kg/m2，中度打鼾（記 2 分），Epworth 評分=10 分，患 OSAHS 的概率為：P=ex/（1+ex），X=–10.286+0.280×27+1.057×2+1.124×1+0.085×10+0.036×45=2.982>1.123，預測 P=95.2% 的幾率會患 OSAHS。
圖1
聯合預測因子等 6 種因子預測 OSAHS 的 ROC 曲線
表4
聯合預測因子的 ROC 曲線圖運算結果
3 討論
PSG 監測是目前診斷 OSAHS 的“金標準”。但 PSG 監測需要正規的睡眠實驗室和訓練有素的人員操作，而且儀器設備昂貴、檢查費時費力，這使得 OSAHS 的診治受到了限制，故在基層醫院難以實施[4, 8]。本研究通過分析鼾癥和 OSAHS 患者各種臨床指標和量表評分的差異，得出性別、年齡、打鼾程度、Epworth 評分、BMI 是患病的獨立影響影響因素。通過二元 Logistic 回歸建立了預測 OSAHS 患病概率的模型，得出聯合預測因子的準確度高達 89.0%（AUC 為 0.890），能較好地篩查 OSAHS 患者。
本研究納入了身高、體重、頸圍、腰圍及 BMI 多種人體測量學指標，多因素分析后結果顯示僅 BMI 為患病的獨立危險因素［OR=1.323，95%CI（1.218，1.438）］，表明向心性肥胖是 OSAHS 病情嚴重程度的重要影響因素。多項研究表明體重超過標準體重的 20% 或以上，BMI≥25 kg/m2 增加 OSAHS 發病率，AHI 隨體重的增加可相應增加[9-10]。原因為肥胖患者上氣道黏膜下組織脂肪存留，頸部、咽部、舌及腭部等上氣道脂肪過度聚集，使上氣道變窄，仰臥位睡眠時咽部脂肪的下墜和頸部脂肪的壓迫使狹窄的氣道進一步塌陷閉塞。此外，肥胖可引起肺活量下降，通氣灌注比例失衡，肺及胸壁活動受限以及睡眠呼吸失調，加重低通氣和低氧血癥的發生[11]。
本研究發現 OSAHS 患者中男性患者明顯多于女性，男女比例為 6.7∶1，與多項國內外研究結果相似。多因素分析結果顯示性別（男性）為患病的獨立危險因素［OR=3.078，95%CI（1.787，5.303）］。男性患病率高的原因：（1）男女上氣道的結構和生理存在性別差異[12]；（2）可能與男性患者雄激素水平較高，以及男性多有飲酒和吸煙習慣相關；（3）女性 OSAHS 癥狀不典型性使患者忽視睡眠呼吸暫停的相關癥狀，或者由于社會觀念而不認為患病，且女性患者就診時常隱瞞打鼾等癥狀，造成診斷困難。加之臨床醫師對女性 OSAHS 認識不足，使大量女性患者被漏診、誤診[13]。
多因素分析結果顯示年齡為患病的獨立危險因素［OR=1.037，95%CI（1.012，1.062）］，說明 OSAHS 的發病率隨年齡增長而增加。研究表明睡眠呼吸暫停的發生傾向于隨著年齡的增長而增加，年齡越大頸部組織越松弛，舌根后墜越明顯，造成呼吸時上氣道阻力增高，導致氣道阻塞和低通氣的發生率增加[14]。
研究中使用打鼾程度和 Epworth 嗜睡量表相結合的問卷調查方法進行初步篩查，兼顧了打鼾和嗜睡這兩個在 OSAHS 患者中的主要癥狀。本研究顯示打鼾程度［OR=2.878，95%CI（2.082，3.979）］和 Epworth 評分［OR=1.089，95%CI（1.037，1.143）］為患病的獨立危險因素。說明患病概率隨打鼾程度和 Epworth 評分的增加而增加，可以認為打鼾程度和 Epworth 評分可以從側面反映病情嚴重程度的變化。因為打鼾程度在一定程度上能反映上氣道阻塞的情況，而白天嗜睡是患者夜間呼吸暫停/低通氣、睡眠片段化所導致的，所以打鼾程度和 Epworth 評分是預測 OSAHS 很好的指標。Logistic 回歸模型將打鼾程度、Epworth 評分和患者的性別、年齡、BMI 作為預測 OSAHS 患病概率方程的變量，能較好地擬合患病的影響因素，得出的篩查模型有利于 OSAHS 的早發現、早診斷、早治療。
作為篩查，本研究僅提供了患病概率的大小，僅能提示患病或不患病，不能確定病情的嚴重程度。這是該篩查模型的缺陷，有待于進一步多元有序 Logistic 回歸模型的完善。
綜上所述，臨床上醫生可以在了解患者相關臨床指標的基礎上，根據患者的性別、年齡、打鼾程度、Epworth 評分、BMI 預測患病的可能性，及早篩查和識別 OSAHS 患者［P=ex/（1+ex），X=–10.286+0.280×BMI+1.057×打鼾程度+1.124×性別+0.085×Epworth 評分+0.036×年齡（性別項中男性取值 1，女性取值 0）］。對于基層醫院，在無法對每個疑似患者行 PSG 監測情況下，醫生可對患病概率高的患者及時采取干預措施，防止 OSAHS 并發癥，提高患者的早期診斷和治療率，改善預后。
打鼾是睡眠中的一種常見現象，鼾癥的患病率約為 13%～42.4%。國內外大量流行病學調查顯示，鼾癥中阻塞性睡眠呼吸暫停低通氣綜合征（obstructive sleep apnea hypopnea syndrome，OSAHS）的患病率明顯升高，OSAHS 患者常為嚴重的打鼾者[1-2]。OSAHS 患者睡眠時反復發生低氧血癥、高碳酸血癥和睡眠結構紊亂，導致白天過度嗜睡、心腦肺血管并發癥乃至多臟器損害，嚴重影響患者身心健康[3-4]。由于 OSAHS 的危害大，早期診斷及治療率低，所以在鼾癥人群中進行 OSAHS 篩查及危險因素分析，有助于早期診斷及治療，并為疾病的早期預防提供依據。本研究通過分析鼾癥和 OSAHS 患者各種臨床指標和量表評分的差異，通過二元 Logistic 回歸建立了預測 OSAHS 患病概率的篩查模型，以期探討一種臨床簡便、經濟和符合國情的 OSAHS 初篩診斷方法，并進一步探討各種危險因素。
1 資料與方法
1.1 臨床資料
納入標準：納入年齡>18 歲，打鼾和疑似 OSHAS，并在自貢市第四人民醫院睡眠監測室接受整夜多導睡眠監測（polysomnography，PSG）的患者。
排除標準：（1）填寫量表不全；（2）身體測量不完善；（3）PSG 監測數據缺失；（4）顱內腫瘤或癲癇病史；（5）正在服用苯二氮卓類、巴比妥類等鎮靜安眠藥物；（6）已經接受治療的 OSAHS 患者；（7）存在嚴重器官功能障礙，如嚴重左心衰竭、腎功能不全及呼吸衰竭患者。
按上述標準連續納入 2014 年 11 月至 2018 年 3 月在自貢市第四人民醫院睡眠監測室行 PSG 監測的 558 例患者作為研究對象，其中單純鼾癥組 163 例（男 90 例，女 73 例），OSAHS 組 395 例（男 344 例，女 51 例）。本研究已經過患者知情同意并得到醫院倫理委員會的批準。
1.2 方法
所有患者在行 PSG 監測前由專人詢問病史，包括性別、年齡、飲酒史、吸煙史等一般情況；測量頸圍、腰圍、身高、體重等身體指標，計算體重指數（body mass index，BMI），BMI=體重/身高2（kg/m2）。并在專人指導下進行打鼾程度評價和填寫 Epworth 嗜睡量表。
1.2.1 PSG 監測
采用澳大利亞康迪 E 型多導睡眠監測儀對 OSAHS 患者進行整夜 PSG 監測（≥7 h）。同步記錄口鼻氣流、胸腹運動、腦電圖、心電圖、眼電圖、肌電圖及脈搏氧飽和度等指標。睡眠分期及相關事件主要根據《2012 年美國睡眠醫學會睡眠及相關事件評分手冊》進行分析[5]。OSAHS 診斷標準參照 2011 年中華醫學會呼吸病學分會睡眠呼吸疾病學組制訂的《阻塞性睡眠呼吸暫停低通氣綜合征診治指南（2011 年修訂版）》[6]。以呼吸暫停低通氣指數（apnea hypopnea index，AHI）為標準分為單純鼾癥和輕、中、重度 OSAHS 組，單純鼾癥組 AHI<5 次/h且 PSG 監測提示有鼾聲，輕度 5～15 次/h，中度 16～30 次/h，重度>30 次/h。
1.2.2 打鼾程度評價
參照 2011 年中華醫學會呼吸病學分會睡眠呼吸疾病學組制訂的《阻塞性睡眠呼吸暫停低通氣綜合征診治指南（2011 年修訂版）》對打鼾程度進行評價[6]。從不打鼾：記 0 分；輕度打鼾：較正常人呼吸聲音粗重，記 1 分；中度打鼾：鼾聲響亮程度大于普通人說話聲音，記 2 分；重度打鼾：鼾聲響亮以至同一房間的人無法入睡，記 3 分。
1.2.3 Epworth 嗜睡量表
采用 Johns[7]研制的 Epworth 嗜睡量表，用于主觀評價患者白天過度嗜睡情況。Epworth 評分總分為 0～24 分，分數越高嗜睡越嚴重，以 Epworth 評分>9 分評定為過度嗜睡。
1.3 統計學方法
采用 SPSS 17.0 統計軟件。單因素分析中，比較單純鼾癥和 OSAHS 在連續型變量上的差異，先對連續型變量進行正態性檢驗，全部連續型變量不服從正態分布，采用兩獨立樣本的秩和檢驗比較單純鼾癥和 OSAHS 的差異，并選擇中位數（四分位間距）［M（Q）］的表達形式。比較單純鼾癥和 OSAHS 在分類變量上的差異選擇 χ2 檢驗。經過兩獨立樣本的秩和檢驗及 χ2 檢驗篩選有統計學意義的指標，最后用二元 Logistic 回歸分析選出影響 OSAHS 最重要的因素，建立篩查模型，運算出聯合預測因子。選擇受試者工作特征（receiver operating characteristic，ROC）曲線進行臨界值的探尋。P<0.05 為差異有統計學意義。
2 結果
2.1 單因素分析
2.1.1 單純鼾癥和 OSAHS 患者連續型變量比較
單純鼾癥和 OSAHS 各組在年齡、BMI、Epworth 評分、頸圍、腰圍上差異有統計學意義（均 P<0.01）。結果見表 1。
表1
單純鼾癥和 OSAHS 患者連續型變量比較［M（Q）］
2.1.2 單純鼾癥和 OSAHS 患者分類指標比較
兩組在性別、BMI、打鼾程度、夜間憋醒、夜間多汗、白天嗜睡（Epworth 評分>9 分）、晨起口干、高血壓、飲酒史、吸煙史上差異有統計學意義（均 P<0.01）。結果見表 2。
表2
單純鼾癥和 OSAHS 患者分類指標比較［例（%）］
2.2 多因素分析
以是否患 OSAHS 為因變量，年齡、性別、打鼾程度、Epworth 評分、BMI、身高、體重、頸圍、腰圍、夜間憋醒、夜間多汗、晨起口干、高血壓、飲酒史、吸煙史為自變量進行二元 Logistic 回歸的分析，結果見表 3。性別、年齡、打鼾程度、Epworth 評分、BMI 是患病的獨立影響因素，而身高、體重、頸圍、腰圍、夜間憋醒、夜間多汗、晨起口干、高血壓、飲酒史、吸煙史不是患病的獨立影響因素。性別、年齡、打鼾程度、Epworth 評分、BMI 對患病的影響分別是：（1）男性患 OSAHS 是女性的 3.078 倍；（2）年齡每增加 1 歲，患病的可能性增加 1.037 倍；（3）打鼾程度評分每高 1 分，患病的可能性增加 2.878 倍；（4）Epworth 評分每高 1 分，患病的可能性增加 1.089 倍；（5）BMI 每高 1 kg/m2，患病的可能性增加 1.323 倍。
表3
相關指標的多因素分析結果
2.3 OSAHS 篩查模型的建立
根據二元 Logistic 回歸結果，OSAHS 篩查模型建立為：X=–10.286+0.280×BMI+1.057×打鼾程度+1.124×性別+0.085×Epworth 評分+0.036×年齡，X 為聯合預測因子，OSAHS 患病概率 P=ex/（1+ex）。以上公式運算可以直接代入 BMI、打鼾程度、Epworth 評分、年齡數值；對于性別，男性取值 1，女性取值 0。
2.4 聯合預測因子（X）的 ROC 曲線及診斷臨界值的確定
聯合預測因子（X）、性別、年齡、打鼾程度、Epworth 評分、BMI 等 6 種因子的 ROC 曲線見圖 1。其中聯合預測因子的 ROC 曲線下面積（area under ROC curve，AUC）最大，最靠近左上角，準確度高達 89.0%（AUC 為 0.890）。聯合預測因子的 ROC 曲線圖運算結果見表 4。通過約登指數確定臨界值，約登指數=敏感性+特異性–1，取 MAX（約登指數）對應的點，就是臨界值，X 的診斷臨界值確定為大于 1.123 即可診斷為 OSAHS。模型建立后可用于臨床計算患 OSAHS 概率的大小。舉例：45 歲男性，BMI=27 kg/m2，中度打鼾（記 2 分），Epworth 評分=10 分，患 OSAHS 的概率為：P=ex/（1+ex），X=–10.286+0.280×27+1.057×2+1.124×1+0.085×10+0.036×45=2.982>1.123，預測 P=95.2% 的幾率會患 OSAHS。
圖1
聯合預測因子等 6 種因子預測 OSAHS 的 ROC 曲線
表4
聯合預測因子的 ROC 曲線圖運算結果
3 討論
PSG 監測是目前診斷 OSAHS 的“金標準”。但 PSG 監測需要正規的睡眠實驗室和訓練有素的人員操作，而且儀器設備昂貴、檢查費時費力，這使得 OSAHS 的診治受到了限制，故在基層醫院難以實施[4, 8]。本研究通過分析鼾癥和 OSAHS 患者各種臨床指標和量表評分的差異，得出性別、年齡、打鼾程度、Epworth 評分、BMI 是患病的獨立影響影響因素。通過二元 Logistic 回歸建立了預測 OSAHS 患病概率的模型，得出聯合預測因子的準確度高達 89.0%（AUC 為 0.890），能較好地篩查 OSAHS 患者。
本研究納入了身高、體重、頸圍、腰圍及 BMI 多種人體測量學指標，多因素分析后結果顯示僅 BMI 為患病的獨立危險因素［OR=1.323，95%CI（1.218，1.438）］，表明向心性肥胖是 OSAHS 病情嚴重程度的重要影響因素。多項研究表明體重超過標準體重的 20% 或以上，BMI≥25 kg/m2 增加 OSAHS 發病率，AHI 隨體重的增加可相應增加[9-10]。原因為肥胖患者上氣道黏膜下組織脂肪存留，頸部、咽部、舌及腭部等上氣道脂肪過度聚集，使上氣道變窄，仰臥位睡眠時咽部脂肪的下墜和頸部脂肪的壓迫使狹窄的氣道進一步塌陷閉塞。此外，肥胖可引起肺活量下降，通氣灌注比例失衡，肺及胸壁活動受限以及睡眠呼吸失調，加重低通氣和低氧血癥的發生[11]。
本研究發現 OSAHS 患者中男性患者明顯多于女性，男女比例為 6.7∶1，與多項國內外研究結果相似。多因素分析結果顯示性別（男性）為患病的獨立危險因素［OR=3.078，95%CI（1.787，5.303）］。男性患病率高的原因：（1）男女上氣道的結構和生理存在性別差異[12]；（2）可能與男性患者雄激素水平較高，以及男性多有飲酒和吸煙習慣相關；（3）女性 OSAHS 癥狀不典型性使患者忽視睡眠呼吸暫停的相關癥狀，或者由于社會觀念而不認為患病，且女性患者就診時常隱瞞打鼾等癥狀，造成診斷困難。加之臨床醫師對女性 OSAHS 認識不足，使大量女性患者被漏診、誤診[13]。
多因素分析結果顯示年齡為患病的獨立危險因素［OR=1.037，95%CI（1.012，1.062）］，說明 OSAHS 的發病率隨年齡增長而增加。研究表明睡眠呼吸暫停的發生傾向于隨著年齡的增長而增加，年齡越大頸部組織越松弛，舌根后墜越明顯，造成呼吸時上氣道阻力增高，導致氣道阻塞和低通氣的發生率增加[14]。
研究中使用打鼾程度和 Epworth 嗜睡量表相結合的問卷調查方法進行初步篩查，兼顧了打鼾和嗜睡這兩個在 OSAHS 患者中的主要癥狀。本研究顯示打鼾程度［OR=2.878，95%CI（2.082，3.979）］和 Epworth 評分［OR=1.089，95%CI（1.037，1.143）］為患病的獨立危險因素。說明患病概率隨打鼾程度和 Epworth 評分的增加而增加，可以認為打鼾程度和 Epworth 評分可以從側面反映病情嚴重程度的變化。因為打鼾程度在一定程度上能反映上氣道阻塞的情況，而白天嗜睡是患者夜間呼吸暫停/低通氣、睡眠片段化所導致的，所以打鼾程度和 Epworth 評分是預測 OSAHS 很好的指標。Logistic 回歸模型將打鼾程度、Epworth 評分和患者的性別、年齡、BMI 作為預測 OSAHS 患病概率方程的變量，能較好地擬合患病的影響因素，得出的篩查模型有利于 OSAHS 的早發現、早診斷、早治療。
作為篩查，本研究僅提供了患病概率的大小，僅能提示患病或不患病，不能確定病情的嚴重程度。這是該篩查模型的缺陷，有待于進一步多元有序 Logistic 回歸模型的完善。
綜上所述，臨床上醫生可以在了解患者相關臨床指標的基礎上，根據患者的性別、年齡、打鼾程度、Epworth 評分、BMI 預測患病的可能性，及早篩查和識別 OSAHS 患者［P=ex/（1+ex），X=–10.286+0.280×BMI+1.057×打鼾程度+1.124×性別+0.085×Epworth 評分+0.036×年齡（性別項中男性取值 1，女性取值 0）］。對于基層醫院，在無法對每個疑似患者行 PSG 監測情況下，醫生可對患病概率高的患者及時采取干預措施，防止 OSAHS 并發癥，提高患者的早期診斷和治療率，改善預后。
