复旦大学阚海东、​陈仁杰等The Innovation：应用可穿戴智能设备研究空气污染对睡眠呼吸暂停的急性影响

睡眠呼吸暂停是一种病因不明的睡眠呼吸疾病，由于呼吸暂停引起缺氧和高碳酸血症反复发作，可导致严重的并发症，包括心脑血管疾病、神经认知障碍等。在我国成年人中，患病率约为23.6%。因此，寻找其危险因素对相关疾病预防有重要意义。本研究在 5万多名智能设备用户 中进行了累计 600多万天 睡眠监测，发现空气污染或可加重睡眠呼吸暂停。

睡眠呼吸暂停是一种病因不明、患病率高的严重睡眠呼吸障碍，寻找其可能的危险因素对于预防睡眠呼吸暂停及其并发症具有重要意义。近年的几项研究提示，空气污染可能与睡眠呼吸暂停存在关联。然而，既往的相关研究样本量较小，多数为单城市或单中心研究。更为重要的是，这些研究多是基于单晚的睡眠监测进行的横断面分析，难以捕捉睡眠呼吸暂停相关参数在不同夜晚间的动态波动。目前 尚缺乏大样本的连续监测数据 来证实短期暴露于空气污染是否会加重睡眠呼吸暂停。

传统的睡眠呼吸暂停监测通常需要使用多导睡眠监测系统，但该设备体积庞大、价格昂贵，不适用于进行大规模的长期纵向监测。近年来， 基于智能可穿戴设备的睡眠呼吸暂停筛查技术 已经获得了国家药监局的认证，其 便携性和远程实时监测 等优点为收集 大规模、个体水平、纵向睡眠监测数据 提供了独特的机会。

本研究使用华为可穿戴设备的心脏健康及呼吸睡眠障碍研究队列，纳入了来自 全国313个地级及以上城市的51,842名用户 ，累计进行了 6,232,056次 合格的睡眠监测。并研究分析了5种常见的空气污染物（细颗粒物、粗颗粒物、二氧化氮、一氧化碳、二氧化硫）与每晚睡眠呼吸暂停是否加重、呼吸暂停低通气指数（AHI）和睡眠期间平均血氧饱和度之间的关联。本研究采用了 新颖的病例时间序列研究设计 ，将传统的时间序列设计和病例交叉等自匹配设计的优势结合在一起。这种设计能够在时间序列的纵向结构中灵活控制随时间变化的混杂因素，同时通过自匹配的设计，自动控制不随时间改变的个体水平混杂因素。本研究基于小时尺度时间分辨率的空气污染物数据，分别精确估计了用户从入睡到醒来时间段、以及入睡前24小时（滞后一天）、24—48小时（滞后两天）、48—72小时（滞后三天）的空气污染暴露水平。

通过对时间滞后模式的研究，我们发现大多数污染物的短期暴露对上述三个睡眠呼吸暂停严重程度相关参数的影响 在睡眠期间即可出现，这种影响大约可持续两天 （图2）。各个空气污染物0-2天的移动平均暴露量每增加一个四分位数间距，睡眠呼吸暂停加重风险增加1.14% ~ 4.31%，AHI增加0.05 ~ 0.17次/小时，血氧饱和度（%）降低0.003–0.014。

图2 在不同的滞后时间，空气污染物每升高一个四分位数间距睡眠呼吸暂停加重风险、睡眠呼吸暂停低通气指数、血氧饱和度的变化

暴露反应关系曲线显示（图3-5），随着空气污染物水平的增加，睡眠呼吸暂停加重风险增加、AHI水平升高、血氧饱和度水平越低。 大部分污染物的暴露反应关系曲线近似线性。

分层分析结果提示，空气污染对睡眠呼吸暂停的影响在45岁及以上人群中明显更强。

图3 空气污染物与睡眠呼吸暂停加重风险之间的暴露反应关系曲线

图4 空气污染物与睡眠呼吸暂停低通气指数之间的暴露反应关系曲线

图5 空气污染物与血氧饱和度之间的暴露反应关系曲线

综上所述，短期暴露于空气污染可加重睡眠呼吸暂停相关指标，且中老年人群更为易感。本研究以可穿戴智能设备采集的数字医疗大数据为基础，为未来开展高质量的环境健康研究提供了新的范式，也为促进睡眠呼吸暂停患者的主动健康管理提供了新的思路。