3. 筛查工具
1) 柏林问卷:柏林问卷
[17]
(Berlin Questionnaire, BQ)是1996年由一群呼吸和初级保健医生通过共识在德国柏林召开的基层医院睡眠会议上提出的
[18]
,旨在用于基层医院OSA高危人群的筛查。该问卷是自填式的,其内容及评分方法较其他常用问卷稍复杂,由3个类别共10个问题构成,每个问题设有2~5个选项。打鼾和呼吸停止(第1类;五个问题);白天过度嗜睡的症状(第2类;四个问题);以及BMI ≥ 30 kg/m2和高血压(第3类;一个问题以及身高和体重信息)。2个或2个以上类别的阳性评分提示受访者发生OSA的风险较高
[19]
。Netzer等
[17]
在美国基层医院用BQ来筛查OSA患者,以呼吸紊乱指数(RDI) > 5次/h为诊断标准,其敏感性为0.86,特异性为0.77,阳性预测值为0.89,似然比为3.79,表明BQ对OSA具有一定的筛查价值。在柏林问卷作为手术患者OSA筛查工具的验证
[20]
研究结果表明,BQ对手术患者的敏感性中等偏高(68.9%),对中度和重度OSA的手术患者的敏感性更高(78.6%~87.2%)。然而,特异性较低且不显著。这一发现表明,在手术患者中,BQ有助于检测OSA的高风险,尤其是在OSA为中度或重度时。在一项检测筛查工具对OSA的诊断准确性的二元meta分析中
[21]
,BQ诊断诊断中度OSA的灵敏度水平为77%,特异性水平为44%,诊断重度OSA的灵敏度水平为84%,特异性水平38%。目前BQ已被广泛使用,但其条目较多,相对复杂,且不同研究所得到的筛查结果差异也较大,这与研究人群、样本量、使用的AHI诊断阈值等不同密切相关。所以临床在使用BQ进行筛查时,应考虑到上述因素差异对BQ筛查能力的影响,以正确判断BQ筛查OSA的能力
[22]
。
2) STOP-Bang问卷:STOP-Bang问卷于2008年首次开发
[23]
,该问卷可有效筛查中重度的OSA
[24]
,简单快捷、使用方便,具有较高的灵敏度。该问卷包括四个主观项目(STOP:打鼾、疲倦、观察到的呼吸暂停和高血压)和四个人口统计项目(Bang:BMI > 35 kg/m2、年龄 > 50岁、颈围 > 40 cm、性别(男性)),共8个问题,对于每个问题,回答“是”得1分,回答“否”得0分,总分从0到8分不等。STOP-Bang问卷评分 ≥ 3分则提示OSA高危
[25]
。STOP-Bang问卷因其使用方便、灵敏度高,已广泛应用于术前筛查
[26]
[27]
、睡眠门诊
[28]
、普通人群
[29]
及其他特殊人群
[30]
,用于检测OSA高危患者。
[23]
STOP-Bang问卷最初被用于筛查外科手术患者的OSA。一项荟萃分析研究结果显示
[31]
,在手术人群中,STOP-Bang评分为3的严重OSA的概率为15%。当STOP-Bang得分依次增加到4、5、6和7、8时,概率分别增加到25%、35%、45%和65%。
[31]
本荟萃分析证实了STOP-Bang问卷在睡眠临床和手术人群中筛查OSA的高效能。STOP-Bang评分越高,发生中重度OSA的概率越大。在睡眠门诊人群中,STOP-Bang评分为3分的严重OSA的概率为25%
[31]
。随着STOP-Bang得分逐步增加到4、5、6和7、8,概率分别成比例上升到35%、45%、55%和75%。在睡眠门诊人群中,
[21]
检测轻度(AHI/RDI ≥ 5)、中度(AHI/RDI ≥ 15)和重度OSA (AHI/RDI ≥ 30)的敏感度为88%、90%、93%,特异度为42%、36%、35%。在肥胖人群中
[32]
,STOP-Bang评分 ≥ 4分能更好地平衡敏感性和特异性:在病态肥胖患者中,STOP-Bang评分 ≥ 4分,对OSA严重程度的所有级别均具有较高的敏感性。在普通人群中存在着较高的OSA患病率,其中很大一部分仍未得到诊断。Chung Frances等
[33]
研究显示STOP-Bang评分 ≥ 3分对中重度OSA(呼吸暂停低通气指数[AHI] > 15)和重度OSA (AHI > 30)的检测灵敏度分别为93%和100%。相应的阴性预测值分别为90%和100%。随着STOP-Bang评分从0~2分上升到7~8分,出现中度至重度OSA的概率从18%上升到60%,出现重度OSA的概率从4%上升到38%
[33]
。Chiu等人
[21]
在对各种问卷的荟萃分析中得出结论,SBQ是筛查OSA的最佳方法。最近的一份报告也表明,SBQ在诊断上比ESS更准确
[34]
。Wang Y
[24]
等人发现SBQ用于预测中重度OSA的效果尚可,且优于ESS和NoSAS。此研究显示
[24]
SBQ用于预测中度OSA的敏感度为88.0%,特异度为62.8%;预测重度OSA的敏感度为86.79%,特异性为90.88%。目前,国内外研究均认为STOP-Bang是一种可靠且有效的筛查工具并可预测围手术期并发症的风险程度。
3) OSA50问卷:OSA50问卷是由澳大利亚睡眠医学研究人员Chai-Coetzer
[35]
等人开发的,由4个问题组成,包括:a) 肥胖(女性腰围大于88 cm、男性腰围大于102 cm)得3分;b) 打鼾得3分;c) 旁人观察到睡眠呼吸停止得2分;d) 年龄 ≥ 50岁得2分
[35]
,并证明了OSA50问卷对中度至重度OSA有显著预测作用,当OSA50评分 ≥ 5分时筛查问卷的敏感度达94%,特异度为31%,总体诊断准确率(真阳性率和真阴性率之和)为91%
[35]
。一项关于筛查问卷评估OSA的比较研究显示
[36]
,OSA50问卷筛查中度(AHI ≥ 15次/h)的灵敏度为91.2%,特异性为46%;筛查重度OSA (AHI ≥ 30次/h)的灵敏度为94.2%,特异性为37.7%
[36]
。目前,该问卷已用于检测初级保健中
[37]
,一项OSA筛查问卷单独使用及与Epworth嗜睡量表(ESS)联合使用在初级保健中检测OSA的应用价值研究显示,OSA50问卷能正确识别大多数中重度的OSA,敏感性为86%,特异性为21%。当其结合ESS ≥ 8分标准时,该问卷的特异性高(94%~96%),而敏感性低(36%~51%)
[37]
。OSA50问卷也可用于术前检测OSA患者
[38]
,相关研究显示
[39]
,当AHI > 15次/h时,敏感度为94.6%,特异度为15.8%;当AHI > 30次/h时,敏感度为98.4%,特异度为14.9%。对于严重OSA的检测,OSA50问卷的灵敏度最高
[39]
。OSA50问卷在基层医院及睡眠门诊
[35]
[36]
中也具有一定筛查价值。该问卷目前已用于合并2型糖尿病、心力衰竭和顽固性高血压等疾病的高风险人群的筛查
[40]
。目前关于OSA50问卷的研究较少,其在不同人群中筛查OSA的效度及临床应用价值还需更多研究进一步验证。
4) BASAN指数:BASAN指数是由哥伦比亚大学医学院学者Oliveros Henry研究
[41]
得出,BASAN指数是一种以客观为基础的筛查严重OSA (>30事件/小时)
[15]
[42]
的方法,具有良好的敏感性特征,可作为筛查工具用于临床怀疑患有OSA且生活在高海拔地区的西班牙人群。BASAN指数是身体质量指数(Body mass index, BMI)、年龄(Age)、性别(Sex)、动脉高血压(Arterial hypertension)和颈围(Neck circumference) 5个变量的首字母缩略词。BASAN指数的评分细则为:男性OSA评分总分0~8分:年龄 ≥ 50岁、颈围 ≥ 41 cm、BMI ≥ 28 kg/m2、动脉高血压,每项各得2分;女性OSA评分总分0~8分:年龄 ≥ 55岁、颈围 ≥ 36 cm、BMI ≥ 30 kg/m2、动脉高血压,每项各得2分。男性和女性的评分方法相似,每个阳性预测因子评分为2分,两个模型的最高评分为8分。在男性模型中,评分 ≥ 2分预测严重OSA的敏感性为93%,特异性为20%,而在女性模型中,评分 ≥ 2分预测严重OSA的敏感性为95%,特异性为17%
[41]
。分数越高特异性越好,敏感性越低。BASAN指数由客观信息组成,减少了主观偏差。但该研究是在生活在高海拔地区的西班牙人群中进行,现尚缺乏该评分在亚洲人群中的预测价值相关研究。
5) 其他问卷:a) 改良的柏林问卷:改良的Berlin Questionnaire是针对印度受试者制定的问卷
[43]
。与柏林问卷相比,它在第一类中有一个关于夜间窒息的额外问题。在第二类中,关于开车时困倦的两个问题被三个关于看电视、排队看医生和排队付账单时困倦的问题所取代。BMI临界值为25 kg/m2,而不是原来柏林调查问卷中使用的30 kg/m2。评分与柏林问卷相似。有研究显示
[36]
,改良的BQ预测中度(AHI ≥ 15次/h)的敏感性为95.6%,特异度为29.7%,准确度为72.4%;预测重度(AHI ≥ 30次/h)的敏感性为97.1%,特异度为23.6%,准确度为60%。目前,此问卷还未广泛使用,有待进一步验证。b) DES-OSA评分:该评分仅编制形态学标准,包括Mallampati评分、甲状腺和下巴之间的距离、BMI、颈围和性别
[39]
。DES-OSA已经被专门设计用于检测严重OSA
[44]
,当评分 ≥ 7时,DES-OSA具有最高的特异性和良好的敏感性,对严重OSA的预测能力最好。一项确定需要治疗的OSA人群研究显示
[45]
,DES-OSA分数 ≥ 5时预测中重度OSA的灵敏度为90%,特异度为27%。目前DES-OSA评分常用于外科术前人群
[46]
的筛查,对于门诊等人群的筛查还待进一步研究。c) 性别–年龄–体重指数(BMI)–最大切口高度与甲状旁腺距离–颈围–腰围比值(SABIHC2)模型
[47]
:SABIHC2模型可以筛选曲线下面积(AUC) = 0.832的中重度OSA,敏感性为0.916,特异性为0.749,其表现优于STOP-BANG问卷,SABIHC2机器学习模型为中国人群中的中重度OSA提供了一个简单而准确的评估
[47]
,尤其是对于那些没有明显白天嗜睡的人群,但由于其为机器预测模型,故不能作为常规简单筛查,也缺少相关研究。