ERS2016:识别高危阻塞性睡眠呼吸暂停综合征的新方法
在英国伦敦即将召开的 ERS2016 大会上,来自英国利兹圣詹姆斯大学附属医院的 Akshay Dwara kanath 博士等展示了其研究成果,研究通过实时事件、驾驶模拟器表现和结果确定出一个正常范围模型,有助于阻塞性睡眠呼吸暂停综合征(OSAS)高危患者的识别。
OSAS 患者是交通事故的高发人群。通过在驾驶模拟器(MiniUoLDS)中连续测量车道位置偏离的标准差(SDLP)可识别高危患者。研究人员在未治疗的 OSAS 患者和对照人群中比较了实时事件、MiniUoLDS 表现和结果,并制定出一个正常范围。
研究共纳入 129 名 OSAS 患者和 79 名对照者,所有受试者均在模拟上路前完成一份驾驶问卷。对照组进行一次模拟驾驶,OSAS 组在不同场景进行两次模拟驾驶,MiniUoLDS 结果基于预先设定的标准。
研究发现,与对照组相比,OSAS 患者报告更多的打盹事件,在驾驶中睡着的可能性更大,此外,OSAS 患者通过 MiniUoLDS 测试的概率较低(31%:53%),失败概率较高(20%:0%)。测试失败同时报告实时事件的患者 SDLP 明显较差。
较差的 SDLP 是驾驶表现不佳的一项标志,而模拟驾驶失败的 OSAS 患者 SDLP 明显差于对照者。与对照者的对比或将有助于患者了解其是否存在交通事故的高发风险。
该研究根据实时事件、MiniUoLDS 表现和结果确定出一个正常范围,有希望为高危 OSAS 患者开发出一种客观检测工具。
更多会议精彩内容,请进入欧洲呼吸学会年会(ERS 2016)。