卒中和短暂性脑缺血发作后
持续气道正压通气（CPAP）
依从性的预测因素
阻塞性睡眠呼吸暂停（OSA）是卒中的既定危险因素，荟萃分析表明缺血性/出血性卒中和TIA患者中72％存在OSA。卒中后OSA与较高的死亡风险，较低的认知功能障碍和功能状态相关。持续气道正压通气（CPAP）可改善卒中后中度至重度阻塞性睡眠呼吸暂停（OSA）患者的神经功能恢复，认知，运动和功能结局以及整体生活质量，还可以减轻抑郁，嗜睡和打鼾等症状。
研究表明，对CPAP治疗依从性良好的患者（4小时/晚）脑血管事件显着减少，然而，CPAP的依从率通常较低，影响CPAP依从性的因素尚不清楚。因此，本研究的目的是确定卒中或短暂性脑缺血发作（TIA）患者CPAP依从性的预测因子。
表1显示了在先前发表的几项随机对照试验中观察到的CPAP依从率及结果指标
//方法
///
NOCITCE
1.纳入排除标准
年7月至年6月或年6月至年6月进行的随机对照试验。
纳入标准为通过神经影像学或临床医生确诊卒中或TIA。
排除标准包括以下内容：
（1）先前诊断为OSA；
（2）目前使用CPAP；
（3）预期寿命不足十二个月；
（4）存在可能影响筛查结果准确性的呼吸或心脏问题；
（5）使用可能影响筛查设备和/或CPAP放置的医疗设备；
（6）经研究者评估，可能会影响他们使用CPAP或完成筛查测试/问卷的身体障碍，语言障碍等；
（7）妊娠；
（8）本研究还计划排除经济拮据的患者，但是由于医疗系统通常涵盖了大多数费用，只有一名患者被排除在外。
2.阻塞性睡眠呼吸暂停筛查
使用ApneaLink家庭睡眠呼吸暂停测试（HSAT）或医院内多导睡眠图（PSG）进行OSA筛查。在医院或患者家中使用的ApneaLinkHSAT可以记录气流，氧饱和度和呼吸运动。
呼吸事件的评分如下：呼吸暂停定义为气流减少90％或更多并持续10秒钟或更长时间；呼吸不足的定义是鼻压降低至少10s30％以上，伴随的氧饱和度降低4％以上，OSA被定义为AHI5和O2饱和度88％或AHI≥15。
被诊断为OSA的患者会见一名睡眠专家并接受了有关睡眠呼吸暂停对健康的影响以及使用CPAP的潜在益处的详细教育。同意开始接受CPAP的患者被转诊至CPAP公司，启动了自动调节气道正压装置（auto-PAP）两周，然后以固定压力（自动PAP压力的95％）提供标准CPAP。
在随访预约时或之前，必要时与睡眠治疗专家进行磋商以进一步改善压力，以改善CPAP的使用。在最初的六个月中免费提供了CPAP，患者可以访问CPAP公司以获得持续的支持，跟进和故障排除，以安装面罩和其他与CPAP有关的问题。
3.结果指标
在基线时记录患者特征，包括年龄、性别、体重指数（BMI）、是否存在高血压、高脂血症、糖尿病和吸烟史。评估包括卒中后/TIA的Epworth嗜睡量表（ESS）、国家健康研究所卒中量表（NIHSS）、蒙特利尔认知评估（MoCA）、改良Rankin量表（mRS；以2为界点评估功能独立性），流行病学研究中心抑郁量表（CES-D），是否存在白天疲劳，夜间打鼾，睡眠中停止呼吸/窒息，其中最后三项来自STOP-BANG问卷。还确定了CPAP前呼吸暂停低通气指数（AHI）、卒中/TIA事件与OSA筛查日期之间以及CPAP开始日期之间的天数、CPAP开始后症状改善的评估和残余AHI。
通过基线到CPAP后6个月ESS的变化来评估症状改善。使用实验室分离研究（PSG/CPAP滴定）或CPAP滴定研究得出的残余AHI（从最高压力设定下的滴定表得出），然后计算出残余AHI的下降百分比。在六个月的随访中，以每周的天数和每晚的小时数为单位记录了CPAP的使用情况。
4.统计分析
对参与者进行描述性统计，连续变量记录为平均值和标准差（SD）。Shapiro-Wilk检
验用于确定连续变量是否具有正态分布。对于正态分布变量，采用独立样本t检验比较。对于非正态分布的变量，采用Mann-WhitneyU检验进行组间比较。对于分类变量，记录频率计数和百分比，并使用卡方检验对各组进行比较。用Mann-WhitneyU检验计算序数变量以及比较各组的中位数及或四分位数间距（IQR）。
为了评估6个月随访时CPAP依从性的预测因素，建立并分析了多变量回归模型，考虑到我们有88名参与者被诊断为OSA，在线性回归分析中包括8个变量（即每10名患者一个预测因子）。从单变量分析（表1）中，选择8个p值最低的变量纳入回归模型，以确定6个月时CPAP依从性的预测因素。选择变量后，采用两种方法评估CPAP依从性。
第一种方法将依从性作为一个二元变量进行评估，其中使用CPAP4小时/夜的参与者被视为依从者，而使用CPAP时间少于此临界时间的参与者被视为非依从者。用Logistic回归分析探讨这一二元结果。第二种方法将CPAP依从性作为一个连续变量进行评估，计算参与者每周的总使用量（以小时为单位）。线性回归分析被用来研究这个连续的结果。用模型诊断评估logistic和线性模型，包括检查残差图和方差膨胀因子（VIF）评估多重共线性，其中高于10的值表示高度共线变量。
//结果
///
NOCITCE
共有名患者符合纳入/排除标准，并进行了OSA筛查（图1）。在接受HSAT或PSG筛查的患者中，例因未被诊断为OSA或HSAT或PSG评估时间不足（60分钟）而被排除在外。在确诊为OSA的患者中，有48名患者因CPAP治疗效果下降而被排除在外。2名因癌症诊断排除，3名患者死亡。在88例确诊为阻塞性睡眠呼吸暂停（OSA）进行了CPAP的患者中，46例被认为是依从性的，42例是非依从性的。
在确诊为OSA并使用CPAP的患者中，平均年龄为67.81±13.09岁，69.32%的患者为男性。在基线检查时，依从组和非依从组的测量特征没有显著差异。
从表1所示的单变量分析中，提取了8个p值最低的变量，包括性别、BMI、日间嗜睡（ESS）、抑郁症状（CESD）、功能状态（mRS）、高血压、日间疲劳和OSA严重程度（CPAP前的AHI）。
首先，进行logistic回归分析，该模型估计CPAP依从性与功能状态呈正相关（OR:3.82，95%CI:1.09，13.40，p0.04），与白天疲劳呈负相关（OR:0.31，95%CI:0.10，0.99，p0.）；即白天不感到疲劳的人比白天感到疲劳的人更依从CPAP。
随后，采用线性回归模型检验每周每小时CPAP使用总量（作为一个连续变量评估）与我们感兴趣的预测因子之间的关联（表4）。与logistic回归模型相似，线性回归模型估计CPAP依从性与白天不感到疲劳显著相关（Coef:12.21，95%CI:23.78，0.63，p0.04）。
logistic回归模型的诊断，部分残差图显示连续变量的非线性不明显。对多重共线性的评估没有产生大于10的值，因此也可不考虑。对于线性回归模型，残差图的评估表明误差是正态分布的并且方差齐的。由于VIF值小于10，也不存在多重共线性问题。
//局限性
///
NOCITCE
首先，这项研究是一项非随机试验，因此无法匹配患者，也可能有一些与依从性无关的因素可以解释CPAP使用的差异，如药物或生活方式因素等，理想的方法是使用倾向匹配方案。
此外，本研究的样本量相对较低。今后的研究应以较大的样本量进行，以重新确认研究结果的可靠性。在本研究中也可能存在抽样偏差。排除有严重身体损伤和语言障碍的患者（影响CPAP依从性），纳入症状较轻的患者将限制我们的结果仅限于一般卒中/短暂性脑缺血发作人群的一个子集。
此外，本研究还使用了不同品牌的CPAP，但这些数据无法用于分析，因此我们无法评估这些设备的工作方式不同是否是影响CPAP依从性的因素，未来的研究应将其作为可能影响CPAP依从性的潜在因素进行研究。此外，本研究的分析中使用的残留AHIs来自实验室分离或CPAP滴定研究，而不是来自AutoPAP装置。
最后，本研究中收集到的关于CPAP依从性的最早时间点是在6个月的随访评估中，因此不能推断1个月和3个月的早期CPAP依从性对长期依从性的预测。
结论●●
本研究表明功能状态更好和白天疲劳较少的患者对CPAP治疗的依从性较强。其他积极影响CPAP依从性的因素包括舒适的面罩、来自伴侣和家人的鼓励、对病情和治疗方案的教育。相反，被认为对CPAP依从性有负面影响的因素包括年轻、单身、抑郁状态，以及来自家庭的支持有限。本研究结果可能有助于未来在易感卒中/短暂性脑缺血发作人群中提高持续气道正压通气依从性的治疗策略。
此外，由于卒中后残疾较重的患者可能需要来自家人和朋友的额外帮助才能维持良好的CPAP依从性，未来的研究可调查以家庭、朋友或医疗保健提供者形式提供的支持是否有助于增强患者对CPAP治疗的依从性。
文献来源;Colelli,D.R.,etal.,PredictorsofCPAPadherencefollowingstrokeandtransientischemicattack.SleepMed,.66:
ＥＮＤ
医院神经精神医学与临床心理科/睡眠中心
潘鑫蕊翻译整理
文章转载请联系管理员（