Entwicklung kardiovaskulärer Erkrankungen bei obstruktiver Schlafapnoe: Erhebung weiterer Parameter als Ergänzung zur Standard-Polysomnographie notwendig

In dieser retrospektiven Querschnittsstudie wurde der Zusammenhang zwischen der Gesamtschlafzeit (TST), die mit erhöhter Atemanstrengung (RE) verbracht wurde, und der Prävalenz von Typ-2-Diabetes bei Personen mit Verdacht auf obstruktive Schlaf­apnoe (OSA) untersucht. Die Studie umfasste klinische Daten von 1128 Patienten, die zur Polysomnographie (PSG) im Labor überwie­sen wurden. Nicht invasive Messungen der RE wurden aus dem schlafbezogenen Unterkieferbewegungssignal (MJM) abgeleitet. Ein maschinelles Lernmodell wurde entwickelt, um Typ-2-Diabetes anhand von klinischen Daten, Standard-PSG-Indizes und von MJM abgeleiteten Parametern vorherzusagen, darunter der Anteil der TST, der mit erhöhter Atemanstrengung verbracht wurde (REMOV (%TST)). Die Datensätze wurden zufällig in Trainings- (n = 853) und Validierungsgruppen (n = 275) aufgeteilt. Das entwickelte Klassifizierungsmodell, basierend auf 18 Merkmalen einschließlich REMOV, zeigte eine hohe Vorhersageleistung für prävalenten Typ-2-Diabetes (Sensitivität = 0,81, Spezifität = 0,89). Die nachträgliche Interpretation mithilfe der Shapley-Erklärungsmethode ergab, dass ein hoher REMOV-Wert als signifikanter Risikofaktor für Typ-2-Diabetes bei Personen mit OSA identifiziert wurde. Diese Bedeutung von REMOV ging über traditionelle klinische Variablen wie Alter, Geschlecht und Body-Mass-Index hinaus und übertraf so­gar die Standard-PSG-Metriken wie Apnoe-Hypopnoe- und Sauerstoffentsättigungs-Indizes. Die Ergebnisse dieser Studie liefern erstmalig den Nachweis, dass der Anteil der Schlafzeit, der mit erhöhter Atemanstrengung verbracht wird (ermittelt durch MJM-Messungen), ein wichtiger Prädiktor für die Verbindung mit Typ-2-Diabetes bei Personen mit OSA ist. Diese Erkenntnisse könnten dazu beitragen, die Risikobewertung und Prävention von Typ-2-Diabetes bei OSA-Patienten zu verbessern.