引言
睡眠时间差异，即客观测量的睡眠时长与个体主观感知的睡眠时长之间的不匹配，在睡眠障碍患者中常见。过去，这种现象主要在失眠中被描述，但近年来在阻塞性睡眠呼吸暂停（OSA）患者中也有报道。先前的研究表明，伴有失眠症状的OSA患者更倾向于低估其睡眠时长，而较高的呼吸暂停低通气指数（AHI）则与高估睡眠时长相关。然而，大多数研究仅基于单夜多导睡眠监测（PSG），这难以捕捉个体在日常睡眠环境中的真实感知模式，因为实验室环境和大量传感器可能影响睡眠感知。此外，可穿戴传感器与机器学习技术的进步极大地提高了睡眠分期准确性，使得在家庭环境中进行多夜精确评估成为可能。本研究旨在利用这些技术，识别基于多夜睡眠感知模式的OSA亚组，并探索其与临床特征的关联。
方法
研究数据来源于CHARISMA研究，这是一项针对疑似OSA并计划进行诊断性PSG患者的观察性纵向研究。在家监测为期两周。基线数据包括人口统计学、临床参数（如年龄、性别、BMI、AHI、失眠症状）以及多项问卷评分（ESS、ISI、HADS、PSAS、PSQI）。
多夜测量方面，参与者每天早晨通过智能手机应用程序完成数字睡眠日记，报告前夜的睡眠时长、睡眠质量和休息感。同时，他们佩戴一款带有PPG传感器和三轴加速度计的手腕设备就寝。所采用的睡眠分期算法已在大型临床队列中得到验证，在包括OSA在内的多种睡眠障碍患者中表现可靠。
睡眠时间差异使用误感知指数（MI）进行评估，计算公式为MI = (客观总睡眠时间TST - 主观报告TST) / 客观TST。MI为0表示无差异，正值表示低估，负值表示高估。
聚类分析使用K-means算法，特征为每位参与者多夜MI值的中位数和中位绝对偏差（MAD）。通过肘部法则、轮廓系数和Caliński-Harabasz指数确定最佳聚类数。随后比较各聚类在人口统计学、临床特征、问卷评分、客观及主观睡眠参数上的差异。此外，还分析了PSG夜的MI（PSG-MI）与多夜记录的MI中位数（中位数-MI）之间的相关性。
结果
共有120名OSA患者符合纳入标准，总计分析了1485个记录夜。
聚类分析确定了四个睡眠感知集群：
- 1.
准确评估型集群（n=64，占53.3%）：MI值变异性最低，总体倾向于准确评估。
- 2.
低估型集群（n=33，占27.5%）：变异性稍高，参与者多数夜晚低估睡眠时长。
- 3.
严重低估型集群（n=6，占5.0%）：变异性第二高，MI值几乎只在低估到严重低估之间变化，无高估。
- 4.
可变高估型集群（n=17，占14.2%）：睡眠感知模式高度多变，总体倾向于高估睡眠时长。
各集群的临床与人口学特征存在显著差异：
- •
可变高估型集群的参与者年龄更大，AHI显著高于其他所有集群。
- •
低估型和严重低估型集群包含更多有失眠症状的参与者，其ISI、PSQI和PSAS评分均高于准确评估型和高估型集群。严重低估型集群的睡前认知唤醒水平（PSAS-cog）特别高，显著区别于准确评估型和可变高估型集群。
在睡眠参数方面：
- •
可变高估型集群表现出更紊乱的睡眠结构，其N3期和REM期睡眠百分比低于准确评估型和低估型集群，且总睡眠时间（TST）短于低估型和严重低估型集群。
- •
低估型和严重低估型集群对自身睡眠的感知更为负面，其自我报告的睡眠质量、休息感和TST均低于准确评估型和高估型集群。
关于PSG与多夜睡眠感知的比较：
PSG-MI在参与者间差异很大，即使在同一集群内，PSG-MI也涵盖了从严重低估到严重高估的广泛范围。因此，PSG-MI通常不能准确代表参与者多夜MI值的集中趋势。PSG-MI与中位数-MI之间存在微弱正相关（ρ=0.333，p<0.001），但在每个集群内部进行单独分析时，均未发现显著相关性。
讨论
本研究证实了OSA患者中存在具有不同多夜睡眠感知模式的亚组，这些亚组对应着不同的临床表型。研究结果与先前仅基于单夜观察的研究部分一致，但进一步揭示了睡眠感知在夜间的稳定性和变异性差异。
伴有失眠症状的OSA患者更可能表现出持续的低估模式，这支持了失眠症状是OSA患者睡眠时间低估预测因子的观点。严重低估型集群尤为突出的睡前认知唤醒提示，认知过度唤醒可能在该集群睡眠障碍的持续中扮演重要角色。
可变高估型集群的特征（年龄更大、AHI更高、睡眠结构更紊乱但主观感知更积极）与部分先前研究一致。其睡眠感知的高度变异性可能是导致以往研究结果不一致的原因之一。
最重要的是，PSG夜的睡眠感知并不能准确指示个体的长期睡眠感知模式，基于单夜PSG可能会对睡眠感知模式进行错误分类。这凸显了多夜测量在评估睡眠感知方面的重要性。
本研究的发现具有临床意义。基于表型的分类可能有助于治疗个性化。例如，严重低估型患者可能从失眠认知行为疗法（CBT-I）中额外获益，而可变高估型患者因AHI更高，可能在持续气道正压通气（CPAP）等OSA治疗中显示出更大的改善潜力，从而可能提高治疗依从性。
研究也存在一些局限性，包括横断面设计无法建立因果关系、测量中存在数据缺失、以及PPG作为睡眠测量的代理技术存在固有局限等。未来研究应探索睡眠时间差异对治疗依从性和生活质量等结局的影响，并更详细地调查不同集群间客观睡眠参数的差异，例如与睡眠时间低估相关的高频脑电活动。
结论
通过在常规睡眠环境中进行多夜评估，可以识别出具有不同睡眠感知模式的OSA表型，这些表型呈现出迥异的临床特征。个体的PSG睡眠感知未必能准确反映其夜间的实际睡眠感知，这凸显了多夜睡眠测量对于全面理解OSA异质性和推动精准医疗的重要性。
