阻塞性睡眠呼吸暂停（Obstructive Sleep Apnea, OSA）是一种常见慢性睡眠呼吸障碍疾病，以睡眠期间反复发生的上气道塌陷为核心特征，严重危害人体健康与生活质量。当前睡眠呼吸健康监测研究多聚焦于各类检测指标与技术的探索应用，缺乏对不同类型监测指标的系统梳理与整合，因此亟需开展以睡眠呼吸监测指标为核心的系统性综述。本综述将OSA监测指标划分为三大类：物理指标、生化指标与电生理指标，各章节分别详述其生理机制、分类体系及对应应用实例，明确各类指标在OSA监测中的临床价值，为临床实践与后续研究提供有效参考。同时，本文概述新兴检测指标与基于传感器的监测机制，旨在推动未来多模态、智能化且具备临床可操作性的睡眠呼吸暂停评估系统发展。
本文围绕阻塞性睡眠呼吸暂停（OSA）的监测与评估展开系统性综述，全文按指标属性分为物理指标、生化指标与电生理指标三大板块，结合技术进展与应用场景逐层展开。
1 引言
睡眠是维持心血管代谢稳态与神经认知功能的基础生理过程。OSA作为高发睡眠呼吸障碍疾病，以睡眠期反复上气道阻塞为特征，导致慢性间歇性缺氧与睡眠片段化。随着人口老龄化与全球肥胖流行，OSA已从单纯的夜间呼吸紊乱演变为重大公共卫生挑战，被证实是高血压的独立危险因素，显著促进心脑血管疾病、2型糖尿病及血脂异常等代谢疾病的发生发展。除代谢损害外，OSA还会损伤神经认知功能与警觉性，引发日间过度嗜睡，增加交通与职业事故风险，具有广泛的临床与社会影响。
多导睡眠监测（Polysomnography, PSG）仍是睡眠障碍诊断的金标准，但其临床应用受限于操作复杂度高、成本昂贵及多传感器实验室部署的侵入性——此类设置可能干扰自然睡眠，限制长期或家庭监测的实施。近年来柔性电子、传感器微型化与无线通信技术的进步，推动了睡眠监测范式向可穿戴、家庭化系统转变，实现无扰连续生理评估。这一从综合实验室监测向轻量便捷方案的转型，伴随传统PSG指标向独立传感模式的拆分。因此，厘清各指标的生理意义与对应监测方法学至关重要。然而现有研究多聚焦孤立的传感技术，缺乏对核心指标及其传感原理的系统分类，阻碍了不同技术的比较与整合，模糊了其适用场景与局限性，最终影响临床与家庭场景中睡眠呼吸监测策略的合理选择与可靠性。本研究旨在系统梳理当代睡眠监测的核心指标，强调其生理相关性、传感原理与技术实现路径，将指标分为物理、生化与电生理三类：物理指标包括呼吸气流、体动与血流动力学参数，直接表征呼吸努力与稳定性；生化指标如经皮二氧化碳分压（PtcCO2）、血氧饱和度（SpO2）与皮质醇，反映气体交换效率与应激生理反应；电生理指标涵盖脑电图（EEG）、心电图（ECG）与眼电图（EOG），是睡眠分期与微事件检测的核心依据。在此基础上，综述总结了代表性传感方法与案例，批判性讨论不同指标的优势、局限与适用场景，最后探讨了多指标融合与智能算法在提升家庭睡眠呼吸监测准确性与鲁棒性方面的潜力，为传感器开发与临床评估提供指导，也为标准化可靠的家庭睡眠监测系统奠定理论基础。
2 物理指标
物理指标直接反映呼吸事件的力学特征，指睡眠期间人体可测量的力学、声学与热力学信号，在睡眠呼吸健康监测中主要包括呼吸流量、体动与血流动力学指标，可实时检测呼吸频率（RR）、呼吸暂停、低通气或异常体位等关键参数。例如呼吸流量波动直接指示气流通畅程度，胸腹运动指标辅助识别呼吸努力，心率变异性（HRV）则与自主神经调节及缺氧反应密切相关，综合分析可有效评估睡眠呼吸障碍的类型与严重程度，为早期筛查提供依据。
2.1 呼吸流量指标
呼吸流量核心指标为呼吸频率（RR）与呼吸深度（潮气量）。成人睡眠期正常RR为12–20次/分钟，呼吸深度约500–600 mL；若呼吸深度低于450 mL，或RR过快（>24次/分钟）或过慢（<12次/分钟）则提示异常。通过上述指标可计算呼吸暂停低通气指数（AHI），定义为每小时睡眠中呼吸暂停与低通气事件总数；其中呼吸暂停指呼吸气流下降≥90%且持续时间≥10秒。实时监测RR与深度可快速判断睡眠期呼吸稳定性。AHI计算依赖RR与深度数据，后者无法直接测量，需通过呼吸气流的压力、湿度与温度等参数间接反映。例如研究人员基于原子硫键合策略制备Ti3C2/Na2S（TS）压阻传感器，通过气流产生的周期性压力变化识别OSA事件；另有研究开发基于热阻原理的鼻腔柔性传感器，通过追踪呼出气体周期性湿度波动计算AHI。但温度与湿度参数的累积效应可能导致指标失真，难以准确捕捉瞬时呼吸异常。针对此问题，有研究提出集成电容式呼吸传感与电阻式温度检测的柔性无线系统，通过同步处理算法扣除温度引起的电容漂移，有效补偿温度变化对呼吸参数捕获的影响；还有研究开发了可同时监测湿度与压力的氧化石墨烯/细菌纤维素（GO/BC）传感器，提升了数据采集的全面性与可靠性。当前气流指标检测仍面临局限，传统方法依赖鼻气流导管与热敏电阻等接触式传感器，未来需聚焦场景适配与精度提升，通过技术与材料创新开发柔性隐蔽方案——增强材料柔韧性可解决传感器弯曲与接触不良问题，使其贴合鼻部或面部曲面皮肤，在夜间翻身或面部肌肉微动时保持稳定接触，避免传统传感器因位移导致的指标中断或波形断裂。柔性纤维传感器集成于日常用品中可将微小压力变化转化为可靠的气流状态反馈，配合嵌入睡衣的力敏电阻与微气流传感器，可形成更丰富的监测生态；同时基于智能手机音频功能的低成本分析应用将成为推动这些技术从实验室走向临床与社区普及的重要桥梁。
2.2 体动指标
本节聚焦OSA监测中的体动指标，主要指胸腹部机械运动与呼吸相关微机械活动，而非肢体大幅体位变化。胸腹部运动包括胸廓扩张/收缩，呼吸相关活动涉及腹部隆起/回落，可反映呼吸努力，是区分阻塞性呼吸暂停与中枢性呼吸暂停的关键。此类指标对肥胖人群这一OSA高危群体的监测价值尤为突出：常规监测指标常因体重与体型因素在肥胖人群中表现不佳，而体动指标可弥补这一缺陷，直观反映肥胖相关腹部因素诱导的上气道功能变化，为识别肥胖人群OSA潜在力学问题提供关键线索。基于胸腹运动的睡眠呼吸监测通过传感器将呼吸容积变化转化为可测量指标。例如研究人员开发了胸带式可伸缩自供电传感器，模拟工牌伸缩盒的机械结构，将呼吸时的胸腹微小扩张收缩转化为电信号，其自供电特性适配肥胖人群长期监测需求——肥胖者常体位固定、翻身困难，该设备可摆脱传统有线设备的睡眠限制。另有研究基于螺旋纤维应变传感原理开发螺旋纤维应变传感器，可有效监测肥胖个体OSA：肥胖者腹部脂肪堆积导致呼吸时胸腹运动幅度减小但阻力增加，普通传感器难以检测微弱信号，而该胸带传感器的机械结构可放大微小运动的指标输出，实现对代偿性呼吸运动的清晰量化，为判断上气道阻塞程度提供直接证据。
2.3 血流动力学指标
血流动力学指标包括血压（BP）与心率（HR）。舒张压变异性与HRV对OSA具有显著影响，OSA患者的自主神经功能障碍可通过逐搏血压变化体现；血压升高反映OSA患者压力反射控制受损或血管损伤，是血流动力学并发症的潜在前兆。夜间反复呼吸暂停导致低氧血症与交感神经兴奋，可引起BP与HRV升高。HR测量主要依赖传感器的压阻效应，BP测量主要基于光电容积描记法（PPG）原理，通过光学传感器捕捉微血管随心跳的血容量周期性变化间接估算BP；非接触技术与人工智能（AI）辅助的兴起也为脉搏与BP测量领域带来新进展，成为未来主流改进方向。该领域已取得显著技术突破：例如研究人员基于MXene/银纳米线改性织物材料（MAF）开发MXene多孔压力传感器，具备高灵敏度、快响应与优异透气性，可实现微弱信号检测与舒适长期佩戴；另有研究提出优化超声传感器，通过背衬层抑制换能器残余振动，提升血管壁追踪精度以解决振铃效应导致的指标模糊问题；还有研究开发非接触双模态系统，BP预测平均误差低于4 mmHg，并可获取传统PPG难以测得的中枢血流动力学参数。此外，研究人员开发了集成定制压电复合传感器的可穿戴呼吸暂停管理系统，结合软磁弹性驱动器实现无创机械刺激，临床研究中实时呼吸暂停事件检测准确率达92.7%，性能与PSG相当，实现了从被动监测到主动干预的范式转变。尽管取得上述进展，血流动力学指标监测仍面临环境温度湿度导致的指标漂移与失真、传统设备对微弱生理指标灵敏度不足等挑战。现有研究提出通过实时温湿度校准、开发高灵敏柔性传感器、多参数监测整合及AI指标补偿与事件识别等策略应对，未来应聚焦开发更智能的多模态集成可穿戴系统，提升传感器鲁棒性与长期稳定性，推进个性化睡眠健康监测与早期疾病预警系统发展。
3 生化指标
生化指标主要指人体循环系统中的各类生化物质，是机体稳态与扰动状态下产生的内源性化学信使，可反映内部生化活动的状态与变化。睡眠期间这些指标可揭示实时呼吸功能与隐匿病理生理问题，对OSA诊断、严重程度评估与治疗规划具有重要价值，常用指标包括经皮二氧化碳分压（PtcCO2）、血氧饱和度（SpO2）与激素水平。
3.1 经皮二氧化碳分压（PtcCO2）
PtcCO2是皮肤表面测得的二氧化碳分压，通常采用基于皮肤气体扩散的扩散法测量：血液中的CO2从毛细血管逸散至皮下组织再扩散至皮肤表面，局部加热可加速该过程，通过收集单位时间扩散的CO2，利用CO2对特定波长红外光的选择性吸收特性获得最终测量值，单位通常为毫米汞柱（mmHg）或千帕（kPa）。正常情况下PtcCO2维持在35–45 mmHg，当呼吸功能受损（如呼吸暂停或低通气）时，CO2排出受阻，体液CO2浓度可超过50 mmHg，通过监测体液CO2分压可间接反映呼吸功能状态。在睡眠呼吸障碍中，PtcCO2不受睡眠期瞬时气流变化影响，可清晰反映CO2蓄积情况，避免气流中断导致的监测值低估，直观呈现呼吸暂停与低通气事件期间的CO2变化趋势，并反映OSA严重程度与CO2监测差异的相关性。例如研究人员实现了可穿戴PtcCO2传感器，其抗干扰能力得益于悬浮机械设计，显著提升了睡眠监测的患者依从性；另有研究开发了基于聚二甲基硅氧烷（PDMS）与HPTS/TOA4的可穿戴腕带，传感器可有效渗透CO2气体分子，其疏水性可阻隔水蒸气而不牺牲灵敏度与响应速度；还有研究提出基于非分散红外技术的睡眠期PtcCO2检测装置，与传统依赖干燥剂除湿的设备相比，PDMS膜无需定期更换，降低了长期睡眠监测的维护成本与中断风险。综上，PtcCO2尤其适用于无法耐受面部佩戴设备监测的患者，通过连续CO2监测可捕捉CO2潴留超过阈值的时段，避免其他方法结果失真导致的低通气漏诊，可作为PSG的辅助指标，在非侵入性通气治疗滴定与疗效评估中具有重要价值。
3.2 血氧饱和度（SpO2）
SpO2指血液中氧合血红蛋白占总血红蛋白的百分比，是衡量血液氧合水平的关键指标。正常人睡眠期SpO2通常为95%–100%；显著夜间缺氧负荷定义为两种场景：持续缺氧（总睡眠时间中SpO2<90%占比>2%）与间歇性去饱和（每小时发生多次SpO2下降>3%或>4%）。在技术路径中，光学测量方法优势突出，其中光电容积描记法（PPG）与功能性近红外光谱（fNIRS）具备无创、实时、场景适应性强与功能互补等核心优势。例如研究人员开发了柔性有机/无机杂化近红外家用PPG（hPPG）传感器，柔性材料提升了皮肤接触体验与OSA监测准确性；针对老年人群皮肤色素沉着降低PPG监测准确性的问题，有研究开发基于摄像头的非接触远程PPG（rPPG）系统与感兴趣区域算法，专门针对老年人面部特征优化。fNIRS利用近红外光穿透脑组织/肌肉组织的特性，检测局部组织中HbO2与Hb的浓度变化，可同时获取SpO2饱和度与组织灌注信息。研究人员提出了基于智能手机摄像头的非接触SpO2监测技术PulseSight，实现了OSA监测中无皮肤接触的连续监测；还有研究开发基于双波长fNIRS的可穿戴系统，在睡眠实验中表现出优异性能，首次验证了自由活动条件下SpO2的昼夜节律特征，填补了现有fNIRS技术无法捕捉长周期（>12小时）脑血流动力学变化的学术空白。然而现有光学监测方法仍存在局限：其测量原理依赖体表光吸收差异，无法避免接触位移导致的血氧值突发波动；传统有创血气分析可准确获取动脉SpO2数据但需穿刺采血，造成创伤疼痛且无法实现睡眠期连续动态监测；电化学传感器存在响应速度慢、易受体液干扰的问题，无法捕捉OSA发作期间的SpO2瞬时波动。未来机器学习将采用融合PPG指标、运动数据与皮肤接触参数的多特征融合模型；非接触光学监测可从根源上消除位移问题，二者的结合将开启OSA监测新纪元，未来系统可与家庭医疗设备整合，积累的数据接入云平台进行AI分析，由AI识别OSA缺氧风险并发出预警，推动OSA管理从被动诊断转向主动预防。
3.3 激素水
平
激素水平为评估睡眠呼吸障碍提供了独特的生化视角。睡眠呼吸暂停引发的夜间缺氧与交感神经兴奋可触发机体应激反应，进而影响皮质醇等激素的分泌节律；皮质醇是影响睡眠状态的主要激素，因此是激素检测研究的焦点。通过监测激素变化可间接反映睡眠呼吸事件对神经内分泌系统与机体应激水平的影响。过去几年，激素的非侵入性连续监测长期面临重大挑战：传统方法高度依赖采血，不仅有创且难以实现高频或床旁检测；唾液、汗液等体液虽为非侵入监测提供可能，但分析难度同样突出——目标激素浓度极低、样本基质复杂，且测量易受温度、湿度等环境因素及个体生理状态干扰；此外现有检测方法常需复杂实验室设备，操作繁琐且成本高昂，无法满足应激、昼夜节律紊乱与睡眠呼吸障碍等疾病的实时便捷筛查与监测需求。最新研究已大幅克服侵入性与高频监测的大部分问题，同时实现了简化与精准化。例如在抗干扰方面，研究人员开发了用于汗液皮质醇水平非侵入实时监测的可穿戴手表型生物传感器，其测量峰值浓度与真实浓度高度一致，显示出卓越的测量准确性；还有研究开发的纸基一次性电化学生物传感器，采用适配体功能化磁性纳米颗粒作为生物探针，更适合长时间尺度监测而非秒级快速响应；在监测方法上，研究人员采用适配体功能化磁性纳米颗粒，通过结合固定皮质醇特异性适配体提升监测选择性，该设备还整合了pH校准与汗液分离技术，有效解决了传统检测方法的关键缺陷，克服了可穿戴传感器易受环境干扰的弱点。未来激素监测的发展将聚焦多模态整合、智能微流控系统与先进材料。柔性电子、纳米材料与生物相容性聚合物的整合有望提升传感器灵敏度与选择性，同时解决低流速与样本蒸发的挑战；这些材料创新可实现最小干预的连续实时激素谱分析，填补离散实验室检测与纵向生理监测之间的空白。传感器微型化与基于机器学习的信号处理进展进一步支持自适应校准与个性化基线建立，提升动态生理状态下的测量可靠性。因此，激素监测有望从孤立模式演变为睡眠呼吸监测系统的组成部分，提供关键的互补数据流。
4 电生理指标
电生理指标源于人体神经系统、心肌或骨骼肌的活动，可反映脑、心、眼等器官的功能状态。睡眠呼吸监测中常用指标包括脑电图（EEG）、心电图（ECG）、眼电图（EOG）与肌电图（EMG）。四类电生理传感器与OSA的疾病特征高度契合：EEG通过捕捉大脑皮层电活动解析睡眠阶段，为定位睡眠阶段、评估呼吸事件对睡眠架构的破坏提供时间基准；ECG监测心脏电活动，通过分析HRV、心律失常及心脏指标与呼吸事件的时间相关性实现评估；EOG通过追踪眼动电位变化辅助准确划分睡眠相位，适配OSA的病理特征——快速眼动（REM）期肌肉松弛易加重气道阻塞；EMG记录咀嚼面部与气道相关肌肉的电话动，直接反映睡眠期肌张力变化。此外，源自EMG的多模态电生理指标正逐渐取代传统EMG指标，因此本文将其归入多模态监测范畴。
4.1 脑电图（EEG）
EEG是一种通过在头皮表面放置电极记录神经元自发性节律电活动的神经电监测技术，核心价值在于直观反映大脑兴奋与抑制的动态变化，可通过频率、振幅等特征量化不同睡眠阶段的脑功能状态。按频率可分为五个核心频段，不同脑电波可定义不同睡眠阶段：清醒期以α波为主，外界刺激时β波增强；N1期α波消失，θ波占比>50%，呼吸开始变浅，易出现短暂呼吸不规则；N2期以睡眠纺锤波（11–16 Hz）与K复合波为特征，呼吸节律稳定，但OSA患者该期易发生呼吸暂停；N3期δ波占比>50%，呼吸深度增加、频率降低，缺氧耐受力低；REM期以低幅快波为主（类似清醒期β波），呼吸浅快不规则，是呼吸事件发生的最高发阶段。在监测性能方面，EEG通过特异性频谱变化诊断OSA：单纯打鼾（SS）与OSA患者的EEG频谱功率密度对比显示，OSA患者非快速眼动（NREM）睡眠期δ波（1–4 Hz）与β波（15–20 Hz）的绝对频谱功率显著高于SS患者，且β波功率与AHI呈正相关，可作为评估OSA严重程度的潜在指标；REM期低幅快波特征与浅不规则呼吸使其成为OSA呼吸事件高发阶段；此外OSA患者N2期睡眠纺锤波数量随AHI升高而减少，当AHI超过30次/小时时，纺锤波密度较健康人降低40%，这些EEG指标特征均可用于OSA诊断。EEG当前面临三方面亟待改进的问题：一是电极阻抗受头发遮挡、头皮油脂、患者运动及导电膏脱水影响，导致长期监测中指标稳定性不足；二是佩戴设置繁琐、需专业操作，严重干扰患者睡眠，限制其在长期家庭监测与大规模人群筛查中的应用；三是人工分期易出现解读错误，尤其在区分相似波形阶段时，且无法捕捉EEG微状态动态以开展深入病理研究，这推动了向AI赋能自动计分的转变。柔性电子与纳米材料的最新突破推动了EEG监测向微创、长期与家庭化应用发展：例如研究人员开发基于聚多巴胺（P-P-PDA）纳米粒子的自粘水凝胶电极，解决了传统电极接触阻抗大与指标不稳定的问题，可准确识别呼吸暂停引起的EEG微觉醒，为家庭OSA严重程度评估提供新工具；还有研究开发由固体聚乙烯醇-甘油-NaCl接触凝胶与镀银聚乳酸（AgPLA）电极组成的可复用EEG传感器系统，AgPLA电极体采用卡扣连接设计，适用于家庭场景中OSA患者的多部位头皮睡眠分期与微觉醒识别。另有研究人员提出基于超薄聚对二甲苯-C纹身电极的可穿戴EEG监测系统，核心设计为超保形表皮电极与轻量化采集模块的整合；还有研究针对头皮电极的第一晚效应与操作复杂性，提出基于耳道EEG的睡眠呼吸监测方案，该系统整合机器学习模型，可直接提取睡眠分期特征。未来EEG在OSA监测中的发展将聚焦于设备轻量化与应用场景拓展，硬件重心应从单纯便携转向轻量化框架内的指标保真度优化，同时整合低功耗无线传输模块，实现整夜无绳家庭监测；最终通过大规模联邦学习在不同人群中验证这些生物标志物，实现利用实时EEG特征调节呼吸干预的闭环系统。
4.2 心电图（ECG）
ECG监测心脏电信号，可实现长期舒适连续采集，其对自主神经系统波动的高敏感性使其能快速响应呼吸暂停相关的交感与神经变化，因此在无法使用呼吸带、气流传感器或PSG时，ECG可作为检测OSA的替代指标。从原始心电活动中，ECG主要产生三类基础数据流：逐搏时序、形态振幅变化、低频基线调制及Q、R、S波，这些基础元素可进一步处理为高阶指标，包括心率变异性（HRV）、心电派生呼吸（EDR）与心肺耦合（CPC）：HRV反映呼吸紊乱诱导的自主神经波动，EDR从ECG形态重建呼吸波形，CPC描述心肺同步性，三者共同提供呼吸努力、觉醒动态与OSA生理变化的简洁而全面的信息表征。ECG指标与睡眠健康的关联主要体现在OSA引起的自主神经功能障碍与呼吸-心脏相互作用：研究显示OSA患者夜间HR波动幅度显著高于健康人，且波动频率与AHI呈正相关；针对中国人群的研究进一步验证了EDR技术对OSA具有可靠的诊断灵敏度与特异度。作为成熟技术，ECG的研究进展多集中于应用与优化：例如研究人员开发了一套集成式多导联ECG传感系统服装，织物采用三层设计，可有效缓解传统ECG设备过夜佩戴时皮肤闷热感；在设计创新方面，研究人员开发了剪纸结构ECG传感器，适配家庭与长期睡眠呼吸监测，软件应用程序（APP）可可视化心率-时间曲线，无需实验室分析ECG数据，对家庭使用非常友好。ECG核心指标可直接反映OSA引起的自主神经波动与呼吸紊乱相关性，未来将推动柔性贴片式ECG传感器的普及，通过手机APP实现实时数据上传与异常报警，同时降低耗材成本以满足基层医疗机构与长期家庭监测的需求。
4.3 眼电图（EOG）
EOG监测眼部电信号，为检测睡眠-觉醒转换与定位REM期提供无创标记。由于眼球活动直接响应睡眠深度与觉醒动态，EOG是呼吸导向睡眠监测中EEG的重要补充。EOG主要捕捉眼动幅度与频率特征，从中衍生出两类典型模式：慢速眼动指示浅睡眠起始，快速眼动（REM）定义REM睡眠，这些特征可基于眼动特征准确区分清醒、N1期与REM睡眠。
