Ein Vergleich der Apnoeerkennung bei Patienten mit obstruktiver Schlafapnoe (OSA) anhand von Atemgeräuschaufzeichnungen und Polysomnografie

Zusammenfassung

Einleitung In dieser Studie wurden nächtliche Atemgeräuschaufzeichnungen von Patienten mit obstruktiver Schlafapnoe (OSA) mit den Daten der Polysomnografie unter dem Aspekt der Diagnostik von Apnoen analysiert und verglichen.

Fragestellung und Methode Bei 45 Patienten mit behandlungsbedürftiger OSA (AHI > 15 /h) wurde parallel zur polysomnografischen Diagnostik eine Langzeitregistrierung der Atemgeräusche mittels LEOSound durchgeführt. Das durchschnittliche Alter der Patienten lag bei 58 ± 12 Jahren (Mittelwert ± Standardabweichung), der BMI bei 33 ± 7 kg/m². Die mit LEOSound audio-visuell detektierten Atempausen wurden mit den polysomnografisch ermittelten verglichen. 11 der 45 Registrierungen wurden wegen erhöhter Artefaktrate bei Mikrofondislokation bei der Feinanalyse nicht berücksichtigt.

Ergebnisse Beim Vergleich der audio-visuell detektierten Apnoephasen und denen der Polysomnografie ergab sich für die Anzahl der Apnoen aus den LEOSound-Aufzeichnungen ein Median von 164, für die PSG von 158. Bei der Atemgeräuschaufzeichnung wurde der Median des Apnoe-Index (AI) mit 20/h berechnet, bei der Polysomnografie mit 21/h. Der Vergleich der Apnoe-Indices von Polysomnografie und akustischer Langzeitregistrierung ergab einen Korrelationskoeffizienten von 0,939 und eine Signifikanz von p < 0,001.

Diskussion Mithilfe der akustischen Langzeitregistrierung der Atem- und Atemnebengeräusche können auch Atemstillstände objektiviert werden. Eine genaue Differenzierung zwischen Apnoen und Hypopnoen ist jedoch nur bedingt möglich.

Abstract

Introduction In this study, recognition of apnoeas by means of polysomnography (PSG) and nocturnal respiratory sound recordings in patients with obstructive sleep apnoea (OSA) was analyzed and compared.

Methods In 45 patients with OSA requiring treatment (AHI > 15/h), concomitant polysomnographic recordings and long term respiratory sound recordings by means of LEOSound were performed. Patients’ average age was 58 ± 12 years (mean ± standard deviation), average BMI was 33 ± 7 kg/m². Audio-visual apnoea detection by LEOSound was compared to polysomnographic apnoea detection. Increased artifact rate due to dislocation of microphones led to rejection of 11 out of 45 recordings for detailed analysis.

Results Comparison of apnea detection by audio-visual analysis and polysomnography yielded a median of 164 apneas for LEOSound recordings and 158 apneas for PSG. Median apnoea index (AI) was calculated to be 20/h for respiratory sounds recording and 21/h for PSG. The correlation of apnea indices from acoustic long term registration and PSG was 0.939 (p < 0.001).

Discussion Acoustic long term registration of primary and secondary respiratory sounds is also capable to recognize apnoeas. Exact differentiation between apnoeas and hypopnoeas is only possible in a limited fashion.

• Literatur

• 1 Bohadana A, Izbicki G, Kraman SS. Fundamentals of Lung Auscultation. N. Engl. J. Med 2014; 370: 744-751
• 2 Pasterkamp H, Brand PL, Everard M. et al. Towards the standardisation of lung sound nomenclature. Eur Respir J 2016; 43: 724-732
• 3 Vyshedskiy A. Mechanism of Inspiratory and Expiratory Crackles. Chest 2009; 135: 156-64
• 4 Janott C, Pirsig W, Heiser C. Akustische Analyse von Schnarchgeräuschen. Somnologie 2014; 18: 87-95
• 5 Kesper K, Cassel W, Hildebrandt O. et al. Diagnosis of sleep apnea. Dtsch Med Wochenschr 2016; 14: 38-41
• 6 Koehler U, Brandenburg U, Weissflog A. et al. LEOSound, an innovative procedure for acoustic long-term monitoring of asthma symptoms (wheezing and coughing) in children and adults. Pneumologie 2014; 86: 193-198
• 7 American Academy of Sleep Medicine. International classification of sleep disorders, 3rd. Darien, Illinois: American Academy of Sleep Medicine; 2014
• 8 Koehler U, Hildebrandt O, Kerzel S. et al. Normal and adventitious breath sounds. Pneumologie 2016; 70: 397-404
• 9 Koehler U, Hildebrandt O, Walliczek-Dworschak U. et al. Chronic cough – New diagnostic options for evaluation?. Dtsch Med Wochenschr 2017; 142: 47-53
• 10 Jin H, Lee LA, Song L. et al. Acoustic Analysis of Snoring in the Diagnosis of Obstructive Sleep Apnea Syndrome: A Call for More Rigorous Studies. J Clin Sleep Med 2015; 11: 765-771
• 11 Ben-Israel N, Tarasiuk A, Zigel Y. Obstructive Apnea Hypopnea Index Estimation by Analysis of Nocturnal Snoring Signals in Adults. Sleep 2012; 35: 1299-1305
• 12 Janott C, Schuller B, Heiser C. Akustische Informationen von Schnarchgeräuschen. HNO 2017; 65: 107-116
• 13 Kim J, Kim T, Lee D. et al. Exploiting temporal and nonstationary features in breathing sound analysis for multiple obstructive sleep apnea severity classification. BioMed Eng Online 2017; 16: 6