定義、用途與詞條邊界
呼吸事件標註資料集,是將睡眠期間的氣流、呼吸努力、血氧及其他同步生理訊號,與呼吸中止、低通氣、呼吸努力相關覺醒、血氧下降或週期性呼吸等時間對齊標籤組織在一起的資料資源。它可用於睡眠呼吸研究、評分訓練、裝置和演算法驗證、品質控制及方法重現。核心不只是事件名稱,還包括支援判斷的訊號、評分規則、時間邊界和紀錄背景。
這類資料集不同於只有整夜 AHI、診斷結論或嚴重度類別的彙總表。事件級資源通常需要起點、終點或持續時間,並區分無事件、未評分、無法判斷和訊號失效。標籤也不是脫離感測器和規則的絕對真值:同一段訊號在不同評分體系、裝置能力或人群規則下可能得到不同結果,使用者必須先確認目標事件和證據範圍。
訊號通道、感測器證據與時間同步
事件判斷可依賴鼻壓、熱敏氣流、呼吸器流量、胸腹呼吸努力、血氧、腦電覺醒、心率、體位或鼾聲等通道。氣流減少的檢測與阻塞性、中樞性或混合性分類需要的證據並不相同;缺少呼吸努力時通常無法可靠區分部分類型,缺少腦電時也不能按 PSG 方式確認覺醒關聯。資料集應逐筆紀錄列明實際可用通道,而不是只寫「PSG」或「HSAT」。
每個通道還需記錄感測器類型、位置、取樣率、單位、濾波、校準、裝置與韌體版本,以及有效和無效區間。不同裝置時鐘、血氧處理延遲、重新取樣和格式轉換會導致事件與生理反應錯位。發布者應說明同步基準、時鐘修正、允許誤差和事件跨越檔案邊界的處理,並透過抽查確認標籤與原始波形實際對齊。
事件類別、層級與標籤語意
標籤體系可包含阻塞性、中樞性和混合性呼吸中止、低通氣、呼吸努力相關覺醒、週期性呼吸、血氧下降和流量受限,但並非每個資料集都能支援全部類別。事件可以重疊或相互關聯,例如呼吸事件之後出現血氧下降或覺醒;它們應保留為獨立而可關聯的層,而不是合併成一個含義不清的標籤。開始、結束、持續時間、峰值變化和關聯事件識別碼都需明確定義。
人工評分、自動預標、醫師覆核、共識結果和演算法重新生成的標籤應使用不同欄位,並記錄修改歷史。固定窗口「有或無事件」、逐時段事件碼和精確區間註釋具有不同時間解析度,不能直接互換。若一個事件跨越多個時段,資料集應說明窗口標籤如何生成;若同一時段有多個事件,也不能因表格只能保存一個類別而靜默遺失其他資訊。
評分規則、版本、指標與資料協調
呼吸事件規則會隨評分手冊版本、成人或兒童人群、診斷或治療場景、感測器和專案協定變化。低通氣對氣流下降、持續時間、血氧變化或覺醒關聯的要求尤其需要明確,不能只寫「按標準評分」。資料集應保存原始規則和版本、評分軟體、顯示設定、評分者資歷、盲法、覆核和仲裁流程;跨庫協調時還要保留原標籤及不可轉換項。
整夜指標必須說明事件集合與分母。PSG 的 AHI 通常基於睡眠時間,而沒有可靠睡眠分期的居家檢測可能使用有效監測時間形成 REI;ODI 又取決於血氧下降定義。不同規則所得數值不能只因欄位名相似而合併。版本管理應包含樣本清單、資料字典、檔案校驗值、轉換腳本、變更日誌和已知問題,使研究者能夠鎖定並重現實際使用的註釋版本。
訊號品質、模糊事件與選擇偏差
常見品質問題包括氣流感測器移位、呼吸帶脫落或反相、血氧低灌流與偽差、基線漂移、飽和削頂、時鐘偏移和長段缺失。技術不足的時段不應被編碼為無事件,也不能因整夜摘要仍可生成就視為完整。資料集宜提供逐通道品質標誌、不可評分區間、重測或排除原因,並保留足夠失敗樣本評估真實部署中的穩健性。
邊界事件、連續事件間的恢復不足和有限通道都會造成評分者差異。應報告標註指南、多評分者一致性、仲裁規則和不確定比例。臨床轉介樣本可能富集阻塞性事件,卻少有正常夜、中樞性事件、兒童或複雜合併症;僅保留高品質可評分紀錄還會產生選擇偏差。事件數量很多也不等於獨立受試者充足,分布應按人群、中心、裝置、睡眠階段和體位說明。
機器學習劃分、匹配評測與重現
訓練、驗證和測試應按受試者劃分,並將同一人的重複夜晚、同源 PSG 與 HSAT、相鄰片段和衍生特徵留在同一集合。隨機拆分窗口會洩漏個體、裝置和夜間背景。預處理、缺失填補、品質篩選、類別取樣和閾值只能利用訓練資料;測試集應保持獨立,並儘量在不同中心、裝置、疾病譜和人群中做外部驗證。
事件評測不能只看逐窗口準確率。應預先定義預測與參考事件的時間匹配、重疊閾值、一個對多個事件的配對和邊界容差,並報告事件級靈敏度、陽性預測值、誤報率、持續時間誤差及整夜指標偏差。少數事件類別需單獨呈現,無法判讀輸出也應計入。重現資料應保存資料與標籤版本、劃分清單、程式碼依賴、隨機種子、預處理、後處理和最終閾值。
隱私、存取治理與臨床限制
整夜生理訊號與事件序列可能揭示疾病、治療狀態、作息和獨特生理模式,檔案還可能包含日期、裝置編號、站點或自由文字。發布者應依據同意和適用規則開展資料最小化、去識別及再識別風險評估,並按敏感度設定開放、申請或受控存取。使用者需保護下載副本、憑據和衍生標籤,遵守授權和禁止再識別、再散布限制,並處理撤回、修正和授權到期。
事件標籤可支援研究和演算法評價,但不能單憑一次自動分析對個人確診、排除疾病或決定治療。診斷意義取決於檢查完整性、適用人群、睡眠評估和專業解釋;陰性、不確定或技術不合格的紀錄也不等同於正常。進入臨床用途的系統還需驗證失敗檢測、人工覆核、裝置變化和適用監管要求。成熟的資料集應同時呈現事件證據、品質限制與不能回答的問題。