定義、輸出與用途邊界
血氧下降事件識別算法從連續脈搏血氧飽和度信號中尋找相對基線下降並隨後恢復的片段,輸出起點、谷值、終點、下降幅度、持續時間、恢復程度及置信度。多個事件可彙總為每小時下降次數、最低值、低於指定水平的時間,以及結合深度與持續時間的負荷指標。每項結果都須附有事件定義和有效時間分母。
血氧下降是生理後果,而不是呼吸暫停或低通氣本身。一次呼吸事件可能沒有達到指定下降標準,血氧下降也可能來自肺部或心血管疾病、低通氣、海拔、氧療變化、傳感器問題或其他原因。僅憑下降事件無法可靠區分阻塞性與中樞性機制,也不能直接把 ODI 視為 AHI 或完整睡眠診斷。
本詞條聚焦整夜睡眠或睡眠相關記錄中的離散血氧下降及其聚合,不等同於脈搏血氧儀硬件校準、即時危急值警報、呼吸事件識別或疾病篩查模型。若軟件進一步輸出 OSA 風險、長期低氧、治療反應或緊急處置建議,應為新增用途分別制定參考標準、目標人群、驗證與風險控制。
測量鏈路與信號品質
SpO2 是光學脈搏血氧儀對動脈血氧飽和度的估計,並非直接血氣測量。原始光電容積描記經過脈搏辨識、品質判斷、校準曲線、內部平滑、取整與輸出採樣,才成為算法可見的序列。探頭部位、設備型號、韌體、輸出解析度、平均時間和資料缺口編碼都會改變短暫下降的深度、寬度與數量。
較長的平均時間可抹平快速谷值、降低下降幅度並令邊界延後;較短平均時間可保留更多生理細節,也更容易暴露動作及低灌注噪聲。比較不同記錄或驗證算法時,應記錄設備響應設定與後處理,不能只因顯示百分比相同便假設波形等價。若設備僅輸出低頻、整數化或高度平滑資料,軟件無法重建已遺失的瞬態資訊。
動作、探頭鬆脫、手指受壓、低灌注、皮膚溫度、指甲覆蓋、環境光及靜脈搏動,都可能產生突降、平台或空白;吸煙相關異常血紅蛋白等因素亦會影響解讀。脈搏波、脈率、灌注或設備品質標誌可協助識別偽跡,但不能保證排除所有錯誤。系統應保留無效區間,並說明在不同皮膚色素及飽和度範圍內的性能。
基線、谷值與事件邊界
事件深度取決於基線選擇。穩定信號可採用下降前最近的穩定水平;密集重複下降時,信號可能尚未完全恢復,局部最高點、滾動統計或事件特異基線會給出不同結果。慢性低氧、緩慢漂移與氧療改變亦會使固定整夜基線失真,因此基線方法、搜尋視窗及穩定性要求必須清楚說明並版本化。
一個完整事件至少要定義下降開始、達到閾值的確認、谷值與恢復終點。算法還須規定最短持續、恢復比例、事件間最短間隔、相鄰谷值拆分,以及下降跨越無效資料時的處理。閾值附近的單點波動不應反覆開關事件;同一長下降中的小幅回升,也不應在沒有規則依據時製造多個事件。
下降可呈快速鋸齒、緩慢斜坡、平台、雙谷或連續週期波動。只尋找局部極小值會把噪聲當作事件,只採固定幅度又可能漏掉低基線下仍有意義的變化。穩健實作會結合趨勢、持續性、恢復形態與品質狀態,並對無法確定基線、谷值受偽跡污染或記錄在恢復前結束的片段,標示不完整或不可判定。
事件關聯與聚合指標
將血氧下降連結到氣流或努力事件時,需要考慮循環傳輸及設備平滑造成的延遲。配對視窗應容許下降晚於呼吸變化,同時避免把同一谷值重複分配給多個相鄰事件。密集事件、覺醒後過度通氣、補充氧及心肺疾病都會改變延遲與恢復;一對一配對失敗時應保留獨立事件和不確定關係,而非強迫歸因。
ODI 是符合某個下降定義的事件數除以指定時長,但不同下降幅度、持續性、基線、睡眠時間或記錄時間會得到不同 ODI。報告應把閾值寫入指標名稱或方法,並解釋有效時間的計算。按睡眠時間正規化的實驗室結果,不能在缺少說明時與按記錄時間計算的居家結果直接比較。
最低 SpO2、平均 SpO2、低於某水平的時間和下降曲線面積描述不同維度。單一偽跡可嚴重扭曲最低值,持續平台低氧可能增加低水平時間卻不產生許多離散事件,而 ODI 相同的兩晚可有不同深度與恢復速度。低氧負荷等面積指標具有研究價值,但依賴基線、事件歸因與分母定義,算法不一致時不可互換。
標籤體系與資料治理
參考標註應記錄設備、探頭、平均設定、原始解析度、前處理、有效區間及事件規則。人工審閱者需要看到足夠長的血氧趨勢及同步脈搏波、脈率、體動與呼吸通道,才能區分生理下降和偽跡。標籤應包含邊界、基線、谷值、深度、恢復、品質與不確定性,而非只有一個事件計數。
若目標是重現人工血氧事件,須評價多名審閱者的一致性並預設仲裁;若目標是偵測真實低氧,就不能只以同一設備經另一套軟件產生的標籤作為獨立真值。傳感器測量誤差和事件算法誤差應分開驗證。動脈血參考可檢驗設備準確度,但間歇血樣通常無法直接提供整夜每個短暫事件的完整邊界。
訓練、調參與測試要按人和記錄夜隔離,並涵蓋設備、探頭位置、膚色或客觀色素範圍、年齡、體型、海拔、基礎飽和度、氧療、心肺共病及不同事件負荷。兒童、成人與慢性低氧人群不可未經驗證便共用閾值。應公開排除記錄、缺失區段和人工修正比例,防止只保留整潔資料後高估性能。
驗證、部署與失效控制
事件級驗證應預先固定配對容差,報告靈敏度、陽性預測值、F1、每小時誤報、深度誤差、谷值時間及邊界偏差。記錄級驗證還要比較 ODI、最低值、低水平時間與負荷指標的偏差及一致性。整體相關性不能證明可互換,大量正常樣本亦會抬高逐點準確率,因此須分別呈現不同基線、嚴重度和品質水平。
外部驗證應跨設備、韌體、採樣鏈路、中心與真實居家環境,壓力測試探頭短暫脫落、體動、低灌注、飽和、整晚漂移、密集下降、平台低氧及補充氧。必須報告整夜可分析率和因品質不足而拒絕輸出的比例。先刪除偽跡夜晚再計算性能,會掩蓋使用者最常遇到的失效模式。
部署時應讓使用者查看原始趨勢、品質遮罩、事件基線和谷值,並能確認、修改或排除事件。系統必須容許「資料不足」,不能把缺測插值為正常,也不能從受偽跡污染的單點生成看似精確的最低值。設備、韌體、平滑、閾值或模型更新均需回歸測試;上線後還要按設備及人群監測品質失敗、人工修改和指標漂移。
選型、報告與發展方向
選型先確定用途:PSG 輔助計分、居家血氧趨勢、有限通道篩查、治療隨訪,或科研表型。然後核對支援設備、採樣與平均設定、事件定義、有效時間、品質門控、目標人群及外部驗證。廠商只提供 ODI 相關性或疾病分類 AUC,不能取代事件邊界、偽跡處理和設備遷移性能。
結果報告至少應列出設備與探頭、分析區段、有效時長、睡眠或記錄時間分母、下降規則、品質排除、人工參與及算法版本。面向患者的內容要分開估計的 SpO2、自動事件和醫學解讀,並提醒單一最低值或陰性篩查均可能受品質與適用範圍限制。緊急警報或診療聲明須與相應驗證及監管用途一致。
未來方向包括利用原始光電容積描記與加速度進行品質建模、對基線和邊界作機率估計、跨設備校準,以及結合離散事件、低氧面積與恢復動力學。真正的進步不只是提供更多小數位,而是量化測量與算法不確定性並揭示證據缺口。自適應模型仍須限制可變範圍、預定驗證和回退方案,使每份結果均可追溯。