XiaoMi-AI文件搜索系统
World File Search System呼吸暂停
阻塞性睡眠呼吸暂停表型有资格获得药理治疗
阻塞性睡眠呼吸暂停（OSA）是一种常见疾病。它的流行率在全球范围内增加，部分是由于肥胖率提高，而OSA对身体健康（心血管疾病和代谢障碍的风险增加）和心理健康以及重大的社会经济影响都有据可查的影响。尽管连续的阳性气道压力治疗（CPAP）仍然是中度至重度OSA的主要治疗干预措施，但其他治疗策略，例如体重减轻，位置治疗，下颌骨进步装置（MAD），手术治疗，上呼吸道的肌功能疗法（UA）肌肉和肌肉肌肉和下腔nerve刺激的使用也增加了。最近，几项试验证明了旨在改善UA肌肉功能障碍，循环增益或过度白天嗜睡的各种药理治疗的临床潜力。与OSA高度异质的临床图相一致，最近已经记录了不同临床表型的近期鉴定。合并症，入射心血管风险和对CPAP的反应可能在表型之间有显着变化。考虑到这一点，这篇综述的目的是总结有关OSA表型的数据，这些数据可能响应药理学方法。
请引用以下文章：ZikmundGalkováL，HlásenskéJ，špinarováL等。心力衰竭患者的睡眠呼吸暂停综合征的发展
在这项工作中，我们描述了心力衰竭患有睡眠呼吸暂停综合征的患者，随后在神经术心脏移植（OTS）之后，并通过过度压力通气影响它。睡眠呼吸暂停（SA）是心血管疾病的独立危险因素。通过临床症状可能是持久的疲劳和过度的每日嗜睡，认知功能的障碍，包括短期记忆和浓度疾病恶化，行为障碍，例如现实，侵略性，动机丧失和所谓的夜间症状：ronchopathy（打s），频繁呼吸呼吸 - 夜生活，nykturia，睡眠碎片以及在口中或早晨的醒来后觉醒典型的干旱后。sa诊断基于多求人瘤或polygrafiilly检查的结果，其治疗在于所谓的非侵入性超压通气。sa可以导致现有心血管疾病的新或恶化的发展，因此最终导致心力衰竭的发展（HF），这是由功能或结构异常引起的临床综合征导致心力衰竭。尽管捷克共和国和全球的心力衰竭发生，尽管开发了新的有效药物和非药物手术，包括原位性心脏移植。©2023，čks。
小鼠模型中的阻塞性睡眠呼吸暂停与...有关。
1 美国俄亥俄州辛辛那提市辛辛那提儿童医院医疗中心儿科耳鼻咽喉头颈外科分部，2 美国俄亥俄州辛辛那提市辛辛那提大学医学院耳鼻咽喉头颈外科系，3 美国俄亥俄州辛辛那提市辛辛那提儿童医院医疗中心人类遗传学分部，4 美国俄亥俄州辛辛那提市辛辛那提大学医学院药理学和系统生理学系，5 葡萄牙科英布拉市科英布拉大学神经科学和细胞生物学中心，6 美国肯塔基州列克星敦市肯塔基大学药理学和营养科学系，7 美国肯塔基州列克星敦市肯塔基大学生理学系， 8 美国俄亥俄州辛辛那提市辛辛那提儿童医院医疗中心肺科，9 美国俄亥俄州辛辛那提市辛辛那提儿童医院医疗中心睡眠中心，10 美国俄亥俄州辛辛那提市辛辛那提儿童医院医疗中心昼夜节律医学中心
GLP-1 受体激动剂、SGLT-2 抑制剂和阻塞性睡眠呼吸暂停：新盟友能否面对老敌人？
阻塞性睡眠呼吸暂停 (OSA) 是最常见的异常睡眠模式 (ASP)。其特征是睡眠期间上呼吸道 (完全或部分) 变窄。尽管持续气道正压通气被认为是 OSA 的金标准治疗方法，但不幸的是，治疗依从性通常不理想，并且没有解决控制其发病机制的病理生理机制。体重增加是成人和儿童 OSA 发展和恶化的重要风险因素。仅通过改变生活方式来有效和持续地减轻体重仍然困难且具有挑战性。新的治疗策略至关重要，因为目前还没有批准的药物疗法。本文彻底探讨了临床前和临床研究，这些研究调查了 GLP-1 受体激动剂和 SGLT-2 抑制剂对 ASP 患者尤其是 OSA 患者的可能作用。它还讨论了它们未来在减轻 OSA 全球负担方面的作用。
与阻塞性睡眠呼吸暂停相关的大脑形态变化
目的：阻塞性睡眠呼吸暂停 (OSA) 会导致低氧血症和睡眠不连续，从而导致神经认知障碍。我们假设 OSA 患者的皮质灰质通常会在与记忆处理和学习相关的区域（特别是海马内）发生局部损失。方法：基于体素的形态测量技术（一种用于磁共振图像的自动处理技术）用于描述七名新诊断为 OSA 的右利手男性患者和七名非呼吸暂停男性对照者的灰质结构变化（这七名对照者的惯用手和年龄匹配）。结果：分析显示，呼吸暂停患者左侧海马内的灰质浓度显著降低（p = 0:004）。右侧海马和其他大脑区域未见进一步显著的局部灰质差异。呼吸暂停患者和对照组之间的总灰质体积没有差异。结论：这份初步报告表明 OSA 患者的大脑形态发生了变化，海马体是认知处理的关键区域。q 2003 Elsevier BV 保留所有权利。
原创研究阻塞性睡眠呼吸暂停严重程度对儿童脑白质完整性和认知功能的影响：
1 首都医科大学附属北京儿童医院、国家儿童保健中心耳鼻咽喉头颈外科，北京，中华人民共和国；2 北京交通大学计算机与信息技术学院，北京，中华人民共和国；3 首都医科大学附属北京儿童医院、国家儿童保健中心呼吸科，北京，中华人民共和国；4 首都医科大学附属北京儿童医院、国家儿童保健中心放射科，北京，中华人民共和国；5 首都医科大学附属北京儿童医院、国家儿童保健中心北京市儿科研究所、耳鼻咽喉头颈外科儿童疾病北京市重点实验室，北京，中华人民共和国；6 首都医科大学附属北京儿童医院、国家儿童保健中心神经康复科，北京，中华人民共和国； 7 首都儿科研究所儿童医院耳鼻咽喉科，北京，中国；8 北京航空航天大学工程医学院，北京精准医学大数据高精尖创新中心，北京，中国；9 中华人民共和国工业和信息化部大数据精准医学重点实验室（北京航空航天大学），北京，中国
使用EEG信号自动对睡眠呼吸暂停类型和严重性进行分类
摘要：睡眠呼吸暂停是一种潜在的致命疾病，会导致睡眠期间频繁的呼吸停顿。先前的研究表明，在睡眠期间对EEG信号的监测可以自动检测呼吸暂停事件。然而，需要对特定呼吸暂停类型进行更全面的分类及其严重性，以准确临床诊断和对关键呼吸暂停发作的实时检测。在这项研究中，我们采用了来自25名呼吸暂停患者的带注释的EEG信号，并使用EEG频域和非线性特征构建了两个不同的分类器，用于呼吸暂停严重程度和呼吸暂停类型的多类分类。在两个分类问题中，三个模型，即评估并比较了支持向量机（SVM），线性判别分析（LDA）和幼稚的贝叶斯（NB）。结果表明，SVM模型在两个分类问题中都表现出了最佳的精度，高于基线水平。呼吸暂停严重程度的二进制分类中的SVM性能是可以接受的（76％的平均准确性），但是在呼吸暂停类型的多类分类的情况下，SVM分类器并未达到所有呼吸暂停类型的可接受性能（48％的平均精度）。我们的发现表明，除了检测呼吸暂停发作外，EEG信号还可以用于呼吸暂停严重程度的分类，这可能导致开发准确的诊断系统以自动评估和睡眠障碍的管理。