閉塞性睡眠時無呼吸における術後成績を層別化するための教師なしフェノタイピング

科学分野:

• 睡眠医学;術後成績研究;ヘルスケアにおけるデータサイエンス

背景:

• 上気道手術後の閉塞性睡眠時無呼吸（OSA）の治療成績は非常にばらつきが大きい。
• OSA患者間の臨床的異質性が、手術結果の一貫性のなさに寄与している。

研究 の 目的:

• 教師なしクラスタリングを用いた明確な閉塞性睡眠時無呼吸フェノタイプの特定。
• これらのフェノタイプと術後成績との関連を評価する。

主な方法:

• OSA成人214名を対象とした後向き予後コホート研究。
• ライデンクラスタリングアルゴリズムを用いた50の臨床的および終夜睡眠ポリグラフ検査変数の分析。
• 特定されたクラスター間でのベースライン特性および手術成績（無呼吸低呼吸指数、酸素飽和度）の比較。

主要な成果:

• 3つの明確なOSAフェノタイプが特定された：クラスター0（高齢、低BMI、覚醒優位）、クラスター1（若年、高BMI、重症無呼吸優位）、クラスター2（解剖学的閉塞、低呼吸優位）。;クラスター0は、術後の無呼吸低呼吸指数および酸素飽和度の改善が少なかった。;クラスター1は、無呼吸指数および酸素飽和度の最も顕著な改善を示した。

結論:

• 教師なしクラスタリングは、異なる手術予後を持つOSAフェノタイプを効果的に明らかにする。
• このフェノタイピングアプローチを術前評価に統合することで、手術カウンセリングと共有意思決定を強化できる。