Diese Querschnittsbeobachtungsstudie untersuchte, ob die Dicke des abdominalen subkutanen Fettgewebes, gemessen an vorhandenen CT-Bildern, mit dem auf dem STOP-BANG-Score basierenden Risiko für obstruktive Schlafapnoe assoziiert ist. Es wurde keine signifikante Assoziation zwischen der mittels CT gemessenen Fettgewebedicke und den STOP-BANG-Scores beobachtet.
Forschungsartikel
Computertomographisch gemessene Dicke des abdominalen subkutanen Fettgewebes und das Risiko für obstruktive Schlafapnoe: Eine Querschnitt-Observationsstudie
In diesem Artikel
Zusammenfassung
Zusammenfassung
In dieser Studie wurde untersucht, ob die Dicke des subkutanen Nabelgewebes (USFT), die zufällig an Bauch-Computertomographie-(CT-)Bildern gemessen wurde, die aufgrund klinischer Indikationen angefertigt wurden, mit dem perioperativen Risiko für obstruktives Schlafapnoe-Syndrom (OSA) assoziiert ist, das anhand des STOP-BANG-Fragebogens bewertet wurde. In dieser querschnittlichen Beobachtungsstudie füllten 64 erwachsene Teilnehmer den STOP-BANG-Fragebogen aus, und die USFT wurde anhand vorhandener Bauch-CT-Bilder nach einem standardisierten Protokoll gemessen. Die Assoziationen zwischen USFT und stetigen Variablen wurden mittels Spearman-Korrelation bewertet, während Vergleiche zwischen den STOP-BANG-Risikokategorien mit dem Kruskal-Wallis-Test durchgeführt wurden. Eine explorative logistische Regression wurde verwendet, um die Assoziation zwischen USFT und hohem STOP-BANG-Risiko nach Anpassung für das Alter zu bewerten. Es zeigte sich keine signifikante Korrelation zwischen USFT und STOP-BANG-Score (ρ = 0.142, p = 0.264), und die USFT unterschied sich nicht signifikant zwischen den STOP-BANG-Risikokategorien (p = 0.677). Die USFT war signifikant höher bei Teilnehmern, die über Schnarchen berichteten (p = 0.026), und zeigte positive Korrelationen mit dem Body-Mass-Index (BMI; ρ = 0.663, p < 0.001) und dem Halsumfang (ρ = 0.544, p < 0.001). Nach Anpassung für das Alter war die USFT nicht signifikant mit einem hohen STOP-BANG-Risiko assoziiert. Insgesamt war die mittels CT gemessene USFT in dieser Studie nicht mit dem auf dem STOP-BANG-Fragebogen basierenden OSA-Risiko assoziiert. Größere Studien, die mittels Polysomnographie (PSG) bestätigte OSA-Fälle und ausreichend powerreiche multivariable Analysen einbeziehen, sind erforderlich, um die mögliche Rolle von CT-basierten Fettgewebsmessungen bei der perioperativen Beurteilung des OSA-Risikos zu klären.
Einleitung
OSA ist eine schlafbezogene Atmungsstörung, die durch wiederkehrende obere Atemwegsobstruktionen während des Schlafs gekennzeichnet ist und zu intermittierender Hypoxie, Hyperkapnie und Schlaffragmentierung führt1. OSA ist mit kardiovaskulären und metabolischen Komorbiditäten assoziiert und stellt ein wesentliches perioperatives Problem dar, da sie das Risiko für schwierige Maskenbeatmung, schwierige endotracheale Intubation und postoperative respiratorische Komplikationen erhöht2,3. Trotz ihrer klinischen Relevanz bleibt OSA bei chirurgischen Patienten häufig unerkannt, weshalb eine pragmatische perioperative Risikostratifizierung unerlässlich ist.
Adipositas trägt durch Mechanismen wie veränderte Atemwegsmechanik, verminderte pharyngeale Muskelreaktivität und entzündlich-stoffwechselbedingte Effekte im Zusammenhang mit einer Dysfunktion des Fettgewebes wesentlich zum Risiko einer obstruktiven Schlafapnoe (OSA) bei3,4. Obwohl die Polysomnographie (PSG) der diagnostische Goldstandard ist, erfordern eingeschränkter Zugang, Wartezeiten und praktische Einschränkungen während akuter chirurgischer Aufnahmen oft den Einsatz von Screening-Instrumenten anstelle objektiver Schlafuntersuchungen in routinemäßigen perioperativen Abläufen1,5. Unter diesen Instrumenten wird der STOP-BANG-Fragebogen aufgrund seiner Einfachheit und hohen Sensitivität häufig verwendet. Die Bewertung berücksichtigt acht Parameter – Schnarchen, tagesszeitliche Schläfrigkeit, beobachtete Apnoe, Hypertonie, BMI, Alter, Halsumfang und Geschlecht –, um Patienten in OSA-Risikokategorien einzuteilen6,7.
Die Dicke des subkutanen Nabelfetts (USFT) als Indikator für abdominale Adipositas könnte die Schwere und Komplikationen von OSA durch eine erhöhte abdominale Fettansammlung beeinflussen3,8. Die CT ist eine weit verbreitete Methode zur Beurteilung des abdominalen Fettgewebes und bietet eine hohe Genauigkeit und Reproduzierbarkeit bei der Fettmessung. Frühere Studien berichteten über starke Korrelationen zwischen CT-basierten Messungen des subkutanen und viszeralen Fettgewebes und anthropometrischen Parametern9. Ob jedoch die gelegentlich gemessene USFT bei abdomineller CT zusätzliche Informationen im Zusammenhang mit der STOP-BANG-basierten perioperativen Risikostratifizierung für OSA liefert, bleibt unklar.
Daher hatte diese Studie das Ziel zu untersuchen, ob das mittels USFT zufällig an vorhandenen abdominalen CT-Bildern gemessen, die aus klinischen Gründen bei erwachsenen chirurgischen Patienten angefertigt wurden, mit dem mittels STOP-BANG-Fragebogen erfassten OSA-Risiko assoziiert ist. Die Neuheit dieser Studie liegt in der Nutzung routinemäßig angefertigter abdomineller CT-Bilder zur Quantifizierung der USFT, ohne zusätzliche Strahlenexposition. Wir vermuteten, dass eine stärkere, mittels CT gemessene USFT mit höheren STOP-BANG-Scores und einem erhöhten OSA-Risiko assoziiert sein würde.
Protokoll
Diese Querschnittsbeobachtungsstudie wurde vom Ethikkomitee des Krankenhauses Ankara Bilkent City genehmigt (Genehmigungsdatum: 9. April 2025; Genehmigungsnummer: TABED-1-25-1200). Alle Verfahren wurden gemäß den ethischen Standards der institutionellen und/oder nationalen Forschungskommission sowie gemäß der Deklaration von Helsinki von 1964 und deren späteren Änderungen oder vergleichbaren ethischen Standards durchgeführt. Von allen an der Studie teilnehmenden Personen wurde eine informierte Einwilligung eingeholt. Vor der formellen Genehmigung durch das Ethikkomitee fand keine Rekrutierung von Teilnehmern, keine Einholung der informierten Einwilligung, keine STOP-BANG-Bewertungen oder sonstige studienspezifische Datenerhebungen statt.
Studienplanung und Teilnehmer
Die vorliegende Studie wurde zwischen dem 10. April 2025 und dem 30. Juni 2025 durchgeführt. Erwachsene Patienten (≥18 Jahre), bei denen im Rahmen klinischer Indikationen eine abdominelle CT in der Abteilung für Allgemeinchirurgie durchgeführt wurde, waren für die Einschlussnahme berechtigt. Die klinischen Indikationen für die CT umfassten abdominelle Schmerzen, den Verdacht auf eine Malignität und Traumata. Die STOP-BANG-Scores wurden am selben Tag wie die CT-Untersuchung erhoben, um sicherzustellen, dass beide Beurteilungen denselben klinischen Zeitraum widerspiegelten. Es wurden keine zusätzlichen CT-Aufnahmen speziell für diese Studie angefertigt. Ausschlusskriterien waren ein Alter von weniger als 18 Jahren <18 Jahre, Schwangerschaft, Ablehnung der Teilnahme, fehlende geeignete abdominelle CT-Bilder, vorherige abdominelle Operation, die genaue Fettmessungen beeinträchtigen könnte, oder unvollständige klinische Daten. Für Studienzwecke wurden keine zusätzlichen bildgebenden Verfahren oder diagnostischen Untersuchungen durchgeführt; alle CT-Untersuchungen wurden im Rahmen der routinemäßigen klinischen Versorgung angefertigt. Der Prozess zur Screening- und Auswahl der Teilnehmer ist zusammengefasst in Abbildung 1.
Abbildung 1. Patientenflussdiagramm. Das Flussdiagramm veranschaulicht den Prozess der Studienauswahl, einschließlich der Anzahl der untersuchten Patienten, der Ausschlussgründe, der endgültigen Anzahl der in die Analyse eingeschlossenen Teilnehmer sowie deren Verteilung auf die STOP-BANG-Risikokategorien. Die endgültigen Risikogruppen umfassten Teilnehmer mit niedrigem Risiko (n = 20), mittlerem Risiko (n = 24) und hohem Risiko (n = 20). Da es sich hierbei um ein beschreibendes Patientenflussdiagramm und nicht um eine statistische Datenabbildung handelt, sind Fehlerbalken und statistische Signifikanztests nicht anwendbar. Abkürzungen: USFT, Dicke des umbilikal subkutanen Fettgewebes; n, Anzahl der Teilnehmer. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.
Klinische und anthropometrische Daten
Demografische und anthropometrische Daten, einschließlich Alter, Geschlecht, Körpergröße, Körpergewicht, BMI und Halsumfang, wurden erfasst. Der Halsumfang wurde mithilfe eines flexiblen, nicht elastischen Maßbandes gemessen, wobei der Proband in aufrechter Position und mit dem Kopf in neutraler Haltung stand. Die Messung erfolgte auf Höhe der Larynxprominenz (Schildknorpel). Die Messwerte wurden auf 0,1 cm genau erfasst. Es wurden drei Messungen durchgeführt, und der Mittelwert wurde für die Analyse verwendet. Ein Halsumfang von >40 cm galt als positiv für das STOP-BANG-Kriterium. Der Status bezüglich Hypertonie sowie die Antworten auf den STOP-BANG-Fragebogen wurden zum Zeitpunkt der Einschreibung erhoben. Die STOP-BANG-Score wurde basierend auf acht Komponenten berechnet: Schnarchen, Tagesmüdigkeit, beobachtete Atempausen, Hypertonie, BMI > 35 kg/m2, Alter > 50 Jahre, Halsumfang >40 cm und männliches Geschlecht6,7.
CT-basierte Messung des USFT
Alle CT-Untersuchungen wurden mit einem 128-Zeilen-Multidetektor-CT-Scanner durchgeführt. Die Bildgebungsparameter waren wie folgt: Röhrenspannung, 120 kV; automatische Strahlstrommodulation, 200–420 mA; Rotationszeit, 0,6 s; Pitch, 1,375; Detektorabdeckung, 40,0 mm; Schichtdicke der Aufnahme, 3,75 mm; Schichtdicke der Rekonstruktion, 1,25 mm unter Verwendung eines standardmäßigen Weichteichgewebe-Rekonstruktionskernels; und Tischlänge, 2000 mm. Die Messungen wurden entweder an nicht kontrastmittelverstärkten oder kontrastmittelverstärkten Bildern durchgeführt, da die Grenzen des subkutanen Fettgewebes unabhängig von der Gabe von Kontrastmittel deutlich erkennbar sind. Die Bildbeurteilung erfolgte mit der ProHIMS PACS Viewer-Software (Version 2024.5.0) unter Verwendung standardmäßiger Fenstereinstellungen für das abdominale Weichteichgewebe (Fensterbreite, 400 HU; Fensterzentrum, 40 HU). Um die interindividuelle Variabilität zu minimieren, wurden alle Bildbeurteilungen von einem einzigen Radiologen mit mehr als 10 Jahren Erfahrung in der Beurteilung abdomineller CT-Bilder durchgeführt. Die Messungen wurden an vorhandenen CT-Bildern vorgenommen, ohne zusätzliche Strahlenexposition.
Die USFT wurde auf axialen CT-Schnitten auf Höhe des Nabels gemessen. Die exakte Nabelhöhe wurde durch Identifizierung des anatomischen Leitpunkts der Nabelnarbe an der vorderen Bauchwand bestimmt. Die Messungen wurden gemäß einem standardisierten Protokoll durchgeführt, indem der Abstand zwischen der Hautoberfläche und der vorderen Rectusscheide (Muskelfaszie) berechnet wurde. Wie in dem früheren Protokoll beschrieben, wurden die Messungen auf drei aufeinanderfolgenden axialen Schnittbildern auf dieser Ebene durchgeführt, und die Werte wurden für die endgültige Analyse gemittelt.
Der auswertende Radiologe war während der Bildanalyse unkenntlich gegenüber den STOP-BANG-Scores und klinischen Ergebnissen der Teilnehmer. Um die Intra-Beobachter-Reliabilität zu bewerten, wurde eine zufällige Teilmenge von 20 CT-Scans erneut durch denselben verblindeten Radiologen analysiert. Die Reliabilität wurde mittels des Intraklassen-Korrelationskoeffizienten (ICC) bewertet. Die Messreliabilität zwischen den Beobachtungen war gut, mit einem ICC von 0,79. Ein repräsentatives Beispiel der Messmethode ist in Abbildung 2 dargestellt.
Abbildung 2. Repräsentative Messung der subkutanen Bauchfettgewebsdicke auf einem axialen Schnittbild der Computertomographie auf Höhe des Nabels. Ein repräsentatives axiales Computertomographie-(CT-)Bild auf Höhe des Nabels zeigt die Messung der subkutanen Bauchfettgewebsdicke (USFT). Die vertikale Messskala gibt den senkrechten Abstand zwischen der vorderen Hautoberfläche und der vorderen Rectusscheide (Muskelfaszie) an. Das Bild zeigt eine einzelne axiale Schnittebene eines Teilnehmers und veranschaulicht lediglich die Messmethode. Für die Studienanalyse wurde die USFT auf drei aufeinanderfolgenden axialen Schnittbildern auf Höhe des Nabels gemessen, und der Mittelwert der drei Messungen wurde als endgültiger USFT-Wert verwendet. R, rechts; L, links; CT, Computertomographie; USFT, subkutane Bauchfettgewebsdicke. Bitte klicken Sie hier, um eine vergrößerte Version dieser Abbildung anzusehen.
Ergebnisse und STOP-BANG-Risikoklassifizierung
Das primäre Ergebnis war die Assoziation zwischen USFT und dem STOP-BANG-Score. Die STOP-BANG-Scores wurden sowohl als kontinuierliche Variable als auch als kategoriale Risikogruppen analysiert: niedriges Risiko (0–2), intermediäres Risiko (3–4) und hohes Risiko (≥5)7. Die Grenze von ≥5 wurde für die Einstufung als hohes Risiko gewählt, da sie eine höhere Spezifität aufweist und stärker mit einer mittelschweren bis schweren OSA assoziiert ist, was insbesondere im perioperativen Umfeld von Bedeutung ist.
Überlegungen zur Stichprobengröße
Die Stichprobengröße der Studie (n = 64) wurde basierend auf der Durchführbarkeit innerhalb des Studienzeitraums festgelegt. Angesichts der begrenzten vorherigen Daten zur Beziehung zwischen CT-gestützter USFT und STOP-BANG-Score wurde die Studie als explorative, hypothesengenerierende Analyse konzipiert und nicht als bestätigende Studie, die darauf ausgelegt ist, kleine Effektgrößen nachzuweisen. Entsprechend wurden die Ergebnisse unter besonderer Berücksichtigung der Effektgrößen und der klinischen Relevanz – und nicht allein der statistischen Signifikanz – interpretiert.
Statistische Analyse
Die statistischen Analysen wurden mit Python (Version 3.10.12) unter Verwendung von pandas (Version 1.5.3), SciPy (Version 1.10.1) und statsmodels (Version 0.14.0) durchgeführt. Für die Datenvisualisierung kamen Matplotlib (Version 3.7.1) und seaborn (Version 0.12.2) zum Einsatz. Die Normalverteilung der stetigen Variablen wurde mittels des Shapiro-Wilk-Tests überprüft. Variablen mit normaler Verteilung wurden als Mittelwert ± Standardabweichung angegeben, während Variablen mit nichtnormaler Verteilung als Median (Minimum–Maximum, Interquartilsabstand [IQR]) dargestellt wurden.
Gruppenvergleiche über die drei STOP-BANG-Risikokategorien hinweg wurden mit dem Kruskal-Wallis-Test durchgeführt. Die Assoziation zwischen USFT und einzelnen Komponenten des STOP-BANG-Fragebogens wurde weiter untersucht: Für dichotome kategoriale Variablen wurde der Mann-Whitney-U-Test angewandt, für stetige Variablen wurde die Spearman-Korrelation verwendet.
Zur Bewertung der Assoziation zwischen USFT und einem hohen auf dem STOP-BANG-Score basierenden OSA-Risiko wurden logistische Regressionsmodelle verwendet. Die abhängige Variable in allen Modellen war das binäre hohe STOP-BANG-Risiko, definiert als ein Score von ≥5. Aufgrund der begrenzten Anzahl an bestätigten Hochrisikofällen (n = 20) wurde auf eine herkömmliche multivariable logistische Regression mit mehreren Kovariaten verzichtet, um eine Überanpassung zu vermeiden. Stattdessen enthielt ein minimales Standardmodell der logistischen Regression explizit nur zwei unabhängige Variablen: USFT und Alter. Zusätzlich wurde eine L2-penalisierte (Ridge-)logistische Regression mit denselben abhängigen und unabhängigen Variablen durchgeführt. Für das penalisierte Modell wurde der Regularisierungsparameter (alpha) auf 1,0 festgelegt, um eine Standardstrafe anzuwenden und die Koeffizienten zu verkleinern, um extreme Varianz zu verhindern. Die Odds Ratios (ORs) mit 95 % Konfidenzintervallen (CIs) wurden berechnet. Ein p-Wert <0,05 wurde für alle Analysen als statistisch signifikant angesehen.
Ergebnisse
Studienplanung und Teilnehmer
Während des Studienzeitraums wurden insgesamt 115 Patienten mit relevanten klinischen Indikationen, darunter Bauchschmerzen, Verdacht auf Malignität oder Trauma, auf Eignung überprüft. Drei Patienten wurden aufgrund einer Schwangerschaft ausgeschlossen und erhielten keine CT-Untersuchung. Von den verbleibenden Patienten wurden 24 ausgeschlossen, da kein klinisch geeignetes abdominelles CT-Bild verfügbar war. Weitere 24 Patienten wurden ausgeschlossen, weil sie nicht an der Studie teilnehmen oder den STOP-BANG-Fragebogen nicht vollständig ausfüllen wollten (n = 10), eine vorherige Bauchoperation hatten (n = 8) oder unvollständige klinische Daten vorlagen (n = 6). Insgesamt wurden daher 64 Patienten eingeschlossen und in die endgültige Analyse einbezogen (Abbildung 1).
Insgesamt wurden 64 Teilnehmer in die Analyse eingeschlossen, darunter 32 Frauen (50,0 %) und 32 Männer (50,0 %). Das mediane Alter betrug 60 Jahre (Spanne: 22–85 Jahre). Der mittlere Halsumfang lag bei 38,44 ± 2,68 cm und der mediane BMI bei 25,4 kg/m2 (Spanne: 14,9–51,4 kg/m2). Die mediane STOP-BANG-Score betrug 4 (Spanne: 0–7) und die mediane USFT bei 25,07 mm (Spanne: 11,85–53,28 mm). Baseline-Demografie, anthropometrische und klinische Merkmale sind in Tabelle 1 zusammengefasst.
| Variable | N = 64 |
| Alter (Jahre), Median (min–max; IQR) | 60,0 (22–85; 18,0) |
| Körpergröße (cm), Mittelwert ± SD | 166,11 ± 8,3 |
| Körpergewicht (kg), Median (min–max; IQR) | 70,0 (38–145; 21,25) |
| BMI (kg/m²), Median (min–max; IQR) | 25,4 (14,9–51,4; 6,95) |
| Halsumfang (cm), Mittelwert ± SD | 38,44 ± 2,68 |
| STOP-BANG-Score (0–8), Median (min–max; IQR) | 4,0 (0–7; 3) |
| USFT (mm), Median (min–max; IQR) | 25,07 (11,85–53,28; 12,22) |
| Geschlecht, n (%) | |
| Männlich | 32 (50,0) |
| Weiblich | 32 (50,0) |
| Arterielle Hypertonie, n (%) | |
| Ja | 28 (43,8) |
| Nein | 36 (56,3) |
| Schnarchen, n (%) | |
| Ja | 51 (79,7) |
| Nein | 13 (20,3) |
| Müdigkeit, n (%) | |
| Ja | 41 (64,1) |
| Nein | 23 (35,9) |
| Beobachtete Apnoe, n (%) | |
| Ja | 1 (1,6) |
| Nein | 63 (98,4) |
Tabelle 1: Demografische und klinische Merkmale der Studienteilnehmer. Es werden die demografischen, anthropometrischen und klinischen Merkmale der 64 Teilnehmer, die in die endgültige Analyse eingeschlossen wurden, dargestellt. Stetige Variablen werden je nach Angemessenheit als Mittelwert ± Standardabweichung (SD) oder Median (Minimum–Maximum; Interquartilsabstand [IQR]) angegeben, kategoriale Variablen als Anzahl (Prozentanteil). BMI, Body-Mass-Index; USFT, Dicke des subkutanen Bauchfettgewebes; SD, Standardabweichung; IQR, Interquartilsabstand; min, Minimum; max, Maximum; n, Anzahl der Teilnehmer.
Tabelle 1 zeigt die basaalen demografischen, anthropometrischen und klinischen Merkmale der Studienkohorte (n = 64). Kategoriale Variablen umfassen das Geschlecht sowie binäre klinische Antworten (ja/nein) für Hypertonie, Schnarchen, Tagesmüdigkeit und beobachtete Apnoe. Stetige Variablen mit normaler Verteilung (Körpergröße und Halsumfang) werden als Mittelwert ± Standardabweichung angegeben. Stetige Variablen ohne normale Verteilung (Alter, Gewicht, BMI, STOP-BANG-Score und USFT) werden als Median (Minimum–Maximum; IQR) dargestellt. Kategoriale Variablen werden als n (%) angegeben. Da Tabelle 1 deskriptive Basisstatistiken enthält, wurden keine vergleichenden statistischen Tests durchgeführt und p-Werte sind nicht anwendbar.
Klinische und anthropometrische Daten
Es wurde keine statistisch signifikante Korrelation zwischen dem STOP-BANG-Score und der USFT beobachtet (Spearman’s ρ = 0.142, p = 0.264). Ebenso unterschied sich die USFT nicht signifikant zwischen den Risikokategorien mit niedrigem, mittlerem und hohem Risiko nach STOP-BANG (Kruskal–Wallis H = 0.781, p = 0.677). Die endgültigen verifizierten Risikokategorien umfassten 20 Teilnehmer (31,3 %) mit niedrigem Risiko, 24 (37,5 %) mit mittlerem Risiko und 20 (31,3 %) mit hohem Risiko (Abbildung 1 und Tabelle 2).
| Variable | n (%) | Analyse | Median (IQR) | Teststatistik | p-Wert | Effektgröße |
| STOP-BANG-Score | 64 (100) | Spearman-Korrelation | 4,0 (2,0–5,0) | ρ = 0,142 | 0,264 | — |
| STOP-BANG-Risikokategorie | 64 (100) | Kruskal-Wallis-Test | — | H = 0,781 | 0,677 | — |
| Geringes Risiko (0–2) | 20 (31,3) | — | 23,7 (19,6–32,4) | — | — | — |
| Intermediäres Risiko (3–4) | 24 (37,5) | — | 26,6 (20,4–34,8) | — | — | — |
| Hohes Risiko (≥5) | 20 (31,3) | — | 25,3 (22,4–30,2) | — | — | — |
| Schnarchen | 64 (100) | Mann-Whitney-U-Test | — | U = 198,0 | 0,026 | 0,278 |
| Nein | 13 (20,3) | — | 20,0 (16,3–27,5) | — | — | — |
| Ja | 51 (79,7) | — | 25,3 (21,2–36,1) | — | — | — |
| Müdigkeit | 64 (100) | Mann-Whitney-U-Test | — | U = 471,0 | 1 | 0,001 |
| Nein | 23 (35,9) | — | 24,1 (20,0–32,6) | — | — | — |
| Ja | 41 (64,1) | — | 25,3 (20,9–31,3) | — | — | — |
| Hypertonie | 64 (100) | Mann-Whitney-U-Test | — | U = 497,0 | 0,93 | 0,012 |
| Nein | 36 (56,3) | — | 24,9 (19,9–32,6) | — | — | — |
| Ja | 28 (43,8) | — | 25,1 (21,1–30,4) | — | — | — |
| Geschlecht | 64 (100) | Mann-Whitney-U-Test | — | U = 546,0 | 0,653 | 0,057 |
| Weiblich | 32 (50,0) | — | 25,1 (20,2–33,1) | — | — | — |
| Männlich | 32 (50,0) | — | 24,9 (20,6–29,9) | — | — | — |
| Alter (Jahre) | 64 (100) | Spearman-Korrelation | 60,0 (52,0–70,0) | ρ = −0,067 | 0,6 | — |
| BMI (kg/m²) | 64 (100) | Spearman-Korrelation | 25,4 (22,5–29,5) | ρ = 0,663 | <0,001 | — |
| Halsumfang (cm) | 64 (100) | Spearman-Korrelation | 39,0 (36,8–40,0) | ρ = 0,544 | <0,001 | — |
Tabelle 2: Statistische Analyse der Zusammenhänge zwischen der Dicke des subkutanen Nabelgewebes und dem STOP-BANG-Score sowie dessen Einzelkomponenten. Die Zusammenhänge zwischen USFT und stetigen Variablen wurden mittels Spearman-Rangkorrelation untersucht. Unterschiede in der USFT zwischen dichotomen Gruppen wurden mit dem Mann-Whitney-U-Test bewertet, und Unterschiede zwischen den drei STOP-BANG-Risikokategorien wurden mittels des Kruskal-Wallis-Tests analysiert. Bei kategorialen Vergleichen stehen die Werte in der Spalte Median (IQR) für die USFT in Millimetern; bei der Analyse stetiger Variablen repräsentieren die Werte die entsprechende Variable. Als statistisch signifikant galt ein p-Wert < 0,05. BMI, Body-Mass-Index; IQR, Interquartilsabstand; USFT, Dicke des subkutanen Nabelfettgewebes; U, Mann-Whitney-U-Teststatistik; H, Kruskal-Wallis-Teststatistik; ρ, Spearman-Rangkorrelationskoeffizient; n, Anzahl der Teilnehmer.
USFT war bei Teilnehmenden, die Schnarchen angaben, signifikant höher als bei denen, die dies nicht taten (U = 198,0, p = 0,026). Im Gegensatz dazu wurden keine signifikanten Zusammenhänge zwischen USFT und Tagesmüdigkeit (U = 471,0, p = 1,000), Hypertonie (U = 497,0, p = 0,930), Geschlecht (U = 546,0, p = 0,653) oder Alter (ρ = −0,067, p = 0,600) beobachtet. Positive Korrelationen zeigten sich zwischen USFT und BMI (ρ = 0,663, p < 0,001) sowie zwischen USFT und Halsumfang (ρ = 0,544, p < 0,001). Die Zusammenhänge zwischen USFT und der STOP-BANG-Skala sowie deren Einzelkomponenten sind in Tabelle 2 zusammengefasst.
Tabelle 2 zeigt die statistische Bewertung der Zusammenhänge zwischen USFT und demografischen, anthropometrischen sowie klinischen Variablen, einschließlich der gesamten STOP-BANG-Score. Die Gesamtstichprobengröße betrug n = 64. Bei den kategorialen Analysen wurden die Risikokategorien des STOP-BANG-Scores (niedriges Risiko, 0–2; mittleres Risiko, 3–4; hohes Risiko, ≥5), binäre klinische Variablen (ja/nein für Schnarchen, Tagesmüdigkeit und Hypertonie) sowie das Geschlecht (weiblich/männlich) berücksichtigt. Beobachtetes Apnoe wurde aufgrund des extremen Ungleichgewichts zwischen den Gruppen (n = 1 für „ja“) von der vergleichenden Analyse ausgeschlossen. Die Datenstreuung für nicht normalverteilte stetige Variablen wird als Median (IQR) angegeben. Für stetige Variablen (Alter, BMI, Halsumfang und STOP-BANG-Score) wurde der Rangkorrelationskoeffizient nach Spearman verwendet, der Kruskal-Wallis-Test für den Vergleich der drei STOP-BANG-Risikokategorien und der Mann-Whitney-U-Test für dichotome kategoriale Variablen. Effektgrößen werden dort angegeben, wo anwendbar. Als statistisch signifikant galt p < 0,05.
Ergebnisse und STOP-BANG-Risikoklassifizierung
Zwanzig Teilnehmer (31,3 %) wurden basierend auf einem STOP-BANG-Score von ≥5 als hochgradig risikobehaftet für OSA eingestuft. Diese Einstufung als Hochrisikogruppe stimmt mit der endgültigen Verteilung der Risikogruppen überein, die in Abbildung 1 und Tabelle 2 dargestellt ist.
Statistische Analyse
Aufgrund der begrenzten Anzahl an Hochrisikofällen beschränkten sich die explorativen multivariablen Analysen auf minimale altersadjustierte und L2-penalisierte logistische Regressionsmodelle. Im minimalen altersadjustierten logistischen Regressionsmodell war USFT nicht mit einem hohen STOP-BANG-basierten OSA-Risiko assoziiert (OR = 1.00, 95 % CI, 0,95–1,06; p = 0,936). Das L2-penalisierte logistische Regressionsmodell ergab ein konsistentes Ergebnis (OR = 0,98, 95 % CI, 0,93–1,04; p = 0,472). Von den 64 Teilnehmern unterzogen sich 20 (31,3 %) einer Bauchwandbruchoperation.
Insgesamt zeigte die USFT keinen signifikanten Zusammenhang mit dem STOP-BANG-Score oder den STOP-BANG-Risikokategorien. Die USFT war bei Teilnehmenden, die über Schnarchen berichteten, signifikant höher und positiv mit dem BMI sowie dem Halsumfang korreliert; sie stand jedoch nach Anpassung für das Alter in der explorativen Regressionsanalyse nicht im Zusammenhang mit einem hohen, auf dem STOP-BANG-Score basierenden OSA-Risiko. Diese Ergebnisse stützen die Studienhypothese nicht, wonach eine größere, mittels CT gemessene USFT mit höheren STOP-BANG-Scores und einem erhöhten, auf dem STOP-BANG-Score basierenden OSA-Risiko assoziiert wäre.
Datenverfügbarkeit:
Der anonymisierte Datensatz auf Teilnehmerebene, der für die abschließenden Analysen verwendet wurde, ist als Zusatzdatei 1 diesem Artikel beigefügt. Der Studiendatensatz und der Analysecode wurden außerdem in Zenodo hinterlegt (DOI: 10.5281/zenodo.21969483); der Zugriff auf die hinterlegten Dateien ist derzeit eingeschränkt. Der diesem Artikel beigefügte Zusatzdatensatz stellt den endgültigen, verifizierten Datensatz auf Teilnehmerebene dar, der für die berichteten Analysen verwendet wurde.
Zusatzdatendatei 1. Anonymisierte, auf Teilnehmern basierende Datensatzdatei, die für die Studienanalysen verwendet wurde. Die Datei enthält Daten von den 64 Teilnehmern, die in die endgültige Analyse eingeschlossen wurden. Die Variablen umfassen Alter, Geschlecht, Körpergröße, Körpergewicht, Body-Mass-Index (BMI), Hypertonie-Status, Schnarchen, Müdigkeit, beobachtete Apnoe, Halsumfang, das dichotomisierte STOP-BANG-Kriterium für Halsumfang (>40 cm), STOP-BANG-Score und Dicke des umbilicalen subkutanen Fettgewebes (USFT). Binäre Variablen sind wie in den Spaltenüberschriften angegeben codiert. Der Datensatz enthält keine fehlenden Werte für die in dieser Datei enthaltenen Variablen. Bitte klicken Sie hier, um diese Datei herunterzuladen.
Diskussion
In dieser querschnittlichen Beobachtungsstudie wurde kein statistisch signifikanter Zusammenhang zwischen der mittels CT gemessenen USFT und dem STOP-BANG-Score oder den auf dem STOP-BANG-Score basierenden OSA-Risikokategorien beobachtet. Dieser Mangel an Zusammenhang blieb auch nach Anpassung für das Alter bestehen, was darauf hindeutet, dass die USFT allein in dieser Studienpopulation möglicherweise das OSA-Risiko nicht ausreichend widerspiegelt. Dennoch war die USFT signifikant mit dem BMI und dem Halsumfang assoziiert, was ihre Beziehung zur Gesamt- und Oberkörperfettmasse unterstützt. Die Assoziation mit Schnarchen könnte ebenfalls auf einen Zusammenhang zwischen subkutaner Fettmasse und einzelnen Komponenten des OSA-Risikos hinweisen, obwohl dieses Ergebnis vorsichtig interpretiert werden sollte. Diese Ergebnisse entsprechen dem multifaktoriellen Charakter der OSA, bei dem anatomische, metabolische und demografische Faktoren zum Krankheitsrisiko beitragen, anstatt dass ein einzelnes Maß der Fettmasse ausreicht. Diese Studie untersuchte den Zusammenhang zwischen zwei indirekten Messgrößen: der CT-basierten Dicke des subkutanen Fettgewebes und einem auf einem Fragebogen basierenden OSA-Risikoscore, dem STOP-BANG-Score. Die Befunde sollten daher als Hinweis auf eine Überschneidung zwischen den Messkonstrukten verstanden werden, nicht jedoch als echte Krankheitsvorhersage.
In der vorliegenden Studie wurde keine Polysomnographie (PSG) durchgeführt, und die obstruktive Schlafapnoe (OSA) wurde mithilfe des STOP-BANG-Fragebogens beurteilt. Obwohl der STOP-BANG-Fragebogen ein weit verbreitetes Screening-Instrument darstellt und als Triage-Beurteilung dienen kann, wenn der Zugang zur PSG eingeschränkt ist, sollte er keine objektive Schlafuntersuchung ersetzen. Aufgrund seiner begrenzten Spezifität kann es zu Fehlklassifizierungen kommen, was den beobachteten Zusammenhang zwischen der USFT und objektiv diagnostizierter OSA abschwächen könnte1,5,10. Daher sollten die vorliegenden Ergebnisse als Beurteilung des querschnittlichen Zusammenhangs zwischen USFT und STOP-BANG-Score verstanden werden, nicht jedoch als Beleg für einen Zusammenhang mit objektiv diagnostizierter OSA. In der vorliegenden Studie zeigte die USFT starke positive Korrelationen mit dem BMI und dem Halsumfang, was darauf hindeutet, dass sie möglicherweise vorrangig allgemeine, adipositasbedingte Merkmale widerspiegelt, anstatt unabhängig mit dem OSA-Risiko assoziiert zu sein. Ähnliche Forschungsergebnisse berichteten bereits über Korrelationen zwischen mittels Ultraschall gemessener subkutaner Fettgewebsdicke im Hals-, Brust- und Bauchbereich und anthropometrischen Variablen, wobei die Dicke des subkutanen Bauchfettgewebes, gemessen 2 cm oberhalb des Nabels, sowie die Dicke des subkutanen Fettgewebes über dem zweiten Interkostalraum in ausgewählten Populationen mit dem OSA-Risiko assoziiert waren8.
Der Zusammenhang zwischen viszeraler und subkutaner Fettgewebe und dem Risiko für OSA ist jedoch nicht zwangsläufig gleichwertig. Frühere Untersuchungen haben gezeigt, dass die viszerale Adipositas möglicherweise enger mit dem OSA-Risiko und -Schweregrad verbunden ist, während die subkutane Adipositas eine eher begrenzte Rolle spielt11,12. Bisherige Erkenntnisse deuten darauf hin, dass Personen mit einem höheren Risiko für OSA eine stärkere viszerale Fettansammlung aufweisen können. In unserer Studie könnte das Fehlen eines signifikanten Zusammenhangs zwischen USFT und STOP-BANG-Score daher darauf zurückzuführen sein, dass lediglich die Dicke des subkutanen Fettgewebes erfasst wurde, während die viszerale Adipositas und die Fettverteilung in anderen anatomischen Regionen nicht bewertet wurden. BMI und Halsumfang sind etablierte anthropometrische Parameter, die mit dem OSA-Risiko assoziiert sind, wobei auch der Halsumfang mit der OSA-Schweregrad verknüpft sein soll13,14. In unserer Studie deuten die starken Korrelationen zwischen USFT, BMI und Halsumfang auf gemeinsame Varianz und mögliche Kollinearität zwischen den fettleibigkeitsbezogenen Messgrößen hin, was die Fähigkeit der USFT, zusätzliche Informationen über die etablierten STOP-BANG-Komponenten hinaus bereitzustellen, möglicherweise eingeschränkt hat. In unserer Studie war die USFT signifikant mit Schnarchen assoziiert. Dieses Ergebnis sollte jedoch mit Vorsicht interpretiert werden, da das Schnarchen von mehreren Faktoren beeinflusst wird, darunter die Anatomie der oberen Atemwege, der Tonus der Pharynxmuskulatur, der nasale Widerstand und genetische Prädisposition. Zudem wurde das Schnarchen selbst berichtet, was zu einer Berichterstattungsverzerrung geführt haben könnte, und die relativ geringe Stichprobengröße könnte die statistische Power zur Bestimmung der Stärke dieses Zusammenhangs eingeschränkt haben.
Das männliche Geschlecht ist ein gut etablierter Risikofaktor für OSA1,3. Dies wird größtenteils auf hormonelle Unterschiede zwischen Männern und Frauen zurückgeführt, die auch die Muster der Fettverteilung beeinflussen. Bei Männern neigt das Fettgewebe dazu, sich vorwiegend in viszeralen Regionen anzusammeln, während Frauen einen höheren Anteil an subkutaner Fettansammlung aufweisen3,4. In Übereinstimmung mit diesen physiologischen Unterschieden haben frühere Studien berichtet, dass die Schwere der OSA bei Männern höher ist als bei Frauen mit vergleichbarem BMI und Taillenumfang1,3. In unserer Studie unterschied sich die USFT jedoch nicht signifikant nach Geschlecht. Wir vermuten, dass dieses Ergebnis durch mehrere Faktoren erklärt werden könnte, darunter die begrenzte Stichprobengröße, die Tatsache, dass lediglich die Dicke des subkutanen Fettgewebes gemessen wurde, sowie das Fehlen einer Beurteilung des viszeralen Fettgewebes, das bei geschlechtsbezogenen Unterschieden in der OSA-Schwere möglicherweise eine entscheidendere Rolle spielt. OSA wird außerdem als altersbedingte Schlafstörung anerkannt1,3. Darüber hinaus wurde bei Personen mit höherem BMI ein signifikant positiver Anstieg des parapharyngealen Fettvolumens mit zunehmendem Alter beschrieben15. Trotz dieser Befunde könnte der Mangel an einem statistisch signifikanten Zusammenhang zwischen USFT und Alter in unserer Studie damit zusammenhängen, dass die Messung ausschließlich auf die Dicke des subkutanen Fettgewebes auf Nabelhöhe fokussiert war und die Stichprobengröße begrenzt war.
Das Fehlen eines statistisch signifikanten Zusammenhangs zwischen USFT und Hypertonie in unserer Stichprobe könnte die komplexe Natur der Beziehung zwischen Adipositas und Hypertonie widerspiegeln, wie sie in der Literatur beschrieben wird. Epidemiologische Belege unterstützen Adipositas stark als einen wesentlichen Risikofaktor für Hypertonie; dieser Zusammenhang wird jedoch durch zahlreiche miteinander wechselwirkende Faktoren beeinflusst, darunter Geschlecht, demografische Merkmale, genetischer Hintergrund, neurohumorale Mechanismen und Umweltfaktoren16. Frühere Studien haben gezeigt, dass der viszerale Adipositasindex und das Lipidansammlungsprodukt mit einem erhöhten Risiko für OSA assoziiert sind und als mögliche prädiktive Marker dienen könnten17. Insbesondere die androide Adipositas, gekennzeichnet durch eine stärkere Ansammlung viszeralen Fettgewebes, wurde stärker mit Hypertonie in Verbindung gebracht als die gynoide Adipositas16. Daher könnte das Fehlen eines signifikanten Zusammenhangs in unserer Studie teilweise darauf zurückzuführen sein, dass wir lediglich die Dicke des subkutanen Fettgewebes auf Höhe des Nabels gemessen haben, ohne die viszerale Adipositas zu bewerten. Bei adipösen Individuen ist eine Zunahme der USFT ein erwartetes Ergebnis3. Tagesmüdigkeit und beobachtete Atempausen sind häufige Symptome bei Patienten mit OSA18,19. Daher nahmen wir anfangs an, dass die USFT mit diesen klinischen Manifestationen assoziiert wäre. Unsere Analyse ergab jedoch keinen signifikanten Zusammenhang zwischen USFT und Tagesmüdigkeit. Dieses Ergebnis könnte durch den multifaktoriellen Charakter der OSA-Symptome erklärt werden, die nicht nur von der abdominalen subkutanen Fettansammlung, sondern auch von der Ansammlung viszeralen Fettgewebes, der Anatomie der oberen Atemwege, neuromuskulären Faktoren und genetischer Prädisposition beeinflusst werden. Zudem basieren subjektive Parameter wie Tagesmüdigkeit auf der Selbsteinschätzung der Patienten, was Heterogenität in die Messungen einführen kann. Die relativ geringe Stichprobengröße unserer Studie sowie der ausschließliche Fokus auf die Messung des subkutanen Bauchfetts am Nabel könnten ebenfalls zum Fehlen eines signifikanten Zusammenhangs beigetragen haben. Frühere Studien berichteten, dass viszerales Fettgewebe stärker mit OSA assoziiert ist, während subkutanes Fett eine begrenztere Rolle bei der Widerspiegelung dieser klinischen Symptome spielt.
Zu den Einschränkungen dieser Studie zählen die relativ geringe Stichprobengröße und die Tatsache, dass sie an einem einzigen Zentrum durchgeführt wurde. Außerdem wurde in der vorliegenden Studie keine Polysomnographie (PSG), die gegenwärtig als Goldstandard für die Diagnose von OSA gilt, durchgeführt, und die begrenzte Spezifität des STOP-BANG-Fragebogens als Screening-Instrument könnte zu der scheinbar schwachen Beziehung zwischen USFT und OSA beigetragen haben. Darüber hinaus beschränkten sich die CT-Messungen auf subkutanes Fettgewebe auf Höhe des Nabels, während viszerales Fettgewebe oder die Fettverteilung in anderen Körperregionen nicht evaluiert wurden. Trotz des Fehlens einer Assoziation zwischen USFT und STOP-BANG könnte eine gelegentliche, auf CT basierende Beurteilung der Adipositas weiterhin ein Potenzial in der perioperativen Screening-Forschung besitzen. CT-basierte Parameter, insbesondere die viszerale Adipositas, könnten als ergänzende Marker neben etablierten klinischen Risikofaktoren untersucht werden. Weitere Studien sind erforderlich, um zu klären, ob diese Parameter unabhängig mit dem OSA-Risiko im Zusammenhang stehen, zusätzlich zu konventionellen klinischen Bewertungen. Zusammenfassend war die mittels CT gemessene USFT weder signifikant mit dem STOP-BANG-Score noch mit den auf STOP-BANG basierenden OSA-Risikokategorien assoziiert, und diese fehlende Assoziation blieb auch nach Adjustierung für das Alter bestehen. Obwohl die USFT signifikant mit parameterbezogenen Merkmalen der Adipositas wie BMI und Halsumfang sowie mit Schnarchen assoziiert war, belegen diese Ergebnisse keinen direkten Zusammenhang zwischen abdominalem subkutanem Fettgewebe und objektiv diagnostizierter OSA. Daher scheint die USFT allein nicht ausreichend geeignet zu sein, das auf dem STOP-BANG-Score basierende OSA-Risiko adäquat widerzuspiegeln. Zukünftige Studien mit größeren Stichprobengrößen, objektiver Beurteilung von OSA mittels PSG sowie einer umfassenden Evaluierung der Verteilung von viszeralem und subkutanem Fettgewebe sind erforderlich, um die potenzielle Rolle von CT-basierten Adipositas-Maßen bei der Risikostratifizierung von OSA zu klären.
Offenlegungen
Interessenkonflikt:
Die Autoren erklären, dass kein Interessenkonflikt besteht.
Danksagungen
Die Autoren danken für die Nutzung von OpenAI’s ChatGPT (GPT-5) zur Unterstützung bei der englischsprachigen Textbearbeitung und Grammatikkorrektur während der Manuskripterstellung. Inhalt und wissenschaftliche Interpretationen des Manuskripts wurden von den Autoren überprüft und genehmigt. Für diese Forschung wurden keine Mittel eingeworben.
Materialien
| Name | Unternehmen | Katalognummer | Kommentare |
|---|---|---|---|
| 128-Zeilen-Mehrfachdetektor-CT-Scanner | GE Healthcare | Revolution EVO EX/EL | RRID nicht verfügbar |
| Flexibles Maßband | Lufkin | 50' x 3/8 | RRID nicht verfügbar |
| matplotlib | Python Software Foundation | Version 3.7.1 | SCR_008624 |
| pandas | Python Software Foundation | Version 1.5.3 | SCR_018214 |
| ProHIMS PACS Viewer | ProHIMS | Version 2024.5.0 | RRID nicht verfügbar |
| Python | Python Software Foundation | Version 3.10.12 | SCR_008394 |
| scipy | Python Software Foundation | Version 1.10.1 | SCR_008058 |
| seaborn | Python Software Foundation | Version 0.12.2 | SCR_018132 |
| statsmodels | Python Software Foundation | Version 0.14.0 | SCR_016074 |
| STOP-BANG-Fragebogen | University of Toronto (Chung F. et al.) | N/V | RRID nicht verfügbar |
| Studiendatensatz und Analysecode | Zenodo | DOI: 10.5281/zenodo.21969483 | RRID nicht verfügbar |
Referenzen
- Slowik JM, Sankari A, Collen JF. Obstructive sleep apnea. In: StatPearls [Internet]. StatPearls Publishing; Treasure Island (FL); 2025. Available from: https://www.ncbi.nlm.nih.gov/books/NBK459252/.
- Ojeda D, et al. STOP-BANG questionnaire as predictor of a difficult airway management during anesthesia. Rev Med Chil. 2022;150:450-457. doi:10.4067/S0034-98872022000400450.
- Bonsignore MR. Obesity and obstructive sleep apnea. Handb Exp Pharmacol. 2022;274:181-201. doi:10.1007/164_2021_558.
- Ryan S, et al. Adipose tissue as a key player in obstructive sleep apnoea. Eur Respir Rev. 2019;28:190006. doi:10.1183/16000617.0006-2019.
- Chen L, et al. Validation of the STOP-Bang questionnaire for screening of obstructive sleep apnea in the general population and commercial drivers: a systematic review and meta-analysis. Sleep Breath. 2021;25:1741-1751. doi:10.1007/s11325-021-02299-y.
- Chung F, et al. STOP questionnaire: a tool to screen patients for obstructive sleep apnea. Anesthesiology. 2008;108:812-821. doi:10.1097/ALN.0b013e31816d83e4.
- Neves Junior JAS, et al. Cutoff points in STOP-Bang questionnaire for obstructive sleep apnea. Arq Neuropsiquiatr. 2020;78:561-569. doi:10.1590/0004-282X20200086.
- Molnár V, et al. The predictive role of subcutaneous adipose tissue in the pathogenesis of obstructive sleep apnoea. Life (Basel). 2022;12:1504. doi:10.3390/life12101504.
- Pickhardt PJ, Summers RM, Garrett JW. Automated CT-based body composition analysis: a golden opportunity. Korean J Radiol. 2021;22:1934-1937. doi:10.3348/kjr.2021.0775.
- Nagappa M, et al. Validation of the STOP-Bang questionnaire as a screening tool for obstructive sleep apnea among different populations: a systematic review and meta-analysis. PLoS One. 2015;10:e0143697.
- Franco I, Reis R, Ferreira D, et al. The impact of neck and abdominal fat accumulation on the pathogenesis of obstructive sleep apnea. Rev Port Pneumol (2006). 2016;22:240-242.
- Ugur KS, et al. Subcutaneous fat tissue thickness of the anterior neck and umbilicus in patients with obstructive sleep apnea. Otolaryngol Head Neck Surg. 2011;145:505-510.
- Kollár B, et al. Anthropometric parameters and sleep apnea: correlations, and treatment implications in a sleep laboratory-based study. Bratisl Med J. 2025;126:1066-1077. doi:10.1007/s44411-025-00148-y.
- Ibrahim MIS, Mohamad H, Mohamad A, Mohamad I. Association between neck circumference and the severity of obstructive sleep apnea. Pol Ann Med. 2020;27(1):1-6. doi:10.29089/2020.20.00097.
- Gao F, et al. Upper airway morphological changes in obstructive sleep apnoea: effect of age on pharyngeal anatomy. J Laryngol Otol. 2020;134:354-361.
- Wolk R, Shamsuzzaman AS, Somers VK. Obesity, sleep apnea, and hypertension. Hypertension. 2003;42:1067-1074.
- Zhou T, et al. Association between obstructive sleep apnea and visceral adiposity index and lipid accumulation product: NHANES 2015-2018. Lipids Health Dis. 2024;23:100. doi:10.1186/s12944-024-02081-5.
- Howarth T, et al. Excessive daytime sleepiness is associated with relative delta frequency power among patients with mild OSA. Front Neurol. 2024;15:1367860. doi:10.3389/fneur.2024.1367860.
- Tang Y, et al. Prevalence of excessive daytime sleepiness (EDS) and its association with quality of life in patients with obstructive sleep apnea (OSA): data from a sleep-center in Shenzhen, a single-center cross-sectional study. J Thorac Dis. 2024;16:8216.