Niniejsze przekrojowe badanie obserwacyjne oceniało, czy grubość podskórnej tkanki tłuszczowej brzucha, zmierzona na istniejących obrazach CT, była powiązana z ryzykiem obturacyjnego bezdechu sennego w oparciu o kwestionariusz STOP-BANG. Nie zaobserwowano istotnej korelacji między grubością tkanki tłuszczowej mierzoną w badaniu CT a wynikami STOP-BANG.
Artykuł badawczy
Grubość tkanki tłuszczowej podskórnej w obrębie brzucha mierzona tomografią komputerową a ryzyko obturacyjnego bezdechu sennego: przekrojowe badanie obserwacyjne
W tym artykule
Podsumowanie
Streszczenie
W niniejszym badaniu zbadano, czy grubość tkanki tłuszczowej podskórnej w okolicy pępka (USFT), mierzona okazjonalnie na obrazach tomografii komputerowej (CT) jamy brzusznej wykonanych z wskazań klinicznych, była powiązana z okołoperacyjnym ryzykiem obturacyjnego bezdechu sennego (OSA) ocenianym za pomocą kwestionariusza STOP-BANG. W tym przekrojowym badaniu obserwacyjnym 64 dorosłych uczestników wypełniło kwestionariusz STOP-BANG, a USFT zmierzono na istniejących obrazach CT jamy brzusznej zgodnie ze zstandaryzowanym protokołem. Powiązania między USFT a zmiennymi ciągłymi oceniono za pomocą korelacji Spearmana, natomiast porównania między kategoriami ryzyka STOP-BANG przeprowadzono za pomocą testu Kruskala-Wallisa. Eksploracyjną regresję logistyczną zastosowano w celu oceny związku między USFT a wysokim ryzykiem według STOP-BANG po skorygowaniu o wiek. Nie zaobserwowano istotnej korelacji między USFT a wynikiem STOP-BANG (ρ = 0.142, p = 0.264), a USFT nie różniło się istotnie pomiędzy kategoriami ryzyka STOP-BANG (p = 0.677). USFT była istotnie wyższa u uczestników zgłaszających chrapanie (p = 0.026) i wykazała dodatnie korelacje z indeksem masy ciała (BMI; ρ = 0.663, p < 0.001) oraz obwodem szyi (ρ = 0.544, p < 0.001). Po skorygowaniu o wiek USFT nie była istotnie powiązana z wysokim ryzykiem STOP-BANG. Ogólnie rzecz biorąc, mierzona w CT wartość USFT nie była powiązana z ryzykiem OSA opartym na STOP-BANG w niniejszym badaniu. Niezbędne są większe badania obejmujące OSA potwierdzoną polisomnografią (PSG) oraz odpowiednio zasilone analizy wielowymiarowe, aby określić potencjalną rolę wskaźników otyłości pochodzących z CT w okołoperacyjnej ocenie ryzyka OSA.
Wprowadzenie
OSA (obturacyjny bezdech senny) jest zaburzeniem oddychania związanym ze snem, charakteryzującym się nawracającą niedrożnością górnych dróg oddechowych podczas snu, co prowadzi do przerywanej hipoksji, hiperkapni oraz fragmentacji snu1. OSA wiąże się z chorobami współistniejącymi zarówno z układu sercowo-naczyniowego, jak i metabolicznymi, i stanowi istotny problem w okresie okołooperacyjnym, ponieważ zwiększa ryzyko trudnej wentylacji maskowej, trudnej intubacji tchawicy oraz pooperacyjnych powikłań oddechowych2,3. Pomimo znaczenia klinicznego, OSA często pozostaje nierozpoznany u pacjentów chirurgicznych, co sprawia, że pragmatyczna stratyfikacja ryzyka okołooperacyjnego jest niezbędna.
Otyłość jest kluczowym czynnikiem zwiększającym ryzyko wystąpienia OSA poprzez mechanizmy obejmujące zmienioną mechanikę górnych dróg oddechowych, zmniejszoną reaktywność mięśni gardła oraz efekty zapalne i metaboliczne związane z dysfunkcją tkanki tłuszczowej3,4. Choć PSG stanowi złoty standard diagnostyczny, ograniczony dostęp, czas oczekiwania oraz ograniczenia wykonalności podczas ostrych przyjęć chirurgicznych często wymuszają stosowanie instrumentów przesiewowych zamiast obiektywnych badań snu w rutynowych procesach okołooperacyjnych1,5. Wśród tych instrumentów kwestionariusz STOP-BANG jest szeroko stosowany ze względu na swoją prostotę i wysoką czułość. Punktacja uwzględnia osiem parametrów — chrapanie, senność w ciągu dnia, zaobserwowany bezdech, nadciśnienie tętnicze, BMI, wiek, obwód szyi oraz płeć — aby zaklasyfikować pacjentów do kategorii ryzyka OSA6,7.
Grubość podskórnej tkanki tłuszczowej w okolicy pępka (USFT), jako wskaźnik otyłości brzusznej, może wpływać na stopień nasilenia i powikłania OSA poprzez zwiększoną akumulację tłuszczu w jamie brzusznej3,8. Tomografia komputerowa (CT) jest powszechnie stosowaną metodą oceny tkanki tłuszczowej w obrębie brzucha, zapewniając wysoką dokładność i powtarzalność pomiarów tłuszczu. Wcześniejsze badania wykazały silne korelacje między pomiarami tkanki tłuszczowej podskórnej i trzewnej w CT a parametrami antropometrycznymi9. Pozostaje jednak niejasne, czy pomiary USFT wykonane przy okazji tomografii komputerowej brzucha dostarczają dodatkowych informacji w odniesieniu do okołoperacyjnej stratyfikacji ryzyka OSA opartej na kwestionariuszu STOP-BANG.
W związku z tym celem niniejszego badania było sprawdzenie, czy pomiar USFT wykonany oportunistycznie na istniejących obrazach CT jamy brzusznej, uzyskanych ze wskazań klinicznych, wiąże się z ryzykiem OSA ocenianym za pomocą kwestionariusza STOP-BANG u dorosłych pacjentów chirurgicznych. Nowatorstwo tego badania polega na wykorzystaniu rutynowo pozyskiwanych obrazów CT jamy brzusznej do ilościowego określenia USFT bez dodatkowej ekspozycji na promieniowanie obrazowe. Postawiliśmy hipotezę, że większa wartość USFT zmierzonego w CT będzie wiązać się z wyższymi wynikami w kwestionariuszu STOP-BANG i zwiększonym ryzykiem OSA.
Protokół
Niniejsze przekrojowe badanie obserwacyjne zostało zatwierdzone przez Komisję Etyczną Szpitala Miejskiego Ankara Bilkent (data zatwierdzenia: 9 kwietnia 2025 r.; numer zatwierdzenia: TABED-1-25-1200). Wszystkie procedury zostały przeprowadzone zgodnie ze standardami etycznymi instytucjonalnego i/lub krajowego komitetu badawczego oraz Deklaracją Helsińską z 1964 r. i jej późniejszymi poprawkami lub porównywalnymi standardami etycznymi. Od wszystkich indywidualnych uczestników włączonych do badania uzyskano świadomą zgodę. Żaden proces rekrutacji uczestników, procedury uzyskiwania świadomej zgody, oceny STOP-BANG ani inne gromadzenie danych specyficznych dla badania nie odbyły się przed formalnym zatwierdzeniem przez komisję etyczną.
Projekt badania i uczestnicy
Badanie to zostało przeprowadzone w okresie od 10 kwietnia 2025 r. do 30 czerwca 2025 r. Do grupy kwalifikujących się osób należeli pacjenci dorośli (≥18 lat), u których w Oddziale Chirurgii Ogólnej wykonano tomografię komputerową (TK) jamy brzusznej ze wskazań klinicznych. Wskazania kliniczne do badania TK obejmowały ból brzucha, podejrzenie procesu nowotworowego oraz urazy. Wyniki w skali STOP-BANG uzyskano w tym samym dniu, w którym wykonano badanie TK, aby zapewnić, że obie oceny odzwierciedlały ten sam okres kliniczny. Na potrzeby niniejszego badania nie wykonywano dodatkowych badań obrazowych TK. Kryteria wykluczenia obejmowały: wiek <18 lat, ciążę, odmowę udziału, brak odpowiednich obrazów TK jamy brzusznej, przebyte operacje jamy brzusznej, które mogłyby zakłócić dokładny pomiar tkanki tłuszczowej, lub niepełne dane kliniczne. W celach badawczych nie przeprowadzono żadnych dodatkowych procedur obrazowych ani diagnostycznych; wszystkie badania TK zostały wykonane w ramach rutynowej opieki klinicznej. Proces przesiewowy i selekcja uczestników zostały przedstawione w Rysunku 1.
Rysunek 1. Schemat przepływu pacjentów. Schemat blokowy ilustruje proces selekcji badania, w tym liczbę przesiewowo zbadanych pacjentów, przyczyny wykluczenia, ostateczną liczbę uczestników włączonych do analizy oraz ich rozkład w kategoriach ryzyka STOP-BANG. Końcowe grupy ryzyka obejmowały uczestników o niskim ryzyku (n = 20), ryzyku pośrednim (n = 24) oraz wysokim ryzyku (n = 20). Ponieważ jest to opisowy schemat przepływu pacjentów, a nie wykres danych statystycznych, słupki błędów i testy istotności statystycznej nie mają zastosowania. Skróty: USFT, grubość podskórnej tkanki tłuszczowej w okolicy pępka; n, liczba uczestników. Kliknij tutaj, aby wyświetlić większą wersję tego rysunku.
Dane kliniczne i antropometryczne
Zarejestrowano dane demograficzne i antropometryczne, w tym wiek, płeć, wzrost, masę ciała, BMI oraz obwód szyi. Obwód szyi mierzono za pomocą elastycznej, nierozciągliwej taśmy mierniczej, gdy uczestnik znajdował się w pozycji wyprostowanej, a głowa w pozycji neutralnej. Pomiaru dokonywano na poziomie wyniosłości krtani (chrząstki tarczycy). Pomiary zapisywano z dokładnością do 0,1 cm. Wykonano trzy pomiary, a do analizy wykorzystano wartość średnią. Obwód szyi >40 cm uznano za wynik dodatni dla kryterium STOP-BANG. Status nadciśnienia tętniczego oraz odpowiedzi w kwestionariuszu STOP-BANG zebrano w momencie rekrutacji. Wynik w skali STOP-BANG obliczono na podstawie ośmiu komponentów: chrapania, senności w ciągu dnia, zaobserwowanego bezdechu, nadciśnienia tętniczego, BMI > 35 kg/m2, wieku > 50 lat, obwodu szyi >40 cm oraz płci męskiej6,7.
Pomiar USFT w oparciu o TK
Wszystkie badania TK wykonano przy użyciu wielodetektorowego tomografu komputerowego 128-rzędowego. Parametry obrazowania były następujące: napięcie lampy, 120 kV; automatyczna modulacja prądu lampy, 200–420 mA; czas rotacji, 0.6 s; pitch, 1.375; zakres detektora, 40.0 mm; grubość warstwy akwizycji, 3.75 mm; grubość warstwy rekonstrukcji, 1.25 mm przy użyciu standardowego jądra rekonstrukcji tkanek miękkich; oraz długość stołu, 2000 mm. Pomiary przeprowadzono na obrazach bez kontrastu lub po podaniu środka kontrastowego, ponieważ granice tkanki tłuszczowej podskórnej są wyraźnie rozróżnialne niezależnie od podania kontrastu. Ocena obrazów została wykonana za pomocą oprogramowania ProHIMS PACS Viewer (wersja 2024.5.0) przy standardowych ustawieniach okna dla tkanek miękkich jamy brzusznej (szerokość okna, 400 HU; poziom okna, 40 HU). Aby zminimalizować zmienność międzyobserwatorową, wszystkie oceny obrazów przeprowadził jeden radiolog z ponad 10-letnim doświadczeniem w interpretacji badań TK jamy brzusznej. Pomiary uzyskano z istniejących obrazów TK bez dodatkowej ekspozycji na promieniowanie.
Grubość tkanki tłuszczowej podskórnej (USFT) mierzono na osiowych przekrojach tomografii komputerowej (CT) na poziomie pępka. Dokładny poziom pępka określono poprzez identyfikację anatomicznego punktu orientacyjnego w postaci blizny pępkowej na przedniej ścianie brzucha. Pomiary przeprowadzono zgodnie ze zstandaryzowanym protokołem, obliczając odległość między powierzchnią skóry a przednią pochewką mięśnia prostego brzucha (powięzią mięśniową). Zgodnie z opisem w poprzednim protokole, pomiary wykonano na trzech kolejnych przekrojach osiowych na tym poziomie, a wartości uśredniono do końcowej analizy.
Radiolog dokonujący oceny był zaślepiony w stosunku do wyników STOP-BANG oraz wyników klinicznych uczestników podczas analizy obrazów. Aby ocenić niezawodność wewnątrzobserwatorską, ten sam zaślepiony radiolog przeprowadził ponowną analizę losowego podzbioru 20 skanów CT. Niezawodność oceniono za pomocą współczynnika korelacji wewnątrzklasowej (ICC). Niezawodność pomiaru wewnątrzobserwatorska była dobra, przy ICC wynoszącym 0,79. Reprezentatywny przykład techniki pomiarowej przedstawiono na Rysunku 2.
Rycina 2. Reprezentatywny pomiar grubości podskórnej tkanki tłuszczowej w okolicy pępka na obrazie tomografii komputerowej jamy brzusznej. Reprezentatywny obraz tomografii komputerowej (CT) w przekroju osiowym na poziomie pępka przedstawia pomiar grubości podskórnej tkanki tłuszczowej w okolicy pępka (USFT). Pionowy suwak pomiarowy wskazuje odległość prostopadłą między przednią powierzchnią skóry a przednią pochewką mięśnia prostego brzucha (powięzią mięśniową). Obraz przedstawia pojedynczy przekrój osiowy jednego uczestnika i służy jedynie do zilustrowania techniki pomiarowej. Do analizy badania USFT mierzono na trzech kolejnych przekrojach osiowych na poziomie pępka, a średnia z trzech pomiarów została przyjęta jako ostateczna wartość USFT. R, prawo; L, lewo; CT, tomografia komputerowa; USFT, grubość podskórnej tkanki tłuszczowej w okolicy pępka. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.
Wyniki i kategoryzacja ryzyka STOP-BANG
Głównym punktem końcowym była korelacja między USFT a wynikiem w skali STOP-BANG. Wyniki STOP-BANG analizowano zarówno jako zmienną ciągłą, jak i w postaci kategorycznych grup ryzyka: niskiego ryzyka (0–2), umiarkowanego ryzyka (3–4) oraz wysokiego ryzyka (≥5)7. Wartość odcięcia ≥5 wybrano dla klasyfikacji wysokiego ryzyka, ponieważ zapewnia ona wyższą swoistość i jest silniej powiązana z umiarkowanym lub ciężkim OSA, co jest szczególnie istotne w okresie okołooperacyjnym.
Rozważania dotyczące wielkości próby
Wielkość próby w badaniu (n = 64) została określona na podstawie wykonalności w okresie trwania badania. Ze względu na ograniczone wcześniejsze dane na temat zależności między USFT pochodzącym z TK a wynikiem STOP-BANG, badanie zostało zaprojektowane jako analiza eksploracyjna, służąca generowaniu hipotez, a nie jako badanie konfirmacyjne o mocy pozwalającej na wykrycie niewielkich efektów. W związku z tym wyniki interpretowano z naciskiem na szacunki efektu i znaczenie kliniczne, a nie wyłącznie na istotność statystyczną.
Analiza statystyczna
Analizy statystyczne przeprowadzono przy użyciu języka Python (wersja 3.10.12) z bibliotekami pandas (wersja 1.5.3), SciPy (wersja 1.10.1) oraz statsmodels (wersja 0.14.0). Do wizualizacji danych wykorzystano biblioteki Matplotlib (wersja 3.7.1) i seaborn (wersja 0.12.2). Normalność rozkładu zmiennych ciągłych oceniono za pomocą testu Shapiro–Wilka. Zmienne o rozkładzie normalnym przedstawiono jako średnia ± odchylenie standardowe, natomiast zmienne o rozkładzie nienormalnym wyrażono jako mediana (minimum–maksimum, rozstęp międzykwartylny [IQR]).
Porównania grup w trzech kategoriach ryzyka STOP-BANG oceniono za pomocą testu Kruskala–Wallisa. Dalszej oceny dokonano w celu zbadania związku między USFT a poszczególnymi komponentami kwestionariusza STOP-BANG: w przypadku dychotomicznych zmiennych kategorycznych zastosowano test U Manna–Whitneya, a w przypadku zmiennych ciągłych wykorzystano korelację Spearmana.
Do oceny związku między USFT a wysokim ryzykiem OSA w oparciu o skalę STOP-BANG wykorzystano modele regresji logistycznej. Zmienną zależną we wszystkich modelach było binarne wysokie ryzyko STOP-BANG, ściśle zdefiniowane jako wynik ≥5. Ze względu na ograniczoną liczbę zweryfikowanych przypadków wysokiego ryzyka (n = 20), unikano konwencjonalnej wieloczynnikowej regresji logistycznej z wieloma współzmiennymi, aby zredukować ryzyko przeuczenia modelu. Zamiast tego zastosowano minimalny standardowy model regresji logistycznej, który w sposób jawny obejmował tylko dwie zmienne niezależne: USFT oraz wiek. Ponadto przeprowadzono regresję logistyczną z karą L2 (Ridge), wykorzystując te same zmienne zależne i niezależne. W przypadku modelu z karą parametr regularyzacji (alpha) ustawiono na 1,0 w celu zastosowania standardowej kary, co pozwoliło na zmniejszenie współczynników w celu zapobieżenia ekstremalnej wariancji. Obliczono ilorazy szans (ORs) wraz z 95% przedziałami ufności (CIs). Dla wszystkich analiz wartość p <0,05 uznano za statystycznie istotną.
Wyniki
Projekt badania i uczestnicy
W okresie trwania badania przesiewowo oceniono kwalifikowalność łącznie 115 pacjentów z istotnymi wskazaniami klinicznymi, takimi jak ból brzucha, podejrzenie nowotworu lub uraz. Trzech pacjentów wykluczono ze względu na ciążę; nie zostali oni poddani badaniu CT. Z pozostałych pacjentów wykluczono 24 osoby z powodu braku klinicznie odpowiedniego obrazu CT jamy brzusznej. Kolejnych 24 pacjentów wykluczono z powodu odmowy udziału lub nieuzupełnienia kwestionariusza STOP-BANG (n = 10), przebytego wcześniej zabiegu chirurgicznego w obrębie jamy brzusznej (n = 8) lub niepełnych danych klinicznych (n = 6). W konsekwencji do badania zakwalifikowano i włączono do analizy końcowej 64 pacjentów (Rycina 1).
W analizie ujęto łącznie 64 uczestników, w tym 32 kobiety (50,0%) i 32 mężczyzn (50,0%). Mediana wieku wynosiła 60 lat (zakres 22–85 lat). Średni obwód szyi wynosił 38,44 ± 2,68 cm, a mediana BMI wynosiła 25,4 kg/m2 (zakres 14,9–51,4 kg/m2). Mediana wyniku STOP-BANG wynosiła 4 (zakres 0–7), a mediana USFT wynosiła 25,07 mm (zakres 11,85–53,28 mm). Wyjściowe cechy demograficzne, antropometryczne i kliniczne zostały podsumowane w Tabeli 1.
| Zmienna | N = 64 |
| Wiek (lata), mediana (min–max; IQR) | 60.0 (22–85; 18.0) |
| Wzrost (cm), średnia ± SD | 166.11 ± 8.3 |
| Masa ciała (kg), mediana (min–max; IQR) | 70.0 (38–145; 21.25) |
| BMI (kg/m² )²), mediana (min–max; IQR) | 25.4 (14.9–51.4; 6.95) |
| Obwód szyi (cm), średnia ± SD | 38.44 ± 2.68 |
| wynik w skali STOP-BANG (0–8), mediana (min–max; IQR) | 4.0 (0–7; 3) |
| USFT (mm), mediana (min–max; IQR) | 25.07 (11.85–53.28; 12.22) |
| Płeć, n (%) | |
| Samiec | 32 (50.0) |
| Kobieta | 32 (50.0) |
| Nadciśnienie tętnicze, n (%) | |
| Tak | 28 (43.8) |
| Nie | 36 (56.3) |
| Chrapanie, n (%) | |
| Tak | 51 (79.7) |
| Nie | 13 (20.3) |
| Zmęczenie, n (%) | |
| Tak | 41 (64.1) |
| Nie | 23 (35.9) |
| Obserwowana bezdech, n (%) | |
| Tak | 1 (1.6) |
| Nie | 63 (98.4) |
Tabela 1: Charakterystyka demograficzna i kliniczna uczestników badania. Przedstawiono charakterystykę demograficzną, antropometryczną i kliniczną 64 uczestników uwzględnionych w analizie końcowej. Zmienne ciągłe podano jako średnią ± odchylenie standardowe (SD) lub medianę (minimum–maksimum; rozstęp międzykwartylowy [IQR]), w zależności od charakteru danych, a zmienne kategoryczne podano jako liczbę (procent). BMI, wskaźnik masy ciała; USFT, grubość podskórnej tkanki tłuszczowej w okolicy pępka; SD, odchylenie standardowe; IQR, rozstęp międzykwartylowy; min, minimum; max, maksimum; n, liczba uczestników.
Tabela 1 przedstawia wyjściowe cechy demograficzne, antropometryczne i kliniczne kohorty badawczej (n = 64). Zmienne kategoryczne obejmują płeć oraz binarne odpowiedzi kliniczne (tak/nie) w zakresie nadciśnienia tętniczego, chrapania, senności w ciągu dnia i zaobserwowanego bezdechu. Zmienne ciągłe o rozkładzie normalnym (wzrost i obwód szyi) przedstawiono jako średnia ± SD. Zmienne ciągłe o rozkładzie nienormalnym (wiek, masa ciała, BMI, wynik STOP-BANG i USFT) przedstawiono jako mediana (minimum–maksimum; IQR). Zmienne kategoryczne przedstawiono jako n (%). Ponieważ Tabela 1 prezentuje wyjściowe statystyki opisowe, nie przeprowadzono porównawczych testów statystycznych, a wartości p nie mają zastosowania.
Dane kliniczne i antropometryczne
Nie zaobserwowano statystycznie istotnej korelacji między wynikiem w skali STOP-BANG a USFT (ρ Spearmana = 0.142, p = 0.264). Podobnie, USFT nie różnił się istotnie pomiędzy kategoriami niskiego, umiarkowanego i wysokiego ryzyka w skali STOP-BANG (H Kruskala-Wallisa = 0.781, p = 0.677). Ostateczne zweryfikowane kategorie ryzyka obejmowały 20 uczestników (31,3%) w grupie niskiego ryzyka, 24 (37,5%) w grupie umiarkowanego ryzyka oraz 20 (31,3%) w grupie wysokiego ryzyka (Rysunek 1 oraz Tabela 2).
| Zmienna | n (%) | Analiza | Mediana (IQR) | Statystyka testu | wartość p | Wielkość efektu |
| Wynik STOP-BANG | 64 (100) | Korelacja Spearmana | 4.0 (2.0–5.0) | ρ = 0.142 | 0.264 | — |
| Kategoria ryzyka STOP-BANG | 64 (100) | Test Kruskala–Wallisa | — | H = 0.781 | 0.677 | — |
| Niskie ryzyko (0–2) | 20 (31.3) | — | 23.7 (19.6–32.4) | — | — | — |
| Ryzyko pośrednie (3–4) | 24 (37.5) | — | 26.6 (20.4–34.8) | — | — | — |
| Wysokie ryzyko (≥5) | 20 (31.3) | — | 25.3 (22.4–30.2) | — | — | — |
| Chrapanie | 64 (100) | Test U Manna–Whitneya | — | U = 198.0 | 0.026 | 0.278 |
| Nie | 13 (20.3) | — | 20.0 (16.3–27.5) | — | — | — |
| Tak | 51 (79.7) | — | 25.3 (21.2–36.1) | — | — | — |
| Zmęczenie | 64 (100) | Test U Manna–Whitneya | — | U = 471.0 | 1 | 0.001 |
| Nie | 23 (35.9) | — | 24.1 (20.0–32.6) | — | — | — |
| Tak | 41 (64.1) | — | 25.3 (20.9–31.3) | — | — | — |
| Nadciśnienie tętnicze | 64 (100) | Test U Manna–Whitneya | — | U = 497.0 | 0.93 | 0.012 |
| Nie | 36 (56.3) | — | 24.9 (19.9–32.6) | — | — | — |
| Tak | 28 (43.8) | — | 25.1 (21.1–30.4) | — | — | — |
| Płeć | 64 (100) | Test U Manna–Whitneya | — | U = 546.0 | 0.653 | 0.057 |
| Kobieta | 32 (50.0) | — | 25.1 (20.2–33.1) | — | — | — |
| Mężczyzna | 32 (50.0) | — | 24.9 (20.6–29.9) | — | — | — |
| Wiek (lata) | 64 (100) | Korelacja Spearmana | 60.0 (52.0–70.0) | ρ = −0.067 | 0.6 | — |
| BMI (kg/m²) | 64 (100) | Korelacja Spearmana | 25.4 (22.5–29.5) | ρ = 0.663 | <0.001 | — |
| Obwód szyi (cm) | 64 (100) | Korelacja Spearmana | 39.0 (36.8–40.0) | ρ = 0.544 | <0.001 | — |
Tabela 2: Analiza statystyczna powiązań między grubością podskórnej tkanki tłuszczowej w okolicy pępka a wynikiem STOP-BANG i jego komponentami. Powiązania między USFT a zmiennymi ciągłymi oceniano za pomocą korelacji rang Spearmana. Różnice w USFT między grupami dychotomicznymi oceniano za pomocą testu U Manna–Whitneya, a różnice pomiędzy trzema kategoriami ryzyka STOP-BANG oceniano za pomocą testu Kruskala–Wallisa. W przypadku porównań kategorycznych wartości w kolumnie Median (IQR) reprezentują USFT w milimetrach; w przypadku analiz zmiennych ciągłych wartości reprezentują odpowiednią zmienną. Istotność statystyczną zdefiniowano jako p < 0.05. BMI, wskaźnik masy ciała; IQR, rozstęp międzykwartylowy; USFT, grubość podskórnej tkanki tłuszczowej w okolicy pępka; U, statystyka testu U Manna–Whitneya; H, statystyka testu Kruskala–Wallisa; ρ, współczynnik korelacji rang Spearmana; n, liczba uczestników.
Wartość USFT była znacznie wyższa u uczestników zgłaszających chrapanie niż u osób, które nie chrapały (U = 198.0, p = 0.026). Z kolei nie zaobserwowano istotnych powiązań między USFT a zmęczeniem w ciągu dnia (U = 471.0, p = 1.000), nadciśnieniem tętniczym (U = 497.0, p = 0.930), płcią (U = 546.0, p = 0.653) ani wiekiem (ρ = −0.067, p = 0.600). Odnotowano dodatnie korelacje między USFT a BMI (ρ = 0.663, p < 0.001) oraz między USFT a obwodem szyi (ρ = 0.544, p < 0.001). Powiązania między USFT a wynikiem w skali STOP-BANG i jej komponentami przedstawiono w Tabeli 2.
Tabela 2 przedstawia ocenę statystyczną zależności między USFT a zmiennymi demograficznymi, antropometrycznymi i klinicznymi, w tym całkowitym wynikiem w skali STOP-BANG. Całkowita liczebność próby wyniosła n = 64. Analizy kategoryczne obejmowały kategorie ryzyka STOP-BANG (ryzyko niskie, 0–2; ryzyko pośrednie, 3–4; ryzyko wysokie, ≥5), binarne zmienne kliniczne (tak/nie dla chrapania, senności w ciągu dnia i nadciśnienia tętniczego) oraz płeć (kobieta/mężczyzna). Obserwowany bezdech został wykluczony z analizy porównawczej ze względu na ekstremalną dysproporcję między grupami (n = 1 dla odpowiedzi „tak”). Rozproszenie danych dla zmiennych ciągłych o rozkładzie innym niż normalny przedstawiono jako medianę (IQR). Do analizy zmiennych ciągłych (wiek, BMI, obwód szyi i wynik STOP-BANG) zastosowano korelację rang Spearmana, do porównań między trzema kategoriami ryzyka STOP-BANG użyto testu Kruskala–Wallisa, a do zmiennych kategorycznych dychotomicznych testu U Manna–Whitneya. W odpowiednich przypadkach podano wielkość efektu. Istotność statystyczną określono jako p < 0.05.
Wyniki i kategoryzacja ryzyka STOP-BANG
Dwudziestu uczestników (31,3%) zaklasyfikowano do grupy wysokiego ryzyka OSA na podstawie wyniku STOP-BANG ≥5. Ta klasyfikacja wysokiego ryzyka jest zgodna z końcowym rozkładem grup ryzyka przedstawionym na Ryc. 1 oraz w Tabeli 2.
Analiza statystyczna
Ze względu na ograniczoną liczbę przypadków wysokiego ryzyka, eksploracyjne analizy wielowymiarowe ograniczono do minimalnych modeli regresji logistycznej skorygowanych o wiek oraz z karą L2. W minimalnym modelu regresji logistycznej skorygowanego o wiek, USFT nie wiązało się z wysokim ryzykiem OSA w oparciu o STOP-BANG (OR = 1.00, 95% CI, 0.95–1.06; p = 0.936). Model regresji logistycznej z karą L2 dał spójny wynik (OR = 0.98, 95% CI, 0.93–1.04; p = 0.472). Spośród 64 uczestników 20 (31,3%) przeszło operację przepukliny brzusznej.
Ogólnie rzecz biorąc, USFT nie był istotnie powiązany z wynikiem STOP-BANG ani z kategoriami ryzyka STOP-BANG. USFT był istotnie wyższy u uczestników zgłaszających chrapanie i wykazywał dodatnią korelację z BMI oraz obwodem szyi; jednak w eksploracyjnej analizie regresji, po skorygowaniu o wiek, nie stwierdzono związku między USFT a wysokim ryzykiem OSA w oparciu o STOP-BANG. Wyniki te nie potwierdzają hipotezy badawczej, według której większa wartość USFT mierzona w TK byłaby powiązana z wyższymi wynikami STOP-BANG i zwiększonym ryzykiem OSA w oparciu o STOP-BANG.
Dostępność danych:
Zanonimizowany zestaw danych na poziomie uczestników, wykorzystany do analiz końcowych, jest dostarczony wraz z tym artykułem jako Plik z danymi uzupełniającymi 1. Zestaw danych z badania oraz kod analizy zostały również zdeponowane w serwisie Zenodo (DOI: 10.5281/zenodo.21969483); dostęp do zdeponowanych plików jest obecnie ograniczony. Uzupełniający zestaw danych towarzyszący temu artykułowi stanowi końcowy, zweryfikowany zestaw danych na poziomie uczestników, użyty do przedstawionych analiz.
Plik z danymi uzupełniającymi 1. Zanonimizowany zestaw danych na poziomie uczestników wykorzystany w analizach badania. Plik zawiera dane 64 uczestników uwzględnionych w analizie końcowej. Zmienne obejmują wiek, płeć, wzrost, masę ciała, wskaźnik masy ciała (BMI), status nadciśnienia tętniczego, chrapanie, zmęczenie, zaobserwowany bezdech, obwód szyi, dychotomizowane kryterium obwodu szyi STOP-BANG (>40 cm), wynik STOP-BANG oraz grubość podskórnej tkanki tłuszczowej w okolicy pępka (USFT). Zmienne binarne są zakodowane zgodnie z oznaczeniami w nagłówkach kolumn. Zestaw danych nie zawiera brakujących wartości dla zmiennych ujętych w tym pliku. Kliknij tutaj, aby pobrać ten plik.
Dyskusja
W tym przekrojowym badaniu obserwacyjnym nie stwierdzono statystycznie istotnego związku między pomiarem USFT w tomografii komputerowej (CT) a wynikiem STOP-BANG lub kategoriami ryzyka OSA opartymi na STOP-BANG. Brak tego związku utrzymy się po skorygowaniu o wiek, co sugeruje, że sam USFT może nie odzwierciedlać w sposób adekwatny ryzyka OSA w badanej populacji. Niemniej jednak USFT był istotnie powiązany z BMI oraz obwodem szyi, co potwierdza jego związek z ogólną i górnopartyjną otyłością. Związek z chrapaniem może również wskazywać na relację między otyłością podskórną a poszczególnymi komponentami ryzyka OSA, choć wynik ten należy interpretować z ostrożnością. Wyniki te są spójne z wieloczynnikową naturą OSA, w której na ryzyko wystąpienia choroby wpływają czynniki anatomiczne, metaboliczne i demograficzne, a nie pojedynczy pomiar tkanki tłuszczowej. W niniejszym badaniu oceniono związek między dwoma pośrednimi miarami: grubością tkanki tłuszczowej podskórnej w CT oraz kwestionariuszową skalą ryzyka OSA, STOP-BANG. W związku z tym wyniki należy interpretować jako odzwierciedlenie nakładania się konstruktów pomiarowych, a nie jako rzeczywistą predykcję choroby.
W niniejszym badaniu nie przeprowadzono PSG, a OSA oceniano za pomocą kwestionariusza STOP-BANG. Chociaż STOP-BANG jest powszechnie stosowanym narzędziem przesiewowym i może służyć jako ocena triage’owa w sytuacjach ograniczonego dostępu do PSG, nie powinno ono zastępować obiektywnych badań snu. Jego ograniczona swoistość może prowadzić do błędnej klasyfikacji i osłabić obserwowaną zależność między USFT a obiektywnie zdiagnozowanym OSA1,5,10. W związku z tym obecne wyniki należy interpretować jako ocenę przekrojowego związku między USFT a wynikiem STOP-BANG, a nie jako dowód związku z obiektywnie zdiagnozowanym OSA. W niniejszym badaniu USFT wykazało silne korelacje dodatnie z BMI oraz obwodem szyi, co sugeruje, że może ono odzwierciedlać przede wszystkim ogólne cechy związane z otyłością, a nie wykazywać niezależny związek z ryzykiem OSA. W poprzednich badaniach podobnie zgłaszano korelacje między grubością tkanki podskórnej mierzoną ultrasonograficznie w obrębie szyi, klatki piersiowej i brzucha a zmiennymi antropometrycznymi, podczas gdy grubość tkanki tłuszczowej podskórnej brzucha mierzona 2 cm powyżej pępka oraz grubość tkanki tłuszczowej podskórnej mierzona nad drugą przestrzenią międzyżebrową były powiązane z ryzykiem OSA w wybranych populacjach8.
Zależność między tkanką tłuszczową trzewną a podskórną a ryzykiem wystąpienia OSA nie jest jednak koniecznie równoważna. Wcześniejsze badania wykazały, że otyłość trzewna może być ściślej powiązana z ryzykiem i ciężkością OSA, podczas gdy otyłość podskórna może odgrywać bardziej ograniczoną rolę11,12. Dotychczasowe dowody sugerują, że osoby o wyższym ryzyku OSA mogą wykazywać większą ilość tkanki tłuszczowej trzewnej. W naszym badaniu brak istotnego związku między USFT a wynikiem w skali STOP-BANG może zatem odzwierciedlać fakt, że oceniano jedynie grubość tkanki tłuszczowej podskórnej, podczas gdy otyłość trzewna i rozkład tłuszczu w innych regionach anatomicznych nie zostały poddane ocenie. BMI i obwód szyi są uznanymi parametrami antropometrycznymi powiązanymi z ryzykiem OSA, przy czym doniesiono również, że obwód szyi wiąże się z ciężkością OSA13,14. W naszym badaniu silne korelacje między USFT, BMI i obwodem szyi sugerują wspólną wariancję i możliwą kolinearność między pomiarami związanymi z otyłością, co mogło ograniczyć zdolność USFT do dostarczenia dodatkowych informacji poza uznanymi komponentami STOP-BANG. W naszym badaniu USFT było istotnie powiązane z chrapaniem. Wynik ten należy jednak interpretować ostrożnie, ponieważ na chrapanie wpływa wiele czynników, w tym anatomia górnych dróg oddechowych, napięcie mięśni gardła, opór nosowy oraz predyspozycje genetyczne. Ponadto chrapanie było zgłaszane przez pacjentów, co mogło wprowadzić błąd raportowania, a stosunkowo mała liczebność próby mogła ograniczyć moc statystyczną niezbędną do zdefiniowania siły tego związku.
Płeć męska jest dobrze udokumentowanym czynnikiem ryzyka wystąpienia OSA1,3. Jest to w dużej mierze przypisywane różnicom hormonalnym między mężczyznami a kobietami, które wpływają również na wzorce rozmieszczenia tkanki tłuszczowej. U mężczyzn tkanka tłuszczowa ma tendencję do gromadzenia się głównie w obszarach trzewnych, podczas gdy u kobiet obserwuje się większy udział tkanki tłuszczowej podskórnej3,4. Zgodnie z tymi różnicami fizjologicznymi, wcześniejsze badania wykazały, że ciężkość OSA jest wyższa u mężczyzn niż u kobiet o porównywalnym BMI i obwodzie pasa1,3. Jednak w naszym badaniu USFT nie różniło się istotnie w zależności od płci. Hipotezą jest, że wynik ten może być wyjaśniony kilkoma czynnikami, w tym ograniczoną wielkością próby, faktem, że mierzono jedynie grubość tkanki tłuszczowej podskórnej, oraz brakiem oceny tłuszczu trzewnego, który może odgrywać bardziej krytyczną rolę w różnicach ze względu na płeć w ciężkości OSA. OSA jest również uznawana za zaburzenie snu związane z wiekiem1,3. Ponadto u osób z wyższym BMI zgłaszano istotny dodatni wzrost objętości tłuszczu okoż나가rdłowego wraz z wiekiem15. Pomimo tych doniesień, brak statystycznie istotnego związku między USFT a wiekiem w naszym badaniu może wynikać z faktu, że pomiar koncentrował się wyłącznie na tkance tłuszczowej podskórnej na poziomie pępka oraz z ograniczonej wielkości próby.
Brak statystycznie istotnego związku między USFT a nadciśnieniem tętniczym w naszej próbie może odzwierciedlać złożony charakter relacji między otyłością a nadciśnieniem opisywany w literaturze. Dowody epidemiologiczne silnie wspierają tezę, że otyłość jest głównym czynnikiem ryzyka nadciśnienia tętniczego; jednak relacja ta jest wpływana przez wiele oddziałujących na siebie czynników, w tym płeć, cechy demograficzne, uwarunkowania genetyczne, mechanizmy neurohormonalne oraz czynniki środowiskowe16. Wcześniejsze badania wykazały, że wskaźnik tłuszczowości trzewnej oraz produkt akumulacji lipidów są związane ze zwiększonym ryzykiem OSA i mogą służyć jako potencjalne markery prognostyczne17. W szczególności otyłość typu androidalnego, charakteryzująca się większą akumulacją tłuszczu trzewnego, była silniej powiązana z nadciśnieniem tętniczym niż otyłość typu ginoidalnego16. Dlatego brak istotnego związku w naszym badaniu może częściowo wynikać z faktu, że mierzyliśmy jedynie grubość tkanki podskórnej na poziomie pępka i nie ocenialiśmy tłuszczowości trzewnej. U osób otyłych zwiększenie USFT jest wynikiem oczekiwanym3. Senność w ciągu dnia oraz zaobserwowane bezdechy są powszechnymi objawami u pacjentów z OSA18,19. W związku z tym początkowo postawiliśmy hipotezę, że USFT będzie powiązane z tymi manifestacjami klinicznymi. Jednak nasza analiza nie wykazała istotnego związku między USFT a sennością w ciągu dnia. Wynik ten może być wyjaśniony wieloczynnikową naturą objawów OSA, na które wpływa nie tylko tkanka tłuszczowa podskórna brzucha, ale także akumulacja tłuszczu trzewnego, anatomia górnych dróg oddechowych, czynniki nerwowo-mięśniowe oraz predyspozycje genetyczne. Dodatkowo parametry subiektywne, takie jak senność w ciągu dnia, opierają się na samoopisie pacjentów, co może wprowadzać heterogeniczność do pomiarów. Stosunkowo niewielka wielkość próby w naszym badaniu oraz wyłączna koncentracja na pomiarach tkanki podskórnej w okolicy pępka mogły również przyczynić się do braku istotnego związku. W poprzednich badaniach zgłoszono, że tkanka tłuszczowa trzewna jest silniej powiązana z OSA, podczas gdy tłuszcz podskórny odgrywa bardziej ograniczoną rolę w odzwierciedlaniu tych objawów klinicznych.
Ograniczenia niniejszego badania obejmują stosunkowo niewielką liczebność próby oraz fakt, że zostało ono przeprowadzone w jednym ośrodku. Ponadto w obecnym badaniu nie wykonano PSG, które jest obecnie uznawane za złoty standard w diagnostyce OSA, a ograniczona swoistość STOP-BANG jako narzędzia przesiewowego mogła przyczynić się do pozornego słabego związku między USFT a OSA. Co więcej, pomiary TK ograniczono do tkanki tłuszczowej podskórnej na poziomie pępka, a tkanki tłuszczowej trzewnej lub rozkładu tłuszczu w innych regionach ciała nie oceniano. Pomimo braku związku między USFT a STOP-BANG, okazjonalna ocena otyłości w oparciu o TK może nadal mieć potencjał w badaniach nad przesiewem okołoperacyjnym. Miary pochodne z TK, w szczególności otyłość trzewna, mogłyby zostać zbadane jako markery uzupełniające obok uznanych klinicznych czynników ryzyka. Dalsze badania są niezbędne, aby ustalić, czy miary te są niezależnie powiązane z ryzykiem OSA obok konwencjonalnych ocen klinicznych. Podsumowując, zmierzona w TK grubość USFT nie była istotnie powiązana z wynikiem STOP-BANG ani z kategoriami ryzyka OSA opartymi na STOP-BANG, a brak tego związku utrzymywał się po korekcie o wiek. Chociaż USFT było istotnie powiązane z parametrami związanymi z otyłością, w tym z BMI i obwodem szyi, a także z chrapaniem, wyniki te nie ustanawiają bezpośredniej zależności między podskórną tkanką tłuszczową brzucha a obiektywnie zdiagnozowanym OSA. Zatem samo USFT nie wydaje się w sposób adekwatny odzwierciedlać ryzyka OSA opartego na STOP-BANG. W celu wyjaśnienia potencjalnej roli miar otyłości pochodnych z TK w stratyfikacji ryzyka OSA uzasadnione jest przeprowadzenie przyszłych badań na większych próbach, z obiektywną oceną OSA przy użyciu PSG oraz kompleksową oceną rozkładu trzewnej i podskórnej tkanki tłuszczowej.
Oświadczenia
Konflikt interesów:
Autorzy oświadczają, że nie występuje konflikt interesów.
Podziękowania
Autorzy potwierdzają wykorzystanie narzędzia ChatGPT (GPT-5) firmy OpenAI w celu wsparcia redakcji języka angielskiego oraz korekty gramatycznej podczas przygotowywania rękopisu. Cała treść rękopisu oraz interpretacje naukowe zostały sprawdzone i zatwierdzone przez autorów. Badania nie były finansowane z żadnych zewnętrznych środków.
Materiały
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| 128-detektorowy tomograf komputerowy (CT) wieloslicowy | GE Healthcare | Revolution EVO EX/EL | RRID niedostępny |
| Elastyczna miara | Lufkin | 50' x 3/8 | RRID niedostępny |
| matplotlib | Python Software Foundation | Version 3.7.1 | SCR_008624 |
| pandas | Python Software Foundation | Version 1.5.3 | SCR_018214 |
| Przeglądarka ProHIMS PACS | ProHIMS | Version 2024.5.0 | RRID niedostępny |
| 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 |
| Kwestionariusz STOP-BANG | University of Toronto (Chung F. et al.) | N/A | RRID niedostępny |
| Zbiór danych badania i kod analizy | Zenodo | DOI: 10.5281/zenodo.21969483 | RRID niedostępny |
Bibliografia
- 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.