2008年,一份一分钟的术前筛查,把风险分层与仍然界定疾病的睡眠监测分开。
中文阅读 · 英文原文:2008: STOP-Bang Makes OSA Risk Visible Before the Operating Room
观看配套影片
2008: Frances Chung — STOP-Bang Sleep Apnea Screening · 在 YouTube 观看
(视频托管在 YouTube,中国大陆可能无法访问。)
历史定位:2008年。日期细节与来源限定见下文。

这个故事里最显眼的物件,是一张纸。
它没有记录睡眠监测,没有作出诊断,也没有预测术后会发生什么。它只是提出几个问题,患者在繁忙的门诊里走流程时就能回答。这个不起眼的角色之所以重要,是因为阻塞性睡眠呼吸暂停公认的诊断检查——整夜多导睡眠监测(PSG)——需要时间、实验室床位和技术人员,还要求一位手术日期临近的患者再多投入一次。
2008年5月,Frances Chung 及其同事发表了一项来自多伦多 Toronto Western Hospital 与 Mount Sinai Hospital 术前门诊的研究。他们的目标很实际:为手术患者编制一份简短的筛查表,再拿它与实验室监测下的多导睡眠监测所测得的呼吸暂停低通气指数(AHI)对照。这篇论文最终贡献了 STOP-Bang 这个名字,但它的正式题目是 STOP Questionnaire: A Tool to Screen Patients for Obstructive Sleep Apnea。这一区别揭示了这件工具实际上是怎样组装起来的。
1. 论文从 STOP 开始,而不是八个平等的条目
研究者从既往工作、文献回顾,以及麻醉医师和睡眠专科医师的讨论出发,整理出14个备选问题,交给278名患者作答。其中254名患者的完整回答进入因子分析。
最后选出的四个是非题,分别代表四个方面:响亮的打鼾、白天疲倦、被旁人看见睡眠中呼吸停顿,以及高血压。它们的首字母合起来就是 STOP。问卷措辞定在英文五年级阅读水平,纸笔作答约需一分钟。两项或以上回答为“是”的患者被归为高风险。
这种简单是刻意设计的。更长的问卷和更复杂的计分系统,也许在研究环境里可行,到了拥挤的门诊柜台却可能失灵。作者把完成时间和阅读难度当作临床问题的一部分,而不是呈现方式上的小事。
他们还请55名患者两次填写 STOP,间隔1至27天,中位数8天。53人复测得分相同,一致率96.4%,kappa 为0.923。这一结果属于这个小样本中的四项 STOP 问卷,不应被放大成对八项 STOP-Bang 全部条目的另一项可靠性研究。
2. 分母在验证之前早已缩小
这项研究的患者流向,和那个缩写一样有启发性。在16个月里,有2,974名患者愿意填写问卷,其中2,721人的问卷与人口学资料完整。这些记录中有254份用于因子分析。STOP 形成后,又对另外2,467名患者施测:试点阶段592人,随后的验证阶段1,875人。
所有回答了 STOP 的2,467名患者,不论得分高低,都被邀请接受整夜多导睡眠监测。只有416人同意,占17%。而在同意者中,又有205人没有到实验室。最终有211名患者完成了多导睡眠监测:最先的34人构成试点组,其余177人构成验证组。
这些数字可以防止一个容易犯却很严重的错误。这项研究并不是用2,467次睡眠监测验证了问卷。它用 STOP 筛查了2,467人,而诊断表现是在完成验证路径的177人中估计出来的。
STOP 把2,467名受筛查者中的679人,即27.5%,归为高风险。这是问卷结果,不是阻塞性睡眠呼吸暂停的患病率。患病率需要参照评估,而且始终与谁同意接受这项评估分不开。
3. Bang 是加上去的一层
形成 STOP 之后,研究者考察了术前门诊随手可得的四项特征:体重指数、年龄、颈围和性别。2008年模型所用的阈值是:BMI 大于35 kg/m²、年龄大于50岁、颈围大于40 cm,以及男性。它们的首字母为 STOP 添上了 B、A、N、G。
由此得到的八项替代计分模型被称为 STOP-Bang。在原始论文的附录2中,三项或以上为阳性即表示高风险。后来出现的风险分级和组合规则属于这一工具的后续版本,不能作为2008年研究者所检验内容的证据。
因此,Bang 并不是由同一次因子分析选出的另外四个症状问题。它把测量和人口学信息加到一份以症状和病史为主的筛查表上。这个缩写让两层显得天衣无缝,但它的构建过程仍是两步:先选出四个问题,再加上四项特征。
4. 敏感度有看得见的代价
177人的验证样本,让研究团队能在几个 AHI 阈值下比较 STOP 与 STOP-Bang。以 AHI 大于15为阈值时,STOP 的敏感度为74.3%,特异度为53.3%;STOP-Bang 把敏感度提高到92.9%,特异度则降到43.0%。
以 AHI 大于30为阈值时,STOP-Bang 在这一样本中的敏感度达到100%,特异度为37.0%。重度组只有39名患者,敏感度的95%置信区间为91.0%至100%。这个估计值值得重视,但它不能保证今后每一位重度患者都会被检出。
这种取舍正是筛查的逻辑。敏感的阈值会把更多可能患病的人送往进一步评估,也会把更多达不到参照阈值的人一并送去。在术前门诊,收获是漏掉的高风险患者更少;代价是额外的评估、计划和有限资源的占用。只报一个百分比而不报与之配对的特异度,就把这个临床选择藏起来了。
2008年原始表格报告,在 AHI 大于5时,STOP-Bang 的敏感度和特异度分别为83.6%和56.4%。2016年一份指南的表格印作56.3%,这是一个微小的四舍五入或转录差异。就这篇历史文章而言,以2008年的原始表格为准。
5. 睡眠实验室留在另一条路径上
参照检查是术前在 Toronto Western Hospital 睡眠实验室进行的一夜、由技术人员监督的多导睡眠监测。负责评分的主要技术人员不知道患者的 STOP 风险分类或临床资料。另有10份随机抽取的记录由另一位经验丰富的技术人员重新评分,相关系数为0.984。这是多导睡眠监测评分上的一道有用保障,并不意味着研究的每个环节都是双盲的。
更大的局限仍在于谁进入了睡眠实验室。在177名验证参与者中,有122人的 AHI 大于5,患病率为68.9%。完成多导睡眠监测的患者,BMI 高于未同意参加者。作者还指出,有睡眠症状的人可能更愿意自愿参加。同意率低,加上同意者中49%未到场,使自我选择的影响难以排除。
因此,验证组并不是每一个术前门诊的缩影。研究纳入的是 ASA 体格状态 I 至 IV 级、预定接受特定择期外科专科手术的成人。既往已确诊阻塞性睡眠呼吸暂停或其他睡眠呼吸障碍的患者被排除,无法给出知情同意的患者和部分预计脑电图异常的患者也被排除。作者说明,这一工具当时只在非肿瘤外科患者中检验过,还需要在其他人群中验证。
这也不是一项管理试验。研究者比较的是筛查表与 AHI。他们没有把患者随机分配到使用或不使用 STOP-Bang 的诊疗路径,也没有证明使用这份问卷能减少并发症、死亡、住院或费用。这篇论文让风险更容易被标记出来;诊断和诊疗决策仍需另一条临床路径。
6. 留下来的是一种分工
University Health Network 后来的机构记述显示,STOP-Bang 走出了最初的两所术前门诊,进入更广泛的临床使用。到2016年,Society of Anesthesia and Sleep Medicine 的指南把 STOP-Bang 列入可用于识别疑似阻塞性睡眠呼吸暂停手术患者的工具之一,推荐等级为强推荐,证据等级为中等。
同一份指南也没有把一项成功的筛查变成普遍适用的诊断说法。筛查表现和预测值取决于受检人群。在患病率较低的场合,阳性结果的含义会改变。至于筛查本身能否减少围术期并发症,证据仍然有限。
这些审慎之处,反而让2008年的贡献更加清楚。STOP-Bang 作出了合理的分工:一份一分钟的纸面筛查可以举起风险的旗子;多导睡眠监测和临床评估回答的是另一个问题。这份问卷没有把睡眠实验室压缩成八个方格。它给了忙碌的术前团队一种办法,去决定谁的风险不该再被忽视。
在这里,持久的进步是一种决定谁该进入下一步的实用办法,同时并不假装那一步已经不再需要。
来源与阅读范围
来源:Chung F, Yegneswaran B, Liao P, et al. Anesthesiology. 2008;108(5):812–821. DOI 10.1097/ALN.0b013e31816d83e4; Chung F, Memtsoudis SG, Ramachandran SK, et al. Anesth Analg. 2016;123(2):452–473. DOI 10.1213/ANE.0000000000001416; University Health Network institutional histories, 2011 and 2023. 2008年的论文全文已按文字阅读并逐页目视查看;2016年指南中本文所引的部分已阅读。
视觉诠释
这些插图探索当时的场景与观念。画中的人物、动作、器械和文件均为重构,不能证明其确切的历史面貌。



继续阅读
相关阅读只表示问题和背景相关,本身不证明历史上的影响关系。
Anesthesia Epochs · The Source Room · About & Editorial Method
中文版与英文原文一一对应;如有出入,以英文版为准。来源与阅读范围见上文。插图均标明为原始资料图片或 AI 制作。历史叙述仅供教育,不是当前的治疗建议。