构建连续RLCI信号
建立量化呼吸恢复与肢体EMG共激活强度的连续指标
从气流信号计算呼吸恢复评分，从腿部EMG提取归一化相位性活动，两者点乘后经稳健缩放映射至0-100
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
呼吸-肢体共激活指数（RLCI）：一种用于在横断面睡眠队列中对心血管疾病风险进行分层的连续信号生物标志物
The Respiration-Limb Coactivation Index (RLCI): A Continuous Signal-Based Biomarker for Stratifying Cardiovascular Disease Risk in a Cross-Sectional Sleep Cohort
实验完整度
高基于多中心PSG队列（S0001 N=20737及I0004、I0006外部验证），含连续信号建模、多变量回归、相互调整、超参数敏感性分析
主要模型
S0001多导睡眠图队列（N=20737） I0004验证队列（N=10503次记录） I0006验证队列（N=5427次记录）
重点核对
主要分析队列S0001最终纳入20737例，排除信号质量不足或人口学数据缺失者 RLCI为呼吸流恢复评分与归一化相位性腿部EMG活动的平滑乘性交互，缩放至0-100 多变量logistic回归调整年龄、性别、种族、BMI、睡眠效率及log1p转换的AHI和ArI 以每1-SD log1p转换指标的OR评估关联，Benjamini-Hochberg控制FDR 在19种信号处理超参数配置下重算RLCI（N=4846子集）验证稳健性
摘要
研究目的：传统的呼吸相关肢体运动（RRLM）指标依赖于事件定义和重叠规则，无法捕捉连续的呼吸-运动耦合强度。我们开发了呼吸-肢体共激活指数（RLCI），一种算法化的连续生物标志物，并评估了其与心血管疾病（CVD）的关联。材料与方法：在Human Sleep Project多导睡眠图数据中，于S0001（N=20737）计算RLCI，定义为呼吸流恢复与相位性腿部EMG包络之间的交互作用。将锁定的S0001流程（不进行参数调优）应用于两个独立的HSP中心（I0004、I0006）。通过多变量logistic回归评估其与现患冠心病（CHD）、脑血管疾病（CER）和外周血管疾病（PVD）的关联，并与LMI、PLMI和RRLMI进行分期限制比较及信号处理敏感性分析。结果：经协变量调整后，整夜RRLMI对CHD或CER不显著，而RLCI指标，尤其是在N1期和前半夜睡眠中，仍与CER和PVD相关。RLC N1显示出最强的CER关联（每1-SD OR 1.11，95% CI 1.06–1.15），RLC FirstHalf与PVD相关（OR 1.07，95% CI 1.03–1.11）。分期限制的RRLMI_N1对全部四项结局均显著，支持分期匹配的基准比较。相互调整提示RLCI对CER和PVD提供补充信息，而传统N1期呼吸相关运动更好地捕捉CHD。结果在敏感性分析和外部验证中保持稳定。结论：RLCI与CER和PVD的关联提示呼吸相关运动共激活捕捉到不同于累积缺氧或睡眠碎片化的自主神经激增，可能补充基于呼吸暂停-低通气指数的心血管风险分层。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 能否构建一种连续、基于信号的呼吸-肢体共激活指标（RLCI），并评估其与心血管疾病（CHD、CER、PVD）的关联，且独立于传统指标如AHI？
- 核心机制
- RLCI量化呼吸恢复与相位性腿部EMG激活之间的时间同步，作者提出这一共激活反映自主神经/血流动力学激增，区别于累积缺氧或睡眠碎片化；该机制为推测性解释，需直接血压监测确认。
- 主要证据
- 在S0001大队列中，RLC N1与CER关联（每1-SD OR 1.11，95% CI 1.06–1.15），RLC FirstHalf与PVD关联（OR 1.07，95% CI 1.03–1.11）；结果在超参数敏感性分析和I0004、I0006外部验证中方向一致。
- 研究意义
- 作者提出RLCI可能补充基于呼吸暂停-低通气指数的心血管风险分层，并可作为治疗反应读出指标的潜在方向。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
腿部EMG自动质量控制
排除严重损坏的EMG通道以保证RLCI计算可靠性
对LAT和RAT分别计算RMS振幅、平线百分比和包络信噪比代理，保留合格通道并取双侧包络逐点最大值
多变量关联筛选
识别独立于标准混杂因素的RLCI-CVD关联
对每个指标与疾病结局拟合多变量logistic回归，log1p转换并标准化，BH法控制FDR
高值效应与独立性分析
检验关联是否由高值端驱动及RLCI是否提供超越传统指标的独立信息
进行Q4 vs Q1–Q3比较及RLCI与传统指标的相互调整嵌套模型比较（LRT、ΔAIC、VIF）
超参数敏感性与外部验证
评估RLCI关联对信号处理参数及中心差异的稳健性
在19种超参数配置下于N=4846子集重算OR；将锁定流程应用于I0004和I0006
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 信号预处理 | MNE-Python | -- | -- |
| 信号处理 | SciPy信号处理模块 | -- | -- |
| 稳健缩放 | 稳健缩放器 | scikit-learn | -- |
| 统计分析 | R统计软件 | -- | 4.4.2 |
| 自动睡眠分析 | CAISR自动睡眠分析框架 | -- | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 主要分析队列 | 样本量N=20737；排除标准包括LMI/PLMI/AHI/睡眠效率/ArI缺失、双侧EMG QC失败、BMI<15或>60、年龄/BMI/种族缺失 阅读提示：Figure 2数据处理与受试者筛选流程图；Methods Dataset小节 |
| RLCI信号处理 | 呼吸恢复窗口Twin=4s、步长2.0s、Lmax=5.0、10s平滑；EMG包络1.0s平滑、P25归一化；0-100稳健缩放 阅读提示：Methods Construction of the respiration–limb coactivation index小节 |
| EMG质量控制阈值 | RMSμV≥1.0、Flat%≤1%、SNRproxy≥2.0 阅读提示：Methods Automated quality control of leg EMG小节及Figure S1 |
| 多变量回归协变量 | 调整年龄、性别、种族、BMI、睡眠效率、log1p-AHI、log1p-ArI；log1p转换与Z标准化 阅读提示：Methods Statistical analysis小节 |
| 外部验证 | 锁定S0001流程不调参应用于I0004（N=10503）和I0006（N=5427） 阅读提示：Methods Dataset与Results Inter-center validation小节，Table S6 |