学术报告：《NCH睡眠数据库：大规模真实世界儿科睡眠研究数据集》

作者与发表信息

本研究由来自卡内基梅隆大学（Carnegie Mellon University）、全国儿童医院（Nationwide Children’s Hospital）和加州大学河滨分校（University of California, Riverside）的研究团队合作完成。主要作者包括Harlin Lee、Boyue Li、Shelly DeForte、Mark L. Splaingard、Yungui Huang、Yuejie Chi和Simon L. Linwood。该研究于2022年发表在《Scientific Data》期刊上。

学术背景

该研究属于儿科睡眠医学与生物信息学的交叉领域。睡眠对儿童健康发育至关重要，但儿科睡眠研究面临两大挑战：一是缺乏大规模临床注释的儿科睡眠数据；二是现有数据集多来自受控实验环境，难以反映真实临床场景。据估计，健康儿童中睡眠问题发生率约25%，而在特殊健康需求儿童中高达80%，但现有研究数据严重不足。

研究团队旨在建立首个大规模真实世界儿科睡眠数据库——NCH睡眠数据库（NCH Sleep Databank），包含3,984项多导睡眠图（polysomnography, PSG）研究和560万条临床观察数据，来自2017-2019年间全国儿童医院的3,673名独特患者。该数据库的建立将推动自动睡眠分期、实时睡眠障碍预测等研究方向的发展。

研究方法与流程

数据采集与处理

研究团队采用标准化临床流程采集数据，使用Natus SleepWorks 8和9版本系统记录患者整夜生理信号，包括： - 脑电图（EEG）：识别睡眠阶段 - 肌电图（EMG）：监测下巴和腿部肌肉活动 - 眼电图（EOG）：检测REM睡眠特征性眼动 - 心电图（ECG）：监测心率和心律 - 呼吸传感器：测量气流和胸腹运动 - 血氧仪：监测血氧饱和度 - 二氧化碳监测：评估通气状况

所有睡眠研究均由专业技师实时注释，再由第二位技师进行分期和评分，最后由睡眠医学认证医师验证或修改。研究团队特别强调，由于儿童睡眠阶段的变异性，所有睡眠阶段均为人工评分，未使用自动评分系统。

数据去标识化处理

为保护患者隐私，研究团队实施了严格的数据去标识化流程： 1. 为每位患者和每次睡眠研究分配随机ID 2. 替换EDF+文件头信息 3. 应用随机日期偏移（±180天） 4. 对罕见诊断代码进行特殊处理（影响6,460行数据） 5. 使用白名单方法处理自由文本注释（影响约0.22%的注释）

数据集构成

最终发布的数据集包含两大部分： 1. 睡眠数据：3,984个EDF格式的PSG记录和对应的TSV格式注释文件 2. 健康数据：患者人口统计学和纵向临床数据，包括： - 人口统计信息（3,673名患者） - 就诊记录（495,138条） - 用药记录（3,035,986条） - 测量数据（332,569条） - 诊断记录（1,513,853条） - 手术记录（283,599条）

技术验证

为确保数据质量，研究团队进行了多维度验证： 1. PSG数据验证：随机抽取研究样本，验证原始Natus SleepWorks数据与发布EDF文件的一致性 2. 临床数据验证：核对去标识化数据与原始电子健康记录（EHR）的一致性 3. 数据映射验证：成功匹配3,964项睡眠研究与就诊记录

研究团队还开发了基于小波变换和随机森林的基线睡眠分期算法，在成人子集中达到81.1%的准确率，验证了数据的技术质量。

主要研究成果

数据集特征

1. 规模与代表性：包含3,984项PSG研究，总记录时长40,884小时，平均每项研究10.3小时
2. 人口特征：患者年龄主要集中在10岁以下（2,412名）；种族分布以白人为主（66.24%），非裔美国人占20.09%
3. 临床随访：74%患者有90天至2年的随访记录

特殊发现

1. 睡眠阶段分布：在全部5,046,370条注释中，79.48%与睡眠分期相关，其中：

   • N2期占比最高（27.41%）
   • REM期占12.11%
   • 不确定阶段（”sleep stage?“）占6.88%

2. Prader-Willi综合征（PWS）患者分析：

   • 识别出34名PWS患者（16项PSG研究）
   • 与肥胖非PWS患者相比，PWS患者：
     • 清醒时间更少（14.4% vs 20.5%）
     • N2期睡眠更多（45.2% vs 39.9%）
     • 总睡眠时间更长（8.0±0.7小时 vs 7.5±0.9小时）

研究价值与意义

科学价值

1. 填补研究空白：首个大规模真实世界儿科睡眠数据库，特别关注儿童群体
2. 多模态数据整合：同时包含生理信号和丰富的临床数据
3. 标准化与可重复性：严格遵循美国睡眠医学会（AASM）的技术规范

应用价值

1. 自动睡眠评分：为开发儿童特异性算法提供训练数据
2. 睡眠障碍检测：特别是阻塞性睡眠呼吸暂停（OSA）的实时检测
3. 个性化医疗：支持患者亚型分析和治疗有效性评估
4. 跨学科研究：为睡眠医学、儿科、神经科学等领域的交叉研究提供资源

研究亮点

1. 规模创新：目前最大的真实世界儿科睡眠数据集
2. 临床相关性：全部数据来自标准临床环境，非受控实验
3. 数据完整性：包含丰富的纵向临床数据
4. 技术严谨性：多重验证确保数据质量
5. 开放获取：数据发布于PhysioNet和NSRR平台，配套Python工具包

其他有价值内容

研究团队特别提供了完整的数据使用指南，包括： 1. 详细的文件格式说明（sleep_study_data_file_format.pdf） 2. 常见通道列表及其频率分布 3. 主要诊断的ICD-10编码分布 4. 配套分析代码（GitHub仓库：liboyue/sleep_study）

该数据库预计将推动多个研究方向的发展，包括但不限于： - 结合EEG以外模态的自动睡眠分期算法 - 基于机器学习的实时睡眠障碍检测系统 - 睡眠障碍亚型分析 - 治疗有效性评估等

这项研究得到了美国国立卫生研究院（NIH）国家生物医学成像和生物工程研究所的支持（R01EB025018）。