上海
⚠️ 临床背景
阻塞性睡眠呼吸暂停（OSA）成人患病率高达9%-38%，但大量患者因多导睡眠监测（PSG）耗时、昂贵、可及性差而未能确诊。
智能手表能否填补这一筛查缺口？2026年AAN年会上，Khanzada团队报告的系统综述与荟萃分析给出了答案。
研究设计
纳入12项研究、近1200名受试者，评估智能手表诊断OSA的准确性。
核心结果
灵敏度（抓真阳性能力）：88.6%
在100位PSG确诊的OSA患者中，智能手表能正确识别约89位，漏掉11位。对于以轻中度患者为主的社区筛查，表现足以作为“哨兵”。
⚠️ 研究间异质性较高（I²=72.9%），不同品牌、算法存在差异。
特异性（辨真阴性能力）：73.0%
在健康人群中，约27%会被手表误判为“疑似OSA”。假阳性率偏高，在低患病率人群中可能引发不必要的焦虑和PSG转诊。
特异性异质性为0，说明不同研究结论高度一致，也反映出当前消费级传感器在区分正常呼吸与轻微呼吸事件时仍存在技术瓶颈。
总体诊断准确率：85.5%
AUC为0.71（0.5=随机猜测，0.9以上=优秀），属于中等偏上的诊断性能。
诊断优势比16.4（识别OSA的能力是误判的16倍以上），在非金标准工具中已属优秀。
⚠️ 临床结论：补充而非替代
研究明确强调：智能手表评估应作为PSG的补充，而非替代。
理由：
1. AUC尚未达到0.9以上的“可替代”阈值
2. 研究间存在中度至高度异质性（准确率I²=80.2%），算法尚未统一
若仅凭手表数据启动CPAP治疗，可能导致约15%的误诊或分度错误。
临床建议
| 场景 | 建议 |
| 筛查/分流 | 可借助手表提高警惕，尤其对高风险人群 |
| 确诊/治疗决策 | 必须经PSG确认，不能仅凭手表数据启动CPAP |
| 阳性报警 | 视为“需要进一步评估”的信号，而非确诊依据 |
| 阴性结果 | 可增加临床信心，但不能完全排除OSA |
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
