& Get_box_var;

ARTIKEL ASLI

Obstructive Sleep Apnea dan Insiden Diabetes

Sebuah Sejarah Cohort Study

Tetyana Kendzerska 1, Andrea S. Gershon 1,2,3,4, Gillian Hawker 1,2,3,5, George Tomlinson 1,6, dan Richard S. Leung 2,7

1 Institut Kebijakan Kesehatan, Manajemen dan Evaluasi, 2 Departemen Kedokteran, dan 3 Lembaga Clinical Sciences evaluatif, Fakultas Kedokteran, Universitas Toronto, Toronto, Kanada; 4
Departemen Kedokteran, Sunnybrook Health Sciences Center, Toronto, Kanada; 5 Departemen Kedokteran, Rumah Sakit Wanita College, Toronto, Kanada; 6 Departemen Kedokteran, University
Health Network / Rumah Sakit Mt Sinai, Toronto, Ontario, Kanada; dan 7 Departemen Kedokteran, Rumah Sakit St Michael, Toronto, Kanada

Abstrak Measurements and Main Results: Over a median follow-up of 67 months, 1,017 (11.7%) of
8,678 patients developed diabetes, giving a cumulative incidence at 5 years of 9.1%
Alasan: Despiteemergingevidence thatobstructivesleepapnea (OSA) may cause metabolic (95% con fi dence interval, 8.4 – 9.8%). In fully adjusted models, patients with apnea –
disturbances independently of other known risk factors, it hypopnea index (AHI) greater than 30 had a 30% higher hazard of developing
remainsunclearwhetherOSAisassociatedwithincidentdiabetes. diabetes than those with AHI less than 5. Among other OSA-related variables, AHI in
rapid eye movement sleep and time spent with oxygen saturation less than 90% were
Objectives: To evaluate whether risk of incident diabetes was related to the
associated with incident diabetes, as were heart rate, neck circumference, and sleep
severity and physiologic consequences of OSA.
time.

Methods: Ahistorical cohort studywas conductedusing clinical and provincial health

administrative data. All adults without previous diabetes referred with suspected OSA who
underwent a diagnostic sleep study at St. Michael ’ s Hospital (Toronto, Canada) between
Conclusions: Among people with OSA, and controlling for multiple confounders,
1994 and 2010 were followed through health administrative data until May 2011 to
initial OSA severity and its physiologic consequences predicted subsequent risk for
examine the occurrence of diabetes. All OSArelated variables collected from the sleep
incident diabetes.
study were examined as predictors in Cox regression models, controlling for sex, age,
body mass index, smoking status, comorbidities, and income.
Keywords: sleep apnea, obstructive; diabetes mellitus; epidemiology

Diabetes has been described as a public health
epidemic, af fl icting 10.8% of women and 11.8% of
men in the United States (1). There is emerging
evidence that obstructive sleep apnea (OSA), through
chronic intermittent hypoxemia, recurrent
arousals, and neurohumoral changes, may cause
metabolic disturbances including insulin resistance
independently of other known risk factors (2 – 5)
and that OSA may represent a therapeutic target in
this condition (6).
It remains unclear whether OSA may lead to incident
diabetes (3, 7, 8). Among six longitudinal studies, fi ve found
a signi fi cant association between OSA and incident diabetes
(9 – 13). However, these studies were generally small, had few
events, did

(Received in original form December 17, 2013; accepted in final form May 24, 2014 )

Supported by Canadian Institutes of Health Research doctoral research award (T.K.); the ResMed research foundation; the F.M. Hill Chair in Academic Women’s Medicine (G.H.); Physicians’ Services Incorporated
Foundation Graham Farquharson Knowledge Translation Fellowship (A.S.G.); and the Institute for Clinical Evaluative Sciences, which is funded by an annual grant from the Ontario Ministry of Health and Long-
Term Care.

Author Contributions: T.K., literature search; study conception and design; ethics boards’ application; obtaining administrative data; cleaning, analyses, and interpretation of data; drafting of the manuscript. G.T., study
design, data interpretation, drafting of the manuscript, critical revision, supervision of manuscript writing, ethics boards’ application, and data analyses. R.S.L., study design, data interpretation, drafting of the
manuscript, critical revision, supervision of manuscript writing, study conception, ethics boards’ application, is an owner of the sleep portion of the Chest Dataset from which the study sample was extracted, and gave
final approval of the submitted manuscript. A.S.G., study design, data interpretation, drafting of the manuscript, critical revision, supervision of manuscript writing, ethics boards’ application, obtaining administrative
data, and data analyses. G.H., study design, data interpretation, drafting of the manuscript, critical revision, supervision of manuscript writing.

Korespondensi dan permintaan untuk cetak ulang harus ditujukan kepada Tetyana Kendzerska, MD, Ph.D., Institut Kebijakan Kesehatan, Manajemen dan Evaluasi, Fakultas Kedokteran, Universitas Toronto, 155
College Street, Suite 425, Toronto, ON, M5T 3M6 Kanada . E-mail: tetyana.kendzerska@mail.utoronto.ca Artikel ini memiliki suplemen online, yang dapat diakses dari tabel masalah ini isi di www.atsjournals.org Am
J Respir Crit Perawatan Med Vol 190, Iss 2, pp 218- 225, Jul 15, 2014 Hak cipta © 2014 oleh American Thoracic Society

Awalnya Diterbitkan di Pers sebagai DOI: 10,1164 / rccm.201312-2209OC pada 4 Juni 2014 alamat Internet:
www.atsjournals.org

218 American Journal of Respiratory Critical Care Medicine Volume 190 Nomor 2 | 15 Juli 2014
 ARTIKEL ASLI
At a Glance Commentary
Scienti fi c Knowledge on the Subject: Published reports
on the causal relationship between obstructive sleep
apnea (OSA) and incident diabetes are very limited.
Among only six longitudinal studies published to
date, fi ve found a signi fi cant association between
OSA and incident diabetes. However, these studies
were generally small, had few events, did not
account for time-to-event in their analyses, and
used inconsistent de fi nitions of OSA. There is a
need for a larger study with rigorous assessment of
both OSA and diabetes, with suf fi cient follow-up
time to allow development of disease.
What This Study Adds to the Field: Berdasarkan kohort klinis
besar, penelitian kami menunjukkan bahwa di antara orang-
orang dengan OSA, dan mengendalikan faktor risiko yang
diketahui untuk pengembangan diabetes, awal OSA
keparahan memprediksi risiko untuk diabetes kejadian: dalam
model sepenuhnya disesuaikan, pasien dengan indeks apnea-
hypopnea (AHI) lebih besar dari 30 memiliki bahaya 30% lebih
tinggi terkena diabetes dibandingkan dengan mereka yang
AHI kurang dari 5. AHI selama gerakan mata tidur cepat dan
langkah-langkah dari konsekuensi fisiologis OSA (misalnya,
desaturasi oksigen, kurang tidur, dan aktivasi simpatik) juga
faktor risiko untuk diabetes pada populasi ini. Risiko-strati fi
kation pasien dengan OSA menurut sleep apnea ini -
prediktor terkait mungkin berguna dalam mengidentifikasi
mereka yang paling mungkin untuk mengembangkan
diabetes, yang memungkinkan intervensi yang tepat waktu.
tidak memperhitungkan waktu-ke-acara dalam analisis
mereka (9, 11, 12), dan digunakan tidak konsisten de fi Definisi
OSA (misalnya, indeks apnea-hypopnea [AHI]> 5 [9],
AHI> 8 [10], indeks desaturasi oksigen. 5 [12, 13]).
Selain itu, telah ada eksplorasi sangat terbatas dari
nilai prognostik mungkin pathophysiologically terkait
faktor-faktor lain OSA-terkait (misalnya arousals, total
waktu tidur [TST]) (10). Satu studi berbasis komunitas
besar (Wisconsin Sleep Cohort) melaporkan hubungan
antara OSA dan lazim, tetapi tidak diabetes insiden
(14). Namun,
Kendzerska, Gerson, Hawker, et al .: Obstructive Sleep Apnea dan Insiden Diabetes
jumlah peristiwa yang terjadi dalam waktu ikutan kecil
untuk mendeteksi hubungan yang benar (n = 26), terlalu
banyak prediktor untuk itu sejumlah peristiwa
dimasukkan dalam analisis, dan regresi logistik digunakan
tidak memperhitungkan waktu peristiwa.
Ada kebutuhan untuk penelitian yang lebih besar
dengan penilaian yang ketat dari kedua OSA dan
diabetes, dengan suf fi sien tindak lanjut waktu untuk
memungkinkan perkembangan penyakit. Kami
mengevaluasi apakah risiko diabetes insiden itu terkait
dengan tingkat keparahan dan fisiologis konsekuensi dari
OSA pada kelompok sejarah besar pasien yang diteliti
dengan polisomnografi di laboratorium-selama lebih dari
satu dekade dan yang informasi kesehatan diperoleh
melalui data administrasi kesehatan provinsi. Beberapa
hasil penelitian tersebut telah dilaporkan sebelumnya
dalam bentuk abstrak (15).
metode
Desain studi
Kami termasuk pasien yang dirujuk dengan dicurigai OSA
dan menjalani fi penelitian tidur diagnostik pertama di St
Michael ' s Hospital (Toronto, Kanada) antara tanggal 1
September 1994 dan 31 Desember 2010. laboratorium
Sleep data klinis terkait dengan data administrasi
kesehatan di Institut Clinical Evaluative Sciences (ICES,
Ontario, Kanada) dari 1 Juli 1991 sampai dengan 31 Maret
2011. etika komite dari semua lembaga yang terlibat (St.
Michael ' s Hospital, ICES, University of Toronto)
menyetujui penelitian ini. Rincian deskripsi kohort
disediakan di tempat lain (16).
Sumber data
Data klinis. St Michael ' Database s Hospital Sleep Lab
mencakup seperangkat besar klinis, demografis, dan
polysomnographic (PSG) variabel yang telah
dikumpulkan untuk tujuan penelitian sejak tahun 1991
( Lihat Tabel E1 dalam suplemen online). Setiap pasien
dalam kelompok menjalani penuh di-laboratorium
rekaman PSG. Penyakit-spesifik fi c gejala dan riwayat
dikumpulkan menggunakan kuesioner standar.
Health administrative data. Residents of Ontario
have universal public health insurance, the Ontario
Health Insurance Plan (OHIP), covering all
medically
necessary services. All Ontario residents are eligible for
OHIP coverage after 3 months of residency in the
province (17). Legislation prohibits the private delivery of
services covered under OHIP, including laboratory testing.
Since 1991, ICES has housed highquality administrative
data on publicly funded services provided, including
individual-level information on physician claims, acute
care hospitalization, and emergency department visits
within Ontario (18). The eligibility of cohort participants
for health insurance and their vital status through the
follow-up period were assessed using data from the
Registered Persons Database. Administrative data
regarding claims for continuous positive airway pressure
(CPAP) therapy through the Ontario Assistive Devices
Program (19) have been available since 2004. A further
administrative dataset used for this analysis, the Ontario
Diabetes Database (ODD), was developed to establish
population-based incidence and prevalence of diabetes in
Ontario (20, 21). In addition to the usual ICES data from
1991, the ODD captures hospitalizations during the time
period 1988 – 1990. Details of variables derived from
administrative datasets and detailed descriptions of all
datasets used are provided in the online supplement ( see
Tables E2 and E3).
Study Sample
Patients who had undergone a fi rst diagnostic sleep
study during the de fi ned study period, and who had
a diagnosis of OSA (AHI > 5) or suspected OSA
(referred with sleep apnea, but with AHI , 5) were
extracted from the Sleep Lab database. Patients were
excluded if they ( 1)
underwent split-night, ( 2) had more than 50% central
events or ( 3) AHI less than 5 and a diagnosis of
another sleep disorder, or ( 4) had prevalent diabetes,
from the ODD, at any time between April 1988 and
the diagnostic sleep study.
Predictors
The following variables were derived from clinical data
and considered as possible predictors in our statistical
models: ( 1) PSG indices — TST, AHI during TST, rapid
eye movement sleep (REM-AHI), and nonREM sleep
(non – REM-AHI), arousals index, total number of
awakenings, mean Sa O 2, duration of Sa O 2 less than
90% (TiSa O 2, 90%), mean heart rate (HR), and
219

persentase masing-masing tahap tidur; ( 2)
gejala klinis - kantuk di siang hari (DS), mengidentifikasi fi ed
oleh mean dari Epworth Kantuk Skala atau jawaban
positif terhadap pertanyaan “ Pada siang hari, apakah
Anda pernah tertidur tidak sengaja “?, dan mendengkur
dilaporkan sendiri; ( 3) lingkar leher; dan ( 4)
riwayat keluarga yang dilaporkan sendiri OSA atau
mendengkur.
The AHI de fi didefinisikan sebagai jumlah apnea dan and by OSA severity (23, 25). In a frail population,
hypopneas per jam tidur. Hypopnea secara konsisten de fi ned death, termed a competing event, may preclude the
selama masa studi sebagai penurunan lebih dari 50% dari occurrence of diabetes and lead to overestimation of
amplitudo baseline bernapas selama setidaknya 10 detik;
atau yang jelas tetapi lebih kecil penurunan amplitudo
untuk setidaknya 10 detik yang berhubungan dengan baik
sebagai Sa HAI menjatuhkan lebih besar dari atau sama
2 Formal tests for differences in incident diabetes and
dengan 3% atau gairah (22). Pasien klasifikasi fi ed tidak
memiliki OSA (AHI, 5), atau dengan ringan (AHI dari 5 - 14.9), using the modi fi ed chi-square statistic (27).
moderate (AHI of 15 – 30), or severe (AHI . 30) OSA (23).
Outcome
The primary outcome was time from the diagnostic
PSG to incident diabetes derived from the ODD (20).
The ODD uses a validated algorithm that identi fi es
people with diabetes as those having at least one
hospitalization record or at least two physician
services claims bearing a diagnosis of diabetes within
a 2-year period. This algorithm is highly sensitive
(86%) and speci fi c (97%) for identifying patients in
whom diabetes was recorded in primary care charts;
positive predictive value is 80% (20). Use of the fi rst
service date was considered as the incident diabetes
date. Subjects were followed from their fi rst
diagnostic sleep study to the end of March
2011, or the occurrence of a primary outcome or
all-cause mortality, whichever occurred fi rst.
Potential Confounders
The following potential confounders were extracted
from the Sleep Lab database: age, sex, body mass
index (BMI), waist circumference, and self-reported
smoking and alcohol consumption. Comorbidities at
baseline (stroke, myocardial infarction, chronic heart
failure, hypertension, and the Johns Hopkins ’ aggregated penting untuk memprediksi diabetes, sehingga
diagnosis groups [ADGs]) were identi fi ed from
administrative data over a 3-year period before the
diagnostic sleep study. Comorbidity at baseline
based on ADGs was categorized as low (0 – 5 ADGs),
220 American Journal of Respiratory and Critical Care Medicine Volume 190 Number 2 | July 15 2014
medium (6 – 10 ADGs), or high (>11 ADGs) (24).
Each patient was assigned to an income quintile
using the patient ’ s postal code.
Statistical Analysis
Descriptive statistics were calculated for relevant data.
Crude incidence rates for diabetes per 100 person-
years were calculated for the entire sample
incidence by the usual Kaplan-Meier method (26).
Therefore, we estimated incidence with the cumulative
incidence function, which accounts for competing risks.
all-cause mortality between groups were performed
We used multivariable Cox regression models to
investigate the relationships between OSA-related
predictors and incident diabetes, and expressed the
results as hazard ratios ( see online supplement) (28, 29).
AHI was treated as a continuous and categorical variable.
We used restricted cubic spline transformations for
continuous explanatory variables if nonlinearity was
observed, and the resulting standardized hazard ratios
compare the 75th and 25th percentiles (28). To con fi rm
fi ndings from traditional multivariable Cox regression
model, the Fine and Gray competing-risk regression
model was used (30).
For missing variables we used multivariate
imputation by chained equations to generate fi ve
complete datasets (31) and pooled the coef fi cients
(32). For a uni fi ed presentation of all results and
fi gures, the fi ndings shown are for a single imputed
dataset. Pooled con fi dence intervals across
imputations for OSArelated variables were at most
2% wider than those presented.
tinjauan sistematis (8, 33) dan pendapat ahli
menemukan usia, jenis kelamin, status merokok,
komorbiditas kardiovaskuler, BMI, AHI, TST, dan DS menjadi
variabel-variabel ini dipaksa ke dalam model. Meskipun
lingkar pinggang adalah ukuran yang lebih akurat obesitas
daripada BMI, BMI dipilih untuk dimasukkan dalam model
statistik kami karena itu meningkat Model fi t dibandingkan
dengan lingkar pinggang dan lebih mudah untuk
mendapatkan dalam praktek klinis rutin dan kurang
terpengaruh
ORIGINAL ARTICLE
oleh kesalahan pengukuran. Variabel lain yang dipilih untuk
dicantumkan jika mereka dipilih oleh backward step down
variabel penghapusan (34) dalam setidaknya tiga dataset
diperhitungkan. Kami menyelidiki a priori de fi interaksi ned
antara AHI dan DS, BMI, usia, jenis kelamin, dan penyakit
kardiovaskular pada awal (8).
Kami menggunakan bootstrap untuk validasi internal
dan lebih fi tting-dikoreksi kalibrasi. kemampuan diskriminatif
dinilai menggunakan Harrell C-indeks dan kemampuan
prediksi menggunakan model rasio kemungkinan chi-square
statistic (28).
Untuk mengatasi kekhawatiran bahwa waktu yang tepat dari
insiden diabetes tidak diketahui, kami menggunakan regresi
binomial dengan fungsi log-log Link pelengkap, yang
memungkinkan penggabungan waktu tindak lanjut yang berbeda
untuk setiap mata pelajaran dalam model untuk memperkirakan
rasio tingkat kejadian ( 35, 36).
analisis sensitivitas. Dalam kelompok pasca-2004
dengan informasi tentang klaim CPAP, yang fi Model nal
itu kembali fi tted dengan penambahan variabel
pengobatan CPAP tergantung waktu ( Lihat Gambar E1).
Untuk menilai efek prediktor OSA terkait pada sampel
yang tidak diobati, pasien disensor pada saat klaim CPAP.
Additional sensitivity analyses included the
following: analyses in which only participants who were
eligible for OHIP all of each year (i.e., not out of the
province during the year) with at least 5-year lookback
window and at least 2-year follow-up; all gave the
similar results with the main analyses (data not shown).
Finally, the statistical models were re fi tted on the
entire sample including participants who underwent
split-night study ( see Table E6).
Finally, to assess the sensitivity of results to
unmeasured confounders, we used the approach
recommended by Lin and coworkers (37).
Additional details on the method are provided in
the online supplement.
All statistical analyses were performed using R
version 2.15.2 (http://www.rproject.org) and SAS
version 9.3 (SAS Institute Inc., Cary, NC).
Sample size consideration. We expected between 162
and 1,038 events based on an anticipated sample of
5,000 persons with an average of 5 years of followup and
reported rates of incident diabetes from 0.65 to 4.15 per
100 person-years (9 – 12, 14). That would allow us to
examine
 ARTIKEL ASLI
at least 16 predictors, using the rule of thumb of
10 events per predictor (38).
Results
Sample Characteristics
Between January 1, 1994 and December
31, 2010, a total of 11,596 individuals underwent a fi rst
diagnostic sleep study and
10,149 (88%) were linked to administrative datasets ( see rasio hazard serupa dengan yang dari regresi Cox dan
Figure E2). Patients who were not linked had similar OSA tetap signi fi tidak bisa, sedangkan pengaruh waktu tidur
severity and demographic characteristics, but fewer
cardiovascular comorbidities and greater DS
(16). Our fi nal analyses included 8,678 participants
without diabetes at baseline. Table 1 shows baseline
characteristics of patients for the entire sample and by
OSA severity. The included sample had 62% males, a
median age of 48 years, and a median AHI of 15. The
amount of missing data ranged from 0.7% (AHI) to
10.1% (TiSa O 2 , 90%), 2.4% was missed for BMI and
TST, 6.8% for DS, 7.8% for HR, and 8.2% for smoking
status (16).
Incidence of Diabetes
Over a median follow-up of 67months, 1,017 (11.7%)
participants experienced incident diabetes, giving an
incidence rate of 2 per 100 person-years. The potential
competing event, death without diagnosed diabetes,
occurred in 395 subjects. Cumulative incidence of
diabetes at 5 years for the entire sample was
9.1% (95% con fi dence interval, 8.4 – 9.8%); for patients
with mild OSA it was 7.5% (6.3 – 8.6%), with moderate
OSA 9.9% (8.3 – 11.4%), and with severe OSA 14.9%
(13.2 – 16.6%). The unadjusted difference in incidence of
diabetes was signi fi cant ( P ,
0.0001) between patients with severe OSA and AHI
less than 5.
Multivariable Cox Regression Models
Table 2 shows the HR estimates and model
fi t statistics for the two classes of models we examined,
with AHI as a continuous or categorical variable. In fully
adjusted model, severe OSA as de fi ned by AHI was
signi fi cantly associated with incident diabetes. Patients
with severe OSA had a 30% higher hazard of developing median 67 months of follow-up. The multivariable Cox
diabetes compared with those without OSA, whereas
mild and moderate OSA had a 23% higher hazard (Table expressed as AHI, was independently and signi fi
2, Figure 1). Among other OSA-related predictors,
REMAHI and TiSa O 2 less than 90% were consistently
associated with incident diabetes
Kendzerska, Gerson, Hawker, et al .: Obstructive Sleep Apnea dan Insiden Diabetes
(Tabel 3), seperti DS, HR dalam tidur, lingkar leher, dan
waktu tidur (Gambar 1; Lihat
Tabel E5). Semua model yang baik dikalibrasi (semua diamati dan
diprediksi kelangsungan hidup 5 tahun dalam waktu 2%) dan
divalidasi (optimisme R 2
untuk semua model dieksplorasi adalah <0,007).
Bersaing Analisis Risiko
Dalam Halus dan Gray regresi, efek dari DS, lingkar leher,
HR, dan OSA keparahan pada insiden diabetes memiliki
menjadi nonsigni fi tidak bisa.
interaksi
Pengaruh AHI pada diabetes insiden signi fi decreasedwith
cantly meningkat BMI ( P =
0,0013) dan usia ( P = 0,0326) ( Lihat Tabel E5).
Efek Pengobatan CPAP
Di antara 3.931 subyek yang menjalani PSG diagnostik
antara 2004 dan 2010, total 611 (15,5%) mengajukan klaim
CPAP. Di antara 267 (6,8%) pasien yang mengalami
insiden diabetes, 66 mengaku CPAP sebelum tanggal
kejadian (24,7%) dan 7 setelah (2,6%); antara 3664
pelajaran lain, 538 (14,7%) mengaku untuk pengobatan
CPAP. Sebuah klaim untuk pengobatan CPAP memiliki
nonsigni fi efek tidak bisa di sepenuhnya adjustedmodels
pada risiko diabetes ( P nilai-nilai. 0,2). Ketika model yang
re fi tted pada sampel yang tidak diobati, semua
prediktor kecuali DS tetap signi fi cantly terkait dengan
hasilnya.
Pelengkap Log-Log Regresi Model
Setelah memperhitungkan waktu tindak lanjut dalam
model regresi binomial, AHI, REMAHI, dan Tisa HAI 2
kurang dari 90% tetap signi fi tidak bisa, seperti yang
dilakukan waktu tidur, DS, HR, dan lingkar leher.
Diskusi
In a large clinical cohort without diabetes at baseline,
11.7% of subjects experienced incident diabetes over a
regression models identi fi ed that OSA severity,
cantly associated with incident diabetes. In addition,
the OSA-related factors REM-AHI and TiSa O
2
less than 90% were signi fi cant predictors, as were
shorter TST, higher mean HR, greater
neck circumference, and the presence of DS. In an
untreated subsample, all predictors except DS
remained signi fi cantly associated with the
outcome. The effects of predictors were consistent
in a model adjusting for the competing risk of all-
cause mortality and in a binomial regression
accounting for imprecision in the date of diagnosis
of diabetes. The present study agrees with the much
smaller single study that looked at time-to-diagnosis
of diabetes by Botros and coworkers (10), which
found an independent association between OSA
and incident diabetes after adjusting for multiple
confounding factors.
Studi kami membahas keterbatasan studi observasional
sebelumnya diterbitkan OSA dan diabetes. Karena ukurannya
yang lebih besar (.8,500 pasien) dan jangka waktu yang lebih
lengkap follow-up (0,10 tahun), penelitian kami mampu
menganalisis sejumlah peristiwa yang lebih dari urutan
besarnya lebih besar dari terjadi dalam setiap penelitian
sebelumnya, termasuk Wisconsin Cohort Study. Selanjutnya, ini
memungkinkan penilaian banyak faktor OSA berhubungan
dengan luar AHI dan pengendalian yang memadai untuk
berbagai pembaur potensial tidak mungkin dalam studi yang
lebih kecil. Data klinis secara konsisten dikumpulkan dan
digunakan kriteria PSG mencetak gol yang sama dari waktu ke
waktu. Kami termasuk pasien dengan jangkauan yang lebih
luas dari OSA keparahan dari diamati dalam studi berbasis
masyarakat dan jumlah yang relatif besar perempuan. Kami
menggunakan divalidasi algoritma untuk de fi diabetes ne
lazim dan komorbiditas pada awal, dan menggunakan metode
yang ketat untuk data hilang, pemilihan model, kalibrasi, dan
validasi.
Kami fi Temuan (yang Tisa lagi HAI 90%, waktu tidur
2,
yang lebih pendek, dan SDM yang lebih tinggi
meningkatkan risiko diabetes) konsisten dengan
mekanisme patofisiologis yang diusulkan (stres oksidatif
yang disebabkan oleh hipoksemia intermiten, kurang tidur
atau fragmentasi tidur, dan aktivasi simpatik) dimana OSA
dapat menyebabkan diabetes. Keparahan hipoksemia telah
ditemukan terkait dengan intoleransi glukosa dan resistensi
insulin (39, 40). Kurang tidur dapat bertindak melalui
aktivasi simpatik dan perubahan berikutnya dalam
hypothalamicpituitary-adrenal axis (4, 41). Peningkatan
istirahat HR, sebuah indikator aktivitas saraf simpatis, telah
terbukti berhubungan dengan diabetes insiden melalui
mungkin hubungan antara aktivitas simpatis dan resistensi
insulin (42, 43).
221
 ARTIKEL ASLI

Tabel 1. Karakteristik Pasien dengan-Malam Penuh Diagnostik Sleep Study Siapa Apakah Terkait dengan Data Administrasi Kesehatan: tanpa Diabetes di Dasar (n = 8678) dan
dengan Diabetes pada baseline (n = 1471)

Dengan OSA Severity Sampel tanpa Diabetes ( n = 8678)

Diabetes ( n = 1471) tanpa Diabetes AHI <5 ( n = 1959) 5 <AHI <15 ( n = 2410) 15 <AHI <30 ( n = 1975) AHI> 30 ( n = 2334)
variabel ( n = 8678)

Demografis
karakteristik Pria
909(61,8) 5377 (62) 893(45,6) 1.399 (55,6) 1.238 (62,7) 1808 (77.5)
Usia, yr 59,0 (50,0 - 68,0) 48.0 (38.0 - 58,0) 42,0 (33,0 - 51,0) 47.0 (38.0 - 57,0) 50,0 (41,0 - 59,0) 51,0 (43,0 - 61,0)
Gejala klinis dan fi Temuan dari pemeriksaan fisik
DS, ya * 663(45,1) 2994 (34,5) 629(32,1) 754 (31,3) 614 (31,1) 966(41,4)
ESS Total (0 - 24) 8.0 (5.0 - 12,0) 8.0 (5.0 - 12) 8.0 (5.0 - 12,0) 8.0 (4.0 - 12,0) 8.0 (5.0 - 12,0) 8.0 (5.0 - 12,0)
BMI, kg / m 2 32,0 (28,1 - 37,6) 28,4 (25,1 - 32,7) 25,8 (22,9 - 29,6) 27,8 (24,8 - 31,5) 28,8 (25,7 - 32,8) 31,1 (27,5 - 35.7)
NC, cm 41,0 (38,0 - 44.0) 39,0 (36,0 - 42.0) 37,0 (33,0 - 39,0) 38.0 (36,0 - 41,0) 40 (37,0 - 42.0) 41,0 (39,0 - 44.0)
Sejarah
status merokok,
dilaporkan sendiri
sekarang 193(13,1) 1.646 (19,0) 377(19,2) 476 (19,8) 342 (17,3) 435(18,6)
Mantan perokok 351(23,9) 1.518 (17,5) 263(13,4) 373 (15,5) 362 (18.3) 501(21,5)
Tak pernah 761(51,7) 4845 (55,8) 1.181 (60,3) 1,354 (56,2) 1.075 (54,4) 1207 (51,7)
sebelum HTN 1.004 (68,3) 2638 (30,4) 340(17,4) 611 (25,4) 652 (33,0) 1.019 (43,7)
sebelum AMI 159(10,8) 241 (2,8) 26 (1,3) 50 (2.1) 58 (2,9) 106(4,5)
Stroke sebelum 77 (5.2) 146 (1,7) 16 (0,8) 46 (1,9) 27 (1.4) 56 (2.4)
CHF sebelum 282(19,2) 336 (3.9) 41 (2.1) 71 (2,9) 72 (3.6) 151(6,5)
ADGs
Rendah (0 - 5) 537(36,5) 5112 (58,9) 1.054 (53,8) 1.426 (59,2) 1.148 (58,1) 1.453 (62,3)
Menengah (6 - 10) 776(52,8) 3.161 (36,4) 775(39,6) 885 (36,7) 686 (34,7) 789(33,8)
Tinggi (> 11) 158(10,7) 405 (4.7) 130(6,6) 99 (4.1) 78 (3.9) 92 (3.9)
Status pendapatan
Q1 (termiskin) 382(26) 1.609 (18,5) 355(18,1) 426 (17,7) 371 (18,8) 448(19,2)
Q2 296(20,1) 1.553 (17,9) 365(18,6) 432 (17,9) 327 (16,6) 412(17,7)
Q3 224(15,2) 1.397 (16,1) 323(16,5) 405 (16,8) 270 (13,7) 385(16,5)
Q4 223(15,2) 1.504 (17,3) 322(16,4) 417 (17,3) 344 (17,4) 413(17,7)
Q5 (terkaya) 333(22,6) 2532 (29,2) 574(29,3) 710 (29,5) 581 (29,4) 653(28.0)
indeks PSG
TST, hr 5.4 (4.4 - 6.1) 5.8 (5.0 - 6.5) 5.9 (5.0 - 6.5) 5.9 (5.1 - 6.5) 5.9 (5.0 - 6.5) 5,6 (4,7 - 6.3)
AHI, total TST, 25,7 (11 - 51,7) 14,7 (5,6 - 32,0) 2,0 (0,8 - 3.5) 9.3 (7.1 - 11,9) 20,9 (17,7 - 25.1) 48,9 (37,4 - 68,4)
Peristiwa / hr
AHI, total dalam REM, 37,3 (14,1 - 59,0) 23,5 (7,7 - 46,2) 4,6 (1,4 - 10.2) 20.1 (10.6 - 31,2) 35,8 (20,0 - 50,7) 52,8 (32,6 - 69,6)
Peristiwa / hr
Indeks arousals, 30,3 (17,7 - 50,8) 22,1 (13,5 - 36,5) 11,4 (7,8 - 16,6) 16,4 (12,1 - 21,8) 25.2 (19.4 - 31,5) 48.2 (35,8 - 64,5)
total, peristiwa / hr
AWK di TST, 28 (20 - 41) 24,0 (18,0 - 34,0) 21.0 (15.0 - 27,0) 23.0 (17,0 - 31,0) 25,0 (19,0 - 34,0) 32,0 (22,0 - 45,0)
jumlah
kejadian
TST90Sa O2, min 4,6 (0,3 - 35,6) 0,3 (0 - 6.5) 0 (0 - 0,1) 0.1 (0 - 1.5) 0,9 (0,0 - 7.2) 10.2 (1.0 - 46,1)
berarti Sa HAI 2,% 94,1 (92,3 - 95,5) 95,0 (93,6 - 96,1) 95,9 (94,8 - 96,8) 95,2 (94,1 - 69,3) 94,9 (93,7 - 95,9) 94,0 (92,3 - 95,2)
HR, berarti dalam TST, 65,9 (58,9 - 74,5) 62,4 (56,2 - 69,2) 61,8 (55,6 - 68,6) 61,7 (55,5 - 67,9) 62,2 (55,7 - 69,0) 63,6 (57,5 - 70,8)
bpm
diabetes insiden - 1017 (11,7) 166(8,5) 253 (10,5) 216 (10,9) 367(15,7)
Tindak lanjut waktu, mo - 67,2 (32,6 - 104,1) 95,1 (58.4 - 123.7) 71 (36,6 - 105) 57,2 (28,1 - 94) 48,8 (22,3 - 85,7)

Definisi dari singkatan: ADG = kelompok diagnosis dikumpulkan; AHI index = apnea-hypopnea; AMI = infark miokard akut; AWK = Total jumlah terbangun; Indeks = massa tubuh BMI; CHF gagal jantung kongestif =;
DS = kantuk di siang hari; ESS = Epworth Kantuk Skala; HR = denyut jantung; HTN = hipertensi; NC = lingkar leher; OSA apnea obstruktif = tidur; PSG = polisomnografi; Q = kuintil; REM = rapid eye movement sleep;
TST = waktu tidur total; TST90Sa O2 = durasi Sa HAI 90% di TST.
2,

Data diberikan sebagai median (kisaran interkuartil) atau n (%); nomor mungkin tidak menambahkan untuk total karena nilai-nilai yang hilang.
*Kantuk di siang hari diukur dengan pertanyaan: “Pada siang hari, apakah Anda pernah tertidur tidak sengaja?”

Demikian pula, lingkar leher, prediktor klinis yang
kuat dari OSA (44) dan signi fi prediktor independen
tidak bisa diabetes insiden dalam penelitian kami, juga
telah dikaitkan dengan gangguan homeostasis glukosa
dan sindrom kardiometabolik (45, 46).
Dibandingkan dengan tidur non-REM, tidur REM telah terbukti
berhubungan dengan aktivitas simpatis yang lebih besar dan
pernapasan dan ketidakstabilan kardiovaskular. Apnea selama
memimpin tidur REM ke derajat yang lebih besar dari
hipoksemia dan aktivitas simpatik dibandingkan dengan
peristiwa dalam tidur non-REM (47). Dalam sebuah studi cross-
kohort Hispanik, REM-AHI, tetapi tidak AHI secara keseluruhan,
adalah signi fi cantly dan independen terkait dengan diabetes
(48). Demikian pula, kami menemukan bahwa REM-AHI adalah
signi fi cantly terkait dengan insiden diabetes dan memiliki efek
lebih besar dari keseluruhan AHI. Pentingnya klinis AHI di REM
mungkin memiliki signi fi implikasi tidak bisa untuk praktek klinis

Kami menemukan bahwa selain keseluruhan AHI sectional pada didominasi Afrika Amerika dan (47).

selama TST, REM-AHI juga merupakan prediktor

independen diabetes.

222 American Journal of Respiratory Critical Care Medicine Volume 190 Nomor 2 | 15 Juli 2014
 ARTIKEL ASLI

Meja 2. Model Fitting dan Efek (HR dan CI 95%) dari Keparahan OSA Dinyatakan oleh AHI, Mengontrol untuk Potensi pembaur hipoksia intermiten adalah salah satu penjelasan yang
dan Faktor Risiko Diabetes (Perhitungan dilakukan pada Dataset # 3, n = 8678, Jumlah Acara = 1017) mungkin (50). Efek yang sama pada hubungan antara AHI
dan diabetes kejadian ditemukan untuk BMI: efek AHI
menurun dengan meningkatnya BMI. Ada kemungkinan
bahwa individu yang sangat gemuk sudah berisiko tinggi
Prediktor terkait
OSA Model 1 Model sepenuhnya Disesuaikan seperti untuk mengembangkan diabetes yang OSA
menganugerahkan risiko tambahan sedikit.

AHI total sebagai variabel kontinu

AHI, total, peristiwa / hr (32 1.13 (1.06 - 1,20) 1,06 (0,99 - 1.13)
vs 6) Ada beberapa keterbatasan yang harus
LR chi-square, df 754,98 (18) 841,32 (24)
dipertimbangkan dalam penafsiran kami fi Temuan.
R2 0.10 0.11
Seperti halnya studi observasional, beberapa masalah
AHI sebagai variabel kategoris (kelompok referensi: AHI, 5) 5 < AHI, 15 metodelogi terkait dengan ketersediaan data. Beberapa
1.18 (0.97 - 1,44) 1,23 (1,00 - 1,50) pembaur penting (misalnya, riwayat keluarga diabetes,
15 < AHI <30 1,24 (1,01 - 1,53) 1,23 (1,00 - 1,51) ras) yang tidak tersedia. generalisasi yang dapat
AH AKU . 30 1,47 (1,20 - 1,79) 1,31 (1,07 - 1,61)
dipengaruhi oleh desain tunggal pusat penelitian kami.
LR chi-square, df 756,11 (20) 845,6 (26)
R2 0.10 0.11 Juga menggunakan ODD untuk menurunkan insiden
diabetes, kami tidak dapat membedakan antara tipe 1 dan
Variabel kontrol Kelamin, usia, * BMI, * sejarah status merokok, Model 1 1 kantuk di siang diabetes tipe 2. Namun, kami berharap paling acara untuk
komorbiditas sebelum dalam 3-yr lihat-balik hari, lingkar leher, * menjadi tipe 2 karena usia kohort kami. Meskipun
jendela (HTN, denyut jantung dalam
algoritma divalidasi digunakan untuk de fi diabetes lazim
MI, kategori ADG), dan status pendapatan tidur, dan TST
ne dan komorbiditas sebelumnya dari data administrasi
kesehatan, algoritma ini ditandai dengan sensitivitas dan
Definisi dari singkatan: ADG = kelompok diagnosis dikumpulkan; AHI index = apnea-hypopnea; Indeks = massa tubuh BMI; CI = kepercayaan
spesifik tertentu fi kota mengakibatkan mungkin misclassi fi
diri selang; df = derajat kebebasan; HR = rasio hazard; HTN = hipertensi; LR = rasio kemungkinan; MI = infark miokard; OSA apnea obstruktif
kasi pelajaran. Jika diferensial bias bisa di kedua arah,
= tidur; TST = waktu tidur total. optimisme untuk R 2 untuk semua model kurang dari 0,01; dikoreksi C-indeks berkisar 0,73-0,75.
sedangkan jika nondifferential (misclassi fi ed secara acak
*Secara signifikan nonlinear: dibatasi transformasi spline kubik dengan 4 knot digunakan. dan independen dari keadaan penyakit), efek diperkirakan
dari OSA keparahan pada diabetes insiden lebih mungkin
untuk jatuh di bawah nilai sebenarnya (51, 52). Karena
Efeknya penurunan AHI dengan usia pada diabetes
perawatan kesehatan universal di Ontario, kesalahan
insiden ditemukan dalam penelitian kami telah diamati
pengukuran ini (kasus terdiagnosis diabetes dalam
sebelumnya untuk
kelompok) kemungkinan independen dari paparan (OSA
berat), jadi kami mungkin telah meremehkan efek
sebenarnya. Sehubungan dengan de fi ning kasus diabetes
insiden menggunakan ODD, sebagian kecil kasus lazim
mungkin misclassi fi ed sebagai kasus insiden. Hal ini dapat
terjadi ketika penyakit itu tidak ditangkap di data kesehatan
administrasi dalam periode pengamatan sebelum dasar
untuk pasien dengan diabetes yang benar. Selain itu,
tanggal diabetes didiagnosis pada data administrasi bukan
waktu yang tepat dari perkembangan diabetes: itu bisa
terjadi setiap saat sebelum tanggal ini. Menggunakan
pelengkap log-log Link regresi kami mencoba untuk
mengatasi keterbatasan ini dan tidak menunjukkan adanya
perbedaan penting dibandingkan dengan model regresi
Cox.

Gambar 1. Hasil dari model regresi Cox multivariabel disajikan sebagai rasio hazard standar (membandingkan persentil ke-75 dengan persentil

25) dengan shading mewakili kepercayaan diri tingkat (99%, 95%, 90%, 80%, dan 70%). ADG = komorbiditas didefinisikan menggunakan
kelompok diagnostik gabungan rendah (1), menengah (2), atau tinggi (3); AHI index = apnea-hypopnea, kejadian per jam; AMI = infark
miokard akut; BMI Indeks = massa tubuh, kg / m 2; kantuk di siang hari = fi mengidentifikasi ed oleh jawaban positif terhadap pertanyaan “Pada
siang hari, apakah Anda pernah tertidur tidak sengaja?”; HR = denyut jantung, bpm; kuintil pendapatan = pendapatan, peringkat dari yang
paling miskin (1) ke terkaya (5); NECK = lingkar leher, cm; TST = waktu tidur total, jam. Akhirnya, pasien dengan OSA lebih parah mungkin
memiliki lebih banyak kontak dengan pelayanan kesehatan

Kendzerska, Gerson, Hawker, et al .: Obstructive Sleep Apnea dan Insiden Diabetes 223
 ARTIKEL ASLI

Tabel 3. Model Fitting dan Efek (HR dan 95% CI) dari OSA-terkait Prediktor Lain Dari AHI, Mengontrol untuk Potensi pembaur mungkin lebih rendah dari 1,31, tetapi tetap statistik
dan Faktor Risiko Diabetes (Perhitungan dilakukan pada Dataset # 3, n = 8678, Jumlah Acara = 1017) signi fi cantly ditinggikan untuk asumsi yang masuk akal
tentang pembaur yang tidak terukur.

Prediktor terkait sepenuhnya Disesuaikan nonsigni The fi efek tidak bisa pengobatan yang kami
OSA Model 1 Model temukan dalam kelompok pasca-2004 dapat dijelaskan oleh
kurangnya informasi tentang CPAP kepatuhan, pengobatan

Total AHI di REM sebagai variabel kontinu pendekatan selain CPAP, dan mengurangi ukuran sampel untuk
REM-AHI, total, peristiwa / hr (46 1,22 (1,11 - 1,34) 1,17 (1,07 - 1,29) analisis ini. Juga, pasien akan menderita konsekuensi fisiologis
vs 8) OSA selama bertahun-tahun sebelum memulai pengobatan
LR chi-square, df 758,11 (18) 849,36 (24)
yang bisa meningkatkan risiko mereka terserang konsekuensi
R2 0.10 0.11
yang merugikan jangka panjang. Namun demikian, karena efek

waktu tidur yang dihabiskan dengan Sa HAI 2 kurang dari 90% sebagai variabel kontinu pengobatan mungkin menipiskan hubungan yang mungkin
Tisa HAI 90% *, min (6,4 vs
2, 1,06 (1,02 - 1.11) 1,45 (1,20 - 1,76) antara diabetes OSA dan insiden, kami melakukan analisis
0) tambahan pada subsampel tidak diobati saja. Analisis subsampel
LR chi-square, df 749 (19) 853,17 (26)
ini mereplikasi hasil yang diperoleh pada seluruh kelompok.
R2 0.10 0,109
Dengan demikian, nonsigni fi hubungan signifikan antara klaim

Variabel kontrol Kelamin, usia, * BMI, * sejarah Model 1 1 kantuk di siang CPAP dan hasil yang
status merokok, komorbiditas hari, lingkar leher, * menarik tidak harus ditafsirkan sebagai kurangnya ef fi keampuhan
sebelum dalam 3-yr jendela detak jantung di pengobatan CPAP dalam mencegah diabetes karena
lihat-balik (HTN, AMI, kategori waktu tidur, TST
ADG), dan status pendapatan penelitian kami tidak dirancang untuk menjawab pertanyaan
ini.

Definisi dari singkatan: ADG = kelompok diagnosis dikumpulkan; AHI index = apnea-hypopnea; AMI = infark miokard akut; Indeks = massa
tubuh BMI; CI = kepercayaan diri selang; df = derajat kebebasan; HR = rasio hazard; HTN = hipertensi; LR = rasio kemungkinan; OSA
apnea obstruktif = tidur; REM = rapid eye movement sleep; TST = waktu tidur total; Tisa HAI 2, 90% = TST dengan Sa HAI 2, 90%. optimisme
untuk R 2 untuk semua model adalah tentang 0,007; dikoreksi C-indeks untuk semua model berkisar 0,74-0,75. Studi kami menunjukkan bahwa di antara orang-orang
dengan OSA, dan mengendalikan untuk beberapa pembaur,
*Signifikan non-linear diamati: transformasi spline kubik dibatasi digunakan.
awal OSA keparahan memprediksi risiko untuk diabetes
insiden. AHI selama tidur REM dan langkah-langkah dari
sistem dan mungkin lebih mungkin untuk diuji untuk dan Gambar E3). Secara khusus, rasio odds antara konsekuensi fisiologis OSA (misalnya, desaturasi oksigen,
diabetes dan akibatnya didiagnosis dengan diabetes. Kami perancu dan OSA keparahan yang dibutuhkan untuk kurang tidur, dan aktivasi simpatik) juga faktor risiko untuk
membahas masalah ini dengan menyesuaikan model kami menjadi 2,5 - 3. Meskipun adanya temuan terukur bisa diabetes pada populasi ini. Risiko-strati fi kation pasien dengan
untuk usia, jenis kelamin, BMI, dan komorbiditas dasar, menjadi salah fitur yang tidak terukur dari pasien, kami OSA sesuai dengan parameter OSA ini mungkin berguna
prediktor dikenal penggunaan kesehatan untuk pasien sangat prihatin tentang skrining untuk diabetes. Karena itu dalam mengidentifikasi mereka yang paling mungkin untuk
dengan OSA (53). Antara variabel diuji dalam model kami, tidak masuk akal screening yang terjadi 2,5 - 3 kali lebih mengembangkan diabetes, yang memungkinkan intervensi
usia yang lebih tua, hipertensi, dan pendapatan yang lebih sering pada mereka dengan AHI lebih besar dari 30 yang tepat waktu. n
tinggi juga telah terbukti berhubungan dengan dibandingkan dengan mereka dengan AHI kurang dari 5,
kemungkinan lebih tinggi memiliki tes glukosa (54). Selain ketika kita sudah menyumbang usia, jenis kelamin,
itu, kami menilai sensitivitas hasil untuk pembaur terukur komorbiditas sebelum, dan status pendapatan, kami
dan menemukan bahwa pengganggu hanya cukup kuat percaya bahwa pengganggu oleh skrining diabetes tidak
mengurangi rasio hazard 1,31 suf fi sien bahwa itu tidak lagi bertanggung jawab untuk rasio hazard diamati dari 1,31.
penulis pengungkapan tersedia dengan teks artikel ini di
statistik signi fi tidak bisa ( Lihat tabel E4 Rasio hazard yang benar www.atsjournals.org.

Pengakuan: Para penulis berterima kasih kepada Dr Victor Hoffstein

untuk bantuan nya.

Referensi
1. Pusat Pengendalian dan Pencegahan Penyakit. National Bahkan diabetes sheet: estimasi nasional
dan informasi umum tentang diabetes dan pradiabetes di Amerika Serikat, 2011. Atlanta, GA:
US Departemen Kesehatan dan Layanan Manusia, Pusat Pengendalian dan Pencegahan
Penyakit; 2011.
2. Tasali E, Ip MS. apnea tidur obstruktif dan sindrom metabolik: perubahan dalam metabolisme
glukosa dan fl peradangan. Proc Am Thorac Soc 2008; 5: 207 - 217.
3. Clarenbach CF, West SD, Kohler M. Apakah apnea tidur obstruktif merupakan faktor risiko untuk
diabetes? Discov Med 2011; 12: 17 - 24.
4. Punjabi NM, Polotsky VY. Gangguan metabolisme glukosa dalam sleep apnea. J Appl Physiol
(1985) 2005; 99: 1998 - 2007.
5. Sharma S, Kavuru M. Tidur dan metabolisme: gambaran. int J
Endocrinol 2010; 2010: 270.832.
6. Sharma SK, Agrawal S, Damodaran D, Sreenivas V, Kadhiravan T, Lakshmy
R, Jagia P, Kumar A. CPAP untuk sindrom metabolik pada pasien dengan apnea tidur obstruktif.
N Engl J Med 2011; 365: 2277 - 2286.
7. Pamidi S, Tasali E. Obstructive sleep apnea dan diabetes tipe 2: ada link? depan Neurol 2012; 3:
126.
8. Kendzerska T, Mollayeva T, Gerson AS, Leung RS, Hawker G, Tomlinson
G. tidak diobati apnea tidur obstruktif dan risiko untuk hasil jangka panjang yang merugikan
serius: review sistematis. Sleep Med Rev 2014; 18: 49 - 59.

224 American Journal of Respiratory Critical Care Medicine Volume 190 Nomor 2 | 15 Juli 2014
 ARTIKEL ASLI
9. Marshall NS, Wong KK, Phillips CL, Liu PY, Knuiman MW, Grunstein RR. Apakah sleep apnea
merupakan faktor risiko independen untuk diabetes lazim dan kejadian di Health Study
Busselton? J Clin Sleep Med 2009; 5: 15 - 20.
10. Botros N, Concato J, Mohsenin V, Selim B, Dokter K, Yaggi HK. apnea tidur obstruktif sebagai
faktor risiko untuk diabetes tipe 2. Am J Med 2009; 122: 1122 - 1127.
11. Celen YT, Hedner J, Carlson J, Peker Y. Dampak gender pada diabetes mellitus insiden di apnea tidur
obstruktif: 16-tahun tindak lanjut.
J Clin Sleep Med 2010; 6: 244 - 250.
12. Lindberg E, Theorell-HAGL ¨ ow J, Svensson M, Gislason T, Berne C,
Janson C. Sleep apnea dan glukosa metabolisme: tindak lanjut jangka panjang dalam sampel
berbasis masyarakat. Dada 2012; 142: 935 - 942.
13. Muraki saya, Tanigawa T, Yamagishi K, Sakurai S, Ohira T, Imano H, Kitamura A, Kiyama M, Sato S,
Shimamoto T, et al .; Circs Penyidik. Nocturnal hipoksia intermiten dan pengembangan diabetes
tipe 2: Risiko Peredaran Darah di Komunitas Studi (circs).
Diabetologia 2010; 53: 481 - 488.
14. Reichmuth KJ, Austin D, Skatrud JB, Young T. Asosiasi sleep apnea dan diabetes tipe II: studi
berbasis populasi. Am J Respir Crit Perawatan Med 2005; 172: 1590 - 1595.
15. Kendzerska T, Leung, R., Gerson, A., Hawker, G., Tomlinson, Obstructive sleep apnea dan insiden
diabetes G.. Tidur 2013; 36; A123.
16. Kendzerska T, Gerson AS, Hawker G, Leung RS, Tomlinson G. apnea tidur obstruktif dan risiko kejadian
kardiovaskular dan semua penyebab kematian: studi kohort historis selama satu
dekade. PLoS Med 2014; 11: e1001599.
program 17. Kementerian. Ontario Rencana Asuransi Kesehatan [2014 Maret 22]. Tersedia dari:
http://www.health.gov.on.ca/en/public/programs/ohip/
18. Meningkatkan Data kesehatan di Ontario. Es laporan investigasi Toronto: Lembaga Clinical Sciences
evaluatif; 2005. Tersedia dari: http: // www. ices.on.ca/ fl ip-publikasi / meningkatkan kesehatan
perawatan-data / index.html # 3 / z
19. Kebijakan dan prosedur manual untuk program perangkat bantu. Assistive Devices Program
Departemen Kesehatan dan Perawatan Jangka Panjang.
2012. Tersedia dari: http://www.health.gov.on.ca/en/pro/programs/ ADP /
update_vendor_agreements / docs / pp_adp_manual.pdf
20. Hux JE, Ivis F, Flintoft V, Bica A. Diabetes di Ontario: penentuan prevalensi dan insiden
menggunakan algoritma data administrasi divalidasi. diabetes Care 2002; 25: 512 - 516.
21. Lipscombe LL, Hux JE. Tren prevalensi diabetes, insiden, dan kematian di Ontario, Kanada
1995-2005: studi berbasis populasi.
Lanset 2007; 369: 750 - 756.
22. terkait Sleep gangguan pernapasan pada orang dewasa: rekomendasi untuk sindrom de fi Definisi
dan teknik pengukuran dalam penelitian klinis. Laporan dari American Academy of Sleep
Medicine Task Force. Tidur 1999; 22: 667 - 689.
23. Fleetham J, Ayas N, Bradley D, Ferguson K, Fitzpatrick M, George C, Hanly P, Bukit F, Kimoff J, Kryger
M, et al. pedoman Thoracic Society Kanada: diagnosis dan pengobatan tidur gangguan
pernapasan pada orang dewasa. Bisa Respir J 2006; 13: 387 - 392.
24. bintang fi bidang B, Chang HY, Lemke KW, Weiner JP. spesialis rawat jalan
menggunakan oleh Nonhospitalized pasien dalam rencana kesehatan AS: berkorelasi dan konsekuensi. J
Ambul Perawatan Mengelola 2009; 32: 216 - 225.
25. Epstein LJ, Kristo D, Strollo PJ Jr, Friedman N, Malhotra A, Patil SP, Ramar
K, Rogers R, Schwab RJ, Weaver EM, et al .; Dewasa Obstructive Sleep Apnea Task Force dari
American Academy of Sleep Medicine. pedoman klinis untuk evaluasi, manajemen dan perawatan
jangka panjang dari apnea tidur obstruktif pada orang dewasa. J Clin Sleep Med 2009;
5: 263 - 276.
26. Wolbers M, Koller MT, Witteman JC, Steyerberg EW. model prognostik dengan bersaing risiko:
metode dan aplikasi untuk prediksi risiko koroner. Epidemiologi 2009; 20: 555 - 561.
27. Gray R. Sebuah kelas tes k-sampel untuk membandingkan kejadian kumulatif risiko
bersaing. Ann Stat 1988; 16: 1141 - 1154.
28. Harrell FE. Regressionmodeling strategi: dengan aplikasi untuk model linear, regresi logistik, dan
analisis survival. New York: Springer; 2001.
29. Grambsch P, Therneau T. bahaya Proporsional tes dan diagnostik berdasarkan residual
tertimbang. Biometrika 1994; 81: 515 - 526.
30. Baik JP, Gray RJ. Sebuah model bahaya proporsional untuk subdistribution dari risiko bersaing. J Am
Stat Assoc 1999; 94: 496 - 509.
31. Azur MJ, Stuart EA, Frangakis C, Leaf PJ. Beberapa imputasi oleh persamaan dirantai: apa itu dan
bagaimana cara kerjanya? Int Metode J Psychiatr Res 2011; 20: 40 - 49.
Kendzerska, Gerson, Hawker, et al .: Obstructive Sleep Apnea dan Insiden Diabetes
32. Rubin DB. Beberapa imputasi untuk nonresponse dalam survei. New York: Wiley; Tahun 1987.
33. Collins GS, Mallett S, Omar O, Yu LM. Mengembangkan model prediksi risiko untuk diabetes tipe
2: review sistematis metodologi dan pelaporan. BMC Med 2011; 9: 103.
34. Atkinson AC. Catatan tentang kriteria informasi umum untuk pilihan model. Biometrika 1980; 67:
413 - 418.
35. Collett D. Modeling data biner. London: Chapman & Hall; 1991.
36. Martuzzi M, Elliott P. Memperkirakan rasio tingkat kejadian dalam studi cross sectional
menggunakan alternatif sederhana untuk regresi logistik.
Ann Epidemiol 1998; 8: 52 - 55.
37. Lin DY, Psaty BM, Kronmal RA. Menilai sensitivitas hasil regresi untuk pembaur terukur dalam
studi observasional.
Biometrik 1998; 54: 948 - 963.
38. Peduzzi P, Concato J, Feinstein AR, Holford TR. Pentingnya peristiwa per variabel independen
dalam analisis bahaya regresi proporsional.
II. Akurasi dan presisi dari estimasi regresi. J Clin Epidemiol
1995; 48: 1503 - 1510.
39. Punjabi NM, Shahar E, Redline S, Gottlieb DJ, Givelber R, Resnick HE; Sleep Kesehatan Jantung Studi
Penyidik. Sleep-tertata pernapasan, intoleransi glukosa, dan resistensi insulin: Sleep Jantung
Health Study. Am J Epidemiol 2004; 160: 521 - 530.
40. Redline S, Storfer-Isser A, Rosen CL, Johnson NL, Kirchner HL, pembebas J, Kibler AM. Hubungan
antara sindrom metabolik dan gangguan napas saat tidur pada remaja. Am J Respir Crit
Perawatan Med 2007; 176: 401 - 408.
41. Balbo M, Leproult R, Van Cauter E. Dampak tidur dan gangguan pada aktivitas aksis
hipotalamus-hipofisis-adrenal. Int J Endocrinol 2010; 2010: 759.234.
42. Carnethon MR, Yan L, Greenland P, Garside DB, Dyer AR, Metzger B, Daviglus ML. denyut jantung
istirahat di usia pertengahan dan pengembangan diabetes pada usia yang lebih tua. diabetes
Care 2008; 31: 335 - 339.
43. Bemelmans RH, Wassink AM, van der Graaf Y, Nathoe HM, Vernooij JW, Spiering W, Visseren FL.
Risiko denyut jantung istirahat yang tinggi pada pengembangan diabetes tipe 2 pada
pasien dengan penyakit pembuluh darah secara klinis nyata. Eur J Endocrinol 2012; 166: 717 - 725.
44. Davies RJ, Stradling JR. Hubungan antara lingkar leher, radiografi faring anatomi, dan sindrom
apnea tidur obstruktif. Eur Respir J 1990; 3: 509 - 514.
45. Fitch KV, Stanley TL, Looby SE, Rope AM, Grinspoon SK. Hubungan antara lingkar leher dan parameter
kardiometabolik di HIVinfected dan orang dewasa non-HIVinfected. diabetes Care 2011;
34: 1026 - 1031.
46. Laakso M, Matilainen V, Keinanen-Kiukaanniemi S. Asosiasi lingkar leher dengan insulin faktor yang
berhubungan resistensi-. Int J pengalaman luar tubuh Rel Metabolik Disord 2002; 26: 873 - 875.
47. Mokhlesi B, Punjabi NM. “ REM terkait ” apnea tidur obstruktif: sebuah
epiphenomenon atau badan klinis penting? Tidur 2012; 35: 5 - 7.
48. Mahmood K, Akhter N, Eldeirawi K, Onal E, Christman JW, Carley DW, Herdegen JJ. Prevalensi
diabetes tipe 2 pada pasien dengan apnea tidur obstruktif dalam sampel multi-etnis. J Clin
Sleep Med
2009; 5: 215 - 221.
49. Lavie P, Lavie L, Herer P. Semua penyebab kematian pada laki-laki dengan sindrom apnea tidur:
angka kematian menurun dengan usia. Eur Respir J
2005; 25: 514 - 520.
50. Lavie P, manfaat kelangsungan hidup tak terduga Lavie L. pada orang tua dengan sleep apnea
moderat. J Sleep Res 2009; 18: 397 - 403.
51. Brenner H, Gefeller O. Penggunaan nilai prediksi positif untuk mengoreksi misclassi penyakit fi kation
dalam studi epidemiologi. Am J Epidemiol
1993; 138: 1007 - 1015.
52. Wacholder S, Hartge P, Lubin JH, Dosemeci M. Non-diferensial misclassi fi kation dan bias
terhadap nol: a klari fi kation. Occup Environ Med 1995; 52: 557 - 558.
53. Albarrak M, Banno K, Sabbagh AA, Delaive K, Walid R, MANFREDA J, Kryger MH. Pemanfaatan
sumber daya kesehatan di sindrom apnea tidur obstruktif: studi tindak lanjut 5 tahun pada pria
menggunakan CPAP. Tidur
2005; 28: 1306 - 1311.
54. Wilson SE, Rosella LC, Lipscombe LL, Manuel DG. Efektivitas dan ef fi siensi skrining diabetes di
Ontario, Kanada: studi kohort berbasis populasi. Kesehatan Masyarakat BMC 2010; 10: 506.
225