本数据集是一项专注于睡眠呼吸障碍领域的专项临床研究数据集。数据来源于我院睡眠医学中心，通过多导睡眠监测（PSG）技术外加调查问卷的方式采集自133名患者，形成了133条高标准、多维度的高价值数据记录。 多导睡眠监测数据通过[polysomnography, PSG，多导睡眠监测]设备（飞利浦多导睡眠记录仪 Alice 6 LDxS硬件设备）对睡眠相关原始电生理信号进行采集，应用Sleepware G3睡眠诊断软件对采集的原始电生理信号进行分析；患者调查问卷数据则是通过填写问卷的形式归拢收集。 每条记录均包含了三大核心模块信息：①患者基本信息（如性别、年龄）；②客观睡眠监测及衍生生理事件指标数据；③主观问卷数据（如Epworth嗜睡量表评分、基础疾病、生活习惯、体格测量及主观睡眠质量评估）；所有个人敏感信息均已删除，符合国家隐私保护规范。 本数据集以其大维度、高标准、高精度的特点，深度融合了多模态生理信号与临床表型，对于睡眠疾病的机理研究、人工智能诊断模型开发、临床疗效评估及流行病学研究具有重要的基础性价值与应用前景。

一、客观睡眠监测及衍生生理事件指标数据经如下处理： 使用配套Sleepware G3软件，基于美国睡眠医学会（AASM）标准及内置自动分期算法，对原始电生理信号进行自动分期与事件检测形成结构化数据集： （1）软件初步判读原理：通过模式识别与时频分析，对脑电、眼电、肌电、心电、呼吸等多通道原始电生理信号进行同步解析，自动识别睡眠分期（W、N1、N2、N3、REM期）及各类生理事件。 （2）软件输出的数据类型： 客观睡眠监测数据：包括睡眠潜伏期、各期持续时间、睡眠效率、微觉醒次数等，均由软件自动分期后统计得出。 衍生生理事件指标：如呼吸事件（阻塞性、低通气、中枢性、混合性）、血氧下降事件、腿动事件等，由软件根据预设阈值与形态特征自动检测并计数。 （3）人工复核流程：由具备资质的睡眠技师依据AASM标准，对软件自动分期与事件检测结果进行可视化校对与修正，确保数据符合临床诊断标准。 二、主观问卷数据的处理： 主观问卷数据是通过一套明确的编码规则，从原始调查表转化而来。其核心转化形式如：二值化编码，将“有”或“无”编码为数字1或0。 经过数值保真录入，将非结构化的问卷转换为结构化数据。

本数据集具有广阔的应用场景和极高的价值密度，主要体现于以下方面： 首先，在临床科研与精准医疗领域，该数据可用于深度研究睡眠呼吸暂停（OSA）的病理生理机制，分析各种睡眠参数与高血压、心脏病等共病症的关联性，为疾病分型、严重程度评估及个性化治疗方案（如呼吸机压力设定）的制定提供坚实的数据支撑。 其次，在人工智能与医疗器械研发领域，本数据集是训练和验证睡眠分期、呼吸事件自动识别、血氧预测等AI算法的黄金标准数据。可用于开发辅助诊断软件、提升家用睡眠监测设备（WatchPAT等）的精确度，以及推动新型智能诊疗工具的创新。 最后，在公共卫生与健康管理领域，通过对人群睡眠模式的宏观分析，可为构建区域性疾病预测模型、制定公共卫生政策提供依据，同时也有助于开发个性化的健康管理方案和睡眠质量改善服务。 综上所述，本数据集是驱动睡眠医学领域科学研究、技术创新的关键基础设施，具有重要的社会价值和商业应用潜力。

患者基本信息 客观睡眠监测及衍生生理事件指标数据 主观问卷数据 检查日期 性别 年龄 睡眠潜伏期 N1潜伏期 N2潜伏期 N3潜伏期 REM潜伏期 N1潜伏期 N2潜伏期 N3潜伏期 REM潜伏期TIB(卧床时间） SPT（睡眠间期时间）TST（总睡眠时间） REM持续时间 NREM持续时间 SWS持续时间 W(SPT)次数 W(TIB)次数 R次数 N1次数 N2次数 N3次数 W(SPT)持续时间 W(TIB)持续时间 R持续时间 N1持续时间 N2持续时间 N3持续时间 W(TIB)（%TIB) R（%TIB) N1（%TIB) N2（%TIB) N3（%TIB) W(SPT)（%SPT) R（%SPT) N1（%SPT) N2（%SPT) N3（%SPT) R（%TST) N1（%TST) N2（%TST) N3（%TST) REM微觉醒总次数 NREM微觉醒总次数 MVT微觉醒总次数 WK微觉醒总次数 总共微觉醒次数 大于15秒微觉醒总次数 伴呼吸事件REM微觉醒次数 伴呼吸事件NREM微觉醒次数 伴呼吸事件MVT微觉醒次数 伴呼吸事件WK微觉醒次数 附件下载

字段名称 数据类型 字段说明 患者基本信息； VARCHAR 记录患者的年龄和性别 客观睡眠监测及 衍生生理事件指 int 设备记录患者入睡后的各项睡眠指标及事件 标数据； 主观问卷数据； float 问卷记录患者的既往病史、诊疗史及相关情况 （数据集中每个字段具体说明详见附件）