背景和目的:目前肥胖已成为威胁人类健康的主要问题之一,自1975年以来在全球范围内已增长了2倍,但直到2013年美国才将其定义为一种疾病。肥胖的发病率逐渐增加,随之而来的合并症也成为医学关注的焦点。其中阻塞性睡眠呼吸暂停（Obstructive sleep apnea,OSA）、2型糖尿病（T2DM）、心血管疾病（CVD）等较为多见。根据流行病学调查显示OSA的发病率和肥胖的发病率呈线性关系,而且OSA不仅能加重肥胖、影响血糖,同时也能导致夜间猝死等严重并发症。鉴于肥胖患者中OSA的高发病率及其可能导致的严重后果,在肥胖人群中早期识别与诊断OSA显得尤为重要。目前OSA的诊断金标准为多导睡眠监测（polysomnography,PSG）,但因其价格昂贵,操作复杂,病人耐受性差等缺点限制了其应用。而常用的筛查工具如Epworth嗜睡量表（ESS）和Stop-Bang问卷也因敏感性及特异性较低导致诊断的准确性降低。因此找寻准确而简便的筛查方法成为当下研究热点。本研究联合血糖相关指标及一般测量指标来探讨肥胖患者发生OSA的危险因素,并对其筛查价值进行研究,以寻找最佳早期筛查指标。方法:收集2018年11月-2020年5月就诊于安徽医科大学第二附属医院拟行减重代谢手术的肥胖症患者119例。由专人测量所有受试者的身高、体质量、颈围、腰围、腹围,并计算BMI。并于当晚进行PSG,同时于监测前完善Epworth嗜睡量表（ESS）和Stop-Bang问卷。根据PSG结果将119例肥胖症患者分为非OSA组（32例）和OSA组（87例）。所有受试者检测糖化血红蛋白（glycated hemoglobin,HbA1c）、空腹血糖（fasting plasma glucose,FPG）,口服葡萄糖耐量试验后的2 h血糖（2 hours plasma glucose,2h PG）。所有数据采用SPSS 23.0软件进行统计分析,符合正态分布的计量资料以x?s表示,计数资料分析使用χ2检验;使用Logistic回归分析,得出有意义的变量,最后对这些变量进行ROC曲线绘制,得出变量的最佳截断值用于预测OSA。相关性分析采用Pearson线性相关性分析。P<0.05为差异有统计学意义。结果:1.OSA组患者颈围、腰围、BMI、2h PG、FPG及HbA1c值的平均水平高于非OSA组;同时OSA组患者的ESS量表及STOP-Bang量表评分高于非OSA组,平均指脉氧饱和度（Mean pulse oxygen saturation,MSp O2）、最低指脉氧饱和度（Lowest pulse oxygen saturation,LSp O2）低于非OSA组（P<0.05）。2.通过单因素Logistic回归分析显示非OSA组及OSA组间除年龄因素无统计学意义（P>0.05）,其余影响因素均有统计学意义（P<0.05）,进一步采用多因素Logistic回归分析显示OSA的独立影响因素主要包括颈围、HbA1c（P<0.05）。3.受试者工作特征曲线（ROC）分析显示HbA1c、颈围的曲线下面积（AUC）分别为:0.813、0.909,均高于Epworth嗜睡量表及STOP-Bang评分（AUC分别为:0.638、0.739）。联合使用HbA1c和颈围指标可提高AUC至0.934,在肥胖合并OSA患者的诊断中灵敏度为85.1%,特异度为96.9%。结论:颈围及HbA1c对于肥胖患者中是否合并OSA具有良好的诊断价值。同时联合检测颈围及HbA1c可有效提高OSA诊断的敏感性及特异性,能够较好的代替ESS及STOP-Bang量表,可用于肥胖合并OSA患者的筛查。