Objective: To analyze the predictive value of clinical data for identifying patients suspected of sleep apnea-hypopnea syndrome with an apnea-hypopnea index (AHI) ≥30. Material and methods: Patient characteristics, cardiorespiratory medical history, and clinical signs and symptoms were recorded for all patients. Exclusion criteria were daytime respiratory insufficiency or heart failure. All patients underwent polysomnographic testing (AutoSet® Portable Plus II, ResMed Corp, Sydney, Australia) for automatic AHI calculation and manual determination of central and obstructive apneas. A logistic regression model was constructed to calculate the likelihood of an individual's presenting an AHI ≥30 as well as the predictive value of each variable and of the final model. Results: Three hundred twenty-nine patients with a mean (SD) age of 58 (13.45) years were studied; 76.4% were men. Data for 207 patients were used to construct the logistic regression model: logit (P) = 2.5 hypertension + 1.5 Epworth test + body mass index + 0.6 repeated observed episodes of apnea -­ 2.1. Logit(P) was log e (1-P)/P and variables were dichotomized with cut points of 11 for the Epworth test and of 30 kg/m² for body mass index. The diagnostic sensitivity of the model was 80.2% (75%-86%), specificity was 93.4% (89%-95%), positive predictive value was 89.6% (84%-93%) and negative predictive value was 86.9% (81%-90%), such that 89.6% of the patients were correctly classified. The variable with the greatest predictive value was high blood pressure. The model was validated prospectively in the remaining 102 patients. Conclusions: Prior to diagnostic tests for sleep apnea-hypopnea syndrome, clinical data can be useful for identifying patients suspected to have a AHI ≥ 30.

Objetivo: Analizar el valor predictivo de las variables clínicas en la identificación de pacientes con sospecha de síndrome de apneas-hipopneas durante el sueño (SAHS) con un índice de apneas-hipopneas (IAH) superior a 30. Material y métodos: Se recogieron datos referentes a variables generales, antropométricas, antecedentes personales cardiorrespiratorios, clínica y la sensación subjetiva del clínico. Se excluyó a los pacientes con insuficiencia respiratoria diurna o cardíaca. A todos ellos se les realizó un estudio poligráfico (AutoSet) con determinación automática del IAH y manual del índice de apneas obstructivas y centrales. Mediante la construcción de un modelo lógistico se calculó la probabilidad individual de presentar un IAH ≥ 30 así como el valor predictivo de cada variable estudiada por separado y de la ecuación logística final. Resultados: Se estudió a 329 pacientes, con una edad media ± desviación estándar de 58 ± 13,45 años; el 76,4% eran varones. Las variables de 207 pacientes se utilizaron para la construcción de la ecuación logística: logit P = 2,5 hipertensión arterial + 1,5 test de Epworth + índice de masa corporal + 0,6 apneas presenciadas y repetidas -­ 2,1; siendo logit P = log e (1-p)/p y valorando las variables como dicotómicas con puntos de corte para el test de Epworth de 11 y para el índice de masa corporal de 30 kg/m². El valor diagnóstico de dicha ecuación fue: sensibilidad del 80,2% (75-86%); especificidad del 93,4% (89-95%); valor predictivo positivo del 89,6% (84-93%) y valor predictivo negativo del 86,9% (81-90%), lo que supuso un porcentaje de pacientes correctamente clasificados del 89,6%. La variable que presentó mayor capacidad predictora fue la presencia de hipertensión arterial. La ecuación se validó prospectivamente en los restantes 102 pacientes. Conclusiones: Los parámetros clínicos podrían ser útiles en la identificación, previa a la realización del estudio diagnóstico de SAHS, de aquellos pacientes con sospecha de SAHS que presentaran un IAH ≥30.