Thang đo, thiết bị đeo và dữ liệu tự báo cáo

Nhiều hiểu biết về giấc ngủ ở cấp quần thể không đến từ đa ký giấc ngủ, mà từ bảng hỏi, câu tự khai và ngày càng nhiều từ đồng hồ, vòng tay, nhẫn đeo tay. Chương này hỏi: các công cụ đó đo được gì, sai ở đâu, và sai theo chiều nào. Kết luận chính có ba phần: mỗi thang đo được thẩm định cho một mục đích và một quần thể, nên khi điểm cắt và chuẩn đối chiếu thay đổi thì độ nhạy, độ đặc hiệu cũng đổi — bản PSQI tiếng Việt là ví dụ rõ; thiết bị tiêu dùng nhận ra giấc ngủ rất tốt nhưng nhận ra lúc thức kém, nên có xu hướng tính dư giấc ngủ, rõ nhất ở thế hệ thuật toán cũ và ở đêm ngủ bị gián đoạn; và thời lượng ngủ tự khai lệch so với đo khách quan, và lệch nhiều nhất ở chính nhóm ngủ ngắn — điều buộc ta đọc thận trọng đường cong thời lượng ngủ–tử vong ở chương 3.

Trước khi đi vào từng thang, cần phân biệt bốn câu hỏi mà một thang đo giấc ngủ có thể trả lời: chất lượng giấc ngủ nói chung (PSQI), mức độ nặng của mất ngủ (ISI), mức buồn ngủ ban ngày (ESS), và nguy cơ ngưng thở tắc nghẽn (STOP-Bang, Berlin). Một thang làm tốt việc này không tự động làm tốt việc kia. Hai chỉ số thường gặp khi thẩm định là độ nhạy (tỉ lệ người có bệnh được thang phát hiện) và độ đặc hiệu (tỉ lệ người không bệnh được thang xếp đúng là không bệnh). Cả hai phụ thuộc vào ba thứ: điểm cắt, chuẩn đối chiếu (so với cái gì — một chẩn đoán lâm sàng, một tiêu chí tự báo cáo hay đa ký giấc ngủ) và quần thể nghiên cứu.

Một nguyên tắc định hướng cho cả chương: hướng dẫn thực hành lâm sàng AASM 2017 khuyến nghị mạnh không dùng công cụ lâm sàng, bảng hỏi hay thuật toán dự đoán để chẩn đoán ngưng thở tắc nghẽn khi ngủ (obstructive sleep apnea, OSA) ở người lớn khi không có đa ký giấc ngủ (polysomnography, PSG) hoặc đa ký hô hấp tại nhà (HSAT) (Kapur và cs., 2017). Bảng hỏi là công cụ sàng lọc và phân tầng, không phải công cụ chẩn đoán.

PSQI: bản gốc, bản tiếng Việt và câu hỏi "> 5 hay ≥ 5"#

Bản gốc năm 1989#

Chỉ số chất lượng giấc ngủ Pittsburgh (Pittsburgh Sleep Quality Index, PSQI) là thang gặp nhiều nhất trong các nghiên cứu Việt Nam mà chúng tôi tìm được. Trong nghiên cứu thẩm định gốc, điểm tổng > 5 phân biệt người ngủ kém với người ngủ tốt với độ nhạy 89,6%, độ đặc hiệu 86,5% (kappa 0,75) (Buysse và cs., 1989). Mẫu gồm 52 người ngủ tốt, 54 bệnh nhân trầm cảm và 62 bệnh nhân rối loạn giấc ngủ; chuẩn đối chiếu là nhóm lâm sàng có chẩn đoán. Điểm cần nhớ: ngưỡng gốc là > 5, tức ≥ 6, không phải ≥ 5.

Hai bản tiếng Việt#

Bản PSQI tiếng Việt đầu tiên được nhóm Tô Minh Ngọc công bố năm 2014, qua quy trình dịch xuôi–dịch ngược và đăng ký với MAPI-TRUST. Bản này được thử trên 10 bệnh nhân phòng khám giấc ngủ: 100% có điểm hai lần đo cách 1 tuần chênh không quá 1 điểm. Nghiên cứu chưa báo cáo hệ số Cronbach α, điểm cắt hay độ nhạy/đặc hiệu — những phần này được dự kiến cho giai đoạn sau (Tô Minh Ngọc và cs., 2014). Đây là thẩm định ngôn ngữ, chưa phải thẩm định tâm trắc đầy đủ.

Nghiên cứu thẩm định thứ hai thực hiện trên 906 sinh viên khoa học sức khoẻ ở TP.HCM năm 2021 (khảo sát trực tuyến). Cronbach α là 0,68; điểm cắt tối ưu theo chỉ số Youden là ≥ 5, cho độ nhạy 78,08%, độ đặc hiệu 75,60% và diện tích dưới đường cong (AUC) 0,8498 (Nguyen và cs., 2024). Có ba điều cần đọc kỹ. Một, chuẩn đối chiếu không phải PSG hay chẩn đoán lâm sàng, mà là tiêu chí "rối loạn giấc ngủ" tự báo cáo (tiềm thời > 30 phút, TST ≤ 6,5 giờ hoặc hiệu suất ≤ 85%) — nghĩa là thang tự báo cáo được đối chiếu với một tiêu chí cũng tự báo cáo, và một phần các tiêu chí này trùng với các câu hỏi của chính PSQI. Hai, tóm tắt bài ghi điểm cắt "above 5" trong khi phần Kết quả ghi ≥ 5. Ba, bài có mâu thuẫn nội tại giữa phần bàn luận và một bảng về hệ số tương quan (Nguyen và cs., 2024).

Độ nhạy và đặc hiệu của bản tiếng Việt thấp hơn bản gốc, nhưng hai con số không so trực tiếp được: chuẩn đối chiếu và quần thể đều khác. Bản gốc phân biệt người khoẻ với bệnh nhân đã có chẩn đoán — hai nhóm cách xa nhau, nên dễ phân biệt; bản tiếng Việt phân biệt trong một quần thể sinh viên tương đối đồng nhất, với một chuẩn đối chiếu mờ hơn.

Vì sao chênh 1 điểm lại quan trọng#

Hệ quả thực tế của chuyện "> 5 hay ≥ 5" xuất hiện ngay trong y văn Việt Nam: một số nghiên cứu dùng ≥ 5 (ví dụ nghiên cứu sinh viên y toàn quốc và nghiên cứu nhân viên y tế tuyến đầu), số khác dùng > 5 (ví dụ nghiên cứu sinh viên y Đà Nẵng) (Nguyen và cs., 2025; Phan và cs., 2023; Truong và cs., 2025). Người đạt đúng 5 điểm được tính là "ngủ kém" ở nhóm thứ nhất và "ngủ tốt" ở nhóm thứ hai. Vì vậy tỉ lệ "ngủ kém" từ các nghiên cứu dùng hai ngưỡng khác nhau không so sánh trực tiếp được. Chương 3 đặt các con số này cạnh nhau.

ISI và ESS#

Chỉ số mức độ mất ngủ#

Chỉ số mức độ mất ngủ (Insomnia Severity Index, ISI) đo mức độ nặng của triệu chứng mất ngủ. Trong nghiên cứu tâm trắc trên 959 người cộng đồng và 183 bệnh nhân cùng 62 người đối chứng, điểm cắt 10 là tối ưu để phát hiện mất ngủ trong cộng đồng (độ nhạy 86,1%, độ đặc hiệu 87,7%); hệ số Cronbach α là 0,90 và 0,91 ở hai mẫu (Morin và cs., 2011). Cùng nghiên cứu cho thấy mức thay đổi −8,4 điểm (KTC 95% −7,1 đến −9,4) tương ứng với mức cải thiện vừa theo đánh giá của một người đánh giá độc lập sau can thiệp (Morin và cs., 2011). Con số này là một mốc để đọc các thử nghiệm can thiệp mất ngủ ở các chương sau: một thay đổi vài điểm ISI có thể có ý nghĩa thống kê mà chưa chắc tương ứng với mức cải thiện vừa theo đánh giá độc lập.

Thang buồn ngủ Epworth#

Thang buồn ngủ Epworth (Epworth Sleepiness Scale, ESS) gồm 8 mục, mỗi mục chấm 0–3, tổng 0–24. Theo trang chính thức của tác giả thang đo, khoảng tham chiếu "bình thường" là 0–10; 11–24 là buồn ngủ ban ngày quá mức, chia thành nhẹ (11–12), vừa (13–15) và nặng (16–24) (Johns). Dữ liệu chuẩn ở người lớn Úc không có rối loạn giấc ngủ mạn có trung bình 4,6 (KTC 95% 3,9–5,3), độ lệch chuẩn 2,8; trang ESS dẫn lại số liệu này nhưng không nêu cỡ mẫu, và chúng tôi chưa đọc trực tiếp bài gốc (Johns).

ESS đo buồn ngủ, không đo ngưng thở. Khi dùng ESS như công cụ sàng lọc OSA ở ngưỡng AHI ≥ 5, 7 nghiên cứu trong hướng dẫn AASM cho độ nhạy chỉ 0,27–0,72 và độ đặc hiệu 0,50–0,76 (Kapur và cs., 2017). Độ nhạy thấp gợi ý nhiều người có OSA không có điểm buồn ngủ cao; độ đặc hiệu thấp gợi ý nhiều người buồn ngủ không có OSA.

Chúng tôi chưa tìm thấy trên PubMed bản tiếng Việt đã thẩm định tâm trắc của ISI hay ESS.

STOP-Bang và các bảng hỏi sàng lọc ngưng thở#

Độ nhạy cao, độ đặc hiệu thấp#

STOP-Bang là bảng hỏi tám mục về ngáy, mệt, ngưng thở được quan sát, huyết áp, chỉ số khối cơ thể, tuổi, vòng cổ và giới. Tổng hợp trong hướng dẫn AASM 2017 cho thấy, so với PSG ở ngưỡng AHI ≥ 5, STOP-Bang có độ nhạy 0,93 (0,90–0,95) và độ đặc hiệu 0,36 (0,29–0,44), dựa trên 10 nghiên cứu chủ yếu ở nam trung niên béo phì nghi OSA; bảng hỏi Berlin có độ nhạy gộp 0,76 (0,72–0,80) và độ đặc hiệu gộp 0,45 (0,34–0,56) từ 19 nghiên cứu (Kapur và cs., 2017).

Phân tích gộp của nhóm tác giả STOP-Bang (17 nghiên cứu, 9.206 bệnh nhân) cho kết quả cùng hướng. Ở phòng khám giấc ngủ, với điểm ≥ 3, độ nhạy phát hiện OSA bất kỳ (AHI ≥ 5), vừa–nặng (≥ 15) và nặng (≥ 30) lần lượt là 90%, 94% và 96%, nhưng độ đặc hiệu chỉ 49%, 34% và 25% (Nagappa và cs., 2015). Giá trị dự báo âm (NPV) lần lượt là 46%, 75%, 90%; giá trị dự báo dương (PPV) 91%, 72%, 48%. Ở bệnh nhân phẫu thuật, độ nhạy là 84%, 91%, 96% và NPV 56%, 84%, 97%. Xác suất OSA nặng ở phòng khám giấc ngủ tăng từ 25% ở điểm 3 lên 75% ở điểm 7–8 (Nagappa và cs., 2015). Một tổng quan tường thuật của cùng nhóm năm 2016 nêu độ nhạy 93% và 100% cho OSA vừa–nặng và nặng, NPV 90% và 100% (Chung và cs., 2016).

Ở cùng ngưỡng AHI ≥ 5 và STOP-Bang ≥ 3, độ đặc hiệu là 49% trong phân tích của Nagappa và 0,36 trong hướng dẫn AASM. Khác biệt này phản ánh tập nghiên cứu và quần thể khác nhau, không phải một thang đo "thay đổi". Điểm chung quan trọng hơn: STOP-Bang loại trừ OSA nặng khá tốt khi âm tính, nhưng khi dương tính thì nhiều người không có bệnh cũng bị gắn cờ. Lưu ý thêm: PPV và NPV phụ thuộc mạnh vào tỉ lệ hiện mắc trong quần thể; ở phòng khám giấc ngủ, nơi phần lớn người đến đã nghi bệnh, PPV cao là điều dễ hiểu.

Ở Đông Á, độ chính xác giảm rõ#

Phân tích gộp theo vùng địa lý (47 nghiên cứu, 26.547 người) cho thấy độ chính xác chẩn đoán OSA vừa–nặng của STOP-Bang > 0,80 ở mọi vùng trừ Đông Á, nơi chỉ đạt 0,52 (Pivetta và cs., 2021). Cần đọc đúng: 0,52 là độ chính xác chẩn đoán tổng thể, không phải độ đặc hiệu. Nghiên cứu không có số riêng cho Đông Nam Á.

Tổng hợp mâu thuẫn của chúng tôi nêu hai lý do khả dĩ. Một, chỉ số khối cơ thể trung bình ở Đông Á thấp hơn, nên mục BMI của STOP-Bang — vốn đặt ngưỡng ở mức béo phì theo chuẩn phương Tây — ít khi dương tính, làm thang mất một phần sức phân biệt. Hai, khác biệt về định nghĩa giảm thở giữa các nghiên cứu (xem chương 1). Theo suy luận của chúng tôi SL, lý do thứ nhất có khả năng áp dụng cho Việt Nam, nơi BMI trung bình của 667 người trả lời bảng hỏi trong một nghiên cứu đa trung tâm về OSA là 21,6 (Duong-Quy và cs., 2018) — nhưng chưa có nghiên cứu nào chúng tôi tìm được kiểm chứng trực tiếp điều này ở người Việt.

Dữ liệu Việt Nam#

Ở 107 bệnh nhân nghi OSA tại Bệnh viện Phổi Trung ương, được đối chiếu với đa ký hô hấp, bảng hỏi Berlin đặc hiệu hơn còn STOP-Bang nhạy hơn; giá trị dự báo dương của cả hai trên 90% (H. H. T. và Ha, 2025). Tóm tắt không nêu độ nhạy và độ đặc hiệu dạng số, và PPV cao một phần do tỉ lệ hiện mắc cao trong một mẫu vốn đã nghi bệnh. Chúng tôi chưa tìm được bản STOP-Bang tiếng Việt đã thẩm định tâm trắc với số liệu độ nhạy/đặc hiệu đầy đủ.

Thiết bị đeo tiêu dùng so với đa ký giấc ngủ#

Quan điểm của AASM#

Tuyên bố quan điểm của AASM năm 2018 (chúng tôi đọc qua thông cáo báo chí) nêu rằng rất ít dữ liệu thẩm định khả năng của thiết bị giấc ngủ tiêu dùng, hầu như không thiết bị nào được Cục Quản lý Thực phẩm và Dược phẩm Hoa Kỳ (FDA) xem xét, và dữ liệu thiết bị nên được đặt trong bối cảnh một đánh giá giấc ngủ toàn diện; hiện các thiết bị này không thể chẩn đoán rối loạn giấc ngủ (Khosla và cs., 2018).

Nhận ra ngủ tốt, nhận ra thức kém#

Khi so sánh từng epoch với PSG, hai chỉ số cần tách bạch là độ nhạy với ngủ (tỉ lệ epoch ngủ thật được thiết bị gọi là ngủ) và độ đặc hiệu với thức (tỉ lệ epoch thức thật được thiết bị gọi là thức). Một nghiên cứu so 7 thiết bị tiêu dùng với PSG trong phòng xét nghiệm trên 34 người trẻ khoẻ (22 nữ) cho thấy độ nhạy phát hiện ngủ đều ≥ 0,93, nhưng độ đặc hiệu chỉ 0,18–0,54; đánh giá giai đoạn ngủ không nhất quán và kém hơn ở đêm ngủ bị gián đoạn. Phần lớn thiết bị bằng hoặc tốt hơn actigraphy về phân biệt ngủ/thức (Chinoy và cs., 2021).

Phân tích gộp các vòng tay Fitbit (22 bài, 8 bài có số liệu định lượng) cho thấy rõ vai trò của thế hệ thuật toán. Thế hệ không chấm giai đoạn có độ nhạy 0,87–0,99 nhưng độ đặc hiệu chỉ 0,10–0,52; chúng ước tính cao TST khoảng 7–67 phút và hiệu suất giấc ngủ khoảng 2–15%, ước tính thấp thức sau khi vào giấc (WASO) khoảng 6–44 phút (Haghayegh và cs., 2019). Thế hệ có chấm giai đoạn, dùng thêm biến thiên nhịp tim bên cạnh cử động, có độ nhạy 0,95–0,96 và độ đặc hiệu 0,58–0,69; không khác PSG có ý nghĩa về TST, hiệu suất hay WASO, nhưng ước tính thấp tiềm thời ngủ. Tác giả vẫn kết luận các mẫu này không thay thế PSG (Haghayegh và cs., 2019).

Logic khả dĩ đằng sau: ở người ngủ tốt, phần lớn thời gian trên giường là ngủ, và người nằm im mà thức trông giống người đang ngủ đối với cảm biến cử động. Thiết bị nào thiên về gọi "ngủ" sẽ có độ nhạy cao và độ đặc hiệu thấp. Theo suy luận của chúng tôi SL, sai số có thể lớn nhất ở người có nhiều thời gian thức nằm im, như người mất ngủ; các nghiên cứu nêu trên chủ yếu ở người trẻ khoẻ nên chưa kiểm trực tiếp điều này.

Sai số tổng thời gian ngủ: các con số và quy ước dấu#

Phân tích gộp năm 2025 về các thiết bị đeo cổ tay tiêu dùng (Fitbit, Garmin, Apple Watch, WHOOP, Xiaomi và các hãng khác) cho chênh lệch trung bình TST −16,854 phút và hiệu suất giấc ngủ −4,691 điểm phần trăm so với PSG (Lee và cs., 2025). Chúng tôi chưa đọc được quy ước dấu của bài này — tức chênh lệch được tính là PSG trừ thiết bị hay thiết bị trừ PSG. Nếu là PSG trừ thiết bị, dấu âm nghĩa là thiết bị ước tính cao TST; nếu là thiết bị trừ PSG, nghĩa là thiết bị ước tính thấp. Vì vậy chúng tôi không diễn giải con số này thành "ước tính cao" hay "ước tính thấp" cho đến khi đọc được toàn văn.

Phân tích gộp về nhẫn Oura cho chênh TST −2,97 phút và hiệu suất −1,32%, đều không có ý nghĩa thống kê (Khan và cs., 2025). Tuy nhiên chuẩn so sánh trộn cả PSG và actigraphy, mà actigraphy chính nó cũng có xu hướng nhầm thức thành ngủ; một thiết bị "khớp với actigraphy" chưa chắc khớp với PSG.

Các con số trong bảng khác nhau vì ít nhất bốn lý do: thế hệ thuật toán (có hay không dùng nhịp tim), quy ước dấu, chuẩn so sánh (chỉ PSG hay trộn actigraphy), và quần thể (người trẻ khoẻ ngủ liền mạch hay bệnh nhân). Điểm chung xuyên suốt là độ đặc hiệu phát hiện thức thấp, trong khoảng 0,10–0,69 tuỳ thế hệ. Theo suy luận của chúng tôi SL, sai số trung bình nhỏ trong phân tích gộp có thể che giấu sai số lớn ở từng cá nhân, nhất là người có nhiều thời gian thức về đêm.

Actigraphy, nhật ký và giấc ngủ tự khai#

Actigraphy trong lâm sàng#

Đo vận động (actigraphy) dùng thiết bị đeo cổ tay cấp y tế, thường kèm nhật ký giấc ngủ. Hướng dẫn AASM 2018 (phương pháp GRADE) đề xuất, ở mức khuyến nghị có điều kiện, dùng actigraphy để ước tính các thông số giấc ngủ ở người lớn mất ngủ (46 nghiên cứu), để đánh giá trẻ em mất ngủ, và để đánh giá rối loạn nhịp sinh học ở người lớn và trẻ em (Smith và cs., 2018). Hướng dẫn cũng đề xuất dùng actigraphy theo dõi tổng thời gian ngủ trước xét nghiệm MSLT và để ước tính TST ở người nghi hội chứng ngủ không đủ. Ngược lại, hướng dẫn khuyến nghị mạnh không dùng actigraphy thay điện cơ để chẩn đoán rối loạn cử động chi chu kỳ (5 nghiên cứu). Theo phần tổng hợp bằng chứng, actigraphy cho khác biệt lớn với nhật ký giấc ngủ về TST, tiềm thời và hiệu suất, nhưng khác biệt với PSG thì hẹp; chúng tôi chưa trích được con số định lượng của phần này.

Tự khai lệch bao nhiêu so với đo khách quan#

Nghiên cứu CARDIA đo thời lượng ngủ bằng actigraphy cổ tay (3 ngày, 2 đợt) kèm nhật ký ở 669 người. Thời gian ngủ đo được trung bình 6 giờ, trong khi tự báo cáo là 6,8 giờ; tương quan giữa hai cách đo chỉ 0,47 (Lauderdale và cs., 2008). Quan trọng hơn, sai lệch không đồng đều: theo mô hình hồi quy của nghiên cứu, người ngủ thật 5 giờ khai cao khoảng 1,2 giờ, còn người ngủ thật 7 giờ chỉ khai cao khoảng 0,4 giờ (Lauderdale và cs., 2008).

Hệ quả cho đường cong thời lượng ngủ–tử vong#

Các phân tích gộp lớn về thời lượng ngủ và tử vong — sẽ trình bày ở chương 3 — dựa trên thời lượng ngủ tự báo cáo. Phân tích gộp của Cappuccio và cộng sự ghi rõ thời lượng ngủ được đo bằng bảng hỏi và kết cục được xác định qua giấy chứng tử (Cappuccio và cs., 2010). Báo cáo của CDC về tỉ lệ ngủ đủ ở Mỹ cũng nêu giới hạn rằng thời lượng ngủ là tự báo cáo, không được xác nhận bằng actigraphy hay đo khách quan (Liu và cs., 2016).

Từ dữ liệu CARDIA, nhóm "ngủ ngắn" theo tự khai trong các nghiên cứu tử vong có thể bị phân loại sai; chính tác giả lưu ý rằng liên hệ thật giữa thời lượng ngủ và sức khoẻ có thể khác với liên hệ dựa trên dữ liệu tự báo (Lauderdale và cs., 2008). Chúng tôi đi thêm một bước suy luận SL: nếu người ngủ thật 5 giờ thường khai cao hơn thực tế hơn một giờ, thì một phần người ngủ rất ngắn sẽ nằm lẫn trong các nhóm tự khai dài hơn, và các mốc giờ trên trục hoành của đường cong tử vong có thể không tương ứng với thời lượng ngủ đo khách quan. Chiều và độ lớn của sự dịch chuyển này chưa được đo trực tiếp trong các nguồn chúng tôi đã đọc; đây là lý do để đọc "đáy đường cong ở khoảng 7 giờ" như một con số về giấc ngủ tự khai, không phải giấc ngủ đo được.

Điều chưa biết#

• Bản tiếng Việt đã thẩm định tâm trắc của ESS, ISI và STOP-Bang: chúng tôi chưa tìm thấy trên PubMed. Có một bài trên Vietnam Medical Journal năm 2025 về Berlin và STOP-Bang nhưng tóm tắt không có độ nhạy/đặc hiệu. Với PSQI, hiện có hai nghiên cứu tiếng Việt (2014 thẩm định ngôn ngữ, 2024 thẩm định trên sinh viên), chưa có nghiên cứu nào đối chiếu với PSG.
• Quy ước dấu trong phân tích gộp thiết bị đeo năm 2025 chưa được xác nhận từ toàn văn.
• Số liệu định lượng của phân tích gộp actigraphy so với PSG và nhật ký trong hướng dẫn AASM 2018 (tổng quan hệ thống đi kèm) chưa đọc được.
• Độ chính xác của STOP-Bang ở Đông Nam Á nói chung và Việt Nam nói riêng: chưa có số riêng trong phân tích gộp theo vùng.
• Hầu hết dữ kiện từ PubMed trong chương này ở mức tóm tắt, chưa phải toàn văn.