人机不同步的监测与识别

作者：王蒙，赵菲璠

单位：北京大学第三医院呼吸与危重症医学科

【摘要】人机不同步在有创通气和无创通气过程中非常常见，发生率高达10%～85%，其严重程度主要通过人机不同步指数（asynchrony index，AI）（人机不同步指数%=100×人机不同步事件/总呼吸次数）进行量化，AI＞10%为严重的人机不同步，与患者撤机失败、住院时间延长、住ICU时间延长以及死亡率升高密切相关。人机不同步的监测与识别对于评估严重程度至关重要。本文将介绍人机不同步的监测方法。

一、呼吸机波形分析

随着呼吸机软硬件技术的发展，现代呼吸机在基础的生理学参数监测外，还能提供送气过程中压力、流速和容量的变化曲线。医务人员通过分析压力、流速和容量变化曲线，可以实时监测和判断有无最常见的人机不同步的发生，包括触发、切换和流速相关的人机不同步。具体判定方法已在前面文章中进行了详细介绍。

需要注意的是，单纯使用呼吸机波形对人机不同步进行识别会导致人机不同步事件的严重低估，即使是ICU专家，识别能力仍然有限，无法可靠准确地发现人机对抗。既往一项研究对比了专家（工作3年以上ICU专科医师）以及非专家（工作第1年ICU住院医师）使用呼吸机波形判定人机不同步事件的准确率，试验采用膈肌电活动作为判定的金标准（波形判别时无法看到膈肌电活动波形），结果发现无论专家还是非专家，整体通过呼吸机波形判定人机不同步事件的准确率都非常低。研究共进行了4幅波形图的判定（下图A），流速时间曲线可见流速上升波动、压力时间曲线可见向下的压力波动，判定为无效触发，膈肌电活动也支持这一判定。但整体判定准确率为72%（专家80%，非专家63%）。

下图B，压力和流速曲线波形不是很稳定，但可见到微小的变化，通过膈肌电活动可知，为无效触发，此时单纯通过压力和流速时间曲线判定难度较大，整体准确率为21%（专家27%，非专家14%）。

下图C，压力和流速时间曲线看起来都很完美，但通过膈肌电活动曲线可知患者无自主呼吸驱动，所有通气均为自动触发/误触发，此时单纯通过压力和流速时间曲线判定难度较大，整体准确率为8%（专家10%，非专家5%）。

下图D，压力和流速时间曲线看起来都很完美，但通过膈肌电活动曲线可知患者存在呼吸驱动，为无效触发，此时单纯通过压力和流速时间曲线很难判定人机不同步是否存在，整体准确率为0（专家0，非专家0）。

此外，特殊类型的人机对抗（如反向触发）也不能通过波形简单识别。因此在条件允许的情况下，应使用食道压及膈肌电活动监测，以准确识别人机不同步事件。

二、食道压

多项研究发现，食道压力监测可以更好地识别人机对抗。监测食道压时，医务人员可以通过食道压变化实时监测患者的每一次吸气，更有利于了解人机交互情况。

食道压监测可以准确识别无效触发及延迟触发，如下图所示，①②处可见气道压力和流速存在波动（提示患者吸气可能，但未达到触发灵敏度，无法触发送气），③处可见食道内压力下降（提示患者吸气），①②③综合判断可知患者存在吸气动作，但未达到预设的触发灵敏度，无法触发送气，故存在无效触发。④处为食道内压开始下降（提示吸气开始），直至⑤处呼吸机开始送气（提示触发呼吸机送气），④与⑤之间存在时间间隔，即患者吸气开始直至触发呼吸机送气存在延迟，故可判定为延迟触发，此类触发单独根据压力及流速时间曲线进行判定较为困难。

食道压监测可以准确识别自动/误触发，自动触发/误触发通常是由于触发设置过于灵敏（触发阈值过低），当漏气（插管气囊、管路、胸引管）或气流震荡（冷凝水、分泌物，心脏收缩）达到呼吸机预设的触发灵敏度时产生。下图可见流速时间曲线上存在心脏收缩导致的气流震荡，同时吸气肌未收缩（紫色线食道压无压力波动），即在患者未吸气情况下触发了呼吸机送气，为典型的气流震荡导致的自动触发/误触发。

下图可见容量时间曲线下降支未能归零（提示存在漏气），同时可见吸气肌收缩（紫色线食道压力下降）频率小于呼吸机送气频率，为典型的漏气导致的自动触发/误触发。

食道压监测可以准确识别反向触发，如下图所示，气道压和食道压在吸气初期无明显变化（提示为控制通气），红色箭头处可见食道压力曲线下降（提示患者吸气），因此可判断为反向触发，同时图中可见两次控制通气后仅出现一次反向触发，故拖带比为2:1，因此为2:1拖带反向触发。

食道压监测可准确识别切换过早/双触发，如下图所示，与上图反向触发不同，本图中红色箭头可见患者食道压下降、触发了一次呼吸机送气，但神经吸气时间＞机械送气时间，患者持续吸气，达到触发灵敏度再次触发了一次送气，综合判定为吸气时间设置过短、切换过早导致的双触发。

食道压监测可以准确识别切换延迟，如下图所示，神经吸气结束后呼吸机仍在送气，即送气时间＞神经吸气时间，导致吸气末气道压力波形出现上凸，综合判定为切换延迟。

三、膈肌电活动

膈肌肌电图可通过特殊的电极导管监测，可连续获得呼吸过程中膈肌电活动。膈肌电活动是呼吸中枢传递到膈肌上的神经冲动所诱发的膈肌肌纤维动作电位的总和，可以反映呼吸中枢对膈肌的驱动强度，不受肺部病变及气道阻力的影响。因此，可通过监测膈肌电活动直接监测呼吸驱动发放频率、开始时间、结束时间及驱动强度。

膈肌电活动可准确识别无效触发，如下图所示，压力时间曲线①②处可见气道压力下降，流速时间曲线③④处可见吸气流速上升，但两次均未触发呼吸机送气，提示可能存在无效触发，膈肌电活动曲线⑤⑥处均存在膈肌电位升高，提示存在呼吸冲动和自主呼吸，综合判断为无效触发。

膈肌电活动可准确识别自动触发及双触发。图B可见在无膈肌电活动情况下呼吸机送气，即在患者无呼吸驱动下呼吸机送气，为自动触发。图C可见在膈肌电活动持续时间内（即神经吸气时间），呼吸机连续两次送气，为典型的切换过早导致的双触发。

膈肌电活动可准确识别反向触发，如下图所示，图中所有通气送气初期均无膈肌电活动（提示为控制通气），黑色虚线为膈肌电活动开始时间（即吸气开始时间），换句言之，所有通气均为控制通气，控制通气送气过程中“触发”了患者自主吸气，可判定为反向触发。

膈肌电活动可准确识别切换延迟，如下图所示，注意蓝色阴影部分（即吸气末阶段），流速突然下降、气道压力上凸、食道压绝对值下降、膈肌电活动减弱，均提示存在吸气时间过长、切换延迟。

膈肌电活动可准确识别切换过早及吸气延迟。图D可见在膈肌电活动持续的（即吸气动作持续）情况下，呼吸机送气提前结束，患者在呼吸机结束送气后仍持续吸气，导致流速时间曲线上流速上凸（突然下降），为典型的切换过早。图E可见膈肌电活动开始（吸气动作）直至呼吸机送气存在明显的时间间隔，为典型的延迟触发。

根据上述所讲自测一下，分析一下下图中各种人机不同步的类型吧。

四、膈肌超声

膈肌超声在ICU使用日益增多，是一种快速、准确、无创、无辐射、易于使用的床旁检查手段，可量化评估膈肌功能（膈肌厚度、移动度），诊断膈肌功能不全，预测无创通气成功率及有创呼吸机撤机成功率。目前，越来越多的证据也表明，膈肌超声联合呼吸机压力时间曲线，有助于评估人机同步性。制约其应用的主要问题是膈肌超声图像与呼吸机送气图形不能实时同步显示，需要采集两者数据后进行后处理。

膈肌超声可用于诊断自动触发，如下图所示，绿色线为压力时间曲线，上方白色粗线为膈肌位移图像，通过分析图像可以看出，白色箭头处在无膈肌位移（即患者吸气）的情况下呼吸机存在送气，可判定为自动触发。

膈肌超声可用于诊断反向触发，如下图所示，绿色线为压力时间曲线，上方白色粗线为膈肌位移图像，通过分析图像可以看出，每一次膈肌位移都发生于呼吸机送气之后（即呼吸机送气为控制通气，并非由患者吸气触发），因此可判定为反向触发。

膈肌超声可用于诊断双触发，如下图所示，红色线为压力时间曲线，下方橘红色粗线为膈肌位移图像，通过分析图像可以看出，在单次膈肌位移时间范围内（即吸气时间，图中所示为1.28秒），出现了两次连续的呼吸机送气（第一次送气时间为0.81秒），即患者吸气触发了两次连续的送气，故可判定为双触发。

膈肌超声可用于诊断切换延迟，如下图所示，绿色线为压力时间曲线，上方白色粗线为膈肌位移图像，通过分析图像可以看出，膈肌位移下降（即呼气开始）后呼吸机仍在送气，即呼吸机送气时间＞患者吸气时间，因此可判定为切换延迟。

除膈肌位移外，吸气过程中膈肌增厚程度同样可用于判断人机同步性。如下图B白色箭头处所示，在膈肌厚度没有变化（即无患者吸气）的情况下，呼吸机出现了送气，可判定为自动触发。图D白色箭头处所示，在膈肌厚度变薄后（即吸气结束）呼吸机仍在送气，即吸气时间＜呼吸机送气时间，可判定为切换延迟。

五、总结

人机不同步发生率高，医务人员应提高对人机同步性的认识，综合运用呼吸机波形分析、食道压、膈肌电活动监测及膈肌超声等方法，准确识别、判定和处理人机不同步，减少其发生，改善机械通气患者的预后。

参考文献

（向下滑动查看全部文献）

[1] Daniel H A, Ivan I R. Identifying Patient-Ventilator Asynchrony Using Waveform Analysis[J]. Palliat Med Care, 2017, 4(4):1-6. 

[2] Flynn B C, Miranda H G, Mittel A M, et al. Stepwise Ventilator Waveform Assessment to Diagnose Pulmonary Pathophysiology[J]. Anesthesiology, 2022, 137(1):85-92.

[3] Dres M, Rittayamai N, Brochard L. Monitoring patient-ventilator asynchrony[J]. Curr Opin Crit Care, 2016, 22(3):246-253.

[4] Antonogiannaki E M, Georgopoulos D, Akoumianaki E. Patient-Ventilator Dyssynchrony[J]. Korean J Crit Care Med, 2017, 32(4):307-322. 

[5] Mauri T, Yoshida T, Bellani G, et al. Esophageal and transpulmonary pressure in the clinical setting: meaning, usefulness and perspectives[J]. Intensive Care Med, 2016, 42(9):1360-1373.

[6] Colombo D, Cammarota G, Alemani M, et al. Efficacy of ventilator waveforms observation in detecting patient-ventilator asynchrony[J]. Crit Care Med, 2011, 39(11):2452-2457. 

[7] Subirà C, de Haro C, Magrans R, et al. Minimizing Asynchronies in Mechanical Ventilation: Current and Future Trends[J]. Respir Care, 2018, 63(4):464-478. 

[8] Sousa MLEA, Magrans R, Hayashi F K, et al. Clusters of Double Triggering Impact Clinical Outcomes: Insights From the EPIdemiology of Patient-Ventilator aSYNChrony (EPISYNC) Cohort Study[J]. Crit Care Med, 2021, 49(9):1460-1469.

[9] Lamouret O, Crognier L, Vardon Bounes F, et al. Neurally adjusted ventilatory assist (NAVA) versus pressure support ventilation: patient-ventilator interaction during invasive ventilation delivered by tracheostomy[J]. Crit Care, 2019, 23(1):2. 

[10] Ferreira J C, Diniz-Silva F, Moriya H T, et al. Neurally Adjusted Ventilatory Assist (NAVA) or Pressure Support Ventilation (PSV) during spontaneous breathing trials in critically ill patients: a crossover trial[J]. BMC Pulm Med, 2017, 17(1):139.

[11] Yonis H, Crognier L, Conil J M, et al. Patient-ventilator synchrony in Neurally Adjusted Ventilatory Assist (NAVA) and Pressure Support Ventilation (PSV): a prospective observational study[J]. BMC Anesthesiol, 2015, 15:117.

[12] Mirabella L, Cinnella G, Costa R, et al. Patient-Ventilator Asynchronies: Clinical Implications and Practical Solutions[J]. Respir Care, 2020, 65(11):1751-1766. 

[13] Esperanza J A, Sarlabous L, de Haro C, et al. Monitoring Asynchrony During Invasive Mechanical Ventilation[J]. Respir Care, 2020, 65(6):847-869. 

[14] Vivier E, Haudebourg A F, Le Corvoisier P, et al. Diagnostic Accuracy of Diaphragm Ultrasound in Detecting and Characterizing Patient-Ventilator Asynchronies during Noninvasive Ventilation[J]. Anesthesiology, 2020, 132(6):1494-1502. 

[15] Soilemezi E, Vasileiou M, Spyridonidou C, T, et al. Understanding Patient-Ventilator Asynchrony Using Diaphragmatic Ultrasonography[J]. Am J Respir Crit Care Med, 2019, ;200(4):e27-e28.

[16] Gilstrap D, MacIntyre N. Patient-ventilator interactions. Implications for clinical management[J]. Am J Respir Crit Care Med, 2013, 188(9):1058-1068.

[17] Garofalo E, Bruni A, Pelaia C, et al. Recognizing, quantifying and managing patient-ventilator asynchrony in invasive and noninvasive ventilation[J]. Expert Rev Respir Med, 2018, 12(7):557-567. 

作者简介

王蒙

• 北京大学第三医院呼吸与危重症医学科呼吸治疗师
• 主要从事呼吸支持、气道管理、血流动力学监测、CRRT以及重症超声等
• 中国残疾人康复协会肺康复专业委员会ICU肺康复专业学组委员
• 北京大学重症医学系呼吸治疗学组委员

赵菲璠

• 北京大学第三医院呼吸与危重症医学科呼吸治疗师
• 主要从事重症患者呼吸支持、气道管理、血流动力学监测、CRRT等
• 北京大学重症医学系呼吸治疗学组委员