背景
对可能不足以预防肌肉萎缩的低水平吸气努力床边的评估具有挑战性。流量指数源自对流量-时间波形的吸气部分分析，最近被引入作为评估吸气努力非侵入性参数。本研究的主要目的是提供流量指数的外部验证，以检测低吸气努力。
方法
包含流量、气道压力和食管压力 (Pes) 时间波形的数据集来自先前发表的一项针对 100 名接受压力支持通气急性脑损伤患者研究。离线分析波形数据。低吸气努力由以下标准之一定义，呼吸功 (WOB) 小于 0.3 J/L，Pes-时间乘积 (PTPes) 每分钟小于 50 cmH2O·s/min，或吸气肌肉压力 (Pmus) 小于 5 cmH2O，所有标准都加上“或发生超过 10% 的无效努力”。根据先前报道方法计算流量指数。流量指数与Pes的关系研究。分析流量指数检测低努力诊断准确性。
结果
流量指数与每呼吸和每分钟的WOB、Pmus和PTPes之间存在中度相关性（Pearson 相关系数范围为 0.546 至 0.634，P< 0.001）。使用 WOB、每分钟PTPes和 Pmus的定义，低吸气努力发生率为 62%、51% 和 55%。对于三个各自的定义，流量指数诊断低努力受试者工作特征曲线下面积分别为 0.88、0.81 和 0.88。通过使用流量指数小于 2.1 的阈值，三种定义诊断性能显示灵敏度为 0.95-0.96，特异性为0.57-0.71，阳性预测值为0.70-0.84，阴性预测值为 0.90-0.93。
结论
流量指数与基于Pes的吸气努力测量相关。流量指数可用作筛选低吸气努力的有效工具，高概率排除无条件病例。
背景
压力支持通气 (PSV) 是机械通气患者使用最广泛的模式之一。PSV 的主要优点是提供可变的吸气流量以匹配患者的吸气努力，但到目前为止，对于最佳压力支持水平的调整尚未达成共识。最近的研究表明，由于过度帮助而导致的低水平吸气努力可能会对呼吸系统产生不利影响，可能导致膈肌萎缩和因废用而导致的收缩功能障碍。潜在的伤害性低努力的床边评估具有挑战性。事实上，没有与呼吸负荷相关的体征（呼吸窘迫或辅助呼吸肌的募集）是不够的：大多数过度辅助的患者表现出平静和舒适。因此，早期发现低努力对于接受 PSV 患者适当管理至关重要。已经设计许多仪器来评估吸气努力。到目前为止，基于食管压力 (Pes) 测量仍被视为金标准，包括 Pes 的潮汐呼吸(ΔPes)、吸气肌压 (Pmus)、Pes时间乘积 (PTPes)、和呼吸功 (WOB) 。然而，参数通常用于研究目的，而不是用于常规临床监测，主要是因为它们需要相对侵入性程序、特殊设备以及具有复杂计算的高专业知识。最近，已经研究几种非侵入性方法，包括气道阻塞压力 (P0.1) 、患者对阻塞气道呼吸努力产生的气道压力波动 (Paw) (ΔPOCC) 和压力肌肉指数 (PMI)，结果表明参数可靠地评估吸气努力。2021 年，Albani 及其同事引入新参数，该参数源自对流量时间波形的吸气部分的分析，即流量指数，该参数与接受 PSV 的患者吸气努力独立相关。来自同一组患者的数据表明，流量指数可以准确识别吸气努力高低。这种监测方法优点是不需要气道操作，如果将自动曲线拟合集成到呼吸机设计中，则可以进行连续监测。然而，该研究是单中心的，缺乏额外的证据来验证其有效性。在本研究中，我们对先前发表的脑损伤患者数据进行二次分析。主要目的提供流量指数的外部验证，以检测潜在的有害低吸气努力。此外，我们专门研究流动指数因其连续测量特性是否可以作为筛选工具。
方法
这是对从先前发表的前瞻性观察性队列研究 (ClinicalTrials.gov: NCT03212482) 中获得的数据进行二次分析。数据的匿名使用得到首都医科大学北京天坛医院机构审查委员会的批准（KY 2017-028-02）。
数据采集
该研究招募100 名接受机械通气（AVEA 呼吸机，CareFusion Co.，USA）和Pes监测（SmartCath-G 导管，CareFusion Co.，San Diego，CA，USA）急性脑损伤患者。食管球囊的位置通过闭塞试验得到证实。流量、Paw和Pes使用呼吸机采集系统（VOXPResearch Data Collector 3.2，Applied Biosignals GmbH，Weener，Germany）以 100 Hz 记录波形 15 分钟。在 15 分钟记录期间，呼吸机的设置保持不变。在记录结束时，查动脉血气分析。在研究单元中，当辅助/控制通气期间患者触发所有呼吸机呼吸时，通常将呼吸机模式更改为 PSV。设置压力支持以获得 6-8 ml/kg 预测体重 (PBW) 的潮气量 (Vt)，呼吸频率 (RR) 低于 30 次/分钟，并维持二氧化碳的动脉分压为35-40 mmHg（通常每天两次）尽可能长。流量触发的触发灵敏度通常设置为 1-2 L/min，压力触发触发灵敏度通常设置为 1.5-3 cmH2O。吸气-呼气循环通常设置为吸气峰流量的 25-30%。吸入氧分数（FiO2）和呼气末正压（PEEP）根据患者氧合情况设定。选择每个患者接受 PSV 第一个数据集用于本分析。我们从每个 15 分钟数据集中最后5 分钟中选择五个连续的稳定呼吸，没有Pes伪影、吞咽和患者-呼吸机不同步，并对测量值再均衡。使用专用软件（ICU-Lab 2.5 软件包，KleisTEK，Bari，Italy）离线分析数据。
定义和测量
呼吸力学变量的测量符合以前的建议。吸气努力的开始被定义为Pes的负偏转点，斜率快速变化。呼吸机充气的开始和结束分别被确定为流量时间记录中的第一个和最后一个正值。吸气 V T使用流动时间波形进行积分。RR 计算为 60 秒除以每次测量呼吸中的总呼吸周期 (s) 的时间，并在五个选定的呼吸中取平均值。快速浅呼吸指数 (RSBI) 计算为 RR（呼吸/分钟）与 Vt(L) 之间的比率。还计算了分钟通气量（MV）。吸气 ΔPes计算为吸气努力开始与吸气期间最大负偏转之间的Pes差异。内在 PEEP(PEEPi) 测量为从吸气努力开始到呼吸机充气开始的Pes下降。Pmus计算为吸气期间胸壁的静态反冲压力 (Pcw) 和Pes之间的最大差异。胸壁顺应性的理论值估计为肺活量预测值的 4%，用于构建Pcw。每次呼吸的 PTPes(cmH2O·s) 被测量为从吸气努力开始到呼吸机吹气结束的Pes-time 和 Pcw -time 曲线对着的面积。每分钟PTPes计算为PTPes和 RR 的乘积，表示为 cmH2O·s/min。使用坎贝尔图测量吸气 WOB，并以焦耳/升 (J/L) 表示。本研究使用了无效触发的原始结果。无效努力 (IE) 指数计算为整个 15 分钟数据集中无效触发在总呼吸中的百分比。流量指数是根据 Albani 及其同事介绍的基于 PSV 期间流量-时间曲线分析的方法计算的。吸气时流量-时间波形的起点定义为流量增加小于前一次测量的 1%，终点定义为流量减少超过前一次测量的 10%（图 1）。使用以下等式拟合起点和终点之间的流动时间数据：流量指数测量示意图。显示了压力支持通气下单次呼吸的流量时间波形（灰色圆圈，100 Hz）。流量-时间拟合的起点定义为流量增加小于前一次测量的 1%，结束点定义为流量减少超过前一次测量的 10%。还显示了拟合方程。黑色实线表示流动时间拟合曲线（R2 = 0.997 和 0.994）。表A 和表B 中的流量指数分别为 1.3 和 3.1
低吸气努力定义
在本研究中，潜在的有害低吸气努力是根据先前研究引入的三个标准定义的，包括 (1) WOB 小于 0.3 J/L；(2) PTPes /min 小于 50 cmH2O·s/min ；(3) Pmus小于 5 cmH2O，在所有标准中添加“或 IE 指数超过 10%”。
统计分析
分类变量表示为计数和百分比，连续数据表示为中位数（第 25-75 个百分位数）。执行 Pearson 相关性以评估流量指数与Pes衍生的吸气努力评估参数的关联，包括 Pmus、每次呼吸的PTPes、每分钟的 PTPes和 WOB。低吸气努力的发生率报告为百分比和 95% 置信区间 (CI)。使用具有双向随机模型的类间相关系数 (ICC) 分析了三个定义确定的低努力的一致性。还计算ICC 的 95% CI。本研究的主要终点是流量指数检测潜在有害低吸气努力的有效性。使用受试者工作特征曲线（ROC）分析流量指数和其他无创参数（RSBI和MV）的诊断准确性，并计算曲线下面积（AUC）。使用 DeLong 检验进行 AUC 的比较。使用约登指数计算识别低努力的流量指数的最佳阈值。对于流量指数，灵敏度、特异性、阳性和阴性预测值（PPV 和 NPV）以及各自 95% CI准确度是使用从本研究得出的最佳阈值和 Albani 等人报告值计算。根据本研究中采用的三个定义确定吸气努力数据集。使用具有输入逻辑回归的多变量模型分析了低强度与压力支持水平、脑损伤类型、格拉斯哥昏迷量表 (GCS) 指示意识障碍以及镇痛剂和/或镇静剂的使用之间关联。计算每个因素的优势比 (OR) 和 95% CI。采用SPSS 26.0软件统计分析。低于 0.05的P值被认为具有统计学意义。
结果
患者特征见表1。在 7 (6-8) cmH2O 的中位（第 25-75 个百分位数）压力支持下，RR 和 V T分别为 19 (16-22) 次呼吸/分钟和 8.6 (7.4-9.8) ml/kg PBW . 用于定义低吸气努力的三个Pes衍生参数是 WOB 为 0.20 (0.12-0.57) J/L，PTPes每分钟 72.6 (46.6-138.6) cmH2O·s/min 和 Pmus5.6 (3.2-10.6) cmH2O。流量指数的中位数（第 25-75 个百分位）为 1.7（1.4-2.2），范围从 1.0 到 4.7。流量指数与Pes衍生的吸气努力评估参数之间存在中度相关性，包括 Pmus、每次呼吸和每分钟的PTPes以及 WOB（图 2，Pearson 相关系数范围为 0.546 至 0.634，P< 0.001）,流量指数与源自食管压力的吸气努力参数的相关性。流量指数与每次呼吸和每分钟的食管压力-时间乘积 (PTPes)、吸气肌压力 (Pmus) 和呼吸功 (WOB)显著相关。显示 Pearson 相关系数 (r),根据 WOB、每分钟PTPes和Pmus，分别（图 3）。三种定义的一致性 ICC (95% CI) 为 0.923 (0.891-0.946)。不同定义的低吸气努力的发生率。数据显示为低吸气努力，仅由呼吸功 (WOB)、食管压力-时间乘积 (PTPes) 每分钟或吸气肌压力 (Pmus) 标准定义，仅由无效努力 (IE) 标准定义指数，并由基于食管压力和 IE 指数标准的努力参数定义。图 4显示流量指数和其他非侵入性参数 ROC 分析结果，以检测工作量。通过三个定义中的参数，流量指数的AUC（0.81-0.88）均显著高于MV和RSBI（0.55-0.69）（图 4）。3种定义的流量指数AUC差异无统计学意义（P >0.05）。用于检测低吸气努力的非侵入性参数的接收器操作特征曲线。显示接受者操作特征曲线 (AUC) 和 95% 置信区间 (CI) 下的面积。根据呼吸功（A）的定义，流量指数AUC显著高于快速浅呼吸指数（RSBI）（P =0.002）和分钟通气量（MV）（P <0.001）。根据每分钟食管压力-时间乘积 (B) 的定义，流量指数的 AUC显著高于其他参数（对比 RSBI：P = 0.002；对比 MV：P <0.001）。根据吸气肌压的定义（C），流量指数的AUC显著高于其他两个参数（均P <0.001）。根据 WOB、每分钟PTPes和 Pmus的定义，检测低吸气努力的流量指数的阈值分别为 2.1、2.0 和 2.0 。因为我们认为流量指数的敏感性是避免错过低努力检测最重要特征，所以我们将 2.1 设置为诊断性能分析中所有三个定义的阈值。虽然特异性相对较低（0.57-0.71），但发现高灵敏度（0.95-0.96）和 NPV（0.90-0.93）（表2）。PPV 范围从 0.70 到 0.84。通过使用先前报道的更高的阈值 (2.6) 来检测低吸气努力，在我们队列中发现更高的敏感性和 NPV（等于 1.00），以及更低的特异性（0.33-0.42）和 PPV（0.61-0.74）（表3）。多因素逻辑分析表明，只有压力支持水平与低吸气努力显著相关（OR 范围从 1.36 到 1.45，P <0.05（表4）。脑损伤的类型、GCS 以及镇痛剂和/或镇静剂的使用没有进入与低吸气努力相关的因素模型。
讨论
目前对机械通气脑损伤患者先前发表的数据的分析表明：（1）流量指数，吸气流量-时间波形拟合的新参数，与Pes衍生的吸气努力评估参数相关；(2) 高灵敏度表明流量指数可作为筛选低吸气努力的有效工具，高 NPV 表明流量指数排除无相关疾病病例的可能性高，而相对低的特异性和 PPV 表明当遵循低于临界点的值时，流量指数不太可能以低努力进行裁决；(3) 接受 PSV 脑损伤患者吸气努力低并不少见，主要原因可能是压力支持的过度协助。在本分析的设计过程中遇到的首要困难是潜在有害低吸气努力的定义。尽管基于Pes的参数已被用作评估吸气努力的黄金标准 ，但对于接受机械通气的危重患者的低努力标准尚未达成共识。因此，包括三个最常用的参数，包括 WOB、每分钟PTPes和 Pmus来定义低工作量。标准都是从Pes推导出来的波形分析被认为是黄金诊断。根据以往的研究，健康受试者在休息时这些参数的下限被选为定义的标准。我们的结果表明，这三个定义之间低工作量诊断高度一致（ICC 0.923, 95% CI 0.891-0.946）。在本研究中，我们还将无效触发的严重程度纳入Pletsch-Assuncao 及其同事所描述的潜在有害低努力的定义中。与无效触发相关的主要因素包括低呼吸驱动和努力、高触发阈值负荷 (PEEPi) 和不敏感的触发设置。在我们的装置中，通常采用相对敏感的触发设置（流量触发为 1-2 L/min，压力触发为1.5-3 cmH2O）。因为在Pes导出努力参数和流量指数的测量中仅包括没有患者-呼吸机不同步的呼吸，这导致测量的 PEEPi 较低（中位数为 1.2，第 25-75 个百分位数为 0.8-2.1 cmH2 O) 在我们的评估中（表1）。值得注意的是，仅根据 IE 标准诊断低努力在我们的数据中并不常见，特别是对于 WOB 定义（图 3）。然而，需要进一步的临床结果研究来确定是否将无效触发纳入低吸气努力的诊断。对于无需额外侵入性程序的吸气努力床边监测，已经开发了几种基于 Paw 的仪器，包括 P0.1、ΔPOCC和 PMI。研究表明，参数与Pes相关基于努力评估仪器，可以可靠地检测高低吸气努力。然而，这些监测方法需要气道操作，因此只能间歇性地进行，这可能会阻碍它们作为筛查工具来检测低吸气努力。新引入的流量指数，拟合吸气流量随时间的下降部分，代表触发后患者的吸气努力与呼吸机充气流量的关系。一项单中心研究表明，流量指数与吸气努力相关。在 Albani 和同事的研究中，滴定压力支持以获得低、中和高吸气努力，他们发现流量指数准确检测低吸气努力。这些结果有助于调整压力支持以避免对特定患者的过度帮助。在本研究中，我们有意将流量指数的诊断性能作为检测低吸气努力筛查工具。ROC 分析表明，流量指数可以准确地检测出低努力（AUC 0.81-0.88，图 4）。使用小于 2.1 作为阈值，高灵敏度 (0.95-0.96) 表明流量指数作为筛选工具具有出色的性能（表2）。同时，高 NPV（0.90-0.93）表明当流量指数高于或等于 2.1 时，排除病例不费力的可能性很高。当使用先前报告的阈值 2.6（表3）时，在我们的队列中发现了类似的检测低吸气努力的诊断性能]。此外，我们使用了在临床压力支持设置下收集的数据集，并且没有调整。因此，我们的结果可能更有助于筛选接受 PSV的患者群体的低努力。然而，应该强调的是，较低的特异性和 PPV 可能表明当遵循低于截止点的值时，流量指数不太可能以低努力为参数。当确认低吸气努力是主要目的时，临床医生应谨慎使用流量指数。值得注意的是，高吸气努力也对机械通气患者有害。由于辅助不足而导致的剧烈吸气努力可能会增加肺部压力和损伤，这被认为是患者自身造成的肺损伤的主要机制。因此，检测高强度的努力可能是预防患者自身造成的肺损伤的重要问题。然而，我们的数据不允许我们描述流量指数是否能够可靠地检测到高努力，因为目前队列中高努力的发生率相对较低。尽管 Albani 和同事证明流量指数在检测 PSV 期间的高吸气努力方面是准确的，但仍需要进一步分析。与其他针对普通重症患者的研究不同，本研究分析了脑损伤患者。低吸气努力可能是由于原始脑干损伤或机械通气过度辅助导致的低呼吸驱动，或可能主要是由于过度辅助导致的吸气肌功能障碍。由于分析的回顾性，我们没有关于我们队列中脑干损伤的患病率和严重程度的数据。多因素logistic分析显示，低努力仅与压力支持水平相关，与脑损伤类型、意识水平、镇静/镇痛使用无关，这暗示低努力的主要原因可能是过度帮助我们这组患者。然而，这个结果应该谨慎解释，因为没有收集到很多关于脑干损伤的数据。鉴于在脑损伤患者中使用 PSV 的增加，有必要在该人群中进行进一步的研究。本研究存在局限性。首先，仍然缺乏普遍接受的低吸气努力的定义。我们包括三个最常用Pes衍生标准以及无效触发。我们的结果显示，在这些标准中，低努力的诊断高度一致。其次，我们没有分析本研究中的高吸气努力，主要是因为我们的队列中很少发生高努力。第三，这是对脑损伤患者先前数据的回顾性分析。我们的结果可能不适用于其他人群。第四，我们没有测量其他无创吸气努力参数，例如 P0.1、ΔPOCC和 PMI，因为在原始研究中没有进行正式的气道阻塞。因此，我们无法在诊断性能中提供流量指数与这些参数的比较，以检测工作量。
结论
流量指数与基于Pes的吸气努力测量相关参数。流量指数可用作筛选低吸气努力的有效工具，高概率排除无条件病例。我们的结果强调了流量指数的进一步研究和发展，作为一种新的呼吸机监测模式，用于评估吸气努力。
---Miao et al. Annals of Intensive Care (2022) 12:89.https://doi.org/10.1186/s13613-022-01063-z
联系客服
