文献速递呼吸衰竭与机械通气重症综合管理与镇静镇痛

胸部电阻抗断层成像的组学方法揭示以呼吸驱动和努力增加为特征的ARDS生理集群

Omics approach to chest electrical impedance tomography reveals physiological cluster of ARDS characterised by increased respiratory drive and effort.
PubMed 文献 · Ann Intensive Care · 2025-07-08
一句话结论对30例自主呼吸ARDS患者行EIT组学聚类,识别出三个生理集群,其中V'/Q不匹配集群在低PEEP时呼吸驱动和努力最高、ICU住院时间更长,高PEEP可降低其驱动。

本研究为假设生成性研究,纳入3个意大利学术ICU的30例插管自主呼吸ARDS患者,在递减PEEP试验(18至4 cmH2O,每2 cmH2O持续2分钟)中同步行EIT和食管压监测,对180个EIT变量行层次聚类。识别出三个集群:不均匀通气、V'/Q不匹配和V'/Q失匹配。V'/Q不匹配集群在低PEEP时呼吸驱动(p=0.045)和努力(p=0.021)最高,ICU住院时间更长(p=0.019);高PEEP可降低该集群的驱动,缩小生理差异。作者认为EIT组学聚类可识别生理和临床相关的ARDS亚表型。

要点

  • 在30例自主呼吸ARDS患者中,EIT组学聚类在低PEEP(4-6-8 cmH2O)识别出三个集群:不均匀通气、V'/Q不匹配和V'/Q失匹配。
  • V'/Q不匹配集群在低PEEP时呼吸驱动(P0.1)最高(p=0.045),呼吸努力(ΔPes)在V'/Q不匹配和V'/Q失匹配集群较高、不均匀通气集群较低(p=0.021)。
  • V'/Q不匹配集群ICU住院时间更长(p=0.015,图3e),作者提示呼吸驱动和努力增加与更差临床结局之间可能存在因果联系。
  • 高PEEP(16-18 cmH2O)可降低V'/Q不匹配集群的呼吸驱动,使三个亚表型间的差异似乎消失。
  • EIT整合食管压选择的个体化PEEP在V'/Q不匹配集群高于其他两集群(p=0.025)。

适用人群与场景

  • 30例插管且自主呼吸的ARDS患者,来自3个意大利学术ICU,年龄64±14岁,平均P/F比205±55 mmHg,多数为感染性(22/30,73%)和原发于肺部(22/30,73%)的ARDS。
  • 在压力支持通气下(支持8±2 cmH2O,FiO2 45±8%,轻度镇静保持恒定)行递减PEEP试验。

处置流程与药物剂量

  • 递减PEEP试验:PEEP从18至4 cmH2O,每2 cmH2O一步,每步持续2分钟,同步行EIT和跨肺压监测。
  • EIT变量共180个,包括64个区域通气和灌注(搏动性)变量加116个区域V'/Q匹配(搏动性)变量,在潮气呼吸时计算。
  • 聚类在患者水平进行,按PEEP水平分别聚类,PEEP步被平均为三个水平:低PEEP(4-6-8 cmH2O,凝聚系数AC=0.65)、中PEEP(10-12-14 cmH2O,AC=0.72)和高PEEP(16-18 cmH2O,AC=0.69),采用Ward连接准则。
  • 呼吸驱动以呼气末阻断后最初100毫秒内食管压下降(P0.1)测量;呼吸努力以食管吸气压力摆动(ΔPes)评估;肺应力以动态跨肺压变化(ΔPlung)评估。
  • 个体化PEEP(PEEPeit)通过整合食管压和EIT测量、按已发表算法获得。

研究设计与关键结果

  • 研究类型为假设生成性研究,样本量30例,来自3个意大利学术ICU,人群为插管自主呼吸ARDS患者,干预为递减PEEP试验中行EIT和食管压监测,采用层次聚类(AGNES算法)分析180个EIT变量。
  • 识别出三个ARDS集群:不均匀通气、V'/Q不匹配和V'/Q失匹配。
  • 低PEEP时,呼吸驱动(P0.1)在V'/Q不匹配集群最高、V'/Q失匹配集群较低、不均匀通气集群最低(p=0.045);呼吸努力(ΔPes)在V'/Q不匹配和V'/Q失匹配集群较高、不均匀通气集群较低(p=0.021)。
  • 低PEEP时动态肺应力(ΔPlung)在V'/Q不匹配和V'/Q失匹配集群较高,但差异未达统计学显著(p=0.063)。
  • 中PEEP和高PEEP时,三个亚表型间呼吸驱动和努力的差异似乎消失;高PEEP时不均匀通气集群跨肺压值更高(p=0.047)。
  • EIT整合食管压选择的个体化PEEP在V'/Q不匹配集群高于其他两集群(p=0.025);V'/Q不匹配集群ICU住院时间更长(p=0.015)。
  • Bonferroni校正后,低PEEP时区分集群最相关的四个EIT变量为:死腔分数(p<0.001)、高V'/Q比 units的通气(p<0.01)、正常V'/Q比 units的灌注(p<0.01)和背侧浪费灌注(p<0.01)。

证据类型、等级与局限

  • 证据类型:假设生成性研究(proof of concept),非随机对照试验,无证据等级标注。
  • 局限:样本量小,应视为概念验证而非自主呼吸ARDS患者集群的确定性评估。
  • 局限:层次聚类按设计总会产生数据集的聚类划分,但凝聚系数和外部验证(集群间呼吸驱动和努力比较)提示数据中存在真实聚类结构,需进一步评估。
  • 局限:使用EIT搏动信号作为灌注替代指标,已知在塌陷肺区域可能出现局部灌注减少而搏动性增加的反常效应;改变PEEP对自主呼吸时搏动性的影响 largely unknown,解释结果需谨慎。

对床旁实践的改变

  • 作者认为EIT组学方法可在床旁同时分析180个生理变量,识别ARDS生理集群,可能有助于随机试验的预测性富集和发现个体化治疗。
  • 作者认为在低PEEP时通过EIT识别出呼吸驱动和努力增加、可能面临P-SILI风险的V'/Q不匹配集群,高PEEP可限制该集群的呼吸驱动,可能提示更高个体化PEEP的益处。
  • 作者指出该分析可容易地整合到商业床旁EIT监视器中,除在代表性潮气呼吸时记录EIT数据外无需特定干预。

提炼说明

  • 原文未涉及「诊断标准与关键阈值」「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目。
全文中译10 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者(PMC Open Access),按 CC BY 许可使用,本译文为翻译改编。出处:Ann Intensive Care. 2025 Jul 8;15:90. doi: 10.1186/s13613-025-01514-3

背景

急性呼吸窘迫综合征(ARDS)的特征是低氧血症迅速发展和胸部X线片上双肺浸润,同时心脏功能保留。ARDS的诊断通常需要长时间机械通气并在重症监护病房停留,死亡率非常高,且特异性治疗仍然缺乏[1, 2]。

ARDS的生理学特征描述有助于识别可从个体化治疗中获益的特定亚表型。以呼吸驱动和呼吸努力增加为表现的自发呼吸ARDS患者存在患者自致肺损伤(P-SILI)的风险,这可能加重ARDS并增加死亡率,并可能从个体化滴定呼气末正压(PEEP)中获益[3, 4]。

电阻抗断层成像(EIT)是一种床旁、无辐射、无创、连续的区域肺通气和灌注及其匹配(V’、Q和V’/Q)监测手段[5, 6]。来自ARDS患者的EIT数据可用于计算多种生理学指标,这些指标量化了V’、Q和V’/Q失配的区域性紊乱,并与肺损伤加重风险增加相关。迄今为止,大多数针对ARDS患者进行的EIT研究集中于单一或极少数生理学指标。一些研究试图识别亚表型[7],但据我们所知,从未在自发呼吸患者中进行,也从未寻找EIT数据与呼吸驱动增加之间的相关性[8, 9]。

在本项假设生成研究中,我们测试了一种新的EIT方法,同时分析180项生理学指标以识别ARDS的生理学聚类;其次,我们验证这些聚类是否呈现不同的呼吸驱动、呼吸努力和临床结局;第三,我们探索EIT在指定个体化保护性PEEP水平方面的潜力。

方法

患者聚类

我们分析了来自3个意大利学术性ICU(重症监护病房)的30例ARDS患者的数据,这些患者已插管并保持自发呼吸[4]。该方案经各中心伦理委员会批准,并获得了知情同意。患者年龄为64 ± 14岁,平均P/F比为205 ± 55 mmHg,他们大多为感染性(22/30,73%)和以肺部为主(22/30,73%)的ARDS。详细的患者描述可见于原始论文[4]和表1。

在压力支持通气期间,患者接受了递减式呼气末正压(PEEP)试验(从18降至4 cmH2O,步长为2 cmH2O,每步持续2分钟),同时进行电阻抗断层成像(EIT)和跨肺压监测[4](图1a)。轻度镇静、支持水平(8 ± 2 cmH2O)和吸入氧浓度(FiO2,45 ± 8%)保持恒定[4]。在每个步骤和每位患者中,对EIT变量进行了全面评估,包括来自区域通气和灌注(搏动性)的64个变量,加上来自区域通气/灌注(搏动性)匹配(V'/Q)的116个变量[10],共计180个变量。(完整列表见表S1)。变量由潮式呼吸期间的EIT区域通气和灌注图计算得出(图1b-f)。虽然基于指示剂/生理盐水的灌注测量在不间断呼吸期间目前正在实验中[11],但在自主呼吸期间目前不可行,且不属于我们的方案内容。因此,搏动性按先前所述方法提取[12]。为简便起见,在本文剩余部分中我们将称之为灌注,因为据我们所知且迄今为止,在此类EIT记录中它是唯一可用的灌注替代指标。

选择层次聚类作为一种无监督聚类方法,它依赖于很少的假设(如果有的话)[13],并在生物医学领域广泛应用[14]。不需要预先知道聚类数量,树状图和热图可用于轻松可视化聚类过程和特征[13, 14]。这些特点使其非常适合我们的分析,其主要关注点是可行性和数据探索。

任何层次聚类算法的第一步是计算每对待聚类项目之间的相异(或相似)度量:这可以 easily 理解为在数据集的所有维度(即变量)上计算的距离的推广。在本研究中,相异度量为180维空间中的欧几里得距离。

第二步是通过层次方法对项目进行聚类。在我们的实现中,使用了一种称为AGNES(凝聚嵌套)的算法:它首先合并两个最接近的个体/项目,然后逐步合并最接近的个体对或聚类,直到所有个体/聚类合并为一个单一聚类。该过程可轻松可视化为树状图(图1h)。要执行此过程,必须在合并第一对项目后立即定义“聚类间距离”的概念:这被称为“连接方法”。关于如何定义聚类间相似性的任何选择都可以讨论,我们进行了敏感性分析以在几个可用选项中进行选择(见下文)。

最后,应选择如何“切割”树状图,即算法在将所有项目合并为单一聚类之前必须停止以获得确定数量聚类的位置。我们的停止规则的选择在补充方法部分进一步详述。

关于层次聚类及类似技术已有优秀的著作:Kaufman & Rousseeuw的著作为我们提供了参考[13]。

在患者层面进行层次聚类,分别处理不同水平的PEEP,即在每个热图/树状图内,每位患者接受相同水平的PEEP。在计算相异矩阵之前,按照建议[13]对变量进行预处理:比率尺度变量进行对数转换,然后计算z分数。使用患者间的欧几里得距离构建相异矩阵。随后将AGNES算法应用于患者数据[13]。

为提高我们的EIT指标的信号噪声比并促进结果的可读性和解释,我们对连续的PEEP水平进行了平均。我们在敏感性分析中比较了不同的可能PEEP分组,该分析还比较了不同连接方法定义簇间距离的效果(图1g,表S2)。敏感性分析基于凝聚系数,该指标衡量分组的强度(更多细节见补充方法),同时也考虑了患者间变异性。S1。

整个聚类过程是无监督的,即对呼吸驱动和努力的生理变量以及基线患者特征不知情。

表1 基线患者特征 查看原表 ↗
图1 EIT组学方法及ARDS聚类的识别。图a-f。展示一名代表性研究患者的数据。图a-b。呼气末正压(PEEP)试验的EIT波形,范围从18到4 cmH2O,每2分钟下降2 cmH2O。图c-e。使用先前发表的基于主成分分析(PCA)的算法[12],在每一步将通气相关的EIT信号成分与心脏相关的EIT信号成分分离,分别用于创建EIT通气(d)和灌注(e)图。图f。通过叠加[30]生成V'/Q图。图g。在基于凝聚系数进行敏感性分析后,将PEEP步骤平均为3个主要水平(PEEP低、PEEP中和高PEEP)。图h。代表凝聚嵌套过程的热图和树状图。列代表变量,行代表患者。患者簇之间添加了空白间隔。标准化数据(z分数)在热图中以颜色编码。在每个PEEP水平识别出三个簇,命名为不匹配V'/Q、错配V'/Q和不均匀通气 查看原图 ↗

特征提取

通过对每个特征应用单因素方差分析(ANOVA)或Kruskal-Wallis检验并用Bonferroni规则校正所得p值,筛选出簇间差异显著的特征。对于每个特征,通过计算假定单因素随机模型的组内相关系数(ICC)来评估簇内一致性。按照流行的命名惯例[15, 16],这也称为ICC(1 A,1)。簇内受试者数量不等的情况按照[15]处理。根据现有指南,ICC值高于0.6表示良好一致性,高于0.75表示优秀一致性[17]。采用99%置信水平选择显著特征。

外部验证

为了验证所获得的聚类划分是否反映患者生理学与特征,将硬结局和患者生理学(通过ICU中不常用且较EIT相对更具侵入性的专门测量获得)在聚类间进行比较。这些测量作为原始研究方案的一部分已执行[4]。吸气末与呼气末食管压力之差(∆Pes)及跨肺压力之差(∆Plung)由经验丰富的操作者在自主呼吸期间连续10–15次呼吸评估,该操作者还评估了呼气末阻断最初100 ms内气道压力的下降,作为测量p0.1(呼吸驱动指数)的金标准方法[18]。通过整合食管压力与EIT测量所建议的PEEP水平(PEEPeit)依据先前发表的算法获得[19]。最后,ICU住院时间先前已作为硬结局记录。

这些测量均未在聚类过程中使用。尽管PEEPeit利用了EIT数据,但它也受呼吸努力影响,且用于确定它的指标(即肺过度膨胀与塌陷)均未纳入聚类分析。

统计学

连续变量在聚类间的比较酌情采用单因素方差分析(ANOVA)或Kruskal-Wallis检验。残差正态性采用Shapiro-Wilk检验评估,方差齐性采用Levene检验评估。事后检验在参数情况下采用Tukey真实显著差异(HSD)检验,在非参数情况下采用带Bonferroni校正的Dunn检验。定性变量在聚类间的差异采用卡方检验评估。采用95%置信水平。

软件

使用MatLab R2022a进行EIT数据处理和特征提取。使用R软件[20]版本4.2.1进行聚类和统计计算。特别地,使用NbClust包执行用于确定聚类数的内部验证规则[21]。

结果

患者基线特征见表1。敏感性分析(图1g,表S2)显示,最强的聚类结构是通过使用Ward连接准则并对以下PEEP阶梯期间获得的各生理变量值取平均而发现的:4-6-8 cmH2O(PEEPlow,AC = 0.65)、10-12-14 cmH2O(PEEPintermediate,AC = 0.72)和16–18 cmH2O(PEEPhigh,AC = 0.69)。这些相邻PEEP水平被取平均,将其类似地视为重复。随后在所得三个PEEP水平中的每一个内分别进行患者聚类。

基于电阻抗断层成像(EIT)的生理变量在各PEEP水平的热图见图1h。停止规则最常指示两到三个作为最佳聚类数(表S3)。对两种选择均绘制了轮廓图,显示在PEEPlow时使用三个聚类误分类较少(图2)。据我们所知,尚无明确的聚类命名规则。基于作者间关于热图可视化及表征三个聚类的主要变量的讨论(图3f;f,表S4),这些聚类被命名为不匹配V'/Q、错配V'/Q和不均匀通气。事实上,前两者主要以较高的V'/Q失调为特征,其中第一个聚类中变量定义更精确(如死腔、分流),第二个聚类主要为V'/Q不均匀性指标。最后一个聚类则似乎主要以通气EIT数据为特征,灌注分析贡献甚微。

在PEEPlow时,呼吸驱动(以最初100毫秒内气道阻断食管压力变化(P0.1)测量)在不匹配V'/Q聚类中最高,在错配V'/Q聚类中较低,在不均匀通气聚类中最低(p = 0.045,图3a)。呼吸努力(以吸气食管压力波动(∆Pes)评估)在不匹配V'/Q和错配V'/Q聚类中较高,在不均匀通气聚类中较低(p = 0.021,图3b)。最后,动态肺应力(以跨肺压波动测量)在不匹配和错配聚类中较高,但差异未达统计学显著性(p = 0.063,图3c)。有趣的是,在PEEPintermediate和PEEPhigh时(图3a-c),三个亚表型之间的差异似乎消失,而在PEEPhigh时在不均匀通气聚类中观察到较高的跨肺压值(p = 0.047)。(p = 0.047)。因此,EIT组学可识别在较低PEEP时呼吸驱动和努力增加的ARDS生理聚类,可能导致更高的P-SILI(患者自致肺损伤)风险。较高PEEP限制了不匹配V'/Q聚类的呼吸驱动,可能提示较高个体化PEEP的益处。应用一种新型EIT方法[4, 19]在自主呼吸期间平衡肺过度膨胀和塌陷,为不匹配V'/Q聚类精确选择了较高的个体化PEEP水平,与其他两组相比(p = 0.025,图3d)。不匹配V'/Q聚类中更强烈的呼吸驱动还与更长的ICU住院时间相关(p = 0.015,图3e),提示呼吸驱动和努力增加与更差临床结局之间存在因果联系。

最后,为确定在PEEPlow时区分聚类的主要EIT变量,对180个变量分别应用单因素方差分析或相应的非参数检验(图3f,表S4)。经Bonferroni校正后,发现四个EIT变量在所有用于聚类的变量中最为相关:死腔分数(p < 0.001)、高V'/Q比 units的通气(p < 0.01)、正常V'/Q比单位的灌注(p < 0.01)和背侧无效灌注(p < 0.01)。这些数据进一步强调了区域V'/Q失调作为呼吸驱动和努力增加[22]及更差临床结局[9]决定因素的生理相关性。

图2 用于选择聚类数量的轮廓图。在轮廓图中,每个受试者由一根条形表示:条形越高,表示该受试者与同一聚类内其他受试者的平均距离相对于其与次近聚类的距离越低。负值条形表示基于该标准被错误分类的受试者[31]。平均条形高度由红色虚线标记,被认为代表聚类强度的指标。在假设两个或三个聚类的条件下比较这些图,并作为选择聚类数量的辅助手段,补充上述停止规则(见方法部分)。选择三个聚类的结果是在PEEPlow时错误分类的患者更少 查看原图 ↗
图3 呼吸驱动与呼吸努力、临床结局及显著聚类特征。图a-c。呼吸驱动通过呼气末闭塞最初100毫秒期间的食管压降(P0.1)测量,呼吸努力通过食管吸气压力摆动(∆Pes)测量,肺应力通过动态跨肺压变化(∆Plung)测量。图d-e。在整个试验过程中整合电阻抗断层成像(EIT)和跨肺压数据所分配的个人化呼气末正压(PEEP)以及重症监护病房(ICU)住院时间和总住院时间,在PEEPlow时识别的3个聚类之间进行比较。图f。每个EIT变量通过Bonferroni校正的ANOVA/Kruskal-Wallis检验检测聚类间差异,此处展示PEEPlow时显著特征及其p值和组内相关系数(ICC) 查看原图 ↗

讨论

EIT是一种无创、床旁、无辐射的肺部成像技术,越来越多地用于急性呼吸窘迫综合征(ARDS)的生理学表征和指导个人化治疗[4, 5, 8]。使用EIT的研究主要集中于少量变量,或评估区域呼吸力学[7],或评估通气和灌注分布[23, 24],或通气/血流(V’/Q)失调[9]。然而,ARDS的生理学过于复杂和异质,无法通过有限的生理学数据集全面定义。通过潜在类别分析[25]或更近期通过人工智能[26]对多个生化、临床和影像学变量进行同步分析,在识别ARDS的生理学和临床相关亚表型方面显示出有前景的结果,尽管其关键局限性是床旁转化潜力有限。

本研究采用全面的同步分析方法分析了180个EIT变量,涵盖其应用的所有领域,并识别出3个ARDS聚类。此处进行的分析可以很容易地在商业化床旁EIT监护仪中实现,且除在代表性潮式呼吸期间记录EIT数据外,不需要任何特定干预。我们还选择了层次聚类作为一种易于理解且现成可用的聚类方法,常用于生物医学科学,可在任何具有最少统计学和计算背景的实验室中实施[13, 14]。EIT可能代表将深入、多维的生理学方法转化为ARDS床旁护理的理想工具。

肺通气-灌注失配与呼吸驱动增加之间的相关性,以及驱动和努力增加与更差临床结局之间的相关性,最近已在探索性临床研究中被描述[22, 27]。本研究的数据进一步提示:a. 更大的V'/Q缺陷(尤其是朝向死腔——高V'/Q失配类型)可能通过多种机制(例如二氧化碳清除不良、肺塌陷等)产生更高的呼吸驱动;b. 更高的驱动反过来可能增加肺应力,导致额外的P-SILI和延长的呼吸机依赖。虽然低PEEP与低氧性插管患者更高驱动之间的联系已被提示[22],但近期研究显示了更复杂的相互作用,部分患者在较低PEEP下努力反而降低[4]。我们研究的一个新颖之处在于,仅通过EIT监测识别出一组在较低PEEP下驱动更高并从增加PEEP中获益的患者;以及另外两组驱动不受较低PEEP影响的患者。

当然,聚类过程中所选变量的选择可能影响了我们的结果。此处的任何选择都可能存在争议,并且最终取决于实验者自身的背景。我们遵循的原则是,本实验室对此类患者常规测量的每个EIT变量都应纳入。这涉及一定程度的冗余,尤其是在将每个变量拆分到四个感兴趣区(ROI)之后,但冗余和分子功能上的细微差异正是被广泛接受的生物学组学分析的基础。

我们研究的主要局限在于样本量,这意味着应将其视为概念验证,而非对自主呼吸ARDS患者聚类的确定性评估。此外,需要注意的是,层次聚类按设计总是会产生数据集的聚类划分。然而,正因如此,该技术特别适合像我们这样的探索性分析。更重要的是,我们的凝聚系数以及通过比较聚类间呼吸驱动和努力进行的外部验证表明,我们的数据中存在真实的聚类结构,值得进一步评估。

另一个局限是使用EIT搏动信号作为灌注的替代指标。众所周知,在塌陷肺区域可能出现矛盾效应,即局部灌注减少而搏动性可能增加[28, 29]。然而,我们最近发表了一项基于搏动性的V'/Q匹配分析,具有非常高的准确性[30],而在不间断自主呼吸期间通过指示剂-based EIT数据获取肺灌注的尝试仍处于初期[11],可能更容易出现准确性不足。由于我们的研究主要是产生假设而非验证性,我们选择将搏动性分析作为第一步,以确定其在此背景下的价值。虽然我们的结果似乎有前景,并为评估此类患者的V'/Q失配提供了有趣的视角,但改变PEEP对自主呼吸期间搏动性的影响在很大程度上未知,在解释我们的结果时需谨慎。

结论

床旁生理数据的组学方法可能代表一种剖析ARDS复杂性和异质性的新方法,这将有助于随机试验的预测性富集以及特定个性化治疗的发现在。

电子补充材料

以下是电子补充材料的链接。

补充材料1

参考来源

  1. Mauri T, Leali M, Spinelli E, et al. Omics approach to chest electrical impedance tomography reveals physiological cluster of ARDS characterised by increased respiratory drive and effort. Ann Intensive Care. 2025. PMID: 40624235. doi:10.1186/s13613-025-01514-3
  2. 全文:PMC12234929(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12234929/

供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。