急性呼吸窘迫综合征体外膜氧合期间的潮气量与死亡率:多中心观察性队列研究
该多中心观察性队列纳入1137例COVID-19相关ARDS接受ECMO支持的成人患者,来自德国29个ECMO中心,收集ECMO运行前14天逐日数据,用多因素逐步logistic回归构建各日生存预测模型,主要终点为ICU全因死亡。队列死亡率高达75%。ECMO第1天仅年龄和乳酸进入最终死亡预测模型;第14天潮气量独立与死亡率相关(校正OR 0.693,95%CI 0.564-0.851,p<0.001,潮气量每增加1 mL/kg预测体重)。第14天潮气量低于2 mL/kg预测体重者校正死亡率超过80%(95%CI下限)。作者认为,对ECMO依赖超过14天的ARDS患者,潮气量可能是独立死亡预测因素,仍需进一步研究通气策略。
要点
- COVID-19相关ARDS ECMO队列ICU死亡率75%;ECMO第14天仍依赖ECMO者死亡率72%,与第1天全部ECMO患者75%相当。
- ECMO第14天潮气量独立与ICU死亡相关:校正OR 0.693(95%CI 0.564-0.851),p<0.001,潮气量每增加1 mL/kg预测体重。
- ECMO第14天潮气量低于2 mL/kg预测体重者,校正死亡率超过80%(95%CI下限)。
- ECMO第1天仅年龄和乳酸独立与死亡相关;随后ECMO血流量成为独立预测因素,血流量越高死亡风险越高。
- 第14天较高潮气量主要基于较高呼吸系统顺应性;但部分仍以极低驱动压通气者(n=59,驱动压中位数10 cmH2O vs 14.2 cmH2O)未观察到顺应性升高的获益。
适用人群与场景
- 2020年1月1日至2021年7月31日在德国29个ECMO中心接受ECMO支持的COVID-19相关ARDS患者,共1137例。
- 排除:主要结局数据缺失者、转至其他ICU者、动脉插管者。
- 模型按ECMO运行第1、3、5、7、14天分别构建,仅纳入当日仍接受ECMO支持者;此前死亡或脱离ECMO者在该日模型中删失。
研究设计与关键结果
- 研究类型:观察性多中心队列研究(德国COVID-19 ECMO登记),29个中心,1137例COVID-19相关ARDS接受ECMO支持患者;主要终点为ICU全因死亡。
- 队列ICU死亡率75%;ECMO第14天仍依赖ECMO者死亡率为72%,与第1天全部ECMO患者75%相当;53%患者在ECMO启动14天后仍接受ECMO支持。
- ECMO第1天最终死亡预测模型仅保留年龄和乳酸;随后ECMO血流量成为独立死亡预测因素,较高ECMO血流量与较高死亡率相关。
- ECMO第14天潮气量独立与ICU死亡相关:校正OR 0.693(95%CI 0.564-0.851),p<0.001,潮气量每增加1 mL/kg预测体重。
- ECMO第14天潮气量低于2 mL/kg预测体重者校正死亡率超过80%(95%CI下限);潮气量与顺应性共线性中等(VIF=1.653),将顺应性强制纳入已含潮气量的第14天模型时顺应性与死亡无关联。
- 按潮气量聚类(聚类B)可见校正ICU死亡率的效应,较高潮气量主要基于较高呼吸系统顺应性、聚类间驱动压相当;但部分以极低驱动压通气者(n=59,驱动压中位数10(7–11)cmH2O vs 14.2(12–17)cmH2O)未观察到顺应性升高的获益。
- 将呼吸频率≥14/min作为自主呼吸替代指标强制纳入第14天模型可改善模型拟合,其本身与较低死亡率相关但未达统计学显著,潮气量与死亡的关联保持稳定。
证据类型、等级与局限
- 证据类型:观察性多中心队列研究(德国COVID-19 ECMO登记,DRKS00022964,回顾性注册)。
- 局限:缺乏跨肺驱动压、额外自主呼吸努力、气道闭合压(P0.1)或镇静数据,这些因素可能与潮气量、顺应性和死亡率相关,构成潜在混杂;高计算顺应性组(聚类C)的恢复可能被高估,或可解释该组未观察到死亡率效应。
- 局限:缺乏通气模式(压力目标 vs 容量目标)数据,只能假设多数ECMO患者采用压力目标通气。
- 局限:ECMO第1天和第14天分别仅56%和42%患者具备完整数据集,限制结果有效性。
- 局限:多数变量为每日单次时点采集,可能不能准确反映全天数值。
- 局限:该早期COVID-19 ARDS队列ICU死亡率高,关于潮气量与顺应性比较的发现可能不适用于生存率更好或非COVID-19 ARDS的ECMO患者。
对床旁实践的改变
- 作者认为,对ECMO依赖超过14天的ARDS患者,可能存在一个时间点,此时实现较高潮气量可能优于继续极低驱动压的超保护性肺通气,尤其在预期死亡风险高时。
- 作者认为,所呈现数据提示可考虑从ECMO支持第14天开始进行肺复张。
- 作者指出,临床决策(是否停止治疗或追求肺移植等最大干预)不会仅基于预测模型。
提炼说明
- 原文未涉及「诊断标准与关键阈值」「处置流程与药物剂量」「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12 节 · 点击展开
引言
重度急性呼吸窘迫综合征(ARDS)患者可能从体外膜氧合(ECMO)中获益[1–4]。然而,接受ECMO支持的ARDS患者总体死亡率仍然很高。因此,已发表了若干生存预测模型以改善个体预后评估,但所有这些模型都集中于启动阶段,即ECMO前时期[5, 6]。此外,由于缺乏对照组(即严重程度相似但未接受ECMO的患者),这些预测性生存模型的相关性受到质疑。最后,其区分能力大多为中等,与基于一般重症监护人群的模型相当。
仅有少数研究探讨了ECMO启动后与死亡率相关的因素[7, 8]。这些研究主要集中于ECMO支持的最初几天,或评估ECMO运行期间时间依赖性协变量的变化与死亡率之间的关联。然而,关于ECMO运行期间特定时间点预后重新评估的数据仍然缺失,但具有很高的研究价值,尤其是考虑到EOLIA试验和其他ECMO观察性研究报告约半数患者在ECMO启动后14天以上仍依赖ECMO[9, 10]。
对于难治性ARDS患者,使用ECMO作为肺移植桥接手段存在显著的不确定性[11]。仔细的患者选择对于确保潜在获益至关重要。在临床上,ECMO的适当持续时间仍然是持续争论的主题,特别是关于其促进成功肺恢复的潜力。迄今为止,从桥接至恢复策略转向肺移植方法的决定并非基于少数孤立因素。
因此,本研究旨在确定ECMO运行期间特定时间点的死亡预测因素,模拟ECMO患者的临床查房,以更新预后评估、为继续治疗的决定提供依据并聚焦临床干预。
方法
队列
独立的生存预测模型来源于德国COVID-19 ECMO登记处纳入的1137例COVID-19 ARDS患者,这些患者在2020年1月1日至2021年7月31日期间在德国29个ECMO中心接受了ECMO支持。该登记处持续收集观察性多中心数据,以识别结构性和患者相关危险因素、并发症、治疗效果及其结局[12]。主治医师使用标准化电子病例报告表(RedCap,范德堡大学,纳什维尔,田纳西州)在登记处记录数据。主要结局数据缺失的患者、转至其他ICU的患者以及接受动脉插管的患者被排除在我们的分析之外。
自变量和结局
主要结局是重症监护病房(ICU)的任何时间全因死亡率(ICU死亡率)。
作为预测因素检验的自变量包括:ECMO血流量、ECMO扫气流量、PaO2、PaCO2、乳酸、pH、肾脏替代治疗(RRT)、年龄、插管至ECMO启动的时间以及序贯器官衰竭评估(SOFA)评分。
在接受控制通气的患者中,纳入以下通气变量:呼吸频率、吸气压力(Phigh)、呼气末正压(PEEP)、驱动压(Phigh减去PEEP)、按预测体重计算的潮气量(Vt/PBW)、呼吸系统顺应性(Crs),其计算方式为潮气量/驱动压。接受自主通气的患者也记录了PEEP。
通气模式分为自主通气、辅助通气或控制通气。然而,无法获得所使用的是压力目标型还是容量目标型模式的信息。所有这些协变量均按日确定,并在每个观察日的单一时间点记录。
基于在各相应日期仍在接受ECMO支持的所有患者的数据,构建了ECMO运行第1、3、5、7和14天的独立生存预测模型,纳入上述协变量。在其ECMO运行至相应日期之前死亡或脱离ECMO的患者不纳入该日期的相应模型(删失)。因此,本研究模拟了ECMO患者的临床查房过程。重点关注仍依赖ECMO的患者的生存预测,主要考虑第1天和第14天的模型。
统计分析
我们遵循STROBE(加强流行病学观察性研究报告)建议进行队列研究报告[13]。
变量以中位数(第25-75百分位数)表示。连续变量之间的比较使用配对Wilcoxon符号秩检验,独立组之间的比较使用Wilcoxon秩和检验。分类变量使用卡方检验或Fisher精确检验进行比较。
使用多因素逐步logistic回归分析,独立构建所有ECMO天数的生存预测模型。为此,单因素分析中所有达到p ≤ 0.20的临床相关因素随后进入前向逐步多因素分析,然后再进入后向逐步多因素分析。在两种建模程序中均一致发现与生存相关(p < 0.05)的变量被纳入最终模型。通过计算每个变量的方差膨胀因子评估多重共线性,若方差膨胀因子低于4则排除多重共线性。最终模型基于所有变量信息完整的患者数据。这些模型在缺失数据多重插补后重新运行(展示20个插补数据集的合并结果)。
为说明第14天潮气量的预后价值,我们分别基于驱动压、潮气量和呼吸系统顺应性(Crs),对所有仍在接受ECMO支持的患者数据集进行了三项独立的K均值聚类分析(k = 2),并比较了各聚类间ICU死亡率的校正比值比。
每日收集数据随时间的变化过程使用重复测量方差分析进行分析。
结果以95%置信区间报告。统计分析使用SPSS 29.0(IBM Statistics,美国Amok)进行。所有P值均为双侧,p < 0.05视为具有统计学意义。
伦理学
德国COVID-19 ECMO登记处的研究方案已获得维尔茨堡尤利乌斯-马克西米利安大学医学院伦理委员会批准(131/20-me)。各参与ECMO中心还获得了当地伦理委员会的额外批准。该登记已注册于德国临床试验注册平台(研究ID:DRKS00022964,回顾性注册,2020年9月7日)。
根据德国立法,回顾性、匿名数据无需知情同意,伦理委员会已豁免知情同意要求。
结果
患者特征
研究流程图见图1。全部患者中53%在ECMO启动后14天仍接受ECMO支持。第14天仍接受ECMO支持患者的ICU病死率与第1天接受ECMO支持的全部患者病死率相当:第1天和第14天分别为75%和72%。
第1天接受ECMO的全部患者以及第14天仍接受ECMO支持患者按生存状态分层的特征总结于表1。
在两个ECMO支持日,非存活者均年龄更大、乳酸浓度更高,且更频繁接受控制通气。
在两个ECMO支持日,均观察到中位吸气压力高于25cmH2O。
呼吸系统顺应性仅对接受控制通气的患者进行计算,超过三分之二的全部患者在ECMO运行第14天仍处于控制通气下。
虽然ECMO运行第1天的顺应性和潮气量在存活者与非存活者之间无差异,但在ECMO运行第14天,存活者表现出更高的顺应性和更高的潮气量。
在仍依赖ECMO的患者中,尽管施加的驱动压增加,潮气量仍下降(补充图S1),支持常规使用压力控制通气。
预测模型
在单变量分析中,若干候选变量符合多变量评估条件(补充表S1)。ECMO运行第1天和第14天的完整数据集分别可用于56%和42%的全部患者。多变量校正后及使用多重插补对缺失数据进行敏感性分析后,与ICU病死率显著相关的变量在第1天和第14天的结果见表2(各日的独立模型见补充表S2)。
在第1天,仅患者年龄和乳酸与病死率独立相关。在随后数天,ECMO血流量成为独立的病死率预测因子,较高的ECMO血流量与较高的病死率相关。
在ECMO运行第14天,潮气量是这些分析中首个显现为预后因素的通气参数。第14天仍接受ECMO支持的全部患者基于潮气量的校正病死率见图2。在ECMO运行该日潮气量低于2 mL/kg预测体重的患者,其校正病死率高于80%(95%置信区间下限)。
信息的独立性
尽管潮气量和顺应性在数学上相关,且较高潮气量患者死亡率较低可能是顺应性改善的结果,但这些预测变量之间的共线性为中等程度(VIF = 1.653),并且当在潮气量已作为协变量的情况下将顺应性强制纳入第14天模型时,顺应性与死亡率无关(表3)。
然而,在存在额外自主呼吸的患者中,计算得到的顺应性可能并不对应实际顺应性,实际顺应性推测会因根据驱动压和潮气量计算而被高估。为解决这一问题,在缺乏更特异的自主呼吸标志物数据(例如设定呼吸频率与实际呼吸频率之差、跨肺压或气道闭合压(P0.1))的情况下,我们将呼吸频率作为连续变量和具有不同阈值的虚拟变量强制纳入第14天模型(补充表S3)。在该分析中,呼吸频率 ≥ 14/min改善了模型拟合,并且其本身与未经显著性降低的死亡率相关。尽管如此,无论呼吸频率如何建模,潮气量与死亡率之间的关联仍保持稳定。此外,当将顺应性和呼吸频率 ≥ 14/min同时强制纳入第14天模型时,潮气量仍较呼吸系统顺应性保留预后优先性(补充表4)。当将ECMO中心作为协变量纳入时,该结果也保持不变,同时承认不同中心之间的通气策略可能不同(数据未显示)。
ECMO支持第14天的潮气量、顺应性和驱动压
为比较ECMO运行第14天潮气量、呼吸系统顺应性和驱动压的影响,我们对所有仍在接受ECMO支持且具有最终协变量数据(当日ECMO血流量、当日乳酸、当日潮气量、当日顺应性)的患者数据集进行重采样,分别基于驱动压(聚类A)、潮气量(聚类B)和呼吸系统顺应性(聚类C)这些变量形成患者聚类(图3)。
在该分析中,仅当基于潮气量进行聚类(聚类B)时才观察到对调整后ICU死亡率的影响。在该聚类中,较高的潮气量主要基于较高的呼吸系统顺应性,而各聚类之间的驱动压水平相当。然而,在一些以极低驱动压通气的患者(n = 59)中未观察到较高呼吸系统顺应性的获益(中位数(IQR)为10(7–11)cmH2O对比14.2(12–17)cmH2O),从而削弱了对潮气量的影响(聚类C)。
讨论
在这项基于接受ECMO支持的严重COVID-19相关ARDS患者的大型多中心队列研究中,我们发现死亡率的预测因素在ECMO运行过程中会发生变化。虽然与既往报道[7]一致,ECMO运行开始时的通气参数在存活者与非存活者之间具有可比性,但在ECMO支持第14天,潮气量被确定为死亡率的独立预测因素,潮气量越低与死亡率越高之间的关联越显著。
较高的潮气量主要基于较高的呼吸系统顺应性。为什么一些呼吸系统顺应性较高但仍依赖ECMO的患者仍以极低的驱动压进行通气,目前尚不清楚。驱动压总是有害的这一普遍假设可能对此有所影响。然而,必须承认潜在混杂因素以及基于现有数据对实际顺应性的计算误差,这使得无法得出确定的结论。尽管如此,这一分析反映了临床医生的真实世界情况,其中呼吸系统顺应性与潮气量不同,始终是一个计算得出的指标。
虽然在ECMO运行和ARDS早期降低驱动压的重要性已有充分文献记载[14, 15],但关于仍依赖ECMO患者的通气设置数据尚属缺失。我们的研究可能提示,对于仍依赖ECMO的ARDS患者,存在一个时间点,此时实现较高的潮气量可能优于继续采用极低驱动压的超保护性肺通气[16],尤其是在预期死亡风险较高时。
通常,不迟于体外膜氧合(ECMO)支持4周后,就会出现对肺恢复潜力的担忧,导致肺移植被视为唯一可行的生存选择。然而,甚至什么是延长的ECMO支持仍不清楚,对于这种支持可以有益多久也没有明确的共识[17]。此外,即使在持续超过4周的严重急性呼吸窘迫综合征(ARDS)患者中由多学科团队进行评估,关于界定不可逆肺损伤的标准仍存在重大担忧。因此,我们的研究提供了有价值的见解,说明在ECMO支持14天后可以预期什么样的结局。鉴于所涉及的高风险,这一点尤其关键。必须考虑关键的临床决策,例如是否停止治疗或追求如肺移植之类的最大干预措施。然而,器官可用性有限,而且在ECMO上的ARDS患者中进行肺移植既罕见又伴随显著风险。虽然决策不会仅基于预测模型,但这里提供的数据提示应考虑从ECMO支持第14天开始进行肺复张。
利用一大群ECMO上的ARDS患者的逐日数据,我们研究了在ECMO运行前14天内某些时间点的生存预测模型,模拟ECMO患者的医疗查房。这种方法不同于以往使用带时间依赖协变量的Cox回归模型的研究,那些研究显示在ECMO运行期间潮气量[7]或顺应性[18]的改善与更好的生存相关。首先,尽管Cox回归中的时间依赖协变量是建模和捕捉随时间变化因素影响的非常强大的统计方法,但在常规临床实践中其解释仍然具有挑战性。其次,用线性时间函数对潮气量或顺应性建模可能无法捕捉更复杂的非线性动态,尤其是在比较这些协变量时。具体而言,随着疾病生理学的变化[19]以及ECMO运行的继续,继续超保护性肺通气[16]的风险-获益特征以及在比较顺应性与潮气量时的相对预后价值可能会发生变化。模拟ECMO患者的医疗查房可能为这种比较提供一个初步的、结构简单的框架。
我们的研究有几个局限性。首先,尽管潮气量和呼吸系统顺应性的比较仅涉及控制通气下的患者,但我们没有关于跨肺压(transpulmonary ΔP)、额外自主呼吸努力、气道闭合压(P0.1)或镇静的数据,这些因素可能与潮气量、顺应性和死亡率相关,因而作为潜在混杂因素。因此,这些结果应谨慎解释,因为在计算呼吸系统顺应性高的患者组(聚类C)中恢复可能被高估,这可能解释了对死亡率缺乏影响。尽管在第14天模型中额外纳入呼吸频率≥14作为自主呼吸的替代指标,潮气量相较于呼吸系统顺应性的持续优先性只能部分解决这一局限性。
其次,我们没有关于通气模式(压力目标型与容量目标型)的数据,只能假设这些接受ECMO治疗的患者中大多数如先前所述采用压力目标型模式通气,这意味着吸气压力(Phigh)可能密切反映平台压,且计算所得的顺应性对应于静态顺应性[7]。这一假设得到以下情况的支持:尽管驱动压力不断增加,潮气量随时间呈个体化变化(补充图S1),而这在容量目标型通气下即使有限压也不会出现。
第三,在ECMO运行第1天和第14天,分别仅有56%和42%的ECMO患者具有完整数据集,限制了我们结果的有效性。第四,大多数变量以每日一次的时点数据形式采集,可能无法准确反映全天数值。最后,如先前所讨论[12],该队列中大流行早期COVID-19相关ARDS患者的ICU死亡率较高,尤其是与聚焦于ECMO运行期间死亡预测因素的其他分析相比[7, 15, 18]。因此,本文所呈现的发现,特别是关于潮气量和顺应性比较的发现,可能不适用于生存率更好或在ECMO支持下非COVID-19 ARDS的患者。
尽管如此,我们的结果提供了新的见解,有助于评估在ECMO运行第14天仍依赖ECMO支持患者的预后。它们为应重点关注的关键因素提供了有价值的指导,有助于在这一关键阶段采取更为知情的患者管理方法。
结论
死亡预测因素在ECMO运行过程中会发生变化。在ECMO启动后14天仍依赖ECMO的ARDS患者中,潮气量可能是死亡的独立预测因素。
补充信息
附加文件1。
参考来源
- Rixecker TM, Kühnle JL, Herrmann J, et al. Tidal volume and mortality during extracorporeal membrane oxygenation for acute respiratory distress syndrome: a multicenter observational cohort study. Ann Intensive Care. 2025. PMID: 41051703. doi:10.1186/s13613-025-01538-9
- 全文:PMC12500509(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12500509/
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。