文献速递呼吸衰竭与机械通气重症综合管理与镇静镇痛

连续无创呼吸努力监测:新兴技术的叙述性综述

Continuous and noninvasive respiratory effort monitoring: a narrative review of emerging techniques.
PubMed 文献 · J Intensive Care · 2026-01-21
一句话结论表面肌电、基于模型的估计和超声三种无创技术可连续评估呼吸努力及人机同步,有望推动膈肌保护性通气更广泛实施。

机械通气中呼吸努力过强或不足均与呼吸机相关肺损伤和膈肌功能障碍相关,食管压监测虽是金标准但操作复杂、有创,难以常规使用。本叙述性综述介绍了三种新兴无创连续监测技术:体表电极记录的表面肌电可连续监测呼吸肌电活动并推导呼吸努力估计;基于呼吸系统计算模型从呼吸机波形动态估计呼吸肌压力;高频超声测量膈肌增厚分数作为呼吸努力的替代指标。作者认为这些技术可减少人力消耗、提高临床可持续性,为膈肌保护性通气策略的广泛实施铺路。

要点

  • 食管压监测是呼吸努力评估的金标准,但因有创、操作复杂、信号伪影多,主要限于研究和专业中心。
  • 表面肌电(sEMG)可连续无创监测呼吸肌电活动,通过膈肌神经机械耦合(NMCdi)将sEAdi转换为Pmus估计,两项小样本单中心研究显示r²≥0.79。
  • 基于计算生理模型的估计仅依赖呼吸机波形,适合长期监测,但不同研究结果不一致,在辅助通气下参数识别仍是挑战。
  • 超声测量的膈肌增厚分数在辅助通气期间15%–30%反映足够的膈肌收缩活动,与稳定肌肉厚度和短机械通气时间相关,但观察者间差异可达16–27个百分点。
  • 作者认为三种无创连续技术可促进膈肌保护性通气策略在辅助机械通气患者中的更广泛采用。

适用人群与场景

  • 接受辅助机械通气的重症患者,用于连续评估呼吸努力和人机同步。
  • 需要监测呼吸肌活动以实施膈肌保护性通气策略的ICU患者。

诊断标准与关键阈值

  • 辅助机械通气期间膈肌增厚分数(TFdi)15%–30%反映足够的膈肌收缩活动,与稳定肌肉厚度和短机械通气时间相关,并已被提议作为辅助通气期间膈肌保护的治疗目标。
  • 食管压监测中,食管球囊位置通过 occlusion test 验证,目标为气道压与食管压变化比值在0.8至1.2之间。
  • P0.1为吸气努力最初100毫秒内气道压下降值,反映呼吸中枢神经输出。

处置流程与药物剂量

  • 表面肌电:将电极置于患者躯干皮肤,连续监测呼吸肌电活动,通过呼气末 occlusion maneuvers 推导膈肌神经机械耦合(NMCdi),在呼吸机设置稳定时将sEAdi转换为Pmus的连续无创估计。
  • 基于模型的估计:将肺力学模型拟合至呼吸机信号(气道压、容量和流量),在被动条件下(Pmus=0)估计呼吸弹性E和气道阻力R,再在自主呼吸时重建Pmus;Younes等人的方法已整合到商用PAV+通气模式中,按估计的Pmus信号成比例输送压力。
  • 超声:在肋间应用区测量膈肌厚度,计算TFdi=(吸气末厚度−呼气末厚度)/呼气末厚度×100%,辅助通气期间15%–30%提示足够收缩活动。

研究设计与关键结果

  • 本叙述性综述通过PubMed非系统性检索和手动筛查参考文献列表识别文献,以叙述性方式综合发现。
  • 表面肌电:两项较小的单中心研究显示sEMG幅度和曲线下面积与Pmus在不同通气支持水平下呈近线性相关(r²≥0.79)。
  • 基于模型的估计:在完全被动患者中成功演示,但在高压力支持水平下估计参数时结果与先前完全被动患者研究不一致;Younes等人的方法经食管压验证,PTP值与Pmus一致性良好(r≥0.77)。
  • 超声:单中心研究中TFdi与PTPes和PTPdi的相关系数分别为r=0.80和r=0.70;但给定努力水平下患者间TFdi值范围宽。
  • 观察者间TFdi值在有标记探头位置差异可达16个百分点,无标记位置可达27个百分点,提示对提议的15%–30%目标范围精度不足。

证据类型、等级与局限

  • 证据类型:叙述性综述。
  • 文中引用的研究多为小样本、单中心队列,结论存在不确定性,需在更大队列中外部确认。
  • 作为叙述性综述,存在报告偏倚的固有风险,例如因利益冲突所致,已在附录中详细披露。
  • 所选文献旨在突出重要概念,不能替代系统性文献分析。
  • 基于模型估计的许多研究结果尚不一致,不同研究报告与Pmus的一致性差异很大。
  • 表面肌电的临床影响因缺乏更大规模纵向研究而不确定。

对床旁实践的改变

  • 作者认为,与鼻胃管导管技术相比,无创方法人力消耗更少、更易在床旁实施,可能使更广泛的患者受益于常规连续监测。
  • 在现有实践中,occlusion 技术仍是最易获得的工具,但无法捕捉连续努力和人机异步,限制了其监测肌肉努力影响的效用。
  • 超声是目前ICU中最广泛可用的新兴方法,可即时、肌肉特异性观察呼吸泵(包括膈肌外贡献),但不能精确量化肌肉努力。
  • 表面肌电似乎是分析人机异步最有前景的候选方法,因为与超声不同,它能检测呼吸努力的精确时间。
  • 作者认为,整合多种无创技术(如表面肌电与occlusion maneuvers或基于模型的估计相结合)有望增强稳健性和临床适用性。

提炼说明

  • 原文未涉及「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13 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:J Intensive Care. 2026 Jan 21;14:9. doi: 10.1186/s40560-026-00852-z

引言

机械通气(MV)为急性和慢性呼吸衰竭患者提供生命支持。然而,MV可导致呼吸机相关性肺损伤(VILI)和膈肌功能障碍(VIDD),尤其是在呼吸努力过度或不足的情况下。在辅助通气模式下,维持自主呼吸有助于保护膈肌功能并改善人机交互。然而,近期研究表明,呼吸努力不足和过度均与膈肌功能障碍相关[1–3]。为尽量减少对肺和膈肌的损害,MV期间的自主呼吸努力应仔细调节,使其保持在安全和生理适宜范围内,同时应避免非同步呼吸[4]。

在日常临床实践中评估呼吸努力时,气道阻断法已被验证为简单、无创的床旁技术[5, 6]。虽然这些技术看似相对容易操作且在通气患者中常用,但其解读面临重大挑战。气道阻断技术的一个关键局限性在于其仅提供间断的呼吸努力测量,而非持续监测。因此,呼吸努力随时间的时间趋势和显著波动可能被忽略。人机不同步的特征是患者神经吸气时间与呼吸机支持之间的时间不匹配,可能无法被识别[6, 7]。

目前,呼吸努力的持续监测只能在床旁通过食管压(Pes)测量来实现,后者仍被视为参考标准。呼吸肌产生的总压力(Pmus)可通过校正胸壁弹性从Pes推导得出[8]。Pmus值反映膈肌和辅助吸气肌的联合努力,提供对总呼吸努力的全面且持续评估。尽管Pes监测在生理学上准确,但其面临若干实际限制,妨碍了其广泛临床应用。该操作具有侵入性,需要精细的导管置入、最佳气囊充气和校准操作,所有这些都需要非常专业的技能。值得注意的是,由于心脏振荡或食管痉挛等潜在伪影,Pes波形的解读可能较为繁琐,且缺乏对导管精确位置的直接视觉反馈进一步增加了分析难度。因此,Pes监测在很大程度上仍局限于研究环境和专业中心,在常规临床实践中的更广泛采用仍然有限。

评估呼吸肌机械输出[9]的替代方法是测量肌肉收缩时产生的电场,即肌电图(EMG)。目前测量膈肌电活动的标准技术基于与Pes监测类似的鼻胃管,但在膈肌水平配备电极。它与Pes监测具有潜在的共同缺点,因为同样需要正确置入鼻胃管。

鉴于床旁操作只能非常间歇地实施且存在局限性,而连续评估的参考方法又复杂且有创,显然需要推进能够实时监测呼吸做功的无创方法。

本叙述性综述对当前无创评估呼吸做功幅度及其与呼吸机同步性的方法进行了整合性讨论。我们概述了这些测量的生理学基础,回顾了潜在方法——包括表面肌电图、基于模型的估计和超声,如图1所示——并讨论了广泛临床实施所需的关键步骤。

图1 无创连续监测呼吸肌做功的潜在方法概览。表面肌电图(sEMG)使用置于皮肤表面的电极采集呼吸肌的电活动。记录的信号代表肌肉收缩期间产生的运动单位动作电位的叠加,其包络反映目标肌肉的整体激活水平。基于模型的估计依赖呼吸系统的数学表示,从标准呼吸机波形(包括气道压力(Paw)、流量和容量)计算总呼吸肌压力(Pmus)。从重建的Pmus信号中,可推导常用做功指标,如压力-时间乘积(PTP)和呼吸功(WOB)。超声成像可通过将探头置于肋间隙内附着区来测量膈肌厚度。膈肌收缩活动使用增厚分数(TFdi)量化,计算为膈肌厚度从呼气末到吸气末的相对增加量 查看原图 ↗

方法学

本叙述性综述旨在提供呼吸驱动和呼吸做功无创监测的概念性概述。通过PubMed中的非系统性检索和参考文献列表的手工筛选确定相关文献。文章根据其与当前认识的相关性和贡献进行选择。研究结果以叙述性方式综合,以突出关键概念、新兴证据和临床意义。

呼吸做功

生理学

通气由多个呼吸骨骼肌的协调激活驱动。膈肌和肋间肌是静息状态下的主要肌肉,产生潮式呼吸所需的胸腔内负压[10]。在通气需求增加时,如运动、呼吸窘迫或病理疾病状态期间,辅助呼吸肌(包括鼻翼肌、胸锁乳突肌、斜角肌和颏舌肌)被募集以增强吸气做功并维持充分通气[10]。吸气肌收缩降低胸膜腔压力,建立压力梯度促使空气流入肺部进行气体交换。此肌肉活动产生的机械输出反映呼吸肌产生的压力,称为呼吸做功[11–13]。

测量

由于侵入性,在常规临床实践中几乎无法直接测量胸膜压,因此常以食管压作为其替代。通过食管球囊测压法测得的压力Pes能密切反映胸膜腔内的胸腔内压波动。根据Pes,在校正胸壁施加的弹性压力后,可估算所有呼吸肌的总输出Pmus。通过同时测量Pes和胃压(Pga),可推导出膈肌特异性产生的压力(Pdi),从而能够分析膈肌做功的大小和时间特征。量化做功的常用指标包括呼吸功(WOB)和压力-时间乘积(PTP),二者均可直接由Pmus或Pdi计算得出[8]。

在临床实践中,测量肌肉机械输出的主要替代方法是评估神经电激活。肌电图(EMG)提供肌肉激活过程中运动单位动作电位的测量——当用置于肌肉表面皮肤上的电极记录时,称为表面EMG(sEMG)。在临床实践中,由于原始肌肉EMG信号难以解读,肌肉的总电活动通过EMG的振幅(有时称为包络)进行量化,图2展示了不同肌肉和测量技术的EMG振幅。膈肌电活动(EAdi)可通过侵入性方式获得,使用装有电极的专用鼻胃导管定位于胃食管连接处[9, 14],也可通过sEMG记录非侵入性获得[15]。这种非侵入性测量膈肌电激活的方法称为表面EAdi(sEAdi),易于在临床实践中应用且不需要较长的准备时间。图2展示了上述波形。当神经传导完整时,膈肌电活动在振幅和时间上均反映呼吸中枢的中枢激活。这种神经传导涉及脑干中动作电位的产生,动作电位经膈神经和其他运动神经传导以刺激呼吸肌。因此,EAdi通常被认为是最接近神经呼吸驱动(定义为脑干的电输出)的可用替代指标[13],不过,取决于测量设置,EAdi或sEAdi仅捕获膈肌脚部或肋部的一部分运动单位。肌肉神经激活与机械输出之间的关系由其神经机械耦合决定,即每单位电活动产生多少压力/力。

图2 接受辅助机械通气的重症监护患者的气道压(Paw)、流量( )、容积(V)、膈肌(sEAdi)和肋间肌(sEAinterc)表面肌电包络信号、侵入性测量的膈肌电活动(EAdi)以及由食管压(Pes)推导的呼吸肌压力(Pmus)。数据来自[16] 查看原图 ↗

微创呼吸监测

通过本综述,我们旨在促进呼吸努力测量技术的开发与应用,这些技术比鼻胃球囊导管更易于操作和解读,且侵入性更小。食管或胃内压力球囊的置入被不同作者分别称为“微创”和“有创”,尽管如此,置入鼻胃管相关的风险无疑非常有限,仅有极少数严重并发症的报道[17, 18]。完全无创的呼吸努力测量方法的主要吸引力在于,它们在临床实践中通常比食管压(Pes)测量更省力,且准备时间大大缩短。置入食管球囊操作繁琐,因为需要在没有直接视觉反馈的情况下仔细定位和校准导管。食管下三分之一的正确位置通过闭合试验[8]验证,即在闭合吸气努力期间,气道压(Paw)和Pes压力变化比值的靶目标通常设定在0.8至1.2之间。当不存在自主呼吸努力时,在呼气末屏气期间使用手动胸部按压来产生Paw和Pes的偏转。Pes的绝对值强烈依赖于球囊的充气容积:在较高充气容积下,Pes具有显著的正向偏移,这是由食管壁的弹性所致,尽管已有针对充气容积的校准程序来处理这一基线伪影[19]。然而,解读Pes的另一个实际困难是,计算呼吸努力需要精确估计胸壁的弹性回缩力。胸壁弹性可在被动条件下测量,但在实践中通常使用经验公式近似估算,即顺应性为预测肺活量的4%/cmH2O[8]。此外,Pes信号常受到心脏伪影和食管蠕动性收缩的严重干扰,这可能使数据解读变得复杂。这些耗时的设置在人手不足的病房中尤其成问题,因为那里合格人员稀缺。一种简单、无创的技术可能比Pes更容易被采用,并促成更容易实施的常规监测,使更大的患者群体能够作为临床默认设置从更全面的观察中获益。

从间歇性操作到持续监测

如既往文献综述所总结,气道闭合操作是目前日常临床实践中最常用的无创评估呼吸努力的方法,成熟度最高,所有现代呼吸机均可使用[5, 11, 12, 20]。临床广泛使用的参数P0.1定义为在气道闭合条件下,一次吸气努力最初100 ms内的压力下降,反映呼吸中枢的神经输出[21]。Telias和Spadaro[5]以及de Vries等[11]近期为验证P0.1作为接受辅助机械通气(MV)患者的标准工具提供了重要证据。他们表明,P0.1与呼吸努力指标相关,包括PTP/min(患者内r2 ≥ 0.84)。虽然它确实能够以高灵敏度和特异度检测极端呼吸努力(即过度努力和努力不足),但其极易受伪影影响,无法可靠测量呼吸努力的精确值[11]。影响P0.1的一个重要技术因素是测量程序的差异,在某些呼吸机上若无适当的气道闭合而进行估算,会产生偏倚[22]。一些呼吸机执行实际的气道闭合操作,而其他设备则根据触发阶段的压力下降外推该值,而触发阶段通常短于50 ms。重要的是,由于患者内逐次呼吸变异也相对较高,变异系数高达26%[22],因此通常建议报告多次气道闭合的平均值。

压力Pocc是在完全闭合气道条件下一次吸气努力期间相对于基线的最大偏移。它被独立于P0.1提出,作为吸气努力和肺应力的替代指标[23, 24]。与P0.1相比,Pocc对伪影的易感性降低,判别力优于P0.1,但同样不适合精确量化努力[6]。

尽管气道闭合似乎是直接且被广泛接受的操作,其主要缺点在于随时间固有的不连续性。气道闭合测量仅代表操作进行那一刻的瞬时呼吸努力,通常报告为3–5次单次呼吸的平均值。另一方面,连续监测能够分析逐次呼吸变异,而这是间歇性测量难以捕捉的。因此,因疾病状态或呼吸机设置变化所致的呼吸做功增加、窘迫征象或呼吸模式改变可被及时识别和处理。此外,间歇性测量仅能反映呼吸驱动和努力的幅度,却忽略了时序和患者-呼吸机交互。患者-呼吸机不同步只能从在无中断辅助MV期间产生呼吸努力数据的运行中的呼吸机上推断。

在以下段落中,我们讨论三种无创方法,它们可连续估算努力的幅度和时序,极有希望推进呼吸肌监测,如图1和表1所示。

表1 测量呼吸努力的无创技术概览 查看原表 ↗

用于监测呼吸肌活动的表面肌电图

通过将电极贴附于呼吸肌表面的皮肤,可以连续且无创地测量呼吸肌的电活动,如图1所示。该技术称为表面肌电图(sEMG),可捕获肌肉收缩过程中肌纤维去极化所产生的表面电位[15]。膈肌可采用多种电极配置,包括单侧和双侧设置,近期一项研究对这些配置进行了系统比较[15, 25]。与有创方法不同,表面电极还可监测膈肌以外的呼吸肌,如胸骨旁肋间肌、胸锁乳突肌、鼻翼肌、颏舌肌和斜角肌,这些肌肉在膈肌负荷较高时被募集[26]。

表面膈肌电活动(sEAdi)本质上是一种神经呼吸驱动力的测量指标,但也可作为呼吸努力的指标。两项较小的单中心研究表明,在不同水平的通气支持下,sEMG振幅和曲线下面积均与以Pmus为代表的呼吸努力呈近似线性相关(r2 ≥ 0.79)[16, 27]。这种关系被称为膈肌神经机械耦联(NMCdi)。当通过呼气末阻断操作无创推导NMCdi时,可将其用作缩放因子。将电活动(sEMG)转换为机械输出(Pmus)的估计值,使得在呼吸机设置保持稳定的情况下,能够连续、无创地逐次呼吸监测呼吸努力[27–29]。图3展示了在阻断期间使用sEMG计算NMCdi并据此连续无创估计Pmus的方法学步骤。

除了基于振幅的努力测量之外,sEAdi信号的时序还可为患者-呼吸机交互提供额外信息。表面EAdi提供了一种无创方法,用于评估患者神经呼吸驱动与呼吸机所提供机械支持之间的不同步,包括触发延迟、努力丢失、切换延迟、双重触发、自动触发和反向触发[30, 31]。

图3 利用膈肌神经机械耦联(NMCdi)从表面肌电图估计呼吸努力。数据来自一名接受辅助机械通气的患者[16]。A 阻断操作期间(红色虚线之间)的气道压力(Paw)和表面膈肌肌电图。B 阻断期间Paw与表面肌电图之间的关系。线性回归(红线)的斜率代表膈肌神经机械耦联(NMCdi)。C NMCdi用作缩放因子,将sEAdi转换为常规通气期间呼吸努力的估计值,为用食管气囊有创测量的呼吸肌压力(Pmus)提供无创替代指标(Pmus, EMG)。数据来自[16] 查看原图 ↗

sEMG的未来展望

近年来,呼吸表面肌电(sEMG)领域取得了实质性进展,尤其是在记录设备、信号处理技术和质量控制措施的发展方面。然而,由于在采集设置标准化和信号处理方面仍存在若干未解决的挑战,sEAdi用于连续监测的临床采用仍然有限。表面肌电并非针对单一肌肉;因此,一个重要的实际问题是串扰,例如来自腹部肌肉的串扰,以及吸气肌与呼气肌之间的串扰。已有研究表明,优化电极位置可提高对吸气肌的特异性[25, 32]。通过引入质量标准以识别非生理性波形[29]或推导信号质量指数以量化干扰、运动伪影和串扰的影响[30],sEMG衍生指标的可靠性也可得到改善。另一个问题是sEAdi信号的长期稳定性。其固有的低电压使其易受噪声和测量条件波动的影响。出汗、液体平衡、水肿、电极凝胶降解和患者运动等因素均可在重症监护病房的临床过程中损害信号质量,可能限制其用于纵向评估的效用[15, 29, 30]。此外,受试者间变异性和电极放置使跨患者和跨会话的标准化复杂化。尽管这些挑战已被充分认识,但由于缺乏更大规模的纵向研究,其临床影响仍不确定。因此,尚不清楚这些局限性究竟代表次要的技术障碍还是临床采用的障碍。

要从研究过渡到常规临床使用,采集方案、信号前后处理和解读框架的标准化对于克服这些纵向稳定性方面的问题至关重要[15]。未来的努力应侧重于开发稳健的抗伪影传感器和自动化质量控制算法,以确保在本质动态的临床环境中可靠地采集信号。最终,基于持续的技术改进和临床研究,在机械通气支持下,sEAdi作为一种无创、连续的监测模式,在监测呼吸驱动和呼吸努力以及指导个体化呼吸护理方面具有巨大前景。

基于模型的呼吸努力估计

呼吸系统的计算生理模型(CPM)代表个体病理生理状态,并作为虚拟患者,基于物理学和机制原理来增进对生理学的理解、模拟数据或确定呼吸参数[15]。基于这些CPM的呼吸努力估计依赖于将肺力学模型拟合到患者的呼吸机信号(气道压力、容量和流量),如图1所示。通常,运动方程被用作呼吸系统建模的基础。在该模型下,Pmus simply是减去呼吸机支持Paw、呼吸系统弹性回缩(E × V)和阻力压力分量( )后剩余的压力[15]。因此,给定呼吸弹性E和气道阻力R的值,Pmus可以直接从呼吸机波形计算得出。理论上,估计的Pmus信号代表呼吸泵的总输出,包括膈肌和辅助肌的贡献。

基于模型方法的一个关键挑战是,在自主呼吸期间呼吸参数(E和R)难以轻易估计,因为当Pmus ≠ 0时运动方程的参数没有唯一解[33]。第一种解决方案是仅在患者被动(Pmus = 0)时估计参数,然后当患者再次自主呼吸时从这些参数重建Pmus。这种方法已在少数研究中成功演示[34–36],尽管样本量较小。在参数识别期间完全抑制自主呼吸通常并不理想。另一种方法是在假定Pmus较小(Pmus≈0)时估计参数,例如在呼气期间或在高PS水平下。最近,两项研究也测试了这种方法,但截至目前,结果仍与早期完全被动患者的研究不一致[37, 38]。Natalini等[37]和Ruiz Ferrón等[38]均在最高压力支持水平下确定呼吸参数,但发现Pmus无法准确估计。尽管如此,Natalini等的研究表明,基于模型的方法可以准确识别呼吸努力极低的患者。

在辅助通气期间同时估计肺参数和Pmus的尝试较少。一种先进方法是Younes等的方法,通过使用压力脉冲和气道阻断等操作来估计肺弹性和阻力[39, 40]。该方法已在市售的PAV+通气模式中实施,其中压力按估计的Pmus信号成比例输送。操作有助于参数识别,但不可避免地打乱正常呼吸节律。因此,存在固有的权衡:应尽量减少操作次数,同时仍确保相关模型参数的可识别性。Younes等后来提出了其方法的变体,不依赖操作而是依赖简单的参数选择启发式方法,并证明它仍能分析患者-呼吸机交互[41]。这种基于模型的方法针对食管压力进行了验证[42],并显示与Pmus良好一致(PTP值的r ≥ 0.77)。

基于模型估计的未来展望

许多作者已经认识到使用计算生理学模型分析呼吸做功的潜力,但迄今为止,结果尚无定论,即不同研究报告的与Pmus的一致性水平差异很大[34, 35, 37, 38, 42, 43]。现有研究样本量也相对较小,且由于研究的目标指标(WOB、PTP)和临床队列不同,难以进行比较。一些作者呼吁谨慎对待简单呼吸模型表征某些非线性肺力学的能力,如呼气流量受限或肺泡过度膨胀[44–46]。模型开发必然涉及有意选择纳入的核心生理学概念,同时必然排除其他概念。因此,没有模型能够完全捕捉临床现实的复杂性。然而,绝对保真度并非前提条件,只要模型提供足够准确的近似值以支持床旁临床决策即可[47]。未来基于模型的呼吸做功估计研究应探索现有模型的扩展,以更好地纳入相关非线性特征。

一个非常有前景的研究方向基于将额外(无创)测量整合到现有呼吸模型中的思路,例如最近提出的整合表面肌电图(sEMG)[48]。通过在单一模型中组合多个独立测量,所得的Pmus曲线受单个信号噪声的影响较小,可以获得高度准确的估计。图4说明了这一方法:通过将气动信号与sEMG相结合来辨识肺力学模型的参数,从而仅从呼吸机数据重建Pmus信号。

为确保高水平的实用性,模型必须始终通过验证、确认和不确定性量化(统称为VVUQ)进行严格评估[47]。验证检查模型是否按预期工作,例如通过运行简单测试并将结果与已知参考数据进行比较。确认追问:模型是否反映现实?这是通过将模型对患者呼吸做功(Pmus)的估计与食管压等有创测量进行比较来完成的。不确定性量化告诉我们可以在多大程度上信任模型的输出。例如,如果肺顺应性或阻力发生变化,模型应指示这对预测呼吸做功的影响程度。在估计的Pmus曲线旁向临床医生提供不确定性度量对于有依据的呼吸机调整至关重要[49]。

尽管基于模型的Pmus估计具有潜力,但其在真实临床环境中的实际可用性仍不确定。挑战包括在动态条件下辨识患者特异性参数的困难、漏气和非平稳呼吸模式对模型准确性的影响,以及对高质量呼吸机信号的强烈依赖——后者可能受到伪影或传感器漂移的影响。未来工作应侧重于稳健的伪影处理和更大队列的验证,以弥合理论准确性与床旁可行性之间的差距。

图4 使用结合呼吸机波形和表面肌电图的混合模型对呼吸肌压力(Pmus)进行基于模型的估计。该方法结合气道压力(Paw)、流量()、容积(V)和表面肌电图(sEMG),通过算法识别肺力学模型的参数。利用这些参数,仅从呼吸机数据即可重建呼吸肌压力(Pmus,EMG)。估计的Pmus与从食管压力记录中获得的有创测量的Pmus非常接近。数据和方法的先前发表见[48] 查看原图 ↗

基于超声的膈肌监测

近年来,超声越来越多地用于测量危重症患者的膈肌解剖和活动,为连续膈肌监测提供了一种无创方式。从超声衍生出的与呼吸努力相关的主要参数是主动吸气期间的膈肌增厚分数,在并置区测量[50]。增厚分数(TFdi)可在M型或B型超声中测定,为潮式肌肉增厚与呼气末肌肉厚度的比值:其中Tei和Tee分别表示吸气末和呼气末的膈肌厚度。

辅助机械通气(MV)期间15%至30%之间的数值反映膈肌具有足够的收缩活动,与稳定的肌肉厚度和较短的MV持续时间相关[51],并已被提出作为辅助通气期间膈肌保护的潜在治疗目标。在一项单中心研究中,TFdi与呼吸努力指标呈强相关(与PTPes和PTPdi的r分别为0.80和0.70)[52]。然而,对于给定的呼吸努力水平,不同患者之间对应的TFdi值范围很大[52, 53],限制了其用于精确呼吸努力监测的实用性,但使得患者内趋势监测成为可能。重要的是,膈肌超声需要操作者具备相当的专业技能,可重复性仍然是一个问题。对于标记的探头位置,观察者间TFdi值差异可达16个百分点(%pt),对于未标记位置可达27%pt,表明对于所提出的15%–30%目标范围[54]准确性不足。这是目前将超声用于临床常规中精确呼吸努力监测的主要障碍之一。

超声的未来展望

膈肌超声是一种可从自动图像采集和基于人工智能的处理软件中极大获益的技术,例如用于确认超声探头正确定位、分割胸膜和腹膜或计算膈肌厚度的连续信号。流程自动化也可能有助于提高该技术的可重复性。斑点追踪超声被假设可通过与跨膈压力和肌电图相关来提供对膈肌功能更精确和全面的评估,但需要类似的自动化和更大规模的临床研究来证明其在呼吸努力评估中的价值[55–57]。

也有研究提出使用超声评估患者-呼吸机相互作用,可采用膈肌位移(从肋缘下用M型超声测量)或TFdi [50, 58],但仍需更广泛的临床验证。目前尚不清楚在每日临床实践中,使用超声衍生的TFdi对呼吸努力进行长期连续评估是否可行。使用当前的手持设备时,探头定位需要手动调整,这妨碍了较长时间的连续测量。Demoule等人最近展示了一种有前景的连续替代方法,用于测量膈肌位移[59]。他们的方法基于一种可穿戴超声贴片,该贴片连续测量肝脏上表面作为膈肌的替代指标。

已有研究提出对膈外肌肉进行超声检查,例如胸骨旁肋间肌以及腹壁肌肉,但其增厚分数与呼吸努力的关系需要更深入的研究。进一步的发展可能来自剪切波弹性成像,这是一种创新的超声技术,通过量化聚焦超声束产生的剪切波速度来评估组织的生物力学特性[60]。当应用于膈肌时,这种方法可能为结构变化提供新的见解,不过同样需要临床试验来更好地理解该方法的效用。

讨论

呼吸努力的无创连续监测在推进患者监测方面具有巨大潜力。与基于鼻胃管的技术相比,无创方法劳动强度更低,更容易在床旁实施,可能实现更广泛的应用。虽然基于气道阻断的技术目前仍是当前实践中最易获得的工具,但其无法捕捉连续呼吸努力和患者-呼吸机不同步,限制了其在监测肌肉努力影响方面的效用。本综述讨论的三种无创连续呼吸努力评估方法——表面肌电图、基于模型的估计和超声——能够连续评估呼吸肌活动的幅度和时间。这些进展应有助于在接受辅助机械通气的患者中更广泛地采用膈肌保护性通气策略。

我们在表1中比较了所有方法的挑战和未来前景。在三种新兴方法中,超声目前是ICU中应用最广泛的方法。它能即时、针对特定肌肉地观察呼吸泵(包括膈外贡献),但无法精确量化肌肉做功。在分析不同步方面,表面肌电(sEMG)似乎是最有前景的候选方法,因为与超声不同,它能检测呼吸做功的精确时间。两种方法的长期测量仍是一个问题,但一种不依赖操作者的可穿戴超声设备已被引入。基于模型的方法仍更具实验性,可量化呼吸泵的总输出。由于它们仅依赖呼吸机信号,本质上适合长期监测,且比超声和sEMG更不易受噪声影响。结合多种无创技术,例如将表面肌电与闭塞手法或基于模型的估计相结合,有望提高稳健性和临床适用性。

必须承认本综述的若干局限性。许多研究创新测量技术的重症监护研究规模相对较小,仅几十名受试者或更少。这也涉及本综述中讨论的许多结果,即大多数所引用的出版物基于小型、单中心队列。从这些研究中得出的结论带有不确定性,必须在更大的队列中进行外部确认。此外,本综述中讨论和呈现的研究是为突出重要概念而选择的,但这不能替代系统性文献分析。由于这是一篇叙述性综述,存在固有的报告偏倚风险,例如由于利益冲突,我们已在附录中详细披露。

参考来源

  1. Graßhoff J, Warnaar RSP, Donker DW, et al. Continuous and noninvasive respiratory effort monitoring: a narrative review of emerging techniques. J Intensive Care. 2026. PMID: 41566353. doi:10.1186/s40560-026-00852-z
  2. 全文:PMC12849107(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12849107/

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。