经皮膈肌肌电记录量化机械通气患儿人机交互
本研究为前瞻性观察研究,纳入23例机械通气患儿,在拔管前24小时内连续记录5分钟呼吸机压力波形与经皮膈肌肌电信号,用改良NeuroSync方法计算dEMG-phase量表。自动化分析显示同步、不同步、异步呼吸中位数分别为11.0%、49.4%、28.7%。dEMG-phase量表自动化与手动分析的一致性ICC为1.0(95%CI 0.99–1.0)。该方法无创、不限于特定呼吸机,可能有助于临床评估和调整呼吸机设置。
要点
- 在23例机械通气患儿中,自动化dEMG-phase量表与专家手动分析的ICC为1.0(95%CI 0.99–1.0),一致性极高。
- 自动化分析显示同步呼吸中位数仅11.0%,不同步49.4%,异步28.7%,提示人机不同步在患儿中常见。
- 完全分离事件中,MV无NA中位数40.4%,NA无MV中位数25.9%,多次MV对应一次NA中位数4.0%,多次NA对应一次MV中位数5.8%。
- 该方法无创且不限于特定呼吸机类型,作者认为可较容易地在儿科通气人群临床实施。
- 作者指出需进一步研究验证本研究所用截断点,并需开展经皮肌电与食管导管EAdi信号的相关性研究。
适用人群与场景
- 纳入:机械通气患儿,年龄<18岁,在拔管前24小时内进行测量。
- 排除:先天性或获得性神经肌肉疾病;早产儿矫正胎龄<40周;严重创伤性脑损伤(GCS<8);先天性或获得性膈神经损伤;先天性或获得性膈肌麻痹;使用神经肌肉阻滞剂;慢性肺病(如气管造口通气);严重肺动脉高压;皮肤放置电极禁忌;因其他原因无法触发呼吸机的患者。
- 场景:三级儿童重症监护病房(PICU)。
诊断标准与关键阈值
- 同步呼吸:NAON与MVON之间、NAOFF与MVOFF之间的差异在±33%以内(依据Sinderby等)。
- 不同步呼吸:上述时间差异超过±33%。
- 异步呼吸:神经吸气与呼吸机加压不相关(如MV无NA、NA无MV、多次MV对应一次NA、多次NA对应一次MV),赋值为100%。
- dEMG-phase量表定义为所有呼吸的平均绝对误差。
处置流程与药物剂量
- 测量在拔管前24小时内进行,患者取30度抗Trendelenburg仰卧位,测量前10分钟吸痰并清除管路积水。
- 呼气潮气量目标为6–8 mL/kg实际体重;流量触发设置为1.0 L/min;体重<15 kg患者使用近端流量传感器。
- 压力支持通气(PSV)水平常规设置为PSV=峰值吸气压力(PIP)减去呼气末正压(PEEP)。
- 呼吸系统顺应性降低时采用允许性高碳酸血症(pH>7.20)。
- 镇静镇痛:持续输注咪达唑仑、口服劳拉西泮及吗啡或芬太尼静脉给药;用COMFORT行为量表滴定镇静水平。
- 经皮膈肌肌电(dEMG)使用一对Ag/AgCl电极双侧放置于乳头线肋腹缘,共同电极置于胸骨水平,采样频率500 Hz。
- 呼吸机压力波形通过RS232接口以100 Hz采样频率采集。
- dEMG信号处理:使用门控技术去除心电及其他伪差,50 Hz陷波滤波器减少电干扰,计算运行均方根(时间窗T=0.2 s)。
研究设计与关键结果
- 前瞻性观察研究,纳入23例机械通气患儿(17男6女),中位年龄等基线资料见表1。
- 17例(74%)因各种原因呼吸衰竭通气,5例(22%)为先天性心脏病矫正术后,1例(4%)因循环衰竭通气。
- 患者触发呼吸中位数百分比为96% [61; 99]。
- 记录时中位药物剂量:吗啡10 mcg/kg/h [7.7; 10.5],咪达唑仑0.1 mg/kg/h [0.08; 0.2],芬太尼2.0 mcg/kg/h [1.0; 2.9];1例接受劳拉西泮0.3 mg/kg/day。
- 中位COMFORT评分为14 [11, 15]。
- dEMG特征:中位神经吸气时间0.86 s [0.74; 1.0],神经呼气时间0.79 s [0.57; 0.96],基线dEMG信号1.16 μV [0.76; 2.12],峰值dEMG信号2.69 μV [1.72; 3.62],中位振幅1.06 μV [0.85; 1.87]。
- 2例患者无可检测dEMG信号,可能由镇静导致;其他患者整个呼吸周期无dEMG信号丢失。
- 中位触发错误:提前触发0.33 s [0.24–0.46],延迟触发0.16 s [0.03–0.24];中位周期结束错误:提前结束0.11 s [0.07–0.20],延迟结束0.13 s [0.08–0.39]。
证据类型、等级与局限
- 证据类型:前瞻性观察研究。
- 局限性:表面EMG与EAdi之间的相关性研究尚未进行;本研究仅纳入拔管前24小时内患者;目前仅分析dEMG,未同时分析肋间肌EMG;研究所用误差限值(±33%)为任意选择,可能不适用于儿童;不同呼吸机品牌可能影响不同步水平。
- 作者指出需进一步研究验证本研究所用截断点,并需开展经皮肌电与食管导管EAdi信号的相关性研究。
对床旁实践的改变
- 作者认为,将dEMG-phase量表用于机械通气患儿日常评估可能有助于个体化设置呼吸机,例如利用呼吸内人机交互图调整触发灵敏度和优化周期结束标准。
- 作者指出,这种指导性个体化滴定可能改善人机交互并降低患者做功,但该假设需在临床研究中证实。
- 目前儿童数据缺乏,仅有观察性成人研究显示不同步水平与机械通气时间延长和死亡率显著相关。
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14 节 · 点击展开
背景
机械通气成人的患者-呼吸机不同步(PVA)与机械通气(MV)时间延长、镇静剂使用增加以及重症监护病房(ICU)和住院时间延长相关[1–3]。尽管如我们和其他研究者所示,机械通气儿童中PVA的发生很常见,但对于该患者群体,PVA与临床结局之间的关系尚不明确[4–6]。
此前,我们已在异质性机械通气儿童群体中显示,当肉眼检查气道压力和流量波形时,每三次呼吸中就有一次不同步[4]。然而,这种检查方法繁琐,且由于未考虑神经呼吸驱动,可能无法反映PVA的真实患病率。或者,可使用经特定鼻胃管测量的膈肌电活动(EAdi)或食管压力信号,事实上这些是识别PVA更准确的信号[6–11]。
迄今为止,这些方法的使用主要限于研究目的,主要是因为缺乏向临床医生实时反馈PVA水平的能力。为了真正理解机械通气儿童中PVA的临床相关性,需要一个能够就PVA的发生和类型提供此类反馈的系统。近年来,在自动识别PVA的工具开发方面已取得进展[2, 12–15]。此类实时自动分析对于研究旨在减少PVA的干预措施疗效及患者结局的临床试验是必要的。Sinderby等[16]基于EAdi和呼吸机压力波形的测量,开发了一种自动化、客观且标准化的神经指数来量化患者-呼吸机相互作用(NeuroSync)。通过该方法确定患者-呼吸机相互作用具有更高的评分者间信度,并证明比人工分析更敏感。
然而,这种新方法仅限于能够测量EAdi的呼吸机。此外,它要求插入食管导管,这在儿科环境中可能是一个缺点。膈肌肌电信号(dEMG)的经皮记录可被视为合适的替代方法[17–19]。尽管目前尚未进行dEMG与EAdi之间的相关性研究,但这种无创、易于操作的技术可提供可重复的膈肌肌电信号[17]。因此,我们检验了以下假设:在机械通气儿童中,当将dEMG与呼吸机压力和流量随时间波形一起分析时,使用改良NeuroSync指数(dEMG相位标度)自动检测、量化和显示患者-呼吸机相互作用是可行的。
方法
研究人群
本研究于2015年2月至7月在格罗宁根大学医学中心Beatrix儿童医院儿科重症监护病房(PICU)进行。机构审查委员会批准了本研究。已从父母双方或法定看护人处获得签署的知情同意书。年龄< 18岁的机械通气儿童符合纳入条件。排除标准包括:先天性或获得性神经肌肉疾病、早产且校正胎龄后矫正胎龄< 40周、严重创伤性脑损伤(即格拉斯哥昏迷量表< 8)、先天性或获得性膈神经损伤、先天性或获得性膈肌麻痹、使用神经肌肉阻滞、慢性肺病(即气管造口通气)、严重肺动脉高压、皮肤电极放置禁忌证以及因任何其他原因无法触发呼吸机的患者。
研究流程
在研究期间,所有患者均继续接受重症监护的标准治疗。测量在拔管前24小时内进行。主治医师根据本院指南确定呼吸机模式和设置。呼气潮气量(VT)的目标为6–8 mL/kg实际体重。流量触发设置为1.0 L/min。体重< 15 kg的患者使用近端流量传感器。在呼吸系统顺应性降低的情况下,采用允许性高碳酸血症(pH > 7.20)。压力支持通气(PSV)水平常规设置为PSV = 吸气峰压(PIP)减去呼气末正压(PEEP)。除非患者的临床状况要求主治医师调整设置,否则测量期间呼吸机设置保持不变。患者使用AVEA呼吸机(CareFusion,Yorba Linda,CA,USA)以时间循环、压力限制的同步通气模式接受通气,包括PSV、压力控制/同步间歇指令通气(PC/SIMV + PSV)、预设潮气量(VT)的压力限制模式(即压力调节容量控制联合PSV,PRVC/SIMV + PSV)或压力控制辅助控制(PC/AC)。持续输注咪达唑仑、口服劳拉西泮及静脉给予吗啡或芬太尼用于镇痛镇静。使用COMFORT行为量表滴定镇静水平[20, 21]。记录前十分钟,对患者进行吸痰并清除管路中的积水。患者取30度反Trendelenburg仰卧位。
呼吸机压力波形与dEMG采集
患者接受为期5分钟的通气机压力波形和dEMG连续记录。通气机压力波形通过通气机的RS232接口(Ventilator Open XML Protocol,VOXP)以100 Hz的采样频率采集。dEMG通过一对单Ag/AGCl电极(EasyTrode TM Pre gelled Electrodes,Multi Bio Sensors Inc,El Paso,USA)获得,电极双侧置于乳头线上的肋腹缘。共同电极置于胸骨水平[17]。dEMG使用Dipha(Inbiolab,Groningen,The Netherlands)以500 Hz的采样频率记录。使用Polybench软件(Applied Biosignals GmbH,Weener,Germany)记录来自通气机和EMG记录装置的预处理数据。通气机压力波形和膈肌电活动进行离线分析。
数据处理
记录的dEMG需要经过处理,以可靠评估呼吸神经驱动。通过门控技术的扩展版本[22],从原始dEMG数据中分离出心脏电活动和其他峰值伪迹。门控区填充以处理后dEMG信号的滑动平均值。使用50 Hz陷波滤波器以尽量减少重症监护室中电子设备产生的电干扰。经过滤波和门控后,计算处理后dEMG信号的滑动均方根(RMS)(时间窗T = 0.2 s)。计算得到的dEMG用于分析。
患者-通气机交互作用的描述
为评估患者-呼吸机交互作用,将计算得到的dEMG活动与呼吸机波形进行手动和自动比较,以计算dEMG相位量表(分别为dEMG-phase scaleMANU和dEMG-phase scaleAUTO),采用Sinderby等人先前描述的改良NeuroSync方法[16]。两名研究者(AK和RB)使用在Polybench(Applied Biosignals GmbH,Weener,德国)中设计的图形界面对呼吸机压力和dEMG描记进行手动分析。每名研究者分别在界面中于神经吸气起始(NAON)、dEMG自峰值下降1/3处即神经吸气终止(NAOFF)、呼吸机加压开始(MVON)和呼吸机加压结束(MVOFF)处放置标记。所获得的神经吸气和呼吸机加压时间:NAON、NAOFF、MVON和MVOFF用于计算每次呼吸的触发和切换误差。自动分析算法按照与手动分析相同的规则设计。早期触发和切换误差以及晚期触发和切换误差的范围可为0至100%。根据Sinderby等人[16]的研究,将一次呼吸为同步或不同步的界限设定为NAON与MVON之间以及NAOFF与MVOFF之间差异±33%。与呼吸机加压无关的神经吸气或反之被视为异步呼吸,并赋值为100%。异步呼吸的情况包括无神经活动的呼吸机加压(MV无NA)、无呼吸机加压的神经活动(NA无MV)、多次呼吸机加压伴一次神经活动(多次MV伴NA)以及一次呼吸机加压期间多次神经活动(多次NA伴MV)。所获得的数据以dEMG相位量表的图形表示展示;即呼吸内患者-呼吸机交互图。dEMG相位量表定义为所有呼吸的平均绝对误差。将由两位专家获得的dEMG-phase scaleMANU与dEMG-phase scaleAUTO进行比较。
基线特征
患者基线人口学资料包括年龄、性别、体重、入院诊断、儿童死亡指数(PIM)II和24小时儿童死亡风险(PRISM)II评分、记录时间和入院诊断。在开始测量之前,记录呼吸机设置,包括模式、呼气末正压之上压力(PAP)、呼气末正压(PEEP)、平均气道压(Pmean)、压力支持通气(PSV)、呼气潮气量(VT)、设定呼吸频率、吸入氧分数(FiO2)和吸气时间。临床数据包括既往使用神经肌肉阻滞、导管尺寸、气管插管(ETT)周围漏气、呼气末CO2以及记录前最后4小时内接受的镇痛镇静量。记录期间评估COMFORT评分[20, 21]。
统计分析
采用Shapiro–Wilk检验检验数据是否符合正态分布。描述性数据以中位数[第一四分位数;第三四分位数]或占总数的百分比(%)表示。逐次呼吸的评定者间一致性(定义为两名研究者所获得误差之间的一致性)以及方法间一致性(定义为自动分析所获得误差与两名研究者所获得平均误差之间的一致性)通过组内相关系数(ICC)进行评估。若ICC大于0.75则认为信度可接受,若ICC大于0.90则认为信度极佳[23, 24]。在确认逐次呼吸的评定者间和方法间重现性良好后,评估dEMG-phase scaleMANU与dEMG-phase scaleAUTO之间的一致性。所有统计分析均使用SPSS 24版(IBM,美国阿蒙克)进行。
结果
研究人群
患者特征总结于表1。分析时,一名患者因在测量当日发生脑膜炎并伴严重神经功能损害而被排除。因此,N = 23(17名男孩和6名女孩)患者的数据用于分析。17名(74%)患者因任何原因导致的呼吸衰竭接受通气;5名患者(22%)在先天性心脏病矫治手术后入院。1名患者因循环衰竭接受通气(4%)。患者触发呼吸的中位百分比为96% [61; 99]。数据记录时,患者接受的吗啡中位剂量为10 mcg/kg/h [7.7; 10.5],咪达唑仑中位剂量为0.1 mg/kg/h [0.08; 0.2],芬太尼中位剂量为2.0 mcg/kg/h [1.0; 2.9]。1名患者接受劳拉西泮,剂量为0.3 mg/kg/天。COMFORT评分中位数为14 [11, 15]。
dEMG记录描述
记录的dEMG显示以下特征。神经吸气时间中位数为0.86 s [0.74; 1.0],神经呼气时间中位数为0.79 s [0.57; 0.96],基线dEMG信号中位数为1.16 μV [0.76; 2.12],峰值dEMG信号为2.69 μV [1.72; 3.62],振幅中位数为1.06 μV [0.85; 1.87]。两名患者无可检测的dEMG信号,可能由镇静所致。对于所有其他患者,在整个呼吸周期中未观察到dEMG信号丢失。提前触发的触发误差(即dEMG信号与呼吸机加压比较)中位数为0.33 s [0.24–0.46],延迟触发的触发误差中位数为0.16 s [0.03–0.24]。提前切换的周期关闭误差中位数为0.11 s [0.07–0.20],延迟切换的周期关闭误差中位数为0.13 s [0.08–0.39]。
dEMG-phase scaleAUTO
自动检测算法及专家1和专家2分别检测到4366、4342、4333次NA或MV呼吸。基于dEMG-phase scaleAUTO,自动分析分类的同步、不同步和非同步呼吸的中位率分别为11.0% [1.7; 32.7]、49.4% [36.0; 63.9]和28.7% [6.3; 43.5]。自动分析分类的同步、不同步和非同步呼吸率见图1。完全分离的中位率分别为:无NA的MV为40.4% [18.3; 48.7],无MV的NA为25.9% [10.2; 48.7],多个MV伴NA为4.0% [0; 25.0],多个NA伴MV为5.8% [0; 15.4]。自动分析分类的完全分离率见图2。患者-呼吸机交互良好和不良的示例及相应的呼吸机压力和dEMG曲线见图3、图4和图5。
评估者间和 method 间一致性
评估者间和方法间的一致性结果见表2。dEMG-phase scaleMANU与dEMG-phase scaleAUTO之间的一致性由ICC 1.0,95% CI [0.99–1.0]反映。
讨论
据我们所知,这是首个报告婴儿和儿童与机械通气机之间的相互作用可以使用经皮肌电呼吸肌记录以实时无创方式进行量化的研究。使用对先前描述方法(dEMG相位量表)的改良来量化患者-通气机相互作用被证明是一种可行且可靠的方法,触发误差和周期关闭误差以及dEMG相位量表均具有高ICC值,反映了这一点。该方法可能对临床使用和研究目的均有重要意义,因为它不限于某一类型的通气机,且它是一种无创工具,意味着它可以容易地在儿科人群中实施。
迄今为止,测量膈肌电活动仅能通过使用与特定品牌通气机相连的专门开发的食管导管来实现。作为替代,我们使用了表面电极,但其有其自身的局限性。第一,当通过表面电极测量呼吸电活动时,也可能测量到其他肌肉活动,这种现象称为交叉干扰[25]。然而令人放心的是,我们在研究中仅注意到极少的交叉干扰,与其他研究相当[17, 26]。第二,重症监护病房常用机器的电干扰可能干扰所测量的电活动[26–29]。因此我们应用了50 Hz陷波滤波器,随后能够使用所有数据记录。第三,使用模板减除和门控从dEMG信号中去除心脏活动理论上可能干扰神经吸气起始和终止的精确判定。然而,Hutten等人使用了经此类滤波器去除ECG信号后的dEMG信号。他们发现该滤波后信号与潮气气流相关性良好,且对时间延迟相当稳健[26]。
在我们之前的研究中,我们发现PVA在机械通气儿童中极为常见,主要类型是无效触发[4]。每三次呼吸中就有一次存在某种类型的异步。与本研究中不同,我们此前通过分析呼吸机流量和压力波形来检测PVA。这种方法容易低估PVA的真实发生率[10]。本研究的结果证实了这一点,我们发现只有12.2%(1.9–33.8)的呼吸是同步的。因此,结合dEMG测量并使用dEMG相位标度自动分析波形优于单独手动分析呼吸机波形。通过结合dEMG相位标度,我们得以改进对PVA的定义[4]。例如,相对时间差>33%的呼吸现在被归类为不同步而非异步,这可能解释了本研究与既往研究之间PVA发生率的差异。尽管误差限值取自Sinderby等,但这些限值是任意选择的,可能不适合用于定义机械通气儿童中的同步、不同步和异步[16]。为确定更准确的吸气时间,需要进行比较dEMG与食管压力-时间曲线的研究。此外,在本研究中我们使用了与既往研究不同的呼吸机品牌(AVEA,CareFusion,Yorba Linda,CA,USA)(EvitaXL Draeger Medical,Lubeck,Germany)。由于患者-呼吸机交互不良不仅由患者因素引起,也由呼吸机相关因素引起,可以推测呼吸机性能的差异可能影响所观察到的异步水平[30]。
在机械通气儿童的日常评估中实施该方法来量化患者-呼吸机交互,可能是个体化设置呼吸机的一种非常有前景的方法。例如,呼吸内患者-呼吸机交互图可用于调整触发灵敏度和优化切换标准。可以推测,这种指导下的个体化滴定可能改善患者-呼吸机交互并减少患者做功,尽管显然这一假设需要在临床研究中得到证实。迄今为止,仅在观察性成人研究中显示了异步水平与机械通气时间延长和死亡率之间的显著关联[1, 2]。儿童数据尚缺乏。然而,通过dEMG监测更好地理解患者-呼吸机交互,可能有助于理解不同步和异步对通气儿童患者结局的影响。
我们需要讨论本研究的一些局限性。首先,我们以与EADi信号相同的方式使用了膈肌的表面肌电图。据我们所知,尚未进行表面肌电图与EADi之间的相关性研究。Sinderby等人在一个小型研究人群中显示,从食管导管获得的EAdi峰值信号与肋间表面肌电峰值信号具有可比性[31]。本手稿表明,可以开发用于经皮肌电呼吸肌记录的自动算法,以量化机械通气儿童的患者的呼吸机交互。然而,这并不意味着表面肌电图等同于EADi测量。需要进行更多的验证研究。其次,我们纳入了拔管前24小时内的患者。其理由是我们预期处于撤机阶段的患者可能更多地与呼吸机发生交互。事实上,Emeriaud等人确实显示在疾病的急性期膈肌活动显著降低[32]。最后,应当注意,目前为了估计患者的呼吸中枢输出,仅分析了dEMG。同时分析dEMG和肋间肌EMG可能在以早期触发错误为特征的患者中具有附加价值,因为呼吸机可能由肋间肌活动产生的吸气流量触发。此外,已有研究显示,外部肋间肌通常在膈肌之前被激活,作为胸壁的初始稳定化,以使膈肌收缩更加高效[33]。
结论
经皮测量的膈肌电激活是评估和监测患者的呼吸机交互的有用信号。dEMG相位量表被证明具有可重复性,并且是量化机械通气儿童患者的呼吸机交互的准确量表。该方法可能对临床使用和研究目的均具有重要意义,因为它不局限于某一类型的呼吸机,且它是一种非侵入性工具,意味着它可以容易地在儿科人群中实施。
所描述的方法可能是确定机械通气儿童中患者的呼吸机同步、不同步和异步效果的第一步。需要进一步研究以验证本研究中使用的截断点。最后,需要验证性研究来探索经皮测量的膈肌电信号与通过食管导管获得的EADi信号之间的相关性。
参考来源
- Koopman AA, Blokpoel RGT, van Eykern LA, et al. Transcutaneous electromyographic respiratory muscle recordings to quantify patient-ventilator interaction in mechanically ventilated children. Ann Intensive Care. 2018. PMID: 29362986. doi:10.1186/s13613-018-0359-9
- 全文:PMC5780334(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC5780334/
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。