低分辨率压力反应指数及其推导的最佳脑灌注压在成人创伤性脑损伤中的应用:CENTER-TBI研究
该研究基于CENTER-TBI高分辨率ICU队列224例成人TBI患者,比较低分辨率LPRx(1分钟均值、20分钟窗口)与高分辨率PRx(10秒均值、5分钟窗口)对预后的判别能力,并用多窗口算法计算两者推导的CPPopt。结果显示LPRx与PRx中度相关(r=0.63),两者均为死亡率的显著预测因子,但PRx的AUC更高(0.70 vs 0.66,差异未达显著)。CPP与CPPopt的偏差同样与结局相关,PRx-CPPopt趋势更精确。作者认为LPRx可能仍是无高分辨率信号监测中心评估脑血管反应性的有用工具,但需前瞻性研究验证其临床转化价值。
要点
- 在224例成人TBI患者中,LPRx与PRx中度相关(r=0.63,p<0.001),严重TBI亚组相关性稍高(r=0.68,p<0.001)。
- LPRx和PRx均为死亡率的独立预测因子,但PRx判别能力更高(AUC 0.70 vs 0.66),差异未达统计学显著(DeLong检验 p=0.348)。
- CPP与CPPopt的偏差(ΔCPPopt)与死亡率相关:PRx-CPPopt的AUC 0.71 vs LPRx-CPPopt 0.67(p=0.237)。
- 根据PRx-CPPopt,平均ΔCPPoptPRx < -5 mmHg的“低灌注”患者死亡率47%(15/32),而 > 5 mmHg的“高灌注”患者死亡率6%(1/18),差异显著(χ2=7.24,p=0.007)。
- LPRx与PRx加入IMPACT核心模型均显著改善死亡率预测的拟合优度(LPRx:χ2=6.79,p=0.009;PRx:χ2=15.13,p<0.001)。
适用人群与场景
- CENTER-TBI研究高分辨率ICU队列中18岁及以上成人TBI患者,需有连续ABP和ICP监测数据、6个月GOSE评分、ICP经脑实质探头测量。
- 排除标准:因监测数据过短或中断(3例)或平均ICP持续超过55 mmHg导致PRx持续接近+1(5例)而无法计算CPPopt者。
诊断标准与关键阈值
- LPRx:1分钟平均ICP与ABP在20分钟移动时间窗内的Pearson相关系数。
- PRx:10秒平均ICP与ABP在5分钟移动时间窗内的Pearson相关系数。
- CPPopt计算:采用多窗口加权算法,基于36个2至8小时(每10分钟递增)的前置时间窗,将PRx值按5 mmHg的CPP区间(40–120 mmHg范围)分组,通过抛物线拟合确定对应最低PRx的CPP值,再按启发式加权规则(近期窗口权重更高、拒绝非抛物线曲线)合成最终CPPopt。
- ΔCPPopt:实际CPP中位数与计算所得CPPopt的差值。
- 结局二分:死亡 vs 非死亡; unfavorable outcome(GOSE 1–4) vs favorable outcome(GOSE 5–8)。
研究设计与关键结果
- 研究类型:基于CENTER-TBI高分辨率ICU队列的观察性分析,纳入224例患者(176男,48女),来自21个欧盟中心,2015年1月至2017年12月前瞻性招募。
- 中位年龄51岁(IQR 33–64),中位入院GCS 6分(IQR 3–10),47例住院期间行去骨瓣减压术,6个月死亡率23%(52例), unfavorable outcome 60%(135例)。
- LPRx与PRx中度正相关(r=0.63,p<0.001),严重TBI亚组r=0.68(p<0.001);Bland-Altman平均偏倚0.076(95%一致性界限 -0.210至+0.362)。
- 死亡组LPRx和PRx均显著高于存活组:LPRx 0.025(-0.096–0.212) vs -0.064(-0.175–0.054),p<0.001;PRx 0.163(0.016–0.314) vs 0.009(-0.082–0.112),p<0.001。
- 单变量回归中LPRx和PRx均与死亡率显著相关;PRx的AUC 0.70(0.61–0.79,p<0.001),LPRx的AUC 0.66(0.58–0.75,p<0.001),差异未达显著(DeLong p=0.348)。
- 多变量调整IMPACT核心变量(年龄、入院GCS运动评分、瞳孔反应)后,LPRx和PRx均为死亡率的独立预测因子;但进一步调整ICP和CPP后,仅PRx保持显著。
- LPRx和PRx推导的CPPopt中位数相似:LPRx-CPPopt 71.4(65.9–76.6)mmHg vs PRx-CPPopt 72.0(65.9–77.5)mmHg,p=0.445;CPPopt yield无显著差异(80.0% vs 80.4%,p=0.625)。
- ΔCPPoptPRx在死亡组显著高于存活组(3.7 vs 1.9 mmHg,p=0.003);ΔCPPoptLPRx同样显著(2.3 vs 1.5 mmHg,p=0.049);调整ICP和CPP后仅ΔCPPoptPRx保持显著。
证据类型、等级与局限
- 证据类型:基于前瞻性多中心观察性队列(CENTER-TBI)的二次分析;未报告证据等级。
- 局限:CENTER-TBI为前瞻性观察性研究,各ICU治疗策略和方案可能不同,可能成为混杂因素。
- 局限:ICP和MAP信号受到治疗医生的干预(如主动降低ICP或MAP),可能也是治疗干预的结果。
- 局限:患者人群在人口学、损伤特征和合并症方面异质,可能影响结果。
- 局限:分析的变量(指数及CPP与CPPopt的差值)为整个监测期间的平均值,可能未考虑其变异性和短时间严重偏离值的存在。
- 局限:随时间推移样本量显著减少,可能影响尤其是后期时间点的结果。
- 局限:需要高质量前瞻性研究来确认CPPoptLPRx概念能否转化为TBI患者的临床获益。
对床旁实践的改变
- 作者认为,LPRx和基于低分辨率数据的CPPopt与TBI结局显著相关,但未达到高分辨率PRx及其CPPopt的判别能力。
- 作者认为,LPRx可能仍是无高分辨率信号监测的中心评估脑血管反应性的有用工具。
- 作者指出,LPRx和CPPoptLPRx最可靠地产生结局相关CPPopt值是在未行去骨瓣减压术的患者中。
- 作者建议,若正在进行的COGiTATE可行性/安全性试验及后续3期试验能证明CPPopt概念成功,可能值得考虑开展相应的CPPoptLPRx试验,以使CPPopt概念可用于更广泛中心和患者。
指南或共识出处
- CENTER-TBI研究(ClinicalTrials.gov标识符NCT02210221,首次提交2014年7月29日,首次发布2014年8月6日)。
- 脑创伤基金会2016年指南推荐维持CPP在60–70 mmHg(文中引用)。
提炼说明
- 原文未涉及「处置流程与药物剂量」「红旗征与不能漏的情况」,故未列出这些栏目。
全文中译11 节 · 点击展开
背景
重型创伤性脑损伤(TBI)后会发生继发性损伤级联反应,影响脑血流量(CBF)。当脑灌注压(CPP,即脑血流的压力梯度,定义为动脉血压(ABP)减去颅内压(ICP))过低时,可能导致缺血;而当CPP过高时,则可能导致充血和ICP升高[1–3]。重型TBI后大脑对CPP变化十分脆弱,因为在这些患者中,脑自动调节功能(通常在ABP变化时维持CBF恒定)往往受损[1, 3–5]。因此,TBI临床管理的主要原则是通过控制ICP和调节CPP以确保充足且无害的CBF,从而避免继发性脑损伤。脑创伤基金会现行指南(2016年)建议将CPP维持在60至70 mmHg之间[6]。然而,可能由于TBI患者脑损伤的异质性,在一项大型随机对照试验中,与ICP目标导向治疗相比,对所有患者采用单一固定目标的CPP导向治疗未能证明可改善神经功能预后[7]。正因如此,有学者提出了个体化定制方案,利用压力反应指数(PRx)来确定个体患者的最佳CPP(CPPopt)。PRx计算为ABP慢波与ICP慢波之间的移动相关系数,是脑自动调节功能的替代标志物,并已在多项研究中与TBI后的预后相关[8–12]。PRx正值提示脑血管反应性功能障碍,与死亡率增加和不良预后相关;而负值提示压力反应性完整[9]。利用计算方法,可以利用这一关系来确定患者中对应最低、最有利PRx值的最佳CPP[12, 13]。由于PRx及由此得出的CPPopt来源于持续监测的ABP和ICP信号,CPPopt推荐值可以不断更新和优化,从而为个体患者在时间进程中定制临床管理提供了可能性。Aries等引入的自动化CPPopt算法使用单一4小时移动监测窗口计算CPPopt,该算法已被进一步发展为零多窗口算法。多项回顾性研究已显示CPP偏离CPPopt与临床预后相关[13–15],而首个评估基于持续测定CPPopt进行临床管理可行性的前瞻性研究目前正在进行中(COGiTATE试验)[16]。然而,由于PRx及基于PRx的CPPopt计算需要ABP和ICP的连续全分辨率波形,CPPopt概念目前仅限于专业神经重症监护病房。为提高PRx概念的可及性,一种计算方式相似的PRx变体——长压力反应指数(LPRx)已被引入,该指标可从大多数重症监护病房(ICU)标准监测设备所能提供的低分辨率、逐分钟重采样ICP和ABP信号中得出[17]。然而,逐分钟监测是否具有足够高的分辨率来评估TBI患者的自动调节功能并从中获取临床相关信息,目前仍不清楚。事实上,既往研究结果不一,得出的结论也不相同[8, 17–19]。
鉴于这些先前的结果,我们评估了LPRx和PRx的判别价值,以及目前COGiTATE试验中使用的最新的多窗口CPPopt算法的性能,但该算法是基于LPRx而非PRx构建的。
方法
患者队列
本研究筛查了协作欧洲神经创伤有效性研究(CENTER-TBI)(EC资助号602150)高分辨率(HR)ICU队列中的所有患者,这些患者于2015年1月至2017年12月期间在欧盟(EU)21个中心前瞻性招募,符合以下纳入标准者被纳入:(a)具备高频ICU监测数据(即连续ABP和ICP监测);(b)具备6个月时格拉斯哥结局扩展量表(GOSE)评分;(c)年龄18岁及以上;(d)ICP通过脑实质内探头测量。分析过程中,8例患者被排除,原因是去除伪差后监测数据过短或中断(3例),或整个监测期间平均ICP值非常高超过55 mmHg导致PRx值持续接近+1,使CPPopt计算无意义(5例),因而无法计算基于PRx或LPRx的CPPopt。对于所有剩余患者,从CENTER-TBI Neurobot数据库(版本2.0,CENTER核心)检索以下人口学数据:年龄、性别、格拉斯哥昏迷量表(GCS)、GCS运动分量表、入院时瞳孔反应(双侧有反应、单侧有反应、双侧无反应)以及是否需要去骨瓣减压手术(是/否)。结局评估使用插补的6个月GOSE变量,该变量包括观察评分和插补值。 for比较分析,患者被二分为死亡与非死亡结局以及不良结局(GOSE 1–4)与良好结局(GOSE 5–8)。
ICU监测数据:记录与处理
本研究纳入的所有患者在重症监护治疗期间连续动脉血压(ABP)和颅内压(ICP)监测的高频数字信号均被记录。记录拟于损伤后24小时内开始,并涵盖临床上需要ICP/ABP监测的整个时间段。ABP通过桡动脉或股动脉置管监测,ICP通过脑实质内ICP探头、脑实质光纤压力传感器或脑室外引流监测。信号或以数字方式记录,或通过A/D转换器(DT9801;Data Translation,美国马萨诸塞州)数字化,采样频率为100 Hz或更高,使用ICM+软件(Cambridge Enterprise Ltd.,英国)、Moberg CNS Monitor(Moberg Research Inc.,美国)或两者联合进行。信号伪差通过人工及自动算法去除。所有监测信号的数据处理均使用ICM+进行。对ABP、ICP和脑灌注压(CPP)(= ABP − ICP)计算10秒移动平均值(每10秒更新)。压力反应性指数(PRx)计算为5分钟移动时间窗内10秒平均ICP与ABP值之间的移动Pearson相关系数。对于长时程压力反应性指数(LPRx),ICP和ABP的1分钟平均值在20分钟移动时间窗内进行相关分析。PRx、LPRx以及ABP和ICP的逐分钟平均值每分钟更新。最佳脑灌注压(CPPopt)采用多时间窗加权方法计算。关于ICM+确切设置和计算方法的详细信息可见Beqiri等的COGiTATE方案论文[16]。简言之,沿PRx(经Fisher变换以实现正态分布)计算5分钟中位数CPP时间趋势,并将这些PRx值按5 mmHg的CPP区间分组(在40–120 mmHg范围内)。采用自动抛物线曲线拟合方法确定与最低相关PRx值相对应的CPP值。对于每个时间点,该方法在36个不同的先前时间窗(长度从2至8小时,以10分钟递增步长)中进行,产生36个PRx-CPP图。遵循特定纳入标准(例如剔除非生理性值)后,这36个不同的CPPopt值根据特定的启发式加权规则进行组合,其中包括对更近的时间窗给予更高权重以及剔除非抛物线曲线,以形成最终的CPPopt。CPPoptLPRx依此计算,但使用LPRx而非PRx。CPPoptPRx和CPPoptLPRx每分钟更新。在记录期间的每一分钟,持续计算中位数CPP与每个计算的CPPoptPRx/CPPoptLPRx值之间的差值(ΔCPPoptPRx、ΔCPPoptLPRx)。CPPoptPRx/CPPoptLPRx的产出率定义为并计算为整个记录期间CPPopt值计数除以CPP值计数。所有监测参数(ABP、ICP、PRx、LPRx、CPPoptPRx、CPPoptLPRx、ΔCPPoptPRx、ΔCPPoptLPRx)的值最终对每位患者在整个监测期间进行平均。
统计分析
人口学变量和ICU监测参数进行了描述性分析,并使用Mann-Whitney U检验对连续变量和卡方检验对分类变量在二分类结局组之间进行比较。除非另有说明,结果以中位数+四分位距(IQR)表示。使用Spearman秩相关系数评估PRx与LPRx之间的相关性,同时使用Bland-Altman图评估两个指数之间的一致性。应用单因素logistic回归以LPRx或PRx作为预测因子来分析二分类结局。通过受试者工作特征曲线下面积(AUC)评估判别能力,并使用DeLong检验进行比较。进行多因素logistic回归以评估LPRx或PRx与二分类结局之间的关联,并校正IMPACT核心变量:年龄、入院GCS运动评分(GCS-Motor)和瞳孔反应状态(双侧有反应、单侧有反应、双侧无反应)[20]。通过似然比检验对完整模型(IMPACT核心变量+LPRx或PRx)与仅含IMPACT变量的模型进行拟合优度检验,并计算每个模型的AUC。在所有统计检验中,显著性水平设定为0.05,鉴于本研究的探索性性质,未对多重检验进行p值校正。所有统计分析均在R环境中完成[21]。
结果
患者人口学特征
本研究共纳入224例患者(176例男性,48例女性),年龄范围为18至85岁,中位年龄为51岁(IQR,33–64岁)。患者人口学特征和ICU监测参数的平均值见表1。入院时GCS评分中位数为6分(IQR,3–10),范围为3至15分。47例患者在住院期间接受了去骨瓣减压术。入院6个月后,52例患者死亡,死亡率为23%。伤后6个月时,135例患者(60%)的结局被认为是不利的(即GOSE 1–4)。
PRx与LPRx
Spearman检验结果显示,在我们患者队列中,平均LPRx与PRx值之间存在显著正相关,尽管仅为中等程度相关(r = 0.63,p < 0.001;图1a)。这种相关性在重型TBI患者亚组中略高(r = 0.68,p < 0.001)。LPRx与PRx一致性的Bland-Altman图显示平均偏差为0.076,95%一致性界限为− 0.210至+ 0.362(图1b)。如图2所示,较高的平均LPRx和PRx值与较高的死亡率之间存在明显关联。相应地,与存活患者相比,死亡结局患者的LPRx和PRx均显著更高(LPRx,0.025(− 0.096–0.212)对− 0.064(− 0.175–0.054),p < 0.001;PRx,0.163(0.016–0.314)对0.009(− 0.082–0.112),p < 0.001)。当将患者二分为不良结局与良好结局时,仅PRx可检测到显著的组间差异,而LPRx则未检测到(PRx,0.052(− 0.067–0.195)对− 0.014(− 0.086–0.098),p = 0.013;LPRx,− 0.026(− 0.142–0.105)对− 0.063(− 0.148–0.051),p = 0.204)。在单变量回归分析中,PRx和LPRx均与死亡率显著相关(表2(A)),且死亡率通常随指数值升高而增加。PRx的判别能力(AUC 0.70(0.61–0.79),p < 0.001)高于LPRx(AUC 0.66(0.58–0.75),p < 0.001),尽管该差异在该患者队列中未达到显著性(DeLong检验,p = 0.348;图3a)。有趣的是,两种反应性指数的判别能力在重型TBI患者亚组中似乎尤其强(LPRx:AUC 0.69(0.57–0.81),PRx:AUC 0.73(0.62–0.84))。就不良结局而言,两种指数的判别价值均明显较差,且仅PRx在单变量回归中达到显著性,AUC为0.60(0.52–0.67,p = 0.007)。然而,与LPRx的AUC(0.55(0.47–0.63,p = 0.102))相比,通过DeLong检验也未观察到显著差异(p = 0.167)。
在创伤后时间过程中检查反应性指数与患者结局相关的预测价值时,获得了类似结果(图4a、b)。对于死亡率和不良结局(除第4天和第5天外),PRx的判别能力往往高于LPRx。然而,这些差异在任何观察时间点均未达到显著性。
在多变量回归分析中,对年龄、GCS-运动评分和瞳孔反应(IMPACT核心变量)进行调整后,LPRx和PRx均仍为死亡率的独立预测因子(表2(A))。关于不良结局,在同一多变量模型中,两个指标均未发现是显著预测因子(PRx:p = 0.120,LPRx:p = 0.976)。重要的是,当在多变量模型中同时控制ICP和CPP时,仅PRx而非LPRx仍保持显著(表2(C))。然而,将LPRx或PRx加入IMPACT核心模型均导致死亡率预测的AUC显著增加:加入LPRx时为0.78(0.70–0.85),加入PRx时为0.80(0.72–0.88),而不含指标的模型为0.74(0.66–0.82)(图3b)。对于LPRx和PRx,经似然比检验评估,IMPACT+指标联合模型的拟合优度较单纯IMPACT模型均显著改善(分别为χ2 = 6.79,p = 0.009(LPRx)和χ2 = 15.13,p < 0.001(PRx))。排除接受去骨瓣减压手术的患者后,我们分析中的结果和趋势相似(数据未展示)。
最佳脑灌注压
在我们患者队列中,基于LPRx和基于PRx的CPPopt计算产生了相似的中位CPPopt值(71.4(65.9–76.6)mmHg vs. 72.0(65.9–77.5)mmHg,p = 0.445)。相应地,我们发现基于LPRx和基于PRx的计算之间CPPopt获取率无显著差异(80.0(70.4-86.7)% vs. 80.4(71.4–87.6)%,p = 0.625)。CPP与CPPoptPRx之间的差值(ΔCPPoptPRx)在结局为死亡的患者中显著高于存活者(3.7(1.9–5.8)mmHg vs. 1.9(0.9–4.1)mmHg,p = 0.003)。当检查ΔCPPoptLPRx时这一关系也明显存在,尽管其数值明显较低(2.3(1.0–3.6)mmHg vs. 1.5(0.7–2.9),p = 0.049)。ΔCPPoptLPRx和ΔCPPoptPRx在单因素和多因素分析中均为死亡率的显著预测因子,协变量包括年龄、GCS-运动评分和瞳孔状态,突显了两种CPPopt版本与临床结局之间的关联(表2(B))。然而,当在多因素模型中同时纳入ICP和CPP时,仅ΔCPPoptPRx仍为显著预测因子(表2(D))。尽管如此,在预测死亡率时,ΔCPPoptLPRx与ΔCPPoptPRx的AUC之间无显著差异(0.67(0.59–0.76)ΔCPPoptLPRx vs. 0.71(0.62–0.79)ΔCPPoptPRx;p = 0.237;图3c)。对两个ΔCPPopt变量在创伤后病程中的判别价值评估并未显示随时间推移的明显升高/降低,也未显示某一ΔCPPopt变量明显优于另一变量。然而,在第6天可观察到显著的统计学差异,ΔCPPoptPRx在预测死亡时显示出显著高于ΔCPPoptLPRx的AUC(p = 0.007,DeLong检验;图4c、d)。与我们关于LPRx和PRx的发现类似,将ΔCPPoptLPRx或ΔCPPoptPRx加入基础IMPACT模型后,拟合优度显著改善(χ2 = 9.39,p = 0.002(IMPACT + ΔCPPoptLPRx),以及χ2 = 16.71,p < 0.001(IMPACT + ΔCPPoptPRx);图3d)。LPRx加IMPACT模型的AUC为0.77(0.69–0.85),PRx加IMPACT模型的AUC为0.80(0.72–0.87)。与我们先前关于PRx和LPRx的发现类似,在不纳入手术减压患者的情况下,所有CPPopt相关分析均获得等效结果,但包括ICP和CPP的多因素模型结果除外,其中仅纳入未行去骨瓣减压术的患者时ΔCPPoptLPRx仍为显著预测因子(数据未显示)。
脑灌注压靶向治疗
由于实际脑灌注压(CPP)与计算得出的最佳脑灌注压(CPPopt)之间±5 mmHg的差异已被提出作为以CPP为目标治疗的可接受范围[12, 16],我们分析了CPP平均偏离其计算得出的CPPoptLPRx至少±5 mmHg的亚组患者(n = 32)以及CPPoptPRx(n = 50,图5a–d)的预后。在18例平均ΔCPPoptPRx > 5 mmHg的患者(“过度灌注”患者)中,仅1例死亡(6%)。相比之下,32例平均ΔCPPoptPRx < − 5 mmHg的患者(“灌注不足”患者)中有15例在6个月随访时死亡(47%)。两组之间的死亡率差异具有统计学意义(χ2 = 7.24,p = 0.007)。根据计算得出的CPPoptLPRx,18例患者存在平均ΔCPPoptLPRx > 5 mmHg,死亡率同样为6%。然而,仅14例患者被判定为平均低于其CPPoptLPRx至少5 mmHg(ΔCPPoptLPRx < − 5 mmHg),其中5例死亡(35%)。根据CPPoptLPRx比较“灌注不足与过度灌注”患者时的死亡率差异未达到统计学意义(χ2 = 2.93,p = 0.087)。
32例平均ΔCPPoptPRx < − 5 mmHg的患者中有8例(25%)在6个月后存在严重残疾。该比例在平均ΔCPPoptPRx > 5 mmHg的患者中明显更高,18例中有10例(56%),尽管这两个患者组之间的严重残疾率未达到统计学意义(χ2 = 3.44,p = 0.064)。CPPoptLPRx也发现了类似结果:14例平均ΔCPPoptLPRx < − 5 mmHg的患者中有3例(27%)以及18例平均ΔCPPoptLPRx > 5 mmHg的患者中有10例(56%)在伤后6个月存在严重残疾(χ2 = 2.52,p = 0.113)。同样,当仅考虑未行去骨瓣减压术的患者时,所有统计检验也获得了类似结果(数据未展示)。
讨论
个体化治疗是一个有前景的概念,可能降低TBI患者的死亡率和不良结局。根据由脑血管反应性指标得出的计算CPPopt推荐值来调节CPP,可能在此发挥重要作用。然而,目前尚不清楚是否必须使用高分辨率数据进行PRx计算以获得相关的CPPopt值,还是使用低分辨率、逐分钟信号进行LPRx计算可能就足够了。这个问题尤为重要,因为使用LPRx将使CPPopt概念可用于更广泛的中心,从而使更多患者受益。前两项检验LPRx的初步研究显示了令人鼓舞的结果,指出LPRx在结局预测和CPPopt计算方面似乎与PRx表现同样良好[17, 18]。然而,这些研究的有效性受到相对较小患者数量的限制(分别为18例和29例)。最近,一项更大规模(超过300例患者)的单中心随访研究得出结论,低分辨率LPRx在结局预测方面相比PRx精确度较低,我们的结果似乎证实了这一点[8]。我们的数据可进一步支持所提出的较弱区分能力,尤其是当ICP和CPP也被加入IMPACT变量进行多变量模型分析时,PRx而非LPRx仍为显著预测因子。这种较差表现的原因可能是LPRx仅包含ABP和ICP中较慢的漂移,提供的关于自动调节状态的信息较少,而PRx还包含更高频率的波形成分,可能代表更多与结局相关的自动调节反应。
然而,即使在结局预测方面表现某种程度上劣于PRx,LPRx在我们的分析中几乎也总是显示显著结果,并且在我们当前工作中(尽管样本较小),PRx与LPRx在单变量回归预测死亡率方面的AUC差异无统计学意义。在伤后早期时间过程(前6天)逐日比较两种指标的区分价值时也是如此。
非常重要的是,两种指标均显著改善了包含IMPACT核心变量的多变量模型的性能,并仍为TBI后死亡率的独立预测因子。然而,当同时调整ICP和CPP时,LPRx失去显著性。尽管如此,综合来看,这些结果似乎支持先前研究[19, 22]提出的观点,即逐分钟平均信号虽然表现某种程度上较弱,但仍可能携带重要的结局相关信息,并可能足以通过压力反应性指标进行自动调节监测。值得注意的是,两种指标在预测不良结局方面相比预测死亡率表现明显更差,这也与先前研究一致[10, 11]。亚组分析显示,在重型TBI患者中LPRx/PRx与结局的关联尤其强烈,使我们的结果特别适用于此类患者。
鉴于上述发现,我们试图评估一种基于LPRx而非PRx的加权、多窗口算法在评估CPPopt方面的性能。确定CPPopt有可能通过根据CPPopt提供CPP的动态管理目标,将PRx/LPRx概念转化为临床管理。理想情况下,患者可能由此直接从这种个体化治疗中获益。基于PRx值的CPPopt概念已在众多研究中被证明具有预后价值,即CPP偏离CPPopt是TBI患者致命结局的预测因素[12–15, 19, 23]。虽然首个自动化CPPopt算法基于4小时移动单窗口内的PRx/CPP值进行计算[13],但该方法被Depreitere等人[19]扩展为包含多个计算窗口,他们在方法中使用了逐分钟监测数据和各种低分辨率指标。他们能够显示,所得出的CPPopt与结局高度相关,并且在结局预测方面不劣于基于高分辨率数据的单窗口CPPoptPRx。
Depreitere等人开发的多窗口概念随后被适配于高分辨率数据,并因此适配于PRx,并在Liu等人[14]于ICM+中实现的算法中扩展了额外的加权和安全标准以及更多计算窗口,随后又被进一步修改,使其适合作为COGiTATE试验[16]的一部分用于临床床旁应用。在我们的研究中,我们试图评估低分辨率LPRx而非PRx在这种最新的CPPopt计算方法中的表现。使用CENTER-TBI高分辨率ICU队列,我们得以在直接参照基于PRx的方法的情况下,在多中心数据集中完成这项工作。与LPRx本身相似,CPPoptLPRx在结局预测方面表现略差于其PRx对应物,但在包括IMPACT变量的单变量和多变量分析中仍是死亡率的显著预测因素。ΔCPPoptLPRx和ΔCPPoptPRx都是死亡率的显著预测因素,即使在多变量分析中对患者针对其他预后因素进行调整后也是如此,并且将它们加入IMPACT核心模型可显著改善拟合优度。加入ΔCPPopt所显示的死亡率AUC甚至高于将反应性指数加入模型。有趣的是,当在模型中除IMPACT变量外还纳入ICP和CPP时,ΔCPPoptPRx仍显著,而ΔCPPoptLPRx在整个队列中未能显示显著性。然而,ΔCPPoptLPRx在非去骨瓣减压患者中仍显著,提示其在该患者群体中的潜在用途。所有这些结果似乎都强调了CPP偏离CPPopt在临床结局方面可能具有的重要性。进一步研究应检验用自动调节监测指数扩展IMPACT核心模型,类似于现有的IMPACT核心+CT模型或IMPACT核心+CT+实验室标志物模型。
当仅考虑伴有相关平均CPP/CPPopt偏差的患者时,CPPoptPRx方法总体检测到更多患者,并且在平均CPP偏差至少低于PRx-CPPopt 5 mmHg的患者中显示出与死亡率更密切的关系。即使CPPoptLPRx也显示,“低灌注”患者的死亡率显著高于“高灌注”患者,尽管死亡率之间的这一差异未达到显著性。与Aries等[13]相似,我们发现“高灌注”患者相比“低灌注”患者有更高的严重残疾率。然而,这一关联在我们的研究中未达到显著性。
关于我们CPPopt可获得性(算法产出率)的结果,必须提到,有8例患者无法计算CPPoptPRx/CPPoptLPRx,其原因与CPPopt算法失败无关。在5例患者中,ICP如此之高而CPP如此之低,以致自动调节完全且彻底丧失,因此“最佳”CPP的概念不适用。另有3例患者仅仅是可用数据不足以进行计算。在所有其余患者中,能够确定CPPopt的时间比例在CPPoptLPRx与CPPoptPRx之间非常重要地非常相似。
有趣的是,排除在ICU住院期间接受去骨瓣减压手术的患者,在我们大多数分析中并未影响结果(数据未显示),与其他研究中先前发表的结果相似。一个值得注意的例外是,ΔCPPoptLPRx在仅纳入未减压患者的包括ICP和CPP的多变量模型中仍为死亡率的显著预测因子,而在整个队列中失去显著性。尽管事实上PRx以及因此LPRx作为压力反应性监测器的性能,依赖于脑血容量变化可靠传递为颅内压[24, 25],而这在理论上受到去骨瓣减压术的不利影响。然而,去骨瓣减压手术的确切时机可能起重要作用,因为这些指数是在整个监测期间取平均值的,未来应开展研究以更仔细地考察这一关系。
局限性
由于CENTER-TBI研究设计为前瞻性观察性研究,各参与中心重症监护室(ICU)的治疗策略和方案可能存在相当大的差异,因此可能成为混杂因素。重要的是,颅内压(ICP)和平均动脉压(MAP)信号会受到治疗临床医师的操控(例如,在选定患者中主动降低ICP或MAP),因此也可能反映治疗干预的结果。此外,本研究包含在人口学特征、损伤特点和合并症方面具有异质性的患者群体,这些因素可能影响结果。最后,所考虑的变量如各指数以及脑灌注压(CPP)与最佳脑灌注压(CPPopt)之间的差值,是按每位患者整个监测时间取平均值计算的,这可能意味着其变异性和短时间出现极度偏离值的情况在我们的分析中未被纳入考量。关于两种指数判别能力的时间进程,需要注意的是样本量随时间显著减少,这可能影响结果,尤其是在较晚的时间点。虽然这项多中心研究可以为LPRx和CPPoptLPRx的相关性提供证据,但仍需要一项高质量的前瞻性研究来判定CPPoptLPRx概念能否转化为创伤性脑损伤(TBI)患者的临床获益。
结论
我们的研究结果表明,LPRx和多窗口CPPoptLPRx在TBI后结局预测方面未达到PRx和CPPoptPRx的精确度。然而,LPRx仍与结局显著相关,并可产生与结局相关的CPPopt值,在非去骨瓣减压患者中最为可靠。需要一项前瞻性试验来评估这种关联是否足够强以支持有意义的临床转化。如果正在进行的COGiTATE可行性/安全性试验及后续3期试验能够成功证明CPPopt概念,则可能值得考虑开展一项使用CPPoptLPRx的相关试验,以使CPPopt概念能够惠及更广泛的中心和患者。
参考来源
- Riemann L, Beqiri E, Smielewski P, et al. Low-resolution pressure reactivity index and its derived optimal cerebral perfusion pressure in adult traumatic brain injury: a CENTER-TBI study. Crit Care. 2020. PMID: 32456684. doi:10.1186/s13054-020-02974-8
- 全文:PMC7251676(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7251676/
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。