文献速递呼吸衰竭与机械通气重症综合管理与镇静镇痛

Flow Index:一种评估压力支持通气患者吸气努力的新型无创连续定量方法

Flow Index: a novel, non-invasive, continuous, quantitative method to evaluate patient inspiratory effort during pressure support ventilation.
PubMed 文献 · Crit Care · 2021-06-07
一句话结论Flow Index与压力支持通气患者吸气努力独立相关,可无创连续定量评估人机交互,但尚需临床结局验证。

本研究在24例压力支持通气患者中,于最大、最小和基线三种支持水平下记录食管压、气道压、气流和容积波形,提出用吸气流量-时间波形凹度(Flow Index)估算吸气努力。Flow Index在三种支持水平间差异均有统计学意义,且在所有模型中与压力时间乘积(PTPpt,breath)、呼吸肌压力(Pmusc)和PTPratio独立相关(p<0.001)。Flow Index预测与食管压法一致,在22/24例患者中个体关联显著。该指标无创、连续、无需封堵操作,但本研究为生理学研究,尚需验证其对临床结局的影响。

要点

  • 在24例压力支持通气患者中,Flow Index在最大、最小和基线三种支持水平间差异均有统计学意义(PSbase vs PSmin p=0.005;PSbase vs PSmax p<0.001;PSmax vs PSmin p<0.001)。
  • Flow Index与Pmusc的关联:每增加1个单位,Pmusc增加0.33 cmH2O(95%CI 0.23–0.42),条件R²=0.77。
  • Flow Index与PTPpt,breath的关联:每增加1个单位,PTPpt,breath增加0.23 cmH2O·s⁻¹(95%CI 0.17–0.29),条件R²=0.7。
  • Flow Index与PTPratio,breath的关联:每增加1个单位,PTPratio,breath增加3.2%(95%CI 2.5–3.9%),条件R²=0.86。
  • 在RR和VT基础上加入Flow Index可显著改善模型拟合(似然比检验p<0.001),提示其提供超越传统呼吸模式参数的吸气努力信息。

适用人群与场景

  • 纳入标准:年龄>18岁、依赖有创机械通气(研究当日未准备脱机或自主呼吸试验失败)、处于压力支持通气、已留置食管球囊导管。
  • 排除标准:平均动脉压<60 mmHg、收缩压>180 mmHg、心率<40/min或>150/min、PaO2/FIO2<150 mmHg、pH<7.35且PaCO2>45 mmHg、颅脑损伤、颅内出血或脑缺血诊断。
  • 研究场景:意大利Brescia Fondazione Poliambulanza的ICU。

诊断标准与关键阈值

  • Flow Index通过拟合吸气流量-时间波形下降段(从斜坡结束至呼气触发前)的非线性模型得到,参数c即为Flow Index。
  • Flow Index=1时吸气流量线性下降;Flow Index<1时波形向上凹;Flow Index>1时波形向下凹。
  • PSmax滴定:逐步增加PS直至吸气触发后呼吸肌活动完全消失(经食管压、气道压和气流波形目视判断),但气道峰压限制在最大30 cmH2O。
  • PSmin定义:无呼吸困难且保持RSBI<100 min⁻¹ l⁻¹的最低PS水平。
  • 食管球囊位置确认:封堵试验时Pes与Paw摆动比值在0.8–1.2之间。

处置流程与药物剂量

  • 第一步:在压力支持通气患者中,于三种支持水平(PSmax、PSbase、PSmin)各维持20分钟后记录5分钟波形(采样率100 Hz)。
  • 第二步:从吸气流量波形中自动截取下降段——初始截点排除流量较前值增加>1%的测量点,最终截点为流量较前值下降>10%的点。
  • 第三步:对截取的流量下降段拟合非线性模型(Eq.2),得到参数c即Flow Index,逐呼吸计算。
  • 第四步:Flow Index可与RR、VT联合解读,以评估患者吸气努力和人机交互;原文未给出基于Flow Index调整PSV的具体目标值或推荐阈值。

红旗征与不能漏的情况

  • 原文未提及

研究设计与关键结果

  • 研究类型:生理学研究,单中心(意大利Brescia Fondazione Poliambulanza ICU),样本量24例压力支持通气患者。
  • 干预:在PSmax、PSbase、PSmin三种支持水平(随机顺序,各20分钟)下记录食管压、气道压、气流和容积波形,计算Flow Index并与PTPpt,breath、PTPratio,breath和Pmusc比较。
  • 主要终点:Flow Index与吸气努力的关联——所有模型中Flow Index与PTPpt,breath、PTPratio,breath和Pmusc独立相关(p<0.001)。
  • 关键结果:Pmusc每单位Flow Index增加0.33 cmH2O(95%CI 0.23–0.42),PTPpt,breath增加0.23 cmH2O·s⁻¹(95%CI 0.17–0.29),PTPratio,breath增加3.2%(95%CI 2.5–3.9%)。
  • 模型比较:在RR和VT基础上加入Flow Index显著改善模型拟合(似然比检验p<0.001)。
  • 个体分析:22/24例患者中Flow Index与PTPpt,breath呈正相关且统计学显著。
  • PSmin时PTPpt,breath和Pmusc较PSmax时高400%。

证据类型、等级与局限

  • 证据类型:生理学研究(单中心、小样本、非随机对照干预试验)。
  • 局限:样本量24例、单中心、生理学研究;原文明确指出需要进一步研究评估基于Flow Index设置PSV或监测吸气努力是否影响临床结局参数。

对床旁实践的改变

  • Flow Index可无创、连续、无需食管球囊或封堵操作地定量评估压力支持通气患者的吸气努力,可能有助于滴定吸气支持和监测人机交互。
  • Flow Index提供超越RR和VT的传统呼吸模式分析的信息,原文指出临床实践中PSV水平通常依据VT 5–8 ml/kg PBW和RR 20–30 breaths/min滴定。
  • Flow Index算法可容易地整合到标准监测中;流量波形在多数呼吸机上显示,经培训医师目视检查可能提供定性信息(原文提及需更多研究确认目视检查是否足够)。
  • 不适用人群:原文排除平均动脉压<60 mmHg、收缩压>180 mmHg、心率<40/min或>150/min、PaO2/FIO2<150 mmHg、pH<7.35且PaCO2>45 mmHg、颅脑损伤、颅内出血或脑缺血患者。
  • 常见陷阱:本研究为生理学研究,Flow Index与临床结局的关系尚未验证,不能据此直接设定PSV目标值。

指南或共识出处

  • 原文未提及指南或共识;本研究为发表于Crit Care的生理学研究。
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:Crit Care. 2021 Jun 7;25:196. doi: 10.1186/s13054-021-03624-3

背景

在压力支持通气(PSV)期间,评估患者的吸气努力有助于滴定呼吸支持力度,以尽量减少支持过度和支持不足[1–3]。事实上,在支持不足时,强烈的自主吸气努力可能产生过度的膈肌负荷和肌肉损伤,以及因应力和应变导致的区域性肺损伤[4–7]。另一方面,支持过度可能导致肺过度充气和膈肌萎缩及功能障碍,从而妨碍撤机并延长对机械通气的依赖[1, 2, 8, 9]。与吸气支持的适当性无关,患者的神经通气驱动及其呼吸努力可能因疼痛、焦虑、谵妄、脓毒症、镇静或其他病理状况而随时间不可预测地变化[10]。

然而,尽管其重要性已被认识,吸气努力却很少被监测[11]。用于推断患者努力的定性临床替代指标包括呼吸频率(RR)、潮气量(VT)、快速浅呼吸指数(RSBI,计算为呼吸频率除以潮气量)以及辅助呼吸肌的使用[3, 12, 13]。食管压测量是用于量化吸气努力的参考技术,但需要技术熟练度和置入食管导管[14, 15]。其他方法包括监测膈肌电活动和超声评估吸气性膈肌位移和厚度。两者均存在缺点,如可用性、成本、非连续监测和操作者依赖性[16]。

在PSV期间,流量-时间波形的吸气部分可能提供关于患者努力的重要信息。吸气流量偏离压力型通气下被动通气患者典型的指数衰减模式,提示患者在吸气期间存在主动用力[17, 18],如图1所示。然而,据我们所知,床旁吸气流量-时间波形与吸气努力之间的定量关系尚未被正式评估。在本研究中,我们假设在PSV期间,吸气流量-时间波形的凹陷程度可以通过一个名为流量指数的数值指标来量化,类似于基于气道开放压力的应力指数[19]。我们研究的目的是评估流量指数是否与PSV期间患者的吸气努力相关。

图1 使用吸气流量曲线检测患者吸气努力的生理学原理。上方面板显示压力支持通气期间气道压(Paw,实线)、食管压(Pes,点线)和肺泡压(Palv,虚线)的压力-时间曲线。下方面板显示压力支持通气期间的流量-时间曲线。左侧面板:在无患者吸气努力的情况下,吸气流量在吸气开始时最大,气道开口与肺泡之间的压力梯度(斜线区域)逐渐减小。因此,吸气流量与气道开口-肺泡压力差的指数衰减平行。右侧面板:在存在患者吸气努力的情况下,胸膜压下降降低肺泡压。吸气努力越大,气道-肺泡压力梯度维持得越多(斜线区域)。吸气流量曲线进一步偏离指数衰减,向向下凹陷形状移动,与吸气肌激活水平成比例。 查看原图 ↗

方法

患者

本研究在意大利布雷西亚Fondazione Poliambulanza的重症监护病房(ICU)进行。患者符合以下所有标准时纳入:年龄 > 18岁,依赖有创机械通气(即在研究当天未准备脱机或自主呼吸试验失败[20]),处于PSV模式,已放置食管球囊导管。排除标准为:平均动脉压 < 60 mmHg,收缩动脉压 > 180 mmHg,心率 < 40/min或 > 150/min,PaO2/FIO2 < 150 mmHg,pH < 7.35伴PaCO2 > 45 mmHg,诊断为头部损伤、颅内出血或脑缺血。

该方案经当地伦理委员会(Comitato Etico della Provincia di Brescia)批准。从患者或(若患者本人无行为能力)其近亲处获得书面知情同意。

研究方案

患者入组时的压力支持(PS)水平定义为基线PS(PSbase)。为了探索广泛的PS辅助范围,滴定最大和最小PS(分别为PSmax和PSmin)。PSmax通过逐步增加PS水平来寻找,直至吸气触发后所有吸气肌活动迹象消失,通过肉眼观察食管压(Pes)、气道开口压(Paw)和气流波形进行评估。为避免肺损伤,无论是否达到吸气肌活动完全消失,峰值气道压限制在最高30 cmH2O。PSmin确定为无呼吸困难的最低PS水平,保持RSBI < 100 min−1 l−1。除PS水平外,所有其余通气变量(FIO2、吸气触发、呼气触发)保持不变,如主治医师先前设定。PSbase、PSmin和PSmax以随机顺序对每位患者各实施20分钟。PS水平不间断应用,记录在让患者适应每个新PS水平20分钟后获得。

测量与计算

Pes通过连接压力换能器(AS3/CS3;Datex-Engstrom Division,Instrumentarium Corp.,赫尔辛基,芬兰)的食管球囊导管(Marquat Gbm,Boissy-St-Léger Cedex,法国)测量。食管球囊从鼻孔置入40 cm处,充入1 ml空气。采用闭塞试验评估Pes是否被适当传导[21, 22]。必要时调整球囊在食管中的位置及其充气量,以使闭塞期间Pes与Paw波动之间的比值在0.8至1.2之间[23, 24]。

在每个PS水平下记录Paw、气流、容量和Pes波形5 min,采样率为100 Hz(Datex-Ohmeda S/5 Collect;Datex-Ohmeda Division,Instrumentarium Corp.,赫尔辛基,芬兰)。还获取了每位患者在3个PS水平下的平均潮气量(VT)和呼吸频率(RR)。RSBI按RR/VT计算。

所有测量均取自食管压力波形中最长的无吞咽伪影部分(通过压力波形上短暂、突然的升高来检测),记录于每个PS水平20 min结束时。

吸气开始由气流记录中的第一个正值确定,吸气结束由吸气流速的最后一个正值确定。胸壁静态回缩压(Pcw)按吸入VT与所测胸壁弹性(Ecw)的乘积计算。Ecw按PSmax期间(即接近松弛状态下)吸气时Pes变化[吸气末平台食管压(Pplat,es)减去呼气末平台食管压(Pexp,es)]与VT的比值计算。

吸气肌产生的压力(Pmusc)按Pcw与Pes之间的最大差值计算(图2)。单次呼吸的压力-时间乘积(PTPpt,breath)按潮气吸气期间Pcw与Pes之间的面积计算(图2)。同样,每次呼吸机械呼吸机的PTP(PTPvent,breath)按吸气期间Paw与设定PEEP之间的面积获得。总PTP(PTPtot, breath)为PTPpt,breath与PTPvent,breath之和。压力支持通气期间患者产生的PTP比例(PTPratio,breath)按以下公式计算:

图2 一名研究参与者的气道压力(Paw)、食管压力(Pes)和气流曲线。上 panel:气道压力(Paw)曲线。吸气相由垂直虚线标识,呼吸机压力时间乘积(PTPvent)由蓝色区域标识,即吸气压力(Paw减去呼气末正压)与吸气持续时间的乘积。中 panel:食管压力(Pes)曲线。胸壁弹性回缩压(Pcw)由点划线标识,患者压力时间乘积(PTPpt,breath)由红色区域标识,即Pcw减去Pes与吸气持续时间的乘积。呼吸肌产生的最大压力(Pmusc)由箭头标识。下 panel:吸气流速曲线 查看原图 ↗

流量指数

在吸气流量-时间波形中,位于斜坡结束之后与呼气触发之前的部分被用于计算流量指数(图3)。对每一次分析的呼吸,采用由公式2描述的非线性模型对该部分流量波形进行拟合。

在该模型中,吸气流量( )是时间、峰值流量(A)、流量下降速率(b)以及参数c的函数,其中参数c描述吸气流量波形该部分向下凹陷的凹度。对每一次呼吸计算得到的参数c被命名为流量指数。吸气流量波形在两个不同点被自动截断,以选取其下降部分并估计参数c或流量指数(图3)。初始截断点的选择方式是排除所有流量较前一次测量值增加超过1%的测量点,这意味着流量轨迹快速上升至峰值,其上升速率取决于斜坡。最终截断点被确定为实测流量较前一次测量值下降超过10%的点,表明向呼气切换的开始。流量轨迹在初始截断点与最终截断点之间的部分被用于通过拟合公式2所述的非线性模型来估计流量指数。

流量指数使用计算众所周知的应力指数的同一方程来描述曲线的凹度,应力指数是一种在恒流控制机械通气期间可从吸气气道开放压力波形中检测到的过度膨胀的视觉和定量参数[19, 25, 26]。当吸气流量线性下降时,流量指数等于1。如果波形具有向上凹的凹度,流量指数<1,而如果曲线具有向下凹的凹度,流量指数>1。支持通过肉眼观察吸气气流波形的衰减来估计患者努力的原理先前已被提出[17, 18]。流量指数的原理源于对被动患者压力计量机械通气期间吸气流的分析,其特征是在整个吸气时间内向气道开放施加恒定压力。吸气流由气道开放与肺泡之间的压力差驱动,该压力差在吸气开始时最大,此时肺泡压力最低(图1)。因此,在缺乏患者吸气努力的情况下,吸气流在吸气开始时最大。如果患者在整個吸气过程中保持被动,肺泡压力随着容积充盈肺泡而呈指数增加,与呼吸系统的弹性成正比。这逐渐减小气道开放与肺泡之间的压力梯度,吸气流平行于开放气道-肺泡压力差的指数衰减。当患者在吸气相激活吸气肌肉时,胸膜压下降倾向于增加胸壁和肺容积,降低肺泡压力。因此,吸气努力越大,气道开放与肺泡压力之间的梯度维持得越久。这一机制与被动状态相比增加了瞬时吸气流,并改变其波形轮廓,从指数衰减转变为向下凹(图1)。我们假设,这些吸气波形轮廓的变化,如通过流量指数所量化,将与吸气肌肉的激活成正比,因此可用于量化患者的吸气努力。

图3 从流量波形的下降吸气部分计算流量指数的步骤。三种不同压力支持水平下的流量波形。灰色圆圈表示采样的吸气流值,垂直线表示用于选择流量波形下降吸气部分的切割点。红线显示使用方程2计算的拟合模型(文中详细解释)。PSmin = 最低压力支持,PSbase = 基线压力支持,PSmax = 最高压力支持 查看原图 ↗

结局

主要结局是流量指数与患者呼吸努力之间的关联,以PTPpt,breath、PTPratio,breath和Pmusc表示。

统计分析

我们计划在纳入前20例患者后评估样本量。使用蒙特卡洛模拟进行功效分析,采用线性混合模型,每例患者作为随机效应。纳入24例患者将以α=0.05提供85%的功效,检测Flow Index每单位增加时PTPpt,breath增加0.10 cmH2O⋅s−1的效应量。

数据以均值±标准差、中位数(第1–第3四分位数)或频数(百分比)表示,视情况而定。三种支持水平下的变量采用重复测量方差分析(ANOVA)和事后Tukey诚实显著性差异(HSD)检验进行比较。

Flow Index在不同吸气努力估计值四分位数(PTPpt,breath、PTPratio,breath和Pmusc)中的比较采用重复测量ANOVA和事后Tukey HSD检验。

采用线性混合效应模型评估Flow Index与PTPpt,breath、PTPratio,breath和Pmusc之间的关联,包括未校正和校正RR及VT的模型,患者作为随机效应处理。将这些模型与包含Flow Index的模型通过似然比检验进行比较,以评估Flow Index是否改善了拟合优度[27]。计算了边际R2和条件R2,分别表示混合模型可解释的因变量方差量,分别排除和包含模型中随机效应所解释的方差[28]。

为了探讨每例患者中Flow Index与PTPpt,breath之间的关联,我们估计了24个线性模型,每例患者一个(见附加文件1:图S1)。

p值低于0.05视为显著。统计分析使用R软件(R Core Team, 2018. R Foundation for Statistical Computing, Vienna, Austria)及软件包“lme4”(版本1.1-21)、“multcomp”(版本1.4-11)完成。

结果

共纳入24例患者。患者特征见表1。三种PS水平下的呼吸模式、吸气努力水平和Flow Index见表2。PS水平升高与VT增高和RR降低相关,分钟通气量相似。吸气努力水平随PS水平升高而显著降低。

表1 患者特征 查看原表 ↗
表2 PSmin、PSbase和PSmax时的吸气努力和呼吸模式 查看原表 ↗

Flow Index与吸气努力之间的关联

Flow Index在三种PS水平下不同,事后分析中所有组间比较均有统计学意义(PSbase vs. PSmin p = 0.005;PSbase vs. PSmax p < 0.001;PSmax vs. PSmin p < 0.001)。图4左侧显示了Flow Index在PTPpt,breath、PTPratio,breath和Pmusc不同四分位数下的箱线图。除第一和第二四分位数之间的比较外,所有比较均有统计学意义(p < 0.01)。图4右侧显示了Flow Index预测值与实测PTPbreath、PTPratio,breath和Pmusc的散点图。表3显示了Flow Index与PTPpt,breath、PTPratio,breath、Pmusc之间线性效应模型的关联系数,包括未校正和校正RR及VT的模型。

此外,24例患者中有22例的Flow Index与PTPpt,breath在每例患者中均呈正向且具有统计学意义的关联(见附加文件1:图S1)。

图4 呼吸做功和流量指数的四分位数箱线图。流量指数模型预测值与实测压力时间乘积、压力时间乘积比值及肌肉压力的散点图。左列:以PTPpt, breath、PTPratio,breath和Pmusc评估的吸气做功四分位数下流量指数的箱线图。右列:流量指数模型对PTPpt, breath、PTPratio,breath和Pmusc的预测值与实测PTPpt, breath、PTPratio,breath和Pmusc比较的散点图。不同PS水平以不同颜色标识,如各面板上方所示。PTP = 压力时间乘积 查看原图 ↗
表3 未调整和调整线性混合效应模型的流量指数系数 查看原表 ↗

模型间比较

当流量指数加入RR和VT后,模型拟合显著改善(PTPpt,breath、PTPratio,breath和Pmusc的似然比检验p值 < 0.001),表明流量指数改善了吸气做功的预测。

Pmusc模型估计流量指数每单位增加0.33(95% CI 0.23, 0.42)cmH2O(条件R2 0.77),PTPpt,breath的估计增加为流量指数每单位增加0.23(95% CI 0.17–0.29)cmH2O∙s−1(条件R2 0.7),而流量指数每单位增加与PTPratio,breath增加3.2%(95% CI 2.5–3.9%)相关(条件R2 0.86)。

讨论

本研究表明,流量指数与患者吸气做功独立相关,可提供关于人机交互以及患者与呼吸机之间呼吸做功分布的信息。

我们发现,流量指数比基于RR和VT评估的传统呼吸模式分析能提供更多关于患者做功的洞察。这是一个值得注意的结果,因为在临床实践中吸气做功很少被测量,而RR和VT被认为是有用的替代指标用于设置PSV水平[29]。实际上,PSV水平通常滴定至获得5至8 ml/kg预测体重(PBW)的VT和20至30次/分的RR [6, 10]。RSBI [13]通过表达负荷与做功之间的不平衡,可被视为吸气支持不足的标志,但在主要分析中未予考虑,因为我们的模型同时包含了RR和VT。尽管如此,我们进行了一项非计划的事后补充分析,评估流量指数与RSBI之间的关联。结果与我们对RR和VT获得的结果相似。

呼吸波形分析是重症监护医师的一项基本床旁活动,但据我们所知,这是首次尝试基于吸气流量-时间波形的定量分析来评估患者吸气做功,因为所有现有的患者吸气做功评估都集中于压力曲线的检查。

在本研究中,Flow Index与呼吸努力之间的关联在广泛的吸气努力范围内进行了评估,这一点由PTpt,breath和Pmusc在PSmin时比PSmax时高400%所证实。由于测量Flow Index相对简单、连续且无创,我们建议该参数可能适合用于在PSV期间滴定和监测患者-呼吸机交互。然而,这是一项生理学研究,需要进一步研究来评估根据Flow Index设置PSV或随时间监测PSV期间的吸气努力是否会对具有临床意义的结局参数产生影响。

由于Flow Index是在单次呼吸上测量的,因此将其与患者努力的其他单次呼吸指标(PTpt,breath、Pmusc和PTratio,breath)进行了对比评估。理论上,与Flow Index的最佳关联可能是与PTratio,breath,因为后者取决于呼吸机支持与患者努力之间的交互作用。尽管如此,我们的数据显示Flow Index、PTpt,breath和Pmusc之间存在强关联。因此,Flow Index可作为患者绝对吸气努力的替代指标,以Pmusc或PTpt,breath表示。

近几十年来提出了几种有创和无创的患者努力评估方法[3]。压力肌肉指数(PMI)和最小二乘拟合法(LSF)是最早提出的方法之一。然而,这些技术分别需要间歇性吸气阻断或复杂计算,且其评估单次呼吸吸气努力的准确性较差[30–32]。值得注意的是,PMI仅评估吸气末努力而非吸气期间的总体努力,因为它未考虑吸气阻力负荷。最近一项研究显示,在辅助通气期间气道被短暂阻断时呼吸肌努力产生的Paw负向摆动(Poccl)与患者吸气努力之间存在显著关联。虽然该方法有意义,但需要手动阻断,且Poccl无法提供患者吸气努力的连续监测[11]。膈肌电活动(Edi)评估是神经通气驱动的准确测量方法,Pmusc可通过计算神经肌肉效率(通过在呼气末气道阻断期间比较Edi和Poccl获得)或通过计算神经通气效率(通过比较Edi和VT获得)来估算[10, 33, 34]。然而,测量Edi费用高昂,需要插入受专利保护的鼻胃管,该导管仅能与特定机械呼吸机配合使用,最后,计算神经肌肉效率需要手动阻断[33]。此外,在吸气努力期间,膈肌和其他吸气肌的贡献可能发生变化,因为膈肌对吸气的贡献存在很大变异性(例如,在男性和女性患者之间可见[34–36])。Edi仅能检测膈肌的贡献,因此对于膈肌贡献较低的患者,可能导致重要信息的丢失[33]。膈肌超声也被提出作为评估患者努力的工具,但它仍然是一种点测方法,依赖于操作者的技术能力,并受膈肌功能障碍程度的严重影响[37, 38]。

流量指数的优势在于其无创性、可连续监测,以及不依赖于气道阻断操作,这一点尤其有利,因为并非所有机械通气机都允许在压力支持通气(PSV)期间进行手动呼气阻断[39, 40]。由于大多数机械通气机上都会显示流量波形,经过培训的医生对流量指数进行视觉检查也可能提供有关吸气努力的有价值信息,尽管仅是定性的。需要更多研究来了解对流量波形进行视觉检查是否足以评估流量指数,但由于压力指数使用类似的公式,且其视觉检查已被证明有效[25],同样的方法可能也适用于流量指数。值得注意的是,流量指数算法可以很容易地在标准监测设备上实现,正如压力指数所做的那样[19],从而可以对机械通气期间患者的努力进行定量评估。

本研究存在四个主要局限性。第一,这是一项单中心研究,因此其外部有效性需要通过额外研究来证明。第二,吸气努力的某些部分未纳入流量指数的计算,因为这些部分发生在达到峰值吸气流速之前。尽管存在这一潜在局限性,流量指数与触发后吸气努力显示出良好的相关性。这可能是由于上升时间通常持续时间非常短(小于100 ms),因此对患者整体吸气努力影响很小。第三,流量指数应在高阻力负荷患者中专门评估,因为在这类患者中,高呼吸努力可能并不对应于吸气流速的比例性增加。值得注意的是,流量指数并未考虑吸气流速之前的患者努力,这在严重动态肺过度充气患者中应予以考虑。第四,我们的研究未提供任何可用于检测高或低吸气努力的临界值,进一步研究应评估这一相关方面。

结论

流量指数是一种新型的、定量的、连续的、无创的吸气流量曲线凹陷程度评估方法。我们的研究表明,流量指数与PSV期间患者的吸气努力相关,并且与压力支持通气期间传统用于评估吸气努力的变量(即潮气量(VT)、呼吸频率(RR)和浅快呼吸指数(RSBI))相比,它提供了额外信息。需要进一步研究来评估评估流量指数对患者-呼吸机交互及机械通气撤机的潜在影响。

补充信息

附加文件1。每位患者流量指数与PTPpt,breath之间的相关性。

参考来源

  1. Albani F, Pisani L, Ciabatti G, et al. Flow Index: a novel, non-invasive, continuous, quantitative method to evaluate patient inspiratory effort during pressure support ventilation. Crit Care. 2021. PMID: 34099028. doi:10.1186/s13054-021-03624-3
  2. 全文:PMC8182360(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8182360/

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。