文献速递呼吸衰竭与机械通气重症综合管理与镇静镇痛

机械通气强度与COVID-19急性呼吸衰竭患者28天死亡率的相关性:PRoVENT-COVID研究

Association of intensity of ventilation with 28-day mortality in COVID-19 patients with acute respiratory failure: insights from the PRoVENT-COVID study.
PubMed 文献 · Crit Care · 2021-08-06
一句话结论在COVID-19有创通气患者中,机械功率(MP)而非驱动压(ΔP)与28天死亡率独立相关;在相同ΔP水平下,MP越高死亡风险越高。

PRoVENT-COVID为荷兰22个ICU的多中心回顾性观察研究,纳入825例COVID-19有创通气急性呼吸衰竭患者,分析通气首日无自主呼吸时点的动态驱动压(ΔP)和机械功率(MP)。校正年龄、COPD、pH和心率后,ΔP与28天死亡率无独立关联(HR 1.02, 95%CI 0.88-1.18, P=0.750),MP与28天死亡率独立相关(HR 1.17, 95%CI 1.01-1.36, P=0.031);在ΔP匹配条件下,MP四分位递增与死亡风险升高相关(HR 1.15, 95%CI 1.01-1.30, P=0.028)。提示MP可作为ΔP之外的预后生物标志物及潜在干预目标。

要点

  • 在825例COVID-19有创通气患者中,校正混杂因素后MP与28天死亡率独立相关(HR 1.17, 95%CI 1.01-1.36, P=0.031)。
  • ΔP与28天死亡率无独立关联(HR 1.02, 95%CI 0.88-1.18, P=0.750),但作者仍强调ΔP是重要床旁数字生物标志物。
  • 在ΔP分层匹配后,MP四分位递增仍与28天死亡率升高相关(HR 1.15, 95%CI 1.01-1.30, P=0.028)。
  • ΔP>15 cmH2O与≤15 cmH2O患者28天死亡率无差异;MP>17 J/min患者28天死亡率高于≤17 J/min患者。
  • MP与28天死亡率的关联不受基线低氧血症程度影响(无交互作用),PCV下改用另一验证公式计算MP结论不变。

适用人群与场景

  • PRoVENT-COVID研究纳入≥18岁、因COVID-19急性呼吸衰竭接受有创通气并入住参与ICU的连续患者;该研究无排除标准。
  • 本分析排除无法计算ΔP或MP的通气数据不完整者,以及第28天失访者;最终825例(占原1102例的74.9%)纳入分析。
  • 患者大多为中度ARDS(按当时柏林定义严重程度分类);最常见基础病为高血压和糖尿病。

诊断标准与关键阈值

  • ΔP为动态驱动压,MP为机械功率,均仅在有创通气首个日历日、无自主呼吸证据的固定时点计算,并取首个日历日各时点均值。
  • 自主呼吸判定:1)使用自主通气模式(如压力支持通气);或2)使用非自主通气模式但实测总呼吸频率超过设置呼吸频率>2次/分。
  • 亚组按柏林定义低氧血症分级:轻度200<PaO2/FiO2≤300 mmHg、中度100<PaO2/FiO2≤200 mmHg、重度PaO2/FiO2≤100 mmHg。
  • Kaplan-Meier分析采用ΔP 15 cmH2O和MP 17 J/min作为切点;原文指出动态ΔP的理想阈值不如静态ΔP确定,MP的理想切点尚未建立。

处置流程与药物剂量

  • 原文未提及具体药物剂量、给药途径、频次或目标值。
  • 原文未给出基于ΔP或MP的具体通气调整流程或目标值;仅结论提出在降低ΔP之外,以降低MP为目标可能改善预后,并需RCT验证。
  • 原文指出MP可在床旁计算并由呼吸机屏幕显示,可作为ΔP之外的附加数字生物标志物。

红旗征与不能漏的情况

  • 原文未提及需要立刻处理或不能漏诊的具体红旗征及对应处理。

研究设计与关键结果

  • 研究类型:PRoVENT-COVID研究的预planned二次分析,为研究者发起的多中心回顾性观察研究,荷兰22个ICU参与。
  • 样本量与人群:原队列1102例,本分析纳入825例(74.9%)COVID-19有创通气急性呼吸衰竭患者;28天死亡227例(27.5%)。
  • 通气首日ΔP中位数14.0(12.0-16.0)cmH2O,MP中位数18.5(15.5-22.2)J/min;ΔP>15 cmH2O者270例(32.7%),MP>17 J/min者473例(57.3%)。
  • 主要终点:ΔP与28天死亡率无关(单变量HR 1.09, 95%CI 0.96-1.24, P=0.190;多变量HR 1.02, 95%CI 0.88-1.18, P=0.750);MP与28天死亡率相关(单变量HR 1.17, 95%CI 1.02-1.33, P=0.020;多变量HR 1.17, 95%CI 1.01-1.36, P=0.031)。
  • 双分层分析:ΔP匹配下MP四分位递增与28天死亡率升高相关(HR 1.15, 95%CI 1.01-1.30, P=0.028);MP匹配下ΔP四分位递增无关联(HR 1.02, 95%CI 0.90-1.15, P=0.730)。
  • ΔP或MP与28天死亡率的关联和基线低氧血症程度无交互作用;PCV患者改用另一验证公式计算MP的敏感性分析结论不变。
  • 最终多变量模型校正的混杂因素为年龄、COPD、pH和心率。

证据类型、等级与局限

  • 证据类型:多中心回顾性观察研究(PRoVENT-COVID预planned二次分析),非RCT。
  • 局限:回顾性设计、未采集D-二聚体等血液生物标志物、未将肺栓塞纳入模型、未纳入疾病严重度评分(各中心使用不同评分)、2020年上半年无标准使用地塞米松或托珠单抗、使用动态ΔP而非平台压计算MP、未使用按呼吸系统顺应性或预测体重标准化的MP。
  • 作者指出需要RCT证据来理解限制ΔP和MP的真正独立价值。

对床旁实践的改变

  • 在COVID-19有创通气急性呼吸衰竭患者中,床旁除关注ΔP外应同时计算并关注MP,因MP与28天死亡率独立相关而ΔP在本队列无独立关联。
  • 在ΔP已控制在相同水平时,仍应关注MP的升高(可因潮气量或呼吸频率增加等非ΔP因素所致),因其与28天死亡风险升高相关。
  • 原文未提供基于MP的具体通气目标值或干预流程;降低MP能否改善预后尚需RCT验证,不应将本观察性关联直接作为治疗阈值。
  • 适用人群为因COVID-19急性呼吸衰竭接受有创通气的成人ICU患者;MP计算限于无自主呼吸证据时点,有自主呼吸患者尚不能可靠计算ΔP和MP。

指南或共识出处

  • PRoVENT-COVID研究(ClinicalTrials.gov study identifier NCT04346342);本文为Crit Care发表的预planned二次分析。
全文中译12 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 Aug 6;25:283. doi: 10.1186/s13054-021-03710-6

引言

需要因急性呼吸衰竭接受有创通气的2019冠状病毒病(COVID-19)患者死亡率较高[1, 2]。充分的预后评估虽然困难,但对于识别高死亡风险患者至关重要,以便考虑替代方案以期改善结局。研究表明,性别、年龄、合并症、生化标志物和疾病严重程度评分等多种因素与死亡率存在关联[3–11]。研究还显示,有创通气的多种参数,包括低氧血症程度、呼气末正压(PEEP)、潮气量(VT)和呼吸系统顺应性(Crs)与这些患者的结局存在关联[4, 5, 8–11]。

在因COVID-19以外原因接受通气的患者中,近期研究表明驱动压(ΔP)和机械通气功率(MP)与死亡率存在关联,无论是合并还是未合并急性呼吸窘迫综合征(ARDS)的患者[12–20]。ΔP是呼吸机为输送VT所施加的压力,因此代表每次呼吸时施加于肺的应变。MP是呼吸机向呼吸系统传递的单位时间能量总量的综合值[15],其中部分能量直接作用于肺组织,可造成损伤。MP由VT、呼吸频率(RR)和ΔP计算得出。这两个参数是有吸引力的数字生物标志物,因为它们在床旁易于计算、随时可得且无成本。

ΔP和MP与因急性呼吸衰竭需要有创通气的COVID-19患者结局的关联尚未被研究。为探讨通气强度对28天死亡率的影响,我们对一个便利规模的全国性多中心COVID-19因急性呼吸衰竭接受有创通气患者队列进行了预先计划的分析。假设是ΔP和MP均与死亡率存在独立关联。

方法

设计

本报告涉及PRoVENT-COVID研究的预先计划二次分析,该研究是一项由研究者发起的多中心回顾性观察性研究,对象为在大流行前3个月期间荷兰22个ICU中接受有创通气的COVID-19患者[8]。PRoVENT-COVID研究的研究方案已预先发表[21],本分析的统计分析计划在评估数据库之前撰写,可在线获取[22]。母研究的详细信息此前已发表[8]。荷兰阿姆斯特丹UMC的机构审查委员会批准了研究方案,鉴于研究的观察性设计,患者知情同意的需求被豁免。

患者

连续入院的18岁及以上患者,若入住参与研究的ICU之一且因COVID-19所致急性呼吸衰竭接受有创通气,则符合PRoVENT-COVID研究的参与条件。母研究无排除标准——本分析中我们排除了通气数据不完整无法计算ΔP或MP的患者。我们还排除了第28天失访的患者。

收集的数据、患者分类和计算

收集了人口统计学资料以及关于病前疾病和家庭用药的数据。在有创通气的第一个日历日,插管后第一小时内以及此后每8小时在固定时间点收集呼吸机设置和参数。

首先,确定是否有自主呼吸的证据。如果符合以下情况,则认为可能存在自主呼吸:1)患者处于自主通气模式,例如压力支持通气;或2)患者处于非自主通气模式,但测得的(总)呼吸频率超过设定呼吸频率>2次/分钟。仅在没有自主呼吸证据的时间点计算ΔP和MP。在每个时间点,使用以下标准公式计算动态ΔP和MP:

ΔP和MP总结为通气第一个日历日内各值的均值。

结局

主要结局为28天死亡率。

统计分析

连续变量以中位数(第25百分位数-第75百分位数)报告,并采用Wilcoxon秩和检验进行比较;分类变量以数量(百分比)报告,并采用Fisher精确检验进行比较。

选择单变量预测模型中P<0.10的变量并纳入多变量模型。多变量模型中P<0.05的变量被选为纳入最终模型的协变量。以下变量被考虑用于初步评估:年龄、性别、体重指数、动脉血氧分压/吸入氧分数(PaO2/FiO2)比值、血浆肌酐、高血压病史、心力衰竭、糖尿病、慢性肾脏病、慢性阻塞性肺疾病、活动性血液系统肿瘤和/或活动性实体瘤、血管紧张素转换酶抑制剂使用、血管紧张素II受体拮抗剂使用、血管升压药或正性肌力药使用、液体平衡、pH、平均动脉压、心率和呼吸系统顺应性。这些基线协变量根据临床相关性及既往研究的使用情况[8]进行选择。

构建了一个多变量(共享脆弱性)Cox比例风险模型,纳入上述所选协变量,并将平均ΔP或MP作为感兴趣的预测因子。为比较两个变量的相对预测能力,在分别通过Pearson相关系数和方差膨胀因子评估相关性和多重共线性后,构建了一个同时纳入ΔP和MP的额外模型。如果发现多重共线性,则舍弃该模型,并继续采用ΔP和MP的独立模型。对于所有模型,报告风险比(HR)及其95%置信区间(CI)。为进一步评估ΔP和MP的影响,创建了ΔP和MP递增的五分位数,并绘制了从上述模型得出的每个五分位数的估计值。此外,采用双重分层分析评估当其中一个变量保持恒定时另一个变量的影响。首先,将队列按ΔP的六分位数分层,然后每个分位数再按MP递增的四分位数进一步分层。所得四分位数具有匹配的ΔP和递增的MP。然后,重现上述模型以提取每个四分位数的风险比。同样,采用相同策略创建具有匹配MP和递增ΔP的四分位数。

采用Kaplan–Meier曲线比较平均ΔP和MP较高与较低患者的28天死亡率。ΔP的截断值设定为15 cm H2O [12, 16],尽管动态ΔP的理想阈值不如静态ΔP那么确定。MP的理想截断值尚未确立,但近期报道提示17 J/min可能是该参数的合理截断值 [13, 16, 25]。

进行了两项敏感性分析。首先,根据有创通气第一天的低氧血症程度重新运行模型。为此,我们使用了ARDS柏林定义中使用的截断值:轻度(200 < PaO2/FiO2 ≤ 300 mmHg)、中度(100 < PaO2/FiO2 ≤ 200 mmHg)和重度低氧血症(PaO2/FiO2 ≤ 100 mmHg)。重新运行模型时考虑了所关注变量(ΔP或MP)与基线低氧血症程度之间的交互作用。其次,使用另一种经验证的方程重新运行模型,用于计算接受压力控制通气(PCV)患者的MP;

所有分析均使用R版本4.0.2(R Foundation for Statistical Computing)进行,P < 0.05被认为具有统计学意义。

结果

患者

在PRoVENT-COVID研究最初入组的1102例患者中,825例(74.9%)被用于当前分析(附加文件1:图S1)。人口学特征和通气特征见表1。根据当前ARDS柏林定义的严重程度分类,大多数患者为中度ARDS。最常见的病前状况为高血压和糖尿病。227例(27.5%)患者在随访的前28天内死亡。其他临床结局见附加文件1:表S1。

表1 根据所研究队列纳入患者的基线特征和临床结局 查看原表 ↗

ΔP和MP

有创通气第一个日历日中收集通气数据的观察次数中位数为3次 [2至3]。在每位患者88.2% [75至100%]的观察中,没有自主呼吸的证据,且可计算ΔP和MP。呼吸机参数分布见附加文件1:图S2。

在有创通气第一个日历日,ΔP中位数为14.0 [12.0至16.0] cm H2O,MP中位数为18.5 [15.5至22.2] J/min。270例(32.7%)患者ΔP > 15 cm H2O;473例(57.3%)患者MP > 17 J/min。

用于校正分析的基线风险模型见附加文件1:表S2。以下变量与结局独立相关,并被选为最终模型的混杂因素:年龄、慢性阻塞性肺疾病、pH和心率。当同时纳入ΔP和MP时,模型中未发现二者存在多重共线性的迹象,因此该模型未被剔除(附加文件1:表S3)。

ΔP和MP与28天死亡率的关联

ΔP与28天死亡率无关联,无论是在单变量评估中(HR,1.09 [95% CI,0.96至1.24];P = 0.190),还是在多变量评估中(HR,1.02 [95% CI,0.88至1.18];P = 0.750)(图1和表2)。相反,MP与28天死亡率有关联,无论是在单变量评估中(HR,1.17 [95% CI,1.02至1.33];P = 0.020),还是在多变量评估中(HR,1.17 [95% CI,1.01至1.36];P = 0.031)。虽然ΔP > 15 cm H2O与≤ 15 cm H2O的患者之间28天死亡率无差异,但MP > 17 J/min与≤ 17 J/min的患者相比,28天死亡率更高(图1)。

如果ΔP保持恒定而仅MP增加(即由于ΔP以外的其他组分增加),则发现对结局有统计学显著影响——在ΔP水平相当的分层中,MP四分位数递增与28天死亡率风险增加相关(HR,1.15 [95% CI,1.01至1.30];P = 0.028)(图2)。然而,在MP水平相当的分层中,ΔP四分位数递增与28天死亡率无关(HR,1.02 [95% CI,0.90至1.15];P = 0.730)。未发现ΔP或MP对28天死亡率的影响与基线低氧血症程度之间存在交互作用(表3)。在PCV患者中使用替代方程计算MP的敏感性分析未改变研究结果(附加文件1:表S4、图S2和S3)。

图1 驱动压与机械功率和28天死亡率之间的关联。A 比较ΔP > 15 cmH2O与ΔP ≤ 15 cmH2O通气患者28天死亡率的Kaplan–Meier曲线。B 比较MP > 17(J/min)与≤ 17(J/min)通气患者28天死亡率的Kaplan–Meier曲线。C和D ΔP或MP水平递增对28天死亡率的影响。圆圈和误差线为ΔP或MP递增5个分位数的风险比和95%置信区间。虚线和灰色区域代表ΔP或MP作为连续变量分析并以各变量均值中心化后递增值的风险比和95%置信区间。所有模型均校正了年龄、慢性阻塞性肺疾病、pH和心率。ΔP:驱动压;MP:机械功率 查看原图 ↗
表2 评估基线驱动压和机械功率与28天死亡率关联的单变量和多变量模型 查看原表 ↗
图2 驱动压和机械功率相关四分位数范围内28天死亡率的风险比。A(左)ΔP值相当,但各分层间MP值递增。下方呈现各分层内MP递增的多变量HR。B(右)MP值相当,但各分层间ΔP值递增。下方呈现各分层内ΔP递增的多变量HR。Y1轴为气道压力;Y2轴为机械功率。X轴报告队列样本量。下方面板中的圆圈和误差线为ΔP递增四分位数及匹配MP(或反之)的HR和95%置信区间。所有模型均校正了年龄、慢性阻塞性肺疾病、pH和心率 查看原图 ↗
表3 根据基线低氧血症严重程度,驱动压和机械功率对28天死亡率的影响 查看原表 ↗

讨论

在这项观察性研究中,评估了ΔP和MP与因COVID-19相关急性呼吸衰竭接受有创通气的患者28天死亡率的关系,较高的ΔP与28天死亡率无关,但在调整混杂因素后,较高的MP与28天死亡率增加相关。此外,当ΔP保持不变时,由于其他组成部分(如VT或RR)增加导致MP逐步升高,会导致28天死亡率风险增高。

将我们的患者队列与全球一系列COVID-19患者进行比较,基线特征和28天死亡率相似[1, 11, 27–29]。两项分别来自法国和美国的大型观察性研究报告了相似的中位ΔP,分别为13 [10至17]和15 [11至18] cm H2O。迄今为止,MP仅在一个COVID-19患者队列中有报道[11],该队列中MP远高于我们的队列,为26.5 [18.6至34.9]对18.5 [15.5至22.2] J/min。由于使用了相同的MP计算公式,我们观察到这一显著差异的原因仍不确定。然而,我们研究中的MP与非COVID-19其他原因所致ARDS患者队列中报道的MP相当[13, 16, 19]。

这是第一项关于ΔP和MP与有创通气COVID-19患者死亡率关系的研究。与既往在非COVID-19原因接受通气患者中关于ΔP和MP的研究不同,较高的ΔP与死亡率风险增加无关。经混杂因素调整的MP与28天死亡率相关,这与既往研究一致[13, 16, 19]。此外,在ΔP水平相当的分层条件下,MP四分位数递增与28天死亡率风险增加相关,显示了MP在ΔP之外的预测价值,这与既往在非COVID-19原因接受通气患者中的研究一致[18]。最近,一项研究显示了非COVID-19原因所致呼吸衰竭接受通气的危重患者中,随时间推移暴露于较高强度ΔP和MP的不良效应[16]。

在我们的分析中,机械功率的信号强于ΔP。近年来,ΔP已成为临床医生设定不超过某一特定值的目标指标。这可能是因为机械功率在床旁比ΔP更难计算。因此,这可能导致当前队列中ΔP水平较低且分布狭窄,进而可能导致统计效能不足以检验ΔP是否与结局存在统计学关联。在我们的队列中,MP通常较高且分布较广。

尽管ΔP与28天死亡率的关联未达到统计学显著性,ΔP仍然是一个重要的数字生物标志物。限制ΔP已被发现在其他患者队列中具有改善结局的强大潜力[13, 14, 16]。此外,与MP相比,ΔP在床旁计算要容易得多。在日常实践中,MP可作为额外的数字生物标志物,由呼吸机计算并显示在其屏幕上。然而,仍需要随机对照试验证据来理解限制ΔP和MP的真正且独立的价值。

近年来,已有多种用于计算机械功(MP)的方程被研究和报道[16–20, 25, 30]。由于跨肺压和平台压未被常规测量,我们在MP方程中使用了动态驱动压。近期研究结果表明这种替代是可靠的[30],其他研究也验证了这一方法[16]。此外,使用动态ΔP简化了床旁MP的计算。使用另一种先前在压力控制通气(PCV)患者中验证过的MP方程进行的敏感性分析[26]并未改变研究结果。

我们的研究具有若干优势。研究样本量适宜,且纳入了大量中心。此外,学术性和非学术性中心均有参与,提高了研究结果的普适性。细粒度通气数据由经过培训的研究人员收集。我们将分析限制在无自主呼吸证据的患者中,因为对于存在自主呼吸的患者,ΔP和MP目前尚无法以可靠方式计算,且我们遵循了预先发表的统计分析计划。

我们的研究也存在局限性。在本研究中,我们未收集血液生物标志物,如D-二聚体水平,而已有研究表明其与死亡率存在强关联[10]。因此,我们无法将其纳入模型。同样,肺栓塞未纳入我们的模型,这可能是一个混杂因素,因为死腔增加可导致更高的MP。此外,疾病严重程度评分未被纳入,因为参与中心使用了不同的评分系统,而这些评分系统并非互斥。然而,我们的模型中使用了多个基线协变量,代表多个器官系统、支持治疗和既往合并症,这与先前研究ΔP和MP影响的研究一致[16, 18, 19]。此外,在2020年上半年,地塞米松或托珠单抗尚无标准化使用,这可能影响患者结局。另一个局限性是,以呼吸系统顺应性或预测体重对MP进行标准化已显示出优于非标准化MP的预测价值[17]。然而,与绝对MP相比,标准化MP的验证较少。此外,尚不清楚这种关系是否仅仅反映了呼吸系统顺应性与患者结局之间的关联。

结论

在这组因急性呼吸衰竭接受有创通气的COVID-19患者队列中,较高的MP以及在相当ΔP水平下分层的MP递增四分位数均与28天死亡风险增加相关。综上所述,ΔP和MP均是用于有创通气COVID-19患者预后评估的有用数字生物标志物。在降低ΔP的基础上靶向降低MP,可能转化为更好的结局。

补充信息

附加文件1。表S1。纳入队列中的其他临床结局。表S2。最终模型中入选协变量的单变量和多变量模型。表S3。在同一模型中评估驱动压和机械功与28天死亡率相关性的多变量模型。表S4。评估接受PCV*患者计算的基线机械功与28天死亡率相关性的单变量和多变量模型。图S1。纳入患者的流程图。图S2。呼吸机变量的范围。图S3。PCV机械功与28天死亡率之间的相关性。图S4。驱动压和PCV机械功相关四分位数范围内28天死亡率的危险比。

参考来源

  1. Schuijt MTU, Schultz MJ, Paulus F, et al. Association of intensity of ventilation with 28-day mortality in COVID-19 patients with acute respiratory failure: insights from the PRoVENT-COVID study. Crit Care. 2021. PMID: 34362415. doi:10.1186/s13054-021-03710-6
  2. 全文:PMC8343355(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8343355/

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。