自主呼吸试验时呼吸浅快指数和气道阻断压的趋势分析可提高撤机预测的准确性
目的：将多个ATC模式下进行自主呼吸试验(SBTs)过程中患者的生理学参数整合,建立决策树,评估其对拔管预测的准确性. 方法：选取2007年6月至2008年6月在本院ICU收治的机械通气时间超过48小时的气管插管患者,分别在SBT试验开始后1分钟、30分钟、60分钟进行如下参数测定并记录:分钟通气量(VE),呼吸频率(RR),自主呼吸潮气量(VT),口腔阻断压(P0.1).呼吸浅快指数(RSBI)和P0.1×RSBI可以通过以上测量值根据公式计算得出。RSB变化率(△RSBI30)=RSBI-30/RSBI-1*100(RSBI-30为SBTs开始后30分钟时测得的RSBI) 结果：以SBTs开始后30分钟时测得的RSBI(RSBI-30)≤105breaths·min-1·L-1为标准，预测拔管成功的敏感性为88.7％、特异性为64.3%,PPV为92.6%,NPV为52.9%，准确性为84.7%。以SBTs开始后30分钟时测得的P0.1×RSBI(P0.1×RSBI-30)≤328 cmH20·breaths·min-1·L-1为标准，预测拔管成功的敏感性为88.7%、特异性为85.7%,PPV为96.9%,NPV为60.0%，准确性为88.2%.决策树的建立采用CRT(classification and regression tree model)算法，CRT分析选择RSBI-1、P0.1×RSBI-30、△RSBI30-1三个变量对两组患者(拔管成功组和拔管失败组)进行分类，最终将其分割为精确、类似同质的子集合。如果328≤P0.1×RSBI-30<474并且RSBI-1>112，则该分类中只包括拔管成功患者，无拔管失败患者。如果P0.1×RSBI-30>474而△RSBI30-1≤98，则该分类中只包括成功患者，无失败患者。决策树模型预测成功撤机的敏感性98.6%，特异性85.7%，阳性预测值(PPV)97.2%.阴性预测值(NPV)92.3%，预测准确性为96.5%:该模型对于预测成功撤机的ROC曲线(图4)下面积为0.93(95%CI:0.82-1.0)，标准误(Sx)为0.05，与0.5(参考线)相比具有统计学意义(P<O.O5)。 结论：采用决策树模型预测成功撤机，可以将动态、静态参数信息有效整合，具有临床可操作性，可以准确预测成功撤机;值得临床推广。是进一步撤机研究的方向，值得进行大样本、单病种的多中心研究。
自主呼吸试验 呼吸浅快指数 口腔阻断压 呼吸机撤离 自动管道补偿 拔管预测
刘阳 魏路清 李国强 王晶晶 曹文理
武警医学院附属医院ICU
国内会议
北京
中文
108-118
2010-10-16（万方平台首次上网日期，不代表论文的发表时间）