楊曉文,童孜蓉,吳娟,王昱

(江蘇省人民醫(yī)院 神經外科重癥監(jiān)護室,江蘇 南京 210000)

神經外科重癥患者因神經中樞病變,病情較為嚴重,呼吸驅動能力有所降低,容易出現(xiàn)中樞性呼吸衰竭[1]。機械通氣可建立安全可靠的人工氣道,能優(yōu)化氧合,保證通氣,因而機械通氣是目前臨床治療重癥患者的重要措施[2-3],其主要目的是緩解患者的病情,為患者爭取更多的治療時間,保障患者的自主呼吸[4]。但是,如果機械通氣時間過長,可能會引起呼吸機相關肺損傷、呼吸機相關肺炎等并發(fā)癥[5],患者還容易產生依賴性,有部分患者甚至會發(fā)生脫機拔管失敗,導致治療的難度大大增加[6-7]。因此,當神經外科重癥患者的病情好轉后,需要及時安全的脫機拔管[8]。基于此,本研究探討神經外科重癥機械通氣患者脫機失敗的危險因素,并構建神經外科重癥機械通氣患者脫機失敗的預測模型,以期為神經外科重癥機械通氣患者脫機失敗的防治提供理論依據。

1 對象與方法

1.1 研究對象 2021年1月至2022年10月,便利抽樣法選取某院收治的神經外科重癥機械通氣患者310例為研究對象。納入標準:(1)年齡≥18歲;(2)經頭顱CT檢查證實原發(fā)性顱腦疾病且是首次發(fā)病;(3)入住神經外科重癥監(jiān)護室(neurosurgical intensive care unit,NICU),且入住時間≥24 h;(4)需要機械通氣;(5)患者及其家屬對本研究知情同意。排除標準:(1)合并惡性腫瘤;(2)存在頸椎損傷或口咽部畸形難以經口氣管插管;(3)凝血功能障礙;(4)胸廓畸形者、肋骨骨折等;(5)哺乳期或妊娠期婦女。樣本量計算:樣本量驗證運用樣本量計算公式n=[(Ζα/2)2×P×(1-P)]/(δ2×deff),其中n是樣本量,P是陽性率估計值,P×(1-P)最大是0.25,Ζα/2是1.96,δ是最大允許誤差,deff是設計效應值。在90%置信度下,絕度誤差為10%,取總比例為50%,則抽樣估算樣本量是192例,考慮10%的脫落率,則應接觸樣本量是214例,故此次納入樣本量充足(310>214)。

1.2 脫機方法及程序 采用MAQUET-Servoi和哈美頓呼吸機對患者進行機械通氣。在壓力支持模式下對患者進行自主呼吸試驗,當患者生命體征平穩(wěn)、能夠自主呼吸、PaO2≥60 mmHg(1 mmHg=0.133 kPa)時將氣管拔出并撤機,拔管后給予鼻導管或面罩吸氧或者經鼻高流量氧療。

1.3 脫機成敗的定義 拔管脫機48 h內,患者的血流動力學和呼吸功能穩(wěn)定,不需要再次進行氣管插管治療則為脫機成功;拔管脫機48 h內,由于各種原因需要再次進行氣管插管治療則為脫機失敗[9]。

1.4 資料收集 根據神經外科重癥機械通氣患者脫機情況將患者分為脫機失敗組和脫機成功組。收集記錄兩組患者的臨床資料,包含性別、年齡、診斷、居住地、格拉斯哥昏迷量表(Glasgow coma scale,GCS)評分、體質量指數(body mass index,BMI)、吸煙指數(平均每天吸煙數×吸煙年限)、機械通氣時間、多器官功能障礙綜合征(multiple organ dysfunction syndrome,MODS)及呼吸系統(tǒng)基礎疾病等。

2 結果

2.1 神經外科重癥機械通氣患者脫機失敗的發(fā)生情況 310例患者中,男188例、女122例;年齡28～81歲,平均(52.12±13.87)歲;顱內動脈瘤27例、腦出血122例、顱腦外傷90例、顱內占位71例;通氣時間6～20 d,平均(11.07±2.95)d。有60例患者脫機失敗,脫機失敗發(fā)生率為19.35%(60/310)。

2.2 神經外科重癥機械通氣患者脫機失敗的單因素分析 兩組患者在性別、診斷、居住地、高血壓、糖尿病及BMI等資料上的差異均無統(tǒng)計學意義(均P>0.05),而在年齡、GCS評分、吸煙指數、機械通氣時間、MODS及呼吸系統(tǒng)基礎疾病等資料上的差異有統(tǒng)計學意義(均P<0.05),見表1。

表1 神經外科重癥機械通氣患者脫機失敗的單因素分析[n(%)]

2.3 神經外科重癥機械通氣患者脫機失敗的Logistic回歸分析 本研究將年齡、GCS評分、吸煙指數、機械通氣時間、MODS及呼吸系統(tǒng)基礎疾病等有統(tǒng)計學意義的項目作為自變量,將神經外科重癥機械通氣患者脫機情況作為因變量,進行Logistic回歸分析。分析結果顯示,年齡、GCS評分、吸煙指數、機械通氣時間、MODS及呼吸系統(tǒng)基礎疾病等是神經外科重癥機械通氣患者脫機失敗的危險因素(均P<0.05),基于以上各危險因素的回歸系數,得到原始預測模型Logit(P1)=0.756X1+0.813X2+1.037X3+0.851X4+1.231X5+1.035X6-2.596,H-L檢驗結果顯示,決定系數R2=0.212(P=0.438),提示Logistic回歸模型的擬合度良好,見表2。

表2 神經外科重癥機械通氣患者脫機失敗的Logistic回歸分析

2.4 預測模型的ROC曲線 預測模型的ROC曲線下面積(the area under the ROC curve,AUC)為0.722(95%CI:0.647～0.798),見圖1。

圖1 預測模型的ROC曲線

3 討論

3.1 神經外科重癥機械通氣患者脫機失敗現(xiàn)狀 機械通氣能夠改善換氣功能,保持正常通氣量,減少呼吸氧耗,是臨床治療重癥患者比較常用的手段[10]。但是如果患者機械通氣時間過長,對于患者自主呼吸功能的恢復十分不利,因此常常需要及時安全的脫機拔管[11]。在脫機拔管時,大部分患者能做到成功撤機,但是有部分患者會出現(xiàn)撤機失敗,導致其住院時間延長,而且也會增加其病死率[12]。但撤機失敗的發(fā)生原因目前尚未完全闡明。本研究共納入310例神經外科重癥機械通氣患者,其中60例患者脫機失敗,脫機失敗的發(fā)生率為19.35%(60/310),提示神經外科重癥機械通氣患者是脫機失敗的易發(fā)人群,神經外科重癥機械通氣患者脫機失敗問題應當引起臨床醫(yī)護的重視。

3.2 神經外科重癥機械通氣患者脫機失敗的危險因素分析 Logistic回歸屬于廣義的線性回歸分析模型,能夠分析分類觀察結果和協(xié)變量之間關系,常用于經濟預測、數據挖掘和疾病自動診斷等領域,Logistic回歸是臨床分析誘發(fā)疾病的高危因素比較常用的工具[13]。本研究結果顯示,年齡、GCS評分、吸煙指數、機械通氣時間、MODS及呼吸系統(tǒng)基礎疾病等是神經外科重癥機械通氣患者脫機失敗的危險因素。李睿等[14]發(fā)現(xiàn),年齡≥60歲的患者更容易出現(xiàn)脫機失敗,本研究也發(fā)現(xiàn)此點。其原因可能是高齡人群身體機能減退,器官儲備功能較差,因而脫機失敗的發(fā)生風險增加。馬淑娟等[15]研究表明,GCS評分是影響脫機成敗的因素,本研究結果與之相符。GCS評分較低的患者,意識水平較低,咳嗽和吞咽能力較弱,因而容易出現(xiàn)脫機失敗。李嘉[16]認為,吸煙指數≥300的患者更容易出現(xiàn)脫機失敗,本研究也發(fā)現(xiàn)了此點。可能是由于吸煙會使得肺功能和呼吸道上皮細胞受損,因而吸煙指數≥300的患者脫機失敗的風險更高。朱瑤麗等[17]報道,機械通氣時間≥14 d是脫機失敗的危險因素,本研究結果與之相符。通氣時間較長會抑制呼吸道的黏液纖毛系統(tǒng),使得呼吸道防御功能降低,大量病原菌侵襲機體,導致黏膜破壞,進而增加脫機失敗的風險。王志等[18]認為,MODS會增加脫機失敗的風險,本研究結果與之相符。有MODS的患者通常病情較重,雖然病情有所好轉,但是身體狀態(tài)較差,會對自主呼吸功能的恢復造成影響,進而會增加脫機失敗的風險。相關研究[19]認為,呼吸系統(tǒng)基礎疾病會使脫機變得困難,本研究結果與之相似。有呼吸系統(tǒng)基礎疾病的患者,其咳嗽和吞咽能力相對較弱,因而更容易出現(xiàn)脫機失敗。

3.3 神經外科重癥機械通氣患者脫機失敗的預測模型 本研究預測模型Logit(P1)=0.756X1+0.813X2+1.037X3+0.851X4+1.231X5+1.035X6-2.596,H-L檢驗結果顯示,決定系數R2=0.212(P=0.438),提示Logistic回歸模型的擬合度良好。預測模型AUC為0.722(95%CI:0.647～0.798),提示預測模型具有較高的預測效能和預測準確率。臨床可結合神經外科重癥機械通氣患者脫機失敗的預測模型對神經外科重癥機械通氣患者脫機失敗進行預測,同時可結合預測模型制定相關的防治措施,及時給予患者干預,以減少脫機失敗的發(fā)生率。另外,本研究并未對預測模型進行驗證,這是本研究的不足之處,有待今后進行更深一步的研究。

綜上所述,年齡、GCS評分、吸煙指數、機械通氣時間、MODS及呼吸系統(tǒng)基礎疾病等是神經外科重癥機械通氣患者脫機失敗的危險因素,基于以上因素建立的預測模型準確性和臨床應用價值較高。本研究樣本量較小,納入的影響因素有限,結果或許會存在偏倚。因此,關于基于Logistic回歸構建神經外科重癥機械通氣患者脫機失敗預測模型的結果有待今后進行更多的試驗加以驗證。