ICU机械通气病人人机异步研究进展

　　摘    要：综述重症监护病房(ICU)成人病人机械通气期间人机异步的发生现状及危害、影响因素及识别工具,以提高ICU医护人员对人机异步的重视,增强其识别能力,改善病人预后。

　　关键词：机械通气 人机异步 重症监护病房 影响因素 识别工具 综述

　　Research progress of patient-ventilator asynchrany of mechanical ventilation patients in ICU

　　SUN Na SUN Yingming LIU Xuehui DUAN Fangmin BAI Wenwen WANG Ying

　　Graduate School of Tianjin University of Traditional Chinese Medicine;

　　Keyword：mechanical ventilation; patient-ventilator asynchrony; intensive care unit; influencing factors; identification tool; review;

　　机械通气是重症监护病房（intensive care unit,ICU）中最常见的生命支持技术。调查显示，欧美等发达国家每年有近30万ICU病人接受机械通气[1]，国内ICU病人20%～80%接受机械通气[2]。该技术作为维持病人生命的重要医疗手段，主要作用为改善病人气体交换、降低呼吸肌负荷及提高病人舒适度。病人在机械通气期间需要与呼吸机统一协调，二者交互达到最佳状态时才能保证其治疗效果[3‐4]。呼吸机是一种复杂的生命维持设备，若病人配合不佳或呼吸机设置不当就会导致病人的呼吸与呼吸机辅助未能同步进行，继而发生人机异步（patient‐ventilator asynchrony,PVA）。由于观察周期、识别工具或通气类型等不同，PVA在全球的流行数据并不统一。有创通气条件下，法国、美国发生率均为25%[5‐6]；西班牙调查显示，病人采用不同通气模式均会出现人机异步[7]。无创通气条件下，法国、比利时及瑞典的多中心调查结果显示，PVA发生率为43%[8]；美国为73%[9]；国内一项调查显示为34%[10]。此外，PVA的频繁发生对病人的危害较重。现对成人机械通气病人PVA相关研究进行综述，以期为国内ICU成人病人PVA的识别与管理提供参考。

　　1 PVA在国内外的相关研究

　　1.1 PVA概念及相关分类

　　PVA是由Kirby[11]在20世纪70年代提出，并将其简单地定义为病人与呼吸机之间的对抗。随着机械通气技术的发展，其概念被进一步细化为病人与呼吸机的辅助呼吸不同步及呼吸机与病人流量需求之间不匹配[12]。回顾文献[5,9,13‐14]发现，由于呼吸机模式、流速及吸气时间等参数设置具有个体化差异，PVA分为无效呼吸、自动触发、双触发、过早循环及延迟循环5种类型。无效呼吸是最常见的类型，占63%～85%，指病人的吸气努力未能触发呼吸机送气，主要由病人吸气力量较弱引发，在慢性阻塞性肺疾病（chronic obstructive pulmonary disease,COPD）病人中较常见。其次为双触发，占13%～15%。当呼吸机输送的潮气量低于病人的需求或设置的吸气时间短于病人中枢吸气时间可导致双触发[15]。自动触发是由于触发灵敏度设置不当或心脏外科术后导致循环震荡等引发的呼吸机自动送气过程。过早循环及延迟循环为病人的吸气时间与呼吸机的设置不一，在有创机械通气中并不常见[16‐17]。此外，异步指数（asynchronous index,AI）为PVA的量化指标，AI为病人的异步次数与呼吸总次数之比，其结果≥10%时常预示病人预后不佳[18]。

　　1.2 PVA的不良后果

　　多项研究发现，病人在机械通气期间发生PVA使个体自身生理状态紊乱，可能会对其治疗和管理产生一定的负面影响[19‐20]，如呼吸肌负荷加重、氧合指数降低、肺损伤、焦虑及睡眠剥夺等。Blanch等[7]检测了50例ICU病人7 027 h机械通气中的8 731 981次呼吸周期，并经回顾性分析发现AI大于10%的病人住院时间及ICU死亡率明显增加。相似研究还发现，PVA与病人的通气时间延长相关[5‐6]。此外一项最新证据显示，PVA增加了病人气管插管拔管失败率[21]。鉴于此，PVA对ICU病人的影响后果不容忽视，应引起医护人员的重视，以保障病人的治疗效果。

　　1.3 PVA的影响因素

　　已有研究证据显示，与PVA相关的因素包括病人、呼吸机及气道3个层面。病人因素主要包括病情及镇静药物两方面，其中COPD是发生PVA最常见的疾病种类[22]，脓毒症、酸中毒和发热等疾病因素由于阻碍了病人所需流量与容量和呼吸机辅助之间的平衡，也与PVA发生存在一定的相关性[23]，疾病严重程度及内源性呼气末正压是PVA的预测因素[20]。有研究显示，深度镇静显著增加了无效呼吸的发生，但镇静剂的种类如右美托咪定等药物却能一定程度地抑制PVA[18,24]。呼吸机因素包括呼吸机管路积水、连接不良、参数设置与病情变化不符等[25]。此外，病人应用的呼吸机类型、通气模式及参数是影响PVA的重要因素。有证据显示，有创机械通气病人PVA的发生率为25%，而在无创通气病人中这一比例高达60%[16]；有创通气采用容量控制方式时PVA的发生率高于压力控制方式[5]。国内研究发现，无创通气中15 cm H2O(1 cm H2O=0.098 k Pa）压力水平下的无效呼吸频率明显高于5 cm H2O、10 cm H2O压力水平[10]。此外，最新发展的神经辅助调节模式（neurally adjusted ventilatory assist,NAVA）与传统的压力支持模式（pressure support ventilation,PSV）相比可有效改善病人无创通气期间的异步情形[25]。气道因素则为较常见的操作因素，包括导管插入位置、导管管径、气道堵塞（如分泌物较多）及气囊漏气等[26]。

　　2 PVA的识别工具

　　病人在机械通气中发生PVA时并无特异性临床表现[24]，给医护人员床旁检测PVA造成了一定挑战；目前，PVA的识别工具包括有创及无创两种方式。

　　2.1 有创识别工具

　　食管压力及膈肌电活动两种有创方式被认为是识别PVA的首选标准[27‐28]。食管压力是反映胸膜腔压力的最佳测量指标，可直接量化病人通气时呼吸肌的活动频率；食管压力测量一般需通过放置专用的食管导管球囊进行监测[21]。监测病人膈肌电活动时同样需要放置专用的鼻胃管，并需将该鼻胃管与单一型号的呼吸机连接，膈肌电活动的波形随即会连续呈现在呼吸机屏幕上[29]。但上述两种方式均为有创侵入性操作，且需要电极等专业的设备及人员，故未能在ICU广泛开展。

　　2.2 无创识别方法

　　2.2.1 呼吸机波形检测

　　呼吸机波形检测是目前国内外ICU中应用较广泛的方法，医护人员通过观察呼吸机屏幕显示的压力及流量波形分析、识别PVA的发生[30]。呼吸机波形识别PVA不仅操作方便，仅用肉眼直接观察即可，且经济适用，常被推荐作为床旁识别PVA的工具[5]。但多项研究证实，波形检测PVA的敏感性较差，仅为10%～28%，且医务人员利用波形检测PVA的水平参差不齐[31‐33]。Ramírez等[34]在20个国家及地区开展了一项识别PVA能力的横断面调查，包括医生、护士及呼吸机治疗师在内的471名医护人员参与了该项研究，结果发现仅有19.5%的医护人员能够正确识别5种分型的PVA，并且其识别水平受到机械通气知识培训、ICU床位数目等因素影响；另一项在美国17个城市的ICU中开展的调查发现，仅31.7%的医护人员能够应用波形正确识别PVA，而且其识别能力与工作经验及年限均不相关，仅受到培训影响[35]。虽然波形检测的灵敏度存在一定的局限性，但其方便、实用的优势仍是目前床旁检测PVA无可替代的工具，且通过对医护人员进行相关知识培训就可提高其判断水平，波形检测在医疗设施较差的地区仍具有广泛的开展空间。

　　2.2.2 基于信息技术的自动检测工具

　　西班牙的研究团队开发了一种用以持续获取、分析、记录机械通气中气道压力和流量变化的Better Care软件，并将其用于当地ICU的医疗健康信息系统，以膈肌电活动为标准，对8例病人的1 024次呼吸周期进行回顾分析，结果发现Better Care系统在识别机械通气期间的无效呼吸的敏感性为99.3%，特异性为90.8%,Kappa系数为76.3%[36]。目前，该工具已被西班牙、巴西等多个国家ICU应用，以检测当地PVA流行趋势，发现其预测效能良好[7,20,36]。Gutierrez等[37]对110例机械通气病人2 h内呼吸周期的气道压力和流量以呼吸机内置收集系统进行采样，并对这些数据进行编程制作频谱，通过频谱产生的时间窗压力与流量数据直观地计算AI值，结果显示其敏感性为84%。但该研究仅以专业人员的观察分析作为标准对其进行了测量，缺乏最佳参考标准。另外，有研究以呼吸机波形检测为模板建立了一种新型的机器软件检测系统，并对11例有创机械通气病人的波形进行了分析，结果发现该工具的敏感度为89%～97%，特异性为93%～99%[38]，但该软件同样缺乏与最佳标准的对照。鉴于当前大数据信息技术在预测ICU病人预后、识别机械通气模式中的成功应用，未来研究可考虑开发基于大数据与人工智能为基础的PVA识别工具，或将PVA数据纳入临床其他数据中创建新型报警系统；系统、规范地对ICU执业人员进行相关知识的培训，以增强医护人员判断PVA发生的及时准确性。

　　3 启示

　　3.1 加强护理人员对PVA的认知

　　既往人们对机械通气病人的关注较多集中于呼吸机相关性感染及肺损伤等并发症，而ICU护士多关注于病人病情观察及呼吸机的管路护理，忽略了在机械通气期间发生的PVA。但有研究发现，医护人员经培训后对PVA的正确识别可使病人机械通气时间缩短0.6 d[39]。因此，增强护士判断PVA的能力及对相关知识的掌握，对缩短病人机械通气时间、改善预后是必要的。

　　3.2 优化现有ICU病人PVA识别工具

　　目前，国内关于PVA的研究仅限于人机对抗较为狭窄的概念，对PVA的调查多以病人躁动不安、血氧饱和度下降等非特异性临床表现作为标准，其有效性尚待验证。鉴于国内各地区ICU结构的差异性，可根据临床实际与理论进展相结合，引进或开发适合的工具，如训练专业水准较高的波形检测人员，或将Better Care等先进的软件纳入当地的医疗卫生信息系统；或进一步开发基于临床决策支持系统兼具灵敏度与实用性的识别工具，为识别我国ICU病人的PVA提供依据。

　　3.3 积极开展PVA管理策略研究

　　国内一项研究显示，对COPD病人采取综合性护理干预策略可有效降低PVA的发生[40]。护理人员应采用适当的评估工具早期发现通气期间的PVA，并查找明确其原因，及时采取干预措施。

　　3.3.1 对新技术或护理措施的应用及开发

　　NAVA或成比例辅助通气等新发展的通气模式，由于直接受膈肌电动作的驱使触发病人呼吸中枢，可有效改善人机同步性与协调性[41]。护理人员应加强学习，使其在临床中得到有效应用。

　　3.3.2 针对机械通气病人的可控因素进行干预

　　护理人员应配合医生积极治疗病人的原发疾病，密切观察病情变化，及时通知医生调整呼吸机参数，如触发灵敏度或潮气量等；合理应用镇静剂，规范地评估病人镇静水平，避免过度镇静。及时检查呼吸机管路连接紧密性，倾倒积水，做好气道护理，调整导管插入位置，保证气囊密封良好，清除气道分泌物等。无创通气病人选择密闭性较好的鼻罩，防止漏气，此外还需积极实施心理护理及基础护理。

　　4 小结

　　PVA的频繁发生影响ICU病人的康复，降低了病人的生命质量，医护人员及时、准确地识别PVA成为降低PVA发生的有效策略。目前，国内对PVA领域的研究仍处于初级阶段，未来研究可借鉴国外灵敏度良好的识别方法，在满足医护人员实际需求的基础上开发符合我国国情的PVA评估工具，实施科学有效的管理策略；保证机械通气技术的治疗效果，提高病人的护理质量。

　　参考文献

　　[1]MAGILL S S,KLOMPAS M,BALK R,et al.Developing a new,national approach to surveillance for ventilator-associated events:executive summary[J].Clinical Infectious Diseases,2013,57(12):1742-1746.

　　[2]安慰.ICU机械通气患者VAP危险因素分析及集束化护理方案的应用研究[D].太原：山西中医药大学，2019.

　　[3]PETTENUZZO T,FAN E.2016 year in review:mechanical ventilation[J].Respir Care,2017,62(5):629-635.

　　[4]MAURI T,YOSHIDA T,BELLANI G,et al.Esophageal and transpulmonary pressure in the clinical setting:meaning,usefulness and perspectives[J].Intensive Care Med,2016,42(9):1360-1373.

　　[5]THILLE A W,RODRIGUEZ P,CABELLO B,et al.Patientventilator asynchrony during assisted mechanical ventilation[J].Intensive Care Medicine,2006,32(10):1515-1522.

　　[6]ROBINSON B R,BLAKEMAN T C,TOTH P,et al.Patientventilator asynchrony in a traumatically injured population[J].Res Piratory Care,2013,58(11):1847-1855.

　　[7]BLANCH L,VIUAGA A,SALES B,et al.Asynchronies during mechanical ventilation are associated with mortality[J].Intensive Care Medicine,2015,41(4):633-641.

　　[8]VIGNAUX L,FRÉDÉRIC VARGAS,ROESELER J,et al.Patient-ventilator asynchrony during non-invasive ventilation for acute respiratory failure:a multicenter study[J].Intensive Care Medicine,2009,35(5):840-846.

　　[9]MELLOTT K G,GRAP M J,MUNRO C L,et al.Patient ventilator asynchrony in critically ill adults:frequency and types[J].Heart&Lung the Journal of Acute&Critical Care,2014,43(3):231-243.

　　[10]屈文慧,徐万忠,张丽,等.无创正压通气不同压力水平对AECOPD人机同步性及呼吸参数的影响[J].宁夏医学杂志,2019,41(1):68-70.

　　[11]KIRBY R R.Improving ventilator-patient interaction:reduction of flow dyssynchrony[J].Crit Care Med,1997,25(10):1630

　　[12]SASSOON C S,FOSTER G T.Patient-ventilator asynchrony[J].Curr Opin Crit Care,2001,7:28e33.

　　[13]SUBIRÀC,DE HARO C,MAGRANS R,et al.Minimizing asynchronies in mechanical ventilation:current and future trends[J].Respiratory Care,2018,63(4):464-478.

　　[14]EPSTEIN S K.How often does patient-ventilator asynchrony occur and what are the consequences?[J].Respiratory Care,2011,56(1):25-38.

　　[15]GAROFALO E,BRUNI A,PELAIA C,et al.Recognizing,quantifying and managing patient-ventilator asynchrony in invasive and noninvasive ventilation[J].Expert Review of Respiratory Medicine,2018,12(7):557-567.

　　[16]TASSAUX D,MICHOTTE J B,GAINNIER M,et al.Expiratory trigger setting in pressure support ventilation:from mathematical model to bedside[J].Crit Care Med,2004,32(9):1844-1850.

　　[17]TOKIOKA H,TANAKA T,ISHIZU T,et al.The effect of breath termination criterion on breathing patterns and the work of breathing during pressure support ventilation[J].Anesth Analg,2001,92(1):161-165.

　　[18]DE WIT M,PEDRAM S,BEST A M,et al.Observational study of patient-ventilator asynchrony and relationship to sedation level[J].J Crit Care,2009,24(1):74-80.

　　[19]SOUSA M L D A,MAGRANS R,HAYASHI F K,et al.Predictors of asynchronies during assisted ventilation and its impact on clinical outcomes:the EPISYNC cohort study[J].Journal of Critical Care,2020,57:30-35.

　　[20]RAMSAY M.Patient ventilator asynchrony and sleep disruption during non-invasive ventilation[J].Journal of Thoracic Disease,2018,10(S1):S80-S85.

　　[21]NAVA S,BRUSCHI C,FRACCHIA C,et al.Patient-ventilator interaction and inspiratory effort during pressure support ventilation in patients with different pathologies[J].Eur Respir J,1997,10(1):177-183.

　　[22]BRANSON R D.Patient-ventilator interaction:the last 40 years[J].Respir Care,2011,56(1):15-24.

　　[23]CONTI G,RANIERI V M,COSTA R,et al.Effects of dexmedetomidine and propofol on patient-ventilator interaction in difficult-to-wean,mechanically ventilated patients:a prospective,open-label,randomised,multicentre study[J].Crit Care,2016,20(1):206.

　　[24]赵雨娟.呼吸衰竭患者机械通气时人机对抗的原因分析及防治措施[J].中国医药指南,2019,17(18):124-125.

　　[25]BERTRAND P M,FUTIER E,COISEL Y,et al.Neurally adjusted ventilator assist versus pressure support ventilation for noninvasive ventilation during acute respiratory failure:a cross-over physiological study[J].Chest,2013,143(1):30-36.

　　[26]黄道永,陈矛,林凯旋.机械通气患者人机对抗原因分析及处理策略[J].现代医院,2011,11(3):64-65.

　　[27]DOORDUIN J,HEES H,HOEVEN J,et al.Monitoring of the respiratory muscles in the criticallyⅢ[J].American Journal of Respiratory and Critical Care Medicine,2013,187(1):20-27.

　　[28]BROCHARD L.Measurement of esophageal pressure at bedside:Pros and cons[J].Current Opinion in Critical Care,2014,20(1):39-46.

　　[29]NAVALESI P,LONGHINI F.Neurally adjusted ventilatory assist[J].Curr Opin Crit Care,2015,21(1):58-64.

　　[30]DRES M,RITTAYAMAI N,BROCHARD L.Monitoring patientventilator asynchrony[J].Curr Opin Crit Care,2016,22(3):246-253.

　　[31]COLOMBO D,CAMMAROTA G,ALEMANI M,et al.Efficacy of ventilator waveforms,observation in detecting patient-ventilator asynchrony[J].Crit Care Med,2011,39(11):2452-2457.

　　[32]LONGHINI F,COLOMBO D,PISANI L,et al.Efficacy of ventilator waveform observation for detection of patient-ventilator asynchrony during NIV:a multicentre study[J].Er J Open Res,2017,3(4):00075-2017.

　　[33]RAMÍREZ I I,ADASME R S,ARELLANO D H,et al.Identifying and managing patient-ventilator asynchrony:an international survey[J].Med Intensiva,2019,45(3):1.

　　[34]RAMIREZ I I,ARELLANO D H,ADASME R S,et al.Ability of ICU health-care professionals to identify patient-ventilator asynchrony using waveform analysis[J].Respir Care,2017,62(2):144-149.

　　[35]BLANCH L,SALES B,MONTANYA J,et al.Validation of the better care system to detect ineffective efforts during expiration in mechanically ventilated patients:a pilot study[J].Intensive Care Medicine,2012,38(5):772-780.

　　[36]HARO C D,JOSEFINA L,MAGRANS R,et al.Double cycling during mechanical ventilation:frequency,mechanisms,and physiologic implications[J].Critical Care Medicine,2018,46(9):1385-1392.

　　[37]GUTIERREZ G,BALLARINO G J,TURKAN H,et al.Automatic detection of patient-ventilator asynchrony by spectral analysis of airway flow[J].Critical Care,2011,15(4):R167.

　　[38]GHOLAMI B,PHAN T S,HADDAD W M,et al.Replicating human expertise of mechanical ventilation waveform analysis in detecting patient-ventilator cycling asynchrony using machine learning[J].Computers in Biology and Medicine,2018,97:137-144.

　　[39]LYNCH-SMITH D,THOMPSON C L,PICKERING R G,et al.Education on patient-ventilator synchrony,clinicians knowledge level,and duration of mechanical ventilation[J].American Journal of Critical Care,2016,25(6):545-551.

　　[40]林伟芳.64例COPD患者无创呼吸机配合中减少人机对抗的护理[J].世界最新医学信息文摘,2019,19(19):222-223.

　　[41]范真,王晓龙.无创正压通气人机对抗的识别及防治进展[J].重庆医学,2019,48(22):3902-3905.