目的通过主动模拟肺(ASL5000)模拟吸气努力,评价肌肉压力指数(pressure muscle index,PMI)与反映吸气努力水平指标包括吸气肌肉呼吸做功比例(percent of inspiratory muscle work of breathing,WOBmus%)和吸气肌肉压力-时间积分比例(per...目的通过主动模拟肺(ASL5000)模拟吸气努力,评价肌肉压力指数(pressure muscle index,PMI)与反映吸气努力水平指标包括吸气肌肉呼吸做功比例(percent of inspiratory muscle work of breathing,WOBmus%)和吸气肌肉压力-时间积分比例(percent of inspiratory muscle pressure time product,PTPmus%)之间的相关性。方法基于ASL5000平台进行实验设计,模拟50个不同肺模型参数以及25个不同的压力支持(pressure support,PS)水平,共模拟1250例具有不同自主呼吸水平的患者。通过软件对采集到的流速、气道压和食道压-时间波形数据进行线下分析。使用Spearman相关性分析对PMI和WOBmus%、PTPmus%进行分析。结果不同PMI分组患者之间的PS水平、WOBmus%和PTPmus%差异均有统计学意义。并且随着PMI数值增加,PS水平以及驱动压力逐步下降,呼吸机做功也随之减小。PMI与WOBmus%的Spearman相关系数为0.874(P<0.001),PMI与PTPmus%的Spearman相关系数为0.875(P<0.001)。结论PMI与WOBmus%、PTPmus%之间具有良好相关性,PMI可能是指导PS水平设置的一种无创、有效的指标。关于PMI在不同临床情境下的适用性,及其指导PS水平设置的有效性,未来需要更多的研究进行调查。展开更多
目的 利用入住重症监护病房(intensive care unit, ICU)时的血压变异度(CV-MAP)及心率变异度(CV-HR)构建预测模型,预测ICU患者院内死亡的风险。方法 回顾性分析在美国重症监护医学信息数据库Ⅲ(medical information mart for intensive ...目的 利用入住重症监护病房(intensive care unit, ICU)时的血压变异度(CV-MAP)及心率变异度(CV-HR)构建预测模型,预测ICU患者院内死亡的风险。方法 回顾性分析在美国重症监护医学信息数据库Ⅲ(medical information mart for intensive care, MIMICⅢ)中年龄≥18岁,且首次入住ICU患者的临床资料。通过多因素Logistic分析筛选危险因素并构建评分系统,采用受试者工作特征(receiver operator characteristic, ROC)曲线和校准曲线评估模型区分度和校准度,采用临床决策曲线评估模型实际应用价值。结果 共筛选符合标准的患者38 824例,院内死亡患者4075例(住院病死率为10.5%)。从危险因素中选择年龄、是否合并肝脏疾病、是否合并血液系统恶性肿瘤、是否合并转移癌、住院类型、24 h心率变异系数、24 h血压变异系数、是否使用血管活性药、是否接受镇痛治疗、是否接受镇静治疗、是否接受有创机械通气构建简化预测模型。模型预测院内死亡的ROC曲线下面积(AUC)为0.743(95%CI 0.735~0.750,P<0.001),Hosmer-Lemeshow检验χ^(2)=4.978,P=0.083。使用Bootstrap法进行1000次重复采样进行内部验证,校正曲线判断预测值与实际值一致性较好。决策曲线分析提示,在高阈值风险0.1~0.6时,预测模型具有较高的实用价值。结论 基于CV-MAP及CV-HR建立ICU患者院内死亡风险预测模型具有较好的临床预测价值,有助于识别高危患者。展开更多
目的探讨平均动脉压(mean arterial pressure,MAP)变异度与重症患者的重症医学科(intensive care unit,ICU)病死率之间的关系。方法回顾性分析重症监护医学信息数据库(Medical Information Mart for Intensive Care,MIMIC)-Ⅲ中38852例...目的探讨平均动脉压(mean arterial pressure,MAP)变异度与重症患者的重症医学科(intensive care unit,ICU)病死率之间的关系。方法回顾性分析重症监护医学信息数据库(Medical Information Mart for Intensive Care,MIMIC)-Ⅲ中38852例入ICU的重症患者的临床资料,计算入ICU后24 h内记录的MAP的变异系数作为MAP变异度,采用一般线性回归观察入ICU 24 h内MAP变异度与重症患者ICU病死率之间的相关性,并采用受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under curve,AUC)评估MAP变异度预测重症患者ICU病死率的能力。结果入ICU 24 h的MAP变异度与ICU病死率之间有很好的相关性(R2=0.860,P<0.001),MAP变异度越大,ICU病死率越高。24h的MAP变异程度预测ICU病死率的AUC为0.61。结论重症患者入ICU 24 h内的MAP变异度与ICU病死率有很好的相关性,MAP变异度越大,ICU病死率越高;MAP变异度能够为简单快速预测危重患者的ICU病死率提供一定的信息。展开更多
目的探讨神经重症患者静脉血栓栓塞(venousthromboembolism,VTE)的发生率,并分析VTE相关的危险因素及其对住院结局的影响。方法基于电子病历系统数据回顾性分析2019年10月-2020年9月首都医科大学附属北京天坛医院的神经重症患者,根据患...目的探讨神经重症患者静脉血栓栓塞(venousthromboembolism,VTE)的发生率,并分析VTE相关的危险因素及其对住院结局的影响。方法基于电子病历系统数据回顾性分析2019年10月-2020年9月首都医科大学附属北京天坛医院的神经重症患者,根据患者住ICU期间是否发生VTE分为VTE组和无VTE组,计算VTE的发生率,通过多因素logistic回归分析神经重症患者VTE的危险因素,并比较两组间死亡率、住ICU时间、住院时间及住院费用的差异。结果共纳入神经重症患者723例,年龄中位数52岁,男性383例(53.0%),其中330例(45.6%)患者发生VTE。多因素logistic回归分析结果显示,年龄(OR 1.078,95%CI 1.053~1.104)、BMI(OR 1.082,95%CI1.013~1.156)和D-二聚体水平(OR 1.042,95%CI 1.006~1.079)升高是发生VTE的独立危险因素。两组死亡率无统计学差异(4.8%vs 3.6%,P=0.388),VTE组住院天数(21 d vs 18 d)、住ICU天数(8 d vs 5 d)及住院费用(121358元vs 93717元)较无VTE组增加(均P<0.001)。结论神经重症患者VTE的发生率为45.6%,年龄、BMI和D-二聚体水平升高是其独立危险因素。发生VTE可延长患者住院时间、住ICU时间,增加患者住院费用。展开更多
文摘目的通过主动模拟肺(ASL5000)模拟吸气努力,评价肌肉压力指数(pressure muscle index,PMI)与反映吸气努力水平指标包括吸气肌肉呼吸做功比例(percent of inspiratory muscle work of breathing,WOBmus%)和吸气肌肉压力-时间积分比例(percent of inspiratory muscle pressure time product,PTPmus%)之间的相关性。方法基于ASL5000平台进行实验设计,模拟50个不同肺模型参数以及25个不同的压力支持(pressure support,PS)水平,共模拟1250例具有不同自主呼吸水平的患者。通过软件对采集到的流速、气道压和食道压-时间波形数据进行线下分析。使用Spearman相关性分析对PMI和WOBmus%、PTPmus%进行分析。结果不同PMI分组患者之间的PS水平、WOBmus%和PTPmus%差异均有统计学意义。并且随着PMI数值增加,PS水平以及驱动压力逐步下降,呼吸机做功也随之减小。PMI与WOBmus%的Spearman相关系数为0.874(P<0.001),PMI与PTPmus%的Spearman相关系数为0.875(P<0.001)。结论PMI与WOBmus%、PTPmus%之间具有良好相关性,PMI可能是指导PS水平设置的一种无创、有效的指标。关于PMI在不同临床情境下的适用性,及其指导PS水平设置的有效性,未来需要更多的研究进行调查。
文摘目的 利用入住重症监护病房(intensive care unit, ICU)时的血压变异度(CV-MAP)及心率变异度(CV-HR)构建预测模型,预测ICU患者院内死亡的风险。方法 回顾性分析在美国重症监护医学信息数据库Ⅲ(medical information mart for intensive care, MIMICⅢ)中年龄≥18岁,且首次入住ICU患者的临床资料。通过多因素Logistic分析筛选危险因素并构建评分系统,采用受试者工作特征(receiver operator characteristic, ROC)曲线和校准曲线评估模型区分度和校准度,采用临床决策曲线评估模型实际应用价值。结果 共筛选符合标准的患者38 824例,院内死亡患者4075例(住院病死率为10.5%)。从危险因素中选择年龄、是否合并肝脏疾病、是否合并血液系统恶性肿瘤、是否合并转移癌、住院类型、24 h心率变异系数、24 h血压变异系数、是否使用血管活性药、是否接受镇痛治疗、是否接受镇静治疗、是否接受有创机械通气构建简化预测模型。模型预测院内死亡的ROC曲线下面积(AUC)为0.743(95%CI 0.735~0.750,P<0.001),Hosmer-Lemeshow检验χ^(2)=4.978,P=0.083。使用Bootstrap法进行1000次重复采样进行内部验证,校正曲线判断预测值与实际值一致性较好。决策曲线分析提示,在高阈值风险0.1~0.6时,预测模型具有较高的实用价值。结论 基于CV-MAP及CV-HR建立ICU患者院内死亡风险预测模型具有较好的临床预测价值,有助于识别高危患者。
文摘目的探讨平均动脉压(mean arterial pressure,MAP)变异度与重症患者的重症医学科(intensive care unit,ICU)病死率之间的关系。方法回顾性分析重症监护医学信息数据库(Medical Information Mart for Intensive Care,MIMIC)-Ⅲ中38852例入ICU的重症患者的临床资料,计算入ICU后24 h内记录的MAP的变异系数作为MAP变异度,采用一般线性回归观察入ICU 24 h内MAP变异度与重症患者ICU病死率之间的相关性,并采用受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under curve,AUC)评估MAP变异度预测重症患者ICU病死率的能力。结果入ICU 24 h的MAP变异度与ICU病死率之间有很好的相关性(R2=0.860,P<0.001),MAP变异度越大,ICU病死率越高。24h的MAP变异程度预测ICU病死率的AUC为0.61。结论重症患者入ICU 24 h内的MAP变异度与ICU病死率有很好的相关性,MAP变异度越大,ICU病死率越高;MAP变异度能够为简单快速预测危重患者的ICU病死率提供一定的信息。
文摘目的探讨神经重症患者静脉血栓栓塞(venousthromboembolism,VTE)的发生率,并分析VTE相关的危险因素及其对住院结局的影响。方法基于电子病历系统数据回顾性分析2019年10月-2020年9月首都医科大学附属北京天坛医院的神经重症患者,根据患者住ICU期间是否发生VTE分为VTE组和无VTE组,计算VTE的发生率,通过多因素logistic回归分析神经重症患者VTE的危险因素,并比较两组间死亡率、住ICU时间、住院时间及住院费用的差异。结果共纳入神经重症患者723例,年龄中位数52岁,男性383例(53.0%),其中330例(45.6%)患者发生VTE。多因素logistic回归分析结果显示,年龄(OR 1.078,95%CI 1.053~1.104)、BMI(OR 1.082,95%CI1.013~1.156)和D-二聚体水平(OR 1.042,95%CI 1.006~1.079)升高是发生VTE的独立危险因素。两组死亡率无统计学差异(4.8%vs 3.6%,P=0.388),VTE组住院天数(21 d vs 18 d)、住ICU天数(8 d vs 5 d)及住院费用(121358元vs 93717元)较无VTE组增加(均P<0.001)。结论神经重症患者VTE的发生率为45.6%,年龄、BMI和D-二聚体水平升高是其独立危险因素。发生VTE可延长患者住院时间、住ICU时间,增加患者住院费用。
