Valeur prédictive du débit sanguin gastro-intestinal pour l'intolérance à la nutrition entérale chez les patients en état critique

La nutrition entérale (EN) est la voie privilégiée de support nutritionnel pour les patients gravement malades. Cependant, la survenue d'une intolérance à la nutrition entérale (ENI) limite souvent son efficacité et interrompt l'apport nutritionnel. Les méthodes d'évaluation clinique actuelles et les modèles prédictifs existants pour l'ENI reposent principalement sur des indicateurs subjectifs ou retardés. Le fonctionnement normal du tractus gastro-intestinal dépend fortement d'une perfusion sanguine adéquate et d'un retour veineux non obstrué, mais les recherches actuelles ne prêtent pas suffisamment attention à l'état du flux sanguin gastro-intestinal. L'échographie au point d'intervention (POCUS), grâce à sa nature dynamique et visuelle, peut être utilisée pour évaluer objectivement ces indicateurs gastro-intestinaux.

Cette étude est conçue comme une étude de cohorte observationnelle prospective impliquant l'Hôpital Ruijin affilié à l'École de Médecine de l'Université Jiao Tong de Shanghai. Les chercheurs effectueront des évaluations échographiques au chevet à quatre moments spécifiques : à l'admission en soins intensifs, et au jour 1, jour 4 et jour 7 de la nutrition entérale. Les évaluations échographiques mesureront divers paramètres hémodynamiques, notamment le diamètre, la vitesse maximale moyenne dans le temps, le flux sanguin, et les scores VExUS des principaux vaisseaux tels que l'artère cœliaque (CA), l'artère mésentérique supérieure (SMA), la veine cave inférieure (IVC), la veine hépatique (HV) et la veine porte (PV).

L'objectif ultime de cette étude est d'utiliser des algorithmes d'apprentissage automatique pour construire et comparer trois modèles prédictifs : un modèle d'indicateurs cliniques, un modèle de paramètres de flux sanguin, et un modèle combiné clinique-flux sanguin. Ce faisant, l'étude explorera la valeur prédictive indépendante du flux sanguin gastro-intestinal pour l'ENI et ses symptômes chez les patients gravement malades, évaluera la valeur ajoutée de l'intégration des paramètres de flux sanguin aux modèles de prédiction, et validera les modèles en utilisant un jeu de données externe.