A lélegeztetési stratégiák optimalizálása pozitív légzési egész mérések használatával (OPTIMVSPRIME)

• Bevezetés és indoklás

Az időszakos pozitív nyomású lélegeztetés (IPPV) szinte minden általános érzéstelenítésben szenvedő betegnél szükséges. Elismert tény, hogy az IPPV nem fiziológiás légzési mód, és helytelenül bevezetve súlyos szövődményeket okozhat. 1 Az IPPV ismert szövődményei közé tartozik (de nem kizárólagosan) a deszaturáció, az atelektázia és a baro-/volutrauma.

Számos tanulmány próbálta meghatározni a lélegeztetési paraméterek optimális beállításait az IPPV során. 2 Jelenleg azonban nem ismert, hogy a specifikus lélegeztetési paraméterkészletek alkalmazása összefüggésben van-e az általános érzéstelenítésben végzett beavatkozások javulásával.

Az IPPV-t általában olyan paraméterek segítségével vezetik be, amelyek meghatározzák a légzési jellemzőket, köztük a csúcs belégzési nyomást (PIP), a pozitív végkilégzési nyomást (PEEP), a platói nyomást (PlatP) és a belélegzett oxigén frakcióját (FiO2). 3 Ezen paraméterek beállítása lehetővé teszi a klinikus számára, hogy optimalizálja a páciens mesterséges lélegeztetésének mechanikai jellemzőit.

Az IPPV ciklikusan változtatja az intrathoracalis nyomást. A nyomás belégzéskor nő, kilégzéskor csökken. Az IPPV által okozott megnövekedett intrathoracalis nyomás hemodinamikai paraméterekre gyakorolt ​​hatása jól ismert, és az aneszteziológusok által használt egyik tényező az IPPV bevezetésekor. Az IPPV-nyomások növelhetik vagy csökkenthetik a hemodinamikai paramétereket, például a szív előterhelését és a bal kamra falának feszültségét, így nemcsak az oxigénellátást és a dekarbonizációt, hanem a perctérfogatot, a szívizom oxigénfogyasztását és a közvetlen agyi oxigenizációt is befolyásolják. A légzés és a keringés közötti kapcsolat összetett dinamikát mutat, és ennek megértése segíthet előmozdítani a természetesebb és fiziológiásabb légzési mintákat, ami javítja az oxigénellátást és csökkenti a légzési nehézséget.

A pozitív lélegeztetőnyomások hemodinamikai faktorokra gyakorolt ​​közvetlen hatásán túlmenően mind az IPPV, mind a hemodinamikai faktorok ciklikusságát figyelembe kell venni az IPPV és a beteg kimenetel közötti kapcsolat vizsgálata során. Ha a légzési nyomás változása egybeesik a kapcsolódó fiziológiai jelenségekkel, minden ciklus additív hatást gyakorolhat mindkét paraméterre. Ezenkívül az egybeeső fiziológiai ciklusok „légzéselvonódáshoz” vezethetnek, ahol a lélegeztetőgép által kiváltott légzés aszinkronizálódik a páciens belső légzési ritmusával, ami hatástalan lélegeztetéshez és a tüdősérülés kockázatának növekedéséhez vezet. Ezenkívül a légúti elzáródás csökkentése segíthet csökkenteni a mechanikai fáradtság és a tüdőszövet stresszének valószínűségét, mivel elkerüli a légzőrendszer ismétlődő vagy időszakos megterhelését. A matematikailag azonosított egész számkészletek lélegeztetési paraméterek beállításaként való használata csökkentheti a légzési ciklusok és az ismétlődő élettani jelenségek egybeesését. Ezenkívül a lélegeztetőgép paramétereiben használható optimális egész halmazok matematikai azonosításának szerepe segíthet megtalálni az optimális beállításokat az időszakos pozitív nyomású lélegeztetés okozta komplikációk csökkentésére.

Kutatási kérdés A matematikailag azonosítható egész számú lélegeztetőgép-paraméterkészletek használata és a betegek kimenetele közötti kapcsolat meghatározása

MÓDSZER Leírás tanulmányterv

Ez egy retrospektív adatbázis-tanulmány. 2018. 01. 01. és 2023. 04. 01. között az UMCG-ben általános érzéstelenítésben IPPV-vel végzett beavatkozáson átesett felnőtt betegek összes esetéről adatbázis-keresést végeznek. A kutatók csak a meglévő betegadat-nyilvántartásokból használnak fel anonimizált adatokat.

Ez a tanulmány a lélegeztetőgép beállítási paramétereinek matematikailag azonosítható egész számú halmazának kapcsolatát vizsgálja általános érzéstelenítésben IPPV-vel végzett műtét során. Az adatokat az Elektronikus Betegadatbázisból kinyerjük, és minden adatot anonim módon kezelünk.

A paraméter egész halmazait valószínűségi (vagy Monte Carlo) algoritmusok és szitamódszerek segítségével azonosítjuk. A nem többtényezős és többtényezős halmazokat összehasonlítja, és csak a nem negatív egész számokat veszi figyelembe az elemzésben

Egyváltozós, többváltozós regressziós módszereket és vegyes modell elemzéseket alkalmaznak, ahol szükséges, annak meghatározására, hogy az általános érzéstelenítésben és IPPV-ben végzett műtét során a lélegeztetési paraméterek beállításaiban mely egész számok kapcsolódnak a beteg kimeneteléhez, például az SpO2-hoz és a FiO2/SpO2-arányhoz.