Utvikling av en multimodal indeks for å forbedre den prediktive verdien av suksess ved avvenning fra mekanisk ventilasjon

Avvenning fra mekanisk ventilasjon (MV) er en kompleks prosess der pasienter frigjøres fra respiratoren. Langvarig avvenning og avvenningssvikt, definert som behov for reintubasjon, har ulike uheldige effekter, inkludert forlengelse av MV, intensivavdeling (ICU) og sykehusopphold, og er også assosiert med økt forekomst av respiratorassosiert lungebetennelse og høy dødelighet. Frekvensen av avvenningsfeil er høy, selv når de klassiske ekstuberingskriteriene er oppfylt, så det er nødvendig å forbedre skårene som gjør det mulig å forutsi og bestemme den ideelle tiden for MV-uttak.

Målet med denne studien er å designe en ny multimodal indeks for å forutsi og optimalisere avvenningsresultater på en personlig måte, basert på bruk og tolkning av data hentet fra kontinuerlig overvåking av kritisk syke pasienter. Den nye multimodale indeksen vil, i tillegg til klassiske respirasjonsparametre, inkludere parametere knyttet til pasient-ventilator-interaksjon (asynkronier), diafragmatisk funksjon, kardiovaskulær status og funksjon av autonomt nervesystem (ANS).

Etterforskerne har designet en prospektiv observasjonsstudie som vil inkludere 126 kritiske pasienter fra en medisinsk-kirurgisk intensivavdeling som oppfyller de klassiske kriteriene for avvenning. Håndteringen av pasientene, samt avvenningsprosessen, vil bli utført etter vanlig protokoll. I tillegg til de klassiske avvenningsprediktordataene, vil data om pasient-ventilator-interaksjonen og funksjonen til det autonome nervesystemet samles inn ved hjelp av spesifikk programvare (BetterCare). Kardiovaskulær og diafragmatisk funksjon vil bli evaluert ved hjelp av ultralyd. Basert på den avanserte analysen av data fra ulike enheter samlet gjennom den mekaniske ventilasjonsperioden, vil det bli utformet en "personlig" avvenningsskåre som skal forbedre nøyaktigheten av beslutningsprosessen og derfor redusere sykelighet og dødelighet. Ytterligere fordeler vil omfatte å redusere helsekostnader uten å øke uønskede hendelser.