Wartość prognostyczna przepływu krwi w przewodzie pokarmowym dla nietolerancji żywienia dojelitowego u pacjentów w stanie krytycznym

Żywienie dojelitowe (EN) jest preferowaną drogą wsparcia żywieniowego dla pacjentów w stanie krytycznym. Jednakże wystąpienie nietolerancji żywienia dojelitowego (ENI) często ogranicza jego skuteczność i przerywa dostarczanie składników odżywczych. Obecne metody oceny klinicznej i istniejące modele predykcyjne ENI w większości opierają się na subiektywnych lub opóźnionych wskaźnikach. Prawidłowa funkcja przewodu pokarmowego jest w dużym stopniu zależna od odpowiedniej perfuzji krwi i niezakłóconego powrotu żylnego, jednak obecne badania poświęcają niewystarczającą uwagę stanowi przepływu krwi w przewodzie pokarmowym. Ultrasonografia przyłóżkowa (POCUS), ze względu na swój dynamiczny i wizualny charakter, może być wykorzystana do obiektywnej oceny tych wskaźników przewodu pokarmowego.

To badanie zostało zaprojektowane jako prospektywne obserwacyjne badanie kohortowe obejmujące Szpital Ruijin afiliowany przy Szkole Medycznej Uniwersytetu Jiao Tong w Szanghaju. Badacze przeprowadzą przyłóżkowe oceny ultrasonograficzne w czterech określonych punktach czasowych: przy przyjęciu na OIT oraz w 1., 4. i 7. dniu żywienia dojelitowego. Oceny ultrasonograficzne będą mierzyć różne parametry hemodynamiczne, w tym średnicę, uśrednioną w czasie maksymalną prędkość, przepływ krwi oraz wyniki VExUS głównych naczyń, takich jak tętnica trzewna (CA), tętnica krezkowa górna (SMA), żyła główna dolna (IVC), żyła wątrobowa (HV) i żyła wrotna (PV).

Ostatecznym celem tego badania jest wykorzystanie algorytmów uczenia maszynowego do skonstruowania i porównania trzech modeli predykcyjnych: modelu wskaźników klinicznych, modelu parametrów przepływu krwi oraz połączonego modelu kliniczno-przepływowego. W ten sposób badanie zbada niezależną wartość predykcyjną przepływu krwi w przewodzie pokarmowym dla ENI i jego objawów u pacjentów w stanie krytycznym, oceni wartość dodaną parametrów przepływu krwi do modeli predykcyjnych oraz zweryfikuje modele przy użyciu zewnętrznego zbioru danych.