基于机器学习EIT-pendelluft的机械通气急性呼吸衰竭患者脱机困难评估研究：多中心回顾性研究。

有创机械通气（IMV）是 ICU 常用的辅助呼吸、促进气体交换的方法。 当患者病情好转时，应启动撤机过程（WP）。 撤机过程中存在失败的风险，特别是对于长期入住 ICU 的老年患者或患有呼吸系统或神经肌肉疾病的患者。 因此，在开始该过程之前准确评估成功脱机的可能性具有重要的临床意义。

撤机过程包括逐步降低通气支持强度、持续控制呼吸衰竭、恢复氧指数、降低吸入氧浓度、改善各项实验室指标以及客观的临床评估。 断奶一般分为三种类型：简单断奶、困难断奶和延迟断奶。 成功脱机的定义是患者在没有呼吸支持的情况下呼吸48小时且没有呼吸衰竭的迹象。 如果患者自主呼吸试验（SBT）失败并需要在48小时内重新插管或在48小时内死亡，则被视为脱机失败。 成功拔管的定义是断奶后无需 IMV 即可稳定呼吸 48 小时或更长时间。 与患者的一般状况、相关疾病的控制情况、通气血流比、咳嗽排痰能力、肺顺应性、膈肌功能等多种因素有关。 及时评估这些因素对于确定最佳撤机时机至关重要，从而避免过早撤机或不必要地延长 IMV，从而减少并发症并防止不良临床结果。 最近的研究发现了新的预测因素，但其预测性能并不令人满意。 在临床实践中已经尝试了各种方法来预测成功脱机，例如使用压力支持通气或 T 形管进行 SBT。 然而，影响脱机成功的因素有很多，其中一些因素尚未得到充分考虑，已发表的临床研究也未取得令人满意的结果。 目前，使用最广泛的SBT试验的失败率仍约为20%。

本研究打算应用可在床边使用的电阻抗断层扫描（EIT）作为一种非辐射、实时监测和诊断工具。 目前广泛用于监测局部肺通气分布、肺容量和呼吸机械特征，帮助临床医生在床边更准确地观察肺通气和肺容量的真实变化。 本研究旨在通过EIT监测患者的呼吸振荡，阐明其与困难的相关性，并将其作为评估严重急性呼吸衰竭患者脱机成功率的便捷、实用、有效的新预测因素。