登录方式

方式一:
PC端网页:www.rccrc.cn
输入账号密码登录,可将此网址收藏并保存密码方便下次登录

方式二:
手机端网页:www.rccrc.cn
输入账号密码登录,可将此网址添加至手机桌面并保存密码方便下次登录

方式三:
【重症肺言】微信公众号
输入账号密码登录

注:账号具有唯一性,即同一个账号不能在两个地方同时登录。

登录
方式

为重症救治赋能

为患者康复加速

当前位置: 首页 呼吸e站 经典推荐

困难气道预测模型的研究进展

发布于2024-04-16 浏览 1276 收藏

作者:谭莉,杨相梅

单位:重庆医科大学附属第一医院呼吸与危重症医学科

来源:中国呼吸与危重监护杂志》2024年第23卷第1期
困难气道是临床麻醉、重症监护、急诊救治均可面临的难题之一,未能及时预料到的困难气道极有可能因为无法迅速建立有效的气道通路而引发患者出现严重的低氧血症,进而造成不可逆的脑损伤或死亡。国内外研究发现困难气道的发生率为0.5%~10%,而气道评估不充分或判断错误是造成这一状况的原因之一。困难气道虽具有潜在威胁性,但研究表明25%的困难气道可以通过术前识别以减少或规避风险。因此,麻醉前进行全面且规范的气道评估是有效管理困难气道的前提,但目前其评估标准尚未统一,且众多单因素评估预测价值有限,而预测模型与其相比对潜在困难气道的识别更具预测价值。鉴于此,本文就近年来国内外困难气道预测模型的研究进展进行综述,以期为临床困难气道评估提供参考。

一、困难气道的定义

图片

困难气道是指经过临床麻醉培训的医生经历的预期或非预期的气道管理困难或失败的临床情况。在国内外不同的研究中,困难气道的发生率为0.5%~10%,喉镜声门暴露困难的发生率为1.5%~13.0%,气管插管困难的发生率为1.9%~10%。如伴有小颌畸形、面部创伤、颈椎损伤等特殊情况时,困难气道的发生率将上升至14.9%。虽然随着医疗设备和气管插管技术的不断发展进步,困难气道发生率已逐步降低,但如术前未准确评估气道,仍可能会导致无法插管、无法氧合的局面。

二、困难气道的单因素预测

图片

病史和一般体格检查是困难气道最基本的评估,包括床旁气道评估指标:张口度、上唇咬合试验、头颈活动度、甲颏间距、身高舌颏间距比、改良Mallampati分级等。然而困难气道不是由单一解剖因素决定的,且研究证明其预测价值有限,缺乏困难气道评估所需的敏感性和特异性,所以单独使用时预测效果不佳。因此,指南建议结合多指标综合判断患者出现困难气道的风险,以提高困难气道预测精准度,旨在通过早期识别困难气道,为插管前准备充足的人力资源和辅助设备,以减少因未预测到的困难气道而导致严重并发症或死亡。

三、困难气道的预测模型

图片
1. 评分预测模型
困难气道评分预测模型是多个高预测性指标综合的评分体系,目前预测性较好、使用较为广泛的有:LEMON评分法、SARI评分法、Wilson评分法、MACOCHA评分法和Arme评分法等。
(1)LEMON评分法:LEMON评分是美国急诊医学会于2004年提出,主要适用于急诊或创伤患者的气道评估。该评分体系包括颌面部观察、3-3-2评估法、Mallampati分级、呼吸道梗阻、颈部活动度5个方面,总分0~10分,评分≥2分提示插管困难。杨芳芳等评估1528例患者后发现LEMON评分最佳截点值为5分时预测困难气管插管的敏感性和特异性最佳,分别为81%、92.3%,受试者操作特征曲线下面积(area under ROC curve,AUC)值达0.934,而当截点值调整到4分,预测困难喉镜暴露的敏感性为88.7%,特异性为74.8%,AUC值达0.884,认为其具有较高的预测价值,可有效应用于我国困难气道患者的评估。Dai等日对中国急诊插管情况进行了一项多中心调查,结果表明改良LEMON法(包括颌面部观察、3-3-2评估法、呼吸道梗阻、颈部活动度4个方面)对困难气道的预测敏感性为71%,特异性为79%,AUC值达0.75,有一定的预测价值,但由于进行困难气道评估的医生经验和资历参差不齐,因此可能存在预测价值被低估的情况。
LEMON评分法中Mallampati分级的评估需要患者保持坐位,最大程度张嘴伸舌,而急诊气道紧急且具有不可预见性,需气管插管者多为危重症或意识障碍而无法配合,所以Yusuke等学者建议在急诊困难气道评估时使用改良LEMON法,在具有高敏感性和特异性的同时,快速易执行,且接受性好。
(2)SARI评分法:SARI评分法是由El-Ganzouri等于1996年对10507例患者进行前瞻性评估后构建的预测模型,包括张口度、甲颏距离、Mallampati分级、颈部活动度、下颌前移能力、体重、既往是否有困难插管史7个变量。总分0~12分,每个变量赋0~1或0~2分。徐建玲等验证后表明SARI评分>3分时,预测困难气管插管的敏感性和特异性最高,分别为80.56%、86.39%,AUC值为0.91:SARI评分>2分,预测困难喉镜暴露的敏感性和特异性达到92.47%和68.93%,AUC值达0.90,证明SARI评分对困难气管插管和困难喉镜暴露的预测有较好的效果。Corrente等在SARI评分中新增了颈围这一变量形成了EL.GA+评分,研究证明该评分法敏感性为80%,特异性为87%,可以大大提高轻度肥胖患者气管插管困难的预测性能,有效用于术前评估。
SARI评分是从大样本中开发出来的,预测变量更为全面。且Corso等发现SARI评分不仅对困难气管插管有较好的敏感性,同时对面罩通气困难也有一定的预测价值。但该评分单纯以“体重”作为预测变量之一而未考虑身高影响,且直接测量甲颏距离误差较大,所以在评级标准中出现了不贴合中国患者解剖生理的情况。
(3)Wilson评分法:Wilson评分是目前较常用于评估困难气管插管的工具,其中包括体重、头颈活动度、下颌活动度、下颌退缩、门齿前突5个变量。每个变量分别赋0、1或2分,总分10分,分数越高,困难气管插管的可能性越大。王茗芳等评估了1544例患者证明其预测价值,Wilson评分在预测困难气管插管时的敏感性、特异性分别为94.6%、76.6%,AUC值达到0.91。Siddiqui等将Wilson评分与Mallampati分级联合对肥胖手术患者进行评估,其预测喉镜暴露困难和气管插管困难的敏感性、特异性分别为75%、98.8%、92.9%、95.0%,证明Mallampati分级和Wilson联合评分在肥胖患者的初始诊断中具有一定程度的准确性。
Wilson评分虽应用最为广泛,但也存在争议,比如将体重作为单独预测因素,而未考虑身高的影响,这与SARI评分存在的问题相似。其次是下颌活动度中张口度和下齿前移共同作用时预测性不高,在评价下颌退缩程度和门齿前突程度时主观性强,一定程度上会影响Wilson评分的预测性能。
(4)MACOCHA评分法:MACOCHA评分法是2013年De Jong等前瞻性收集1000例重症医学科插管数据开发制定的一个简化困难插管评分体系,是唯一经过验证的危重患者气道评估工具,也是危重患者喉镜管理指南所推荐的评估方法。因ICU患者病情危重多变的特点,MACOCHA评分将其评估标准分为了3部分,患者自身因素(Mallampati分级Ⅲ或Ⅳ、阻塞性睡眠呼吸暂停、颈椎活动受限、张口受限),病理生理因素(昏迷、严重低氧血症<80%),操作者因素(非麻醉医生操作),总分0~12分,每个因素分别赋值1、2、或5分,≥3分预测危重患者插管困难。该评估方法内部验证敏感性、特异性分别为76%、90%,AUC值达0.89,外部验证时,其敏感性、特异性分别为73%、89%,AUC值为0.86。因此,可以通过MACOCHA评分为危重患者提供标准化评估,以早期识别存在困难插管风险的患者。但由于MACOCHA评分针对性强,主要适用于危重症患者,因此评估对象较为局限。
(5)Arne评分法:Arne评分是1988年Arne等所筛选出的评分量表,其中包括气道疾病、困难插管史、难插管相关疾病、张口度和颞颌关节活动度、甲颏距离、头颈活动度、改良Mallampati分级,总计48分,总分>11分提示存在困难气道。Arne等验证该评分在预测普通外科手术患者的敏感性和特异性极高,分别为94%、96%。但经黎淑芳等验证发现其敏感性、特异性仅为42.86%、90.91%,明显低于Arne的研究结果,考虑可能预测指标中甲颏距离在女性患者中不完全适用的原因。因此,靳浩等将Arne系统中原有的甲颏距离替换为身高甲颏距离比,并去掉困难插管相关疾病、颞颌关节活动度头、颈活动度3项指标后,研究发现新系统的灵敏性、特异性分别为85.8%、70.8%,与Naguib等研究结果相似,可较准确地评估困难气道。
2. 超声预测模型
超声、CT、X线、MRI也有预测困难气道的能力,]i等采用荟萃分析评估影像学方法对成人困难气道患者的诊断准确性,证明了CT、X线与超声的诊断价值相近,均可提高预测困难气道的敏感性和特异性,但由于其检查价格高昂、操作时间较长、有辐射、不能便携的特点更多地应用于已预测到可能发生困难气道的术前评估。而超声作为一种方便、无创的方法广泛应用于气道成像领域,因此在新版指南中超声被推荐用于困难气道的术前评估。
(1)皮肤到会厌的距离:会厌在超声下呈现低回声条状结构。Wang等通过7项颈部超声测量麻醉诱导前后上呼吸道的变化,发现皮肤到会厌距离的截断值为2.125 cm时,对困难气道的预测效果较好,敏感性80.0%,特异性83.8%。Ni等同样对患者进行术前超声气道评估,发现于旁矢状位测量的皮肤到会厌距离≥2.36 cm时,其敏感性、特异性分别为0.818、0.856,AUC值为0.829,是困难气道的有效预测指标。但当联合性别、体重指数、改良Mallampati分级生理预测指标进行评估后,敏感性、特异性分别为90.9%、90.4%,AUC值达0.9328,形成了一个更优的预测模型。
(2)皮肤到舌骨的距离:舌骨在超声下呈弧形条状高信号,易于发现。Agarwal等通过对1043例患者进行多参数超声评估后证实了皮肤到舌骨距离的预测效果,当截断值>1.4 cm时,敏感性为81%,特异性为85.2%,AUC值达0.898。Xu同样也结合超声测量的多个参数,建立舌厚>61 mm、下颌活动度≤10 mm、舌骨距≤51 mm的超声模型,对1000例患者进行了前瞻性队列研究,证明超声模型预测困难气管插管的敏感性、特异性达0.85、0.81,AUC值达0.89。与张口试验、改良Mallampati分级相比,预测效果更优,准确度更高。
(3)舌体厚度:舌体厚度是用超声测量整个舌廓并识别最厚点。Yao等证明舌体厚度>6.1 cm是气管插管困难的独立预测因素,舌厚与甲颏距离之比增加到>0.87 cm时,则敏感性增大到0.84,特异性增大至0.79,AUC值可达到0.86。此外,郑镇伟等研究了超声测量舌体厚度对小儿困难喉镜显露的预测效果,结果显示舌体厚度>4.5 cm时,对5~8岁患儿有较高的敏感性,但特异性较低,分别是100%、56.6%。而复合指标舌体厚度/甲颏距离比值>0.86时,预测5~8岁患儿困难喉镜显露的AUC值为0.92,该比值>0.94时预测9~12岁患儿困难喉镜显露的AUC值为0.85,其预测效果比同年龄组所有预测指标都高。
3. 内镜、3D打印技术预测模型

床旁内镜可直接观察到口咽及喉部情况。Gemma等发现当与常规床旁评估指标相结合时,在舌突期间进行内镜检查可提高对困难气管插管的预测性。3D打印技术也逐步应用于术前气道评估。Chen等分别在正常气道和困难气道中构建三维模型,发现正常气道无论是仰卧位还是最大伸展位上呼吸道填充体积都大于困难气道,且困难气道在体位变化时,填充体积变幅率为25%,这在一定程度上说明了体位改变对困难气道的影响,同时反向验证了3D打印技术的精准可靠性,能够更好地识别困难气道的形态学变化,为评估气道插管时的潜在困难提供更准确、可靠的量化依据。

四、总结与展望

图片
理想的困难气道评估工具应该是客观、简单易获得、可重复,特别是具有较高的敏感性。评分预测模型虽然快速易操作,但每一种都有具体适用的场景,且部分预测指标存在不足,因此需要具体分析后使用。超声对困难气道具有较高的预测价值,凭借其经济、安全、无创、便携的特点,有潜力成为气道管理的一线无创辅助评估工具。3D打印技术将气道管理可视化、个体化、精准化,虽然目前打印材料还存在一定的缺陷,但其发展迅速,前景广阔。困难气道预测评估工具多样,但大多以直接喉镜观察结果作为参考,但目前视频喉镜使用率越来越高,而直接喉镜的风险预测因子未必适合视频喉镜的预测。因此,在未来的研究中可尝试建立用于视频喉镜的预测模型,为困难气道的评估金标准提供参考依据。
参考文献略

全部评论 0
Copyright©2020-2024 北京医麦斯科技有限公司 版权所有 京ICP备2020034400号-1 京公网安备11010502043983号