Περίληψη
Μέρος Α. Εισαγωγή: Η οδηγός πίεση του αναπνευστικού συστήματος είναι ένας πολύτιμος δείκτης της συνολικής τάσης που ασκείται στον πνεύμονα κατά τη διάρκεια του παθητικού μηχανικού αερισμού. Η παρακολούθησή της στον υποβοηθούμενο μηχανικό αερισμό είναι απαραίτητη, αλλά η επίτευξη παθητικών συνθηκών σε ασθενείς που αναπνέουν αυθόρμητα για τη μέτρηση της οδηγού πίεσης αποτελεί πρόκληση. Δεν έχει εξεταστεί η ακρίβεια της εκτίμησης της μορφολογίας της πίεσης των αεραγωγών (Paw) κατά την τελο-εισπνευστική απόφραξη για τη διασφάλιση παθητικών συνθηκών κατά τη διάρκεια του αερισμού με υποστήριξη πίεσης. Μέθοδος: Για τη μελέτη αυτή διενεργήσαμε αναδρομική ανάλυση καταγραφών τελο-εισπνευστικών παύσεων που λήφθησαν από βαρέως πάσχοντες ασθενείς σε αερισμό με υποβοήθηση πίεσης. Αναλύθηκαν η ροή, η πίεση των αεραγωγών, η οισοφάγεια, η γαστρική και η δια-διαφραγματική πίεση. Η αύξηση της γαστρικής πίεσης κατά τη διάρκεια της απόφραξης με σταθερή/ μειούμενη δια-διαφραγματική πίεση χρησιμοποιήθηκε για ...
Μέρος Α. Εισαγωγή: Η οδηγός πίεση του αναπνευστικού συστήματος είναι ένας πολύτιμος δείκτης της συνολικής τάσης που ασκείται στον πνεύμονα κατά τη διάρκεια του παθητικού μηχανικού αερισμού. Η παρακολούθησή της στον υποβοηθούμενο μηχανικό αερισμό είναι απαραίτητη, αλλά η επίτευξη παθητικών συνθηκών σε ασθενείς που αναπνέουν αυθόρμητα για τη μέτρηση της οδηγού πίεσης αποτελεί πρόκληση. Δεν έχει εξεταστεί η ακρίβεια της εκτίμησης της μορφολογίας της πίεσης των αεραγωγών (Paw) κατά την τελο-εισπνευστική απόφραξη για τη διασφάλιση παθητικών συνθηκών κατά τη διάρκεια του αερισμού με υποστήριξη πίεσης. Μέθοδος: Για τη μελέτη αυτή διενεργήσαμε αναδρομική ανάλυση καταγραφών τελο-εισπνευστικών παύσεων που λήφθησαν από βαρέως πάσχοντες ασθενείς σε αερισμό με υποβοήθηση πίεσης. Αναλύθηκαν η ροή, η πίεση των αεραγωγών, η οισοφάγεια, η γαστρική και η δια-διαφραγματική πίεση. Η αύξηση της γαστρικής πίεσης κατά τη διάρκεια της απόφραξης με σταθερή/ μειούμενη δια-διαφραγματική πίεση χρησιμοποιήθηκε για τον εντοπισμό και την ποσοτικοποίηση της εκπνευστικής μυϊκής δραστηριότητας. Η μορφολογία της κυματομορφής της πίεσης των αεραγωγών κατά τη διάρκεια των παύσεων ταξινομήθηκε σε τρία μοτίβα με βάση τις διαφορές σε τρία προκαθορισμένα σημεία μετά την απόφραξη (0,3, 1 και 2 s): Ένα “passive-like” μοτίβο με μια αρχική πτώση της Paw ακολουθούμενη από plateau, ένα “clear plateau” μοτίβο και ένα “irregular rise” μοτίβο το οποίο περιλάμβανε όλες τις περιπτώσεις καθυστερημένης ή συνεχούς αύξησης με ή χωρίς plateau. Αποτελέσματα: Αναλύθηκαν δεδομένα από 40 ασθενείς και 227 παύσεις. Εκπνευστική μυϊκή δραστηριότητα κατά τη διάρκεια της απόφραξης εντοπίστηκε στο 79% των παύσεων και σε όλα τα επίπεδα υποβοήθησης. Μετά την ταξινόμηση των παύσεων σύμφωνα με το μοτίβο Paw, εκπνευστική μυϊκή δραστηριότητα αναγνωρίστηκε στο 52%, 67% και 100% των περιπτώσεων Paw με “passive-like” μοτίβο, “clear plateau” ή “irregular rise”, αντίστοιχα. Η οδηγός πίεση αξιολογήθηκε στις 133 παύσεις που είχαν “passive-like” ή “clear plateau” μοτίβο στην Paw. Αύξηση της γαστρικής πίεσης υπήρχε στο 46%, 62% και 64% των περιπτώσεων στα 0,3, 1 και 2 s, αντίστοιχα, και ήταν μεγαλύτερη από 2 cmH2O, στο 10%, 20% και 15% των περιπτώσεων στα 0,3, 1 και 2 s, αντίστοιχα. Συμπαράσματα: Το μοτίβο της Paw κατά τη διάρκεια μιας τελο-εισπνευστικής παύσης σε αερισμό με υποβοήθηση πίεσης δεν μπορεί να διασφαλίσει την απουσία εκπνευστικής μυϊκής δραστηριότητας και την ακριβή μέτρηση της οδηγού πίεσης. Ωστόσο, επειδή η οδηγός πίεση μπορεί μόνο να υπερεκτιμηθεί λόγω της σύσπασης των εκπνευστικών μυών, στην καθημερινή πρακτική, μια χαμηλή οδηγός πίεση υποδηλώνει απουσία συνολικής υπερδιάτασης των πνευμόνων. Η μέτρηση υψηλής οδηγού πίεσης θα πρέπει να προτρέπει σε περαιτέρω διαγνωστικές εργασίες, όπως η μέτρηση της οισοφάγειας πίεσης. Μέρος Β. Εισαγωγή: Κατά τη διάρκεια του αερισμού με υποστήριξη πίεσης (PSV), η υπερβολική υποβοήθηση οδηγεί σε αδύναμες εισπνευστικές προσπάθειες και προάγει την ατροφία του διαφράγματος και τον καθυστερημένο απογαλακτισμό από τον αναπνευστήρα. Σκοπός της παρούσας μελέτης ήταν η ανάπτυξη ενός ταξινομητή με τη χρήση νευρωνικού δικτύου για τον εντοπισμό αδύναμων εισπνευστικών προσπαθειών κατά τη διάρκεια του PSV, με βάση τις κυματομορφές του αναπνευστήρα. Μέθοδος: Για τη μελέτη αυτή χρησιμοποιήθηκαν καταγραφές της ροής, των πιέσεων των αεραγωγών, του οισοφάγου και του στομάχου από βαρέως πάσχοντες ασθενείς για τη δημιουργία ενός συνόλου σχολιασμένων δεδομένων, χρησιμοποιώντας δεδομένα από 37 ασθενείς σε 2-5 διαφορετικά επίπεδα υποστήριξης, υπολογίζοντας τον εισπνευστικό χρόνο και την προσπάθεια για κάθε αναπνοή. Το πλήρες σύνολο δεδομένων χωρίστηκε τυχαία και χρησιμοποιήθηκαν δεδομένα από 22 ασθενείς (45650 αναπνοές) για την ανάπτυξη του μοντέλου. Χρησιμοποιώντας ένα μονοδιάστατο νευρωνικό δίκτυο συνελικτικού τύπου αναπτύχθηκε ένα προγνωστικό μοντέλο για να χαρακτηρίσει την εισπνευστική προσπάθεια κάθε αναπνοής ως αδύναμη ή όχι, χρησιμοποιώντας ένα κατώφλι 50 cmH2O*sec/min. Αποτελέσματα: Τα ακόλουθα αποτελέσματα προέκυψαν από την εφαρμογή του μοντέλου σε δεδομένα από 15 διαφορετικούς ασθενείς (31343 αναπνοές). Το μοντέλο προέβλεψε αδύναμες εισπνευστικές προσπάθειες με ευαισθησία 88%, ειδικότητα 72%, θετική προγνωστική αξία 40% και αρνητική προγνωστική αξία 96%. Συμπεράσματα: Τα αποτελέσματα αυτά παρέχουν ένα "proof-of-concept" για την ικανότητα ενός τέτοιου μοντέλου πρόβλεψης, βασισμένου σε νευρωνικά δίκτυα, να διευκολύνει την εφαρμογή εξατομικευμένου υποβοηθούμενου αερισμού.
περισσότερα
Περίληψη σε άλλη γλώσσα
Part A. Background: The driving pressure of the respiratory system is a valuable indicator of global lung stress during passive mechanical ventilation. Monitoring lung stress in assisted ventilation is indispensable, but achieving passive conditions in spontaneously breathing patients to measure driving pressure is challenging. The accuracy of the morphology of airway pressure (Paw) during end-inspiratory occlusion to assure passive conditions during pressure support ventilation has not been examined. Methods: Retrospective analysis of end-inspiratory occlusions obtained from critically ill patients during pressure support ventilation. Flow, airway, esophageal, gastric, and transdiaphragmatic pressures were analyzed. The rise of gastric pressure during occlusion with a constant/decreasing transdiaphragmatic pressure was used to identify and quantify the expiratory muscle activity. The Paw during occlusion was classified in three patterns, based on the differences at three pre-defined ...
Part A. Background: The driving pressure of the respiratory system is a valuable indicator of global lung stress during passive mechanical ventilation. Monitoring lung stress in assisted ventilation is indispensable, but achieving passive conditions in spontaneously breathing patients to measure driving pressure is challenging. The accuracy of the morphology of airway pressure (Paw) during end-inspiratory occlusion to assure passive conditions during pressure support ventilation has not been examined. Methods: Retrospective analysis of end-inspiratory occlusions obtained from critically ill patients during pressure support ventilation. Flow, airway, esophageal, gastric, and transdiaphragmatic pressures were analyzed. The rise of gastric pressure during occlusion with a constant/decreasing transdiaphragmatic pressure was used to identify and quantify the expiratory muscle activity. The Paw during occlusion was classified in three patterns, based on the differences at three pre-defined points after occlusion (0.3, 1, and 2 s): a “passive-like” decrease followed by plateau, a pattern with “clear plateau,” and an “irregular rise” pattern, which included all cases of late or continuous increase, with or without plateau. Results: Data from 40 patients and 227 occlusions were analyzed. Expiratory muscle activity during occlusion was identified in 79% of occlusions, and at all levels of assist. After classifying occlusions according to Paw pattern, expiratory muscle activity was identified in 52%, 67%, and 100% of cases of Paw of passive-like, clear plateau, or irregular rise pattern, respectively. The driving pressure was evaluated in the 133 occlusions having a passive-like or clear plateau pattern in Paw. An increase in gastric pressure was present in 46%, 62%, and 64% of cases at 0.3, 1, and 2 s, respectively, and it was greater than 2 cmH2O, in 10%, 20%, and 15% of cases at 0.3, 1, and 2 s, respectively. Conclusions: The pattern of Paw during an end-inspiratory occlusion in pressure support cannot assure the absence of expiratory muscle activity and accurate measurement of driving pressure. Yet, because driving pressure can only be overestimated due to expiratory muscle contraction, in everyday practice, a low driving pressure indicates an absence of global lung over-stretch. A measurement of high driving pressure should prompt further diagnostic workup, such as a measurement of esophageal pressure. Part B. Background: During pressure support ventilation (PSV) excessive assist results in weak inspiratory efforts and promotes diaphragm atrophy and delayed weaning. Aim of this study was to develop a classifier using a neural network to identify weak inspiratory efforts during PSV, based on the ventilator waveforms. Methods: Recordings of flow, airway, esophageal and gastric pressures from critically ill patients were used to create an annotated dataset, using data from 37 patients at 2-5 different levels of support, computing the inspiratory time and effort for every breath. The complete dataset was randomly split, and data from 22 patients (45650 breaths) were used to develop the model. Using a 1-Dimensional Convolutional Neural Network a predictive model was developed to characterize the inspiratory effort of each breath as weak or not, using a threshold of 50 cmH2O*sec/min. Results: The following results were produced by implementing the model on data from 15 different patients (31343 breaths). The model predicted weak inspiratory efforts with a sensitivity of 88%, specificity of 72%, positive predictive value of 40%, and negative predictive value of 96%. Conclusions: These results provide a ‘proof-of-concept’ for the ability of such a neural-network based predictive model to facilitate the implementation of personalized assisted ventilation.
περισσότερα