摘要
目的
预测拔管失败是一个临床挑战。本研究旨在确定床边使用的模型的诊断准确性。
方法
对 2341 名所有风险患者进行事后分析，纳入 5 项多中心随机试验。比较三种临床预测模型的诊断准确性：3 因素模型包括年龄> 65 岁、慢性心脏病或肺病; 4因素模型增加延长机械通气; 11因素模型，包括年龄> 65岁、≥ 2 种合并症、机械通气延长、急性心力衰竭作为机械通气的主要适应症、中度至重度慢性阻塞性肺疾病、拔管当天 APACHE II 评分> 12、气道通畅问题、无法处理呼吸道分泌物、不简单脱机、肥胖或自主呼吸试验结束时的高碳酸血症。使用 Youden 和 Kappa 指数比较粗调和经调整的自主呼吸试验（SBT）模型在 7 天时的全因再插管。
结果
3因素模型的全局预测能力非常低（Youden 指数 0.08 和 Kappa 指数0.04）;4 因子和11因子模型具有较低的全局预测能力（约登指数分别为 0.12 和 0.16，Kappa 指数分别为 0.06 和 0.07）。积极的SBT策略（压力支持 ≥ 7 cm H2O 伴或不伴呼气末正压）与拔管失败风险相关（p < 0.001）。所有调整后的模型均具有较低的诊断能力 （分别为 0.08/0.03 、0.07/0.03和0.06/0.02）。
结论
基于这些结果，3因素模型报告的诊断准确性非常低，而4或11因素模型显示出类似的低准确性。
背景
脱机拔管失败是临床上的一个重要问题，尽管已有多种预测模型被提出，但现有模型在实际应用中仍存在局限性。目前的临床试验主要采用简单的三因素模型（倾向于低估风险）或复杂的十一因素模型（倾向于高估风险），但两者之间的对比或前瞻性验证尚未完成，最优的拔管失败临床预测模型仍未明确。此外，许多风险因素（如年龄、体重、心肺功能等）和临床管理因素（如镇静、意识水平、自发呼吸试验、拔管后治疗等）与脱机过程密切相关，但未被纳入现有的预测模型中。
试验假设
十一因素模型的预测能力优于三因素和四因素模型。
试验方法
1
研究类型：多中心随机对照研究
2
受试者来源：西班牙重症监护病房（ICU）患者
3
纳入条件：所有患者均接受机械通气并计划进行拔管，拔管失败风险通过不同模型（三因素、四因素、十一因素模型）进行分类。
4
主要结局：全因再插管率，定义为拔管后7天内再插管的发生率。
再插管原因分类：分为非呼吸相关（如手术干预或神经功能恶化）和气道功能障碍相关（如无法清除分泌物、与大量分泌物相关的持续性拔管后呼吸衰竭，可能伴随意识状态变化、酸中毒、低氧血症及呼吸肌疲劳的持续或恶化）。
5
样本量计算：本研究为事后分析（post-hoc analysis），样本量基于先前完成的五项随机试验数据得出，并非通过事前计算设计。
试验结果
总体再插管率：17.3%
样本特征：
样本中包含1433名男性患者（占61.2%），平均年龄60岁（±20岁），入ICU时的APACHE II评分为16分（±6分）。
筛查策略差异：
成功拔管组和再插管组之间无显著差异（p = 0.533）。
风险分类差异：
与三因素模型相比，更多患者根据四因素和十一因素模型被归类为高风险。
再插管原因：
405名再插管患者中，95例（23.5%）为非呼吸相关原因，79例（19.5%）为气道功能障碍，231例（57%）为脱机失败。
结局
三因素模型：预测能力极低（Youden指数0.08，Kappa指数0.04）。
四因素模型：预测能力略高（Youden指数0.12，Kappa指数0.06）。
十一因素模型：预测能力略高（Youden指数0.16，Kappa指数0.07）。
讨论
与其他研究的比较：本研究比较了三种不同复杂程度的模型在拔管失败风险预测中的实际表现，与其他研究不同，旨在优化临床决策工具。
局限性：
本研究为事后分析，可能存在偏倚风险。
数据来源于五项随机试验，初始目标并非针对拔管失败风险模型的验证，可能存在数据整合和再分析的偏倚。一些重要的拔管失败风险因素（如心理状态、细胞因子水平等）未纳入模型，可能影响预测模型的准确性。
结论
整体而言，现有氧疗方式对拔管失败的直接影响有限。即使调整了氧疗策略，三种模型的诊断准确性（如Youden指数、Kappa指数）也未显著提高。
■翻译：郝政安
■编辑：陈潇婷
微信号｜浙大二院急诊医学科
本推文旨在总结学习，
分享交流，
如有错误与不到之处，
欢迎联系我们批评指正。
