我们阅读了陈等人的研究工作，并认为它对当前的科学证据是一个重要的贡献。然而，我们认为有必要分析一些要点。夜间通气支持是一个真正的挑战。一方面，负责的专业人员成为了这个故事中的“大卫”，因为我们面临着一个困境：是朝着解放的方向前进，还是尽量减少干预，以免造成睡眠中断或激动。无论模式如何，适当的压力支持（PS）编程都是每个故事中的“歌利亚”（是圣经中记载的非利士勇士，来自于迦特，曾令希伯来人恐惧，最后被大卫用投石器发射的石头打死。）。无论如何，没有证据支持压力控制通气（PCV）为呼吸肌提供休息以增强它们的力量，或者它增加了从机械通气中成功脱机的可能性。陈等人应该为他们在阐明这一主题上的努力受到祝贺，但一些可能的偏见需要澄清。研究的力量被极大地最小化了：在最初筛选的189篇文章中，只有4篇符合资格标准，而且它是一个交叉设计。通气支持需求的病因异质性具有至关重要的相关性，并且没有被强调。同样，两种比较模式之间的PS差异为30%，并且在控制和自发模式之间的异质性很高。元分析的严重局限性削弱了结论。例如，在分析患有慢性肺病的亚组时，作者得出了PCV在有效睡眠率上22.8%的优势，这是意料之中的，因为Toublanc的工作没有统计学意义（平均值15.3 [95% CI -3.95至34.55]），只剩下一项研究供此分析使用。当分析长期通气患者的睡眠效率时，也出现了类似的情况，Cabello的工作没有统计学意义（平均值14 [95% CI -9.84至37.84]），只剩下Parthasarathy的工作。这证明了在亚组分析中主要结果的异质性指数为71%（P = .07）。其他结果也是如此：在觉醒状态下，只分析了2项研究，而Andrejak的研究再次显示出非显著值（平均值-15.30 [95% CI -34.55至3.95]）。对于快速眼动结果，无论是总体分析（Toublanc：平均值11 [95% CI -22.50至44.50]）还是亚组分析（Cabello：平均差异3 [95% CI -3.15至9.15]和Toublanc：平均值1.04 [95% CI -3.61至5.69]）都没有显著性。最后，对于碎片化指数的结果，PCV仅在患有呼吸暂停的亚组中显著（P < .001），这在控制模式中是意料之中的。我们使用来自8项研究的数据库（N = 180），分析了睡眠效率率作为响应变量。通过计算后验包含概率（PIP），选择了最终模型组成部分的预测因子，该概率是通过β-二项式先验非信息性贝叶斯模型平均值获得的，采样相关性为0.99。我们发现PEEP（PIP 56.2%）、睡眠时间（PIP 44.2%）和PS（PIP 41.6%）是最佳模型（分析平均值1.6）最相关的预测因子。通气模式（PCV或压力支持通气）获得了非常低的PIP（20%）（图1）。然后我们进行了泊松贝叶斯先验非信息性β-二项式回归模型，通过随机游走Metropolis-Hasting抽样（蒙特卡洛方法迭代次数=12,500；样本大小=10,000；接受率=0.37），使用觉醒时间作为暴露因素，以睡眠效率率恶化为结果，发现PEEP（平均值-14.9 [95%可信区间-24.6至-4.9]）、PS（平均值-3 [95%可信区间-5.2至-0.8]）和睡眠时间（平均值-0.1 [95%可信区间-0.1至-0.2]）是与结果关联最强的变量。在这项分析中，通气模式并不相关。![]()
综上所述，机械通气对睡眠质量的影响是一个模糊的问题，并不一定是睡眠中断的主要因素。由于编程不足而导致的不同步很可能是一个相关因素。我们的分析结果不支持 PCV 提高夜间睡眠效率的假设。Aurio Fajardo-Campoverdi, Alberto Medina and Angelo Roncalli-Rocha
Respiratory Care November 2024, 69 (11) 1486-1487; DOI: https://doi.org/10.4187/respcare.12319
