在创伤患者的急诊处理中，确保气道通畅以提供充分的氧合和通气至关重要。紧急气管插管（ETI）是一项潜在的挽救生命的操作，但多次插管尝试（MIA）可能显著增加并发症风险，包括低氧血症、误吸、喉痉挛和心脏骤停。此外，多次尝试也与住院时间延长和死亡率上升相关。尽管已有文献探讨解剖学因素导致的插管困难，但关于创伤环境中MIA的非解剖学预测因素研究较少。
研究目标
主要目标
确定创伤患者中多次插管尝试（MIA）的风险因素。
次要目标
评估MIA与以下不良结局的关系：
- ICU入院率
- 延长的机械通气时间
- 死亡率
研究方法
研究设计
- 类型：回顾性队列研究。
- 地点：纽约某一级创伤中心。
- 时间范围：2019年1月至2022年12月。
- 对象：急诊接受ETI的成年患者（年龄≥18岁），排除了在手术室或ICU进行首次插管的患者。
数据收集
从电子病历中提取以下信息：
1. 人口统计学信息：性别、年龄、BMI。
2. 伤情数据：损伤机制（钝性或穿透性损伤）、损伤严重度评分（ISS）。
3. 病史与合并症：心血管疾病、糖尿病、抗凝药使用等。
4. 急诊数据：收缩压（SBP）、心率（HR）、呼吸频率（RR）、氧饱和度（SpO2）、格拉斯哥昏迷评分（GCS）。
5. 插管特征：使用视频喉镜或直接喉镜，插管是否由急诊医生、麻醉医生或急救人员完成。
定义标准
- 多次插管尝试（MIA）：插管尝试次数>1。
- 延长通气时间：机械通气≥3天。
- 凝血指标升高：国际标准化比值（INR）>1.5。
数据分析
- 单变量分析：初步评估变量的显著性。
- 多变量逻辑回归：控制混杂因素后，识别MIA的独立预测因子。
研究结果
患者基本特征
- 纳入174名患者，男性占74.7%，平均年龄55.5岁，BMI中位数26 kg/m²。
- 损伤机制中，钝性损伤占大多数（数据未详细列出）。
MIA的发生率与预测因素
- 发生率：26例患者（14.9%）经历MIA。
- 单变量分析：
- MIA组患者的平均收缩压显著升高（151.71 vs. 133.55 mmHg，p = 0.019）。
- 心率较高（106.30 vs. 93.35次/分钟，p = 0.032）。
- 视频喉镜使用率较高，但差异在多变量分析中未保留显著性。
- 多变量分析：
- 收缩压是独立预测因子（aOR 1.03，95% CI 1.01–1.06，p = 0.015）。
ICU入院和死亡率
- ICU入院率：65.5%的患者进入ICU。
- MIA显著增加ICU入院风险（aOR 7.63，p = 0.013）。
- 血凝障碍（INR升高）与较低ICU入院风险相关。
- 死亡率：总体死亡率为41%。
- 年龄、GCS降低（7.46 vs. 10.82，p<0.004）和ISS升高是主要死亡预测因素。
- EMS人员的插管操作与死亡率显著升高相关，可能因患者病情严重所致。
延长通气时间
- 发生率：46%的患者机械通气超过3天。
- 年龄增长与延长通气时间显著相关（aOR 1.02，p = 0.029）。
- 穿透性损伤和EMS插管操作降低了延长通气风险。
讨论
核心发现
1. 血压与插管失败的关联：收缩压升高可能通过以下机制增加插管难度：
- 颈部关节刚性增加。
- 交感神经激活导致喉痉挛或颈部肌肉紧张。
2. 创伤情境中的插管挑战：常规困难气道评估方法（如Mallampati评分）在急诊中难以应用，该研究提供了一种简单的替代评估方法。
强调的策略
- 使用视频喉镜、优化患者体位和充足的预氧合可能提高首次插管成功率。
- 提前识别高危患者并分配最有经验的插管操作人员。
局限性
- 回顾性研究设计可能存在信息偏倚和选择偏倚。
- 单中心研究限制了外部普适性。
- 未收集操作人员的经验年限等数据。
结论
本研究首次明确收缩压升高与创伤患者首次插管失败显著相关，提示急诊团队可利用血压这一快速易得的指标，优化插管策略。未来研究应扩大样本量，进一步验证并扩展这些发现。
【这张表是文章中对研究对象人口统计学和相关特征的总结，分为四个部分：
1. 性别分布 (Gender)
- 男性：130人，占74.7%
- 女性：44人，占25.3%
研究中男性患者比例远高于女性。
2. 风险因素 (Risk Factors)
列出了患者的基础病和相关因素：
- BMI >30：57人，占32.8% （肥胖可能影响插管难度）
- 冠心病 (Coronary Artery Disease)：41人，占23.6%
- 糖尿病 (Diabetes)：38人，占21.8%
- 痴呆史 (History of Dementia)：20人，占11.5%
- 阻塞性气道疾病 (Obstructive Airway Disease)：35人，占20.1%
- 抗凝药物使用 (Anti-thrombotic Use)：26人，占14.9%
这些因素可能与患者的气道管理难度或并发症风险有关。
3. 插管特点 (Intubation Features)
描述了插管的具体实施方式和操作人员：
- 急诊医生插管 (ED Intubation)：100人，占57.5%
- 麻醉医生插管 (Anesthesia Intubation)：49人，占28.2%
- 急救人员插管 (EMS Intubation)：25人，占14.4%
- 视频喉镜使用 (Video Laryngoscope)：33人，占19.0%
- 直接喉镜使用 (Direct Laryngoscope)：141人，占81.0%
视频喉镜的使用较少，可能与急诊环境和资源限制相关。
4. 结局 (Outcomes)
列出了两个主要结果指标：
- 多次插管尝试 (Multiple Intubation Attempts, MIA)：26人，占14.9%
- 死亡率 (Death)：71人，占41%
结果显示，死亡率较高，而多次插管尝试的比例为14.9%，提示了急诊插管的高风险性和患者的重病程度。
这张表主要用于展示研究人群的基本特征和分布情况，有助于理解研究的背景和受试者情况。】
【这张表（表2）展示了多变量回归分析的结果，用于识别与不同临床结局相关的独立预测因子。以下是具体内容的解释：
1. 多次插管尝试的风险因素 (Risk of Multiple Intubation Attempts, MIA)
- 预测因素：收缩压升高 (Systolic Blood Pressure)。
- 显著性：p < 0.015，具有统计学意义。
- 调整后的比值比 (Adjusted Odds Ratio, aOR)：1.03（95%置信区间1.01–1.06）。
解释：每增加1 mmHg的收缩压，发生多次插管尝试的风险增加3%。提示高血压患者在急诊气管插管时可能更容易失败。
2. ICU入院的风险因素 (Risk of Intensive Care Unit Admission)
- 预测因素：
- 多次插管尝试 (MIA)：aOR 7.63（95% CI 1.54–37.79），p < 0.013。
- INR升高 (INR Elevated)：aOR 0.19（95% CI 0.08–0.44），p < 0.001。
解释：
- 经历多次插管尝试的患者，进入ICU的风险显著增加（风险是无MIA患者的7.63倍）。
- INR升高（>1.5）的患者反而可能较少被送入ICU，可能因早期死亡等因素。
3. 住院期间死亡的风险因素 (Risk of Death on Hospital Admission)
- 预测因素：
- 年龄 (Age)：aOR 1.045（95% CI 1.02–1.07），p ≤ 0.001。
- 格拉斯哥昏迷评分 (GCS)：aOR 0.88（95% CI 0.80–0.96），p < 0.004。
- 氧饱和度 (SpO2%)：aOR 0.85（95% CI 0.75–0.96），p < 0.007。
- 损伤严重度评分 (ISS)：aOR 1.03（95% CI 1.00–1.07），p < 0.048。
- INR升高 (INR)：aOR 2.61（95% CI 1.18–5.76），p < 0.017。
解释：
- 年龄增加和INR升高会显著增加死亡风险。
- GCS和SpO2%降低是死亡风险的保护性因素，提示早期评估这两项指标的重要性。
- ISS越高，死亡风险越高，反映损伤严重度与死亡风险直接相关。
4. 延长通气时间的风险因素 (Risk of Prolonged Ventilation)
- 预测因素：年龄 (Age)。
- 显著性：p < 0.029。
- 调整后的比值比 (aOR)：1.02（95% CI 1.00–1.04）。
解释：每增加1岁，患者需要延长机械通气的风险增加2%。
表格总结
这张表通过多变量回归分析识别了四个主要临床结局的关键预测因子，为临床医生提供了指导：
1. 收缩压升高是插管失败的关键风险因素。
2. 多次插管尝试和INR异常直接影响ICU入院率。
3. 年龄、ISS、INR和GCS共同影响住院死亡率。
4. 年龄增长是机械通气时间延长的重要指标。
此表为优化创伤急诊患者管理提供了重要依据。】
----------------------------------------------------------------------
本文的统计方法主要集中在以下几种：
1. 单变量分析 (Univariate Analysis)
应用
- 用于初步探索变量和结局之间的关系。
- 连续变量通过均值或中位数比较，通常使用 t检验或非参数检验（如 Mann-Whitney U 检验）。
- 分类变量通过卡方检验 (Chi-Square Test) 分析组间分布差异。
本文中的具体应用
- 比较多次插管尝试组 (MIA) 和一次插管成功组在收缩压、心率、损伤严重度评分 (ISS) 等变量上的差异。
- 示例：MIA组的收缩压显著高于成功组 (p = 0.015)。
适用情况
- 用于筛选哪些变量可能与结局相关，为后续多变量分析提供依据。
2. 多变量逻辑回归分析 (Multivariable Logistic Regression)
应用
- 用于识别与结局相关的独立预测因子，同时控制混杂因素。
- 输出调整后的比值比 (aOR) 和置信区间 (95% CI)，量化每个变量对结局的独立影响。
本文中的具体应用
- 识别多次插管尝试的独立风险因素：收缩压升高是显著预测因子 (aOR = 1.03, p < 0.015)。
- 对ICU入院、死亡率和延长通气时间的风险因素进行建模，例如：
- MIA显著增加ICU入院风险 (aOR = 7.63, p < 0.013)。
- 年龄增加是延长通气时间的独立预测因素 (aOR = 1.02, p < 0.029)。
适用情况
- 当需要排除混杂因素的影响，明确某些变量对结局的独立作用时，逻辑回归是合适的选择。
3. 卡方检验 (Chi-Square Test)
应用
- 用于比较分类变量在不同组之间的分布。
- 本文中，用于分析插管方式（如视频喉镜 vs 直接喉镜）与多次插管尝试之间的关系。
本文中的具体应用
- 比较不同插管设备在MIA组和非MIA组的使用分布。
适用情况
- 当变量为分类数据（如插管设备类型、插管执行人员）时，卡方检验是首选。
4. 中位数比较 (Median Comparison)
应用
- 当数据分布非正态时，使用中位数和四分位距进行组间比较。
- 非常适合用来分析有偏态分布的数据。
本文中的具体应用
- 比较ICU住院时间或机械通气时间在不同组之间的分布。
5. 模型拟合度检验 (Model Fit Test)
应用
- 验证多变量逻辑回归模型的有效性和拟合优度。
- 通过卡方检验检查模型是否显著优于空模型。
本文中的具体应用
- 验证ICU入院、死亡率和延长通气模型的拟合度是否优于随机模型。
- 例如，ICU入院模型的卡方值 (χ² = 51.353, p < 0.001) 表明模型有效。
本文实际统计方法的总结
本文实际上只使用了以下核心方法：
1. 单变量分析：初步筛选与结局相关的变量。
2. 多变量逻辑回归：识别独立预测因子。
3. 卡方检验：分析分类变量与结局的关系。
4. 中位数比较（可能用于描述性统计）。
5. 模型拟合检验：确保逻辑回归模型的可靠性。
----------------------------------------------------------------------
