危重癥病人腸內營養喂養不耐受風險預測模型的研究進展

劉婷婷,劉志敏,盧道珍,張麗娟,劉菲菲,孫 燕

早期腸內營養支持療法是重癥病人疾病治療的重要組成部分,能有效為病人提供機體必需的營養物質及能量,改善臨床結果。2016年美國危重癥病人腸內與腸外營養支持治療[1]指南中提出,重癥監護室(intensive care unit,ICU)病人首選營養支持途徑是經胃腸道給予。然而危重癥病人早期腸內營養過程中易出現喂養不耐受(feeding intolerance,FI)的現象,且喂養不耐受的發生率高達30.5%～65.7%[2-3]。喂養不耐受由歐洲危重病學會在2012年指出,喂養不耐受的癥狀多為大量胃殘余量、腹脹、嘔吐、腹瀉等胃腸道表現[4]。喂養不耐受的發生會導致腸內營養支持中斷、營養攝入不足及喂養率不達標,加重病人的營養不良,從而延長ICU住院時間、增加病死率[5-6]。如何安全有效地實施腸內營養,改善腸內營養耐受性,盡快達到目標熱量攝入,是一直以來的研究熱點問題[7]。因此,早期預防與識別喂養不耐受發生風險至關重要。風險預測模型可提供臨床決策支持,幫助醫護人員客觀地評估病人發生喂養不耐受的風險,為采取相關的預防措施提供支持。本研究旨在對喂養不耐受風險預測模型研究現狀進行綜述,現報告如下。

1 ICU病人喂養不耐受的危險因素

1.1 機械通氣

重癥病人使用機械通氣治療時有半數以上的病人存在胃排空延遲[8]。已有研究證實,急劇增加的腹內壓容易造成胸腔內壓力增高及頭頸靜脈回流受阻,進而導致嚴重的顱內壓增高的發生,并出現惡心、嘔吐等顱內高壓癥狀。有學者指出,對于接受機械通氣治療病人需控制氣囊壓力,注意封閉氣道,從而改善氣道黏膜血液循環,減少喂養不耐受風險[9]。徐燕平等[8]研究認為機械通氣病人的腹內壓與喂養不耐受呈正相關,呼氣末正壓能顯著增加急性呼吸窘迫綜合征病人的腹內壓[10],對既往已經存在腹內高壓的病人影響更為明顯[11]。Luisa Bordejé等[12]研究表明腹內壓為14 mmHg,是一個強有力的預測因子,可以預測喂養不耐受的發生。在張偉等[13]的Meta分析中也指出腹內壓高是危重病人發生腸內營養(EN)喂養不耐受的危險因素。

1.2 藥物因素

重癥病人使用的鎮痛劑、鎮靜劑及血管活性藥等藥物會影響胃腸蠕動,干擾胃腸運動,進而發生喂養不耐受。因此,對血流動力學不穩定的重癥病人以及需鎮痛鎮靜的病人,為保證腸內營養的有效實施,增加評估頻率,在有效范圍內使用最小劑量的藥物治療。此外,紅霉素[14]是一種大環內酯類抗生素,能夠促進胃的運動而改善胃排空,大劑量使用能夠在重癥病人急性胃潴留時重啟胃運動,但也可能導致嘔吐和腹瀉的發生,這些也是喂養不耐受的癥狀,影響腸內營養的實施。

1.3 高血糖、電解質紊亂

有研究結果表明,血糖水平升高也是FI發生的獨立危險因素[15]。重癥病人由于嚴重疾病,會合并出現應激性高血糖,持續高血糖時容易出現喂養不耐受,因為高血糖會導致松弛胃近端,使胃排空延遲。危重病人因嚴重疾病,導致電解質紊亂的發生,主要包括低鉀血癥、高鉀血癥等。電解質紊亂的發生,使胃腸道平滑肌的細胞內外離子濃度差的變化,造成神經-平滑肌傳遞阻斷,導致胃腸蠕動障礙,發生胃潴留。

1.4 急性生理與慢性健康狀況Ⅱ評分(APACHEⅡ)

高APACHEⅡ評分是ICU膿毒癥病人腸內營養不耐受的獨立危險因素[16]。評分越高常提示重癥病人病情加重、意識狀態惡化,發生喂養不耐受的危險程度也越高。研究顯示,APACHE Ⅱ評分≥20分是FI的獨立危險因素之一,評分越高,病人腸內營養耐受性越差。

1.5 病人因素

重癥病人的應激反應、全身嚴重的炎癥反應均會使胃腸道受損程度遠遠高于普通病人。危重癥病人一項流行病學調查研究顯示,超過半數的重癥病人存在胃腸動力障礙,近一半的病人喂養不耐受的癥狀表現為腹瀉。年齡≥60歲、格拉斯哥昏迷(GCS)評分≤8分,及膿毒癥、嚴重創傷[17]、腹部手術等高危疾病的危重癥病人易受到應激反應的影響使代謝功能出現紊亂,病人的腸黏膜出現缺氧和缺血癥狀,促使炎性物質增加,導致胃排空速度減慢。ICU重癥病人因多系統受損,往往合并多器官功能障礙綜合征(MODS),病人本身亦存在嚴重的血流動力學紊亂,因而在早期腸內營養過程中易出現喂養不耐受。病人的格拉斯哥昏迷評分較低時[18],意識出現惡化,病人出現昏迷是中樞自主神經系統受到抑制,胃腸運動受抑制,影響胃腸道功能,引起胃潴留,從而出現喂養不耐受。

1.6 營養液因素

腸內營養制劑的營養素成分、滲透壓、輸入時間、輸入速度、喂養方式都是影響危重病人腸內營養喂養耐受性的重要因素。有研究認為低脂的腸內營養配方具有明顯提高腸內營養耐受,減少腹瀉的作用[19]。孫秦岳[20]研究顯示：接受短肽預消型腸內營養制劑治療的病人腹瀉的發生率低于觀察組,同時各項營養觀察指標優于觀察組。這些研究結果與孫麗娟等[21]的研究結論一致。但有學者提出營養液滲透濃度≥330 mOsm/L,易導致病人出現腹瀉等不耐受癥狀[22]。短肽型營養液滲透壓較高,而整蛋白的腸內營養液滲透壓和濃度較低,對重癥病人而言更為安全。因而采取合適的喂養方式仍需更多的研究。張國虹等[23]研究表明,護理人員應考慮該營養液濃度上限,從小劑量、低濃度和低速度開始,根據病人自身情況逐漸增加至適應濃度,可減少病人EN不耐受現象。

1.7 日常護理操作

日常護理操作如全身擦洗,更換床單,吸痰、排痰,也會導致喂養不耐受的發生。全身擦洗、更換床單等護理操作時,病人置于平臥位,且不中斷腸內營養,從而增加病人惡心、嘔吐癥狀的發生。重癥病人多建立了人工氣道,吸痰操作過于頻繁、深部吸痰會引起病人惡心、嘔吐、誤吸等不耐受癥狀[24]。對于重型顱腦損傷、心肺復蘇術后等使用冰毯降溫的病人,因中樞溫度降低,導致代謝速度減慢,從而影響胃排空的速度,易出現喂養不耐受。倪榮等[25]建議在使用亞低溫時需減少鎮靜藥物使用,從而減輕對胃腸蠕動功能損害。

2 ICU病人喂養不耐受風險預測模型

2.1 危重病人早期腸內營養喂養不耐受風險預測模型

蘇小平等[26]對常州市第一人民醫院的230例重癥病人進行前瞻性隊列研究,并基于研究結果構建了風險預測模型。該研究的主要結局指標為是否發生喂養不耐受,指標的收集為每日07：00、13：00、19：00、01：00采用紙質記錄形式,連續7 d。采用二分類Logistic回歸分析,測得APACHEⅡ評分、營養風險篩查2002(NRS 2002)評分、腹內壓是危重病人發生喂養不耐受的危險因素,白蛋白是危重病人發生喂養不耐受的保護因素。并構建了預測模型方程,為Z=0.268×APACHEⅡ+0.344×NRS 2002-0.177×白蛋白+0.347×腹內壓-6.635。經驗證,該模型的靈敏度為0.933,表明模型能夠正確預測出喂養不耐受發生的概率較高,特異度為0.743,表明模型準確預測不會發生喂養不耐受的能力也較好。本研究建立的危重病人早期腸內營養喂養不耐受風險預測模型其預測能力較好,能夠較好地識別出喂養不耐受的高風險病人,為醫護人員在評估喂養不耐受發生風險提供了一定的參考依據。

然而該研究也具有一定的局限性。首先該風險預測模型的構建,雖然進行了樣本量計算,但是選擇自變量的5倍來估算,建模的樣本量雖符合要求,但可以擴大到自變量的10倍,來確定樣本量,以期獲得更可靠的危險因素。其次,該風險預測模型僅進行了內部驗證,沒有進行外部驗證,缺乏多中心的證據支持,可能會影響模型在不同危重病人中的應用效果。

2.2 神經重癥病人腸內營養喂養不耐受風險預警模型

神經重癥病人多為顱腦損傷、昏迷、鎮靜鎮痛及機械通氣等存在溝通、交流障礙的病人,判定FI指標(如惡心、腹部不適等)不易被醫護人員發現[3]。李煒等[27]等采用前瞻性隊列研究方法,對127例行腸內營養治療的神經重癥病人,根據是否發生FI進行分組采集資料,收集了21個自變量資料,以是否發生FI作為因變量,經過統計分析發現ICU住院天數、低GCS評分、高血糖、高血鉀、高血壓、機械通氣、鎮靜鎮痛藥物是神經重癥病人行EN后發生FI的危險因素。根據Logistic回歸分析結果,將ICU住院天數、低GCS評分、高血糖、高血鉀、高血壓、機械通氣、鎮靜鎮痛藥物7個危險因素使用列線圖構建預警模型,該預測模型的ROC曲線下面積為0.889,其診斷靈敏度89.13%,特異度為74.07%,表明其預測效能較好。該預測模型為列線圖結構,具有直觀、可視化的優點,且各項指標客觀、易觀察,具有實用性。

然而該模型的構建也存在一定的局限性。首先,根據樣本量計算公式,研究納入了18個自變量,每個因素至少需要5～10例病人驗證,FI的發生率為30.5%,考慮10%的失訪率,預計樣本量為：[18×(5～10)/30.5%]/0.9=328-656例,但本研究僅觀察了127例病人資料,樣本量嚴重不足。其次,本研究為單中心研究,且風險預測模型結果為預測線上FI發生的預測概率,僅為定性評價。因此,今后需開展多中心、大樣本研究,采用定量分析法檢驗預測模型的效能,以更好地識別、預測FI在神經重癥腸內營養病人中的發生。

2.3 重癥腦卒中病人腸內營養不耐受風險的預警模型

孫曉嵐等[28]以282例重癥腦卒中病人為研究對象,全部納入建模組,觀察結果示107例出現喂養不耐受,發生率為37.94%,其中71.96%發生于腸內營養后1～3 d。研究納入18個因素,進行單因素與多因素分析,發現年齡≥60歲、使用2種以上抗菌藥物、實施機械通氣是重癥腦卒中病人腸內營養不耐受的獨立危險因素,使用益生菌為保護因素。并構建Logistic回歸方程：Y=0.675×年齡+1.011×使用2種以上抗菌藥物+(-1.136)×使用益生菌+1.110×實施機械通氣,以預測列線圖顯示。對列線模型進行內部驗證,預測FI發生臨界值總分為200分,即總得分≥200分病人為高危病人。Hosmer-Lemeshow擬合優度檢驗χ2=5.899,P=0.659。同時還進行了臨床可用性評價。腦卒中腸內營養不耐受預測模型的建立將出現癥狀后的干預轉變為自主篩查,并進行預防性護理。該列線圖預測模型將各影響因素對喂養不耐受的影響程度以分值形式呈現,有助于醫護人員及時將喂養不耐受的高危病人篩選出來,具有一定的研究價值。

該風險模型也存在一定的局限性。首先,在列線圖模型中精確的數值主要通過尺子丈量,尤其對連續變量的測量容易出現誤差。其次作者也提出了回顧性偏倚可能存在信息偏倚,可能會遺漏FI的危險因素。研究為單中心,未進行多中心的外部驗證,使模型的推廣性受到限制。因此,應開展更多多中心、大樣本的前瞻性研究來進一步驗證與完善該模型。

2.4 重癥監護病房膿毒癥病人喂養不耐受預測模型

Hu等[29]進行了一項雙中心、回顧性、病例對照研究,共納入195例重癥監護病房病人,其中124例為建模組,71例為驗證組。研究納入了27個變量,構建了5個預測模型,并由深度學習模型計算出前15個相對重要的變量,研究證實了幾個臨床變量可以顯著預測膿毒癥病人的FI,包括感染部位、營養類型、休克、持續喂養、冠心病、抗生素類別、慢性阻塞性肺疾病、通氣、高血壓、腦血管意外、腹內壓和鎮痛。其中前3個重要因素是下呼吸道感染、短肽類腸內營養液和休克。基于深度學習模型的決策分析曲線,以進行個體化的預測。該預測模型創新地選擇了神經網絡模型來構建預測模型,該模型可以有效地預測膿毒癥病人FI的發生。

研究仍存在一定的局限性。首先該研究是一個回顧性研究,可能存在信息偏倚,其次文章納入兩個中心,由于嚴格的納排標準,入組樣本量不足,預測模型的推廣性有待考證。未來可增加樣本量來提高模型的適用性和推廣性。

3 小結

危重病人腸內營養不耐受的發生,不僅影響病人營養支持進行,導致恢復時間延長,甚至威脅病人生命安全,護理人員對此充分認知、及時發現及干預,確保危重癥病人安全有效進行腸內營養支持[30-31]。采用風險預測模型對危重腸內營養病人FI發生風險進行評估,根據評估結果采取及時有效的干預措施,可有效降低FI的發生率,縮短病人住院時間,提高病人生活質量,減輕病人及社會醫療負擔。評估危重癥病人發生FI的風險預測模型較多,且各有利弊,因此在選擇評估工具時,研究人員應考慮模型的適用性、便捷性、經濟性及預測因子的特異性與臨床的實際情況,在理性思考的基礎上選擇合適的風險預測模型。同時,也應該開展更多多中心、大樣本的研究,進一步探討不同風險預測模型的作用,為臨床進行危重病人FI風險因素的評估提供更多的參考依據。