《Perioperative Care and Operating Room Management》：Evaluation of the perfusion index as a determinant of the depth of anesthesia; an observational study.
编辑推荐：
本研究评估了麻醉期间Perfusion Index（PI）与MAC、BIS等指标的关联性，发现PI在不同麻醉阶段变化显著，与MAC、BIS无线性关系，但与心率（r=-0.888）、血压（r=0.795）强相关，提示PI可作为早期麻醉不足或镇痛不足的监测指标。
苏拉杰·D·德赛（Suraj D. Desai）| 安朱·R·巴洛特拉（Anju R. Bhalotra）| 凯沙夫·高尔（Keshav Gaur）| 拉希尔·辛格（Rahil Singh）| 施韦塔·迪曼（Shweta Dhiman）
印度新德里巴哈杜尔·沙阿·扎法尔街（Bahadur Shah Zafar Marg）莫拉纳·阿扎德医学院（Maulana Azad Medical College）及附属洛克·纳亚克医院（Lok Nayak Hospital）麻醉科
摘要
背景
对疼痛感知和麻醉深度的可靠监测仍然有限。大多数疼痛感知监测仪主要评估交感神经和副交感神经系统的活动。最低肺泡浓度（MAC）反映了麻醉剂的效力，而双谱指数（BIS）则用于评估无意识状态。脉搏血氧饱和度（PI）在交感神经激活时会下降。轻度麻醉和疼痛刺激会引发交感神经反应，从而导致PI降低。
方法
这项双盲观察研究纳入了35名接受标准化全身麻醉（GA）的成年患者。在诱导、维持和恢复过程中记录了PI、MAC、BIS、心率（HR）和平均动脉压（MAP）。主要目的是评估PI的变化及其与MAC的相关性。次要结果包括PI与BIS、HR和MAP之间的相关性。
结果
PI在所有时间点上都显示出显著变化。在全身麻醉诱导后PI升高，在手术刺激和恢复期间降低。未发现PI变化与MAC（r2 = 0.394, p = 0.052）或BIS（r2 = 0.392, p = 0.053）之间存在显著相关性。PI与HR之间存在强烈的负相关（r = –0.888, r2 = 0.789, p < 0.001），而与MAP之间存在强烈的正相关（r = 0.795, r2 = 0.631, p = 0.006）。
结论
PI是麻醉或镇痛不足的敏感早期指标，早于传统的交感神经激活迹象。尽管PI与MAC或BIS无相关性，但其与HR的强相关性表明其作为术中监测的简单、无创辅助工具的潜力。
部分摘录
引言
确保接受手术的患者具有足够的全身麻醉深度和适当的镇痛效果非常重要，以防止麻醉剂用量不足或过量。最低肺泡浓度（MAC）是一种表达和比较吸入麻醉剂效力的标准方法。它有助于标准化各种吸入麻醉剂的剂量并指导蒸发器设置。该方法易于测量、实用、实时、成本低廉，并且患者间差异较小。
伦理批准
这项前瞻性双盲观察研究于2019年1月至2020年3月在印度新德里莫拉纳·阿扎德医学院及其附属医院的麻醉科进行，研究前已获得机构伦理委员会（F.No.17/IEC/MAMC/2018/17）的伦理批准，并于2018年12月13日在印度临床试验注册机构（CTRI/2018/12/016644）完成注册。该研究遵循相关伦理原则。
结果
共有55名患者接受了资格评估。6名患者拒绝参与，13名患者不符合纳入标准。最终有36名患者纳入研究。所有患者均按照研究方案接受了全身麻醉。其中1名患者在术中出现严重高血压，被排除在数据分析之外。分析了35名患者的数据（见图1）。
讨论
我们评估了脉搏血氧饱和度（PI）作为35名接受标准全身麻醉的成人腹部和下肢手术患者麻醉充分性的指标的实用性。
研究发现，PI在麻醉的不同临床阶段发生了显著变化。PI的下降是由于交感神经输出增加所致，这可能发生在麻醉或镇痛效果不足、无法抑制对有害手术刺激的反应时。
结论
在麻醉的不同阶段，PI发生了显著变化。我们的研究结果表明，PI与MAC和BIS之间的相关性较差且不稳定。然而，PI对交感神经激活反应迅速，可能作为麻醉或镇痛不足的早期指标，其变化可能早于心率和血压的变化。该方法无需特殊设备或频繁检查，且能快速反映交感神经张力的变化。
作者贡献
苏拉杰·德赛（Suraj Desai）：概念设计、方法学、软件开发
安朱·R·巴洛特拉（Anju R. Bhalotra）：概念设计、方法学、数据管理、初稿撰写
凯沙夫·高尔（Keshav Gaur）：方法学、数据可视化、实验设计
拉希尔·辛格（Rahil Singh）：研究监督、软件应用、结果验证
资金来源
本研究未获得公共部门、商业机构或非营利组织的任何特定资助。
数据可用性声明
如需数据，可向通讯作者提出合理请求。
作者贡献声明
苏拉杰·D·德赛（Suraj D. Desai）：软件开发、方法学、概念设计
安朱·R·巴洛特拉（Anju R. Bhalotra）：初稿撰写、方法学、数据管理、概念设计
凯沙夫·高尔（Keshav Gaur）：数据可视化、方法学、实验设计
拉希尔·辛格（Rahil Singh）：结果验证、研究监督、软件应用
施韦塔·迪曼（Shweta Dhiman）：审稿与编辑、结果验证、研究监督
利益冲突声明
作者声明不存在可能影响本研究结果的已知财务利益或个人关系。
