基于灌注指数和区域血流变化的坐骨神经阻滞疗效预测模型

《Journal of Investigative Surgery》：Predictive Model for Sciatic Nerve Block Efficacy Based on Perfusion Index and Regional Blood Flow Changes

本研究通过评估坐骨神经阻滞后下肢区域血流变化及Perfusion Index（PI）的差异，构建预测神经阻滞成功的多因素逻辑回归模型。采用157例患者前瞻性研究，发现PI及血流参数（如峰值收缩期流速变化和平均时间流速变化）可作为可靠预测指标，模型验证显示高敏感性（0.96）和特异性（0.87），AUC达0.909，证实其临床适用性。

　　本研究旨在探讨脊神经阻滞效果的评估方法，特别是通过观察下肢区域血流变化和灌注指数（Perfusion Index, PI）来预测脊神经阻滞的成功率。同时，该研究还开发了一个基于多因素逻辑回归的预测模型，以提高临床评估的客观性和准确性。脊神经阻滞是一种在下肢手术中广泛应用的区域麻醉技术，其有效性对于减轻术中和术后疼痛、提升患者舒适度和满意度具有重要意义。然而，传统的评估方法依赖于临床检查，如感觉和运动功能测试，这些方法可能受到患者配合度和评估者经验的影响，存在一定的局限性。

近年来，临床医生开始探索更客观的评估手段，如皮肤温度、动脉血流和灌注指数（PI）等，以预测神经阻滞的效果。但这些研究大多集中在臂丛神经阻滞领域，对于脊神经阻滞的应用仍较为有限。考虑到脊神经阻滞起效时间较长、成功率相对较低，因此需要建立可靠的客观指标，以实现对阻滞效果的早期预测，从而在阻滞不完全的情况下及时采取补救措施，保障患者安全并减少不必要的重复阻滞，降低局部麻醉药物中毒的风险。

在本研究中，157名患者接受了脊神经阻滞，并在阻滞前后进行了下肢区域血流变化和灌注指数的测量。研究采用了前瞻性设计，将患者随机分为训练组和验证组，比例为7:3，以构建和验证预测模型。所有阻滞操作均在超声引导下进行，使用的是亚臀部入路技术，确保穿刺针的尖端能够精准地靠近神经。随后，研究人员通过超声测量了前胫动脉（Anterior Tibial Artery, ATA）和后胫动脉（Posterior Tibial Artery, PTA）的血流参数，包括峰值收缩速度（Peak Systolic Velocity, PSV）、舒张末速度（End-Diastolic Velocity, EDV）以及时间平均均值速度（Time-Averaged Mean Velocity, TAmean）。这些参数能够反映下肢区域的血流动力学变化。

灌注指数（PI）是一种通过脉搏血氧饱和度（SpO?）监测系统测量的参数，其值与局部血流和血管阻力密切相关。在本研究中，PI的变化被用于评估脊神经阻滞的效果。研究发现，PI和下肢区域血流参数在预测脊神经阻滞成功方面具有显著意义。此外，研究人员还通过多因素逻辑回归模型整合了这些变量，并构建了一个临床决策图（Nomogram），以帮助医生更直观地评估阻滞效果。

为了确保模型的可靠性，研究人员使用了多种统计方法进行验证，包括受试者工作特征曲线（ROC曲线）、校准曲线和Hosmer-Lemeshow检验。这些方法均表明，该模型在训练组、内部验证组和外部验证组中表现出较高的敏感性和特异性，其曲线下面积（AUC）分别为0.909、0.957和0.890，显示出良好的预测性能。同时，决策曲线分析（DCA）进一步验证了该模型在临床中的实用性，表明其具有可接受的诊断价值。

研究还指出，PI和下肢区域血流变化在脊神经阻滞后的10至15分钟内出现显著变化，这可能与脊神经复杂的解剖结构有关，特别是其被周围神经束膜（epineurium）包裹的特点，使得局部麻醉药物需要更长时间才能达到对交感神经的阻滞效果。因此，PI和血流参数的变化并非实时发生，而是通过特定时间点的动态观察来反映阻滞的完成情况。这种时间延迟现象在本研究中得到了充分的验证，并为临床实践提供了参考依据。

在临床应用方面，本研究的模型可以帮助医生在手术准备前客观评估脊神经阻滞的效果，避免因阻滞不完全而需要重复操作的风险。对于那些在10分钟时PI和血流参数变化不明显的患者，医生可以及时采取补救措施，如增加麻醉药物剂量，从而提高阻滞的成功率。对于阻滞效果良好的患者，则可以放心进行手术，减少不必要的延误和资源浪费。这种评估方法不仅提升了阻滞效果的判断准确性，也为临床医生提供了一种客观的工具，尤其是在患者无法准确表达疼痛感受或存在沟通障碍的情况下。

此外，本研究强调了模型的临床价值，尤其是在处理失败的脊神经阻滞时。失败的脊神经阻滞会导致手术延误、需要转为全身麻醉，甚至增加医疗成本和患者不适感。通过建立一个客观的预测模型，可以更早识别阻滞不完全的患者，及时采取干预措施，从而优化麻醉管理，提高手术安全性。同时，该模型的开发也为未来的临床研究提供了新的方向，尤其是在探索分支特异性评估指标方面。例如，部分患者的阻滞效果可能仅限于某一神经分支，而另一分支仍然保持功能，这可能会影响手术的安全性。因此，未来的研究可以进一步探讨分支特异性指标，如特定分支的灌注变化或PI阈值，以提高评估的精确度。

本研究的局限性也值得关注。首先，由于研究是在单一中心进行的，因此可能存在选择偏倚，未来需要多中心研究以验证模型的普遍适用性。其次，尽管模型在预测脊神经阻滞效果方面表现良好，但仍需考虑其他可能影响阻滞效果的因素，如患者个体差异（包括遗传因素和生理状态）、手术类型、麻醉药物种类以及麻醉技术本身。例如，本研究中有两名患者因阻滞不完全而被排除，他们表现出分支特异性阻滞：胫神经分支完全被阻滞，但腓总神经分支仍保持功能。这种不对称性可能导致手术区域污染，从而违反手术安全标准。因此，未来的研究应进一步探索如何克服解剖学差异带来的评估局限，开发更具针对性的指标，以提升模型的适用性和临床价值。

总的来说，本研究为脊神经阻滞效果的客观评估提供了一种新的方法，即通过监测下肢区域的血流变化和灌注指数，结合多因素逻辑回归模型，实现对阻滞成功的预测。这一方法不仅提高了评估的准确性，还为临床医生提供了更可靠的工具，有助于优化麻醉管理，减少医疗资源浪费，提升患者的安全性和满意度。未来的研究可以在此基础上进一步拓展，探索更精细的评估指标，以满足不同临床场景的需求，并推动区域麻醉技术的标准化和智能化发展。