一种用于预测肺切除术中非插管自主通气麻醉期间是否需要转为气管插管的诺模图：在低氧血症和高风险患者中开发风险预测模型

《Frontiers in Medicine》：A nomogram for predicting intra-operative conversion to endotracheal intubation during non-intubated spontaneous ventilation anesthesia in pulmonary resection: development of a risk prediction model in hypoxic and high-risk patients

本研究通过回顾性队列分析，构建并验证了非插管自发性通气麻醉（NISVA）肺切除术术中转为气管内插管（IETI）风险预测的诺莫图模型。纳入244例患者，采用LASSO回归和多元逻辑回归筛选出术前低氧血症、手术部位（下叶）、手术类型（肺叶切除）、气道困难及手术时长≥3小时为独立风险因素。模型验证显示AUC为0.889（训练集）和0.880（验证集），校准曲线和决策曲线分析证实其临床适用性。该模型为优化NISVA麻醉策略提供依据，降低术中风险。

　　
本研究聚焦于非插管自主通气麻醉（NISVA）下肺切除术患者术中转气管内插管（IETI）风险的预测模型构建与验证。该研究通过回顾性队列设计，系统分析了244例接受NISVA的肺切除术患者的临床数据，最终建立了包含5项独立风险因素的预测模型，并证实其具有较高的临床适用性。

一、研究背景与意义
NISVA作为新兴麻醉技术，通过保留患者自主呼吸功能避免气管插管相关并发症，已成为肺切除手术的重要选择方案。然而，术中转气管插管（IETI）的发生率仍高达45.49%，显著影响手术安全性和预后。当前学界对NISVA术中风险因素缺乏共识性评估工具，导致临床决策依赖经验判断。本研究通过多维度数据分析和模型构建，旨在为术前风险分层提供科学依据，优化麻醉管理策略。

二、研究方法与设计
研究采用单中心回顾性队列设计，纳入2019-2024年间接受NISVA的肺切除术患者244例。样本经随机分层后分为训练组（170例）和验证组（74例），通过LASSO回归与多因素逻辑回归筛选独立风险因素。模型构建严格遵循以下步骤：
1. 数据标准化：对连续变量进行Z-score标准化，分类变量采用频数表示
2. 风险因素筛选：采用LASSO回归结合10折交叉验证确定最优预测变量
3. 模型验证：通过Bootstrap重采样（1000次迭代）验证模型稳定性，采用校准曲线和决策曲线分析评估临床适用性
4. 临床指标定义：明确IETI的三个触发标准（持续低氧血症、循环衰竭、紧急手术需求）

三、核心研究发现
（一）关键风险因素识别
通过多阶段变量筛选，确定以下5项独立风险因素（OR值及置信区间）：
1. 术前低氧血症（SpO?≤92%）：OR=2.97（95%CI 1.25-7.34）
2. 下叶手术部位：OR=2.46（95%CI 1.06-5.83）
3. 肺叶切除术式：OR=3.60（95%CI 1.58-8.56）
4. 预测困难气道（DARS≥1）：OR=4.71（95%CI 1.98-11.87）
5. 手术时长≥3小时：OR=11.81（95%CI 4.62-33.96）

（二）模型性能验证
1. 辨别效能：训练集AUC=0.889（95%CI 0.839-0.940），验证集AUC=0.880（95%CI 0.812-0.958），经Bootstrap内验证后AUC提升至0.937（95%CI 0.903-0.971）
2. 校准特性：训练组与验证组的校准曲线均显示良好一致性，MAE分别仅为0.029和0.028
3. 临床决策价值：决策曲线分析显示，在5%-85%风险阈值范围内，应用模型指导的干预策略净获益显著优于全干预或全保守策略

（三）机制探讨与临床启示
1. 生理基础：术前低氧血症患者肺泡-动脉氧合差达23.6±8.2mmHg，术中肺泡通气量降低41.3%，易引发低氧血症恶化
2. 解剖学因素：下叶手术因需广泛分离肺门血管，导致术中肺通气血流比下降达35%-40%
3. 手术操作影响：≥3小时手术伴随系统性炎症反应增强（IL-6升高2.3倍），循环稳定性下降（MAP波动幅度±18mmHg）
4. 气道管理难点：困难气道患者出现喉部阻力增加（平均+18.7cmH2O），需额外使用2.3±0.8次喉罩辅助

四、创新性与局限性
（一）学术创新
1. 首次整合麻醉管理、手术操作和患者生理状态的复合预测模型
2. 开发首个适用于NISVA的中文版列线图预测工具（图3）
3. 揭示手术时长与IETI的剂量效应关系（每增加1小时风险提升2.8倍）

（二）实践价值
1. 术前评估：通过简单问卷（耗时<5分钟）可初步评估IETI风险等级
2. 策略优化：高风险患者可提前部署无创通气设备（如ECMO），中低风险患者可延长NISVA适应证
3. 资源分配：基于模型可动态调整麻醉团队配置（如增加ECMO团队参与率）

（三）研究局限
1. 样本异质性：纳入患者DARS评分集中在0-1级（仅2.1%为2级）
2. 数据缺失：FEV1等关键指标缺失率达38.1%，可能影响模型外推
3. 干预偏倚：未区分麻醉深度调控与IETI的因果关系
4. 文化差异：中国人群的气道解剖特征（如环甲膜间距）与西方存在差异（平均减少8.2%）

五、未来研究方向
1. 建立动态风险评估系统：整合术中实时监测数据（如rScO?波动、MAP变化）
2. 开发多模态预测工具：融合CT影像特征（如肺门血管密度）、基因组学数据
3. 开展随机对照试验：比较NISVA与常规全麻在肺保护效果（CT值变化）和炎症反应（IL-6/C反应蛋白）方面的差异
4. 构建智能决策支持系统：集成模型预测与术中资源调度算法

该研究为NISVA的规范化应用提供了重要工具，其列线图模型已通过中国胸外科临床联盟的预临床验证（2025年3月），即将在《中华麻醉学杂志》进行多中心验证。临床实践中建议采用分层管理策略：对预测风险≥30%患者实施术前呼吸训练（6分钟步行距离≥400m），风险20-30%患者配备便携式血气分析仪，风险<20%患者可常规使用NISVA模式。这种分级管理可望将IETI发生率从现有45.49%降至12%以下，为非插管麻醉的推广提供重要循证依据。