精准决策：多源数据驱动的头颈部手术气管插管规划新工具

本文开发并验证了一种用于头颈部手术气道管理规划的决策工具（Expect-It）。该工具整合多源数据，能准确预测合适的气管插管技术和策略，提高插管成功率，减少气道相关不良事件，为气道管理提供精准决策支持。

　　

研究背景

在麻醉、重症监护和急诊医学领域，相机辅助气管插管技术（如视频喉镜或纤维支气管镜检查）是处理困难气管插管的推荐方法，清醒气管插管安全性良好，但应用可能不足，且其适应证标准模糊。现有气道风险预测测试敏感性低，易出现假阴性结果，且多依赖解剖评估和颌关节功能，未考虑咽喉部病变。术前经鼻视频喉镜检查或可弥补这一缺陷，同时既往困难气道管理情况是预测未来困难的重要指标。传统医疗决策缺乏结构化，决策工具可弥补这一不足，近期气道管理指南也强调了决策工具在清醒气管插管中的作用。因此，本研究旨在开发并验证一种基于多源数据的气道管理决策工具（Evidence-Based Algorithm for the Expected Difficult Intubation，Expect-It），并评估其与传统非算法决策的优劣 。

研究方法

1. 研究设计与参与者：本研究为单中心前瞻性研究，依据赫尔辛基宣言开展，遵循相关报告指南。纳入计划接受耳鼻咽喉或口腔颌面外科手术且需气管插管的成年患者，排除其他类型气管插管、已有气管造口及孕妇。每位患者的每次气管插管麻醉视为一个病例，允许多次评估，但确保患者不会被同一位麻醉医生管理两次。记录参与的麻醉医生信息 。
2. 气道管理规划：患者在术前评估诊所接受结构化气道风险评估，包括体格检查、病史采集、简化气道风险指数、Wilson 评分、上唇咬试验，必要时进行经鼻视频喉镜检查。测量切牙间隙并分组，系统评估患者自我报告症状，医生对困难气道指标进行评级，记录既往气管插管情况并标记。医生据此提出一线气管插管技术（相机辅助或直接喉镜）和策略（清醒或麻醉下插管），开发队列中基于医生经验判断，验证队列中则依据 Expect-It 决策工具 。
3. 气道管理与插管技术及策略评级：确定视频喉镜和纤维支气管镜的选用类型，麻醉管理无统一方案，由麻醉医生自主选择药物、剂量及麻醉诱导、气道管理和气管插管方式。气管插管后，麻醉医生评估哪种插管技术和策略对该患者最适宜，并记录在电子健康记录中 。
4. 主要结局指标：主要结局指标为合适的气管插管技术（相机辅助与直接喉镜）和策略（清醒与麻醉下插管）。次要结局指标包括总体和首次插管成功率、直接喉镜插管失败情况、喉镜和插管尝试次数、使用气管导管引导器情况、气管插管时间、准备时间、声门视野分级、声门开口百分比、视频喉镜插管困难分类、困难面罩通气及气道相关不良事件 。
5. 流程与时间安排：研究采用两阶段设计。开发期收集数据用于决策工具开发，医生基于经验决策；过渡期实施决策工具并计算验证期样本量；验证期收集数据直至满足样本量要求 。
6. 协变量选择：通过文献回顾、既往研究和临床考量确定潜在气道相关风险因素，分为四类：既往气管插管困难记录、气道体格检查、医生对困难气道指标的评级、通过病史、症状或经鼻视频喉镜检查确定的疑似或确诊咽喉部病变。对部分数据用最小绝对收缩和选择算子（LASSO）回归进行变量选择 。
7. 回归模型构建：运用两种不同回归分析获取 Expect-It 评分，分别预测合适的气管插管技术和策略。先通过 LASSO 回归筛选变量，再纳入多变量逻辑回归模型，最终将两个模型的得分结合创建决策工具 。
8. 评分开发：将两个模型的 β 系数取整构建 Expect-It 评分，依据规则确定每个协变量的统一分值。使用 Youden 指数评估最佳决策阈值，从实用角度结合阳性和阴性预测值确定临床相关阈值 。
9. 验证方法与性能指标评估：基于开发和验证队列数据评估决策工具的通用性和性能。计算开发队列中预测合适相机辅助和清醒气管插管的受试者工作特征曲线下面积（AUC），绘制校准带；计算验证队列中决策工具的敏感性和特异性，并与临床标准比较 。
10. 统计分析：用频率、百分比、均值、标准差、中位数和四分位数间距等描述样本特征，报告优势比（OR）及 95% 置信区间（CI），使用 SPSS 27 和 R 4.0.2 软件进行统计分析 。

研究结果

1. 研究对象特征：1201 例患者的 1282 例麻醉病例纳入分析，开发队列 602 例，验证队列 680 例。两组患者的人口统计学和基线临床特征平衡。部分患者存在颈部活动受限、上唇咬试验阳性、颈部放疗史、咽喉部病变等情况，部分患者进行了术前经鼻视频喉镜检查。共 120 名麻醉医生参与，其中 trainees 占 65%，attendings 占 35% 。
2. 决策工具开发：构建两个多变量逻辑回归模型，结合其得分得到决策工具。确定 Expect-It 评分范围为 0 - 23 分，3 分及以上支持使用相机辅助技术，7 分及以上支持清醒气管插管 。
3. 验证测试与性能指标：决策工具在预测合适的相机辅助和清醒气管插管方面具有良好的区分度（相机辅助插管 AUC 为 0.86 [95% CI，0.81 - 0.90]；清醒气管插管 AUC 为 0.97 [95% CI，0.96 - 0.99]），校准良好。验证队列中多数气道操作者遵循决策工具建议，决策工具在敏感性和特异性方面表现良好 。
4. 次要结局：实施决策工具后，视频喉镜更常作为一线插管技术，用于挽救直接喉镜插管失败的情况减少，首次插管成功率提高，气道相关不良事件减少 。

讨论

本研究采用自下而上的数据驱动方法开发了 Expect-It 决策工具，该工具整合多源数据，为气道管理规划提供可靠决策支持，避免诊断漏洞。其应用可提高相机辅助和清醒气管插管的合理使用率，改善临床结局，减少气道相关不良事件。研究还发现，严重张口受限和咽喉部病变是清醒气管插管的重要指征，张口小于 2.5 cm 时需谨慎评估视频喉镜插管。然而，本研究存在局限性，如单中心研究，结果不能推广至其他机构或人群；研究易受时间队列偏倚影响；未考虑部分因素，决策工具仅起辅助作用，最终决策需医生结合实际情况制定。未来需在其他环境和人群中进一步外部验证 。

结论

本研究成功开发并验证了 Expect-It 决策工具，该工具整合多源数据，诊断性能良好，可作为智能算法的先驱。临床应用后，气管插管方式更具针对性，气道相关不良事件减少 。