《Journal of Personalized Medicine》:Beyond Mallampati: From Universal Bedside Tests to Precision Airway Risk Stratification
编辑推荐:
气道管理仍是麻醉实践中少数几个领域之一,其决策仍依赖于对高度异质性人群应用统一的、二分类的筛查阈值。传统的床旁试验——改良Mallampati试验(modified Mallampati test, MMT)、甲颏距离(thyromental distance
气道管理仍是麻醉实践中少数几个领域之一,其决策仍依赖于对高度异质性人群应用统一的、二分类的筛查阈值。传统的床旁试验——改良Mallampati试验(modified Mallampati test, MMT)、甲颏距离(thyromental distance, TMD)和上唇咬合试验(upper lip bite test, ULBT)——诊断准确性有限且不一致,导致大多数困难插管未被预见,同时产生大量假阳性警报,进而触发资源密集型的应急预案。本叙述性综述将术前气道评估重新定义为个体化风险分层问题,而非群体筛查。研究人员首先总结了经典床旁预测因子的性能局限及其天花板效应的原因,包括目标事件低患病率、观察者间变异、谱系偏倚和结局定义异质性。随后,研究人员审视了正在重塑该领域的数据流:床旁上气道超声(point-of-care upper airway ultrasound),其参数可提供操作者可获取的客观解剖信息;横断面成像与颅面影像;以及基于临床变量、面部图像和语音分析的机器学习模型。针对每种方法,研究人员讨论了其准确性、可重复性、验证状态及推广障碍。接着,研究人员提出了一种表型导向框架,在该框架中评估强度与检验前概率相匹配,并为肥胖与阻塞性睡眠呼吸暂停(obstructive sleep apnoea, OSA)、产科、头颈肿瘤及放疗后、危重症与急诊以及儿科人群设立了专门路径。研究人员将该框架映射至2025年欧洲麻醉与重症监护学会(European Society of Anaesthesiology and Intensive Care, ESAIC)与困难气道协会(Difficult Airway Society, DAS)的建议,并概述了在精准气道评估进入常规实践之前必须满足的验证、校准及公平性要求——包括跨肤色、性别和种族的算法偏差。
论文主体内容总结
1. 引言
气道管理是医学中最常规、后果最严重且预测最差的干预措施之一。第四国家审计项目(NAP4)估计,每百万例全身麻醉中发生46例重大气道并发症,死亡率达5.6/百万。在重症监护病房(ICU)和急诊科(ED),分别有61%和31%的气道事件导致死亡或持续性神经损伤。多数事件无法被预见:丹麦麻醉数据库显示,93%的困难插管未被预料,而当困难被预期时,仅25%的患者真正困难。当代术前气道评估同时存在两方面失败:漏掉绝大多数需检测的事件,而发出的警报有四分之三是错误的。2025年DAS指南侧重于改善补救而非预测,2025年ESAIC指南则建议组合多项测试以提高预测价值,并指出测试组合应因病理而异。精准医学的逻辑是将诊断和治疗强度与个体风险评估相匹配,这引出了三个实际问题:问题应从“此测试是否阳性”转变为“该患者的检验前概率是多少,哪些额外信息会改变处理”;“困难”应是患者、操作者和环境三者相遇的结果;评估资源应集中在预期收益最大的地方。
2. 材料与方法
本文为叙述性综述,遵循叙事性综述文章评估量表(SANRA)的六个领域。检索PubMed/MEDLINE数据库,时间从建库至2026年7月31日,结合了控制词汇和自由词。优先纳入系统性综述、荟萃分析、大型前瞻性队列、登记研究、随机试验及学会指南。未进行双独立筛选、正式质量评分或定量合成,研究选择反映了作者对代表性的判断。
3. 一统式床旁筛查的天花板
3.1 证据的实际表现
床旁气道测试的诊断准确性已被严格量化。Cochrane综述发现,所有指数测试敏感性均较低且研究间变异性高,特异性则持续显著较高;改良Mallampati试验(MMT)敏感性最高,上唇咬合试验(ULBT)综合性能最优。后续涵盖227篇文章、686,089名患者的荟萃分析报告了各测试的汇总敏感性和特异性。理性临床检查系统综述指出,ULBT 3级(阳性似然比14)和短舌骨-颏距离(阳性似然比6.4)具有真正判别价值。这些测试作为确认性测试表现良好,但作为筛查测试使用时敏感性差。甲颏高度是最有前景的新候选指标,两项荟萃分析报告了较高的汇总敏感性和特异性,但均警告原始研究的高偏倚风险和未标准化的外部喉部操作可能膨胀了这些估计值。
3.2 天花板存在的原因
四个机制解释了为何改进单个测试的收益递减。第一,低患病率与阳性预测值的算术关系:困难插管患病率约10%,即使高特异性测试也会产生更多假阳性而非真阳性。第二,观察者间变异:MMT和ULBT需要标准化体位和配合,评估者间一致性不理想。第三,谱系偏倚与结局异质性:多数准确性研究排除了有明显气道病理的患者,且参考标准各异。第四,操作者与环境是未测量的协变量:床旁测试未纳入操作者、设备、时间和辅助条件等变量。
3.3 复合评分:部分答案
多变量指数优于单一测试。例如,MACOCHA评分的曲线下面积(AUC)在开发和外部验证中分别为0.89和0.86,敏感性73%,特异性89%。然而,DIFFICAIR整群随机试验表明,强制实施简化气道风险指数并未减少非预期困难插管。更好的算术应用于相同有限输入不能解决问题,更丰富的输入才可能有效。
4. 用于个体化评估的多模态数据流
4.1 床旁上气道超声
超声将气道评估从表面检查转向对遮挡视线组织的测量。荟萃分析显示,皮肤至会厌距离(DSE)预测困难直接喉镜的敏感性/特异性为0.82/0.79(AUC 0.87)。最新的最大规模综合分析(60项研究,10,580名患者)证实了类似结果。超声部分避免了观察者间问题,因其产生连续测量值。超声在床旁测试失败最明显的人群中仍保持性能:孕妇、肥胖患者和儿童。此外,超声在环甲膜(CTM)定位中也有作用。然而,2025年ESAIC指南认为证据尚不足以推荐超声用于常规气道评估,因为区分能力已获证明,但临床效用尚未确立。
4.2 横断面与颅面成像
相当一部分患者在到达麻醉室时已有包含所需信息的影像学资料。一项随机对照研究表明,三维CT重建虚拟内镜显著改变了麻醉医生对气管导管尺寸的选择和经鼻插管的鼻孔选择。简单的放射学指标在特定人群中仍有价值。主要障碍在于工作流程和缺乏经过验证的可重复气道指标。
4.3 机器学习与人工智能
AI能够整合比人类观察者更多的变量。深度学习模型的AUC在0.80-0.88范围内。三维面部几何建模预测困难面罩通气的表现与DIFFMASK评分相当。两个重要告诫:阳性预测值仍是根本限制,“黑箱”模型的风险和外部验证不足是真实存在的。此外,一些模型在训练时人为平衡了病例比例,使报告的预测值在临床人群中不适用。
4.4 操作者与环境作为数据
精确框架若仅模拟患者将系统性地误判。视频喉镜相比直接喉镜显著改善了声门暴露和插管成功率。操作者经验、设备可用性、时间、辅助条件和环境是合法输入,且大多是可修改的。ESAIC已建议术前气道评估的最低组合应包括对生理、环境、设备和团队专长的评估。
5. 表型特异性路径
“困难气道”并非单一状况。不同人群不仅在困难患病率上不同,其机制、最佳测试和缓解干预措施也不同。
5.1 肥胖与阻塞性睡眠呼吸暂停(OSA)
肥胖患者的特征在于困难领域的分离:喉镜检查通常无异常,而面罩通气困难发生率高达14.4%(总体6.1%),安全窒息时间大幅缩短。OSA独立带来3-4倍的困难插管或面罩通气风险。实际后果:颈围增加预测信息;ULBT和甲颏高度在病态肥胖患者中保持甚至超过其通常性能;超声保留判别价值;体位和预充氧策略比设备选择更重要。
5.2 产科患者
产科气道结合了解剖变化、生理脆弱性、误吸风险和时间压力。气道状态随妊娠和分娩进展而变化。文献明确强调个体化产前规划。超声气道参数已在妊娠期得到专门评估,其测量值与未孕女性显著不同。环甲膜超声标记数据来自临产女性。
5.3 头颈肿瘤与放疗后解剖
这是最高风险的表型,传统床旁测试在此表现最差。既往颈部放疗是困难面罩通气的最强危险因素。对于此表型,评估层级颠倒:病史和现有横断面成像占主导地位,内镜评估常具决定性,通用床旁测试为次要价值。
5.4 危重症与急诊患者:生理性困难
在危重症中,约束条件通常是生理储备而非解剖。生理性困难气道的概念已被共识推荐正式化。INTUBE研究量化了问题的严重程度:43.4%的危重症患者发生插管期间心血管不稳定或虚脱。两个不同问题需分别回答:技术性困难(由MACOCHA评分预测)和患者耐受性(目前无经过验证的工具)。缓解干预措施是生理性的,如PREOXI试验证明了无创通气(NIV)预充氧的有效性。
5.5 儿科与综合征患者
儿童不是缩小版的成人。儿科困难插管登记数据显示,首次尝试成功率随年龄、体重和诊断而异。精准信息直接明了:在儿童中,决定变量是年龄、体重、综合征诊断和尝试次数,而非成人床旁评分。
5.6 重叠表型
真实患者很少属于单一类别。三条规则使其可用:评估是累加的而非替代的;最具约束性的缓解措施起主导作用;三个风险领域应分别评估和记录。
6. 将分层转化为策略:与2025年DAS指南对齐
风险分层只有在改变管理时才值得执行。五个决策点实现转化:清醒与诱导后气道管理、一线设备选择、氧合策略、团队与设置、紧急颈前气道准备。可行的操作规则是评估强度应与检验前概率成比例。
7. 障碍、公平性与验证要求
7.1 验证与校准
多数已发表的预测模型仅报告开发队列的区分度。部署需要外部验证、校准和临床效用证明。
7.2 算法公平性
摄入面部图像、语音或人体测量学的模型面临特定的失败模式。种族和性别相关的偏倚已在其他专科的风险预测模型中得以证明。按这些特征分层的性能应成为最低报告标准。
7.3 实施、监管与培训
工作流程整合、监管框架和培训与准入是三个值得关注的障碍。
7.4 技能与计划的可执行性
决定做什么的框架若无执行所选技术的技能则毫无价值。纤维支气管镜插管和紧急颈前气道通路正是最容易衰退的技能。结构化的培训可以解决这一差距。
8. 未来方向
四项优先事项:结局标准化、建立前瞻性多中心登记系统、将解剖和生理困难整合为单一风险估计、开展影响研究而非准确性研究。
9. 临床意义
七个实践要点:正常床旁检查不等于排除困难;记录三项判断而非一项;明确测试目的;匹配评估强度与检验前概率;标记不可靠触诊患者的环甲膜;检查计划在当前条件下是否可行;在危重症中勿将解剖放心等同于生理安全。
10. 结论
过去四十年,术前气道评估被当作通用筛查项目运行,其结果符合此类项目在罕见事件中的典型表现。需要的不是更好的测试,而是不同的问题。2025年ESAIC和DAS指南改进了预测失败时的应对措施。未来的任务是让预测失败得更少。