重癥患者腸內(nèi)營養(yǎng)喂養(yǎng)不耐受風險篩查方法研究進展

魯小丹 汪永斌 劉雨今 金培英

【關(guān)鍵詞】 重癥疾病；腸內(nèi)營養(yǎng)；喂養(yǎng)不耐受；預測模型；篩查工具

中圖分類號：R473?? 文獻標志碼：A?? DOI：10.3969/j.issn.1003-1383.2023.09.016

喂養(yǎng)不耐受（feeding intolerance，F(xiàn)I）是指患者在腸內(nèi)營養(yǎng)（enteral nutrition，EN）過程中發(fā)生的常見不良反應，通常指一系列胃腸道癥狀，如胃殘余量增多、嘔吐、腹瀉、腹痛等，會導致患者腸內(nèi)營養(yǎng)輸注量減少，營養(yǎng)需求得不到滿足，達不到營養(yǎng)目標［1-2］。FI是全球重癥監(jiān)護室常見的問題，平均約38.3%的患者不能耐受EN［3］。FI與死亡率增加、機械通氣持續(xù)時間及ICU住院時間延長等不良結(jié)局相關(guān)［4-5］。目前針對FI尚無高級別證據(jù)的治療措施被推薦，靜脈注射紅霉素對FI的治療效果如何尚無定論［6-8］。最新美國腸外和腸內(nèi)營養(yǎng)學會/重癥監(jiān)護醫(yī)學會重癥監(jiān)護營養(yǎng)指南指出，在重癥監(jiān)護營養(yǎng)研究中應評估營養(yǎng)狀況［9］，F(xiàn)I的早期識別與預防可以改善重癥患者的營養(yǎng)供應和臨床結(jié)局［4］。現(xiàn)對FI篩查方法的研究進展進行綜述，篩查方法包括風險預測模型、評估量表、影像學檢查及其他特異性指標，旨在為臨床早期識別FI高危人群，針對性預防方案的制訂和實施，以及篩查工具的選擇和開發(fā)提供參考。

1 FI風險預測模型

臨床風險預測模型是根據(jù)多個預測因子的值來估計個體現(xiàn)有疾病或未來結(jié)局的風險，又叫預后模型、風險評分等［10］。如Framingham危險評分［11］，它可根據(jù)膽固醇水平和非膽固醇因素來計算個體未來10年冠心病發(fā)病概率。隨著精準營養(yǎng)時代的到來，F(xiàn)I風險預測模型可以作為評估篩查FI高危人群的工具，實現(xiàn)FI的個體化預測，有助于臨床早期識別FI患者，幫助醫(yī)護人員及時采取措施以降低FI發(fā)生率。

1.1 重癥監(jiān)護室膿毒癥患者喂養(yǎng)不耐受預測模型

在一項雙中心病例對照研究中［12］，研究者使用一家醫(yī)院重癥監(jiān)護室的124名膿毒癥患者的人口學、疾病病史、實驗室指標、營養(yǎng)液成分等27個臨床指標的數(shù)據(jù)來構(gòu)建模型，根據(jù)患者腸內(nèi)營養(yǎng)過程中出現(xiàn)嘔吐、腹脹、胃殘余量（胃殘余量≥500 mL/24小時）、腹瀉和高腹內(nèi)壓（腹內(nèi)壓>12 mmHg，1 mmHg=0.133 kPa）情況診斷為FI，共構(gòu)建了五個模型，包括邏輯回歸、樸素貝葉斯、隨機森林、決策樹和深度學習模型，并使用來自另一家醫(yī)院71名患者的數(shù)據(jù)來評估外部預測性能，統(tǒng)計分析顯示深度學習模型預測性能最佳，下呼吸道感染是最強的預測因子，通過預測FI能及時采取預防措施以減少FI的發(fā)生率。訓練集和外部驗證集AUC分別為0.82（95% CI=0.74～0.90）和0.79（95% CI=0.68～0.89）。但該模型也有不足：模型基于回顧性數(shù)據(jù)構(gòu)建，回顧性研究因其預測因子與結(jié)局指標非系統(tǒng)性收集，可能導致信息偏倚；訓練集數(shù)據(jù)使用一個中心的樣本，可能存在選擇偏倚，影響在該數(shù)據(jù)集中訓練的機器學習算法的普遍性，模型是否可以推廣到中國其他地區(qū)或其他國家使用有待進一步研究。

1.2 胃癌術(shù)后管飼不耐受預測模型

WU等［13］回顧分析了225例胃癌術(shù)后患者管飼不耐受發(fā)生情況，確定了便秘史、術(shù)前美國麻醉醫(yī)師協(xié)會評分、術(shù)后6小時疼痛評分和術(shù)后第一天的白細胞指標是獨立危險因素，進而構(gòu)建了列線圖模型，采用200次自抽樣進行內(nèi)部驗證，結(jié)果顯示AUC為0.756，預測FI的最佳臨界值為0.5410。該模型的敏感性、特異性、陽性預測值和陰性預測值分別為61.3%、74.6%、70.1%和66.5%。當概率>0.5410時，患者發(fā)生FI的可能性為70.1%。該預測模型可在術(shù)后第一天識別管飼不耐受高風險人群，有助于醫(yī)生在腸內(nèi)營養(yǎng)前制訂預防策略。但該模型也存在局限性：術(shù)前美國麻醉醫(yī)師協(xié)會評分及術(shù)后6小時疼痛評分具有一定的主觀性，可能導致偏差；缺乏外部驗證，推廣性尚未可知。

1.3 神經(jīng)重癥患者腸內(nèi)營養(yǎng)喂養(yǎng)不耐受風險預警模型

李煒等人［14］通過前瞻性分析127例神經(jīng)重癥患者行腸內(nèi)營養(yǎng)后發(fā)生FI的危險因素，基于logistic回歸統(tǒng)計分析最終將高血壓、機械通氣、鎮(zhèn)靜鎮(zhèn)痛藥物、高血鉀、高血糖、ICU住院天數(shù)、低格拉斯哥昏迷評分作為預測因子，構(gòu)建了列線圖模型，AUC為0.889，靈敏度為89.13%，特異度為74.07%。該模型具有較高的區(qū)分度，但樣本量較小，缺乏對模型的驗證，預測FI的效果還需進一步評估。

1.4 重癥急性胰腺炎患者FI預測模型

王富艷等［15］回顧分析118例重癥急性胰腺炎患者發(fā)生FI的相關(guān)危險因素，基于logistic回歸統(tǒng)計分析最終將年齡、空腹血糖、腸內(nèi)營養(yǎng)開始時間、未添加膳食纖維和腹內(nèi)壓作為預測因子，用R軟件建立了列線圖模型，采用bootstrap法重復自抽樣1000次內(nèi)部驗證，結(jié)果顯示預測FI發(fā)生的一致性指數(shù)為0.869，AUC為0.857（95% CI：0.779～0.931），該模型樣本量較小，缺乏外部驗證。

目前已開發(fā)的FI風險預測模型多以列線圖及評分表的形式呈現(xiàn)，可根據(jù)臨床易獲取的指標計算FI發(fā)表風險，預測FI的發(fā)生。但研究也存在一些問題：研究大多存在樣本量小，缺乏模型的外部驗證等問題；研究設(shè)計多采用回顧性病例對照研究，預測模型研究的偏倚風險評估工具［16］不推薦傳統(tǒng)的病例對照研究設(shè)計，可用巢式病例對照研究或病例隊列研究設(shè)計以降低偏倚風險；研究對象的選取多是單一病種，尚無適合重癥患者普適性的FI風險預測模型。

2 評估量表

王婷［17］通過質(zhì)性訪談，德爾菲咨詢法確定了重癥患者發(fā)生FI的23種危險因素，并構(gòu)成量表條目池，編制了《重癥患者腸內(nèi)營養(yǎng)喂養(yǎng)不耐受風險評估量表》，其中危險度較高的條目是急性胃腸功能損傷程度、格拉斯哥昏迷評分、高血糖、長期臥床等，統(tǒng)計顯示AUC為0.95，P<0.001，靈敏度為89.3%，特異度為80%，該量表確定了FI診斷閾值為17分，當結(jié)果高于17分時，患者有發(fā)生FI的風險，F(xiàn)I風險等級分為三級，17～21分為Ⅰ級，22～32分為Ⅱ級，33分以上為Ⅲ級。此風險評估量表可以針對性地評估疾病的風險并識別其早期跡象，更直觀方便地識別危險因素，并量化風險大小，根據(jù)FI風險等級制訂預防措施。但該量表也存在局限性：條目根據(jù)專家意見構(gòu)建，其客觀性有待加強；量表缺乏效標關(guān)聯(lián)效度和金標準，其效度有待進一步驗證。

3 影像學檢查

3.1 急性胃腸損傷超聲（acute gastrointestinal injury ultrasonography，AGIUS）檢查

近年來，床旁超聲檢查在ICU重癥患者的應用范圍越來越廣［18］，超聲指標已被多項研究證實可以預測FI［19-20］。一項前瞻性研究［20］設(shè)計了AGIUS評估重癥患者胃腸功能損傷情況及預測FI等方面的作用，其包含腸直徑、厚度及腸蠕動頻率等指標的測量，結(jié)果發(fā)現(xiàn)腸道蠕動程度預測FI效果最好，與蠕動率正常（5～10次/min）的患者相比，蠕動率異常（<5次/min或>10次/min）的患者發(fā)生FI的風險增加。AGIUS預測效果良好，可以降低腸內(nèi)營養(yǎng)的風險并促進個體化營養(yǎng)方案的實施。

3.2 胃竇橫截面積（cross-sectional area，CSA）測量

一項前瞻性研究納入了5家醫(yī)院150名經(jīng)胃管行EN持續(xù)3天以上的ICU患者，通過床旁超聲測量前3天EN開始4 h后仰臥位及右側(cè)臥位舒張期CSA，統(tǒng)計分析顯示EN開始后第3天FI的發(fā)生率為28%，第3天右側(cè)臥位CSA預測FI的AUC為0.699（95% CI：0.514～0.883）。其預測FI的最佳臨界值為7.092 cm2，敏感性為0.727，特異度為0.755。當?shù)?天右側(cè)臥位CSA≥7.092 cm2時，F(xiàn)I發(fā)生率升高［21］。床旁超聲測量CSA可以預測重癥患者當日腸內(nèi)營養(yǎng)FI。但該測量數(shù)據(jù)來自不同醫(yī)院，各中心操作者之間可能存在異質(zhì)性，導致結(jié)果出現(xiàn)偏差。

3.3 胃竇回聲強度檢測

回聲強度是指在周圍組織中反射或傳輸超聲波的能力。肌肉超聲回聲強度可以反映肌肉力量及肌肉損傷程度［22-24］。一項前瞻性研究［25］納入了38名行EN的ICU患者，測量EN開始第一天的胃竇回聲強度，通過床旁超聲檢查獲取胃竇B超圖像，再經(jīng)成像處理分析回聲強度，統(tǒng)計結(jié)果表明胃竇回聲較高的患者更可能發(fā)生FI，成功輸注腸內(nèi)營養(yǎng)液會更困難。

由于經(jīng)腹超聲檢查可能受腹腔內(nèi)氣體造成的偽影、腹壁缺損等原因的影響［20］，且超聲檢查高度依賴于設(shè)備和操作者［26］，操作者對一些主觀參數(shù)的解讀，會影響超聲指標的客觀截斷值，目前仍需更多的研究結(jié)果來確定最佳腸道超聲檢查指標佐證及優(yōu)化超聲評分檢查［19-20］。此外由于各個國家缺乏統(tǒng)一的培訓計劃和能力［27］，對重癥監(jiān)護室醫(yī)護工作者進行規(guī)范的培訓仍面臨著挑戰(zhàn)。

4 特異性指標

研究表明腹內(nèi)壓聯(lián)合胃殘余量監(jiān)測能有效降低ICU患者早期FI發(fā)生率，使其盡快達到營養(yǎng)目標［28］。重癥患者常會出現(xiàn)腹內(nèi)壓升高［29］，進而導致腹部灌注壓下降、腹壁順應性下降、血流減慢、腹腔和腸系膜血流減慢、腸系膜靜脈壓升高、臟器腫脹、缺血、胃黏膜 pH值下降及FI等，影響胃腸道的正常功能［30］。一項隨機對照試驗［31］研究了腹內(nèi)壓監(jiān)測在腹部術(shù)后早期EN中的作用，結(jié)果顯示早期EN前3天的腹內(nèi)壓基線值和腹內(nèi)壓平均值預測FI的AUC分別為0.784和0.797。當腹內(nèi)壓基線的臨界值為12.5 mmHg， 腹內(nèi)壓平均水平的臨界值為11.15 mmHg時，敏感性分別為85.5%和67.3%，特異性分別為60%和73.3%。EN前3天腹內(nèi)壓的基線值和腹內(nèi)壓平均值對于預測FI具有一定的價值。

然而也有研究表明僅僅依據(jù)腹內(nèi)壓的增加并不能反映存在胃腸功能障礙［32］。盡管現(xiàn)在測量腹內(nèi)壓的技術(shù)比較成熟，但是腹內(nèi)壓的標準化測量仍然受參考點的差異、ICU危重疾病制約下床頭水平的高度及患者體型肥胖等原因的影響，造成腹內(nèi)壓結(jié)果存在異質(zhì)性［33］。此外監(jiān)測腹內(nèi)壓造成醫(yī)療費用增加，預測FI的成本效益分析尚未可知。

5 小結(jié)與展望

重癥患者腸內(nèi)營養(yǎng)FI發(fā)病率高，常常導致患者營養(yǎng)需求得不到滿足，進而造成患者機械通氣時間延長、營養(yǎng)不良等不良結(jié)局，對其早期識別、預防可以改善重癥患者的營養(yǎng)供應與臨床結(jié)局。FI是全球重癥監(jiān)護室亟待解決的問題，患者營養(yǎng)保健權(quán)國際工作組建議對患者進行篩查、診斷、營養(yǎng)評估，以期獲得最佳和及時的營養(yǎng)治療［34］。

現(xiàn)有的篩查方法，如用單一指標，腹內(nèi)壓及胃腸超聲指標等來預測FI篩查各有局限性，多指標聯(lián)合預測FI更加可靠。FI風險預測模型是實現(xiàn)重癥患者FI個體化預測的科學工具，但目前仍缺乏適合重癥患者的經(jīng)過廣泛驗證和應用的FI風險預測模型。既往預測模型往往缺乏對研究人群的詳細描述，導致模型使用者對模型適用性的擔憂，為了評估今后所開發(fā)或驗證的模型的性能及告知用戶該模型的適用人群，建議未來預測模型研究參照預測模型報告規(guī)范指南［35］，詳細地描述預測模型研究人群的招募、選擇、預測因子的篩選、結(jié)局的測量等，進而提高預測模型研究的質(zhì)量。隨著大數(shù)據(jù)信息時代及機器學習的發(fā)展，今后可在重癥監(jiān)護電子系統(tǒng)中植入預測模型，通過自動采集預測因子的方法，人工智能化計算預測FI風險，動態(tài)篩查預警FI高危人群，科學指導腸內(nèi)營養(yǎng)方案管理。

參 考 文 獻

［1］ ?REINTAM BLASER A， DEANE A M， PREISER J C， et al. Enteral Feeding Intolerance： Updates in Definitions and Pathophysiology ［J］.Nutr Clin Pract， 2021， 36（1）： 40-49.

［2］ ?JENKINS B， CALDER P C， MARINO L V. A systematic review of the definitions and prevalence of feeding intolerance in critically ill adults ［J］.Clin Nutr ESPEN， 2022， 49： 92-102.

［3］ ?BLASER A R， STARKOPF J， KIRSI?al. Definition， prevalence， and outcome of feeding intolerance in intensive care： a systematic review and meta-analysis ［J］.Acta Anaesthesiol Scand， 2014， 58（8）： 914-922.

［4］ ?HEYLAND D K， ORTIZ A， STOPPE C， et al. Incidence， risk factors， and clinical consequence of enteral feeding intolerance in the mechanically ventilated critically ill： an analysis of a multicenter， multiyear database ［J］.Crit Care Med， 2021， 49（1）： 49-59.

［5］ ?HU B， SUN R， WU A， et al. Prognostic value of prolonged feeding intolerance in predicting all-cause mortality in critically ill patients： a multicenter， prospective， observational study ［J］.JPEN J Parenter Enteral Nutr， 2020， 44（5）： 855-865.

［6］ ?SINGER P， BLASER A R， BERGER M M， et al. ESPEN guideline on clinical nutrition in the intensive care unit ［J］.Clin Nutr， 2019， 38（1）： 48-79.

［7］ ?CHEN Y T， TAI K Y， LAI P C， et al. Should we believe the benefit of intravenous erythromycin in critically ill adults with gastric feeding intolerance？ Reinspecting the pieces of evidence from a series of meta-analyses ［J］.JPEN J Parenter Enteral Nutr， 2022， 46（6）： 1449-1454.

［8］ ?PREISER J C， ARABI Y M， BERGER M M， et al. A guide to enteral nutrition in intensive care units： 10 expert tips for the daily practice ［J］.Crit Care， 2021， 25（1）： 424.

［9］ ?COMPHER C， BINGHAM A L， MCCALL M， et al. Guidelines for the provision of nutrition support therapy in the adult critically ill patient： The American Society for Parenteral and Enteral Nutrition ［J］.JPEN J Parenter Enteral Nutr， 2022， 46（1）： 12-41.

［10］ ?BONNETT L J， SNELL K I E， COLLINS G S， et al. Guide to presenting clinical prediction models for use in clinical settings ［J］.Bmj， 2019， 365： l737.

［11］ ?WILSON P W， D'AGOSTINO R B， LEVY D， et al. Prediction of coronary heart disease using risk factor categories ［J］.Circulation， 1998， 97（18）： 1837-1847.

［12］ ?HU K， DENG X L， HAN L， et al. Development and validation of a predictive model for feeding intolerance in intensive care unit patients with sepsis ［J］.Saudi J Gastroenterol， 2022， 28（1）： 32-38.

［13］ ?WU X Y， LI X Z， YU D L， et al. Construction of a model predicting the risk of tube feeding intolerance after gastrectomy for gastric cancer based on 225 cases from a single Chinese center ［J］.Oncotarget， 2017， 8（59）： 99940-99949.

［14］ ?李煒，楊富，王曉平，等.神經(jīng)重癥患者腸內(nèi)營養(yǎng)喂養(yǎng)不耐受風險預警模型的構(gòu)建［J］.中國神經(jīng)免疫學和神經(jīng)病學雜志，2022，29（5）：398-403.

［15］ ?王富艷，趙慶云，張雪云.重癥急性胰腺炎患者腸內(nèi)營養(yǎng)喂養(yǎng)不耐受風險的列線圖模型的建立［J］.中華現(xiàn)代護理雜志，2019， （1）：42-48.

［16］ ?MOONS K G M， WOLFF R F， RILEY R D， et al. PROBAST： a tool to assess risk of bias and applicability of prediction model studies： explanation and elaboration ［J］.Ann Intern Med， 2019， 170（1）： W1-w33.

［17］ ?王婷.重癥患者腸內(nèi)營養(yǎng)喂養(yǎng)不耐受風險評估量表的研制［D］.重慶：第三軍醫(yī)大學，2016.

［18］ ?WONG A， ROBBA C， MAYO P. Critical care ultrasound ［J］.Intensive Care Med， 2022， 48（8）： 1069-1071.

［19］ ?PEREZ-CALATAYUD A A， CARRILLO-ESPER R， ANICA-MALAGON E D， et al. Point-of-care gastrointestinal and urinary tract sonography in daily evaluation of gastrointestinal dysfunction in critically ill patients （GUTS Protocol） ［J］.Anaesthesiol Intensive Ther， 2018， 50（1）： 40-48.

［20］ ?GAO T， CHENG M H， XI F C， et al. Predictive value of transabdominal intestinal sonography in critically ill patients： a prospective observational study ［J］.Crit Care， 2019， 23（1）： 378.

［21］ ?鄒同娟，冉啟芳，尹萬紅，等.床旁超聲測量胃竇橫截面積對重癥患者喂養(yǎng)不耐受的預測價值［J］.四川大學學報（醫(yī)學版），2019，50 （6）：815-820，782.

［22］ ?LEIVA-CEPAS F， BENITO-YSAMAT A， JIMENA I， et al. Ultrasonographic and histological correlation after experimental reconstruction of a volumetric muscle loss injury with adipose tissue ［J］.Int J Mol Sci， 2021， 22（13）：6689.

［23］ ?NAOI T， MORITA M， KOYAMA K， et al. Upper arm muscular echogenicity predicts intensive care unit-acquired weakness in critically ill patients ［J］.Prog Rehabil Med， 2022， 7： 20220034.

［24］ ?NETO SILVA I， DUARTE J A， PERRET A， et al. Diaphragm dysfunction and peripheral muscle wasting in septic shock patients： Exploring their relationship over time using ultrasound technology （the MUSiShock protocol） ［J］.PLoS One， 2022， 17（3）： e0266174.

［25］ ?WANG L P， YANG H， LV G X， et al. Association of gastric antrum echodensity and acute gastrointestinal injury in critically ill patients ［J］.Nutrients， 2022， 14（3）：566.

［26］ ?MAYO P H， CHEW M， DOUFL G， et al. Machines that save lives in the intensive care unit： the ultrasonography machine ［J］.Intensive Care Med， 2022： 1-10.

［27］ ?WONG A， GALARZA L， DUSKA F. Critical care ultrasound： a systematic review of international training competencies and program ［J］.Crit Care Med， 2019， 47（3）： e256-e262.

［28］ ?SONG M L， ZHAO P R， HU W J. Application effect of intra-abdominal pressure monitoring system in early enteral nutrition nursing of ICU patients ［J］.Contrast Media Mol Imaging， 2022， 2022： 3545278.

［29］ ?SMIT M， KOOPMAN B， DIEPERINK W， et al. Intra-abdominal hypertension and abdominal compartment syndrome in patients admitted to the ICU ［J］.Ann Intensive Care， 2020， 10（1）： 130.

［30］ ?AGOSZ P， SOKOLSKI M， BIEGUS J， et al. Elevated intra-abdominal pressure： a review of current knowledge ［J］.World J Clin Cases， 2022， 10（10）： 3005-3013.

［31］ ?DU L Q， ZHAO Y Y， YIN C H， et al. Application of intra-abdominal pressure monitoring in early enteral nutrition after abdominal surgery ［J］.Am J Transl Res， 2021， 13（6）： 7140-7147.

［32］ ?REINTAM BLASER A， PADAR M， MNDUL M， et al. Development of the gastrointestinal dysfunction score （GIDS） for critically ill patients—a prospective multicenter observational study （iSOFA study） ［J］.Clin Nutr， 2021， 40（8）： 4932-4940.

［33］ ?SMIT M， VAN MEURS M， ZIJLSTRA J G. Intra-abdominal hypertension and abdominal compartment syndrome in critically ill patients： a narrative review of past， present， and future steps ［J］.Scand J Surg， 2022， 111（1）： 14574969211030128.

［34］ ?CARDENAS D， CORREIA M， OCHOA J B， et al. Clinical nutrition and human rights. An international position paper［J］.Clin Nutr， 2021， 40（6）： 4029-4036.

［35］ ?COLLINS G S， REITSMA J B， ALTMAN D G， et al. Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis （TRIPOD）： the TRIPOD statement ［J］.Bmj， 2015， 350： g7594.

（收稿日期：2022-12-12 修回日期：2022-12-29）

（編輯：王琳葵 潘明志）

基金項目：浙江省醫(yī)藥衛(wèi)生科技計劃項目（2023KY311）

第一作者簡介：魯小丹，女，護師，理學學士，在讀碩士研究生，研究方向：循證醫(yī)學、重癥護理、重癥營養(yǎng)。E-mail：luxiaodan2020@163.com

通信作者：金培英。E-mail：JPY04570518@126.com

［本文引用格式］魯小丹，汪永斌，劉雨今，等.重癥患者腸內(nèi)營養(yǎng)喂養(yǎng)不耐受風險篩查方法研究進展［J］.右江醫(yī)學，2023，51（9）：853-857.