重癥病人腸內營養喂養不耐受風險預測模型的范圍綜述

doi：10.12102/j.issn.2095-8668.2025.12.009

腸內營養（enteralnutrition，EN）是維持重癥病人正常腸道功能和營養攝入的關鍵措施[1]。然而，最新的系統評價結果顯示，約有 55% 的重癥病人在腸內營養過程中發生喂養不耐受（feedingintolerance，FI），出現如高胃潴留、腹瀉、嘔吐等癥狀，嚴重影響病人營養目標達標率和預后結局[2。腸內營養喂養不耐受（enteralfeedingintolerance，EFI）風險預測模型可協助臨床醫護人員早期識別、預防和干預高危病人，降低重癥病人喂養不耐受的發生率，改善病人的預后結局[3]。

目前，重癥病人腸內營養喂養不耐受的風險預測模型相關研究迅速增加，但各研究對喂養不耐受的診斷標準、預測因子、整體性能及方法學質量不一，使腸內營養喂養不耐受風險預測模型的臨床適用性尚未達成共識[4]。因此，本研究通過對國內外重癥病人腸內營養喂養不耐受風險預測模型的構建、預測因子選擇、整體性能及偏倚風險等進行范圍綜述，以期為重癥護理工作和相關研究提供借鑒。

T 資料與方法

本研究已在OSF（OpenScienceFrame）網站公開注冊（https：//osf.io），注冊號為10.17605/OSF.IO/8FTZY。

1.1文獻檢索策略

計算機檢索PubMed、EMbase、CINAHL、Web ofScience、中國知網（CNKI）、萬方數據庫（WanFangDatabase）維普數據庫（VIP）。采用主題詞和自由詞進行檢索，英文檢索詞為：intensivecareunits，criticalcare，ICU，feeding intolerance，gastrointestinal intolerance，risk，score，factor，prediction，model;中文檢索詞為重癥監護室、ICU、危重、重癥、喂養不耐受、不耐受、風險預測模型、列線圖等。檢索時限從建庫至2024年1月4日，并通過人工檢索納入文獻的參考文獻作為補充。

1.2文獻篩選及資料提取

由2名經過循證護理系統培訓的研究人員根據文獻的納入和排除標準獨立篩選文獻，并進行數據提取和匯總，意見不統一時由第3名研究人員進行裁決。文獻納入標準：1研究對象年齡 ?18 歲；2）研究內容為構建或驗證重癥病人腸內營養喂養不耐受風險預測模型；3）原始研究。排除標準：1）結局指標僅為單個胃腸道癥狀；2）會議摘要、重復發表、無法獲取全文的文獻；3）非中英文文獻。采用統一的數據提取表進行內容提取，包括作者、發表年份、國家、研究類型、樣本量、預測因子、模型構建及呈現方式、模型效能等。

1.3 偏倚風險和適用性評價

由2名研究人員采用預測模型偏倚風險評價工具（Prediction Model Risk of Bias Assessment Tool，PROBAST）對納入的研究進行偏倚風險和適用性評價。該評價工具主要包括研究對象、預測因子、結局和統計分析4個領域，共20個條目。每個領域的具體評估方法參考劉婷等[5的研究。

2 結果

2.1文獻檢索結果

初步檢索共獲得577篇文獻，經查重和篩選后，最終納入17篇[6-22]文獻，包括13篇中文文獻和4篇英文文獻。文獻篩選流程及結果見圖1。

2.2 納入研究的基本特征

17項研究共涉及17個重癥病人腸內營養喂養不耐受風險預測模型，僅1項22來自以色列，其余均來自中國。建模組樣本量為 100～1584 例，驗證組樣本量為50～143 例。納入研究最常使用的判斷標準為歐洲重癥醫學會（European Societyof IntensiveMedicine，ESICM）喂養不耐受的標準，喂養不耐受診斷差異主要與胃潴留量閾值設定不一致有關。在建模組和驗證組中，喂養不耐受的發生率分別為 26.2%～67.1% 和 20.0%～ 52.1% 。納人研究最常見的模型構建方式為Logistic回歸分析（ 82.35% ）。納入研究的基本特征見表1。

2.3文獻質量評價結果

納入研究偏倚風險整體較高，主要由于12項研究為病例對照研究，無法確定預測因子的測量方式是否一致，且多數研究每個變量事件數（eventspervariable，EPV）不達標，9項研究的結果事件發生數lt;100例，具體偏倚風險評估結果見表2。

2.4模型的預測因子

最終納入的重癥病人腸內營養喂養不耐受風險預測模型共涉及3～24個變量，本研究將被 ?2 個模型納入的預測因子劃分為六大類，包括社會人口學因素、量表評估指標、治療相關因素、腸內營養相關因素、實驗室及檢查指標、合并癥。納人模型中出現頻次最高的居前5位的預測因子為急性生理與慢性健康系統評分Ⅱ（Acute Physiology and Chronic Health Evaluation II，APACHEⅡ）年齡、開始腸內營養的時間、機械通氣、腹內壓。見表3、表4。

2.5模型的預測性能

納入的17個模型呈現形式共有3種，12項研究[6113.15-17，19.21]采用列線圖，3項研究[14.18.22]采用風險評分公式，1項研究[20采用評分表，1項研究12采用網頁應用程序。最常見的模型驗證方法為內部驗證[7，10-113，16-17，22]（7項），其次為外部驗證[12.18-19，21]4項），還有3項[8-9.14]完成了內部驗證和外部驗證。納人模型的性能主要通過H-L檢驗、AUC和校準曲線來評價，已報告的模型AUC為 0.700～0.906 ，提示模型具有良好的預測性能；報告的H-L檢驗 P 均 gt;0.05 ，展示的校準曲線均近似于對角線，提示模型具有較好的校準能力。

3 討論

3.1重癥病人腸內營養喂養不耐受風險預測模型整體偏倚風險較高

共納人17個模型，盡管模型開發時間較新、預測性能較好（ ，但納入研究均存在較高的偏倚風險，有較大的改進空間。主要原因為：1）樣本數據。恰當且具有代表性的樣本是保障模型質量及避免模型過度擬合等問題的關鍵[23]。納入的17個模型中，12項研究[7-8.0-2.14-15.17-19，2-2]數據來源于病例回顧，存在高度選擇偏倚問題。EPV原則上強調如果結局事件發生率為 20%～80% ，EVP至少 gt;20 才具有說服力，本研究納入模型中，9項研究[6-14]的結果事件發生數 lt; 100例，僅Raphaeli等22的研究滿足EPV原則。2）結局事件判斷。盡管喂養不耐受是腸內營養最常見的并發癥之一，但腸內營養喂養不耐受的定義仍處在爭議中[24]。納人研究多以歐洲重癥監護醫學會（EuropeanSocietyofIntensiveCareMedicine，ESICM中關于腸內營養喂養不耐受的定義為診斷標準[25]，但研究存在胃潴留量的閾值不一等問題。如董雪等[18]的研究中，規定胃潴留量 ?500mL/d 為發生腸內營養喂養不耐受，而劉佳欣的研究中，該值為每次 200mL 或6h潴留250mL 。Raphaeli等22的研究則以每次 250mL 為標準。定義的不同使得各研究腸內營養喂養不耐受發生率各異，且模型的推廣性及可靠性受限。建議未來研究按照國內相關指南進行規范定義及測量。3）模型開發與驗證。本研究 82.35% （14/17）的模型采用Logistic回歸分析構建模型，構建方式較為單一。納入模型絕大多數經過內部或外部驗證，但外部驗證方法均為同人群、同地點的不同時間點進行驗證，模型外推能力大幅度受限[23]。機器學習和人工智能等大數據技術方法在處理復雜的非線性模式上存在優勢，并能在一定程度上彌補傳統模型構建方法存在的偏差和過度擬合問題，故建議未來研究應綜合考慮樣本情況，選擇恰當的方式構建模型，以保障模型的可靠性和推廣性。

3.2 重癥病人腸內營養喂養不耐受的高危因素

本研究納入17個模型共涉及3～24個預測因子，大部分預測因子的收集具備臨床可行性。最常見的預測因子包括APACHEⅡ評分、年齡、腸內營養開始時間、機械通氣、腹內壓等。社會人口學因素中，以年齡和性別最多見，盡管有16項[6-12.14-22]研究最初納人性別作為潛在的預測因子，但最后僅2項[12.22]研究將其納入最后的預測模型中。最新的Meta分析結果顯示，性別、年齡均是重癥病人腸內營養喂養不耐受的影響因素[26]。考慮到納入模型預測因子的選擇多采用單因素分析法篩選變量，這可能導致重要變量的遺漏，故建議未來研究應結合臨床專家、高質量文獻分析結果和其他預測變量篩選方法（如LASSO回歸等）來綜合進行預測因子的選擇。本研究出現頻次最高的預測因子為APACHEI評分。APACHEⅡ評分可有效衡量重癥病人的疾病嚴重程度，是重癥病人不同預后模型中的重要預測因素，具有良好的敏感性和準確性[27]。APACHEⅡ評分越高提示病人的病情越重，越易誘發病人胃腸道損傷或功能障礙，引起病人出現喂養不耐受等癥狀[27]。既往研究顯示，相較于未發生喂養不耐受的重癥病人，發生喂養不耐受的重癥病人APACHEⅡ評分更高[28]。臨床醫護人員可重點關注APACHEⅡ評分較高的病人，設計個性化的腸內營養方案以改善此類病人的預后。有研究表明，機械通氣病人的胸腔內壓力增加可導致病人的心輸出量降低，進一步影響病人腸系膜動脈供血[29]。大量研究證實早期腸內營養有助于增加腸道血流灌注，維持病人腸道菌群環境，促進胃腸道運動，預防應激性潰瘍[30]。重癥病人由于呼吸機使用和長期臥床等因素影響，其腹內壓常高于正常值，可引起病人胃腸道黏膜損傷[31]。目前，以腹內壓監測為導向的腸內營養護理已被證實可有效降低重癥病人的腸內營養喂養不耐受發生率[32]。然而，重癥護士對于腹內壓監測行為及認知尚有待加強[33]，提示臨床醫護人員在為行腸內營養的重癥病人采集腹內壓數據時應確保腹內壓監測操作的規范性和數據的準確性。

3.3重癥病人腸內營養喂養不耐受風險預測模型未來研究的發展趨勢與挑戰

本研究結果表明，現有的重癥病人腸內營養喂養不耐受風險預測模型未完全滿足預測模型的質量和適用性要求。故建議未來研究在模型方法選擇上可運用機器學習、決策樹及隨機森林等方法，并對比不同方式構建模型的性能差異，以提高預測模型的整體性能及外推能力；在模型構建過程中應嚴格按照PROBAST條目對模型構建過程進行完善；在模型樣本量選擇中可根據莫航灃等[23研究中提及的二分類結局預測模型樣本量計算公式，確保研究擁有足夠的樣本量來避免過度擬合問題；在潛在預測因子選擇方面，傳統的單因素分析容易忽略變量間的交互作用和共線性問題，建議研究篩選變量時應結合高質量文獻和臨床專家意見；在模型驗證方面，研究應重視模型開發后的驗證過程，可開展多中心、大樣本的研究對模型進行多次驗證，加大模型的可靠性和推廣性；在模型呈現形式上，應結合臨床實際工作情況，選擇便于操作和計算的呈現方式，如將模型改為評估網頁、評估小程序或可直接嵌入臨床電子病歷系統，以提高模型的臨床可用性。

4 小結

本研究對17個重癥病人腸內營養喂養不耐受預測模型進行了系統且全面的審查。結果表明，盡管目前開發的模型整體性能較好，但模型偏倚風險整體較高、可推廣性較低。重癥病人腸內營養喂養不耐受的影響因素主要有APACHEI評分、年齡、腸內營養開始時間、機械通氣、腹內壓等，且模型的驗證方式單一，缺乏廣泛、可靠的外部驗證。未來研究應結合文獻和專家意見納人合適的預測因子并采用統一、規范化的數據收集流程，嚴格按照PROBAST報告規范步驟開展多中心、大樣本的模型構建及驗證研究，創新模型構建方式，開發高質量和臨床實用性強的重癥病人腸內營養喂養不耐受風險預測模型，為改善重癥病人營養狀況和疾病預后提供臨床決策依據。

參考文獻：

[1]MCCLAVESA，TAYLORBE，MARTINDALERG，etal. Guidelines for the provision and assessment of nutrition support therapy intheadult criticallyill patient[J].Journal ofParenteral and Enteral Nutrition，2016，40（2）：159-211.

[2」JENKINS B，CALDERP C，MARINO LV.A systematic review of the definitionsand prevalence of feeding intolerance in critically ill adults[J].Clinical Nutrition ESPEN，2O22，49：92-102.

[3]TATSUMI H.Enteral tolerance in critically illpatients[J]. Journal ofIntensiveCare，2019，7：30.

[4］劉婷婷，唐玲，孫燕，等.重癥監護病房患者腸內營養喂養不耐受 風險預測模型的系統評價[J].中國醫藥導報，2023，20（32）： 131-134.

[5]劉婷，潘曉彥，李芳，等.中心靜脈導管堵塞風險預測模型研究質 量的系統評價[J].中華急危重癥護理雜志，2023，4（12）：1135-1141.

[6］李煒，楊富，王曉平，等.神經重癥患者腸內營養喂養不耐受風險 預警模型的構建[J].中國神經免疫學和神經病學雜志，2022，29 （5）：398-403.

[7］劉佳欣.個體化預測重癥腦卒中患者腸內營養喂養不耐受風險的 可視化列線圖預警模型的構建[D].濟南：山東中醫藥大學，2022.

[8］潘宜波，王琳，陳霞，等.神經外科重癥患者腸內營養喂養不耐受 動態列線圖預測模型的構建與應用[J].護士進修雜志，2023，38 （21）：1921-1926.

［9］蘇小平.危重患者早期腸內營養喂養不耐受風險預測模型的構建 與驗證[D].蘇州：蘇州大學，2022.

[10］王富艷，趙慶云，張雪云.重癥急性胰腺炎患者腸內營養喂養不 耐受風險的列線圖模型的建立[J].中華現代護理雜志，2019，25 （1）：42-48.

[11］祝利紅，蔡國龍，林娟，等.ICU膿毒癥患者腸內喂養不耐受風險 預測模型構建[J].浙江醫學，2023，45（19）：2047-2053.

[12]HUKL，DENG XL，HANL，et al.Development and validation of a predictive model for feding intolerance in intensive care unit patients with sepsis[J].Saudi Journal of Gastroenterology，2022，28 （1）：32-38.

[13]LU XM，JIA D S，WANG R，et al.Development of a prediction model for enteral feeding intolerance in intensive care unit patients： a prospective cohort study[J]. World Journal of Gastrointestinal Surgery，2022，14（12）：1363-1374.

[14］陳卉，駱冬梅，裴盼盼，等.危重癥患者腸內營養喂養不耐受風險 預測模型的構建及驗證[J].當代護士（中旬刊），2024，31（1）： 73-78.

[15] WUXY，LI X Z，YUDL，et al.Construction ofamodel 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.

[16] 高婷.ICU成人膿毒癥患者腸內營養喂養不耐受風險預測模型 的構建和評價[D].合肥：安徽醫科大學，2021.

[17]孫曉嵐，李占肖，于曉雯，等.重癥腦卒中病人腸內營養不耐受風 險的預警模型構建與評估[J].實用老年醫學，2022，36（9）： 942-947.

[18] 董雪，臧金鳳，徐彩鳳，等.重癥急性胰腺炎患者腸內營養喂養不 耐受風險預測模型的構建和驗證[J].吉林大學學報（醫學版）， 2023，49（6）：1586-1592.

[19］干友泉.預測重癥患者喂養不耐受的列線圖模型的開發與驗證 [D].長有：日ト子，UZ

[20]何春梅，李占甫，王琳，等.基于Delphi專家咨詢法重癥腦炎患者 腸內營養喂養不耐受風險預測模型的構建及效果評價[J].醫師 在線，2023，13（1）：27-30.

[21］臧金鳳.重癥急性胰腺炎腸內營養喂養不耐受風險預測模型的 構建及驗證[D].長春：長春中醫藥大學，2023.

[22] RAPHAELI O， STATLENDER L，HAJAJ C，et al. Using machine-learning to assess the prognostic value of early enteral feeding intolerance in critically ill patients：a retrospective study[J]. Nutrients，2023，15（12）：2705.

[23]莫航灃，陳亞萍，韓慧，等.臨床預測模型研究方法與步驟[J].中 國循證醫學雜志，2024，24（2）：228-236.

[24]LI JB，WANG L J，ZHANG H，et al.Different definitions of feeding intolerance and their associations with outcomesof critically ill adults receiving enteral nutrition：a systematic review and Meta-analysis[J].Journal of Intensive Care，2023，11（1）：29.

[25]REINTAMBLASERA，MALBRAINMLNG，STARKOPF J， etal.Gastrointestinal function in intensive care patients： terminology，definitions and management.Recommendations of the ESICM Working Group on abdominal problems[J]. Intensive Care Medicine，2012，38（3）：384-394.

[26］陳小頡，段霞，陶麗.危重癥患者腸內營養喂養不耐受影響因素 的Meta分析[J].中國循證醫學雜志，2023，23（11）：1299-1304.

[27]ZHANG X M， ZHANG W W，YU X Z，et al.Comparing the performance of SOFA，TPA combined with SOFA and APACHE-I for predicting ICU mortality incritically ill surgical patients： a secondary analysis[J]. Clinical Nutrition，2O2O，39（9）： 2902-2909.

[28]YAHYAPOOR F，DEHNAVI Z，ASKARI G，et al.The prevalence and possible causes of enteral tube feeding intolerance incritically ill patients：a cross-sectional study[J]. Journal of Research in Medical Sciences，2021，26：60.

[29]MUTLU G M，MUTLU E A，FACTOR P.GI complications in patients receiving mechanical ventilation[J]. Chest，2Ool，119（4）： 1222-1241.

[30] 章黎，王新穎.《中國成人患者腸外腸內營養臨床應用指南（2023 版）》解讀[J].腫瘤代謝與營養電子雜志，2023，10（6）：718-723.

[31]KHOT Z，MURPHY P B，SELA N，et al. Incidence of intraabdominal hypertension and abdominal compartment syndrome： a systematic review[J].Journal of Intensive Care Medicine，2021，36 （2）：197-202.

[32]袁夢湄，黃曉霞，唐佳迎，等.以腹內壓監測為導向的腹腔高壓患 者腸內營養護理方案的構建及應用[J].中華護理雜志，2023，58 （12）：1413-1421.

[33］劉備備，李媛媛，張繼承，等.山東省31所三級綜合醫院ICU護 士腹內壓監測行為及認知的調查研究[J].中華護理雜志，2023， 58（21）：2610-2616.

（收稿日期：2024-11-14;修回日期：2025-05-27）