引用本文： 錢雅君, 劉洋, 郝迎迎, 陳鳴, 顧勤, 董丹江. 動態能量消耗監測指導機械通氣患者撤機有效性的臨床研究. 中國呼吸與危重監護雜志, 2021, 20(5): 325-329. doi: 10.7507/1671-6205.202004041 復制
機械通氣（MV）是重癥加強治療病房（ICU）最為常見的高級生命支持手段之一，多應用于重癥肺炎、呼吸衰竭、各種心肺疾病及全麻術后患者的救治中。機械通氣過程中亦存在較多并發癥，其發生率與機械通氣時間呈正相關[1]。因此，在機械通氣的患者病因去除或改善之后，及早撤離機械通氣成為重要的治療目標。能量消耗（EE）是指生物體內的營養物質（主要是葡萄糖、脂肪、蛋白質）在代謝過程中所伴隨的能量產生、轉移和利用過程。監測患者 EE 目前已應用于外科和重癥醫學科作為指導患者營養實施的參考[2-3]。而在臨床治療中，任一導致患者應激、做功增加的治療措施均可能導致患者 EE 的動態變化。Swinamer 等[4]研究表明，危重患者在機械通氣時的 EE 比非機械通氣狀態下明顯降低約 11.5%。反言之在降低呼吸支持參數及撤離機械通氣階段，患者的膈肌、肋間肌等做功增加，EE 增加，故而通過動態監測脫機過程的 EE 的變化率（δEE，%）應能作為評估能否成功撤機的監測手段。本研究選擇 2018 年 6 月至 2019 年 12 月收治于南京大學醫學院附屬南京鼓樓醫院重癥醫學科的共 93 例因各種原因進行機械通氣的患者，對于符合撤機指征的患者逐級降低其呼吸機參數，期間用動態監測 EE 的方法與傳統撤機觀察方法—呼吸淺快指數（RSBI）進行比較，評估兩類方法對于撤機成功率的預測性，制定切實有效的指導機械通氣患者撤機的方法。
1 資料與方法
1.1 臨床資料
選取 2018 年 6 月至 2019 年 12 月于我院重癥醫學科就診的機械通氣患者。通氣方式包含氣管插管及氣管切開。納入標準[5]：（1）因多種病因［① 多種病原體導致的肺炎；② 除肺炎外因其他肺內、外因素繼發急性呼吸窘迫綜合征；③ 其他原因，如慢性阻塞性肺疾病（簡稱慢阻肺）急性發作、哮喘、心功能衰竭等導致的Ⅰ型、Ⅱ型呼吸衰竭；④ 全麻手術后因呼吸功能不穩定、循環衰竭或神經系統功能障礙等多種原因延遲拔管等］導致的需要機械通氣≥12 h 的患者。（2）非手術患者經臨床治療后導致呼吸衰竭的原發疾病得到控制，呼吸功能改善；全麻手術后延遲拔管患者經 ICU 綜合治療后病情改善；并符合以下撤機指征：① 氧合狀況良好［氧合指數≥150～200 mm Hg（1 mm Hg=0.133 kPa），呼氣末正壓（PEEP）≤5～8 cm H2O（1 cm H2O=0.098 kPa），FiO2≤0.4～0.5；慢阻肺患者 pH>7.30，PaO2>50 mm Hg，FiO2<0.35］；② 血流動力學穩定［心率≤140 次/min，平均動脈壓>65 mm Hg，未用或者小劑量血管活性藥物應用（如多巴胺或者多巴酚丁胺<5 μg·kg–1·min–1］；③ 較強的自主呼吸能力、咳嗽能力；④ 無高熱及嚴重的全身炎癥反應；⑤ 無明顯呼吸性酸中毒；⑥ 血色素水平不低于 7～9 g/dL；⑦ 意識狀態良好（格拉斯哥昏迷評分≥13 分，無持續鎮靜藥物輸注）；⑧ 代謝狀態穩定。本研究經南京鼓樓醫院倫理委員會審查通過（編號：2020—284—01）。
1.2 方法
1.2.1 EE 測定
間接能量代謝測定儀（美國 GE Healthcare 公司生產，Engstrom Carestation 呼吸機能量代謝監測系統）原理：患者在穩定狀態情況下，根據一定時間內吸入及呼出氧和二氧化碳的濃度差和總氣體量，計算該時間段的氧耗量（VO2）和二氧化碳排出量（VCO2），同時精確計算吸入及呼出氣體的總體積，氧和二氧化碳的濃度，根據糖、脂肪和蛋白質的氧熱價給出單位時間內的 EE，通過數/模轉換，給出 EE 的數值，從而實時展現 EE 變化。監測期間連續 5 min 內患者 VO2、VCO2 變化率在 5% 以下認定為代謝穩態水平。
1.2.2 患者及研究者準備
試驗前 8 h 予暫停腸內及腸外營養，充分吸凈氣道內痰液，平臥位床頭抬高 30°，過程中盡量避免翻身、吸痰、采血等操作，整個試驗過程中由同一人操作完成。
1.2.3 初始設定呼吸機參數
氣管插管或氣切套管接 GE 呼吸機（CARESCAPE R860）輔助通氣，初始設定模式：壓力支持通氣（PSV），FiO2 0.4～0.5，支持壓力（PS）20 cm H2O，PEEP 5 cm H2O，觀察患者呼吸狀態，保證呼吸頻率（RR）介于 8～30 次/min 且 SpO2≥90%。運行前氣道模塊需先預熱 10 min。
1.2.4 應用驅動壓遞減方式逐漸降低呼吸機參數
（1）PEEP 保持不變，以 5 cm H2O 的下調速度降低支持壓力，直至 PS 序貫降至 5 cm H2O，每次調整后穩定 10～15 min。期間密切觀察患者有無氣促、呼吸困難等表現，如 RR>30 次/min，心率變化率>30% 或 SpO2<90%，或患者自訴無法耐受，則結束試驗，歸為撤機失敗組。（2）順利通過以上試驗并耐受良好患者，予以拔除氣管插管。（3）密切觀察患者呼吸狀態，及拔管耐受性。能順利撤離>48 h 為撤機成功。如自主呼吸試驗（SBT）失敗，或 48 h 內因再次出現呼吸功能障礙并再次插管者視為撤機失敗。
1.2.5 數據采集
（1）一般信息：記錄患者入院基本信息（包括姓名、住院號、年齡、性別、身高、體重等），入院診斷、基礎疾病、入 ICU 情況（住院時間、第一個 24 h 的急性生理學和慢性健康狀況評分系統Ⅱ（APACHEⅡ）評分、ICU 診斷、序貫器官衰竭評分（SOFA）。（2）采集數據：每次調整參數后 10～15 min 記錄實時數值。① 呼吸機面板直接可得不同壓力參數時相（T1：PSV 20/5 cm H2O；T2：PSV 15/5 cm H2O；T3：PSV 10/5 cm H2O；T4：PSV 5/5 cm H2O（即 SBT 模式）的實時 EE，記錄 T4 時相的呼吸頻率（F），呼出潮氣量（Vt）。② 動脈血氣分析（pH，PaCO2，PaO2，HCO3–，堿剩余，乳酸）。③ 計算 RSBI 和 δEE。其中，RSBI=F/Vt（次·L–1·min–1）。（3）預后指標：記錄所有入組患者的 28 天生存率、機械通氣時間、ICU 住院時間及總住院時間等。
1.3 統計學方法
采用 SPSS 17.0 統計軟件。呈正態分布的計量資料以均數±標準差（
±s）表示，兩組之間比較采用獨立樣本 t 檢驗；非正態分布的計量資料以中位數（四分位數）［M（Q1，Q3）］表示，采用秩和檢驗。計數資料以例數或百分比表示，兩組之間比較采用 χ2 檢驗。撤機參數的預測能力應用受試者工作特征（ROC）曲線下面積（AUC）比較。P<0.05 為差異有統計學意義。
2 結果
2.1 入組患者基本情況
研究共納入患者 93 例，其中男 45 例，女 48 例，年齡 19～73 歲，平均（56±11）歲，住院時間（3.9±4.4）d。其中 57 例患者撤離機械通氣成功，占比 61.3%。撤機成功組患者的平均年齡較撤機失敗組低［（48±13）歲比（55±19）歲，P<0.05］，但性別差異無統計學意義。原發病種分布及基礎疾病方面兩組患者無顯著差異。撤機成功患者的 SOFA 評分較低［（2.1±1.7）分比（3.3±2.1）分，P<0.05］，提示病情嚴重度相對較低。成功組撤機試驗時的呼吸淺快指數明顯低于失敗組。結果見表 1。
表1
撤機成功及失敗組患者臨床特征及比較（
）
2.2 撤機成功及失敗者患者實時 EE 的差異
兩組患者在 T1 至 T2 時相的 δEE1 無顯著差異［（5.67±2.31）% 比（6.40±1.90）%，P>0.05］，但 T2 至 T3、T3 至 T4 時相支持壓力下調時 δEE 存在顯著差異［δEE2：（11.35±5.39）% 比（14.21±6.33）%，P<0.05；δEE3：（8.39±3.90）% 比（17.32±9.07）%，P<0.01］。結果見表 2。
表2
撤機成功及失敗組患者不同時相 EE 及 δEE 比較
2.3 應用 ROC 曲線評價 δEE、RSBI 對患者撤機結果的預測性
以撤機成功、失敗組間具有顯著差異的 δEE2、δEE3 及 RSBI 為因變量繪制 ROC 曲線，結果如圖 1。δEE2、δEE3 的預測性均優于 RSBI（AUC：0.750 和 0.833 比 0.643，P<0.05）。
圖1
δEE2、δEE3 及 RSBI 對撤機預測結果的 ROC 曲線
2.4 撤機成功組及撤機失敗組的預后比較
兩組患者在機械通氣時間、ICU 住院時間、總住院時間、病死率間均具有顯著差異。結果見表 1。
3 討論
研究表明 25% 的 ICU 患者存在撤機延遲，脫機失敗等風險[6]。機械通氣時間的延長會導致呼吸機相關并發癥（如呼吸機相關性肺炎、膈肌功能不全、氣壓傷）的發生率增加，甚至會導致呼吸困難或呼吸驟停。而撤機過早或不適當，則使得患者出現氧供不足，氣道保護功能尚未恢復，從而增加患者的再插管率和病死率[7]。撤機的失敗受很多因素影響，Heunks 等[8]歸納為“ABCDE”五種原因：A：呼吸道及肺功能障礙（Airway and lung dysfunction）；B：中樞功能障礙（Brain dysfunction）；C：心臟及循環功能障礙（Cardiac dysfunction）；D：膈肌功能障礙（Diaphragm dysfunction）；E：內分泌及內環境紊亂（Endocrine dysfunction）。摒除所有導致失敗的原因，提高撤機成功率對改善患者預后、減少機械通氣及住院時間、降低治療費用起關鍵的作用。
臨床上有多種指標用于預測機械通氣患者的撤機可能性，其中 RSBI 是應用最為廣泛且便捷無創的方法。它僅涉及到呼吸頻率和呼出潮氣量兩個指標，實施簡單，但臨床差異較大，不同的研究顯示 RSBI 對于不同類型患者，如擇期手術或急診手術患者、肺炎患者、慢阻肺患者等撤機結果預測的敏感性和特異性存在較大的差異[9-12]，故在臨床上的應用存在局限性。EE 是指生物體內的營養物質（主要是葡萄糖、脂肪、蛋白質）在代謝過程中所伴隨的能量產生、轉移和利用過程[13]。人體每天總 EE 主要包括基礎 EE、體力活動 EE、食物特殊動力作用，以及兒童青少年特有的生長發育所需能量[14]。而對于重癥患者，則還需加上克服疾病、氧化應激等帶來的一系列增加 EE 的機能性影響[15]。多項研究表明，EE 與患者自身組成、體質及家庭遺傳等多因素相關。而在危重癥患者中，感染、創傷及機體應激反應可導致患者 EE 顯著增加，且增幅與疾病嚴重率程度呈相關性[15-16]。此外，各種治療措施、藥物、患者的心率、情緒變化均可能會影響機體的 EE，可見 EE 呈動態的變化。
在正常狀態下，機體自身的呼吸做功約占機體總 EE 的 2%～3%，但在呼吸衰竭狀態下，這部分呼吸做功將增加至總 EE 的 25% 左右，此類患者多半會接受機械通氣支持，從而將自身的呼吸做功轉加與呼吸機取代[17]。其原因可能為：① 由呼吸機承擔的吸氣努力轉加給呼吸肌增加其做功，氧代謝增加，EE 增加；② 繼發應激導致的心率、血壓等一系列生理指標的反應性增高導致 EE 增加；③ 撤機時機不對，原發疾病尚未完全控制；④ 在某些疾病早期，例如休克、臟器功能不全、術后復蘇等，患者起初為低代謝狀態，但隨著疾病的轉歸及治療措施的干預，患者 EE 反而會增加[14, 18]。由此可以推測，EE 的增加在呼吸機支持參數下調及撤機過程中是顯而易見的，但能夠將增長值控制在自身代償范圍內的患者，使得機體氧供氧需達到正平衡，可順利地由機械通氣過渡至自主呼吸；而增長值過大、超出機體可代償范圍導致氧供氧需失衡的患者，則可能無法順利地撤離機械通氣，或者在短暫脫機后可能需重新建立機械通氣。而這種機體的代償范圍，氧供氧需的平衡點，或者說決定是否能脫機的 EE 變化率，正是臨床上需要系統性研究并得出結論的。不同患者因基礎狀態、疾病類型的不同，基線 EE 值不盡相同，橫向比較差異性較大。因此，雖然對于重癥患者的 EE 與營養支持已做出了詳盡的研究，但對于 EE 在指導重癥患者各種治療干預，或更進一步在指導機械通氣撤離中的影響，仍缺乏系統的試驗研究。本研究旨在面向所有保留人工氣道并符合撤機指征的重癥患者，階梯性降低呼吸機支持參數，應用動態能量監測的方法，與傳統方法相比，評估其指導機械通氣撤離的意義，從而實現簡便有效又無創，并更接近于機體本質的精準化治療方案，避免呼吸機相關性并發癥，縮短機械通氣和 ICU 住院時間，并最終改善患者預后、降低治療費用。
本研究仍存在一定的局限性，因間接測熱法監測 EE 需患者持續保持機械通氣狀態，故可能會受到患者因不耐受氣管插管、呼吸機拮抗等導致的對 EE 因素的影響。而如果能在撤離機械通氣后進一步監測患者 EE 狀態，可能能提前預測患者重新插管的可能性，從而使得整個研究更加嚴謹，并減少臨床并發癥。
綜上所述，動態 EE 監測的方法能有效評估及預測機械通氣撤離的成功率，相比較傳統的預測方式更具有科學性，可應用于臨床治療過程。
利益沖突：本研究不涉及任何利益沖突。
機械通氣（MV）是重癥加強治療病房（ICU）最為常見的高級生命支持手段之一，多應用于重癥肺炎、呼吸衰竭、各種心肺疾病及全麻術后患者的救治中。機械通氣過程中亦存在較多并發癥，其發生率與機械通氣時間呈正相關[1]。因此，在機械通氣的患者病因去除或改善之后，及早撤離機械通氣成為重要的治療目標。能量消耗（EE）是指生物體內的營養物質（主要是葡萄糖、脂肪、蛋白質）在代謝過程中所伴隨的能量產生、轉移和利用過程。監測患者 EE 目前已應用于外科和重癥醫學科作為指導患者營養實施的參考[2-3]。而在臨床治療中，任一導致患者應激、做功增加的治療措施均可能導致患者 EE 的動態變化。Swinamer 等[4]研究表明，危重患者在機械通氣時的 EE 比非機械通氣狀態下明顯降低約 11.5%。反言之在降低呼吸支持參數及撤離機械通氣階段，患者的膈肌、肋間肌等做功增加，EE 增加，故而通過動態監測脫機過程的 EE 的變化率（δEE，%）應能作為評估能否成功撤機的監測手段。本研究選擇 2018 年 6 月至 2019 年 12 月收治于南京大學醫學院附屬南京鼓樓醫院重癥醫學科的共 93 例因各種原因進行機械通氣的患者，對于符合撤機指征的患者逐級降低其呼吸機參數，期間用動態監測 EE 的方法與傳統撤機觀察方法—呼吸淺快指數（RSBI）進行比較，評估兩類方法對于撤機成功率的預測性，制定切實有效的指導機械通氣患者撤機的方法。
1 資料與方法
1.1 臨床資料
選取 2018 年 6 月至 2019 年 12 月于我院重癥醫學科就診的機械通氣患者。通氣方式包含氣管插管及氣管切開。納入標準[5]：（1）因多種病因［① 多種病原體導致的肺炎；② 除肺炎外因其他肺內、外因素繼發急性呼吸窘迫綜合征；③ 其他原因，如慢性阻塞性肺疾病（簡稱慢阻肺）急性發作、哮喘、心功能衰竭等導致的Ⅰ型、Ⅱ型呼吸衰竭；④ 全麻手術后因呼吸功能不穩定、循環衰竭或神經系統功能障礙等多種原因延遲拔管等］導致的需要機械通氣≥12 h 的患者。（2）非手術患者經臨床治療后導致呼吸衰竭的原發疾病得到控制，呼吸功能改善；全麻手術后延遲拔管患者經 ICU 綜合治療后病情改善；并符合以下撤機指征：① 氧合狀況良好［氧合指數≥150～200 mm Hg（1 mm Hg=0.133 kPa），呼氣末正壓（PEEP）≤5～8 cm H2O（1 cm H2O=0.098 kPa），FiO2≤0.4～0.5；慢阻肺患者 pH>7.30，PaO2>50 mm Hg，FiO2<0.35］；② 血流動力學穩定［心率≤140 次/min，平均動脈壓>65 mm Hg，未用或者小劑量血管活性藥物應用（如多巴胺或者多巴酚丁胺<5 μg·kg–1·min–1］；③ 較強的自主呼吸能力、咳嗽能力；④ 無高熱及嚴重的全身炎癥反應；⑤ 無明顯呼吸性酸中毒；⑥ 血色素水平不低于 7～9 g/dL；⑦ 意識狀態良好（格拉斯哥昏迷評分≥13 分，無持續鎮靜藥物輸注）；⑧ 代謝狀態穩定。本研究經南京鼓樓醫院倫理委員會審查通過（編號：2020—284—01）。
1.2 方法
1.2.1 EE 測定
間接能量代謝測定儀（美國 GE Healthcare 公司生產，Engstrom Carestation 呼吸機能量代謝監測系統）原理：患者在穩定狀態情況下，根據一定時間內吸入及呼出氧和二氧化碳的濃度差和總氣體量，計算該時間段的氧耗量（VO2）和二氧化碳排出量（VCO2），同時精確計算吸入及呼出氣體的總體積，氧和二氧化碳的濃度，根據糖、脂肪和蛋白質的氧熱價給出單位時間內的 EE，通過數/模轉換，給出 EE 的數值，從而實時展現 EE 變化。監測期間連續 5 min 內患者 VO2、VCO2 變化率在 5% 以下認定為代謝穩態水平。
1.2.2 患者及研究者準備
試驗前 8 h 予暫停腸內及腸外營養，充分吸凈氣道內痰液，平臥位床頭抬高 30°，過程中盡量避免翻身、吸痰、采血等操作，整個試驗過程中由同一人操作完成。
1.2.3 初始設定呼吸機參數
氣管插管或氣切套管接 GE 呼吸機（CARESCAPE R860）輔助通氣，初始設定模式：壓力支持通氣（PSV），FiO2 0.4～0.5，支持壓力（PS）20 cm H2O，PEEP 5 cm H2O，觀察患者呼吸狀態，保證呼吸頻率（RR）介于 8～30 次/min 且 SpO2≥90%。運行前氣道模塊需先預熱 10 min。
1.2.4 應用驅動壓遞減方式逐漸降低呼吸機參數
（1）PEEP 保持不變，以 5 cm H2O 的下調速度降低支持壓力，直至 PS 序貫降至 5 cm H2O，每次調整后穩定 10～15 min。期間密切觀察患者有無氣促、呼吸困難等表現，如 RR>30 次/min，心率變化率>30% 或 SpO2<90%，或患者自訴無法耐受，則結束試驗，歸為撤機失敗組。（2）順利通過以上試驗并耐受良好患者，予以拔除氣管插管。（3）密切觀察患者呼吸狀態，及拔管耐受性。能順利撤離>48 h 為撤機成功。如自主呼吸試驗（SBT）失敗，或 48 h 內因再次出現呼吸功能障礙并再次插管者視為撤機失敗。
1.2.5 數據采集
（1）一般信息：記錄患者入院基本信息（包括姓名、住院號、年齡、性別、身高、體重等），入院診斷、基礎疾病、入 ICU 情況（住院時間、第一個 24 h 的急性生理學和慢性健康狀況評分系統Ⅱ（APACHEⅡ）評分、ICU 診斷、序貫器官衰竭評分（SOFA）。（2）采集數據：每次調整參數后 10～15 min 記錄實時數值。① 呼吸機面板直接可得不同壓力參數時相（T1：PSV 20/5 cm H2O；T2：PSV 15/5 cm H2O；T3：PSV 10/5 cm H2O；T4：PSV 5/5 cm H2O（即 SBT 模式）的實時 EE，記錄 T4 時相的呼吸頻率（F），呼出潮氣量（Vt）。② 動脈血氣分析（pH，PaCO2，PaO2，HCO3–，堿剩余，乳酸）。③ 計算 RSBI 和 δEE。其中，RSBI=F/Vt（次·L–1·min–1）。（3）預后指標：記錄所有入組患者的 28 天生存率、機械通氣時間、ICU 住院時間及總住院時間等。
1.3 統計學方法
采用 SPSS 17.0 統計軟件。呈正態分布的計量資料以均數±標準差（±s）表示，兩組之間比較采用獨立樣本 t 檢驗；非正態分布的計量資料以中位數（四分位數）［M（Q1，Q3）］表示，采用秩和檢驗。計數資料以例數或百分比表示，兩組之間比較采用 χ2 檢驗。撤機參數的預測能力應用受試者工作特征（ROC）曲線下面積（AUC）比較。P<0.05 為差異有統計學意義。
2 結果
2.1 入組患者基本情況
研究共納入患者 93 例，其中男 45 例，女 48 例，年齡 19～73 歲，平均（56±11）歲，住院時間（3.9±4.4）d。其中 57 例患者撤離機械通氣成功，占比 61.3%。撤機成功組患者的平均年齡較撤機失敗組低［（48±13）歲比（55±19）歲，P<0.05］，但性別差異無統計學意義。原發病種分布及基礎疾病方面兩組患者無顯著差異。撤機成功患者的 SOFA 評分較低［（2.1±1.7）分比（3.3±2.1）分，P<0.05］，提示病情嚴重度相對較低。成功組撤機試驗時的呼吸淺快指數明顯低于失敗組。結果見表 1。
表1
撤機成功及失敗組患者臨床特征及比較（）
2.2 撤機成功及失敗者患者實時 EE 的差異
兩組患者在 T1 至 T2 時相的 δEE1 無顯著差異［（5.67±2.31）% 比（6.40±1.90）%，P>0.05］，但 T2 至 T3、T3 至 T4 時相支持壓力下調時 δEE 存在顯著差異［δEE2：（11.35±5.39）% 比（14.21±6.33）%，P<0.05；δEE3：（8.39±3.90）% 比（17.32±9.07）%，P<0.01］。結果見表 2。
表2
撤機成功及失敗組患者不同時相 EE 及 δEE 比較
2.3 應用 ROC 曲線評價 δEE、RSBI 對患者撤機結果的預測性
以撤機成功、失敗組間具有顯著差異的 δEE2、δEE3 及 RSBI 為因變量繪制 ROC 曲線，結果如圖 1。δEE2、δEE3 的預測性均優于 RSBI（AUC：0.750 和 0.833 比 0.643，P<0.05）。
圖1
δEE2、δEE3 及 RSBI 對撤機預測結果的 ROC 曲線
2.4 撤機成功組及撤機失敗組的預后比較
兩組患者在機械通氣時間、ICU 住院時間、總住院時間、病死率間均具有顯著差異。結果見表 1。
3 討論
研究表明 25% 的 ICU 患者存在撤機延遲，脫機失敗等風險[6]。機械通氣時間的延長會導致呼吸機相關并發癥（如呼吸機相關性肺炎、膈肌功能不全、氣壓傷）的發生率增加，甚至會導致呼吸困難或呼吸驟停。而撤機過早或不適當，則使得患者出現氧供不足，氣道保護功能尚未恢復，從而增加患者的再插管率和病死率[7]。撤機的失敗受很多因素影響，Heunks 等[8]歸納為“ABCDE”五種原因：A：呼吸道及肺功能障礙（Airway and lung dysfunction）；B：中樞功能障礙（Brain dysfunction）；C：心臟及循環功能障礙（Cardiac dysfunction）；D：膈肌功能障礙（Diaphragm dysfunction）；E：內分泌及內環境紊亂（Endocrine dysfunction）。摒除所有導致失敗的原因，提高撤機成功率對改善患者預后、減少機械通氣及住院時間、降低治療費用起關鍵的作用。
臨床上有多種指標用于預測機械通氣患者的撤機可能性，其中 RSBI 是應用最為廣泛且便捷無創的方法。它僅涉及到呼吸頻率和呼出潮氣量兩個指標，實施簡單，但臨床差異較大，不同的研究顯示 RSBI 對于不同類型患者，如擇期手術或急診手術患者、肺炎患者、慢阻肺患者等撤機結果預測的敏感性和特異性存在較大的差異[9-12]，故在臨床上的應用存在局限性。EE 是指生物體內的營養物質（主要是葡萄糖、脂肪、蛋白質）在代謝過程中所伴隨的能量產生、轉移和利用過程[13]。人體每天總 EE 主要包括基礎 EE、體力活動 EE、食物特殊動力作用，以及兒童青少年特有的生長發育所需能量[14]。而對于重癥患者，則還需加上克服疾病、氧化應激等帶來的一系列增加 EE 的機能性影響[15]。多項研究表明，EE 與患者自身組成、體質及家庭遺傳等多因素相關。而在危重癥患者中，感染、創傷及機體應激反應可導致患者 EE 顯著增加，且增幅與疾病嚴重率程度呈相關性[15-16]。此外，各種治療措施、藥物、患者的心率、情緒變化均可能會影響機體的 EE，可見 EE 呈動態的變化。
在正常狀態下，機體自身的呼吸做功約占機體總 EE 的 2%～3%，但在呼吸衰竭狀態下，這部分呼吸做功將增加至總 EE 的 25% 左右，此類患者多半會接受機械通氣支持，從而將自身的呼吸做功轉加與呼吸機取代[17]。其原因可能為：① 由呼吸機承擔的吸氣努力轉加給呼吸肌增加其做功，氧代謝增加，EE 增加；② 繼發應激導致的心率、血壓等一系列生理指標的反應性增高導致 EE 增加；③ 撤機時機不對，原發疾病尚未完全控制；④ 在某些疾病早期，例如休克、臟器功能不全、術后復蘇等，患者起初為低代謝狀態，但隨著疾病的轉歸及治療措施的干預，患者 EE 反而會增加[14, 18]。由此可以推測，EE 的增加在呼吸機支持參數下調及撤機過程中是顯而易見的，但能夠將增長值控制在自身代償范圍內的患者，使得機體氧供氧需達到正平衡，可順利地由機械通氣過渡至自主呼吸；而增長值過大、超出機體可代償范圍導致氧供氧需失衡的患者，則可能無法順利地撤離機械通氣，或者在短暫脫機后可能需重新建立機械通氣。而這種機體的代償范圍，氧供氧需的平衡點，或者說決定是否能脫機的 EE 變化率，正是臨床上需要系統性研究并得出結論的。不同患者因基礎狀態、疾病類型的不同，基線 EE 值不盡相同，橫向比較差異性較大。因此，雖然對于重癥患者的 EE 與營養支持已做出了詳盡的研究，但對于 EE 在指導重癥患者各種治療干預，或更進一步在指導機械通氣撤離中的影響，仍缺乏系統的試驗研究。本研究旨在面向所有保留人工氣道并符合撤機指征的重癥患者，階梯性降低呼吸機支持參數，應用動態能量監測的方法，與傳統方法相比，評估其指導機械通氣撤離的意義，從而實現簡便有效又無創，并更接近于機體本質的精準化治療方案，避免呼吸機相關性并發癥，縮短機械通氣和 ICU 住院時間，并最終改善患者預后、降低治療費用。
本研究仍存在一定的局限性，因間接測熱法監測 EE 需患者持續保持機械通氣狀態，故可能會受到患者因不耐受氣管插管、呼吸機拮抗等導致的對 EE 因素的影響。而如果能在撤離機械通氣后進一步監測患者 EE 狀態，可能能提前預測患者重新插管的可能性，從而使得整個研究更加嚴謹，并減少臨床并發癥。
綜上所述，動態 EE 監測的方法能有效評估及預測機械通氣撤離的成功率，相比較傳統的預測方式更具有科學性，可應用于臨床治療過程。
利益沖突：本研究不涉及任何利益沖突。
