引用本文： 譚莉, 楊相梅. 困難氣道預測模型的研究進展. 中國呼吸與危重監護雜志, 2024, 23(1): 60-63. doi: 10.7507/1671-6205.202308008 復制
困難氣道是臨床麻醉、重癥監護、急診救治均可面臨的難題之一，未能及時預料到的困難氣道極有可能因為無法迅速建立有效的氣道通路而引發患者出現嚴重的低氧血癥，進而造成不可逆的腦損傷或死亡[1]。國內外研究發現困難氣道的發生率為0.5%～10%[2-3]，而氣道評估不充分或判斷錯誤是造成這一狀況的原因之一[4-6]。困難氣道雖具有潛在威脅性，但研究表明25%的困難氣道可以通過術前識別以減少或規避風險[7]。因此，麻醉前進行全面且規范的氣道評估是有效管理困難氣道的前提[8]，但目前其評估標準尚未統一，且眾多單因素評估預測價值有限[9-10]，而預測模型與其相比對潛在困難氣道的識別更具預測價值[11]。鑒于此，本文就近年來國內外困難氣道預測模型的研究進展進行綜述，以期為臨床困難氣道評估提供參考。
1 困難氣道的定義
困難氣道是指經過臨床麻醉培訓的醫生經歷的預期或非預期的氣道管理困難或失敗的臨床情況[8]。在國內外不同的研究中，困難氣道的發生率為0.5%～10%，喉鏡聲門暴露困難的發生率為1.5%～13.0%，氣管插管困難的發生率為1.9%～10%[2-3]。如伴有小頜畸形、面部創傷、頸椎損傷等特殊情況時，困難氣道的發生率將上升至14.9%[12-13]。雖隨著醫療設備和氣管插管技術的不斷發展進步，困難氣道發生率已逐步降低，但如術前未準確評估氣道，仍可能會導致“無法插管、無法氧合”的局面[14]。
2 困難氣道的單因素預測
病史和一般體格檢查是困難氣道最基本的評估，包括床旁氣道評估指標：張口度、上唇咬合試驗、頭頸活動度、甲頦間距、身高舌頦間距比、改良Mallampati分級等。然而困難氣道不是由單一解剖因素決定的，且研究證明其預測價值有限，缺乏困難氣道評估所需的敏感性和特異性，所以單獨使用時預測效果不佳[9。15-16]。因此，指南建議結合多指標綜合判斷患者出現困難氣道的風險，以提高困難氣道預測精準度[8]，旨在通過早期識別困難氣道，為插管前準備充足的人力資源和輔助設備，以減少因未預測到的困難氣道而導致嚴重并發癥或死亡。
3 困難氣道的預測模型
3.1 評分預測模型
困難氣道評分預測模型是多個高預測性指標綜合的評分體系，目前預測性較好、使用較為廣泛的有：LEMON評分法、SARI評分法、Wilson評分法、MACOCHA評分法和Arne評分法等。
3.1.1 LEMON評分法
LEMON評分是美國急診醫學會于2004年提出，主要適用于急診或創傷患者的氣道評估[17]。該評分體系包括頜面部觀察、3-3-2評估法、Mallampati分級、呼吸道梗阻、頸部活動度5個方面，總分0～10分，評分≥2分提示插管困難。楊芳芳等[18]評估1 528例患者后發現LEMON評分最佳截點值為5分時預測困難氣管插管的敏感性和特異性最佳，分別為81%、92.3%，受試者操作特征曲線下面積（area under ROC curve，AUC）值達0.934，而當截點值調整到4分，預測困難喉鏡暴露的敏感性為88.7%，特異性為74.8%，AUC值達0.884，認為其具有較高的預測價值，可有效應用于我國困難氣道患者的評估。Dai等[3]對中國急診插管情況進行了一項多中心調查，結果表明改良LEMON法（包括頜面部觀察、3-3-2評估法、呼吸道梗阻、頸部活動度4個方面）對困難氣道的預測敏感性為71%，特異性為79%，AUC值達0.75，有一定的預測價值，但由于進行困難氣道評估的醫生經驗和資歷參差不齊，因此可能存在預測價值被低估的情況。
“LEMON”評分法中Mallampati分級的評估需要患者保持坐位，最大程度張嘴伸舌，而急診氣道緊急且具有不可預見性，需氣管插管者多為危重癥或意識障礙而無法配合，所以Yusuke等[19]學者建議在急診困難氣道評估時使用改良LEMON法，在具有高敏感性和特異性的同時，快速易執行，且接受性好。
3.1.2 SARI評分法
“SARI”評分法是由El-Ganzouri等[20]于1996年對10 507例患者進行前瞻性評估后構建的預測模型，包括張口度、甲頦距離、Mallampati分級、頸部活動度、下頜前移能力、體重、既往是否有困難插管史7個變量。總分0～12分，每個變量賦0～1或0～2分。徐建玲等[21]驗證后表明SARI評分>3分時，預測困難氣管插管的敏感性和特異性最高，分別為80.56%、86.39%，AUC值為0.91；SARI評分>2分，預測困難喉鏡暴露的敏感性和特異性達到92.47%、68.93%，AUC值達0.90，證明SARI評分對困難氣管插管和困難喉鏡暴露的預測有較好的效果。Corrente等[22]在SARI評分中新增了頸圍這一變量形成了“EL.GA+”評分，研究證明該評分法敏感性為80%，特異性為87%，可以大大提高輕度肥胖患者氣管插管困難的預測性能，有效用于術前評估。
“SARI”評分是從大樣本中開發出來的，預測變量更為全面。且Corso等[23]發現“SARI”評分不僅對困難氣管插管有較好的敏感性，同時對面罩通氣困難也有一定的預測價值。但該評分單純以“體重”作為預測變量之一而未考慮身高影響，且直接測量甲頦距離誤差較大所以在評級標準中出現了不貼合中國患者解剖生理的情況[24]。
3.1.3 Wilson評分法
Wilson評分是目前較常用于評估困難氣管插管的工具[25]，其中包括體重、頭頸活動度、下頜活動度、下頜退縮、門齒前突5個變量。每個變量分別賦0、1或2分，總分10分，分數越高，困難氣管插管的可能性越大。王茗芳等[26]評估了1 544例患者證明其預測價值，Wilson評分在預測困難氣管插管時的敏感性、特異性分別為94.6%、76.6%，AUC值達到0.91。Siddiqui等[27]將Wilson評分與Mallampati分級聯合對肥胖手術患者進行評估，其預測喉鏡暴露困難和氣管插管困難的敏感性、特異性分別為75%、98.8%、92.9%、95.0%，證明Mallampati分級和Wilson聯合評分在肥胖患者的初始診斷中具有一定程度的準確性。
Wilson評分雖應用最為廣泛，但也存在爭議，比如將體重作為單獨預測因素，而未考慮身高的影響，這與SARI評分存在的問題相似。其次是下頜活動度中張口度和下齒前移共同作用時預測性不高，在評價下頜退縮程度和門齒前突程度時主觀性強，一定程度上會影響Wilson評分的預測性能[28]。
3.1.4 MACOCHA評分法
“MACOCHA”評分法是2013年De Jong等[29]前瞻性收集1 000例重癥醫學科（intensive care unit，ICU）插管數據開發制定的一個簡化困難插管評分體系，是唯一經過驗證的危重患者氣道評估工具，也是危重患者喉鏡管理指南所推薦的評估方法[30-32]。因ICU患者病情危重多變的特點，MACOCHA評分將其評估標準分為了3部分，患者自身因素（Mallampati分級Ⅲ或Ⅳ、阻塞性睡眠呼吸暫停、頸椎活動受限、張口受限），病理生理因素（昏迷、嚴重低氧血癥<80%），操作者因素（非麻醉醫生操作），總分0～12分，每個因素分別賦值1、2、或5分，≥3分預測危重患者插管困難。該評估方法內部驗證敏感性、特異性分別為76%、90%，AUC值達0.89，外部驗證時，其敏感性、特異性分別為73%、89%，AUC值為0.86。因此，可以通過MACOCHA評分為危重患者提供標準化評估，以早期識別存在困難插管風險的患者。但由于MACOCHA評分針對性強，主要適用于危重癥患者，因此評估對象較為局限。
3.1.5 Arne評分法
“Arne”評分是1988年Arne等[33]所篩選出的評分量表，其中包括氣道疾病、困難插管史、困難插管相關疾病、張口度和顳頜關節活動度、甲頦距離、頭頸活動度、改良Mallampati分級，總計48分，總分>11分提示存在困難氣道。Arne等[33]驗證該評分在預測普通外科手術患者的敏感性和特異性極高，分別為94%、96%。但經黎淑芳等[34]驗證發現其敏感性、特異性僅為42.86%、90.91%，明顯低于Arne的研究結果，考慮可能預測指標中甲頦距離在女性患者中不完全適用的原因。因此，靳浩等[35]將Arne系統中原有的甲頦距離替換為身高甲頦距離比，并去掉困難插管相關疾病、顳頜關節活動度頭、頸活動度3項指標后，研究發現新系統的靈敏性、特異性分別為85.8%、70.8%，與Naguib等[36]研究結果相似，可較準確地評估困難氣道。
3.2 超聲預測模型
超聲、CT、X線、MRI也有預測困難氣道的能力，Ji等[37]采用薈萃分析評估影像學方法對成人困難氣道患者的診斷準確性，證明了CT、X線與超聲的診斷價值相近，均可提高預測困難氣道的敏感性和特異性，但由于其檢查價格高昂、操作時間較長、有輻射、不能便攜的特點更多地應用于已預測到可能發生困難氣道的術前評估。而超聲作為一種方便、無創的方法廣泛應用于氣道成像領域，因此在新版指南中超聲被推薦用于困難氣道的術前評估[38]。
3.2.1 皮膚到會厭的距離
會厭在超聲下呈現低回聲條狀結構[39]。Wang等[40]通過7項頸部超聲測量麻醉誘導前后上呼吸道的變化，發現皮膚到會厭距離的截斷值為2.125 cm時，對困難氣道的預測效果較好，敏感性80.0%，特異性83.8%。Ni[41]等同樣對患者進行術前超聲氣道評估，發現于旁矢狀位測量的皮膚到會厭距離≥2.36 cm時，其敏感性、特異性分別為0.818、0.856，AUC值為0.829，是困難氣道的有效預測指標。但當聯合性別、體重指數、改良Mallampati分級生理預測指標進行評估后，敏感性、特異性分別為90.9%、90.4%，AUC值達0.9328，形成了一個更優的預測模型[42]。
3.2.2 皮膚到舌骨的距離
舌骨在超聲下呈弧形條狀高信號，易于發現[43]。Agarwal等[44]通過對1 043例患者進行多參數超聲評估后證實了皮膚到舌骨距離的預測效果，當截斷值> 1.4 cm時，敏感性為81%，特異性為85.2%，AUC值達0.898。Xu等[45]同樣也結合超聲測量的多個參數，建立舌厚>61 mm、下頜活動度≤10 mm、舌骨距≤51 mm的超聲模型，對1 000例患者進行了前瞻性隊列研究，證明超聲模型預測困難氣管插管的敏感性、特異性達0.85、0.81，AUC值達0.89。與張口試驗、改良Mallampati分級相比，預測效果更優，準確度更高。
3.2.3 舌體厚度
舌體厚度是用超聲測量整個舌廓并識別最厚點[43]。Yao等[46]證明舌體厚度>6.1 cm是氣管插管困難的獨立預測因素，舌厚與甲頦距離之比增加到>0.87 cm時，則敏感性增大到0.84，特異性增大至0.79，AUC值可達到0.86。此外，鄭鎮偉等[47]研究了超聲測量舌體厚度對小兒困難喉鏡顯露的預測效果，結果顯示舌體厚度>4.5 cm時，對5～8歲患兒有較高的敏感性，但特異性較低分別是100%，56.6%。而復合指標舌體厚度/甲頦距離比值>0.86時，預測5～8歲患兒困難喉鏡顯露的AUC值為 0.92，該比值>0.94時預測9～12歲患兒困難喉鏡顯露的AUC值為0.85，其預測效果比同年齡組所有預測指標都高。
3.3 內鏡、3D打印技術預測模型
床旁內鏡可直接觀察到口咽及喉部情況，Gemma等[48]發現當與常規床旁評估指標相結合時，在舌突期間進行內鏡檢查可提高對困難氣管插管的預測性。3D打印技術也逐步應用于術前氣道評估[49]。Chen等[50]分別在正常氣道和困難氣道中構建三維模型，發現正常氣道無論是仰臥位還是最大伸展位上呼吸道填充體積都大于困難氣道，且困難氣道在體位變化時，填充體積變幅率為25%，這在一定程度上說明了體位改變對困難氣道的影響，同時反向驗證了3D打印技術的精準可靠性，能夠更好地識別困難氣道的形態學變化，為評估氣道插管時的潛在困難提供更準確、可靠的量化依據。
4 總結及展望
理想的困難氣道評估工具應該是客觀、簡單、易獲得、可重復，特別是具有較高的敏感性。評分預測模型雖然快速易操作，但每一種都有具體適用的場景，且部分預測指標存在不足，因此需要具體分析后使用。超聲對困難氣道具有較高的預測價值，憑借其經濟、安全、無創、便攜的特點有潛力成為氣道管理的一線無創輔助評估工具。3D打印技術將氣道管理可視化、個體化，精準化，雖現目前打印材料還存在一定的缺陷，但其發展迅速，前景廣闊。
困難氣道預測評估工具多樣，但大多以直接喉鏡觀察結果作為參考，但目前視頻喉鏡使用率越來越高，而直接喉鏡的風險預測因子未必適合視頻喉鏡的預測，因此在未來的研究中可嘗試建立用于視頻喉鏡的預測模型，為困難氣道的評估金標準提供參考依據。
利益沖突：本文不涉及任何利益沖突。
困難氣道是臨床麻醉、重癥監護、急診救治均可面臨的難題之一，未能及時預料到的困難氣道極有可能因為無法迅速建立有效的氣道通路而引發患者出現嚴重的低氧血癥，進而造成不可逆的腦損傷或死亡[1]。國內外研究發現困難氣道的發生率為0.5%～10%[2-3]，而氣道評估不充分或判斷錯誤是造成這一狀況的原因之一[4-6]。困難氣道雖具有潛在威脅性，但研究表明25%的困難氣道可以通過術前識別以減少或規避風險[7]。因此，麻醉前進行全面且規范的氣道評估是有效管理困難氣道的前提[8]，但目前其評估標準尚未統一，且眾多單因素評估預測價值有限[9-10]，而預測模型與其相比對潛在困難氣道的識別更具預測價值[11]。鑒于此，本文就近年來國內外困難氣道預測模型的研究進展進行綜述，以期為臨床困難氣道評估提供參考。
1 困難氣道的定義
困難氣道是指經過臨床麻醉培訓的醫生經歷的預期或非預期的氣道管理困難或失敗的臨床情況[8]。在國內外不同的研究中，困難氣道的發生率為0.5%～10%，喉鏡聲門暴露困難的發生率為1.5%～13.0%，氣管插管困難的發生率為1.9%～10%[2-3]。如伴有小頜畸形、面部創傷、頸椎損傷等特殊情況時，困難氣道的發生率將上升至14.9%[12-13]。雖隨著醫療設備和氣管插管技術的不斷發展進步，困難氣道發生率已逐步降低，但如術前未準確評估氣道，仍可能會導致“無法插管、無法氧合”的局面[14]。
2 困難氣道的單因素預測
病史和一般體格檢查是困難氣道最基本的評估，包括床旁氣道評估指標：張口度、上唇咬合試驗、頭頸活動度、甲頦間距、身高舌頦間距比、改良Mallampati分級等。然而困難氣道不是由單一解剖因素決定的，且研究證明其預測價值有限，缺乏困難氣道評估所需的敏感性和特異性，所以單獨使用時預測效果不佳[9。15-16]。因此，指南建議結合多指標綜合判斷患者出現困難氣道的風險，以提高困難氣道預測精準度[8]，旨在通過早期識別困難氣道，為插管前準備充足的人力資源和輔助設備，以減少因未預測到的困難氣道而導致嚴重并發癥或死亡。
3 困難氣道的預測模型
3.1 評分預測模型
困難氣道評分預測模型是多個高預測性指標綜合的評分體系，目前預測性較好、使用較為廣泛的有：LEMON評分法、SARI評分法、Wilson評分法、MACOCHA評分法和Arne評分法等。
3.1.1 LEMON評分法
LEMON評分是美國急診醫學會于2004年提出，主要適用于急診或創傷患者的氣道評估[17]。該評分體系包括頜面部觀察、3-3-2評估法、Mallampati分級、呼吸道梗阻、頸部活動度5個方面，總分0～10分，評分≥2分提示插管困難。楊芳芳等[18]評估1 528例患者后發現LEMON評分最佳截點值為5分時預測困難氣管插管的敏感性和特異性最佳，分別為81%、92.3%，受試者操作特征曲線下面積（area under ROC curve，AUC）值達0.934，而當截點值調整到4分，預測困難喉鏡暴露的敏感性為88.7%，特異性為74.8%，AUC值達0.884，認為其具有較高的預測價值，可有效應用于我國困難氣道患者的評估。Dai等[3]對中國急診插管情況進行了一項多中心調查，結果表明改良LEMON法（包括頜面部觀察、3-3-2評估法、呼吸道梗阻、頸部活動度4個方面）對困難氣道的預測敏感性為71%，特異性為79%，AUC值達0.75，有一定的預測價值，但由于進行困難氣道評估的醫生經驗和資歷參差不齊，因此可能存在預測價值被低估的情況。
“LEMON”評分法中Mallampati分級的評估需要患者保持坐位，最大程度張嘴伸舌，而急診氣道緊急且具有不可預見性，需氣管插管者多為危重癥或意識障礙而無法配合，所以Yusuke等[19]學者建議在急診困難氣道評估時使用改良LEMON法，在具有高敏感性和特異性的同時，快速易執行，且接受性好。
3.1.2 SARI評分法
“SARI”評分法是由El-Ganzouri等[20]于1996年對10 507例患者進行前瞻性評估后構建的預測模型，包括張口度、甲頦距離、Mallampati分級、頸部活動度、下頜前移能力、體重、既往是否有困難插管史7個變量。總分0～12分，每個變量賦0～1或0～2分。徐建玲等[21]驗證后表明SARI評分>3分時，預測困難氣管插管的敏感性和特異性最高，分別為80.56%、86.39%，AUC值為0.91；SARI評分>2分，預測困難喉鏡暴露的敏感性和特異性達到92.47%、68.93%，AUC值達0.90，證明SARI評分對困難氣管插管和困難喉鏡暴露的預測有較好的效果。Corrente等[22]在SARI評分中新增了頸圍這一變量形成了“EL.GA+”評分，研究證明該評分法敏感性為80%，特異性為87%，可以大大提高輕度肥胖患者氣管插管困難的預測性能，有效用于術前評估。
“SARI”評分是從大樣本中開發出來的，預測變量更為全面。且Corso等[23]發現“SARI”評分不僅對困難氣管插管有較好的敏感性，同時對面罩通氣困難也有一定的預測價值。但該評分單純以“體重”作為預測變量之一而未考慮身高影響，且直接測量甲頦距離誤差較大所以在評級標準中出現了不貼合中國患者解剖生理的情況[24]。
3.1.3 Wilson評分法
Wilson評分是目前較常用于評估困難氣管插管的工具[25]，其中包括體重、頭頸活動度、下頜活動度、下頜退縮、門齒前突5個變量。每個變量分別賦0、1或2分，總分10分，分數越高，困難氣管插管的可能性越大。王茗芳等[26]評估了1 544例患者證明其預測價值，Wilson評分在預測困難氣管插管時的敏感性、特異性分別為94.6%、76.6%，AUC值達到0.91。Siddiqui等[27]將Wilson評分與Mallampati分級聯合對肥胖手術患者進行評估，其預測喉鏡暴露困難和氣管插管困難的敏感性、特異性分別為75%、98.8%、92.9%、95.0%，證明Mallampati分級和Wilson聯合評分在肥胖患者的初始診斷中具有一定程度的準確性。
Wilson評分雖應用最為廣泛，但也存在爭議，比如將體重作為單獨預測因素，而未考慮身高的影響，這與SARI評分存在的問題相似。其次是下頜活動度中張口度和下齒前移共同作用時預測性不高，在評價下頜退縮程度和門齒前突程度時主觀性強，一定程度上會影響Wilson評分的預測性能[28]。
3.1.4 MACOCHA評分法
“MACOCHA”評分法是2013年De Jong等[29]前瞻性收集1 000例重癥醫學科（intensive care unit，ICU）插管數據開發制定的一個簡化困難插管評分體系，是唯一經過驗證的危重患者氣道評估工具，也是危重患者喉鏡管理指南所推薦的評估方法[30-32]。因ICU患者病情危重多變的特點，MACOCHA評分將其評估標準分為了3部分，患者自身因素（Mallampati分級Ⅲ或Ⅳ、阻塞性睡眠呼吸暫停、頸椎活動受限、張口受限），病理生理因素（昏迷、嚴重低氧血癥<80%），操作者因素（非麻醉醫生操作），總分0～12分，每個因素分別賦值1、2、或5分，≥3分預測危重患者插管困難。該評估方法內部驗證敏感性、特異性分別為76%、90%，AUC值達0.89，外部驗證時，其敏感性、特異性分別為73%、89%，AUC值為0.86。因此，可以通過MACOCHA評分為危重患者提供標準化評估，以早期識別存在困難插管風險的患者。但由于MACOCHA評分針對性強，主要適用于危重癥患者，因此評估對象較為局限。
3.1.5 Arne評分法
“Arne”評分是1988年Arne等[33]所篩選出的評分量表，其中包括氣道疾病、困難插管史、困難插管相關疾病、張口度和顳頜關節活動度、甲頦距離、頭頸活動度、改良Mallampati分級，總計48分，總分>11分提示存在困難氣道。Arne等[33]驗證該評分在預測普通外科手術患者的敏感性和特異性極高，分別為94%、96%。但經黎淑芳等[34]驗證發現其敏感性、特異性僅為42.86%、90.91%，明顯低于Arne的研究結果，考慮可能預測指標中甲頦距離在女性患者中不完全適用的原因。因此，靳浩等[35]將Arne系統中原有的甲頦距離替換為身高甲頦距離比，并去掉困難插管相關疾病、顳頜關節活動度頭、頸活動度3項指標后，研究發現新系統的靈敏性、特異性分別為85.8%、70.8%，與Naguib等[36]研究結果相似，可較準確地評估困難氣道。
3.2 超聲預測模型
超聲、CT、X線、MRI也有預測困難氣道的能力，Ji等[37]采用薈萃分析評估影像學方法對成人困難氣道患者的診斷準確性，證明了CT、X線與超聲的診斷價值相近，均可提高預測困難氣道的敏感性和特異性，但由于其檢查價格高昂、操作時間較長、有輻射、不能便攜的特點更多地應用于已預測到可能發生困難氣道的術前評估。而超聲作為一種方便、無創的方法廣泛應用于氣道成像領域，因此在新版指南中超聲被推薦用于困難氣道的術前評估[38]。
3.2.1 皮膚到會厭的距離
會厭在超聲下呈現低回聲條狀結構[39]。Wang等[40]通過7項頸部超聲測量麻醉誘導前后上呼吸道的變化，發現皮膚到會厭距離的截斷值為2.125 cm時，對困難氣道的預測效果較好，敏感性80.0%，特異性83.8%。Ni[41]等同樣對患者進行術前超聲氣道評估，發現于旁矢狀位測量的皮膚到會厭距離≥2.36 cm時，其敏感性、特異性分別為0.818、0.856，AUC值為0.829，是困難氣道的有效預測指標。但當聯合性別、體重指數、改良Mallampati分級生理預測指標進行評估后，敏感性、特異性分別為90.9%、90.4%，AUC值達0.9328，形成了一個更優的預測模型[42]。
3.2.2 皮膚到舌骨的距離
舌骨在超聲下呈弧形條狀高信號，易于發現[43]。Agarwal等[44]通過對1 043例患者進行多參數超聲評估后證實了皮膚到舌骨距離的預測效果，當截斷值> 1.4 cm時，敏感性為81%，特異性為85.2%，AUC值達0.898。Xu等[45]同樣也結合超聲測量的多個參數，建立舌厚>61 mm、下頜活動度≤10 mm、舌骨距≤51 mm的超聲模型，對1 000例患者進行了前瞻性隊列研究，證明超聲模型預測困難氣管插管的敏感性、特異性達0.85、0.81，AUC值達0.89。與張口試驗、改良Mallampati分級相比，預測效果更優，準確度更高。
3.2.3 舌體厚度
舌體厚度是用超聲測量整個舌廓并識別最厚點[43]。Yao等[46]證明舌體厚度>6.1 cm是氣管插管困難的獨立預測因素，舌厚與甲頦距離之比增加到>0.87 cm時，則敏感性增大到0.84，特異性增大至0.79，AUC值可達到0.86。此外，鄭鎮偉等[47]研究了超聲測量舌體厚度對小兒困難喉鏡顯露的預測效果，結果顯示舌體厚度>4.5 cm時，對5～8歲患兒有較高的敏感性，但特異性較低分別是100%，56.6%。而復合指標舌體厚度/甲頦距離比值>0.86時，預測5～8歲患兒困難喉鏡顯露的AUC值為 0.92，該比值>0.94時預測9～12歲患兒困難喉鏡顯露的AUC值為0.85，其預測效果比同年齡組所有預測指標都高。
3.3 內鏡、3D打印技術預測模型
床旁內鏡可直接觀察到口咽及喉部情況，Gemma等[48]發現當與常規床旁評估指標相結合時，在舌突期間進行內鏡檢查可提高對困難氣管插管的預測性。3D打印技術也逐步應用于術前氣道評估[49]。Chen等[50]分別在正常氣道和困難氣道中構建三維模型，發現正常氣道無論是仰臥位還是最大伸展位上呼吸道填充體積都大于困難氣道，且困難氣道在體位變化時，填充體積變幅率為25%，這在一定程度上說明了體位改變對困難氣道的影響，同時反向驗證了3D打印技術的精準可靠性，能夠更好地識別困難氣道的形態學變化，為評估氣道插管時的潛在困難提供更準確、可靠的量化依據。
4 總結及展望
理想的困難氣道評估工具應該是客觀、簡單、易獲得、可重復，特別是具有較高的敏感性。評分預測模型雖然快速易操作，但每一種都有具體適用的場景，且部分預測指標存在不足，因此需要具體分析后使用。超聲對困難氣道具有較高的預測價值，憑借其經濟、安全、無創、便攜的特點有潛力成為氣道管理的一線無創輔助評估工具。3D打印技術將氣道管理可視化、個體化，精準化，雖現目前打印材料還存在一定的缺陷，但其發展迅速，前景廣闊。
困難氣道預測評估工具多樣，但大多以直接喉鏡觀察結果作為參考，但目前視頻喉鏡使用率越來越高，而直接喉鏡的風險預測因子未必適合視頻喉鏡的預測，因此在未來的研究中可嘗試建立用于視頻喉鏡的預測模型，為困難氣道的評估金標準提供參考依據。
利益沖突：本文不涉及任何利益沖突。