正常血动脉PH值(动脉血正常PH值)

作者：米勒之声

重症监护病房（ICU）患者经常使用动脉和中央静脉导管。中心静脉导管的置入似乎适合ICU中的大多数患者，但动脉导管留置的系统使用受到质疑。建议使用动脉导管对休克患者进行严密的血压监测，并允许重复测量血气和乳酸浓度，同时避免重复的血管穿刺。然而，最近的数据表明，振荡式无创血压监测的血压可能可靠，中心静脉乳酸值可准确反映动脉乳酸浓度。此外，一些单中心、小样本的研究表明，中心或外周静脉血气体可能反映动脉血气值。

这项前瞻性，多中心研究的目的是，评估从中央静脉导管抽取的血样所测量的血气和乳酸浓度，结合脉氧饱和度以及有无临床特征，用来预测严重急性循环衰竭患者动脉血气和乳酸值的可靠性。

方法

法国里摩日教学医院伦理委员会批准了所有相关医院的协议（协议号65-2011-11），并且无需事先知情同意。按照提交给伦理委员会的方案计划，来自研究人群中的一些患者(脓毒症患者)的数据被纳入了一项先前发表的具有不同目的和范围的研究。

我们在10个成人外科ICU中进行了这项研究。符合入选标准后6小时内连续纳入循环衰竭的患者。如果患者在ICU入院后12小时内出现循环衰竭，并有动脉和上腔静脉（颈内或锁骨下）导管，则纳入研究。不包括脑死亡或即将死亡的病例患者。

测量和数据收集

通过中心静脉导管从上腔静脉抽取血液，每6小时采样一次，连续采集24小时，尽快测量血气分析和乳酸浓度（时间定义为t0）。在每个时间点同时抽取动脉血进行血气分析和乳酸测定。使用位于ICU的台式分析仪或位于医院实验室的分析仪进行血气分析，包括乳酸测量。四个中心使用标准血气分析仪，六个中心使用血氧仪，分别计算或测量氧饱和度。

数据分析

研究人群以2：1的比例随机分为模型推导组和验证组。在推导组中，我们使用混合效应多元线性回归，得出了动脉血气和乳酸的预测函数[动脉pH（pHa），动脉二氧化碳分压（PaCO2），动脉血氧饱和度（SaO2）和动脉血乳酸]浓度（Lacta）]。将参与中心、患者和获取血样的时间点作为随机变量输入。以下变量作为独立的潜在预测因子输入固定效应：中心静脉pH值(pHcv)、中心静脉氧分压(PcvO2)、中心静脉二氧化碳分压(PcvCO2)、中心静脉氧饱和度(ScvO2)、中心静脉乳酸(Lactcv)、动脉血氧饱和度和临床特征，建立完整的模型。还仅使用中心静脉血气测量结果和SpO2作为潜在的预测因素（而不是临床特征）来构建更简单的模型 。

对于每个感兴趣的变量（pHa, PaCO2 ,SaO2, Lacta），完整的模型（有临床特征）和简单的模型（没有临床特点）进行逐步向后消除独立变量。

具有固定效应的每个自变量的系数βi用于计算目标变量的预测函数。我们计算出每个函数[预测pHa(predpHa)、预测PaCO2 (predPaCO2)、预测SaO2(predSaO2)和预测Lacta(predLacta)]和pHa、PaCO2、SaO2和Lacta输出值之间的偏倚和限制，同时考虑到每个病人的多次测量。通过使用自举法计算接收器工作特性曲线（AUC）下的面积及其95％置信区间（95％CI），评估每个预测值检测低于或高于预定阈值的感兴趣变量时的区分能力。

鉴于血气或乳酸异常经常需要快速的治疗干预，并且由于忽略它们会造成严重后果，因此我们严格收紧了通常的AUC解释规则，认为95%CI>0.85和>0.95的下限AUCs分别具有良好和较强的区分能力。由于相同的原因，我们将每个预测变量的“最佳”阈值定义为产生最高正似然比(LHR)的阈值，而负似然比的自引导95%CI的上限不超过0.1。我们考虑了负的LHR的限制，允许以高置信度排除一个给定的动脉值低于或高于一个预定值。如果我们找不到一个“最优”的截断值，我们就按照约登指数的方法计算出最佳截断值

在剩下的三分之一随机抽样研究人口(验证组), 我们使用与衍生组相同的系数βi来计算目标变量的预测函数，通过AUC计算评估其判别力，由Bland-Altman分析评估其准确性。

最终预测模型的选择

在验证组中，对于每个关注变量的每个增量，我们将完整和简单模型的AUC与具有相应原始中心静脉值（或用SpO2预测SaO2）的AUC进行了比较。模型显示如果AUC明显高于原始中心静脉值(或高于SpO2)，至少有一个相关变量的截断值被保留为潜在的临床有变量。如果完整模型和简单模型的AUC均有显著性差异，则保留简单模型。

对于每个关注变量的每个增量，我们测试了从衍生组得出的“最佳”阈值(或最佳阈值)，并计算了它们在应用于验证组时的敏感性(Se)、特异性(Sp)、正负LHR和负预测值(pv)。

允许从Bland-Altman分析得出的协议间隔解释，虽然可接受的限度还未普遍确定，我们任意定义临床可容忍时间间隔（0.1单位的pH值，1.3 kPa PaCO2，1mmol/L乳酸，以及5％SaO2），每个相关变量的正常范围（pH值为7.35–7.45；PaCO2 4.6–6kPa；乳酸≤2mmol/L；并且SaO2≥90％）。

样本量

我们计算了验证组中的800对静脉和动脉测量值，结果表明，95% CI宽度

连续变量表示为中位数和四分位数间距。为了调整进行的多次比较(auc的比较)，使用Benjamini和hochberg描述的方法和R的fdrtool包，p值被调整为估计的假发现率。p值

分别使用R的lme4包和pROC包，进行配对AUCs的混合效应多元线性回归和比较。

结果

我们纳入了590例患者（图1），并分别在派生和验证组中获得了1794对和929对中心静脉和动脉血样本。从2723对中心静脉和动脉样本以及从SpO2读数中得到的24507个测量值中，有206个(0.8%)的测量值缺失。

推导组

预测值和实际动脉值的偏差和一致性见表1。

所建立的模型和原始中心静脉值为预测pHa、PaCO2或Lacta的每个阈值提供了良好或较强的区分能力的AUCs。对于SaO2，没有一个预测模型对SaO2的每个阈值都具有良好的预测能力(AUC的95%CI超过0.85)。但是，完整和简单的模型在预测SaO2方面都优于SpO2。

验证组

表1中提供了验证组的预测和实际动脉值之间的偏差和一致性。就AUC而言，所有模型的性能都类似于在推导组中观察到的性能。

根据预先确定的模型选择规则，保留完整的模型(使用临床特征)预测pHa。其他变量(PaCO2、Lacta和SaO2保留较简单的模型(不考虑临床特征)(表2)。表3显示了从所选模型中得出的每个动脉变量的每个临界值的“最佳”阈值及其相应的Se、Sp、正负LHR和负PV。负PV很高（> 95％），几乎没有例外。

动脉pH值的预测

根据完整模型推导组确定的predpHa阈值，其负PV分别为95.2％（93.1-97.2）和98.7％（98.5-99.0），从而排除了pHa7.45（表3）。一致性区间（表1）小于所选容差区间0.1单位的两倍，极至极差误分(即相应偏差0.1)的例子很少：21/868(2.4%)。没有实际的pHa7.45(反之亦然)。在预测的303个pH值范围内(7.35-7.45)，只有5个(1.7%)的pH值在范围之外。

动脉二氧化碳分压预测

predPaCO2的“最佳”阈值(用更简单的模型计算)产生的负PVs分别为96.3%(95.2-97.2)和98.4%(97.5 - 99.2)，从而排除PaCO26.0 kPa(表3和图2)。协议区间（-1.32至1.36，即2.68 kPa；表1）略高于所选择的1.3kPa容许区间的两倍，极至极差误分的实例百分比为4.6％（40/866）。当predPaCO2实际预测值在3-7 kPa或正常范围内（4.6至6kPa）时，该百分比分别降至2.8％（22/781）或1.6％（7/437）。只有两个实际的PaCO26kPa，而PaCO2>6 kPa预测为

动脉血氧饱和度预测

predSaO2（根据更简单的模型计算）的最佳阈值（无法确定“最佳”阈值）可以排除SaO2 95％时，这种从极端到极端的错误分类的比例下降到1.9%(14/747)，其中只有4例(0.5%)实际的SaO2

动脉血乳酸预测

predLacta的“最佳”截断值（根据较简单的模型计算）得出的PV值为94.5％（92.9–96.2），从而排除了Lacta>2 mmol/L的Lact （补充数据，图S3）。尽管有一个一致区间（−1.07至1.05 mmol/L；表1）略大于所选的1mmol/L的容许区间的两倍，但我们只观察到2.6％（23/885）的极端到极端错误分类。

讨论

在这项大型的多中心研究中，我们使用临床特征、动脉血氧饱和度(SpO2)读数和中心静脉血分析，开发了预测循环衰竭患者动脉血气和乳酸值的多个线性回归模型。对于pHa、PaCO2和Lacta的预测，经AUC计算，这些模型显示出良好或较强的预测能力，并优于相应的原始中心静脉值，但在Bland-Altman分析中仅显示出边缘准确性。对于SaO2预测，所建立的模型虽然性能较差，但仍能排除SaO2

最近两个荟萃分析中大量的回顾研究，已经试图从外周静脉血液分析预测动脉血气。总体而言，外周静脉pH值似乎是pH值的可靠估计值，但鉴于外周静脉的二氧化碳分压(PvCO2)被认为是一种不太可靠的PaCO2替代物，注意排除显著的高碳酸血症。少数比较外周静脉血氧分压（PvO2）和PaO2的研究发现，无法预测的偏倚和协议区间太宽，没有临床价值。

可以从比较中心静脉血和动脉血气的较少研究中得出相同的结论。这些研究中只有一项将PcvO2与PaO2进行了比较，也显示出较差的相关性。确实，PaO2和PaCO2是不容易预测的；一方面,PvO2取决于从动脉到静脉的血氧含量减少量,进而取决于血氧摄取能力和组织耗氧量。另一方面，PCO2也取决于从动脉到静脉血的耗氧量(呼吸商与二氧化碳的产生有关)和血流量。

因此，我们假设临床特征如体温、呼吸状况、是否存在慢性心力衰竭、升压药剂量、静脉血乳酸浓度和ScvO2可有助于明确休克的类型和严重程度，粗略估计动脉-静脉血中氧含量的减少和二氧化碳分压的增加，从而有助于调整静脉测量值，以更好地预测动脉血气值。我们的结果没有证实这一假设，因为除了预测pHa之外，没有保留考虑临床特征的模型。

同样地，除了SpO2，一个不完善的SaO2替代物，我们试图从中心静脉血气值和临床特征，如体温、休克的严重程度、血管扩张药的剂量，得出结论，所有这些都能使SpO2过低或过高估计SaO2。再次，这并没有加强对SaO2的预测，并且考虑到pHcv、PcvCO2、ScvO2和Lactcv仅表现略好于原始SpO2值。其他人也将SpO2与静脉血气一起使用，并发现PaO2和PvO2之间的一致性足够狭窄，具有临床实用性。但是，这些作者应用数学模型将静脉血气值转换为动脉值，他们假定2,3-二磷酸甘油酸的浓度稳定、体温恒定、强酸从动脉到静脉血的增加忽略不计、呼吸商和氧气消耗稳定，并且还假设SpO2能够准确地反映SaO2。在我们的循环衰竭患者中不能假定存在“理想”条件。相反，我们使用线性预测模型，该模型的缺点是无法与调节氧气消耗和二氧化碳产生的生化机制进行类比。因此，尽管对动脉值的预测很好或很强（通过计算AUC和预测值评估），但这些模型显示出相当广泛的一致性限制。例如， 5 kPa的predPaCO2可对应轻度高碳酸血症(6.3 kPa)或过度通气(2.8kPa)。这种误导性的预测很少涉及乳酸盐、pH值和PaCO2，但在这种情况下，患者能在多大程度上忍受由此导致的不恰当的治疗决定仍有待探索。虽然在单中心研究中提出了对动脉pH值和乳酸盐的临床有用的预测，但在我们的预测模型能够合理可靠地使用之前，还需要7-10个进一步的工作来评估我们的预测模型的安全性。

由于SpO2与SaO2的相关性较差，预测SaO2的准确性较差。尽管较高的负PV排除了SaO288%到95%之间的任何值(表3)，predSaO2仅从SpO2中对SaO2的预测作用不大。

局限性

首先，SaO2在所有中心的评估方法都不相同，因为有些中心是通过PaO2计算SaO2，而有些中心是通过一氧化碳测量法计算SaO2。这可能削弱了SaO2预测函数的精度。但是，在我们的预测模型的第一步中，变量“是否共氧”作为潜在的预测变量输入，而在最终模型中并未保留为显著变量。这表明，与其他预测函数相比，我们的SaO2预测函数的表现相当令人失望，这主要是由于SpO2和SaO2之间的相关性较差，而不是由于SaO2测量值的可变性。这可能是发展非常准确的SaO2预测功能的主要障碍。在不久的将来，这一领域的技术进步可能会使我们对SaO2有一个更好的非侵入性评估。其次，我们使用多元线性回归分析得出预测函数。因此，所建立的数学模型与调节酸碱或氧化平衡的生化机制相去甚远。这至少部分解释了我们的SaO2和PaCO2预测模型的性能。还有人利用人工神经网络方法从外周静脉血预测慢性阻塞性肺疾病加重患者的动脉血气值，并在SaO2预测方面取得了令人鼓舞的结果，这鼓励我们在今后的工作中探索这种可能性。最后，反映组织灌注不良的中心(或混合)静脉与动脉的PCO2差异可能成为监测休克的关键参数。如果要对其进行广泛验证和使用，将会质疑我们研究结果的相关性，因为其精确测量仍需要动脉样本。

结论

我们的研究表明，从中心静脉血分析和SpO2值预测循环衰竭患者动脉pH值、PaCO2、SaO2和动脉血乳酸值是可行的，但由此产生的精确度远非完美。需要进一步的工作来探索开发的预测模型的安全性。

本文转载自其他网站，不代表健康界观点和立场。如有内容和图片的著作权异议，请及时联系我们（邮箱：guikequan@hmkx.cn）