神经重症患者肠内营养喂养不耐受风险预警模型的构建

李炜 杨富 王晓平 李志敏

肠内营养(enteral nutrition，EN)是指经胃肠道提供营养物质及其他营养素的营养支持方式，是ICU患者营养支持的首选途径。喂养不耐受(feeding intolerance，FI)是实施EN过程中常见的临床问题，可造成患者住院时间延长、病死率增加[1]。重症监护患者FI的发生率高达30.5%～58.7%[2]，其中神经重症患者由于严重疾病和创伤应激引起胃肠道功能障碍，导致FI的发生率高达50%[3]。神经重症患者多为颅脑损伤、昏迷、镇静镇痛及机械通气等存在沟通、交流障碍的患者，判定FI指标(如恶心、腹部不适等)不易被医护人员发现[4]。因此如何个体化预测、评估神经重症患者FI的发生成为神经重症监护室临床护理工作中急需解决的问题，目前尚无关于神经重症患者发生FI的风险评估工具。本研究通过分析神经重症患者EN后发生FI的危险因素，并构建风险预警模型，旨在为神经重症患者EN后发生FI的预测提供评估工具。

1 对象和方法

1.1 对象前瞻性收集2020年12月至2022年3月上海市第一人民医院神经外科ICU收治的127例患者，其中男81例，女46例，年龄32～89岁，平均(64.98±11.97)岁。其中脑出血37例，硬膜下血肿17例，颅脑损伤18例，脑肿瘤17例，蛛网膜下腔出血7例，脑梗死20例，脑积水8例，脑水肿、颅骨缺损、脑血管畸形各1例。纳入标准：(1)年龄≥18岁；(2)均实施EN。排除标准：(1)临床病历资料不全；(2)EN禁忌证患者：完全性肠梗阻及胃肠蠕动严重减慢的患者；(3)伴心、肝、肾等严重器质性病变患者；(4)既往有胃肠道疾病或手术史者。根据是否发生FI将患者分为非FI组(n=81)和FI组(n=46)。

1.2 方法

1.2.1资料收集：基于文献研究、专家意见并结合临床情况制作收集发生FI危险因素的调查表，主要内容包括：(1)一般临床资料：年龄、性别、合并疾病、住院天数、ICU住院天数、急性生理与慢性健康状况评分Ⅱ(acute physiology and chronic health evaluationⅡ，APACHEⅡ)、机械通气情况、格拉斯哥昏迷评分(Glasgow coma scale，GCS)等；(2)药物使用及病情相关性资料：镇静镇痛药、血管活性药物等使用情况，发生严重感染、低钾血症、低蛋白血症等情况；(3)营养相关性资料及实验室指标：营养风险评分，EN喂养方式、速度、温度、用量，FI发生情况等。对数据收集、填写、录入人员进行统一培训和考核，数据录入经两人核对。

1.2.2FI的判断：根据欧洲重症医学会关于腹部问题给出的推荐指南中的定义[5]进行FI判断，即各种原因(呕吐、胃潴留、腹泻、消化道出血、肠外瘘等)导致的FI：(1)腹泻：稀水样便，>3次/d，量≥250 mL/d；(2)腹胀：腹部膨隆，腹肌紧张表现，叩诊为鼓音，X线可见肠道内积气或积液等征象，监测腹压增高〔6 h内连续2次测量，腹内压均>12 mmHg(1 mmHg=0.133 kPa)〕；(3)胃潴留：单次回抽胃内残留物超过200 mL；(4)消化道出血：任何出血到胃肠道，通过呕吐液、胃内容物或粪便经肉眼观察证实。符合其中任一项即确定为FI。

1.3 统计学处理采用SPSS 26.0统计学软件进行数据分析，符合正态分布的计量资料以均数±标准差表示，两组均数比较采用独立样本t检验；非正态分布的计量资料以中位数和四分位数间距表示，组间比较采用Mann-WhitneyU检验；计数资料采用卡方检验；将单因素分析P<0.05的变量纳入二元Logistics回归分析发生FI的影响因素；采用R4.0.4软件构建列线图模型，用校正曲线和受试者操作特征(ROC)曲线评估列线图预测模型的准确度和区分度。以P<0.05为差异有统计学意义。

2 结果

2.1 两组患者临床资料比较127例患者发生FI者46例(36.2%)。与非FI组比较，FI组患者ICU住院天数、住院天数长，血钾、血糖水平高，GCS评分低，高血压、机械通气、高热、镇静镇痛药物、消化道用药、口服钾剂患者占比高(均P<0.05)，其余指标在两组间比较差异无统计学意义(P>0.05)。结果见表1。

表1 两组行EN的神经重症患者临床特征比较

2.2 二元Logistic回归分析以是否发生FI作为因变量(是=1，否=0)，将单因素分析有统计学意义的因素作为自变量(由于住院天数与ICU住院天数相关性较强，故只纳入ICU住院天数)进行多因素分析，结果显示，ICU住院天数、低GCS评分、高血糖、高血钾、高血压、机械通气、镇静镇痛药物是神经重症患者行EN后发生FI的危险因素。结果见表2。

表2 神经重症患者行EN后发生FI的Logistic回归分析结果

2.3 神经重症患者EN后FI的预警模型构建根据Logistic回归分析结果，将ICU住院天数、低GCS评分、高血糖、高血钾、高血压、机械通气、镇静镇痛药物7个危险因素使用列线图构建预警模型，结果见图1。ROC曲线分析结果显示，采用列线图计算的各指标总评分诊断FI的ROC曲线下面积为0.889(95%CI：0.821～0.938)，其诊断灵敏度89.13%，特异度为74.07%，提示模型具有较好的区分度(图2)。绘制校准曲线图以验证预警模型评分体系的准确率，结果显示预测曲线和实际观察曲线基本吻合(图3)，表明模型具有良好的预测准确度。

注：EN：肠内营养；FI：喂养不耐受；GCS：格拉斯哥昏迷评分；列线图中每项指标的取值范围对应一个分数范围，各项指标的取值通过向上作一垂直线获得相应的分数(默认为0～100分)，所有指标分数相加得到总分，最后将总分向下作一垂直线可以在列线图底部的预测线上得出患者FI发生的预测概率

注：EN：肠内营养；FI：喂养不耐受

注：EN：肠内营养；FI：喂养不耐受

3 讨论

3.1 构建风险预警模型的意义在统计学上，模型的预测效能>0.8以上才考虑应用于临床[6]。本研究建立的预测模型的ROC曲线下面积为0.889，其诊断灵敏度89.13%，特异度为74.07%，表明其预测效能较好；此外，该预测模型基于患者发生FI相关的7个危险因素构建，能直观、可视化呈现在列线图中，各项指标客观并易监测，便于医护人员及时关注患者发生FI的潜在风险，在临床中容易实施推广，具有实用性。

EN是重症患者尤其是神经重症患者营养支持的重要手段，本模型可广泛应用于神经重症患者EN后发生FI的风险评估，预测并筛选FI高危人群，及时调整治疗方案和护理措施，降低FI的发生风险，减轻患者及其家属的负担，节约医疗资源，提高重症患者的生存质量。

3.2 神经重症患者EN后发生FI的相关危险因素

3.2.1高血压：本研究结果显示，伴高血压者发生FI的风险是非高血压患者的3.325倍，表明高血压与FI的发生密切相关。高血压患者因全身小血管收缩或微小血管的硬化可影响胃肠道供血，导致胃肠道不适[7]；另外，高血压危象患者常出现头痛、抽搐、呕吐等症状，也可能是造成EN终止的因素。因此，及时评估患者血压、改善高血压状况可能对降低FI的发生具有意义。

3.2.2ICU住院天数：本研究结果显示，发生FI组的ICU住院时间长于未发生FI组，Logistics回归分析显示，住ICU时间是神经重症患者发生FI的独立危险因素，ICU住院时间每增加1 d，发生FI的风险提升11%，提示ICU住院时间长越易发生FI。这与朱瑞等[8]研究结果一致。

3.2.3机械通气：有研究结果显示，机械通气患者FI的发生率高达80%～85%[9]，神经重症患者因病情危重、血流动力学不稳定、多脏器功能衰竭，常常需要行机械通气，引起EN后FI的发生率增加2.7倍[10]。本研究结果显示，机械通气是神经重症患者EN后发生FI的独立危险因素，可使无机械通气者FI的发生率提高2.315倍。这与朱苑霞等[11]研究结果相一致。机械通气可使患者腹内压升高，影响胃肠排空及蠕动[12]；同时机械通气还可使患者处于应激状态，引起胃肠道缺血而诱发FI的发生[13]。因此，临床上应警惕机械通气患者发生FI的危险，对于使用呼吸机的患者，应密切监测其胃肠道症状，及时动态评估患者呼吸功能，尽早停止机械通气治疗。

3.2.4镇静镇痛药的应用：镇静镇痛药物会对胃肠道平滑肌上的阿片类受体产生作用，抑制肠道兴奋性神经递质的释放，导致肠道蠕动减慢，胃动力减弱，产生胃潴留而导致FI的发生，镇痛剂使用是肠道不耐受的独立危险因素[14-16]。姚洋等研究表明[17]，镇静药丙泊酚可造成胃排空延长，疼痛患者因疼痛刺激而活动量减少，肠蠕动减少，进而导致腹胀、便秘等症状，引起FI。本研究亦得出相似结论。因此临床工作中使用此类药物时，要关注患者的胃肠道症状，及时识别FI的发生。

3.2.5低GCS评分患者易发生FI：Chen等[18]研究表明神经系统疾病患者易发生FI。本研究结果显示，GCS评分降低1分，FI发生率增加0.212倍(OR=0.788)。当患者的 GCS 评分越低，表明其病情越重，甚至处于昏迷状态，机体由于应激反应造成胃肠动力减弱[19]、胃肠黏膜损伤，引起危重症患者EN耐受性下降，进而增加FI发生的风险[20]。

3.2.6高血糖、高血钾：高血糖反射性降低胃窦部平滑肌张力，使胃窦动力下降，同时也会增加幽门部活动，引起十二指肠收缩失调，延缓胃排空，患者更易发生FI[21-22]。长期缺钾会使患者肠道蠕动减慢，出现腹胀、恶心、食欲减退等，导致胃肠道功能障碍，最终不能耐受EN[23]。本研究结果显示，血糖每提高1 mmol/L，血钾每提高1 mmol/L，FI的发生率分别提高0.185倍和1.455倍。因此在临床工作中应定期监测血糖值以及血钾值，合理控制患者血糖和血钾水平有利于降低FI的发生风险。

综上所述，本研究构建的列线图预警模型具有良好的预测效果，对降低神经重症患者EN后FI的发生率、促进患者预后可能具有重要临床意义。由于本研究为单中心研究，样本量不足，且对所造风险预警模型仅进行定性评价等，因此，有关该风险预测模型在神经重症患者EN后识别、预测FI发生的确切作用尚需开展多中心、大样本研究，同时可进一步采用定量分析法对预测模型的检验效能进行评估。