俯卧通气后复仰时的呼吸生理学用于预测机械通气患者28天死亡率：一项机器学习分析

为何翻身重要

在COVID-19危机期间，照护最危重的呼吸机患者的医生常常将其翻到腹部，这一操作称为俯卧位。简单的体位变化可以改善受损肺部的气体与血液分布。但这对医护人员要求高，且并非没有风险。本研究提出了一个关系生死的实用问题：在患者被翻回仰卧后，他们肺部的表现能否帮助医生预测未来一个月内的生存可能性——并据此决定是继续采用该体位还是转用其他治疗？

医生目前如何评估一次翻身

在重症监护病房中，一次将患者翻到腹部的成功与否通常以一个反映空气向血液转移氧气能力的单一数值来判断。如果该数值迅速上升，这次操作常被视为成功；若未上升，有些团队可能会放弃后续翻身。然而，仅关注氧合可能会忽视其他重要的肺部压力或隐性损伤征象。研究作者怀疑，患者在被翻回仰卧数小时后的状况，或许能揭示肺部是真正恢复了功能还是仅出现短暂改善。

挖掘真实世界的ICU数据

为探明这一点，研究人员利用了荷兰一项关于重症COVID-19成年患者的数据库，这些患者在ICU接受机械通气。他们筛选出522例经历了明确顺序的患者：先仰卧、再俯卧、然后再回到仰卧，且均在首次通气期内完成，俯卧时间均小于24小时。对每位患者，研究者收集了翻身前四小时与翻回后四小时内的动脉血气及肺顺应性等指标。随后他们使用包括机器学习在内的现代计算技术，检验这些数值的模式是否能预测从开始通气起28天内的死亡。

这些数值揭示了肺部什么情况

将幸存者与未能幸存者比较时，研究发现翻身前的传统指标在两组间大致相当。差异在患者回到仰卧位后才显现。28天内死亡的患者倾向于仍需更高的呼吸机氧气设置，氧合从空气到血液的转移更差，并表现出更高比例的无效通气——提示肺部存在疾病或未充分充气的区域。他们的肺也更显僵硬，每次呼吸呼吸机必须施加更大压力。相反，幸存者更常表现为氧合持续改善，并能以较低氧浓度维持支持，暗示先前塌陷的肺区更成功地被招募开放。

让计算机寻找生存模式

由于这些肺部指标彼此之间存在复杂关联，团队采用机器学习模型将其组合起来。研究者先筛选出最具信息量的测量值，然后在部分患者数据上训练多种模型，并在其余数据上进行测试。没有模型是完美的，但所有模型均能比随机判断更好地区分幸存者与非幸存者。其中名为XGBoost的模型总体表现最佳，在捕捉将要死亡的患者与避免过多误报之间取得较好平衡。若干特征在预测中权重最大——尤其是血氧与供氧比、未参与气体交换的无效通气比例、肺的顺应性（柔韧性）以及呼吸机仍需提供的氧气量。

对床边决策的意义

对患者和家属而言，关键信息是：翻身后肺部的表现可能比患者在俯卧位时通常被庆祝的即时氧合提升更能反映生存前景。本研究表明，一组简短的常规测量——在回到仰卧后数小时采集——可以帮助将患者分为高风险和低风险组，尽管预测并非十全十美。尽管这些计算模型还需要更大规模和更多样化的数据以提高可靠性和易用性，它们指示了一个未来方向：关于是否继续俯卧、尝试其他救援疗法或调整呼吸机设置的决策，可能由更丰富的肺功能图景来指导，而不仅仅依赖单一的氧合数值。

引用: Lijović, L., Dam, T.A., Baek, M.S. et al. Respiratory physiology after resupination following prone ventilation to predict 28-day mortality in mechanically ventilated patients: a machine learning analysis. Sci Rep 16, 8188 (2026). https://doi.org/10.1038/s41598-026-39336-3

关键词: 急性呼吸窘迫综合征, 俯卧位通气, 机械通气, COVID-19 重症监护, 机器学习 预测