ICU成人病人氣管插管非計劃性拔管風險評估工具研究進展

作者簡介"周慧，護師，碩士研究生

* 通訊作者"姚媛媛，E?mail：19842518@qq.com

引用信息"周慧，周靜，趙振華，等.ICU成人病人氣管插管非計劃性拔管風險評估工具研究進展［J］.循證護理，2025，11（1）：92-96.

摘要""綜述了ICU成人病人氣管插管非計劃性拔管風險評估工具，分析風險評估工具的優(yōu)點及不足之處，并對使用情況進行總結，為護理工作者開展有效的氣管插管非計劃性拔管風險評估工作提供依據。

關鍵詞""氣管插管；非計劃性拔管；風險評估；護理；綜述

doi：10.12102/j.issn.2095-8668.2025.01.016

氣管插管是重癥監(jiān)護病房（intensive care unit，ICU）常見的呼吸支持治療方式，起到維系病人生命的重要作用。氣管插管非計劃性拔管（unplanned endotracheal extubation，UEE）是指未經醫(yī)護人員同意，病人自行有意或無意拔除導管，或醫(yī)護人員操作不當所致地拔管，UEE發(fā)生率是反映ICU醫(yī)療、護理質量的重要指標［1］。國外報道，UEE發(fā)生率為1.02%～19.74%［2?3］；國內報道，UEE發(fā)生率為1.49%～28.6%［4?5］。UEE發(fā)生后再插管率高達50.2%［6］，可引起吸入性肺炎、氣道阻塞、支氣管痙攣等多種并發(fā)癥，不僅會延長機械通氣時間和ICU住院時間，嚴重時甚至會增加病人的死亡率［7］。通過識別UEE高危因素，進行多學科干預和持續(xù)質量改進，可以有效降低ICU成人病人UEE發(fā)生率［8］。因此，采用合理有效的風險評估工具進行UEE風險評估非常有必要。目前，臨床尚無公認的ICU成人病人UEE風險評估工具，現對國內外ICU成人病人UEE風險評估工具進行綜述，以期為護士主導的ICU成人UEE風險評估工作提供參考。

1 ICU成人病人UEE風險評估工具

1.1 UEE風險評估量表

2018年季芬芬等［9］根據ICU病人UEE發(fā)生率和危險因素調查，結合文獻研究、專家咨詢等方法制訂風險評估量表。該量表納入的評分指標包括年齡、拔管時段躁動?鎮(zhèn)靜程度量表（Richmond Agitation?Sedation Scale，RASS）評分、情緒評分、活動評分、疼痛評分及依從性評分，總分為6～16分，≤8分為存在輕度拔管風險，9～12分為存在中度拔管風險，≥13分為存在高度拔管風險。應用該量表對中、高度拔管風險病人采取相應的預防措施，結果顯示UEE發(fā)生率由8.60%降至2.61%。該量表Cronbach 's α系數為0.102，內部一致性較低，且納入指標中缺乏意識狀態(tài)、肌力等重要因素，在臨床評估效能方面存在一定的局限性。張萍等［10］經文獻回顧、臨床資料分析及預調查初步確立評價指標，通過德爾菲法構建UEE風險評估量表。該量表包括意識、雙上肢肌力等11個條目，共34個分類項，總分為3～26分，得分越高，表示風險越大。對量表進行臨床驗證顯示，該量表受試者工作特征曲線下面積（area under curve，AUC）為0.890，最佳高危臨界值為15分時，靈敏度為0.878，特異度為0.742［11］，表明該量表具備良好的預測價值。量表不僅納入了氣管插管病人非計劃性拔管的常見因素，還考慮到了呼吸系統(tǒng)疾病、痰液黏稠度等對插管時長的影響，且量表使用靈活，可根據指標“跳轉”指導簡化評估過程，便于臨床應用。魯志卉等［12］采用循證方法初步構建量表的條目池，經專家咨詢、層次分析法確定量表條目的權重，形成UEE風險評估量表。量表包括年齡、性別、肌力水平、臥位等9個條目，共28個分類項，總分為0～64分，得分越高，表示拔管風險越大。該量表首次將臥位納入評估條目，充分考慮到氣管插管主體人群特點。量表Cronbach's α系數為0.841，內容效度為0.960，驗證性因子分析顯示量表結構效度較好。但是該量表閾值尚未確定，也未在人群中驗證其效果，其外推性存在一定限制。劉明超［13］通過文獻研究，基于醫(yī)療失效模式與效應分析篩UEE高危因素，并采用德爾菲法構建UEE風險評估量表。該量表包括病人因素、導管因素、缺乏有效監(jiān)督、其他因素4個維度，共13個一級條目，分值為5～33分，≥17分為高風險，lt;17分為低風險。量表Cronbach's α系數為0.745，內容效度為0.910，證實量表具備良好的信度與效度。該量表AUC為0.958，當取最佳診斷值17分時，靈敏度為100.0%，特異度為78.4%，表明其具有良好的預測效度。量表整體條目設計合理，評估簡潔、方便，具有較強的臨床適用性。

1.2 UEE風險評估模型

1.2.1 UEE系統(tǒng)動力學模型

韓國學者Song等［14］基于系統(tǒng)動力學理論構建了ICU病人UEE系統(tǒng)動力學模型。系統(tǒng)動力學理論是美國Forrester教授于1961年首次提出，基于此建立的模型能夠更加清晰地反映系統(tǒng)內部作用機制，預測事件發(fā)展趨勢及動態(tài)［15］。目前，已有多項研究將該理論應用于衛(wèi)生管理、醫(yī)療保健等領域［16?17］。Song等［14］通過文獻回顧及專家函詢最終確立了18個模型構建指標，包括鎮(zhèn)靜管理、意識狀態(tài)、活動能力、護士工作壓力等，根據指標繪制了因果關系圖。見圖1。圖中“+”代表正關系、“-”代表負關系，當這種關系從某一變量出發(fā)，形成一個閉合回路，導致該變量本身的增加即為正反饋回路，反之則為負反饋回路。在因果關系圖的基礎上，進一步構建UEE系統(tǒng)動力學模型流圖。見圖2。確立各變量間的函數關系，該圖包括病人躁動狀態(tài)、個性化重癥護理2個水平變量、4個流率變量及病人活動能力等22個輔助變量。最后選取5例病人進行模型仿真，結果顯示，模型能夠根據UEE影響因素的動態(tài)變化，有效預測非計劃拔管發(fā)生情況。本模型是少見的基于系統(tǒng)動力學理論構建的風險評估模型，相較于采用Logistic回歸分析方法構建的模型而言，能夠靈活地根據各種變量的動態(tài)變化進行預測，且模型還納入了護士工作壓力、個性化重癥護理等人文因素。但是模型檢驗方式過于單一，仿真病人選取較少，不能保證模型的穩(wěn)健性及預測準確性，未來可嘗試基于本土病人特性構建系統(tǒng)動力學模型。

1.2.2 UEE風險預測模型

Lee等［18］通過對5 180例ICU病人進行回顧性分析開發(fā)了3種UEE風險預測模型，模型1是基于病人氣管插管拔管前最近1次各指標記錄值進行分析得出，模型2在模型1納入指標的基礎上增加了24 h內各指標記錄頻率，模型3將模型2中記錄頻率gt;3次的指標替換為該指標的最大值、最小值及平均值。結果顯示，模型3的靈敏度和特異度最佳，分別為0.561和0.927，包括年齡、格拉斯哥昏迷評分"（Glasgow Coma Scale，GCS）、急性生理與慢性健康評價Ⅱ（Acute Physi ology and Chronic Health Evaluation Ⅱ，APACHEⅡ）評分、分鐘通氣量、最小氣道峰壓、平均體溫等17個預測因子。但該模型沒有考慮到氣管插管方式、插管時間等專業(yè)性指標，評估內容不夠全面，可能會導致模型預測效果不佳，且模型評估指標多，收集較煩瑣，不便于臨床應用。2021年，Hur等［19］基于機器學習，采用隨機森林（random forest，RF）、Logistic回歸、人工神經網絡（artificial neural network，ANN）、支持向量機（support vector machine，SVM）4種算法構建ICU病人UEE風險預測模型。共納入1 195例病人，其中訓練集1 004例，驗證集191例。根據各變量的重要性篩選出50個變量納入各個模型。結果顯示，RF模型對ICU病人UEE風險預測表現出最高的性能（AUC=0.787），其次為ANN模型（AUC=0.763）、Logistic回歸（AUC=0.762）、SVM模型（AUC=0.740）。RF模型所有預測因子中，年齡為最有價值的預測因素，其次為RASS評分、GCS評分、約束頻率等。但是該模型驗證樣本量較少，可能會導致預測性能估計不準確，且樣本量來自單中心，利用回顧性數據進行開發(fā)及驗證，未來可進行多中心前瞻性研究，進一步增加模型的可靠性。

1.3 UEE風險評估圖

1.3.1 氣管插管故意拔管風險分層圖

Moons等［20］于2004年通過巢式病例對照研究發(fā)現，低鎮(zhèn)靜水平及高意識水平是ICU病人UEE獨立危險因素，基于此采用Bloomsbury鎮(zhèn)靜評分和GCS評分構建了UEE風險分層圖。見圖3。Bloomsbury鎮(zhèn)靜評分被證實與RASS評分有良好的相關性，是倫敦大學醫(yī)院、卡羅林斯卡大學醫(yī)院等應用的鎮(zhèn)靜評分標準［21］。圖中白色區(qū)域為無故意拔管風險，淺灰色區(qū)域為故意拔管敏感區(qū)，深灰色區(qū)域為故意拔管精確區(qū)。Moons等［22］后期開展前瞻性多中心研究使用該圖對病人進行評估，結果顯示使用灰色混合區(qū)進行風險評估時，靈敏度為100%，特異度為79%；使用深灰色區(qū)域進行風險評估時，靈敏度為100%，特異度為90%。該風險評估圖適用于故意自我拔管風險評估，但是僅依據鎮(zhèn)靜評分和GCS評分進行區(qū)分過于片面，且目前《中國成人ICU鎮(zhèn)痛和鎮(zhèn)靜治療指南》［23］推薦的ICU病人鎮(zhèn)靜評估工具為RASS評分或SAS評分，故本風險評估圖不適于在國內推廣。

1.3.2 UEE風險評估流程圖

2019年，天津市護理質控中心通過德爾菲法制訂了《預防成人經口氣管插管非計劃性拔管護理專家共識》［24］，該共識針對UEE風險評估，基于病人肌力、意識、疼痛、躁動、譫妄等綜合因素形成了標準化風險評估流程圖，并根據評估結果將拔管風險劃分為低、中、高3個等級。此后在天津市28所醫(yī)院進行推廣，持續(xù)追蹤4年，期間不斷發(fā)現問題并進行改進。在推廣過程中明確了遵循“首評上肢肌力，再評意識狀態(tài)”的風險評估路徑，同時推薦使用肌力評定量表（Medical Research Council Scale，MRC）進行肌力評估，根據非計劃性拔管風險評估等級采取相應的約束措施［25］，最終發(fā)現遵循流程圖進行評估，并采取集束化護理策略能夠有效降低UEE發(fā)生率，保障病人安全。向洋等［26］基于《預防成人經口氣管插管非計劃性拔管護理專家共識》研發(fā)了UEE預警及決策支持系統(tǒng)，該系統(tǒng)能夠準確識別UEE發(fā)生風險，根據風險預警等級提示護士采取相應的護理措施，有效提升UEE預防措施的執(zhí)行率，降低UEE發(fā)生率，同時有利于簡化護理工作流程，提高工作效率，未來可在全國范圍內進一步推廣。

1.4 UEE風險評估體系

黃素素等［27］經文獻研究、半結構化訪談及德爾菲法構建了包括5個一級指標、13個二級指標、51個三級指標的UEE風險評價指標體系。該體系主要從病人因素、家屬因素、醫(yī)護人員因素、導管因素和系統(tǒng)因素5個方面對UEE相關風險評價指標進行總結。針對氣管插管病人的特點，提煉了氣管導管耐受性、氣囊安全、機械通氣模式選擇等具體評價指標，同時考慮到交接班時氣管插管病人管道安全管理問題，將標準化氣管導管交接班制度納入評價指標，整體較為全面。但是其尚未在臨床應用，后期可將其轉化為便于護理人員使用的風險評估工具。

2 ICU成人病人UEE風險評估工具比較分析

2.1 基本情況比較

目前，ICU成人病人UEE風險評估工具種類多樣，包括風險評估表、風險評估模型、風險評估圖、風險評估體系。其中，大部分評估工具［9?10，12?14，24，27］采用的是專家咨詢法及德爾菲法，其余評估工具［18?20］采用回顧性病例對照分析，可能會導致相關資料收集產生偏倚。在風險評估模型構建方法上，除傳統(tǒng)Logistic回歸分析外，Hur等［19］首次使用隨機森林等算法構建模型，發(fā)現機器學習算法也開始應用于UEE風險預測模型的構建，且考慮的危險因素越來越全面；Song等［14］首次構建了UEE系統(tǒng)動力學模型，使模型的預測能力能夠根據納入因素進行動態(tài)變化，預測效能更加準確。

2.2 應用情況比較及建議

部分評估工具［12，27］尚未進行臨床應用，不能明確UEE風險評估效果，預測模型［14，18?19］未進行外部驗證，無法確定其實用性和泛化能力，少數評估工具［9?10，13，20］僅在單中心進行了應用，缺乏臨床推廣。僅《預防成人經口氣管插管非計劃性拔管護理專家共識》在天津市進行了廣泛應用，主要因為其不僅局限于UEE風險評估，還通過后期開發(fā)風險預警系統(tǒng)，形成了評估?預警?決策的閉環(huán)，并且進行了長期的跟蹤?？傮w來說，考慮到量表的信效度、評估內容的全面性以及預測價值，可首選劉明超［13］基于醫(yī)療失效模式與效應分析理論構建的ICU成人病人UEE風險評估量表。但在實際臨床應用中，除了評估病人UEE發(fā)生風險，更重要的是針對風險采取相應的措施進行有效預防。因此，基于《預防成人經口氣管插管非計劃性拔管護理專家共識》開發(fā)的風險預警系統(tǒng)更具臨床應用價值。由此可見，風險評估工具在臨床推廣應用須具備以下條件：1）評估工具構建過程科學合理，能夠有效識別發(fā)生風險；2）根據不同的風險等級實施針對性的干預措施，在實施層面加強預防；3）評估工具測評簡便易行，便于臨床操作；4）護理管理者大力支持并形成長期反饋機制。

3 小結

本研究綜述了國內外ICU成人病人UEE風險評估工具，包括4個風險評估量表、3個風險評估模型、2個風險評估圖及1個風險評估體系。未來在構建UEE風險評估工具時，建議兼顧評估內容的科學性和全面性，以提高其評估效能。在模型構建方面，國內少有研究應用機器學習算法構建ICU成人病人UEE風險預測模型，未來可加大對機器學習算法的關注，結合國內臨床實際，制定適合國內ICU病人的UEE評估工具?？紤]到臨床實用性，可將風險預測模型以列線圖、評分表、網頁或程序等方式呈現。同時，各評估工具除了內部驗證，也應針對研究人群進行多中心的外部驗證，以提高模型預測準確性。對于科學有效的UEE風險評估工具，護理管理者應在臨床推廣，使其更好地應用于ICU病人UEE風險評估，保證病人的安全。

參考文獻：

[1] 黎張雙子.ICU患者非計劃性拔管風險預警系統(tǒng)的構建研究[D].遵義：遵義醫(yī)學院，2017.

[2] LUCCHINI A，BAMBI S，GALAZZI A，et al.Unplanned extubations in general intensive care unit：a nine-year retrospective analysis[J].Acta Bio Med，2018，89（7S）：25-31.

[3] MINDA Z，SAMUEL H，AWEKE S，et al.Magnitude and associated factors of unplanned extubation in intensive care unit：a multi-center prospective observational study[J].Ann Med Surg，2022，79：103936.

[4] RUI X，DONG F，MA X D，et al.Quality metrics and outcomes among critically ill patients in China：results of the national clinical quality control indicators for critical care medicine survey 2015-2019[J].Chinese Medical Journal，2022，135（9）：1064-1075.

[5] 陳煌，陳小葉，謝紅珍.近10年我國非計劃性拔管研究的文獻計量學分析[J].護理研究，2017，31（25）：3106-3110.

[6] LI P B，SUN Z H，XU J Y.Unplanned extubation among critically ill adults：a systematic review and meta-analysis[J].Intensive amp; Critical Care Nursing，2022，70：103219.

[7] HSIEH M H，HSIEH M J，CHEN C M，et al.Comparison of machine learning models for the prediction of mortality of patients with unplanned extubation in intensive care units[J].Sci Rep，2018，8（1）：17116.

[8] CHAO C M，LAI C C，CHAN K S，et al.Multidisciplinary interventions and continuous quality improvement to reduce unplanned extubation in adult intensive care units：a 15-year experience[J].Medicine，2017，96（27）：e6877.

[9] 季芬芬，葉東花，饒巧瑩.風險評估量表在ICU氣管插管非計劃拔管護理中的應用價值[J].中國現代醫(yī)生，2018，56（11）：144-146.

[10] 張萍，劉麗萍.氣管插管患者非計劃拔管風險評估量表的構建[J].護理學報，2021，28（21）：18-22.

[11] ZHANG P，LIU L P.Validation of a risk assessment tool for unplanned endotracheal extubation：an observational study[J].Clinical Nursing Research，2022，31（8）：1438-1444.

[12] 魯志卉，王穎，黃子菁，等.成人氣管插管非計劃性拔管風險評估量表的構建[J].中國護理管理，2022，22（6）：893-898.

[13] 劉明超.基于HFMEA模式構建ICU成人氣管插管非計劃拔管風險評估量表及應用[D].贛州：贛南醫(yī)學院，2023.

[14] SONG Y G，YUN E K.Model for unplanned self extubation of ICU patients using system dynamics approach[J].J Korean Acad Nurs，2015，45（2）：280-292.

[15] LI M N，ZHU Y G，XUE C，et al.The problem of unreasonably high pharmaceutical fees for patients in Chinese hospitals：a system dynamics simulation model[J].Comput Biol Med，2014，47：58-65.

[16] APOSTOLOPOULOS Y，LEMKE M K，BARRY A E，et al.Moving alcohol prevention research forward-part Ⅱ：new directions grounded in community-based system dynamics modeling[J].Addiction，2018，113（2）：363-371.

[17] KHORSHIDI H A，MARSHALL D，GORANITIS I，et al.System dynamics simulation for evaluating implementation strategies of genomic sequencing：tutorial and conceptual model[J].Expert Rev Pharmacoecon Outcomes Res，2024，24（1）：37-47.

[18] LEE J Y，PARK H A，CHUNG E.Use of electronic critical care flow sheet data to predict unplanned extubation in ICUs[J].Int J Med Inform，2018，117：6-12.

[19] HUR S，MIN J Y，YOO J，et al.Development and validation of unplanned extubation prediction models using intensive care unit data：retrospective，comparative，machine learning study[J].J Med Internet Res，2021，23（8）：e23508.

[20] MOONS P，SELS K，DE BECKER W，et al.Development of a risk assessment tool for deliberate self-extubation in intensive care patients[J].Intensive Care Med，2004，30（7）：1348-1355.

[21] SACKEY P V，RADELL P J，GRANATH F，et al.Bispectral index as a predictor of sedation depth during isoflurane or midazolam sedation in ICU patients[J].Anaesth Intensive Care，2007，35（3）：348-356.

[22] MOONS P，BORIAU M，FERDINANDE P.Self-extubation risk assessment tool：predictive validity in a real-life setting[J].Nurs Crit Care，2008，13（6）：310-314.

[23] 中華醫(yī)學會重癥醫(yī)學分會.中國成人ICU鎮(zhèn)痛和鎮(zhèn)靜治療指南[J].中華危重病急救醫(yī)學，2018，30（6）：497-514.

[24] 天津市護理質控中心.預防成人經口氣管插管非計劃性拔管護理專家共識[J].中華護理雜志，2019，54（6）：822-828.

[25] 夏欣華，王瑩，田麗，等.預防成人經口氣管插管非計劃性拔管集束化護理策略應用效果的持續(xù)追蹤與評價[J].中國護理管理，2023，23（12）：1780-1784.

[26] 向洋，倪崴蓮.氣管插管非計劃性拔管預警及決策支持系統(tǒng)的研發(fā)與應用[J].中華護理雜志，2022，57（1）：61-65.

[27] 黃素素，陳香萍，羅維嘉，等.成年氣管插管患者非計劃性拔管風險評價指標體系的構建[J].護理與康復，2020，19（3）：1-5.

（收稿日期：2024-07-20;修回日期：2024-12-10）

（本文編輯"張建華）