📄 medicine

Predictive Model for Monitor-Independent TCI Propofol Induction Based on Loss-of- Consciousness Concentration: A Prospective Observational Study

这项前瞻性观察性研究表明，意识丧失时的丙泊酚效应部位浓度能强有力地预测达到插管时脑电双频指数（BIS）为50所需的浓度，从而能够推导出一种实用的给药公式，以指导不依赖监测仪的目标控制输注诱导。

原作者： Merve Yaldız Bayatlı¹, Başak Ceyda Meço¹, Süheyla Karadağ Erkoç¹, Volkan Baytaş¹, Yasemin Yavuz², Neslihan Alkış¹

发布于 2026-06-24

📖 1 分钟阅读☕ 轻松阅读

原作者： Merve Yaldız Bayatlı¹, Başak Ceyda Meço¹, Süheyla Karadağ Erkoç¹, Volkan Baytaş¹, Yasemin Yavuz², Neslihan Alkış¹

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在尝试为一位非常特殊的客人烘焙一个完美的蛋糕。你知道这位客人需要一定量的糖才能感到开心，但每个人的口味都不一样。如果你盲目猜测糖的量，可能会把蛋糕做得太甜，或者不够甜。

在麻醉的世界里，医生也面临着类似的问题。他们需要给患者提供恰到好处剂量的睡眠药物（丙泊酚），使患者处于昏迷状态并能顺利进行插管（置入气管插管），同时又不会在过程中醒来或产生疼痛反应。通常，他们会使用一种高级监测仪（称为 BIS）来准确告知患者处于多深的“睡眠”状态。但如果这种监测仪无法使用，他们该如何知道该给多少药量呢？

这项研究就像是一个“配方发现项目”。研究人员想要看看，是否可以通过观察患者最初入睡的时机，来推算出“插管剂量”。

实验过程：寻找“甜蜜点”

研究人员与 128 名准备接受手术的健康成年人合作。以下是他们的实验设置：

设置： 他们使用一台智能泵，将睡眠药物（丙泊酚）和止痛药（瑞芬太尼）缓慢地滴入患者的静脉中。止痛药的剂量对所有人保持一致，就像是一个恒定的背景音。
“唤醒”测试： 他们缓慢增加睡眠药物的量。每隔几秒钟，他们就会呼唤患者的名字。一旦患者停止回应，他们就会标记下那一刻，即为**“意识丧失”（LOC）**。他们会记录下在那一秒钟，患者体内的药物浓度是多少。
目标： 他们持续增加药物，直到监测仪显示患者已处于足以进行插管的“深度睡眠”状态（特定的分数为 50）。他们将这第二个数值记录为**“插管浓度”（INT-P）**。

重大发现：一个预测公式

研究人员发现这两个时刻之间存在极强的关联性。事实证明，让一个人刚刚入睡所需的药物量，几乎可以完美地预测其达到插管所需程度时所需的药物量。

你可以这样理解：如果你知道需要多少水才能把杯子填到“边缘”（意识丧失），你就能高精度地预测还需要加多少水才能让它达到“溢出点”（插管）。

他们根据这一点创建了一个简单的数学公式：

插管剂量 = 0.67 + (0.97 × 意识丧失剂量)

用通俗的话说：如果你知道让患者失去意识时的剂量，你只需要将这个数字乘以几乎 1，再加上一点点，你就能得到一个关于插管所需剂量的非常好的预估值。研究表明，这个公式的准确率约为 81%，这是一个非常强的匹配度。

患者的情况如何？

虽然该公式在预测剂量方面表现良好，但研究人员注意到了一些关于患者身体反应的有趣现象：

“跳跃”反应： 尽管患者的睡眠深度达到了监测仪的目标值，但仍有超过一半的患者（约 54%）在插管时出现了身体反应：他们的心率或血压上升了。
“过浅”信号： 这表明，他们所追求的“睡眠水平”（监测仪分数为 50）对于某些人来说可能还是稍微“太浅了”，不足以完全阻断插管带来的应激反应。这就像是蛋糕虽然甜到可以吃，但还不够甜，无法让客人真正感到“满足”。
副作用： 少数患者（约 9%）在刚入睡时出现了血压下降，这是药物的一种已知副作用，但可以轻松应对。

总结

本文的核心观点是：你并不总是需要高科技监测仪来猜测正确的剂量。 如果医生能观察到患者何时入睡，他们就可以利用这个简单的公式，计算出一个非常好的插管剂量预估值。

然而，这项研究也提醒我们，虽然这个公式有助于你“猜测”剂量，但仅仅瞄准那个“监测仪分数 50”的目标，可能还不足以让所有人都能完全屏蔽插管带来的反应。研究人员建议，在未来，医生可能需要追求更深的睡眠深度，或者使用更多的止痛药，以确保患者在手术开始期间能够保持完全静止和放松。

简而言之： 研究发现了一个可靠的“经验法则”，可以根据患者入睡的时机来预测正确的睡眠药物剂量；但也表明，有时即使剂量“对了”，患者可能仍需要额外的帮助，才能在手术开始时保持完全放松。

技术摘要：非监测依赖型 TCI 的预测模型

问题陈述
在采用目标控制输注（TCI）的全静脉麻醉（TIVA）中，临床医生缺乏类似于吸入麻醉中最小肺泡浓度（MAC）那样的通用深度参数。虽然双频指数（BIS）监测可以实现丙福间（propofol）的个体化给药，但在许多临床场景中，并不具备深度麻醉监测设备。在这些情况下，为实现气管插管所需的特定丙福间效应部位浓度（effect-site concentration）仍不确定。本研究旨在探讨：在意识丧失时的丙福间效应部位浓度（LOC-P）是否可以作为实现插管目标 BIS 值为 50 所需浓度的可靠预测指标（INT-P），从而在无需连续监测的情况下实现个体化给药。

研究方法
这是一项于 2021 年 6 月至 2022 年 4 月期间在安卡拉大学伊布尼·西那医院（Ankara University İbni Sina Hospital）进行的前瞻性观察性研究。

受试者： 128 名计划进行择期非心脏手术的成年人（ASA 体格状态 I–II 级，年龄 18–65 岁）。由于 7 名患者在满足插管标准时神经肌肉阻滞不完全（TOF 计数 >0），被排除在外。
方案： 使用丙福间（Schnider 模型）和瑞芬太尼（Minto 模型）的 TCI 进行麻醉诱导。瑞芬太尼效应部位浓度（ $C_e$ ）固定为 2 ng mL⁻¹。丙福间 $C_e$ 从 2 µg mL⁻¹ 开始，每 20 秒上调 0.2 µg mL⁻¹。
测量指标：
- LOC-P： 记录为失去言语反应时刻的丙福间 $C_e$ 。
- INT-P： 记录为 BIS 达到 50 且稳定保持 ≥30 秒时的丙福间 $C_e$ 。
- 神经肌肉阻截： 在确定 LOC-P 后立即给予罗库溴铵（1 mg kg⁻¹）。仅在 TOF 计数为零时进行插管。
分析： 主要分析采用 Pearson 相关性和线性回归，以评估 LOC-P 与 INT-P 之间的关系。次要结局包括诱导时间、血流动力学稳定性（MAP 和 HR）以及不良事件。

主要结果

预测相关性： LOC-P 与 INT-P 之间存在强正相关（ $r = 0.90$ ，95% CI 0.86–0.93； $P < 0.001$ ）。
给药公式： 线性回归得出以下预测方程：
$INT\text{-}P = 0.67 + 0.974 \times LOC\text{-}P$
该模型表现出极高的决定系数（ $R^2 = 0.81$ ），其回归斜率（ $\beta = 0.974$ ）表明两者浓度之间存在近似 1:1 的关系。
浓度数值： 平均 LOC-P 为 $2.66 \pm 0.35$ µg mL⁻¹，平均 INT-P 为 $3.26 \pm 0.37$ µg mL⁻¹。
血流动力学：
- 平均动脉压（MAP）在所有 LOC 后的时间点较基线均显著下降。
- 低血压（MAP 下降 ≥20%）发生于 12 例患者（9.4%），主要发生在 LOC 与插管之间。
- 尽管 BIS 目标为 50 且瑞芬太尼 $C_e$ 为 2 ng mL⁻¹，但仍有 69 例患者（53.9%）观察到插管时的血流动力学反应（MAP 和/或 HR 上升 ≥20%）。
时间： 从诱导开始到插管的平均时间为 $9.48 \pm 2.28$ 分钟。

意义与主张
作者声称，LOC-P 是插管所需丙福间浓度的强有力预测指标，允许推导出实用的给药公式。该公式（ $INT\text{-}P = 0.67 + 0.974 \times LOC\text{-}P$ ）提供了一种方法，用于在缺乏深度麻醉监测的情况下实现诱导个体化并预判插管准备就绪情况。

然而，作者对其发现关于临床安全性方面进行了审慎的限定。插管时高发的血流动力学反应（53.9%）表明，BIS 目标 50 结合固定的 2 ng mL⁻¹ 瑞芬太尼浓度，可能无法为相当比例的患者提供足够的麻醉深度以抑制应激反应。作者建议，为了减轻这种反应，可能需要更深的靶点（例如 BIS 40）或更高浓度的阿片类药物，尽管本研究并未测试这些具体的调整。

作者强调，这些发现属于假设生成性质，在广泛临床应用之前，需要在不同人群（如老年患者、ASA ≥III 级、急诊环境）及不同阿片类药物方案中进行外部验证。该研究并不声称取代 BIS 监测，而是旨在为缺乏此类监测的情况提供一个可靠的滴定锚点。

实验过程：寻找“甜蜜点”

重大发现：一个预测公式

患者的情况如何？

总结

类似论文