PulmCrit - Sådan konverteres en VBG til en ABG

forord

dette indlæg handler om et forskningsprojekt, jeg gjorde som pulmonal critical care fello.i 2011. For at forstå det skal du kende lidt af historien bag det.

Jeg havde nogle ideer til at konvertere VBG-værdier til ABG-værdier. For at undersøge yderligere anmodede jeg om data efter offentliggørelse fra flere forskere, der havde offentliggjort undersøgelser, der sammenlignede ABG vs. VBG-data. Mange delte generøst deres data med mig.

baseret på disse data udviklede jeg formler til konvertering af VBG-værdier til ABG-værdier., Dette arbejde blev oprindeligt sendt til Critical Care Medicine, hvor det blev afvist. Ingen større fejl blev fundet i analysen, men det blev anset for at være irrelevant (en korrekturlæser skrev “denne meta-analyse beskriver Godt En måde at beregne ABG fra VBG. Hvorvidt denne information er nyttig i klinisk praksis, kan imidlertid diskuteres”)(1).

manuskriptet blev revideret lidt og sendt til et andet tidsskrift. En af de korrekturlæsere, der blev valgt af tidsskriftet, var en efterforsker, der havde givet mig data af højeste kvalitet i papiret., Undersøgeren (som jeg vil kalde Dr. nej) kan have været bekymret for, at manuskriptet ville konkurrere med hans eget arbejde. Han trak tilladelse til at bruge sine data.

uden Dr. No ‘ s data kunne manuskriptet ikke offentliggøres. Jeg nåede ud til nogle yderligere efterforskere, der for nylig havde offentliggjort data, og opnåede et nyt datasæt. Jeg kunne dog ikke finde noget, der matchede Dr. No ‘ s data (han havde omhyggeligt målt ABG-og VBG-værdier på en næsten samtidig måde, hvilket gav overraskende præcise resultater).

år gik., Det har vejet mig, at jeg ikke har offentliggjort disse resultater, som jeg fortsat tror er gyldige og potentielt nyttige. Nu hvor jeg er blogger, kan jeg præsentere denne forskning i min blog. Jeg har redigeret data fra Dr. Nej (herunder hans eller hendes identitet) for at undgå enhver potentiel etisk eller personlig konflikt.

teori

det oprindelige koncept er simpelt, omend måske overforenklet. Forestil dig blod, der strømmer fra den radiale arterie til en vene i hånden. Væv i hånden ekstraherer ilt og genererer kuldio .id (i et forhold svarende til respiratorisk kvotient)., Hvis vi antager, at de fleste patientens hænder har en lignende respiratoriske kvotient, så ændringen i CO2-mellem arteriel og venøs gas bør være proportional med ændringen i iltindhold (hvor k1 er en empirisk udledt konstant):

De næste spørgsmål er, hvilken effekt denne ændring i CO2 vil have på pH. Forholdet mellem pH og CO2 er kompleks, baseret delvist på Henderson-Hasselbach-ligningen. Den første ordens tilnærmelse af enhver kurve er imidlertid en lige linje., Således, at ændringen i pH kan tilnærmes som i forhold til den ændring i kuldioxid:

Dette skaber mætning model, som kan sammenfattes som følger (hvor k1 og k2 er empirisk udledt konstanter):

Dette giver en metode til at vurdere ABG værdier, der er baseret på en kombination af NC værdier, plus samtidig pulse oximetry. Desværre opnås de fleste VBGs ikke med en samtidig pulso .imetri. Det ville være rart at have en måde at konvertere en VBG direkte til en ABG uden at skulle kende den arterielle iltmætning., Dette kan gøres ved brug af en tredje antagelse.

forskellen i iltmætning er forskellen mellem venøs og arteriel iltmætning (vist nedenfor). Den venøse iltmætning varierer ganske lidt, mellem omkring 10% -95%. I mellemtiden opretholdes arteriel iltmætning blandt indlagte patienter i et tæt interval (typisk mellem 88-100%). Derfor kommer langt størstedelen af variationen i forskellen i iltmætning fra variationer i venøs iltmætning., Variationen i arteriel iltmætning er så lav, at den kan tilnærmes som nul (ved at indstille patientens arterielle iltmætning svarende til den gennemsnitlige iltmætning i hele patientpopulationen).

Denne tilnærmelse giver os mulighed for at skabe den forenklede mætning model, som er i stand til at estimere ABG værdier, der direkte er baseret på NC-værdier:

Denne model ikke er perfekt., Det er dog nok bedre end den mest almindelige metode, der anvendes i litteraturen, som er at relatere arterielle og venøse parametre til hinanden direkte ved hjælp af lineære regressionsligninger (hvor c1-c4 er konstanter):

kildedata

seksten undersøgelser blev identificeret fra litteratursøgningen som relevante for overvejelse. Af disse blev tre undersøgelser med 314 patienter analyseret., Tretten undersøgelser blev afvist til analyse af følgende grunde: den tilsvarende forfatteren ikke reagere på vores opfordring til at analysere deres data (7), den tilsvarende forfatteren var i stand til at finde de data, (4), er de data ikke indeholder ilt mætning værdier (1), og de data, der var internt i strid med rapporterede bikarbonat værdier, der adskilte sig markant fra dem, der er beregnet ved hjælp af Henderson-Hasselbach-ligningen (1)., Da en af disse tre undersøgelser indeholdt en kontrolgruppe, blev denne undersøgelse udpeget til at have to patientgrupper, og derfor blev i alt fire patientgrupper analyseret. Data fra to patienter i to forskellige undersøgelser, der blev censureret (i det ene tilfælde fordi pCO2 var umådeligt høj, og i et andet tilfælde, fordi venøs iltmætning var >25% højere end den arterielle ilt saturation).,

Egenskaber af kildedata vises her (Ak 2006, Ibrahim 2011, O ‘ Connor 2011):

Validering af de grundlæggende antagelser for mætning model

mætning model forudsiger eksistensen af to lineære relationer, der bør findes i ethvert datasæt. Disse datasæt understøtter eksistensen af et universelt og lineært forhold (de røde linjer i hvert sæt figurer nedenfor har matchende skråninger):

sammenligning af den mætningsmodel vs. direkte korrelationsmodel

det ser godt ud, men vi skal være lidt mere præcise., Lad os starte med at analysere disse datasæt ved hjælp af den direkte korrelationsmodel (nedenfor), som er den konventionelle måde at se på disse datasæt.

hvis vi beregner de konstanter, der er involveret i disse ligninger fra forskellige datasæt, er tallene overalt (tabel nedenfor). Denne strategi er således ikke i stand til at give en universelt anvendelig ligning, der kan relatere arterielle og venøse blodgasværdier. Lignende variation er bemærkelsesværdig, når man evaluerer den offentliggjorte litteratur vedrørende ABG vs., VBG-sammenligning, der forklarer, hvorfor disse ligninger ikke har opnået klinisk accept.

lad os nu analysere disse data ved hjælp af mætningsmodellen (nedenfor). Konstanterne opnået fra hvert datasæt er i overensstemmelse med hinanden. Dette indebærer, at det kan være muligt at bruge mætningsmodellen til at oprette en universelt anvendelig ligning til at konvertere VBG-værdier til ABG-værdier.

endelige resultater

mætningsmodellen og den forenklede mætningsmodel havde den samme ydelse ved konvertering fra VBG til ABG-værdier., De endelige ligninger afledt at konvertere fra VBG til ABG værdier er som følger:

nøjagtighed?

Her er hvor tingene falder fra hinanden uden Dr. No ‘ s data. Ved at analysere disse forskellige datasæt er den primære driver af nøjagtigheden ikke selve modellen, men snarere nøjagtigheden af de underliggende data (f.eks. tidsinterval mellem VBG og ABG, behandling af ABG-og VBG-prøver osv.).,

et problem, der er forbundet med næsten alle undersøgelser, der sammenligner VBG med ABG-værdier, er, at al fejl skyldes VBG-ABG-forskelle, idet man ignorerer følgende:

fejl involveret i prøveudtagning af arterielt og venøst blod (f.eks.
fejl involveret i forsinkelse til analyse.
ændringer i blodgasværdier over tid (kan svinge hurtigt).

generelt er det let at overvurdere den fejl, der er involveret i ekstrapolering fra VBG til ABG-prøver (baseret på ovenstående kilder). Det er dog vanskeligt at undervurdere denne fejl på tværs af et helt datasæt., Således er datasættet, der antyder den laveste fejl, tættest på den sande fejl, der er involveret i ekstrapolering fra VBG til ABG-data (2).

Dr. No ‘ s data var de mest præcise (muligvis fordi det krævede specifikke tidsintervaller mellem ABG-og VBG-prøver). Disse data antyder, at en forenklet mætningsmodel kan forudsige ABG-værdier med en præcision, der kan være tilstrækkelig til klinisk brug. Bemærk, at det kan diskuteres præcist, hvor meget fejl i en ABG-måling er acceptabel (f. eks. er et 95% konfidensinterval på +/- 0,03 pH – enheder og + / – 5 mm pCO2 nøjagtigt nok?)., Jeg vil hævde, at vigtige ledelsesbeslutninger ikke bør baseres på subtile forskelle i ABG-eller VBG-værdier.

ABG-værdier er generelt taget som guldstandarden for pH-vurdering. Det skal dog bemærkes, at klinisk stabile patienter har tilfældige udsving i pH og pCO2 med standardafvigelser på henholdsvis 0,015-0,02 og 1,5-3 mm (4). Dette understreger igen, at små forskelle i ABG-værdier ikke er klinisk relevante. For eksempel er en af de klassiske fejl i ABG-fortolkning overfortolkning af tilfældig variation i sekventielle ABG-målinger.,

Validering med et andet datasæt

En fejl i ovenstående analyse er, at datasæt, der blev brugt til at generere koefficienter i regressionsligningen, og derefter regressionsligningen blev testet på de samme datasæt. Dette skaber mulighed for cirkulær logik.

efter mislykkede publiceringsforsøg som beskrevet ovenfor anmodede jeg om data fra efterforskere, der havde mere nyligt offentliggjorte papirer. Jeg blev venligt forsynet med et datasæt fra Dr. Geraldine McMahon fra hendes publikation (McCanny 2012).,

nøjagtigheden af tre metoder til fortolkning af VBG-værdier blev testet ved hjælp af disse data:

estimering af ABG-værdien som lig med VBG-værdien (som det ofte gøres i klinisk praksis).konvertering af VBG-værdier til ABG-værdier ved hjælp af en metode udgivet af LeMoel 2013.konvertering af VBG-værdier til ABG-værdier ved hjælp af den forenklede mætningsmodel med koefficienter afledt ovenfor.

nedenfor er resultaterne. Den forenklede mætningsmodel gav den bedste forudsigelse af ABG-værdier., Denne forbedrede nøjagtighed væsentligt sammenlignet med at antage, at ABG-værdier er omtrent lig med VBG-værdier:

klinisk bundlinje

disse ligninger er i øjeblikket ikke klar til klinisk brug (de kræver yderligere validering). Imidlertid, en grundlæggende fysiologisk sandhed er illustreret her: forskellene mellem arteriel og venøs blodgas er stærkt relateret til forskelle mellem arteriel og venøs iltmætning.,

Dette indebærer, at nøjagtigheden af en VBG kan estimeres ved at se på iltmætningen af den venøse blodgas:

hvis den venøse iltmætning er høj, forekom der lidt metabolisme i vævet, så VBG skal være meget tæt på ABG.
hvis den venøse iltmætning er lav, er der forekommet betydelig metabolisme, så VBG matcher muligvis ikke godt med ABG.,

Baseret på nogle af tallene ovenfor, er dette et groft skema, der kan anvendes til at evaluere VBGs:

I praksis, iltmætning af VBGs er ofte ret høj (fx >80%), hvilket tyder på, at NC ligger meget tæt på den ABG. Hvis VBG-iltmætningen er lav, kan følgende teknikker anvendes til at opnå en VBG med en højere iltmætning:

Minimer varigheden af årepresse (f. eks.,, hvis patienten har et venekateter, der gør det muligt at trække blod tilbage, træk langsomt blod ud af venekateteret uden at bruge en tourni .uet).
lad ikke blodet sidde ved stuetemperatur i længere tid (enten behandle det med det samme eller læg det på is).

begrænsninger& metodologi

denne analyse har adskillige begrænsninger, især nogle af de mest præcise data er blevet redigeret. En anden vigtig begrænsning er, at den udelukkende blev udført på undersøgelser, der undersøgte perifere venøse blodprøver., Hvorvidt denne analyse gælder for centrale venøse prøver er ukendt.

for yderligere detaljer vedrørende metode, vedhæftet er en kopi af manuskriptet fra 2012.

nyere undersøgelser

siden udførelsen af denne analyse er der kommet nogle få undersøgelser, der tyder på, at VBG-værdier er tættere på ABG-værdier end generelt antaget (f.2016eserson 2016). Dette kommer som en lille overraskelse. Meget af” fejl ” i tidligere undersøgelser, der sammenlignede VBG-og ABG-værdier, skyldtes sandsynligvis fremmede kilder (f.eks. prøvebehandling, tilfældig variation i blodgasværdier over tid osv.).,generelt tror jeg fortsat, at VBG-værdier normalt er fine til klinisk beslutningstagning. For eksempel, hvis du træffer større beslutninger baseret på, om pH er 7.27 eller 7.30 eller 7.32, skal du sandsynligvis overveje din medicinske beslutningsproces (3). Selvom den medicinske litteratur er fyldt med lærebøger og retningslinjer ved hjælp af vilkårlige ABG-afskæringer, der er ringe potentielle beviser, der validerer hårde ABG-afskæringer til vejledning i terapi.,

forskellen mellem ABG og VBG værdier afhænger af mængden af cellulær respiration, der forekommer i vævene imellem.
iltmætning i den venøse blodgas kan bruges til at estimere, hvor tæt VBG-værdier er på ABG-værdier.
Simple formler, der anvender venøs iltmætning, kan forbedre vores evne til at forudsige ABG-værdier baseret på VBG-værdier.

yderligere information:

originalmanuskript fra 2012 er her.,

noter

Der er betydelige forskelle mellem specialiteter med hensyn til udtalelsen om at bruge VBG-data. Nødlæger synes bedst at forstå nytten af VBGs (fordi de konstant beskæftiger sig med syge, udifferentierede patienter, der for det meste ikke har arterielle katetre). I øjeblikket synes der at være større interesse for VBG ‘ er i kritisk pleje samfund, da vi bevæger os væk fra at placere a-linjer og mod at bruge end-tidevandsenergi CO2 til at overvåge patienter.,
dette antager, at der er en nogenlunde stabil fejlstørrelse på tværs af forskellige kliniske situationer.
mere om brugen af ABG-værdier i klinisk beslutningstagning i kommende indlæg.
Referencer: Umenda 2008, Sasse 1994, Thorson 1983, Hess 1992.

Forfatter
Seneste Indlæg

Sociale Mig

Josh er skaberen af PulmCrit.org. Han er lektor i Pulmonal og Critical Care Medicine ved University of Vermont.,