Retour

Cyclage automatisé pour une meilleure synchronisation patient-ventilateur

Actualités

Date: 07.10.2022

Une étude récente a montré qu’une commande automatisée du cyclage d’un ventilateur basé sur l’analyse en temps réel des formes d’ondes fournissait un moyen fiable d’améliorer la synchronisation chez les patients ventilés mécaniquement (1).
Cyclage automatisé pour une meilleure synchronisation patient-ventilateur

L'étude prospective randomisée croisée a été menée dans l’unité de soins intensifs d'une université italienne sur 15 patients difficiles à sevrer, présentant une mécanique pulmonaire normale ou obstructive, sous ventilation à pression contrôlée. Les chercheurs ont comparé la commande automatisée du cyclage à un niveau d'aide inspiratoire de référence et d'aide inspiratoire élevée (augmentation de 50 %) avec le réglage standard du cyclage (réglé sur 25 % du débit inspiratoire de pointe), ainsi qu’un cyclage optimisé par un médecin expert à un niveau d'aide inspiratoire de référence et d'aide inspiratoire élevée. 

Diminution du retard de cyclage et des efforts inefficaces

Les résultats ont montré une diminution significative de plus de 85 % du retard de cyclage (407 ms vs 59 ms) avec les réglages automatisés par rapport aux réglages standard à un niveau d'aide inspiratoire de référence, dépassant la diminution du critère d'évaluation principal de 75 %. Le nombre d'efforts inefficaces était inférieur de plus de 75 % (12,5 % vs 2,8 %), dépassant le critère d’évaluation secondaire d'une diminution de 50 %.

Avec l'automatisation, le retard de cyclage était également plus court qu'avec l'optimisation par des experts, à la fois à un niveau d'aide inspiratoire de référence et d'aide inspiratoire élevée. À un niveau d'aide inspiratoire élevée, le retard de cyclage augmentait dans le bras de l’optimisation par l'expert mais pas dans le bras automatisé, et est resté significativement plus long même après la deuxième optimisation. 

Aux deux niveaux d'aide inspiratoire, la durée d'asynchronie était nettement inférieure avec les réglages automatisés qu'avec l'optimisation par des experts. De même, aux deux niveaux de pression, le volume courant a diminué avec les réglages automatisés. 

Automatisation versus optimisation par des experts

Les auteurs ont constaté que le cyclage automatisé était aussi satisfaisant, sinon meilleur, que l'optimisation par des experts pour améliorer l'interaction patient-ventilateur, et supérieur en termes de diminution du retard de cyclage. Cela peut être dû au fait que le déclenchement expiratoire s'adapte en temps réel à l'effort du patient, contrairement à la sensibilité fixe, bien que personnalisée, en cas d'optimisation par un expert.

Voir la citation complète ci-dessous (Mojoli F, Orlando A, Bianchi IM, et al. Waveforms-guided cycling-off during pressure support ventilation improves both inspiratory and expiratory patient-ventilator synchronisation [publié en ligne avant impression, le 6 septembre 2022]. Anaesth Crit Care Pain Med. 2022;41(6):101153. doi:10.1016/j.accpm.2022.1011531​).

 

Waveforms-guided cycling-off during pressure support ventilation improves both inspiratory and expiratory patient-ventilator synchronisation.

Mojoli F, Orlando A, Bianchi IM, et al. Waveforms-guided cycling-off during pressure support ventilation improves both inspiratory and expiratory patient-ventilator synchronisation [published online ahead of print, 2022 Sep 6]. Anaesth Crit Care Pain Med. 2022;41(6):101153. doi:10.1016/j.accpm.2022.101153

OBJECTIVE To test the performance of a software able to control mechanical ventilator cycling-off by means of automatic, real-time analysis of ventilator waveforms during pressure support ventilation. DESIGN Prospective randomised crossover study. SETTING University Intensive Care Unit. PATIENTS Fifteen difficult-to-wean patients under pressure support ventilation. INTERVENTIONS Patients were ventilated using a G5 ventilator (Hamilton Medical, Bonaduz, Switzerland) with three different cycling-off settings: standard (expiratory trigger sensitivity set at 25% of peak inspiratory flow), optimised by an expert clinician and automated; the last two settings were tested at baseline pressure support and after a 50% increase in pressure support. MEASUREMENTS AND MAIN RESULTS Ventilator waveforms were recorded and analysed by four physicians experts in waveforms analysis. Major and minor asynchronies were detected and total asynchrony time computed. Automation compared to standard setting reduced cycling delay from 407 ms [257-567] to 59 ms [22-111] and ineffective efforts from 12.5% [3.4-46.4] to 2.8% [1.9-4.6]) at baseline support (p < 0.001); expert optimisation performed similarly. At high support both cycling delay and ineffective efforts increased, mainly in the case of expert setting, with the need of reoptimisation of expiratory trigger sensitivity. At baseline support, asynchrony time decreased from 39.9% [27.4-58.7] with standard setting to 32% [22.3-39.4] with expert optimisation (p < 0.01) and to 24.4% [19.6-32.5] with automation (p < 0.001). Both at baseline and at high support, asynchrony time was lower with automation than with expert setting. CONCLUSIONS Cycling-off guided by automated real-time waveforms analysis seems a reliable solution to improve synchronisation in difficult-to-wean patients under pressure support ventilation.