驱动压与呼吸频率对ARDS患者死亡率的相对贡献取决于年龄

我们对来自7项ARDS Network和PETAL Network随机对照试验（ARMA、ALVEOLI、FACTT、ALTA、EDEN、SAILS和ROSE）的患者个体数据进行了二次分析。在这些试验中，高龄并非排除标准，呼吸频率和动脉二氧化碳分压也非干预测试项目。我们通过NHLBI生物样本与数据存储库信息协调中心获得了这些数据。机构审查委员会豁免了知情同意并批准了本研究（协议号#16/17-01-2025）。我们将试验入组日作为基线。我们从入组日或次日（取决于数据可用性）获取了驱动压和呼吸频率的数据。为了检验呼吸频率与死亡率之间的关联是否取决于年龄，我们构建了逻辑回归模型（包括未调整和调整后的模型），将年龄（作为连续变量）与基线呼吸频率的交互项作为预测因子，90天全因死亡率作为因变量。我们使用2个自由度的自然三次样条来允许非线性关系，并如前所述使用Wald检验计算P值。为了检验驱动压和呼吸频率对死亡率预测的相对贡献是否取决于年龄，我们采用了两步法。第一步，与呼吸频率的分析类似，我们构建了逻辑回归模型（包括未调整和调整后的模型），将年龄（作为连续变量）与驱动压的交互项作为预测因子，死亡率作为因变量。第二步，我们进行了优势分析。仅在优势分析中，我们使用65岁这个（广泛接受的）阈值将患者分为两个年龄组。在每个年龄组内，我们使用McFadden伪R2来衡量驱动压和呼吸频率的相对贡献。为了便于解释，我们将驱动压和呼吸频率的相对贡献表示为总伪R2的百分比。我们通过使用自然三次样条来允许驱动压和呼吸频率的非线性关系。我们使用Azen和Budescu的方法比较了驱动压和呼吸频率的相对贡献，该方法检验了一个预测因子是否在平均水平上（条件优势）和/或在所有模型中（一般优势）主导另一个预测因子。