数据获取与患者筛选
获取ARDS患者个体水平数据并筛选具有基线驱动压和呼吸频率记录的患者。
从NHLBI BioLINCC获取7项ARDS Network和PETAL Network随机对照试验的数据，纳入4561例患者进行分析。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
驱动压和呼吸频率对ARDS死亡率的相对贡献取决于年龄
Relative contribution of driving pressure and respiratory rate to mortality in ARDS depends on age
实验完整度
中本研究为基于7项随机对照试验数据的二次分析，采用逻辑回归和优势分析等统计方法，未涉及体外或动物实验等层级验证，属于观察性分析。
主要模型
ARDS患者队列（来自7项随机对照试验）
重点核对
年龄与呼吸频率的交互项对90天死亡率的影响（P值） 年龄与驱动压的交互项对90天死亡率的影响（P值） 年轻（<65岁）和老年（≥65岁）患者中呼吸频率和驱动压的相对贡献百分比 调整模型中的协变量（如试验、随机分组、呼吸系统顺应性、通气比等）
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 在急性呼吸窘迫综合征（ARDS）患者中，驱动压和呼吸频率对死亡率的相对贡献是否依赖于年龄？
- 核心机制
- 年龄相关的呼吸生理变化可能导致老年患者对高呼吸频率的耐受性增强，因此驱动压的相对贡献随年龄增加而增大。
- 主要证据
- 基于4561例ARDS患者的二次分析，逻辑回归显示呼吸频率与90天死亡率的关联不依赖年龄（调整后P=0.968），驱动压的关联依赖年龄（调整后P=0.011）；优势分析显示年轻患者中呼吸频率贡献更大（4.7% vs 1.4%），老年患者中驱动压贡献更大（13.3% vs 7.4%）。
- 研究意义
- 研究发现可能有助于临床医生根据年龄权衡驱动压和呼吸频率的利弊，若经确认，可为量身定制的机械通气策略提供参考。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
检验呼吸频率与死亡率的关联是否依赖年龄
评估年龄是否调节呼吸频率与90天死亡率之间的关系。
构建未调整和调整的逻辑回归模型，纳入年龄与呼吸频率的交互项，以90天全因死亡率为因变量，使用自然三次样条和Wald检验。
检验驱动压与死亡率的关联是否依赖年龄
评估年龄是否调节驱动压与90天死亡率之间的关系。
构建类似逻辑回归模型，纳入年龄与驱动压的交互项，检验其显著性。
优势分析比较驱动压和呼吸频率的相对贡献
量化呼吸频率和驱动压在预测死亡率中的相对贡献，并比较不同年龄组。
将患者分为<65岁和≥65岁两组，进行优势分析，计算McFadden伪R²，并采用Azen和Budescu方法比较预测变量的优势。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据来源 | 7项随机对照试验（ARMA、ALVEOLI、FACTT、ALTA、EDEN、SAILS、ROSE）的数据，来自NHLBI BioLINCC数据库 阅读提示：Methods部分，数据获取描述 |
| 统计分析 | 年龄分组阈值（65岁）、交互项、自然三次样条自由度、调整协变量列表、优势分析方法（Azen和Budescu）、McFadden's伪R² 阅读提示：Methods部分，统计分析方法描述；图2注 |
| 结果解读 | 呼吸频率与死亡率的交互P值（调整后0.968）、驱动压与死亡率的交互P值（调整后0.011）、相对贡献百分比（年轻：呼吸频率4.7%，驱动压1.4%；老年：驱动压13.3%，呼吸频率7.4%） 阅读提示：Results部分及图1、图2 |