*仅供医学专业人士阅读参考
建议收藏！
我国慢性阻塞性肺疾病（COPD）患者人数约1亿，国家面临着沉重的经济和社会负担。当COPD患者出现咳嗽、咳痰增加，痰液变脓，呼吸困难等症状，常需额外的药物治疗或入院；则定义为慢性阻塞性肺疾病急性加重（AECOPD）。AECOPD是绝大多数患者死亡的独立危险因素，监测COPD症状、早发现、早干预急性加重，可使患者获益。
2021年12月11日，中华医学会呼吸病学年会暨第二十二次全国呼吸病学学术会议在福建厦门召开。会上，来自复旦大学附属中山医院呼吸与危重症医学科的张静教授为我们带来“AECOPD的监测、早识别和干预”的专题报告，一起来看看吧！
AECOPD的定义
急性加重是COPD自然病程的重要组成部分， 早期识别和治疗急性加重，可使患者快速恢复、减少住院风险、有更好的健康状况和生活质量。
表1 国内外指南对急性加重的定义
急性加重定义给早期准确诊断带来的困难：
特异性差：急性加重是排他性诊断，应除外肺内疾病（肺炎、气胸、肺栓塞）、肺外疾病（心功能不全）等所致的咳嗽、咳痰；
敏感性较差：患者判断自身症状的能力有差异、可获得的医疗资源不同；
缺乏诊断和严重度判断的标准方法。
高危人群的识别和干预
急性加重的危险因素：
1.过去一年的急性加重病史。
2.其他危险因素：年龄、使用抗菌药物或糖皮质激素的情况、气流受限的严重程度、细菌定植、慢性支气管炎的粘液高分泌、COPD持续时间较长、健康相关的生活质量差、咳痰和喘息、胃食管反流、白细胞增加。
张静教授指出：“对于AECOPD，尚无可普及应用的预测模型。”
高风险患者的管理：
1.规范化治疗；
2.帮助患者建立自我管理流程：识别急性加重的早期症状（如咳嗽增加、痰液的颜色、数量和黏度改变，呼吸急促或喘息增加，日常活动不可耐受），通畅便利的就医渠道。
早期发现急性加重的潜在方法
基于症状观察日记卡和调查问卷
表2 COPD的评估工具
1.EXACT评分工具[1]对慢阻肺（COPD）急性加重的预判能力
图1
图1中58例COPD患者急性加重前8-14d，平均有7d的基线精确评分为42.6±8.6。急性加重的COPD患者，其EXACT分数为48.0±8.6，比基线高5.4±7.1（P＜0.001），上升了13%。在急性加重2周的最高EXACT分数可达到54.1±8.9，比基线值高11.4±7.6（P＜0.001）。
这里，张静教授指出：“EXACT工具可监测AECOPD的早期阶段，评估疾病的严重程度，是评价AECOPD严重程度的有效方法。”
2.呼吸频率（BR）
COPD患者出现急性加重时的BR会增加。一项研究[2]纳入89例COPD患者，有30例（33.7%）COPD患者因急性加重需要住院治疗，其中21例（70%）患者在发病前5天内平均BR（相对于基线）从15.2±4.3/min增至19.1±5.9/min（P＜0.05）。
3.峰流速（PEF）
PEF变化可用于预测COPD患者的病情评估。中国宁波的一项研究[3]纳入53例中重度COPD患者[平均一秒用力呼气容积（FEV1）=31.53%的预测值]进行了6个月的PEF监测。
研究发现：①患者因急性加重入院前24小时，预测∆PEF的最佳截断值为28 L/min（较基线值17%），敏感性和特异性分别为76.7%和72.7%，ROC曲线下面积（AUC）为0.84（95%CI 0.744~0.935，P＜0.05，统计力=0.78）；②患者因急性加重入院前48小时，预测∆PEF的最佳截断值为14 L/min（较基线水平9%），敏感性和特异性分别为86.7%和66.7%，AUC为0.863（95%CI 0.776-0.950，P＜0.05，统计力=0.87）见图2。
图2
4.血氧饱和度
研究[4]表明，83名COPD患者中有27人经历了急性加重，AECOPD患者心率的相对变化大于氧饱和度的相对变化，夜间心率和氧饱和度变化综合评分较治疗开始前7d发生显著变化，急性加重阳性预测值为91.2%。
5.远程医疗
近年来，物联网设备、穿戴装置及信息技术飞速发展，及时采集COPD患者信息并传输到医生端口，可发现患者的病情变化、具有临床应用价值。远程医疗的监测内容包括患者日常症状、呼吸音、生理参数。
▌症状
使用电子设备记录其COPD患者的日常症状，由概率神经网络（PNN）整理数据并构造出一个监测系统（图3）,结果证实该系统[5]能以4.8±1.8天的幅度早期预测AECOPD，检测准确率为80.5%。
图3 COPD患者家庭远程监护系统
▌呼吸音
电子听诊器和呼吸音（CARS）计算机分析技术为管理COPD等呼吸系统疾病提供了机会。一项为期6个月的试点研究中[6]，16名COPD患者均配备了一个家庭基站和一个传感器，用以监测患者的呼吸音（如图4），并设计了主成分分析（PCA）和支持向量机（SVM）分类器来预测AECOPD。
结果发现75.8%的COPD患者在急性加重早期被发现，平均提前5±1.9d就医。
图4 受试者采集呼吸音
▌生理参数
一研究通过记录居家的中度/重度COPD患者的远程健康测量数据进行了验证，并纳入了一种分类和回归树（CART）算法[7]。结果表明CART算法可将家庭远程健康测量数据分类为“低风险”或“高风险”类别，具有71.8%的准确性、80.4%的特异性和61.1%的敏感性。根据症状和药物记录，该算法能在COPD急性加重的前1d检测出“高风险”。
远程医疗领域待解决的问题：①具有良好临床可靠性的预测模型尚未出现； ②目前的研究存在异质性、结果不一；③结合患者症状和生理信号的新预测模型需要更多的验证；④需要进一步来确定新的预测因子，以便及早发现甚至预警急性加重。
6.生物标志物
AECOPD患者的呼吸道炎症增加，表现为炎症细胞（中性粒细胞）、细胞因子、趋化因子和蛋白酶数量增加，及血液中C-反应蛋白（CRP）的浓度增加。
张静教授指出：“尚无可客观测量AECOPD的生物标志物，已有研究的单个血生物标志物缺乏特异性、准确性和预测价值。CRP升高、中性粒细胞升高及呼吸困难的组合，以及痰液中白三烯B4、呼出气成分监测用于临床还需进一步的研究。”
新的AECOPD定义系统
Celli和Barnes教授的研究
通过模拟冠状动脉粥样硬化性心脏病（CAD）的定义和分类，Celli和Barnes教授对AECOPD提出了一个新的定义和分类，作为一种增加客观因素的方法[8]。
表3 CAD与COPD的临床特点
罗马提议[9]：AECOPD的最新定义和严重程度分类
AECOPD定义：当COPD患者在14d内出现呼吸困难和/或咳嗽、咳痰变化，可伴有呼吸急促或心动过速等症状，且通常与气道感染、空气污染或其他气道刺激因素所致的局部或全身炎症反应增强有关（见图5）。
图5
严重程度的分类：
主要基于6个临床可测量的变量：呼吸困难的严重程度、血氧饱和度、呼吸频率、心率、CRP，以及动脉血气（若有必要）将其分为轻度、中度、重度。
确诊急性加重的诊断流程（见图6）
图6
诊断AECOPD的关键点：
1.急性加重可能危及患者生命，需要充分评估和治疗；
2.完成全面的临床评估，寻找慢阻肺和潜在呼吸道、非呼吸道并发症的依据，如肺炎、心力衰竭、肺栓塞；
3.评估：①症状：呼吸困难严重程度[视觉模拟评分法（VAS）]、咳嗽；②体征（呼吸急促、心动过速）、痰量和颜色、呼吸困难；
4.适当的附加检查，如脉搏血氧仪、实验室检查、CRP和/或动脉血气；
5.确定急性加重的原因（细菌、病毒、环境、其他）。
总结：
课后，张静教授总结如下：
1.AECOPD早期诊断的挑战和进展
对患者症状急性恶化的及时感知并按需启动诊断程序；
高危人群的重点监测；患者教育；
日记卡和问卷、远程医疗等症状监测手段。
2.客观、可量化的生物标志物
不仅限于血液、痰液，还包括量化的症状、体征、肺功能指标等；
理想的生物标志物应具有以下优势：能够预测急性加重；能够评估病情严重程度；能早期判断甚至预判急性加重的性质以实施个体化干预。
最后，张静教授强调：“早期诊断AECOPD仍面临挑战，及时感知患者恶化症状并启动诊断、监测高危人群、患者教育等工作负荷大；目前还未发现能用于临床识别AECOPD的特异生物标志物，还需进一步的探索。肺功能从广义来讲也属于生物标记物，可辅助评估患者临床症状。远程医疗技术可有助于临床获取患者更多的信息用于诊治，目前这领域正在蓬勃发展，期望今后有更大的研究突破来造福于广大COPD群体。”
参考文献：
[1]Mackay AJ,Donaldson GC,Patel AR,et al.Detection and severity grading of COPD exacerbations using the exacerbations of chronic pulmonary disease tool（EXACT）.Eur Respir J.2014 Mar;43（3）:735-44.
[2]Yañez AM,Guerrero D,Pérez de Alejo R,et al.Monitoring breathing rate at home allows early identification of COPD exacerbations.Chest.2012 Dec;142（6）:1524-1529.
[3]Cen J,Ma H,Chen Z,Weng L,Deng Z.Monitoring peak expiratory flow could predict COPD exacerbations:A prospective observational study.Respir Med.2019 Mar;148:43-48.
[4]Al Rajeh AM,Aldabayan YS,Aldhahir A,et al.Once Daily Versus Overnight and Symptom Versus Physiological Monitoring to Detect Exacerbations of Chronic Obstructive Pulmonary Disease:Pilot Randomized Controlled Trial.JMIR Mhealth Uhealth.2020 Nov 13;8（11）:e17597.
[5]Fernández-Granero MA,Sánchez-Morillo D,León-Jiménez A,Crespo LF.Automatic prediction of chronic obstructive pulmonary disease exacerbations through home telemonitoring of symptoms.Biomed Mater Eng.2014;24（6）:3825-32.
[6]Fernandez-Granero MA,Sanchez-Morillo D,Leon-Jimenez A.Computerised Analysis of Telemonitored Respiratory Sounds for Predicting Acute Exacerbations of COPD.Sensors（Basel）.2015 Oct 23;15（10）:26978-96.
[7]Mohktar MS,Redmond SJ,Antoniades NC,et al.Predicting the risk of exacerbation in patients with chronic obstructive pulmonary disease using home telehealth measurement data.Artif Intell Med.2015 Jan;63（1）:51-9.
[8]Celli BR,Barnes PJ.Exacerbations of chronic obstructive pulmonary disease.Eur Respir J.2007 Jun;29（6）:1224-38.doi:10.1183/09031936.00109906.Erratum in:Eur Respir J.2007 Aug;30（2）:401.
[9]Celli BR,Fabbri LM,Aaron SD,et al.An Updated Definition and Severity Classification of Chronic Obstructive Pulmonary Disease Exacerbations:The Rome Proposal.Am J Respir Crit Care Med.2021 Dec 1;204（11）:1251-1258.doi:10.1164/rccm.202108-1819PP.
本文首发：医学界呼吸频道
本文整理：CTS记录组
汇报专家：张静
责任编辑：戴戴 章丽
版权申明
本文原创 欢迎转发朋友圈
- End -
*医学界力求其发表内容在审核通过时的准确可靠，但并不对已发表内容的适时性，以及所引用资料(如有)的准确性和完整性等作出任何承诺和保证，亦不承担因该些内容已过时、所引用资料可能的不准确或不完整等情况引起的任何责任。请相关各方在采用或者以此作为决策依据时另行核查。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
