方法
这项观察性多中心研究是在获得西拉兹医学科学大学伦理委员会和研究副校长的批准（提案编号：93-7247）后进行的，目的是从患者的病历中收集信息。2014年4月至9月，在沙希德·法吉希（Shahid Faghihi）、阿尔扎拉（Al-Zahra）和设拉子医学科学大学（伊朗南部设拉子）附属Kowsar医院接受心脏直视手术的18岁以上患者被纳入研究。患者的术前、围手术期和术后信息由心脏手术室的两名经过培训的麻醉人员从他们的病历中进行回顾性提取并输入研究清单(表1). 为了确保信息的准确性，对从10%的记录中提取的数据进行了审查，并与相关检查表进行了匹配。记录被重新检查以防模棱两可。总共有800例患者参与了该研究。
表1：
收集所有病例的相关术前、围手术期和术后数据。
| 术前数据 |
围手术期数据 |
术后数据 |
| 性别、年龄、体重指数（BMI）、吸烟、成瘾、糖尿病（DM）、高血压（HTN）、高脂血症（HLP）、射血分数（EF）、术前血红蛋白、慢性阻塞性肺病（COPD）、术前红细胞压积、术前肌酸酐、术前血尿素氮（BUN）、既往心肌梗死（MI）（<30天） |
麻醉持续时间、手术持续时间、麻醉前平均动脉压（MAP）、体外循环（CPB）前MAP、CPB前肌注、总泵送时间、交叉钳夹时间、CPB之前的尿量、血液滤过器容量、CPB期间肌注的使用、CPB后肌注、术后MAP、术后Pack Cell、，体外循环后的血小板、活化凝血时间/秒、体外循环期间的尿量、体外循环过程中的包细胞、体外循环的最低温度 |
肌病患者使用到达ICU、MAP入院ICU、第一个1h ICU的尿量、第一个1小时ICU的Pack Cell、1h的血小板ICU、肌酐第一个ICU（到达ICU）、血尿素氮（BUN）第一个ICO（到达ICO）、红细胞压积第一个ICG（到达ICG） |
在本研究中，因变量是插管的长度，这被认为是患者到达ICU和拔管之间的时间（以小时为单位）。
近几十年来，人们进行了许多尝试，以全面调查这些变量。在这方面最有希望的方法之一是结构方程和多元分析(霍克斯，2010;霍伊尔，2014;莱拉斯，2005年;珍珠，2000).
调查变量之间的复杂关系需要使用方法，而不仅仅是分析K（K）自变量和N个因变量同时存在，但也可以在基于理论的结构中显示它们的相互影响。其中一种方法是多元回归分析的复杂数学和统计组合；即路径分析，分析复杂系统中收集的变量(霍克斯，2010;霍伊尔，2014年;卡拉达格，2012年;莱拉斯，2005年;Meehl&Waller，2002年;斯特雷纳，2005年). 在本研究中，使用MPLUS-7.1软件进行了路径分析，以实现目标并评估预期的理论模型。
在文献综述中，发现路径分析分为模型制定、模型识别、模型估计、模型评估和模型修改5个阶段。此外，使用近似均方根误差（RMSEA）、Tucker-Lewis指数（TLI）、比较拟合指数（CFI）和平方残差标准化均方根（SRMR）来评估设计模型的适当性(Wang和Wang，2012年). Pearson和Spearman相关系数用于单变量分析，并通过独立样本对平均值进行比较t吨-测试。P（P）<0.05在所有测试中均被视为具有统计学意义。
为了进行路径分析，首先应该根据之前的发现和研究人员的假设设计一个理论模型，为分析提供依据。基于术前、围手术期和术后阶段的理论模型已经过深入的文献综述，可以确定不同变量对因变量（拔管时间）的影响。
结果
这项纵向研究对800名接受CABG手术的患者进行了研究。结果显示，患者年龄为20～89岁，平均年龄为59.26±11.60岁。大多数患者483人（60.4%）为男性。平均拔管时间为10.27±4.39小时。患者的基本特征已在表2此外，本研究定性和定量风险因素的单变量分析结果已显示在表3和2.
表2：
患者的基线定量特征和拔管时间的单变量分析结果。
| 风险因素 |
平均值±标准偏差 |
皮尔逊相关系数 |
第页-价值 |
| 年龄*
|
59.26 ± 11.60 |
0.25 |
<0.001 |
| 体质指数*
|
25.75 ± 4.18 |
−0.17 |
<0.001 |
| 喷射分数*
|
49.19 ± 10.51 |
−0.09 |
0.01 |
| 血红蛋白术前 |
11.81 ± 1.78 |
−0.07 |
0.07 |
| 术前红细胞压积*
|
35.04 ± 5.37 |
−0.08 |
0.03 |
| 肌酐术前*
|
1.08 ± 0.35 |
0.12 |
0 |
| BUN预操作*
|
17.54 ± 6.29 |
0.20 |
<0.001 |
| 麻醉持续时间*
|
4.49±0.73 |
0.08 |
0.02 |
| 运行持续时间 |
3.08 ± 0.70 |
0.06 |
0.12 |
| 麻醉前平均动脉压*
|
99.93 ± 14.28 |
−0.09 |
0.01 |
| CPB前MAP |
71.25 ± 12.21 |
−0.01 |
0.82 |
| 总泵时间*
|
70.38 ± 20.71 |
0.10 |
0.01 |
| 交叉夹紧时间 |
40.12 ± 13.55 |
0.03 |
0.39 |
| 体外循环前尿量 |
240.54 ± 251.94 |
−0.01 |
0.88 |
| 血液过滤器容量 |
1588.74 ± 776.33 |
0.02 |
0.57 |
| 运营结束时的MAP |
75.93 ± 9.60 |
−0.06 |
0.07 |
| CPB后的封装单元*
|
0.48 ± 0.60 |
0.11 |
0 |
| 体外循环后血小板 |
0.06 ± 0.51 |
0.05 |
0.19 |
| 体外循环期间的尿量 |
532.18 ± 394.18 |
−0.06 |
0.12 |
| CPB期间的电池组*
|
0.88 ± 0.85 |
0.14 |
<0.001 |
| CPB上的最低温度*
|
33.04 ± 1.16 |
−0.08 |
0.03 |
| MAP入院ICU*
|
79.48 ± 14.77 |
−0.18 |
<0.001 |
| 6小时重症监护室MAP*
|
79.10 ± 10.67 |
−0.15 |
<0.001 |
| 第一个6h ICU的尿量*
|
1403.67 ± 614.89 |
−0.16 |
<0.001 |
| 血小板1h ICU*
|
0.25±0.99 |
0.12 |
0 |
| 肌酐第一重症监护室（到达重症监护室）*
|
1.00 ± 0.31 |
0.17 |
<0.001 |
| BUN第一个ICU（到达ICU）*
|
16.15 ± 5.91 |
0.23 |
<0.001 |
| Hct第一ICU（到达ICU）*
|
31.85 ± 4.37 |
−0.15 |
<0.001 |
| 到达ICU后的拔管时间 |
10.27 ± 4.39 |
– |
– |
表3：
患者的基线定性特征和拔管时间的单变量分析结果。
| 风险因素 |
平均值±标准偏差 |
第页-价值 |
| 性别（男/女） |
10.1 ± 4.18/10.52 ± 4.68 |
0.186 |
| 吸烟（是/否） |
9.87 ± 4.32/10.42 ± 4.40 |
0.116 |
| 上瘾（是/否） |
9.71 ± 4.37/10.37 ± 4.38 |
0.124 |
| 糖尿病（是/否） |
10.31 ± 4.62/10.24 ± 4.27 |
0.824 |
| 高血压（是/否） |
10.48 ± 4.33/9.91 ± 4.47 |
0.076 |
| 高脂血症（是/否） |
10.22 ± 4.69/10.31 ± 4.08 |
0.762 |
| 慢性阻塞性肺疾病（是/否） |
10.43 ± 5.03/10.26 ± 4.36 |
0.831 |
| 任何心律失常（是/否） |
10.49 ± 4.22/10.24 ± 4.40 |
0.629 |
| MI<30天（是/否） |
9.65 ± 4.43/10.35 ± 4.37 |
0.142 |
| CPB前肌病使用（是/否）*
|
13.15 ± 6.33/10.12 ± 4.21 |
<0.001 |
| 体外循环（CPB）期间使用异丙肾上腺素（是/否）*
|
10.89 ± 5.14/9.89 ± 3.83 |
0.002 |
| CPB后肌病使用（是/否）*
|
10.61 ± 4.71/9.68 ± 3.71 |
0.003 |
| Inotrope使用到达ICU（是/否）*
|
10.72 ± 4.67/9.46 ± 3.51 |
<0.001 |
| 在6h ICU使用肌病治疗（是/否）*
|
11.83 ± 5.12/ 9.32 ± 3.5 |
<0.001 |
作为表2据描述，一些因素与拔管时间显著相关。单变量分析结果也表明了术前和术后风险因素的重要性。
独立样本的结果t吨-测试(表3)结果显示，女性、糖尿病、高血压和慢性阻塞性肺疾病（COPD）患者的平均拔管时间较高，但差异无统计学意义(P（P）> 0.05). 相反，接受肌力抑制剂治疗的患者的拔管平均时间明显高于未接受肌力疗法治疗的患者(P（P）< 0.001). 此外，接受inotrope治疗的患者的平均年龄明显高于未接受inotrop治疗的患者(P（P）< 0.037). 考虑到多重关系和混杂因素影响的概率，对单变量分析结果的解释应谨慎进行。为了控制混杂因素的影响并评估多重关联，使用了通径分析，结果见表4在路径分析中，可以评估直接、间接和总影响，并控制混杂影响。因此，可以更确定地应用结果。具有一个显著影响（直接、间接或总体）的变量已显示在表4应当指出，在决策的基础上，总体效果更为重要。此外，与研究变量影响大小相关的值实际上是标准化系数，用于所有变量测量单位的相似性和可比性。该系数的解释与回归系数的解释相同，其值在-1和+1之间变化。
表4：
标准化的直接、间接和总风险因素对拔管时间的影响。
| 风险因素 |
直接影响 |
第页-价值 |
间接影响 |
第页-价值 |
总影响 |
第页-价值 |
| 性别 |
0.014 |
0.779 |
0.056 |
0.011*
|
0.070 |
0.123 |
| 糖尿病 |
−0.094 |
0.017*
|
0.019 |
0.037*
|
−0.076 |
0.058 |
| 体外循环期间的细胞包 |
0.191 |
<0.001*
|
−0.017 |
0.105*
|
0.174 |
0.001*
|
| 血红蛋白术前 |
0.126 |
0.388 |
−0.099 |
0.020*
|
0.027 |
0.853 |
| CPB后的封装单元 |
0.102 |
0.008*
|
−0.006 |
0.254 |
0.096 |
0.013*
|
| 高血压 |
0.035 |
0.403 |
0.021 |
0.027*
|
0.056 |
0.181 |
| Bun第一重症监护室 |
0.128 |
0.019*
|
0.02 |
0.325 |
0.147 |
0.004*
|
| HCT第一ICU |
−0.091 |
0.038*
|
– |
– |
−0.091 |
0.038*
|
| 肌病使用到达ICU |
0.129 |
0.039*
|
– |
– |
0.129 |
0.039*
|
| MAP 6h重症监护室 |
−0.123 |
0.002*
|
– |
– |
−0.123 |
0.002*
|
| 血小板6h重症监护室 |
0.119 |
0.003*
|
– |
– |
0.119 |
0.003*
|
| Pack Cell 6h重症监护室 |
0.115 |
0.007*
|
– |
– |
0.115 |
0.007*
|
根据路径分析的结果表4CPB期间和CPB后的填充细胞（围手术期变量）以及1h ICU（到达ICU）的肌力治疗，1h ICU、1h ICO、1h血小板ICU、1h血尿素氮（BUN）ICU和1h血细胞比容ICU（术后变量）的平均动脉压对拔管时间有效(P（P）< 0.05). 然而，一些危险因素对拔管时间有显著的直接或间接影响，在计算总影响时对其进行了修正。
影响因变量（拔管时间）的因素及其影响路径之间关系的最终模型已在图1应该提到的是，表示直接影响的路径系数以及每个相应路径中每个变量的标准偏差都已在该模型中显示。中介变量也已确定。
图1：拔管时间影响因素因果网络图。
（RMSEA=0.036，CFI=0.910，TLI=0.901，SRMR=0.016）。∗箭头指示值是具有标准偏差的标准化直接效果。
根据软件输出，RMSEA=0.036，CI 0.90[0.021–0.046]，CFI=0.910，TLI=0.901，SRMR=0.016。考虑决策建议值（TLI/CFI～1和SRMR/RMSEA<0.05）(Wang和Wang，2012年)，所设计的模型具有可接受的适用性。
根据研究变量的数量，为确保研究具有足够的力量，使用R软件进行力量分析，结果显示研究的力量为0.81，表明其充分性是建议的数量。
讨论
在本研究中，没有任何术前因素对拔管时间有显著影响。在这些变量中，性别和既往糖尿病史、高血压史以及术前血红蛋白对研究变量有显著的直接或间接影响。然而，考虑到不同路径和方向的各种影响，它们的总影响在统计上并不显著(表4). 在研究中Suematsu等人（2000年）单因素分析结果表明，术前因素（年龄、性别、体重指数（BMI）、吸烟、高血压、高脂血症、糖尿病、COPD、肾病、肝病和EF）均无显著影响。在多变量分析中，年龄才被发现是显著有效的。同样，Christian、Engel和Smith（2011）据报道，COPD、糖尿病、高血压、性别和BMI在术前变量的单变量分析中有显著影响，但在多变量分析中只有性别有显著影响。
本研究的单变量分析结果表明，在围手术期因素中，麻醉持续时间、麻醉前平均动脉压、总泵吸时间、体外循环前肌力作用、体外循环期间肌力作用的使用、体外循环后肌力作用，体外循环后填充细胞，体外循环期间填充细胞，最低温度对CPB有显著影响。然而，只有CPB期间的填充细胞和CPB后的填充细胞在最终模型中有显著影响(表4).
在研究中Christian、Engel和Smith（2011）围手术期因素的单因素分析结果表明，麻醉时间、手术时间、最低温度和输血均显著有效。然而，在多变量分析中，只有麻醉时间有显著影响。
考虑到术后因素，单变量分析结果表明，肌力治疗对到达ICU、1h ICU使用肌力治疗、ICU入院时平均动脉压、1h ECU排尿量、1h CAU填充细胞数、1h CCU血小板数、肌酐1st ICU、BUN 1st ICO和红细胞压积1st ICG有显著影响。在通径分析中，仅在1h ICU上使用肌苷酸，1h ICO上的平均动脉压，1h ECU上的填充细胞，1h CCU上的血小板，BUN 1st ICU上的BUN 1th ICU和红细胞压积1st ICO上有显著影响(表4).
其他研究也揭示了输血和肌注对拔管时间的影响(Christian，Engel&Smith，2011年;Faritous等人，2011年;Scott，Seifert&Grimson，2008年;Shahbazi和Kazerooni，2012年;Suematsu等人，2000年;Totonchi等人，2014年). 到目前为止，关于红细胞输注的风险一直存在很多争议。例如，David和Gerber的一项回顾性研究(Gerber，2012年)证明了CABG患者中填充红细胞输注、术后机械通气及其相关呼吸系统疾病的高患病率，这与本研究的结果一致。同样，Vamvakas&Carven（2002）对416名CABG患者进行了一项研究，以评估红细胞输注、血小板、血浆和总液体容量对术后机械通气的影响。研究结果表明，仅输注红细胞与术后机械通气显著相关。
有证据表明，一些因素，如年龄、性别、呼吸状态和BMI，会影响心脏直视手术患者的拔管时间(Chu等人，2008年;Shahbazi和Kazerooni，2012年). 然而，不同的研究在这方面取得了相互矛盾的结果。例如，一些研究显示了年龄和性别的作用，但其他一些研究则没有(Azarfarin等人，2014年;Forouzannia等人，2011年;Ghotkar等人，2006年;Hein等人，2006年). 结果的差异可能归因于不同研究中方法、统计方法和样本量的差异。此外，研究中的生理因素具有多重关系，可能会产生积极和消极的影响。因此，不准确地控制混杂变量可能会偏离结果。本研究的研究人员考虑了大量可能产生影响的术前、术中和术后因素，并将所有关联视为一个伤亡网络，并考虑了所有相互影响，以便对这些关系做出正确解释。在复杂关系中，每个变量都可以同时扮演因变量和自变量的角色，路径分析具有这种预设的能力(莱拉斯，2005年;Meehl&Waller，2002年;Wang和Wang，2012年). 因此，除了通过不同的路径产生影响外，一个因素还可以在网络中产生积极和消极的影响。在这种情况下，这些影响的结果决定了该因素对最终结果的最终影响。
我们的研究结果表明，使用血液制品和肌力疗法可以增加拔管时间，而增加ICU患者的平均动脉压和红细胞压积的措施可以减少CABG患者的拔管时间。
一些研究人员提到了外科医生和麻醉师之间的差异对手术结果的影响。然而，由于一些局限性，本研究没有考虑到这一点。因此，建议在其他中心使用类似甚至更先进的分析方法进行更大样本量的进一步研究，以便更深入地了解拔管时间的预后因素。此外，建议对延迟拔管的并发症、其影响因素以及每种因素对过程不同阶段的作用进行进一步研究，以防止不愉快的结果。
