机器人辅助根治性前列腺切除术中的术中低血压：一项随机对照试验，比较了标准的目标导向液体疗法与基于低血压预测指数指导的目标导向液体疗法

《European Journal of Anaesthesiology》：Intraoperative hypotension during robotic-assisted radical prostatectomy: A randomised controlled trial comparing standard goal-directed fluid therapy with hypotension prediction index-guided goal-directed fluid therapy

　　机器人辅助根治前列腺切除术（RARP）中Hypotension Prediction Index（HPI）对术中低血压的影响。前瞻性随机对照研究纳入82例患者，分为HPI引导的GDT组（40例）和标准GDT组（40例）。结果显示两组在TWA-MAP（低于65 mmHg）、低血压事件频率和持续时间上均无显著差异（P>0.05）。控制组低血压发生率（62.5%）显著低于文献报道（HPI组67.5%，P=0.64）。两组均保持稳定血流动力学，术后并发症和住院时间相近。结论HPI未显著改善RARP中的低血压管理，可能因研究团队的高标准麻醉管理已覆盖HPI的作用。

　　在现代医学技术快速发展的背景下，机器人辅助根治性前列腺切除术（RARP）已成为治疗前列腺癌的主要手术方式之一。该技术相比传统开放手术，具有创伤更小、术后恢复更快等优势，因此在临床中广泛应用。然而，手术过程中维持稳定的血压对于确保患者安全、减少术后并发症至关重要。血压波动，尤其是术中低血压的发生，可能对患者的器官功能产生不利影响，特别是对肾脏和心脏的功能。因此，如何有效监测和管理术中血压成为麻醉和外科团队关注的重点。

在这一背景下，目标导向治疗（GDT）作为一种基于生理参数调节输液和血管活性药物使用的策略，已被广泛应用于多种非心脏手术中。GDT通过实时监测患者的血流动力学参数，如心输出量（CO）、心率（HR）和平均动脉压（MAP），以优化液体管理和血管活性药物的使用，从而维持适当的血压水平。然而，随着人工智能和机器学习技术的进步，一种名为低血压预测指数（HPI）的算法工具被提出，它能够通过分析动脉波形特征，提前预测低血压的发生，从而为麻醉医生提供更主动的干预手段。HPI的引入被认为可能进一步提升术中血压管理的精确性，减少低血压事件的发生频率和持续时间。

本研究旨在评估在RARP手术过程中，采用HPI指导的GDT与常规GDT相比，是否能够显著降低术中低血压的发生率、持续时间和总累积量。研究采用前瞻性随机对照试验设计，纳入了82名接受RARP手术的患者，随机分为两组：一组接受常规GDT（对照组），另一组则在GDT的基础上结合HPI算法进行指导（HPI组）。所有患者均接受了全身麻醉和单次脊髓麻醉，并在术中接受了标准化的监测和管理措施。研究的主要观察指标包括术中低血压的总累积量、事件频率和持续时间，以及术后并发症和住院时间等。

研究结果显示，无论是HPI组还是对照组，术中低血压的发生情况均无显著差异。具体而言，两组患者的平均动脉压（MAP）低于65 mmHg的总时间加权平均值（TWA-MAP）分别为0.19 [0到0.42] mmHg和0.16 [0到0.38] mmHg，两组之间的差异并不具有统计学意义（P = 0.99）。此外，两组患者在低血压事件的数量、持续时间以及术后并发症方面也没有显著差异。值得注意的是，术后住院时间的中位数在两组中分别为4.75天和4.92天，且差异不显著（P = 0.39）。这表明，尽管HPI算法在其他类型的非心脏手术中显示出一定的优势，但在RARP手术中并未表现出额外的益处。

这一结果可能与多种因素有关。首先，本研究中所有患者均接受了高度规范化的血流动力学和麻醉管理，这可能在一定程度上降低了低血压的发生率。无论是HPI组还是对照组，麻醉医生均遵循严格的监测和干预流程，包括根据血流动力学参数进行液体管理、血管活性药物的使用以及心输出量的优化。因此，即使没有HPI的辅助，麻醉团队仍能够通过传统方法维持稳定的血压水平，从而避免了低血压事件的频繁发生。

其次，HPI算法本身在本研究中的作用可能未被充分激活。由于HPI仅在HPI组中可见，而对照组的麻醉医生依赖于标准监测设备提供的数据进行决策，这可能导致HPI组在实际操作中并未表现出显著的优势。此外，HPI的预测能力可能受到多种因素的影响，如患者个体差异、麻醉药物的使用方式、手术操作的复杂程度等。在本研究中，所有患者均接受了相似的麻醉药物和手术操作，这可能削弱了HPI算法的预测价值。

此外，研究还发现，尽管HPI组在某些参数上表现出一定的管理特点，例如使用了EaDyn（动态动脉弹性）和dP/dt（动脉压变化率）等指标，但这些参数在两组之间的差异并不显著。这表明，麻醉医生在管理过程中可能已经充分考虑了这些参数，而HPI的引入并未带来额外的改善。在术后随访中，所有患者均未出现严重的并发症，如谵妄、心血管或肾脏问题、手术部位感染、败血症、深静脉血栓形成或死亡，这进一步支持了本研究中两组患者血流动力学管理的稳定性。

值得注意的是，本研究中患者的术后住院时间明显高于其他相关研究的报告。尽管患者的基线特征和术后并发症与之前的研究相似，但本研究中手术的麻醉时间略长，这可能影响了术后恢复的速度。此外，研究中使用的HPI算法虽然具有一定的预测能力，但其在实际应用中并未展现出对低血压的显著控制效果，这可能与算法本身的适应性、患者群体的选择或研究设计有关。

本研究的局限性在于其纳入的患者群体仅限于接受RARP手术的患者，而未包括需要紧急手术的患者。因此，未来的研究可以进一步探讨HPI在不同类型手术中的应用效果，尤其是在高风险或紧急手术中。此外，本研究的样本量虽然达到了预设的统计要求，但仍需进一步扩大以验证HPI在更广泛人群中的应用价值。

总体而言，本研究的结果表明，在RARP手术中，HPI算法并未显著优于传统的GDT方法，两组在术中低血压的管理上表现相似。然而，这一结果并不意味着HPI没有价值，而是提示其在特定手术类型中的应用可能受到多种因素的影响。因此，未来的研究需要进一步探索HPI在不同手术类型和患者群体中的适用性，以更好地指导临床实践。同时，本研究也强调了麻醉医生在血流动力学管理中的关键作用，表明即使在没有先进算法辅助的情况下，通过规范化的管理流程和高度的临床经验，仍然能够实现良好的血压控制，从而保障手术安全和患者预后。