[PDF] [PDF] La variabilité du comportement ventilatoire - SRLF

View - Download [PDF] La variabilité du comportement ventilatoire - SRLF

Previous PDF

Next PDF

Mise au point

La variabilité du comportement ventilatoire :

perspectives pour le malade de réanimation Breathing variability: perspectives for the critically ill patient

M. Wysocki

a,b,* , C. Cracco a,c , A. Teixeira a,d , C. Strauss a,e , M.N. Fiamma a , T. Similowski a,c a UPRES EA 2397, université Paris-VI Pierre-et-Marie-Curie, Paris, France b Medical research, Hamilton Medical AG, Rhazüns, Switzerland c

Service de pneumologie et réanimation, groupe hospitalier Pitié-Salpêtrière, Paris, France

d Service de médecine interne, groupe hospitalier Pitié-Salpêtrière, Paris, France e

Service central d'explorations fonctionnelles respiratoires, groupe hospitalier Pitié-Salpêtrière, Paris, France

Résumé

La ventilation est une activité cyclique continue durant laquelle se succèdent des phases inspiratoires et des phases expiratoires. Cette activité

n'est pas monotone et la diversité, ou variabilité, des cycles respiratoires n'est probablement pas fortuite. Une manière d'appréhender la com-

plexité du contrôle de la ventilation pourrait être d'étudier la variabilité dans le temps des grandeurs de sortie du " générateur ». Outre l'approche

physiopathologique, un certain nombre d'études préliminaires montrent l'intérêt d'analyser la variabilité de la ventilation dans certaines condi-

tions pathologiques. Ainsi, en réanimation la baisse de la variabilité de la ventilation pourrait être un marqueur prédictif de l'échec de l'extuba-

tion. Enfin, l'utilisation d'une assistance ventilatoire variable semble pouvoir améliorer l'oxygénation des malades présentant une hypoxémie

postopératoire. © 2006 Publié par Elsevier SAS pour Société de réanimation de langue française.

Abstract

Ventilation is a continuous periodic activity with successive inspiratory and expiratory phases. Such activity is not monotonous and the

breath-to-breath variability is not likely to be purely random. Breath to breath variability of breathing components may be a way to assess the

complexity of the respiratory central pattern generator. Preliminary studies found that breath-to-breath variability could be valuable in certain

clinical conditions and a reduction of the variability has been reported in mechanically ventilated patients who failed to be extubated. Finally,

preliminary reports suggest the possibility to improve oxygenation in hypoxemic patients by using variable ventilatory support.

© 2006 Publié par Elsevier SAS pour Société de réanimation de langue française.

Mots clés :Variabilité de la ventilation ; Contrôle ventilatoire ; Ventilation mécanique ; Sevrage ; Chaos ; Ventilation variable

Keywords:Breath to breath variability; Respiratory control; Mechanical ventilation; Weaning; Chaos; Variable ventilation1. Introduction

La ventilation est une activité cyclique continue durant la- quelle se succèdent des phases inspiratoires et des phases expi-

ratoires. Une observation simple de la ventilation d'un sujet aurepos (Fig. 1) permet de confirmer la nature cyclique de la

ventilation et d'observer que cette ventilation n'est pas mono- tone : il est rare d'observer deux cycles respiratoires en tous points identiques et parfaitement superposables. Cette grande diversité, ou variabilité, des cycles respiratoires n'est probable- ment pas fortuite. Ce constat n'est pas nouveau[1], mais la signification physiologique de la variabilité respiratoire et de ses éventuelles altérations sont de connaissance plus récente et encore très imparfaite. http://france.elsevier.com/direct/REAURG/Réanimation 15 (2006) 7-13

Auteur correspondant.

Adresse e-mail :mwysocki@hamilton-medical.ch (M. Wysocki).

1624-0693 /$ - see front matter © 2006 Publié par Elsevier SAS pour Société de réanimation de langue française.

doi:10.1016/j.reaurg.2005.12.002 L'objectif de cet article est de faire la synthèse des connais- sances récemment acquises sur la variabilité de la ventilation et d'envisager les perspectives pour le malade de réanimation. Dans un premier temps, il convient de définir ce que l'on en- tend par " variabilité de la ventilation ». Ensuite seront rapide- ment décrits les outils méthodologiques permettant d'en faire l'analyse et discuter les possibles substrats anatomique et phy- siologique.

2. Définitions

Les grandeurs de sorties utilisées pour décrire le comporte- ment du système respiratoire (volume courant [V T ], fréquence ventilatoire [f R ], temps inspiratoire [T I ] et expiratoire [T E ventilation minute [VM], etc.) sont habituellement exprimées sous la forme de valeurs moyennes, obtenues sur quelques di- zaines de cycles. Ainsi, la capacité de la ventilation à adapter ses valeurs moyennes aux contraintes chimiques ou mécani- ques appliquées au système respiratoire est bien connue, l'exemple le plus classique étant la possibilité d'adapter la

VM moyenne à la production de CO

2 [2]. Pour une même valeur moyenne, il est cependant possible d'observer différentes déviations (écart-type), cette dispersion traduisant une plus ou moins grande variabilité. Cette variabi- lité " cycle à cycle » de la ventilation (Fig. 1) dépend de va- riations au cours du temps du fonctionnement spatial et tempo- rel du générateur central de la ventilation qui modulent les caractéristiques (débit, chronologie) des cycles respiratoires. Il existe physiologiquement une variabilité cycle à cycle de la ventilation[3]avec par ailleurs, des caractéristiques propres à chaque individu qui font parler de " personnalité respiratoire » [4]. Les études permettant de chiffrer les valeurs normales de cette variabilité sont rares[3]mais il est possible de définir une variabilité " physiologique » en continuité avec deux extrêmes, d'un côté un excès pathologique de variabilité (ventilation de Cheyne-Stokes par exemple), de l'autre l'absence pathologique de variabilité[5]. Nous n'aborderons pas ici les excès patholo-

giques de variabilité qui font référence à des situations clini-ques bien précises (ventilation de Cheyne-Stokes, prématurité,

apnées du sommeil, etc.).

3. Méthodes

Les méthodes les plus simples comme les plus complexes peuvent être utilisées dans l'analyse de la variabilité cycle à cycle de la ventilation. Les méthodes les plus complexes né- cessitent un savoir mathématique et statistique et ne s'envisa- gent que dans le cadre de collaborations avec des équipes de recherche spécialisées et sensibilisées à la problématique ven- tilatoire. Il est impossible ici de décrire dans les détails des méthodes mathématiques et statistiques utilisées. L'objectif se- ra de les décrire très succinctement, d'en expliquer la signifi- cation et de renvoyer le lecteur intéressé à des références plus complètes.

3.1. Prérequis à l'analyse de la variabilité cycle à cycle

de la ventilation[6] D'un point de vue méthodologique, l'étude de la variabilité cycle à cycle de la ventilation appartient au domaine de l'ana- lyse des séries temporelles : il s'agit de décrire l'évolution dans le temps d'une grandeur mesurée (débit instantané) ou calculée (V T par exemple). En ce sens, l'analyse doit respecter un cer- tain nombre de " règles », telles que le respect des conditions d'équidistance et de stationnarité des données. Dans le domaine de la ventilation, l'équidistance ne peut être respectée que pour l'analyse d'un signal brut comme le débit instantané. Dans ce cas, le débit ventilatoire est recueilli à un intervalle de temps fixe qui dépend de la fréquence d'é- chantillonnage. Se pose alors la question de la fréquence opti- male de cet échantillonnage ; trop faible et une perte d'infor- mation est possible, trop importante et l'importance du bruit de fond risque de masquer les informations contenues dans le si- gnal. Chez l'homme sain la fréquence d'échantillonnage opti- male semble être de cinq Hertz lorsque l'on cherche à analyser en détail le signal de débit[7]et dans tous les cas doit être au moins égale au double de la fréquence maximale contenue dans le signal étudié. Dès que l'on s'intéresse à des valeurs calculées cycle à cy- cle telles que V T ,T I ou T E ,l'intervalle de temps entre deux cycles respiratoires étant variable, la condition d'équidistance n'est plus respectée. Les analyses de variabilité de ces gran- deurs sont donc réalisées en tolérant le non-respect de cette condition. La stationnarité, ou en d'autres termes la stabilité dans le temps des valeurs moyennes, est un élément indispensable avant toute analyse de la variabilité d'une série temporelle. Dans la plupart des études la stationnarité a été appréciée de manière subjective et visuelle[6,8,9], mais la recherche de ten- dances utilisant des analyses de régression linéaire simples ou plus complexes sont possibles[10]. Enfin et de manière schématique, la comparaison de deux séries temporelles nécessite des durées d'enregistrement équi- Fig. 1. Enregistrement du signal de débit d'un sujet sain au repos. Il existe une variabilité importante d'un cycle à l'autre, en termes de débit inspiratoire, débit expiratoire, temps inspiratoire et expiratoire.M. Wysocki et al. / Réanimation 15 (2006) 7-138 valentes et parfois relativement longues pour pouvoir utiliser certaines méthodes statistiques.

3.2. Analyse " grossière » de la variabilité : le coefficient

de variation La manière la plus simple d'analyser la variabilité cycle à cycle de la ventilation est probablement d'utiliser l'écart-type ou mieux le coefficient de variation de la série temporelle (CV = écart-type/moyenne). Le coefficient de variation peut être calculé sur toutes les données disponibles, mesurées ou calculées.

3.3. Analyse dans le domaine fréquentiel

Pour une variable donnée l'analyse fréquentielle d'une série temporelle permet la recherche d'un ou plusieurs pics de fré- quence. À partir du périodogramme brut, ou mieux lissé ou autorégressif (permettant l'analyse moins parasitée des pics de fréquence), l'analyse en transformée de Fourier permet d'iden- tifier des pics de fréquence qui témoignent de phénomènes os- cillatoires. Il est possible d'appliquer cette méthodologie à l'a- nalyse simultanée de deux variables ce qui permet d'évaluer le couplage de phénomènes oscillatoires. Il a été ainsi montré [11]que les oscillations du rapport V T /T I

étaient couplées

aux oscillations de la pression télé-expiratoire de CO 2 expiré (Fig. 2). Les résultats de l'analyse fréquentielle peuvent s'ex- primer en termes d'existence ou non de pics de fréquences, du nombre de pics observés et éventuellement de la puissance de ces pics.

3.4. Analyse dans le domaine temporel

L'objectif des ces méthodes est de caractériser la " mémoire à court terme » du système à partir de l'hypothèse que la valeur

d'une variable au cyclenn'est pas indépendante de la valeurde cette même variable au cyclen-1,etqu'elle expliquera en

partie la valeur au cyclen+1. Les outils utilisés sont les ana- lyses d'autocorrélation qui quantifient la " force » de l'associa- tion entre un cycle et les suivants. Plus le coefficient d'auto- corrélation est élevé et plus fort est le lien entre deux cycles (en d'autre termes plus la " mémoire » est forte). Le nombre de cycles entre lesquels existe un coefficient d'autocorrélation si- gnificatif permet de quantifier la durée de cette " mémoire ». La recherche de moyennes mobiles est aussi utilisée et il est possible de coupler autocorrélation et moyenne mobiles[12- 15].

3.5. Modélisation des différentes composantes de la variabilité

de la ventilation Afin de mieux comprendre les différents mécanismes sus- ceptibles d'expliquer la variabilité cycle à cycle de la ventila- tion, certains auteurs ont proposés des modèles multivariés per- mettant d'intégrer l'ensemble des composantes[14,15]. Il est ainsi possible de quantifier la part de la variabilité expliquée par des phénomènes oscillatoires, celle expliquée par des phé- nomènes de " mémoire à court terme » et donc, par défaut, la part de la variabilité qui n'est pas expliquée par les deux pré- cédents mécanismes. Cette méthodologie apparaît séduisante, malgré sa complexité, mais elle est en fait peu satisfaisante car simplifiant à l'excès pour les besoins de la modélisation les mécanismes autorégressifs. De fait, cette approche n'ex- plique qu'une part très faible de la variabilité cycle à cycle de la ventilation du sujet sain[8,9,12,13].

3.6. Analyse non linéaire de la variabilité cycle à cycle

de la ventilation Partant du principe que les grandeurs de sortie ventilatoires reflètent des interactions complexes entre, le générateur central (lui-même impliquant l'interaction de plusieurs réseaux neuro- naux), les afférences, et la commande corticale, certains auteurs proposent d'utiliser des outils mathématiques et statistiques destinés à l'analyse des systèmes complexes et issus de la théo- rie des fractales[16]et du chaos[5,17,18]. Ces outils (voir[19,

20]pour plus de détails sur les méthodes), qui vont de l'ana-

lyse graphique simple (portraits de phase, cartes de Poincaré) aux calculs mathématiques complexes (entropie de Kolmogo- rov, dimension de corrélation, coefficients de Lyapunov) ont largement été utilisés en neurologie[20]ou en cardiologie [21]. Dans le domaine de la ventilation, l'utilisation de ces ou- tils est moins fréquente[22]et se heurte à des problèmes mé- thodologiques en rapport avec la complexité des calculs mathé- matiques et surtout à la sensibilité de ces techniques au bruit blanc contenu dans le signal et pouvant par exemple faire croire à tort à un comportement de nature chaotique. Une tech- nique récente, dite de la " titration de bruit »[23,24], relative- ment simple, permet de s'affranchir de cette difficulté. Elle peut être utilisée sur des séries temporelles courtes et bruitées. Elle permet par ailleurs, de quantifier la quantité de chaos dans la série temporelle. Son application à l'analyse du débit venti- Fig. 2. Phénomènes oscillatoires couplés entre les fluctuations du CO 2 télé- expiratoire et le débit inspiratoire moyen (VT/T I ). D'après[11].M. Wysocki et al. / Réanimation 15 (2006) 7-139 latoire a permis de montrer que, chez l'homme sain en ventila- tion de repos, la complexité respiratoire est effectivement de nature chaotique[7].

4. Substrat anatomophysiologique

La ventilation résulte de la transmission aux poumons et aux bronches de l'action cyclique des muscles respiratoires sur la cage thoracique. La contraction des muscles respiratoires dé- pend de commandes nerveuses extrinsèques produites automa- tiquement par des " centres respiratoires » situés dans le tronc cérébral, et sujettes à une régulation automatique. Ce contrôle de la ventilation implique une multitude de rétrocontrôles[25]. En effet, tout en produisant un rythme respiratoire qui ne s'ar- rête jamais (même pendant le sommeil), le tronc cérébral doit l'ajuster au cours du temps aux conditions dans lesquelles l'or- ganisme évolue. Le " générateur » du rythme respiratoire est asservi à des signaux afférents envoyés par de multiples cap- teurs qui codent des informations aussi variées que le taux d'o- xygène et le taux de gaz carbonique sanguins, ou la tension des muscles respiratoires ou bien encore, sans être exhaustif, l'irri- tation bronchique. En réponse aux messages afférents qu'il re- çoit, le tronc cérébral ajuste en permanence les signaux qu'il délivre en retour aux effecteurs de la ventilation. Il s'agit donc d'un système dynamique, que l'on peut assimiler à un système cybernétique asservi, et qui donc est variable par définition. Une manière d'appréhender la complexité du contrôle de la ventilation, mais aussi sa versatilité, est donc d'étudier la va- riabilité dans le temps des grandeurs de sortie du " générateur ». À cet égard, chez le sujet sain enregistré au repos, Tobin et al. [3]ont montré que le coefficient de variation du V T

était ap-

proximativement de 33 ± 15 %, et celui du T I de 25 ± 10 %. L'importance de ces chiffres suggère que le système est doté d'une large " liberté », ce qui est compréhensible du fait de la diversité des situations auxquelles la ventilation doit s'adapter. La variabilité cycle à cycle de la ventilation a été étudiée dans de nombreux modèles physiopathologiques[5]. Chez le rat, Khatib et al.[26]ont montré que la valeur du V T

était

corrélée à celle du cycle suivant et que l'importance de cette corrélation augmentait en cas d'hypercapnie. Sammon et Bruce [27], toujours chez le rat, ont utilisé des outils d'analyse non linéaire pour étudier l'impact de l'ouverture de boucles de ré- trocontrôle (en l'occurrence la section du nerf vague), qui se traduisait par une diminution de la variabilité du comportement respiratoire. Chez l'homme, Modarreszadeh et al.[15]ont montré qu'au cours du sommeil stade II la variabilité de la ventilation pou- vait s'expliquer par des phénomènes oscillatoires à basse fré- quence (< 0,2 Hertz) qui correspondraient à une instabilité des rétrocontrôles chimiques (PaO 2 et PaCO 2 ) au niveau du tronc cérébral, associé à des phénomènes autorégressifs et des phé- nomènes aléatoires (" bruit blanc », non expliqués). Le groupe de recherche dirigé par Martin Tobin a montré, par la suite, que la variabilité temporelle de la ventilation pou- vait changer globalement, comme au niveau de chacune de ses

composantes (oscillatoire, autorégressive et aléatoire) lorsquedes contraintes étaient appliquées au système. Ces contraintes

étaient représentées, chez des volontaires sains, par l'applica- tion de charges résistives[13], élastiques[12], ou chimiques [8,9]. Schématiquement, la variabilité totale du V T diminuait sous l'effet de ces charges et la partie correspondant aux phé- nomènes autorégressifs augmentait. L'hypothèse formulée était que le " bruit blanc » devait correspondre à l'espace de liberté du système et au contrôle " environnemental » (cortical) de la respiration. À l'inverse, la fraction la plus contrainte du com- portement ventilatoire devait correspondre au contrôle automa- tique de la ventilation, ce que semble confirmer l'étude du comportement ventilatoire lors de la lecture à voix haute (contrôle " cortical » de la ventilation[28]).

5. Application aux malades de réanimation

Les études portant sur la variabilité cycle à cycle de la ven- tilation chez le malade de réanimation sont moins nombreuses, mais ouvrent d'intéressantes perspectives.

5.1. Intérêt diagnostique ou pronostique

Le sevrage de la ventilation est une situation dans laquelle le système respiratoire doit parfois faire face à une majoration rapide de la charge mécanique ou chimique (hypoxie et/ou hy- percapnie) qu'il doit surmonter. L'échec du sevrage résulte alors d'une charge excessive au regard des capacités musculai- res respiratoires. Compte tenu des études précédemment citées [8,9,12,13], il était raisonnable d'attendre une réduction de la variabilité de la ventilation chez les malades en échec du se- vrage. Les quelques études disponibles sont cependant contra- dictoires. Dans le travail le plus ancien, Engoren[29], utilisant la notion d'entropie approximative développée par Pincus[30], a montré que la complexité mesurée au sein d'une série tem- porelle du volume courant était plus importante chez les mala- des en échec du sevrage que chez des sujets témoins ou des malades sevrés avec succès. Dans un travail plus récent, El- Khatib et al.[31]ont utilisé le CV et des indices plus com- plexes comme l'entropie de Kolmogorov et la dimension de corrélation chez 52 malades de réanimation prêts à être extu- bés. Ils ont observé une plus grande variabilité et une plus grande complexité du volume courant et du débit de pointe chez les 13 malades qui devaient être secondairement réintubés (échec de l'extubation). Il est à noter que dans cette dernière étude[31], les malades étaient étudiés alors qu'ils étaient connectés au ventilateur, en mode CPAP, et qu'ils recevaient un nombre minimal de cycles imposés par le ventilateur. L'in- fluence du ventilateur sur l'évaluation de la variabilité n'est probablement pas négligeable[32]même si dans cette étude, l'ensemble des malades recevaient le même support ventila- toire. Il faut souligner que ces deux études[29,31]utilisaient des indices évaluant la complexité du comportement ventila- toire, or complexité n'est pas synonyme de variabilité. Ainsi chez des sujets sains[33],l'induction d'une hyperventilation par hypercapnie expérimentale n'entraîne pas une réduction de la variabilité mais une augmentation de la complexité. M. Wysocki et al. / Réanimation 15 (2006) 7-1310 Une étude récente de Bien et al.[34]s'est intéressée plus spécifiquement à l'utilisation des indices de variabilité dans le but de prédire le sevrage de la ventilation mécanique chez 78 malades en cours de guérison d'un état infectieux grave avec retentissement systémique. Utilisant essentiellement le coeffi- cient de variation et des indices de dispersion des valeurs au- tour de la moyenne, ces auteurs ont montré que les malades en échec de sevrage (défini comme la reprise d'un support venti- latoire dans les 48 heures qui suivaient l'extubation) avaient une moindre variabilité de la ventilation que les malades extu- bés avec succès. Les différences entre ces trois études[29,31,

34]peuvent s'expliquer par la nature des malades étudiés, les

méthodes utilisées, le support ventilatoire utilisé lors des enre-

gistrements, les définitions concernant le sevrage.Afin d'essayer de clarifier les résultats contradictoires des

études précédentes[29,31,34], une étude prospective multicen- trique a étudié la variabilité de la ventilation lors d'une épreuve de pièce en T et comparé les indices de variabilité entre les malades extubés avec succès et ceux qui devaient être reventi- lés ou réintubés[10]. Cette étude montrait que les 32 malades extubés avec succès avaient une variabilité de la ventilation plus importante que les 14 malades qui devaient être reventilés ou réintubés (Fig. 3). Dans cette étude, une technique de cons- truction d'arbres décisionnels reposant sur une classification binaire recursive[35]montrait qu'un coefficient de variation du rapport V T /T I ≥19 % et un coefficient de variation du rap- port T I /T TOTquotesdbs_dbs15.pdfusesText_21

[PDF] débit ventilatoire maximal

[PDF] débit ventilatoire unité

[PDF] degré de polymérisation exercice corrigé

[PDF] calcul masse molaire moyenne en nombre polymère

[PDF] masse molaire moyenne en nombre exemple

[PDF] diametre du cercle

[PDF] comment calculer le mode d'une série statistique continue

[PDF] cardinal de l'univers

[PDF] evenement probabilité

[PDF] experience aleatoire definition

[PDF] comment calculer le nombre de molecule

[PDF] nombre d'atomes différents

[PDF] nombre d'atomes dans l'univers

[PDF] masse d'un atome de soufre

[PDF] que represente la masse molaire atomique du soufre