预测非减压水肺潜水后惰性气体气泡等级：保障潜水员安全的简化模型

《Sports Medicine - Open》：Predicting Post-Dive Inert Gas Bubble Grades in Non-Decompression Scuba Diving with Air: Simplified Model for Enhanced Diver Safety

在水肺潜水（SCUBA diving）中，即使是精心规划的非减压潜水也可能产生惰性气体气泡，增加减压病（DCS）风险。研究人员开展了预测非减压空气潜水后气泡等级的研究，发现最大深度等因素可预测气泡负荷，机器学习模型能提高预测准确性，有助于预防减压病。

　　在广袤的海洋世界里，潜水运动吸引着无数爱好者探索神秘的水下景观，同时也被应用于专业领域。然而，潜水过程中存在的健康风险却不容忽视。当潜水员使用压缩空气进行潜水时，随着环境压力的变化，身体会吸收惰性气体（主要是氮气）。在上升过程中，压力降低，组织内的惰性气体可能会形成过饱和状态，进而产生血管内和血管外气泡。这些气泡多数情况下可能不会引发明显症状，但一旦数量过多，就可能通过解剖分流（如卵圆孔未闭）从静脉系统进入动脉系统，给潜水员的健康带来严重威胁。

现代潜水电脑虽能通过计算惰性气体摄取量来推荐上升剖面和安全停留点，以降低气泡形成的可能性，但它采用的 “一刀切” 算法，没有充分考虑个体的生理差异，如年龄、身体成分、血管特征、水合状态和潜在健康状况等。这就导致在遵循潜水电脑推荐的情况下，仍有潜水员出现不明原因的潜水事故。为了深入了解这些个体差异对潜水后气泡形成的影响，以及完善风险预测模型，来自德国德累斯顿工业大学医学院（Medical Faculty C.-G.-Carus, TU Dresden）等机构的研究人员展开了一项重要研究，相关成果发表在《Sports Medicine - Open》上。

研究人员为了探究个体因素和潜水剖面如何影响无症状水肺潜水员血管内气泡的形成、验证并扩展之前提出的气泡风险公式、为个性化风险估计的指南提供改进建议，进行了一系列实验。研究人员招募了 59 名年龄在 19 - 64 岁之间的成人休闲水肺潜水员（13 名女性和 46 名男性），在 2022 年的 18 天内进行了 359 次潜水实验。这些潜水员在淡水和海水中进行单潜水和重复潜水，且均使用压缩空气。每次潜水前，研究人员测量并记录参与者的生物特征数据，潜水后进行标准化经胸超声心动图检查，同时收集详细的潜水剖面数据和潜水员报告的信息。

在数据分析阶段，研究人员运用多种统计方法。使用 Spearman 秩相关系数探索气泡等级与潜水员特定因素和潜水特定因素之间的关联；通过计算预测气泡等级并与观察到的气泡等级进行比较，验证之前提出的预测公式；运用线性混合效应模型（lmer）分析影响潜水后气泡等级的因素；利用随机森林（Random Forest）模型，通过不同变量集预测 Eftedal-Brubakk（EB）气泡等级，评估模型性能 。

研究结果显示，在 359 次潜水中，29.8% 的潜水在潜水后经超声心动图检测到气泡（EB 等级≥1）。相关性分析表明，最大潜水深度是潜水后气泡等级最强的单一预测因子（rs?=0.37，span data-custom-copy-text="\(p0.001\)"p<0.001 ），其次是潜水过程中的空气消耗（rs?=0.27，span data-custom-copy-text="\(p0.001\)"p<0.001 ）、总潜水时间（rs?=0.16，p=0.002 ）和潜水员年龄（rs?=0.13，p=0.011 ），性别与气泡等级无显著差异（p>0.05 ）。

验证预测公式时发现，该公式（rs?=0.39，span data-custom-copy-text="\(p0.001\)"p<0.001 ）与气泡等级的相关性略高于单一最大深度，能更准确地估计 EB 等级，且不会低估高 EB 等级的风险。对潜水剖面的分析表明，最大深度虽显著影响气泡等级，但上升过程中在 0 - 10 米深度花费的时间会缓和这种影响，即延长在浅水区的上升时间可降低气泡形成风险。

在预测模型方面，基于潜水电脑数据的随机森林模型预测效果最佳（rs?=0.49 ），包含所有变量的模型在排除气泡等级为 0 的观测值后，对较高气泡等级的预测准确性最强（rs?=0.48 ），而仅包含个人特定变量的模型性能最弱。

研究结论再次证实，最大深度是潜水后气泡形成的主要预测因子，空气消耗和潜水时间也有重要影响。研究验证并改进了之前的气泡风险公式，该公式结合深度、年龄、水面间隔和空气消耗，为潜水员提供了一种简单的个性化风险分层方法。延长在浅水区的时间是减少气泡负荷的有效措施，强调了缓慢上升和安全停留的重要性。

研究的意义在于，为潜水员提供了更科学的风险评估方法，未来将个性化风险评估实时集成到潜水电脑中，可帮助潜水员在上升过程和水面间隔期间调整个人行为，有望降低减压病的风险，保障潜水员的安全。

在研究方法上，研究人员主要采用了以下关键技术：一是利用标准化经胸超声心动图（Model GE logiq e, GE Healthcare）检测潜水后血管内气泡，这是评估气泡等级的重要手段；二是运用多种统计分析方法，如 Spearman 秩相关系数、线性混合效应模型和随机森林模型等，对收集到的数据进行深入分析，挖掘各因素与气泡等级之间的关系，从而建立有效的预测模型。

总之，这项研究为潜水安全领域提供了重要的理论依据和实践指导，对推动潜水行业的健康发展具有重要意义。