Анализ электроэнцефалогрофического паттерна для разделения сознательного состояния и бессознательного.
Введение:
Нелинейные электроэнцефалографические параметры, например, приблизительная энтропия, были предложены как оценка гипнотических компонентов анестезии. В сравнении с линейными методам, они помогают обнаружить дополнительную информацию и количественно определить неравномерность динамической системы. Высокое число измерений сигналов и помех могут повлиять на эти параметры и изменить их способность определить, когда человек в сознании, а когда нет. Метод анализа электроэнцефалогрофического паттерна в этом исследовании представлен переменной энтропией и степенью повторения, они подходят под все типы временных рядов, определенных или искаженных. Они могут лучше представить оценку гипнотических компонентов анестезии, чем другие нелинейные параметры.
Текущий анализ основан на электроэнцефалографических данных двух аналогичных исследованиях на взрослых пациентах, подвергнутых анестезии с севофлюраном и пропофолом. Периоды исследования были от начала и до последующих сигналов пациента после хирургической операции, включающие сокращение подачи анестетика после трахеальной интубации и до последующих сигналов пациента. Прогноз вероятности был рассчитан оценить возможности параметров разделить сознательное состояние и бессознательное и переход между ними.
Мониторы, основанные на электроэнцефалограмме, вызывают растущий интерес, как дополнение к стандартному мониторингу анестезии с целью уменьшения рисков. Электроэнцефалограмма основана на электрической активности мозга, которую электроды улавливают от кожи головы. Электроэнцефалографические сигналы можно рассматривать как суперпозицию постсинаптических потенциалов, образующихся, в основном, в слое V коры головного мозга, сверхвысокой объёмной динамической системы. Основной задачей параметров на основе электроэнцефалограммы является приведение сложной электроэнцефалографической картины к единому значению, связанному с анестезиологическим эффектом и клиническим состоянием пациента, например, сознательного состояния и бессознательного. Для анализа электроэнцефалографических сигналов применены различные методы. Параметры, основанные на частотном спектре, отражают только линейные свойства сигнала, где медианная частота и спектральная пограничная частота являются известными примерами, и недавно были улучшены введением взвешенной спектральной медианной частоты. Показано, что ограничение классической электроэнцефалографической полосы частот (0-30 Гц) с использованием высокочастотного фильтра на частоте 8 Гц и ослабление высоких спектральных амплитуд приводит к параметру, отделяющему сознательное состояние от бессознательного. Данный подход отражает только линейные свойства электроэнцефалограммы и исключает частоты ниже 8 Гц, что может ограничить показатели параметров в полном диапазоне анестезии. Нелинейные электроэнцефалографические параметры, например, корреляция измерения и комплексности Лемпеля-Зива, а также энтропий , например, приблизительной энтропии (ApEn), могут подчеркнуть некоторые дополнительные характеристики электроэнцефалограммы, которые относятся к нелинейным системам и могут быть использованы для моделирования электрической активности мозга. Основная проблема большинства мер сложности, таких как корреляционная размерность при анализе электроэнцефалограммы, заключается в том, что некоторые требования к качеству сигнала не выполняются, поэтому достоверные оценки могут быть не получены. Например, большинство таких параметров требуют достаточного количества пунктов данных для расчета, которые недоступны, поскольку электроэнцефалограмма не может быть неподвижной в течение временных периодов, превышающих несколько секунд. ApEn был разработан, чтобы в известной мере преодолеть эти ограничения, поэтому он включен в текущий анализ. Показано, что ApEn можно использовать, чтобы определить углубление анестезии до подавления электроэнцефалографической вспышки. Перестановочная энтропия (PeEn) — это недавно введенный метод анализа временных рядов в целом, т. е. без ограничений процесса их генерации. Таким образом, PeEn должна быть достаточной для того, чтобы проанализировать электроэнцефалографические сигналы, которые высоко размерные, и наложены с искажениями, даже если длина сигнала ограничена. И частота повторений, и фаза соединения порядка повторных графиков (ORR и OPC) могут считаться сходными с PeEn. Параметры ApEn, PeEn, ORR и OPC оцениваются с помощью электроэнцефалографических данных при переходе от сознательного состояния в бессознательное (или наоборот). Для расчета параметров рассматривались различные высокие частоты среза. Это указывает на то, насколько параметр может зависеть от наличия высокочастотных компонентов (30 Гц), чтобы отличить сознательное состояние от бессознательного. Включение высоких частот создаёт риск того, что подобные компоненты не только отражают электрическую кортикальную активность, но и находятся под воздействием или производятся электромиограммой, что влияет на обнаружение потенциальной сознательностью. Главный вопрос — является ли применение нелинейного метода к анализу электроэнцефалографических сигналов полезной информацией, которую невозможно получить с помощью обычных измерений. Сравнение обоих подходов представляется приемлемым, только если электроэнцефалографические параметры тщательно адаптированы к свойствам сигнала.
Целью данного исследования было определить, какие характеристики выбранных нелинейных параметров показывают наибольшую связь сознательного состояния с бессознательным. Отзывчивость к команде использовалась как консервативная мера сознания, определяющая пациентов, которые вскоре смогут формулировать отзыв.
Для параметров вычислений были использованы данные, зафиксированные сразу же до потери и после возвращения в сознание в двух ранее изученных группах, одни — для параметра развития, другие — для параметра оценки.