脑电数字化参数分析与麻醉深度的监测.docVIP

　　脑电数字化参数分析与麻醉深度的监测 【关键词】 麻醉 脑电图 脑电（ECG）数字化分析已广泛用于麻醉中大脑皮层的功能监测，应用单一的数字化EEG参数分析麻醉药的中枢效应更为直观、方便。已知EEG信号起源于高度非线性系统，近年来EEG的非线性分析对围术期限脱离危险功能监测发展很快。以下就脑电非线性参数之一近似熵，对麻醉尝试的监测基础和临床研究作一综述。 1 概述 　　EEG反映脑细胞群自发而有节律的电活动，一般用波幅、频率和相位等特征来描述。麻醉药进入脑内产生效应时，EEG的基本特征随着麻醉加深或变浅呈顺序性变化，并与麻醉药浓度呈函数关系，因而可用来反映麻醉深度。根据现有脑神经生理学EEG产生机制的研究，EEG信号起源于一个高度的非线性系统，不仅在中枢神经系统每个分层发现许多的反馈环路，而且单个神经元自身也表现出高度非线性因素。在神经细胞膜上可以观察到混沌行为，神经放电转化遵循分叉规律，而混沌和分叉行为属于非线性科学的范畴。因此EEG信号是大量神经细胞的非线性耦合，是一个高度非线性多单元连接的复合体，EEG活动具有确定性混沌（deterministic chaos）特性，大脑是复杂、自组织（self-organization）的非线性动力学系统［1］。 1.1 基本的EEG非线性参数［2］ 混沌研究中，数值分析和统计量分析应用较为广泛。常用分析方法包括:（1）相位一相轨迹图，是系统在相空间的解曲线图；（2）关联维数（correlation dimension，D2），体现EEG信号的动力学特征，是描述混沌自由度信息的参数；（3）点关联维数（point-ension，PD2），与D2相比，更适于有限数据的分析，并能追踪数据中出现的不确定性；（4）相互维数（mutual dimension，Dm），用于评价动力学不同部位配对改变，可以定量评估不同脑区的动态耦联性；（5）李亚普诺夫指数（Lyapunov exponent，L1），描述混沌系统对初值敏感程度，反映相空间两个相邻轨道发散和收敛情况；（6）柯尔莫哥诺夫熵（Kolmogorov entropy，K2），表明混沌系统信息丢失的速率，为了解系统预测能力提供了一种测量方法，K2的倒数反映了平均预测时间。K2和L1越大，表明系统的可预测性越小。 1.2 近似熵（approximate entropy，ApEn） 熵可以描述系统的随机性和预测性，熵值越大表明系统有较大的随机性和较小的规律性。近似熵是由Kolmogorov-Sinai熵计算公式推导而得新的非线性参数，可对数据的规律性进行量化［3］。ApEn并非为特定的模型（如确定性混沌）而建立的测试，它是通过测量系统规律性，对数据进行区分经相应公式推导而得，具有广泛的应用范围［4］。与其他熵计算公式相比具有三个优点［3］：（1）ApEn不受低于过滤水平的“噪声”波幅影响，排除大量偶尔发生的伪差对计算机的干扰；（2）以合理的数据推导出有意义的信息；（3）ApEn以随机和确定性过程进行的分析是有限的（如EEG等生理指标同时包含了随机和确定的特性）。ApEn已用于内分泌研究中对正常和非正常的激素波动分泌特性进行分析［5］，也用于分析ECG中心率变异性（HRV）的确定复杂度［6］。 2 ApEn对麻醉深度监测的基础研究 2.1 不同药物间的差异 不同麻醉药脑部作用部位不同，产生的脑电抑制方式有其特异性。Anthony等［7］观察大鼠吸入氟烷、异氟醚，测量脑部ApEn的变化，研究发现在吸入麻药浓度0.3%～2.1%间ApEn可产生浓度依赖性下降，但在两种吸入麻药之间变化不同，氟烷达0.4%前可引起ApEn增加，随着吸入浓度再增加而减小，而异氟醚无此效应。吸入氟烷与异氟醚ApEn的下降速率相似。在0.3%～0.8%的浓度间，氟烷的ApEn值较异氟醚高。当吸入尝试做完1.5%时两组ApEn值相同，在0.9%～2.1%浓度间，两组ApEn值无统计学差异。研究最后提示ApEn是吸入麻醉药效应的可靠指标，尤其在麻醉剂的吸入浓度gt;1%时。 2.2 意识水平和疼痛反射监测 麻醉深度包含了意识和疼痛抑制两个方面，Anthony等［8］将大鼠分二组分别吸入1%和0.4%异氟醚，1%组ApEn较0.4%组减少54%，与大鼠自主肢体和口面活动消失呈平行，但夹尾反射依然存在。在脑室注入微量胆碱酯酶抑制剂或毒蕈碱受体激动剂促醒后，1%组大鼠的ApEn恢复至0.4%组水平，自主肢体和口面活动重现。提示ApEn与意识水平有很好的相关性，但缺乏对疼痛反射的监测能力。 2.3 药物麻醉效能评价 最近有研究证实大鼠静脉注射褪黑素可产生催眠和抗疼痛效应［9］。EEG参数常用于麻醉药效应的检验，非线性的分析方法可对EEG做出更好的描述［10］。Naguib等［11