当前位置:
X-MOL 学术
›
Br. J. Anaesth.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
Aperiodic component of the electroencephalogram power spectrum reflects the hypnotic level of anaesthesia.
British Journal of Anaesthesia ( IF 9.1 ) Pub Date : 2024-11-27 , DOI: 10.1016/j.bja.2024.09.027
Sandra Widmann,Julian Ostertag,Sebastian Zinn,Stefanie Pilge,Paul S García,Stephan Kratzer,Gerhard Schneider,Matthias Kreuzer
British Journal of Anaesthesia ( IF 9.1 ) Pub Date : 2024-11-27 , DOI: 10.1016/j.bja.2024.09.027
Sandra Widmann,Julian Ostertag,Sebastian Zinn,Stefanie Pilge,Paul S García,Stephan Kratzer,Gerhard Schneider,Matthias Kreuzer
BACKGROUND
Aperiodic (nonoscillatory) electroencephalogram (EEG) activity can be characterised by its power spectral density, which decays according to an inverse power law. Previous studies reported a shift in the spectral exponent α from consciousness to unconsciousness. We investigated the impact of aperiodic EEG activity on parameters used for anaesthesia monitoring to test the hypothesis that aperiodic EEG activity carries information about the hypnotic component of general anaesthesia.
METHODS
We used simulated noise with varying inverse power law exponents α and the aperiodic component of EEGs recorded during wakefulness (n=62) and maintenance of general anaesthesia (n=125) in a diverse sample of surgical patients receiving sevoflurane, desflurane, or propofol, extracted using the Fitting Oscillations and One-Over-F algorithm. Four spectral EEG parameters (beta ratio, spectral edge frequency 95, spectral entropy, and alpha-to-delta ratio) and two time-series parameters (approximate [ApEn] and permutation entropy [PeEn]) were calculated from the simulated signals and human EEG data. Performance in distinguishing between consciousness and unconsciousness was evaluated with AUC values.
RESULTS
We observed an increase in the spectral exponent from consciousness to unconsciousness (AUC=0.98 (0.94-1)). The spectral parameters exhibited linear or nonlinear responses to changes in α. Using aperiodic EEG activity instead of the entire spectrum for spectral parameter calculation improved the separation between consciousness and unconsciousness for all parameters (AUCaperiodic=0.98 (0.94-1.00) vs AUCoriginal=0.71 (0.62-0.79) to AUCoriginal=0.95 (0.92-0.98)) up to the level of ApEn (AUC=0.96 (0.93-0.98)) and PeEn (AUC=0.94 (0.90-0.97)).
CONCLUSIONS
Aperiodic EEG activity could improve discrimination between consciousness and unconsciousness using spectral analyses.
中文翻译:
脑电图功率谱的非周期性成分反映了麻醉的催眠水平。
背景非周期性(非振荡性)脑电图 (EEG) 活动可以用其功率谱密度来表征,该密度根据反幂律衰减。以前的研究报告了从有意识到无意识的频谱指数α转变。我们调查了非周期性脑电图活动对用于麻醉监测的参数的影响,以检验非周期性脑电图活动携带有关全身麻醉催眠成分的信息的假设。方法 我们使用具有不同逆幂律指数α的模拟噪声,以及在清醒 (n=62) 和全身麻醉维持 (n=125) 期间记录的脑电图的非周期性分量,在接受七氟烷、地氟烷或异丙酚的不同手术患者样本中,使用拟合振荡和 One-Over-F 算法提取。四个频谱脑电图参数(β 比、频谱边缘频率 95、频谱熵和 α 到 delta 比)和两个时间序列参数(近似 [ApEn] 和排列熵 [PeEn])是根据模拟信号和人类脑电图数据计算的。用 AUC 值评估区分意识和无意识的表现。结果我们观察到从有意识到无意识的频谱指数增加 (AUC=0.98 (0.94-1))。光谱参数对α变化表现出线性或非线性响应。使用非周期性脑电图活动而不是整个频谱进行频谱参数计算,提高了所有参数的意识和无意识之间的分离 (AUCaperiodic=0.98 (0.94-1.00) vs AUCoriginal=0.71 (0.62-0.79) 到 AUCoriginal=0.95 (0.92-0.98)),达到 ApEn (AUC=0.96 (0.93-0.98)) 和 PeEn (AUC=0.94 (0.90-0.97)) 的水平。 结论 非周期性脑电图活动可以使用频谱分析提高意识和无意识之间的辨别力。
更新日期:2024-11-27
中文翻译:
脑电图功率谱的非周期性成分反映了麻醉的催眠水平。
背景非周期性(非振荡性)脑电图 (EEG) 活动可以用其功率谱密度来表征,该密度根据反幂律衰减。以前的研究报告了从有意识到无意识的频谱指数α转变。我们调查了非周期性脑电图活动对用于麻醉监测的参数的影响,以检验非周期性脑电图活动携带有关全身麻醉催眠成分的信息的假设。方法 我们使用具有不同逆幂律指数α的模拟噪声,以及在清醒 (n=62) 和全身麻醉维持 (n=125) 期间记录的脑电图的非周期性分量,在接受七氟烷、地氟烷或异丙酚的不同手术患者样本中,使用拟合振荡和 One-Over-F 算法提取。四个频谱脑电图参数(β 比、频谱边缘频率 95、频谱熵和 α 到 delta 比)和两个时间序列参数(近似 [ApEn] 和排列熵 [PeEn])是根据模拟信号和人类脑电图数据计算的。用 AUC 值评估区分意识和无意识的表现。结果我们观察到从有意识到无意识的频谱指数增加 (AUC=0.98 (0.94-1))。光谱参数对α变化表现出线性或非线性响应。使用非周期性脑电图活动而不是整个频谱进行频谱参数计算,提高了所有参数的意识和无意识之间的分离 (AUCaperiodic=0.98 (0.94-1.00) vs AUCoriginal=0.71 (0.62-0.79) 到 AUCoriginal=0.95 (0.92-0.98)),达到 ApEn (AUC=0.96 (0.93-0.98)) 和 PeEn (AUC=0.94 (0.90-0.97)) 的水平。 结论 非周期性脑电图活动可以使用频谱分析提高意识和无意识之间的辨别力。