睡眠联合脑电监测对重症患者意识状态改变的预报价值

徐斌 元小冬 王连辉 马倩 薛晶 张萍淑

1 华北理工大学附属开滦总医院神经内科 河北省唐山市 063000

2 河北省神经生物机能重点实验室 河北省唐山市 063000

意识改变对于重症患者确定治疗方案和判断预后具有非常重要的意义[1-4]。发生意识改变的患者治疗难度大、致残率高、死亡率高[5]，因此对于患者意识变化进行早期预测具有非常重要的临床意义。然而，目前尚没有一种技术方法能够对患者意识状态的改变进行早期预测[6]。脑电图作为诊断脑损害和脑死亡的重要技术方法[7-9]，能否对于意识改变进行预测尚处于研究中。我们试图通过定量脑电图监测技术与非直接接触式无感睡眠监测技术相结合的方法对于预测重症患者的意识状态改变进行研究，以期为此类患者的早期诊断和改善其预后提供临床客观依据。

资料与方法

一、研究对象

连续收集2020 年11 月至2021 年12 月在开滦总医院神经重症加强治疗病房诊治的不同意识状态患者81 例，其中男63 例，女18 例，年龄（65.9±14.5）岁；依据格拉斯哥昏迷评分法（Glasgow coma scale,GCS），将不同程度意识障碍患者分为清醒组19 例（急性缺血性脑血管病患者18 例、脑出血1 例，GCS 评分为15 分）、嗜睡组48 例（急性缺血性脑血管病患者35 例、脑出血9 例、中枢神经系统感染4 例，GCS 评分为9～14 分）、昏迷组14 例（急性缺血性脑血管病患者13 例、脑炎1 例，GCS 评分为5～8 分）。本项研究符合《赫尔辛基宣言》，经开滦总医院医学伦理委员会批准同意（编号2020011），且患者监护人对本研究知情同意。

纳入标准：(1)临床资料收集完整；(2)视频脑电监测时间≥4 h；(3)非直接接触式无感睡眠智能监测系统监测时间≥10 h；(4)定量脑电监测与睡眠智能监测系统的监测时间段一致。排除标准：(1)进行定量脑电监测时应用冰毯、冰帽降温及应用镇静、催眠、麻醉类药物者；(2)行颅脑手术者；(3)有精神类疾病史者；(4)脑死亡者。

二、研究方法

(1)一般资料收集 收集患者一般资料，包括性别、年龄、吸烟情况、饮酒情况、高血压史、糖尿病史、高脂血症史、高同型半胱氨酸血症史等。

(2)非直接接触式无感睡眠智能监测 患者入院常规应用睡眠云平台智能监测系统与配套设施进行长时程无感连续监测，收集报告数据进行分析。主要选取监测指标包括夜间总睡眠时间、入睡后清醒时间、睡眠效率（%）、睡眠潜伏期、快速眼动睡眠潜伏期（REM）、非快速眼动期（NREM）、REM 期、浅睡期、深睡期的睡眠时间和占比、呼吸暂停低通气指数（apnea-hypopnea index，AHI）、睡眠期的心率等。

(3)定量脑电图监测 患者入院24～48 h 应用北京太阳电子科技有限公司生产的SOLAR3000N 型神经中央监护分析系统进行4～6 h 长时程连续视频脑电监测（continuous video electroence-phalogram,CVEEG），采用国际10/20 系统安放16 导联单极记录法记录左右侧前额区（Fp1、Fp2）、额区（F3、F4）、中央区（C3、C4）、顶区（P3、P4）、枕区（O1、O2）、前颞区（F7、F8）、中颞区（T3、T4）、后颞区（T5、T6）的脑电数据。参考电极为双侧乳突，低频滤波为0.5 Hz，高频滤波为35 Hz，时间常数为0.3 s，各导联阻抗为20 kΩ 以内。由两名从事脑电生理学与睡眠操作和诊断的专职人员应用脑功能分析软件分析各导联α（8～13 Hz）、θ（4～7 Hz）、δ（1～3 Hz）、β（14～20 Hz）脑波绝对功率值，计算各导联、全脑平均α/θ、α/(δ+θ)脑波绝对功率比值，进行脑电分析，在患者脑电监测与睡眠监测重叠时间内，选取脑电最典型、异常程度最高的一屏脑电进行定量分析。

三、统计学方法

应用SPSS 20.0 软件进行统计学分析。符合正态分布的计量资料以（）表示，多组间比较采用单因素方差分析，组间两两比较采用q检验；非正态分布的计量资料以M（P25,P75）表示，组间比较采用非参数检验；意识相关的脑电指标的危险因素分析采用logistic 回归分析，采用多元逐步回归分析脑电指标的睡眠危险因素。P<0.05为差异有统计学意义。

结 果

一、3 组间各项监测指标分析结果

清醒、昏睡、昏迷3 组间性别、年龄、身高、体重、舒张期血压、吸烟史、饮酒史、高血压病史、糖尿病史、高脂血症病史、高同型半胱氨酸血症等差异均无统计学意义（P>0.05）。3 组间收缩期血压差异有统计学意义[(150±22)mmHg、(159±21)mmHg、(144±24)mmHg，P=0.042）]（1mmHg=0.133 kPa）。在睡眠监测指标中3 组间REM 期睡眠时间[(156±29)min、(148±34)min、(124±27)min，P=0.017）、REM 期占比[(24.9±4.7)%、(23.5±5.3)%、(19.6±4.5)%，P=0.012]差异有统计学意义（P<0.05），其它睡眠监测指标均无统计学差异（P均>0.05）。3 组间有统计学差异的脑电指标除表1 中指标外，还有C3-δ指数[(0.29±0.16)、(0.36±0.14)、(0.42±0.18)，P=0.037]、C4-δ 指数[(0.31±0.15)、(0.37 ±0.14)、(0.44±0.17)，P=0.042]、T4-δ 指数[(0.31± 0.16)、(0.39±0.15)、(0.45±0.18)，P=0.031]、P4-δ 指数[(0.33±0.16)、(0.38±0.13)、(0.46±0.18)，P=0.042），其它脑电指标均无统计学差异（P均>0.05）。

表1 3 组间脑电相关指标比较

续表1

二、意识状态的脑电生理学多因素logistic 回归分析

以清醒与嗜睡为因变量主要筛选出F4-δ、F4-慢波指数、F8-δ、F8-θ、F8-(δ+θ)左/右、F8-α指数、F8-慢波指数、T3-α3、T4-α 左/右、T5-(δ+θ)左/ 右,Wald 值分别为0.017、0.019、0.047、0.030、0.048、0.034、0.018、0.039、0.023、0.044，OR值分别为0.957、14.111、0.938、0.884、0.312、0.000、73.894、1.831、32.295、0.220，P均<0.05。

以嗜睡与昏迷为因变量主要筛选出F4-δ、F4-α2、F4-α/(δ+θ)、F4-α 指数、F4-慢波指数、F4-δ 指数、F4-θ 指数、C4-δ 指数、F8-δ、F8-θ、F8-α2、F8-α 指数、F8- 慢波指数、F8-δ 指数、F8-θ 指数、T4-δ、T4-θ、T4-α2、T4-α3、T4-α 左/右、T4-(δ+θ)左/右、T4-α 指数、T4- 慢波指数、T4-δ 指数等指标，Wald 值分别为5.899、5.161、5.063、4.849、5.480、5.088、5.120、4.279、4.008、4.606、4.025、3.952、4.263、4.455、3.876、5.819、5.216、4.340、4.229、6.601、5.529、4.713、5.843、4.343，OR值分别为1.277、0.326、5.017、0.075、1.655、1.255、1.0410、1.068、1.356、1.302、0.226、0.931、0.367、0.780、0.700、1.674、1.551、0.111、0.049、0.038、1.507、0.052、1.881、0.080，P均<0.05。

三、意识相关脑电因素与睡眠监测指标相关性的分析结果

分别将前述logistic 分析筛选出的与意识状态相关的30 项脑电指标为y，以睡眠监测指标为x，对主要影响意识状态相关脑电因素的睡眠监测指标分别进行多元逐步回归分析，结果见表2，P均<0.05。

讨 论

大量研究表明脑电生理学监测对于睡眠和意识状态改变的诊断具有重要意义[10-12]，但对于准确预测清醒重症患者发生嗜睡和昏迷等意识状态改变的特征尚需进一步研究[13]。同样，睡眠监测作为睡眠状态改变诊断的金标准[14]，其对重症患者意识改变的诊断价值还不清楚[15]。本研究显示在睡眠监测指标中清醒、嗜睡、昏迷三种意识状态组之间仅REM期睡眠时间和REM 期睡眠时间占比逐渐降低，特别是昏迷组低于嗜睡组。同时，在脑电生理学监测指标中，嗜睡组和昏迷组电极Fp1、Fp2、F3、F4、F7、F8、T3、T4 的α 指数、α、α1、α2、α/θ、α/(δ+θ)，C3、C4、O1、O2、T5、T6、P3、P4电极的α2、α/θ、α/(δ+θ)均明显降低，而这两组间没有差异。但嗜睡和昏迷组的F3-δ 指数、C3-δ 指数、C4-δ 指数、T4-δ 指数、P4-δ 指数均升高，而且嗜睡组的T4-α 左/右、P4-α 左/右高于昏迷组。logistic 分析结果显示F4-慢波指数、F8-慢波指数、T4-α 左/右是发生嗜睡的高危因素，F4-α/(δ+θ)、T4-δ、T4-θ、T4-(δ+θ)左/右、T4-慢波指数是嗜睡发展为昏迷的高危因素。同时，多元逐步回归结果显示心率变异指数、睡眠期平均心率、总睡眠时间、心血管健康指数、呼吸期最快呼吸、睡眠期平均呼吸等睡眠监测指标是这些高危因素的主要交互影响因素。因此，通过这种非直接接触式睡眠监测技术与脑电生理学监测相接合，可以更好地预测重症患者意识状态的改变，从而为制定个体化临床诊疗方案提供依据。

在本研究结果中，在清醒、嗜睡、昏迷三种意识状态组的睡眠监测指标中，三种意识状态组间仅REM 期睡眠时间和REM 期睡眠时间占比均逐渐降低，特别是昏迷组低于嗜睡组，提示REM 期睡眠与意识状态改变有关，但其机制尚需进一步研究。同时，在监测的脑电生理学指标中，Fp1、Fp2 电极的α 指数、α、α1、α2、α/θ、α/(δ+θ)，F3、F4 的α 指数、α、α1、α2、α/θ、α/(δ+θ)，F7、F8 的α 指数、α、α1、α2、α/θ、α/(δ+θ)，C3、C4 的α2、α/θ、α/(δ+θ)，O1、O2 的α/θ、α/(δ+θ)，T3、T4 的α 指数、α、α1、α2、α/θ、α/(δ+θ)，T5、T6 的α1、α2、α/θ、α/(δ+θ)，P3、P4 的α2、α/θ、α/(δ+θ)均表现为嗜睡组和昏迷组明显降低；同样，嗜睡组和昏迷组的F3-δ 指数、C3-δ 指数、C4-δ指数、T4-δ 指数、P4-δ 指数均升高，说明脑电生理学指标对于预测清醒重症患者发生嗜睡具有重要的指导意义。同样，在监测的脑电指标中，嗜睡组的T4-α 左/ 右、P4-α 左/ 右高于昏迷组；而嗜睡组的Fp1-α3、Fp2-α、F4-α、F4-α 指数、F8-α 指数、C3-α2、C3-α、C3-α 指数、O1-α1、O1-α2、O1-α、O1-α 指数、T3-α 左/右、T3-(δ+θ) 左/ 右、T4-α、T5-α、T5-α 指数、T6-α、T6-α 指数、P3-α1、P3-α、P3-α 指数、P4-α2 低于清醒组，提示这些脑电指标对于预测意识状态的改变具有重要意义。

同时，本研究logistic 分析结果显示F4-δ、F4-慢波指数、F8-δ、F8-θ、F8-(δ+θ)左/右、F8-α 指数、F8-慢波指数、T3-α3、T4-α 左/右、T5-(δ+θ)左/右,是发生嗜睡的主要相关因素，其OR值提示F4-慢波指数、F8-慢波指数、T4-α左/右是清醒重症患者发生嗜睡的高危因素。同样，F4-δ、F4-α2、F4-α/(δ+θ)、F4-α 指数、F4-慢波指数、F4-δ 指数、F4-θ 指数、C4-δ 指数、F8-δ、F8-θ、F8-α2、F8-α 指数、F8-慢波指数、F8-δ 指数、F8-θ 指数、T4-δ、T4-θ、T4-α2、T4-α3、T4-α 左/ 右、T4-(δ+θ) 左/ 右、T4-α指数、T4-慢波指数、T4-δ 指数等指标是重症嗜睡患者发展为昏迷的主要相关因素，其OR值提示F4-α/(δ+θ)、F4- 慢波指数、T4-δ、T4-θ、T4-(δ+θ)左/右、T4-慢波指数是重症嗜睡患者发生昏迷的高危因素。

为了进一步研究睡眠监测指标对于与意识状态改变相关脑电生理学指标的影响，本研究分别对前述logistic 分析筛选出的与意识状态相关脑电指标的睡眠状态监测指标进行多元逐步回归分析，结果显示心率变异指数、睡眠期平均心率是Fp2-δ、F4-δ、F4-慢波指数、F8-δ、T4-慢波指数、F8-慢波指数、T4-δ 总睡眠时间、心血管健康指数、REM 期潜伏时间是F3-δ 指数、C3-δ 指数、T5-δ指数，总睡眠时间、心血管健康指数是F4-α2、F4-α/(δ+θ)、F4-δ 指数、T4-δ 指数，总睡眠时间、心率变异指数、睡眠潜伏时间、入睡后清醒时间是F4-α 指数、F8-α 指数、T4-α指数、T6-α1，总睡眠时间、睡眠期平均呼吸、睡眠潜伏时间、入睡后清醒时间是F4-θ 指数、F8-θ 指数，总睡眠时间、睡眠潜伏时间、心血管健康指数是C3-θ指数、C4-δ指数、F8-α2、F8-δ指数，心率变异指数是F8-θ、T4-θ、T4-α3，心率变异指数、总睡眠时间、睡眠潜伏时间是T4-α2，呼吸期最快呼吸是T4-α左/右，睡眠期平均呼吸是T4-(δ+θ)左/右的主要交互影响因素。因此，心率变异指数、睡眠期平均心率、呼吸期最快呼吸等睡眠状态监测指标是F4-慢波指数、F8-慢波指数、T4-α 左/右这些重症清醒患者发生嗜睡高危因素的主要影响因素，而总睡眠时间、心血管健康指数、心率变异指数、睡眠期平均心率、睡眠期平均呼吸频率等睡眠状态监测指标是F4-α/(δ+θ)、F4- 慢波指数、T4-δ、T4-θ、T4-(δ+θ)左/右、T4-慢波指数这些重症嗜睡患者发生昏迷高危因素的主要影响因素。

由此可见，通过这种非直接接触式睡眠监测技术与脑电生理学监测相接合，可以更好地对患者意识状态改变进行预测，并为意识状态改变监测预报新技术的研发提供了一种新的思路。