Změna časové organizace sekvencí mikrostavu EEG během ztráty vědomí vyvolané propofolem (Fractal)

• Cíl studie: Posoudit změnu časové organizace sekvencí mikrostavu EEG během propofolem indukované ztráty vědomí
• Metody: Prospektivní klinická studie. Bude zahrnuto 20 dospělých pacientů s pravou rukou ve věku od 18 do 40 let, u kterých je plánována elektivní operace v celkové anestezii.

Pacienti nebudou dostávat žádnou předoperační orální anxiolýzu. Po příjezdu na operační sál a 10minutovém klidu bude zaznamenáno základní EEG (trvání 5 minut). Poté, po tříminutové proxygenační periodě se 100% kyslíkem, dostanou pacienti intravenózní indukci propofolem za použití farmakokinetického modelu od Schnider et al. Počáteční cerebrální koncentrace bude 0,5 µg ml-1, která se bude postupně zvyšovat o 1,0 µg ml-1 až na 2,5 µg ml-1 a ​​poté o 0,5 µg ml-1 až do ztráty vědomí. Během indukční procedury budou pacientovy plíce jemně ventilovány pomocí 100% kyslíku přes obličejovou masku.

Pět minut po dosažení každé ekvilibrace koncentrace propofolu v krvi a mozku bude označena klinická sedace (s použitím ověřené šestibodové škály Observer Assessment of Alertness/Sedation [OAA/S]). Nezpracované EEG, použité později pro fraktální analýzu, bude průběžně zaznamenáváno během procedury. Odpovídající skóre OOA/S bude zaznamenáno na nezpracovaném EEG. Studie končí 10 minut poté, co pacient ztratil vědomí (absence odpovědi na „mírné šťouchání nebo třesení“ odpovídající OAA/S <2).

Fraktální analýza EEG bude provedena se zpožděním po anestezii neurovědci

• Hypotéza: Předpokládáme, že fraktální vlastnosti mikrostavů EEG budou modifikovány paralelně se ztrátou vědomí vyvolanou propofolem.
• EEG a DATA analýza Mikrostavová analýza Nejprve určíme maxima globálního výkonu pole (GFP). Vzhledem k tomu, že topografie zůstává stabilní kolem vrcholů GFP, jsou nejlepšími představiteli aktuální mapové topografie z hlediska poměru signálu k šumu.18 Všechny mapy označené jako vrcholy GFP (tj. hodnoty napětí na všech elektrodách v daném časovém bodě) budou extrahovány a podrobeny modifikované analýze prostorového shluku pomocí metody hierarchického shlukování atomizace a aglomerátu (AAHC)19 k identifikaci nejdominantnějších mapových topografií. Optimální počet vzorových map bude určen pomocí kritéria křížové validace.20 Poté předložíme šablonové mapy identifikované u každého jednotlivého subjektu do druhé shlukové analýzy AAHC, abychom identifikovali dominantní shluky napříč všemi subjekty. Nakonec vypočítáme prostorovou korelaci mezi šablonami identifikovanými na úrovni skupiny a šablonami identifikovanými pro každý subjekt v každém běhu. Každou jednotlivou mapu tedy označíme skupinovou šablonou, které nejlépe odpovídá, abychom stejné štítky použili pro následnou skupinovou analýzu.

Poté vypočítáme prostorovou korelaci mezi čtyřmi šablonovými mapami a okamžitým EEG21 pomocí časového omezení 32 ms. Tyto časové průběhy prostorové korelace pak použijeme k výběru dominantního mikrostavu m(k)∈{} v každém časovém okamžiku k a podrobíme tyto časové řady fraktální analýze.

• Fraktální analýza Rozdělíme mikrostavovou sekvenci na bipartitions a provedeme náhodnou procházku (na těchto bipartitions). Po integraci této náhodné procházky analyzujeme integrovanou náhodnou procházku pomocí vlnkové transformace a extrahujeme fraktální parametry: Hurstův exponent a kumulanty vyššího řádu.
• Fraktální hypotéza Dá se očekávat buď snížení dlouhodobé závislosti mikrostavových sekvencí, tj. lze očekávat nižší Hurstovy exponenty s hlubší anestezií a tedy ztrátou vědomí. Alternativně bychom také mohli očekávat přechod od mono- k multifraktalitě, tj. škálování časové dynamiky sekvencí mikrostavů lze popsat na úkor použití více parametrů, tj. Hurstova exponentu a kumulantů vyššího řádu, které se odchylují od nuly.