Alteración de la organización temporal de las secuencias de microestados de EEG durante la pérdida de conciencia inducida por propofol (Fractal)

• Objetivo del estudio: Evaluar la alteración de la organización temporal de las secuencias de microestados EEG durante la pérdida de conciencia inducida por propofol
• Métodos: Ensayo clínico prospectivo. Se incluirán 20 pacientes adultos diestros, con edades comprendidas entre 18 y 40 años, programados para cirugía electiva bajo anestesia general.

Los pacientes no recibirán ansiolisis oral preoperatoria. Tras la llegada al quirófano y un período de descanso de 10 minutos, se registrará el EEG basal (5 minutos de duración). Luego, después de un período de proxygenación de tres minutos con oxígeno al 100%, los pacientes recibirán una inducción intravenosa con propofol utilizando el modelo farmacocinético de Schnider et al. La concentración cerebral inicial será de 0,5 µg ml-1, que se incrementará gradualmente en 1,0 µg ml-1 hasta 2,5 µg ml-1, y luego en 0,5 µg ml-1 hasta la pérdida del conocimiento. Durante el procedimiento de inducción, los pulmones del paciente se ventilarán suavemente con oxígeno al 100 % a través de una máscara facial.

Cinco minutos después de alcanzar cada equilibrio de la concentración de propofol en la sangre y el cerebro, se anotará la sedación clínica (utilizando la escala validada de evaluación del estado de alerta/sedación del observador [OAA/S] de seis puntos). El EEG sin procesar, utilizado más tarde para el análisis fractal, se registrará continuamente durante el procedimiento. Las puntuaciones OOA/S correspondientes se registrarán en el EEG sin procesar. El estudio finaliza 10 minutos después de que el paciente haya perdido el conocimiento (ausencia de respuesta a "pinchazos o sacudidas leves" correspondiente a OAA/S <2).

El análisis fractal del EEG se realizará con un retraso después de la anestesia por parte de los neurocientíficos

• Hipótesis: Nuestra hipótesis es que las propiedades fractales de los microestados EEG se modificarán en paralelo con la pérdida de conciencia inducida por propofol.
• Análisis de EEG y DATOS Análisis de microestados Primero, determinaremos los máximos de la potencia de campo global (GFP). Debido a que la topografía se mantiene estable alrededor de los picos de la GFP, son los mejores representantes de la topografía del mapa momentáneo en términos de relación señal-ruido.18 Todos los mapas marcados como picos GFP (es decir, los valores de voltaje en todos los electrodos en ese momento) se extraerán y se enviarán a un análisis de conglomerados espaciales modificado utilizando el método de agrupamiento jerárquico de aglomerado atomizado (AAHC)19 para identificar las topografías de mapas más dominantes. El número óptimo de mapas plantilla se determinará mediante un criterio de validación cruzada.20 Luego enviaremos los mapas de plantilla identificados en cada tema en un segundo análisis de conglomerados AAHC para identificar los conglomerados dominantes en todos los temas. Finalmente, calcularemos una correlación espacial entre las plantillas identificadas a nivel de grupo y las identificadas para cada sujeto en cada ejecución. Así etiquetaremos cada mapa individual con la plantilla de grupo que mejor corresponda, para utilizar las mismas etiquetas para el posterior análisis de grupo.

Luego, calcularemos la correlación espacial entre los cuatro mapas de plantilla y el EEG21 instantáneo utilizando un criterio de restricción temporal de 32 ms. Luego usaremos estos cursos de tiempo de correlación espacial para seleccionar el microestado dominante m(k)∈{} en cada instante de tiempo k y enviar esas series de tiempo al análisis fractal.

• Análisis fractal Dividiremos la secuencia de microestados en biparticiones y realizaremos un paseo aleatorio (en esas biparticiones). Después de haber integrado este paseo aleatorio, analizaremos el paseo aleatorio integrado mediante la transformada wavelet y extraeremos los parámetros fractales: exponente de Hurst y cumulantes de orden superior.
• Hipótesis fractal Uno puede esperar una disminución de la dependencia de largo alcance de las secuencias de microestados, es decir, uno esperaría exponentes de Hurst más bajos con una anestesia más profunda y, por lo tanto, pérdida de conciencia. Alternativamente, también podríamos esperar una transición de monofractalidad a multifractalidad, es decir, la escala de la dinámica temporal de las secuencias de microestados puede describirse a expensas del uso de múltiples parámetros, es decir, el exponente de Hurst y cumulantes de orden superior que se desvían de cero.