Korrelasjon av EEG-dynamikk med bevissthetsendring under anestesi

Målet med studien er å identifisere og validere vanlige hele-hjernen EEG-biomarkører som nøyaktig sporer overgangen mellom bevisste tilstander (våkenhet, sedasjon, bevisstløshet) over fem intravenøse anestetika med distinkte virkningsmekanismer: Propofol, Ciprofol, Remimazolam, Esketamin og Fospropofol.

Design:

Dette er en enkelt-senter, prospektiv, observasjonskohortstudie. Fortløpende kvalifiserte pasienter vil bli inkludert og gruppert basert på det kliniske valget av anestetikum som brukes for induksjon av generell anestesi. Dataanalyse vil bli utført av forskere som er blindet for gruppetildelingen under funksjonsekstraksjons- og modellutviklingsfasene.

Omtrent 250 voksne pasienter (alder ≥18 år) planlagt for elektiv kirurgi under generell anestesi ved Tongji-sykehuset, Wuhan, Kina, vil bli rekruttert mellom april 2026 og desember 2027. Deltakere må ha en ASA fysisk status på I eller II, normal kognitiv funksjon (MMSE score ≥24), og ha gitt skriftlig informert samtykke.

Intervensjoner og prosedyrer:

Alle prosedyrer representerer standard klinisk behandling; ingen eksperimentelle intervensjoner administreres.

1. Preoperativ vurdering: Demografi, medisinsk historie og MMSE score vil bli registrert.
2. EEG og atferdsdata innsamling: Under anestesiinduksjon vil 32-kanals EEG kontinuerlig bli registrert ved bruk av et Greentek-system med elektroder plassert i henhold til det internasjonale 10-20 systemet. Samtidig vil BIS-verdien (sensor plassert infraorbitalt)[referanse] og pasientens atferdstilstand bli registrert hvert 30. sekund ved bruk av Modified Observer's Assessment of Alertness/Sedation (MOAA/S) skalaen som referansestandard og fravær av pupillær lysrefleks. Basert på disse atferdsresponsene vil dybden av anestesi bli kategorisert i tre stadier: sedasjon, tilstrekkelig anestesidybde og dyp anestesi.
3. Anestesiprotokoll: Induksjon av anestesi vil bli utført av den tilstedeværende anestesilegen i samsvar med standard institusjonell praksis. Et av de fem studielækemnidlene vil bli administrert som en intravenøs bolus, med induksjonsdosen opprettholdt via kontinuerlig infusjon i 5 minutter.

Databehandling og analyse

1. Datakurering: Data vil bli kontrollert for kvalitet, og epoker med artefakter eller manglende kliniske data vil bli ekskludert.
2. EEG-funksjonsekstraksjon: Forhåndsbehandlede EEG-data vil bli analysert for å ekstrahere funksjoner inkludert, men ikke begrenset til, kraftspektraltetthet, permutasjonsentropi, faseforsinkelsesentropi og funksjonelle koblingsmetrikker.
3. Dataanalyse: Under induksjon av bevisstløshet med fem distinkte generelle anestetiske midler, vil EEG-biomarkører som korresponderer med overganger mellom tre atferdstilstander - sedasjon, tilstrekkelig anestesidybde og dyp anestesi - bli identifisert. Ytelsen til disse biomarkørene i å spore dybden av anestesi vil bli kvantitativt sammenlignet med Bispectral Index (BIS).
4. Maskinlæringsmodellering: Datasettet vil bli delt i trenings- (70%) og validerings- (30%) sett. En tre-basert ensemble-modell (f.eks., Random Forest) vil bli trent for å klassifisere bevissthetstilstander basert på EEG-funksjoner. Modellens ytelse vil bli evaluert ved bruk av AUC, nøyaktighet, presisjon og kryssvalidering.