早产儿睡眠-觉醒周期的早期发育及其对神经发育结局的影响 (SWC)

一般描述 - 研究目的

由于重症监护的发展，幸存的早产儿数量显着增加。新生儿睡眠-觉醒循环延迟出现可能是脑损伤的第一个迹象。 从妊娠 32 周起可以确定明确定义的睡眠状态。 很少有研究表明，极早产儿（

最新技术和科学挑战 越来越多的数据表明，新生儿睡眠-觉醒周期延迟出现可能是脑损伤的第一个迹象，并与后来的不良神经发育结果有关。 由于极早产人群的存活率不断提高，目前预防以后的神经功能障碍变得更加重要。 脑瘫和外露性脑损伤（囊性脑室周围白质软化和脑室周围/脑室内出血）的发生率正在下降，但早产儿神经发育障碍的发生率仍然很高。 这可以通过了解脑损伤的不同机制（例如炎症、氧化应激、连接受损）来解释，并主要导致认知障碍 (1)。 因此，需要更多地关注早产新生儿人群，以更好地了解有无医疗并发症的大脑适应性。 对这些婴儿进行神经生理学监测以充分评估大脑功能是必要的，并且仅从临床方面来看在这一人群中是困难的。 常规脑电图是当今神经生理学诊断的金标准。 然而，它不适合连续记录，因为它会产生无法在床边直接评估的大量数据。 为了解决这个问题，已经开发了各种减少和压缩 EEG 信号的方法，振幅积分 EEG (aEEG) 就是其中之一。

睡眠-觉醒循环的出现 早产儿早期大脑个体发育过程中的状态概念是有争议的。 人们普遍认为，与足月婴儿描述的模式相比，代表早产儿睡眠的模式变化很大且组织性较差。 井然有序的睡眠状态不会在妊娠 31 周之前出现，并且要到受孕后 36 周才能很好地建立起来。 然而，一些研究人员根据对早产儿睡眠的研究质疑了这一假设 (4-7)。 他们支持早在妊娠 26 周时就可能出现基本状态分化。 在我们 2001 年的研究中，早在妊娠 24/25 周时，我们就观察到类似于早期睡眠-觉醒周期的 EEG 背景活动的周期性变化 (2)。

神经生理学方法 - 振幅整合脑电图 为了及早识别高危婴儿并优化治疗，必须使用经过验证的可靠诊断方法，该方法对以后的神经发育结果具有出色的预测价值。 aEEG 是一种随时可用、信息丰富且可靠的技术，即使在极早产儿中也可以连续无创监测大脑活动。 我们的研究小组在使用振幅整合脑电图方面拥有十多年的经验，这是一种在新生儿重症监护病房环境中进行连续床边监测的简单方法。 我们小组最近表明 aEEG 对早产儿的后期结果具有预测价值，因此可用作神经发育结果的早期预后工具 (3)。

我们已经在神经系统健康的早产儿中早在妊娠 24-25 周就发现了新的睡眠-觉醒周期。 相反，患有脑室内出血的早产儿的睡眠-觉醒周期出现显着延迟，平均妊娠 32 周 (8)。 我们知道，在这个早期阶段，大脑细胞间连接和突触分支的发展仍在发展中，这些过程主要发生在睡眠期间。

神经生理学方法 - 常规脑电图 自 1960 年代首次进行新生儿记录以来，不同脑区脑电图信号的常规视觉分类一直是分析标准。 今天，超过 80% 的妊娠 24-28 周的极早产儿存活下来。 在 EEG 信号分析中，越来越需要更可靠的自动方法，以适合这一特定人群。 专门针对早产人群出现了新的命名法，例如自发活动瞬变 (SAT)，它构成了早产期 (9-11) 脑电图上最显着的特征。这些活动的自发爆发与大脑的兴奋作用有关早期发育过程中的 GABAergic 传递不仅表征了早产脑电图，而且与皮质内连接和神经元布线的发育有关。 SAT 由非常缓慢的活动（0,1-0,5 赫兹）构成，具有几个更高频率的嵌套活动。 当神经元从亚板迁移到初级感觉皮层的皮质板时，此活动代表丘脑-皮质连接的组织和发展。 在这项研究中与该领域的芬兰专家合作，他在自动脑电图算法分析方面经验丰富，将允许进一​​步分析早期睡眠-觉醒循环的出现，因为只允许对脑电图进行常规的可视化分析。

据我们所知，这将是第一项使用不同方法详细评估早产儿睡眠-觉醒周期出现的研究，也是第一项试图确定 SAT 在极早产儿睡眠组织发育中的作用的研究婴儿。

研究问题/目标/假设 我们计划进行一项国际合作的前瞻性单中心队列试验，以便使用传统的视频脑电图和振幅整合脑电图监测详细分析极早产儿睡眠-觉醒节律的出现。

该研究的第一个目标将是对早期睡眠状态的详细描述，以分析哪些皮质区域和更深的结构负责并参与其发展，并描述它们出现的顺序，并在前瞻性“健康”队列中研究这些脑电图特征没有药物偏见或病理学。 （婴儿应该没有神经系统疾病，并且在分析过程中不使用任何神经系统活性药物）研究的第二个目标是使用基于 NLEO 的算法（非线性能量算子）分析自动常规 EEG 分析的可行性，该算法专为自动检测早产儿的 SAT，并将结果与​​不同的睡眠-觉醒状态相关联。

该研究的第三个目的是比较这两种方法（自动分析与视觉分析），以便为早期睡眠阶段的发展开发基于证据的分析。

该研究的第四个目的是将睡眠组织与后来的神经运动和认知结果相关联。

假设：

1. 视频脑电图多导睡眠图结合脑电图信息是一种可靠的工具，即使在极早产儿中也能识别睡眠发育。
2. 早期睡眠-觉醒周期出现在健康早产儿的妊娠早期。 它们可以在视觉上区分，也可以通过 NLEO 算法自动区分。
3. 极早产儿睡眠-觉醒周期的开始及其有规律的周期性是大脑功能正常和大脑发育完整的良好指标，反映了神经网络的成熟。
4. 早期睡眠-觉醒周期及其发育确实对早产儿后期的神经发育和认知结果有影响。

方法论方法

患者 在连续 36 个月的研究期间，所有入住我们新生儿重症监护病房 (NICU) 的妊娠 29 周以下出生的婴儿都将参加本研究。 已经获得当地伦理委员会的批准（EK-Nr. 67/2008）和每位患者的父母书面同意书。 至少 3 小时的睡眠监测将每两周进行一次，直到怀孕 36 周使用传统的视频脑电图和 aEEG。 这样就会有六个不同的数据采集时间点：24-25； 26-27； 28-29； 30-31;妊娠 32-33 周和 34-35 周。 第一次测量将在临床状态稳定后的第一周内进行。

振幅综合脑电图 (aEEG) 使用 CFM 6000（奥林匹克医疗，美国）将 aEEG 记录为来自双顶表面圆盘电极的单通道脑电图。 获得的信号经过过滤、整流、平滑和振幅积分，然后直接在床边以低速 (6 cm/h) 写出或以数字方式显示在监视器上。

根据 Hellström-Westas 等人先前描述的方法，对追踪进行视觉评估和分类。 (12) 将通过将每条轨迹划分为 10 分钟的时期来对 aEEG 描记的背景活动进行描述性分析。 这些 10 分钟的纪元将分为五个模式类别（“连续模式”、“不连续模式”、“突发抑制模式”、“低电压活动”和“平坦轨迹”）。

睡眠-觉醒周期和发作活动的存在将单独描述。

将为整个 aEEG 轨迹计算不同模式的百分比以及安静睡眠和主动睡眠/清醒的长度。

常规脑电图和视频多导睡眠图 对于常规脑电图的评估，我们将使用 Micromed System-Plus 程序。 视频脑电图将根据 Ludington-Hoe/Scher (4,6) 先前发表的方法进行评估。 根据适用于新生儿记录的国际 10-20 电极放置系统，从位于 Fp1、C3、T3、O1、Fp2、C4、T4、O2 上的电极记录脑电图信号。

“安静睡眠”被定义为所有通道中的不连续模式，其中低振幅（

这种“不连续的 EEG 段”的开始和结束将被标记，并且将详细描述突发和间歇间隔及其幅度和频率。 它们将在 10 分钟的代表性 EEG 时期测量 20 次，并对数据进行平均。 此外，身体运动、眼球运动、心率和呼吸率等临床数据将在 10 分钟的代表性 EEG 时期测量 20 次，并对数据进行平均。

“主动睡眠”被定义为持续时间超过 60 秒的连续 EEG 活动。 类似地，将测量突发和突发间隔的幅度和频率以及上述临床参数。

“觉醒”在电生理学上的定义与“主动睡眠”的定义相同，差异只能根据视频记录中记录的行为分析来确定。

“不确定睡眠”：不完全符合上述定义且持续时间>30s的脑电片段将被归类为“不确定睡眠”。

“觉醒”被定义为睡眠状态下脑电图模式内的突然异步变化，伴随着持续时间短于 30 秒的相关身体运动、肌肉活动和睁眼。

行为状态将根据 Holditch-Davies (5) 由 Videomonitoring 分类。

安静的清醒状态定义为睁眼或睁眼、低运动活动甚至呼吸。

主动清醒定义为睁眼、哭泣、烦躁和全身运动活动。

主动睡眠定义为闭眼、呼吸不均匀和间歇性快速眼动 (REM)。

安静的睡眠定义为眼睛闭着，呼吸均匀

自动 EEG 分析 - NLEO 算法 用于自动检测自发活动瞬变（SAT；也称为突发）的基于 NLEO 的算法也将用于分析 8 通道 EEG 数据。 该算法由特征提取和分类算法组成，其思想是基于使用非线性能量算子变换 (NLEO) 的检测，将 EEG 的每个样本自动表征为 SAT 或 inter-SAT。 这种方法以前已针对成人实施，但最近由赫尔辛基的 Vanhatalo 小组针对早产 EEG 信号进行了进一步调整 (9-11)。 新修订的算法被证明与专家视觉分类非常吻合。 SAT 检测可用于计算 SAT 的累积（或随时间变化）百分比、SAT 间间隔的长度和每分钟 SAT 的数量。 在本研究的背景下，这种方法为设计自动和客观评估 SWC 的算法提供了可能性。 我们的核心兴趣是 EEG 模式的内生循环性，将使用自动化软件进一步分析，其中 SAT、它们的空间特征和它们的调节将被表征。 NLEO 能够分析这些振荡在早产儿大脑发育的不同睡眠阶段的空间特征。

颅骨超声检查 所有婴儿将每周使用颅脑超声检查进行常规评估，直至妊娠第 32 周，此后每两周进行一次。 脑室周围白质软化 (PVL) 和脑室内出血 (IVH) 或其他出现的异常等病症将被记录并跟进。

神经发育跟进 所有研究患者都将参与我们的新生儿跟进计划，以评估他们的神经发育结果。 神经发育结果将在 1,2 岁和 3,5 岁时通过 Bayley 婴儿发育量表 II 进行评估，在 5,5 岁时通过考夫曼儿童评估系统 (K-ABC) 和 Beery 进行评估-Buktenica 视觉运动整合 (VMI) 发展测试，由经验丰富的员工（发展心理学家和儿科医生）完成。

当精神运动（PDI）和心理发育指数（MDI）得分> 85时，贝利量表将被归类为正常； K-ABC 和 VMI 在 > 85（参考值的 2 个标准差以内）时也被视为正常，在 < 70（低于 3 个标准差方差）时被视为严重受损。至少一个肢体的张力和运动或姿势的异常控制，并根据位置定义为偏瘫、双瘫和四肢瘫痪。

其他包含的结果变量将是视觉和听觉障碍，其中将包括任何形式的异常（需要眼镜/助听器，以及失明/耳聋）。

还将收集有关环境和社会以及围产期风险因素的详细信息。

统计分析不同振幅综合脑电图模式（=连续、不连续模式）的出现和持续时间将以百分比形式给出，并与已发布的参考值进行描述性比较。 上述常规 EEG 特征（=安静睡眠、活跃睡眠和不确定睡眠）的出现和持续时间及其确定的详细组成部分（持续时间和振幅以及突发和间歇间隔的频率）将作为每 10 分钟时期的平均值给出。 在另一个步骤中，EEG 活动将通过 Pearson 相关性与神经发育结果相关联。

以下因素的影响：“连续模式的百分比”、“不连续模式的百分比”、“突发抑制模式的百分比”、“aEEG 睡眠-觉醒循环的发生”、发作活动的发生、“平均振幅”爆发”，“爆发间隔的平均幅度”，“爆发的平均频率”，“爆发间隔的平均频率”，“Delta Brush的出现”，“Theta爆发的出现”，“平均心率”，“平均呼吸率”、“快速眼球运动的发生”和“身体运动的平均值”对神经发育结果的影响将在 SPSS Statistics 版本 17.0 for Windows 中的多项回归模型和方差分析中进行估计。

低于 5% 的 P 值将被视为具有显着性。 传统 EEG 和视频多导睡眠图的分类将由两位作者（K.K 和 Z.R）完成，并将确定评估者间的可靠性（Cohen's Kappa）。

通过使用逐个样本的方法，将评估基于 NLEO 的检测器对 SAT 时期的检测。 这旨在验证与先前研究 (10) 的可比性，这些研究使用来自具有不同规格的 EEG 放大器的 EEG 信号。 在下一阶段，将通过使用基于时间的比较和在（索引和视觉分类）输出时间的情况下使用时间序列方法，将基于 NLEO 的索引与视觉分类（原始 EEG 或 aEEG 趋势）进行比较具有可比功能的系列。

预期结果/可交付成果 项目成功将通过纳入 60-80 名患者来衡量，如上所述测量他们的 aEEG 和多导睡眠图，以及至少在校正年龄两岁时的神经发育随访，允许如上所述的统计分析。