مانيتور عمق بيهوشي توسط شاخص‌هاي همبستگي غيرخطي

Monitoring Depth of Anesthesia by Nonlinear Correlation Measures

زمينه و هدف: مانتيور عمق بيهوشي نقش مهمي براي متخصصين بيهوشي جهت جلوگيري از اثرات نامطلوب از جمله بيداري حين عمل، ريكاوري طولاني مدت و افزايش خطر عوارض پس از عمل ايفا مي­كند. سيستم عصبي مركزي هدف اصلي داروهاي بيهوشي مي­باشد. ازاين­رو پردازش سيگنال EEG در طول بيهوشي به منظور مانيتور عمق بيهوشي مناسب مي­باشد. ارزيابي همبستگي بين سيگنال­هاي نوروفيزيولوژيكي براي مطالعه و تفسير ويژگي­هاي اين سيگنال­ ها ابزار سودمندي مي­باشند. مواد و روش­ها: اين مطالعه، شاخص­هاي همبستگي غيرخطي و شاخص آناليز بازگشتي متقابل را براي تجزيه و تحليل سيگنال EEG ثبت شده از هشت فرد بيمار تحت بيهوشي پروپوفول را استفاه كرده و با شاخص­ خطي همبستگي متقابل مقايسه مي­كند. احتمال پيش­بيني (Pk) جهت ارزيابي عملكرد شاخص ­ها در پيش­بيني شاخص دوطيفي (BIS) بكار رفته است. همچنين نمودارهاي جعبه­اي به همراه آزمون آماري كروسكال-واليس جهت بررسي كارايي شاخص­هاي استخراج شده از سيگنال EEG به منظور تشخيص حالت ­هاي مختلف بيهوشي استفاده شده است. علاوه براين، ضريب تغييرات (mean±SD) براي توصيف پايداري شاخص ­ها در طول حالت­هاي بيهوشي و ضريب همبستگي (R) جهت مقايسه عملكرد هريك از اندازه­ گيرها با شاخص BIS بكار رفته است. يافته‌ها: براساس نتايج، شاخص­هاي غيرخطي داراي تغييرات كمتري در نقطه عدم هوشياري در مقايسه با BIS (انحراف معيار 0/09) مي باشد و مقادير P كمتر از 0/05 و بيشترين Pk و ضريب همبستگي بالاتري با شاخص BIS نشان مي­دهند. نتيجه‌گيري: شاخص­هاي غيرخطي در مقايسه با شاخص خطي، عملكرد مناسبي براي تمايز حالت­ هاي مختلف بيهوشي داشته و همبستگي بالايي با شاخص BIS نشان مي­دهند و در برابر نويز، مقاوم­تر مي­باشند.

Background: Monitoring the depth of anesthesia (DOA) takes an important role for anesthetists in order avoiding undesirable reactions such as intraoperative awareness, prolonged recovery and increased risk of postoperative complications.The Central Nervous System (CNS) is the main target of anesthetic drugs, hence EEG signal processing during anesthesia is helpful for monitoring DOA. In order to study and interpret charactheristics of signals, assessment of orrelation between neurophysiological signals is an usful tool. Methods: This study applies nonlinear interdependence and Cross recurrence analysis measures to analyze EEG signals recorded from eight human volunteers under a brief Propofol anesthesia and compared with Cross correlation measure. The prediction probability (Pk) was used to assess the performance of measures for predictiong BIS. In order to evaluate the efficiency of all measures in distinguishing different anesthetic states, box plots of EEG-derived measures were compared with Kruskal–Wallis test. Moreover, the coefficient of variation (mean±SD) was employed to describe the index stability during different states. Correlation coefficient (R) between each index and bispectral index (BIS) is measured to investigate their performance. Results: Nonlinear measures demonstrates the less variability at the loss of consciousness in comparison with BIS (standard deviation of 0.09) and show that P values less than 0.05 and the highest Pk and higher correlation coefficient with BIS index. Conclusion: Nonlinear measures demonstrates the less variability at the loss of consciousness in comparison with BIS (standard deviation of 0.09). Furthermore, these measures demonstrate good performance to differentiate anesthetic states and had higher correlation with BIS and better robustness to noise in comparison with linear measure.