学术研究报告：麻醉苏醒期脑电图轨迹与麻醉后监护室谵妄的关联性
一、 研究作者、机构与发表信息
本研究由来自多个国际知名机构的学者合作完成。主要作者包括S. Hesse、M. Kreuzer、D. Hight、A. Gaskell、P. Devari、D. Singh、N. B. Taylor、M. K. Whalin、S. Lee、J. W. Sleigh和P. S. García。参与机构包括美国埃默里大学医学院麻醉学系、亚特兰大退伍军人医疗中心研究部、德国慕尼黑工业大学附属伊萨尔河右岸医院麻醉与重症监护科、新西兰奥克兰大学怀卡托临床学院麻醉学系、美国格雷迪纪念医院麻醉学系、美国埃默里大学医院中城分院麻醉学系以及美国哥伦比亚大学医学中心/纽约长老会医院麻醉学系。通讯作者为P. S. García。该研究于2018年10月25日在线提前发表，最终刊登于2019年的《英国麻醉学杂志》（*British Journal of Anaesthesia*）第122卷第5期，第622-634页。
二、 学术背景与研究目的
本研究属于神经科学与神经麻醉学交叉领域，聚焦于术后认知并发症的早期预测与机制探索。术后谵妄（Postoperative Delirium, POD）是一种常见的急性脑功能障碍，与发病率、死亡率增加及长期认知功能下降密切相关，尤其在老年患者中风险更高。尽管术后谵妄通常在术后数天内发生，但麻醉后监护室谵妄（Postanaesthesia Care Unit Delirium, PACU-D）作为其早期表现形式，可能预示着更糟糕的临床结局。然而，目前对于PACU-D的预测、预防和治疗方法仍不充分。
研究的学术背景建立在几个关键认知之上：首先，自然睡眠与全身麻醉在神经生理机制和脑电图（Electroencephalogram, EEG）表现上存在重叠，例如都存在慢波振荡。其次，从深睡眠阶段（如N3期）而非较浅阶段（如N2期、快速眼动期）觉醒，容易引发异态睡眠（如意识模糊性觉醒、梦游）。受此启发，研究者推测，患者从麻醉状态苏醒时所经历的EEG状态（类似于睡眠阶段），可能与苏醒后立即出现的认知障碍（即PACU-D）相关。先前研究已定义了麻醉苏醒过程中的几种EEG模式，并将其与睡眠阶段（N3、N2、REM）进行类比。其中，睡眠纺锤波（Sleep Spindles，主要出现在N2期睡眠）被认为与提高觉醒阈值、稳定睡眠有关。
基于此，本研究旨在探究三个核心问题：1) 术中特定的EEG模式（尤其是苏醒轨迹）是否与PACU-D的发生存在关联；2) PACU-D是否与不良的围术期结局（如再入院、住院时间延长）相关；3) 哪些风险因素（包括患者特征、麻醉技术等）与PACU-D的发生有关。研究假设是，那些在苏醒过程中包含纺锤波优势（Spindle-Dominant）EEG轨迹的患者，发生PACU-D的几率会更低。
三、 详细研究流程
本研究是一项前瞻性、多中心、观察性研究，工作流程系统而严谨，主要包含以下步骤：
1. 研究设计与患者入组： 研究方案获得了各参与中心的伦理委员会或机构审查委员会批准，所有患者均签署了知情同意书。数据收集在四个医疗中心进行：美国亚特兰大的三家医院（埃默里大学医院中城分院、格雷迪纪念医院、亚特兰大退伍军人医疗中心）和新西兰汉密尔顿的怀卡托医院。研究对象为接受全身麻醉的非心脏、非急诊手术并预计入住PACU的成年患者。研究初期通过样本量计算确定至少需要468份有效EEG记录。最终，研究共纳入了626名受试者。在手术室中，由经过培训的研究人员为患者放置额叶EEG电极并全程监测信号质量。本研究为纯观察性研究，不干预麻醉医生的临床决策，EEG数据仅供研究使用，但所有患者遵循标准化的苏醒流程以尽量减少外部刺激。
2. 数据收集与评估： 数据收集涵盖术前、术中、术后即刻及术后30天。 * 术前数据： 通过患者访谈和病历审查收集人口统计学特征、合并症、社会史等。 * 术中数据： 记录麻醉方案、药物使用（如麻醉气体、静脉药物、阿片类药物、辅助用药如氯胺酮或笑气）、手术类型、麻醉持续时间等。使用Sedline监测仪（美国）或BIS XP监测仪（新西兰）持续记录额叶EEG数据。 * 苏醒期定义与评估： “苏醒结束”定义为患者首次出现观察者镇静/警觉评估量表（Observer’s Assessment of Alertness/Sedation Scale, OAA/S）评分≥2。从呼气末麻醉气体浓度达到“清醒最低肺泡有效浓度”（MAC-awake）或静脉麻醉剂量降低后开始，每分钟评估一次OAA/S。在“苏醒结束”时，立即通过指令（“告诉我你的名字”和“告诉我你在哪里”）评估患者的定向准确性。 * PACU-D评估（主要结局）： 使用重症监护室意识模糊评估法（Confusion Assessment Method for the ICU, CAM-ICU）这一公认的谵妄筛查工具，在患者到达PACU后15分钟和“苏醒结束”后60分钟进行两次谵妄评估。同时记录Richmond躁动镇静评分（RASS）。 * 术后结局： 通过病历审查追踪术后30天内的结局，包括住院时间、30天内再入院率以及ICU转入情况。
3. 定量EEG分析与轨迹分类： 这是本研究的核心方法学部分。收集的原始EEG数据经过预处理（转换单位、降采样、滤波、去除伪影）。使用功率谱密度分析绘制整个记录期间的频谱图。研究的关键创新在于对麻醉苏醒期的EEG轨迹进行了启发式分类。基于先前工作，研究者比较了Alpha频段（7-17 Hz）和Delta频段（0.5-4 Hz）的峰值功率，将EEG片段分类为： * 纺锤波优势慢波麻醉（Spindle-Dominant Slow-Wave Anaesthesia, sdSWA）： Alpha振荡功率大于Delta功率，类似于N2期睡眠。 * Delta波优势慢波麻醉（Delta-Dominant Slow-Wave Anaesthesia, ddSWA）： Delta功率大于Alpha功率，类似于N3期睡眠。 * 非慢波麻醉（Non-Slow-Wave Anaesthesia, nSWA）： 两者功率均未超过阈值，类似于REM睡眠。 通过绘制显示这些状态随时间变化的催眠图，由两名对患者结局设盲的观察者视觉评估每位患者的苏醒轨迹，并将其归为七种预定义序列之一（例如：轨迹1：ddSWA → sdSWA → nSWA → 清醒；轨迹4：ddSWA → 清醒；轨迹5：nSWA → 清醒等）。此外，两名独立的设盲观察者检查所有EEG记录，判断麻醉维持期（手术开始至结束之间）是否出现爆发抑制（Burst Suppression）模式。
4. 统计分析流程： 统计分析主要使用MATLAB和Stata软件。 * 单变量分析： 首先对所有可能的术前、术中、术后变量与PACU-D的关联进行单变量逻辑回归分析，以识别潜在的风险因素，计算比值比（Odds Ratio, OR）和95%置信区间（CI）。 * 多变量模型构建： 采用“目的性选择”方法构建多变量逻辑回归模型，以探究EEG特征与PACU-D的关联是否独立于其他混杂因素。模型使用了考虑医院聚类效应的广义估计方程。首先纳入基于文献选择的先验变量（如年龄、卒中史、麻醉时长、ASA分级、阿片类药物用量、肾功能不全、EEG特征）。然后，根据单变量分析结果和临床判断，加入其他显著变量（如特定手术类型、辅助麻醉药使用）。通过逐步剔除不显著的变量进行模型修剪，同时注意控制混杂（若剔除某变量使其他变量系数变化≥20%，则视为混杂因素予以保留）。最终模型评估了EEG特征（维持期爆发抑制、苏醒轨迹）、麻醉技术、麻醉时长、卒中/神经退行性疾病史等因素的独立预测价值，并检验了变量间的交互作用。使用Hosmer-Lemeshow检验评估模型拟合优度。 * 结局分析： 对于住院时长等连续变量，使用Wilcoxon秩和检验；对于再入院率等二分变量，使用Fisher精确检验。
四、 主要研究结果
1. 患者特征与PACU-D发病率： 在626名受试者中，125名（20%）CAM-ICU筛查结果为阳性，即发生PACU-D。所有患者在PACU均可被语言唤醒（RASS ≥ -3）。
2. 单变量分析结果： 单变量分析揭示了众多与PACU-D风险增加相关的因素： * 患者因素： 年龄（每增加10岁，OR=1.21）、ASA分级较高、慢性阻塞性肺疾病（COPD）、心血管疾病、慢性肾功能不全、卒中或神经退行性疾病史（OR=4.55）、既往酗酒史。 * 手术与麻醉因素： 麻醉时间延长（每增加3小时，OR=2.74）、苏醒时间延长（每增加5分钟，OR=1.28）、脊柱手术（OR=4.19）风险增高。使用丙泊酚输注（非TIVA）、辅助麻醉药（氯胺酮或笑气）也与风险增加相关。 * EEG特征： 这是关键发现。麻醉维持期出现EEG爆发抑制与PACU-D风险增加75%相关（OR=1.75）。更重要的是，EEG苏醒轨迹类型与PACU-D显著相关。与作为参照的轨迹3（ddSWA+nSWA → 清醒）相比，轨迹1（ddSWA → sdSWA → nSWA → 清醒）风险显著降低（OR=0.25），而轨迹5（nSWA → 清醒）风险加倍（OR=2.00）。总体趋势显示，缺乏纺锤波优势期（sdSWA）的苏醒轨迹与更高的PACU-D风险相关。 * 苏醒后特征： 在“苏醒结束”时对姓名和地点定向不准确的患者，发生PACU-D的风险显著更高（OR=0.32，表示准确性每提高一级，风险降低）。
3. 多变量分析结果（核心发现）： 在控制了混杂因素后，多变量逻辑回归模型（基于477名有高质量EEG数据的患者）确定了以下独立预测因素： * 麻醉维持期EEG爆发抑制： 风险增加66%（调整后OR=1.66）。 * EEG苏醒轨迹（与辅助麻醉药的交互作用）： 这是最具创新性的发现。对于未使用氯胺酮或笑气的患者，缺乏纺锤波优势（sdSWA）轨迹的苏醒模式使PACU-D风险增加81%（OR=1.81）。而对于使用了氯胺酮或笑气的患者，缺乏sdSWA轨迹的苏醒模式导致风险激增，OR高达6.51。这表明辅助麻醉药与不良EEG苏醒模式之间存在协同作用，极大增加了谵妄风险。 * 麻醉时长与卒中/神经退行性疾病史的交互作用： 对于无卒中/神经退行性疾病史的患者，麻醉时长每增加1小时，PACU-D风险增加28%（OR=1.28）。而对于有该病史的患者，麻醉时长每增加1小时，风险增加三倍（OR=3.02）。特别值得注意的是，有此病史但手术时间短（<25百分位数）的患者，风险并未显著增加。 * 脊柱手术： 与PACU-D风险增加相关（OR=2.35）。分析表明，该关联可能受到脊柱手术中更常使用丙泊酚输注和阿片类药物等因素的混杂。 * 其他因素： 年龄、ASA分级、肾功能不全等在单变量分析中显著的因素，在多变量模型中因不显著或非混杂而被剔除，提示EEG神经生理学数据可能包含了这些传统风险因素所反映的“大脑年龄”或脆弱性信息。
4. PACU-D与不良结局的关联： 研究证实了PACU-D的临床重要性： * 住院时间： PACU-D患者的中位住院时间更长（2天 vs 1天），且住院时间超过6天的可能性是未发生谵妄患者的2.07倍。 * 30天再入院率： PACU-D患者出院后30天内再次入院的风险是未发生谵妄患者的2.17倍。
五、 研究结论与价值
本研究得出结论：特定的术中EEG模式（麻醉维持期的爆发抑制和缺乏纺锤波优势的苏醒轨迹）与PACU-D的发生独立相关。 此外，PACU-D本身是患者预后不良的早期标志，与住院时间延长和再入院风险增加显著相关。
科学价值： 1. 机制探索： 首次将麻醉苏醒期的神经生理学轨迹（类比于睡眠-觉醒过渡）与术后急性认知障碍（PACU-D）联系起来，为理解麻醉后大脑恢复过程的紊乱如何导致谵妄提供了新的神经生理学视角。支持了“从慢波/深度麻醉状态直接苏醒（类似从深睡眠N3期直接唤醒）更容易引发意识混乱”的假说。 2. 预测工具开发： 识别出可术中实时监测的EEG生物标志物（爆发抑制、苏醒轨迹），为未来开发基于EEG的PACU-D预测模型奠定了基础。模型具有良好的拟合度，为后续验证研究提供了框架。 3. 风险分层精细化： 揭示了传统风险因素（如年龄）可能通过影响大脑神经生理表现（如α纺锤波活动）来起作用。EEG特征可能更直接地反映了大脑对麻醉和手术的脆弱性（即“认知年龄”）。 4. 交互作用揭示： 发现了特定麻醉药物（氯胺酮、笑气）与不良EEG苏醒模式之间存在危险的协同效应，这为优化麻醉方案、实现个体化麻醉管理提供了重要线索。
应用价值： 1. 临床预警： 麻醉医生可通过术中EEG监测（尤其是观察苏醒轨迹是否包含纺锤波活动）来实时识别高危患者，从而在PACU中加强监测和早期干预。 2. 麻醉管理优化： 研究结果提示，避免长时间麻醉、谨慎使用可能抑制纺锤波或与不良EEG模式产生协同作用的药物（如在某些患者中避免使用氯胺酮或笑气）、以及采用可能促进更平顺、类似自然睡眠苏醒的麻醉策略，可能有助于降低PACU-D风险。 3. 改善患者预后： 通过早期识别和预防PACU-D，可能有助于减少与之相关的住院时间延长、再入院率增加等不良结局，改善患者整体康复质量，并可能降低医疗成本。
六、 研究亮点
七、 其他有价值内容
研究也指出了局限性：EEG蒙太奇仅限于额叶，可能遗漏其他脑区信息；研究样本量不足以区分活跃型与安静型谵妄亚型；CAM-ICU最初为ICU设计，未来可能需要开发更适合PACU的谵妄评估工具；EEG轨迹分类尚未完全自动化。作者强调，本研究证明的是关联而非因果关系，其结果需要在独立数据集上进行验证。此外，研究为未来探索干预措施（如使用麻醉逆转剂或调整麻醉方案以促进“纺锤波优势”苏醒）指明了方向。最终，研究呼吁麻醉医生重视PACU-D，将其视为潜在不良结局的早期预警信号。