定量脑电图对急性脑卒中患者的神经功能预后研究

王晓梅，黄光，徐斌，孙利，王露

(首都医科大学附属复兴医院神经内科，北京100038)

定量脑电图对急性脑卒中患者的神经功能预后研究

王晓梅，黄光，徐斌，孙利，王露

(首都医科大学附属复兴医院神经内科，北京100038)

目的探讨脑电图定量分析参数在急性脑卒中患者预后评估中的作用。方法收集2013年7月至2016年7月首都医科大学附属复兴医院神经内科收治的发病2周内的65例急性脑卒中患者脑电图(EEG)δ、θ、α、β四个频带的相对功率值，并计算EEG的δ/α功率比值(DAR)，进行美国国立卫生研究院卒中量表(NIHSS)评分和EEG分级判定，随访至6个月进行改良Rankin评分(mRS)。结果65例患者的DAR、EEG分级标准与mRS评分有显著相关性(r=0.874，0.796，P＜0.01)，DAR比值越大，患者的神经功能预后越差；DAR与入院时NIHSS评分亦呈正相关(r=0.663，P＜0.01)，DAR能够反映急性脑卒中患者病情的严重程度；DAR值对预后的预测准确率为92.3%，略优于EEG分级标准的87.6%。结论脑电图定量分析参数DAR能准确反映急性脑梗死患者的脑功能状态，且DAR与梗塞的部位及范围有密切的关系，尤以前循环卒中更为显著，可以作为发病早期预后评估的预测指标。

定量脑电图；急性脑卒中；预后

急性脑卒中是发病率、致残率和死亡率均高的疾病，对人类健康危害极大。随着近年神经科学的不断发展，对急性脑卒中患者的脑功能损伤程度进行客观评价和准确预测预后、指导临床治疗愈显重要。由于脑电图(electroencephalogram，EEG)技术对脑代谢、缺血、缺氧及神经功能异常较为敏感，因此这种电生理技术可以作为神经科检测脑功能的重要手段之一。笔者采用定量脑电图技术对发病早期的脑卒中患者进行前瞻性研究，并与临床评价指标、影像学资料进行对比研究，旨在提高脑卒中患者脑功能损伤的预后评估水平，并扩展脑电图技术的临床使用价值。

1 资料与方法

1.1 一般资料选取2013年7月至2016年7月首都医科大学附属复兴医院神经内科收治的发病2周内的急性脑卒中患者65例，所有患者均符合1996年中华神经科学会和中华神经外科学会制定的各类脑血管疾病的诊断要点[1]，经头颅CT和(或)头颅MRI检查证实为大脑半球或脑干、小脑的脑梗死患者，排除了短暂性脑缺血发作，严重心、肝、肾等脏器严重功能障碍或发病前生活不能自理者，以及抗癫痫或镇静药物应用者。其中男性31例，女性34例；年龄56～85岁，平均(73.5± 2.8)岁；大面积脑梗塞30例，底节区梗塞19例，皮层下梗塞9例，后循环梗塞5例，分水岭梗塞2例。

1.2 研究方法于发病后2周内进行美国国立卫生研究院卒中量表(National Institutes of Health Stroke Scale，NIHSS)评分[2]，记录头颅CT或MRI检查结果，并使用Oxford数字视频脑电图仪描记EEG，按照国际10～20系统安放盘状电极，选择32导联系统，双侧耳垂作为参考电极。滤波通道0.5～30 Hz，时间常数0.3 s，走纸速度3 cm/s。每次记录30 min，采用目测和频谱分析对所有患者的EEG进行评价。所有患者均随访至发病后6个月，并进行NIHSS评分、改良Rankin评分(Modified Rankin Scale，mRS)[3]和EEG检查。

1.3 EEG定量分析每例患者以8 s为一个采样单位，选无伪迹脑波部分进行采样，应用Oxford数字脑电图仪功率谱分析技术进行处理，计算出各个频带的相对功率值和δ/α比值(DAR)，功率谱划分：δ (1.0～3.9 Hz)、θ(4.0～7.9 Hz)、α(8.0～12.9 Hz)、β(13.0～24.9 Hz)，以DAR作为预后评价指标进行研究。

1.4 EEG分级判定本研究按改良的EEG分级标准，将EEG由轻到重分为6级(表1)，对所有患者进行分级判断。

表1 EEG改良分级标准

1.5 统计学方法所有资料均应用SPSS20.0统计软件处理，符合正态分布的计量资料以均数±标准差()表示，组间比较采用t检验，相关性分析采用Pearson相关系数，预测准确率采用Logistic回归分析，均以P＜0.05为差异有统计学意义。

2 结果

2.1 DAR65例患者的DAR最小值为0.05，最大值为22.8，均值为(3.44±2.4)。进一步分析不同类型脑梗塞的DAR，其中大面积脑梗塞患者DAR最大，均值为(7.50±3.1)，底节区梗塞患者DAR最小，均值为(0.56±0.28)。大面积脑梗塞和底节区梗塞患者的DAR比较，差异具有统计学意义(P＜0.05)，提示梗塞灶越靠近皮层、且病变范围越大，其DAR偏大，反之，位于大脑深部的底节区梗塞，DAR越接近正常。各型急性脑卒中患者预后情况及DAR见表2。

2.2 DAR、EEG分级标准与NIHSS评分、mRS评分的相关性65例患者的NIHSS评分和DAR的相关分析显示，两者呈正相关(P＜0.01)，相关系数r=0.663，说明NIHSS评分越高，DAR越大，DAR与患者的病情严重程度和脑损伤程度密切相关。患者DAR值与mRS评分的相关分析显示，两者亦呈正相关(P＜0.01)，相关系数为r=0.874，说明DAR越大，mRS评分越高，患者的神经功能预后愈差。患者EEG分级标准与mRS评分亦呈正相关(P＜0.01)，相关系数r=0.796，提示患者EEG分级越高，相应的预后越差。

表2 急性脑卒中各型预后比较()

表2 急性脑卒中各型预后比较()

大面积梗塞底节区梗塞皮层下梗塞后循环梗塞分水岭梗塞0 15 3030 19 7 4 1 4 2 1 1 7.50±3.1 0.56±0.28 0.73±0.60 2.25±1.21 1.12±0.77 9 5 2

2.3 DAR、EEG分级标准的Logistic回归分析多因素分析显示，DAR及EEG分级标准均与预后相关，上述变量进入Logistic回归分析，结果见表3。数据显示，EEG定量参数DAR值的转归良好、不良预测准确率均高于EEG分级标准，预测准确率达92.3%，而EEG分级标准预测准确率低于DAR(87.6%)。

表3 急性脑卒中患者的Logistic回归分析

3 讨论

定量脑电图(quantitative EEG，QEEG)是利用电子计算机对脑电图中某些有意义的信息进行定量化分析，以便能直观、形象、动态、量化地反映大脑的机能状态，对研究大脑的生理、病理及药理作用具有广阔的价值。相较于传统常规EEG，QEEG是一种客观、定量分析EEG的技术方法。常规EEG在脑血管疾病中异常率为40%～70%，而QEEG可达80%～92%。有的研究发现几乎所有的脑中风患者及绝大多数短暂性脑缺血发作患者QEEG都有异常[4]。本研究显示65例急性脑卒中患者均有QEEG异常表现(100%)。笔者在以往的研究中曾选择几种EEG分级标准(Lavizzari、Synek、Young分级标准及改良分级)对重症脑功能损伤及脑血管病患者进行了前瞻性研究[5-6]，所采集的EEG均采用目测方法，一定程度上存在判读的主观性，对检查者的专业知识及经验要求较高。因此，笔者选择客观性更强的QEEG对急性脑卒中患者进行预后评估研究，结果显示EEG定量分析参数DAR对预后的预测准确率确实优于EEG分级标准。

由于EEG对脑代谢、缺血缺氧及神经功能异常较为敏感，EEG的变化常常先于临床变化，即使目前高度发达的影像学技术(如头颅CT、MRI)也不能完全替代。脑血流量与EEG的研究发现，氙CT脑血流量(XeCTCBF)降低的程度，与梗塞的面积和继发性脑水肿密切相关，且EEG也出现相应的改变。大脑中动脉支配区域严重梗塞患者[7]，XeCTCBF降低到10.4 mL/(100g·min)时出现严重脑水肿，降低到8.6 mL/(100 g·min)时演变为脑疝，EEG表现为患侧慢波、弥漫性慢波、尖波及癫痫波。当大脑中动脉缺血患者的平均动脉压上升到150 mmHg(1 mmHg= 0.133 kPa)时，不正常的EEG得以转复。EEG能敏感地监测到脑血流下降引起的脑细胞代谢紊乱和神经元异常电活动[8]。我们的研究正是基于EEG与脑血流量变化存在密切的关系，脑电图频率变慢的程度和波幅降低与脑组织损害的程度有关。本研究显示，梗塞灶越靠近皮层且病变范围越大，脑功能损伤越严重，慢波频带成分出现率越高，快波频带成分出现率越低，δ/α比值也即DAR越大，EEG异常程度越高，神经功能预后越差。

QEEG对脑电慢活动异常指标相对于快活动更为敏感，可作为急性缺血性脑卒中的独立预测指标，并指导其临床治疗及处理[9-10]。有研究对18例急性脑梗塞患者和28例正常对照组的QEEG脑电参数进行对比，包括δ、θ、α、β相对功率，δ/α比值(DAR)，(δ+θ)/(α+ β)比值(DTABR)等参数，结果显示DAR优于其他参数，具有最理想的鉴别准确性，阈值3.7可以将影像学诊断明确的急性脑梗死患者与正常对照组区分开来[11]。此外其他研究也有类似的报道[12-13]。因此本研究选择DAR对急性脑梗塞患者的预后进行分析，并与NIHSS评分、mRS评分进行比较研究。NIHSS评分是脑卒中患者中使用最为广泛的评分系统之一，主要用于评估神经功能的缺损程度。mRS评分是用来衡量患者卒中后功能恢复的结果，分为5级，由患者的日常生活及活动的状况评定。结果显示NIHSS评分和DAR、mRS评分与DAR均呈正相关，δ/α比值越大，相应患者6个月时的神经功能预后越差。进一步分析发现，DAR与梗塞的部位、范围有密切的关系，位于皮层或靠近皮层、病变范围较大的梗塞灶，其DAR越大；位于大脑深部靠近底节区、病变范围较小，以及后循环梗塞，其DAR偏小，提示我们QEEG对前循环较大面积梗塞的预测价值更大。虽然各组的病例数不完全匹配，得出上述结论可能存在一定偏差，我们仍会扩大病例数进一步验证。

综上所述，QEEG作为一种无创、简便、可床旁操作、动态监测的检查，可对患者的脑功能进行准确的评价，为急性脑卒中患者的预后提供可靠的信息。本研究也显示选择DAR作为预测指标对急性脑卒中患者的预后进行评估，能够提供更为客观确切的信息。但本研究仍需扩大样本量进一步观察，以期为临床应用提供更好的依据。

[1]中华神经科学会,中华神经外科学会.各类脑血管疾病诊断要点[J].中华神经科杂志,1996,26(6):379-380.

[2]Heldner MR,Zubler C,Mattle HP,et a1.National Institutes of Health stroke scale score and vessel occlusion in 2152 patients with acute ischemic stroke[J].Stroke,2013,44(4):1153-1157.

[3]Hong KS,Jeffrey L.Saver.Quantifying the value of stroke disability outcomes:WHO global burden of disease project disability weights for each level of the modified rankin scale[J].Stroke,2009,40(12): 3828-3833.

[4]Duffy FH,Hughes JR,Miranda F,et al.Status of quantitative EEG (QEEG)in clinical practice,1994[J].Clin Electroencephalogr,1994, 25(4):VI-XXII.

[5]王晓梅,宿英英.重症脑功能损伤的脑电图分级评价研究[J].中华神经科杂志,2005,38(2):104-107.

[6]王晓梅,黄光,孙利,等.重症脑血管疾病的脑电图改良分级标准研究[J].中华神经医学杂志,2010,9(4):379-382

[7]Jordan KG.Continuous EEG monitoring in the Neuroscience Intensive Care Unit and Emergency Department[J].J Clin Neurophysiol 1999,16:14-39.

[8]0'Gorman RL,Poil SS,Brandeis D,et a1.Coupling between resting cerebral perfusion and EEG[J].Brain Topogr,2013,26(3):442-457.

[9]Jordan KG.Emergency EEG and continuous EEG monitoring in acute ischemic stroke[J].J Clin Neurophysiol,2004,21(5):341-352.

[10]Finnigan S,van Putten MJ.EEG in ischaemic stroke:quantitative EEG can uniquely inform(sub-)acute prognoses and clinical management[J].Clin Neurophysiol,2013,124(1):10-19.

[11]Finnigan S,Wong A,Read S.Defining abnormal slow EEG activity in acute ischaemic stroke:Delta/alpha ratio as an optimal QEEG index[J].Clin Neurophysiol,2016,127(2):1452-1459.

[12]Foreman B,Claassen J.Quantitative EEG for the detection of brain ischemia[J].Crit Care,2012,16(2):216-225.

[13]Sheorajpanday RV,Nagels G,Weeren AJ,et a1.Quantitative EEG in ischemic stroke:correlation with functional status after 6 months[J]. Clin Neurophysiol,2011,122(5):874-883.

Neurological function prognosis of quantitative EEG in acute ischemic stroke.

WANG Xiao-mei,HUANG Guang,XU Bin,SUN Li,WANG Lu.Department of Neurology,Fuxing Hospital Affiliated to Capital Medical University,Beijing 100038, CHINA

ObjectiveTo compare the predicting accuracy of quantitative electroencephalographic(QEEG)indices for clinical management of acute ischemic stroke(AIS).MethodsThe relative bandpower of four EEG indices (δ,θ,α,β)of 65 patients(mean age:73.5;range:56-85),who admitted to Department of Neurology of Fuxing Hospital Affiliated to Capital Medical University from July 2013 to July 2017,were collected and analyzed,and the δ/α power ratio(DAR)was calculated.Also National Institute of Health stroke score(NIHSS)and EEG classification were recorded. Modified Rankin Scale(mRS)were analyzed at 6 months after onset.ResultsDAR and EEG classification exhibited much closer correlation with mRS in 65 patients(r=0.874,P＜0.01;r=0.796,P＜0.01):the higher the DAR was,the poorer the outcome was.DAR was also positively correlated with NIHSS score at admission(r=0.663,P＜0.01).DAR was able to reflect the severity of AIS patients.The predictive accuracy of DAR was 92.3%,which was slightly better than 87.6%of EEG grading standard.ConclusionDAR demonstrate the change of AIS well and can be a reliable predictor for outcome.And DAR is related to the site and extent of the infarct,especially in anterior circulation stroke.

Quantitative electroencephalography(QEEG);Acute ischemic stroke(AIS);Prognosis

R743.3

A

1003—6350（2017）16—2628—03

10.3969/j.issn.1003-6350.2017.16.015

2016-11-27)

北京市西城区优秀人才专项资助项目(编号：2005D025)

王晓梅。E-mail：wlyho@163bj.com