Aus der Klinik für Anästhesiologie der Friedrich-Alexander ... · PDF fileInaugural-Dissertation zur Erlangung der Doktorwürde der Medizinischen Fakultät ... In a former study

Aus der Klinik für Anästhesiologie der

Friedrich-Alexander-Universität Erlangen-Nürnberg

Direktor: Prof. Dr. Dr. h.c. J. Schüttler

Vergleichende Untersuchung der EEG-Spektren von Isofluran, Desfluran und Sevofluran in äquipotenter Dosierung in der Ratte

Inaugural-Dissertation

zur Erlangung der Doktorwürde

der Medizinischen Fakultät

der Friedrich-Alexander-Universität

Erlangen-Nürnberg

vorgelegt von

Markus Obendorfer

aus Neumarkt i. d. Oberpfalz

Gedruckt mit Erlaubnis der Medizinischen Fakultät der Friedrich-Alexander-Universität

Erlangen-Nürnberg

Dekan: Prof. Dr. Dr. h.c. J. Schüttler

Referent: Priv.-Doz. Dr. Ch. Jeleazcov

Korreferent: Prof. Dr. Dr. H. Schwilden

Tag der mündlichen Prüfung: 24. Oktober 2012

Meinen Eltern

Inhaltsverzeichnis

Zusammenfassung ........................................................................................... 1

1. Hintergrund und Ziele .................................................................................. 1

2. Datengewinnung und Methoden .................................................................. 1

3. Ergebnisse und Beobachtungen ................................................................. 2

4. Schlussfolgerung ......................................................................................... 2

Abstract ............................................................................................................. 3

1. Background and goals ................................................................................. 3

2. Methods ....................................................................................................... 3

3. Results and observations ............................................................................ 4

4. Conclusions ................................................................................................. 4

Einleitung........................................................................................................... 5

1. Pharmakologische Eigenschaften der Inhalationsanästhetika Isofluran,

Desfluran und Sevofluran ................................................................................ 5

2. Quantifizierung der Narkosetiefe durch EEG-Analyse ................................. 6

Material und Methoden ..................................................................................... 8

1. Datengewinnung ......................................................................................... 8

2. Aufzeichnung und Digitalisierung der EEGs ................................................ 8

3. Datenvorverarbeitung .................................................................................. 9

4. Berechnung der Powerspektren .................................................................. 9

5. Clusteranalyse ........................................................................................... 10

6. Vergleich der typischen Spektren .............................................................. 11

Ergebnisse....................................................................................................... 13

1. Darstellung der Ergebnisse der Cluster-Analyse, der linearen Regression

und der Restspektren .................................................................................... 15

1.1. Wachzustand ...................................................................................... 15

1.2. Narkosestufe 0.4 MAC ........................................................................ 19






2. Objektivierung der optischen Beobachtungen ........................................... 36

2.1. Chi-Quadrat-Test ................................................................................ 36

2.2. Vergleich der Steigungen der typischen Powerspektren ..................... 36

Diskussion ....................................................................................................... 38

1. Bearbeitung der Fragestellung .................................................................. 38

2. Ergebnisse der Clusterung im Wachzustand ............................................. 39

3. Ergebnisse der Clusterung während Narkose ........................................... 40

4. Probleme der Analyse von EEG-Signalen ................................................. 42

5. Zusammenfassung und Ausblick ............................................................... 42

Literaturverzeichnis ........................................................................................ 44

Danksagung .................................................................................................... 46

1

Zusammenfassung

1. Hintergrund und Ziele

Inhalationsanästhetika finden eine breite Anwendung in der Anästhesie. Als

Indikator ihrer Wirkung am Effektororgan Gehirn und zur Abschätzung der

Narkosetiefe werden im Rahmen des perioperativen Narkose-Monitorings

Veränderungen im Elektroencephalogramm (EEG) herangezogen. Neben

spezifischen EEG-Mustern (Spike waves, Burst suppression) eignen sich

spektrale Parameter (Medianfrequenz, spektrale Eckfrequenz), die sich aus den

Powerspektren ableiten lassen, oder auch die approximate Entropie. In einer früheren Untersuchung zeigte die Pharmakodynamik der

Inhalationsanästhetika Isofluran, Desfluran und Sevofluran keine Unterschiede

bezüglich der Medianfrequenz im EEG in der Ratte. Allerdings können gleiche

Medianfrequenzen aus unterschiedlichen Powerspektren resultieren. Ziel dieser

Arbeit war zu untersuchen, ob sich in den EEG-Spektren von Isofluran,

Desfluran und Sevofluran in äquipotenter Dosierung in der Ratte Unterschiede

finden lassen, die durch Mono-Parameter nicht erfasst werden.

2. Datengewinnung und Methoden

In drei Versuchseinheiten wurden 10 Ratten in randomisierter Reihenfolge in

einem cross-over Studiendesign mit den Inhalationsanästhetika Isofluran,

Desfluran und Sevofluran in stufenweise ansteigender Konzentration von 0.4

bis 1.5 MAC narkotisiert und dabei epidural ein Elektroencephalogramm (EEG)

abgeleitet. Für jede Konzentrationsstufe wurden die aus Epochen von 8 s

Länge berechneten EEG-Powerspektren normiert, logarithmiert und mittels

Clusteranalyse klassifiziert. Jedes Clusterzentroid wurde als ein typisches

Powerspektrum für die entsprechende Konzentrationsstufe des untersuchten

Inhalationsanästhetikums betrachtet. Die so bestimmten typischen

Powerspektren unterschiedlicher Inhalationsanästhetika äquipotenter Dosierung

wurden zunächst visuell auf Ähnlichkeit untersucht. Weiterhin wurde versucht,

diese subjektive Zuordnung mit statistischen Methoden zu objektivieren.

2

3. Ergebnisse und Beobachtungen

Im Wachzustand fanden sich zwei Zustände mit unterschiedlichem EEG-

Muster. Die Anzahl der Cluster pro Konzentrationsstufe und Substanz war auf

maximal drei beschränkt. In jeder Konzentrationsstufe ließen sich die typischen

Spektren der unterschiedlichen Anästhetika visuell zu Gruppen ähnlichen Typs

zusammenfassen. Innerhalb jeder MAC-Stufe wurde mindestens ein

substanzunabhängiger Cluster-Typ gefunden. Die Anzahl an

substanzübergreifenden Spektrentypen betrug eins für 1.3 MAC, zwei für 0.7,

0.9, 1.1 und 1.5 MAC, und drei für 0.4 MAC. Der statistische Vergleich zeigte

zwar substanzspezifisch signifikante Unterschiede bei allerdings visuell sehr

ähnlichen Spektren innerhalb eines Typs.

4. Schlussfolgerung

In jeder untersuchten Konzentrationsstufe gab es mindestens ein, meistens

aber zwei substanzübergreifende Spektrentypen. Spektren gleichen Typs

zeigten substanzspezifisch zwar statistisch signifikante Unterschiede, die

jedoch sehr geringfügig waren und daher wenig relevant zu sein scheinen.

Somit ist die Reduktion der komplexen EEG-Information auf einen Mono-

Parameter zur Abschätzung der Narkosetiefe unter Isofluran, Desfluran und

Sevofluran anscheinend mit keinem relevanten Informationsverlust verbunden.

3

Abstract

1. Background and goals Inhaled anaesthetics are widely used in anaesthesia. Changes in the

electroencephalogram (EEG) during anesthesia are used to indicate the effects

on their effector organ, i.e. the brain, and to assess anaesthetic depth. Specific

EEG patterns (spike waves, burst suppression) as well as parameters derived

from the power spectrum (median frequency, spectral edge frequency) and

entropy parameters have been proven to be suitable to quantify the EEG effect.

In a former study in rats, the pharmacodynamics of isoflurane, desflurane and

sevoflurane showed no differences with respect to the median frequency of the

EEG. However, identical median frequencies can result from different power

spectra. The goal of this work was to investigate whether at equipotent

concentrations in rats there are differences in the EEG spectra of isoflurane,

desflurane and sevoflurane, which cannot be assessed by monoparameters.

2. Methods

Ten rats were anaesthetized with increasing concentrations (0.4 MAC to 1.5

MAC) of isoflurane, desflurane and sevoflurane in a randomized crossover

design. Simultaneously, an epidural EEG was recorded. Normalized and log-

transformed power spectra were estimated from EEG epochs of 8 sec duration

for each concentration and classified by cluster analysis. Each cluster centroid

was regarded as a typical power spectrum for the corresponding concentration

of the investigated inhaled anaesthetic. The typical power spectra of the

different inhaled anaesthetics at equipotent concentrations were visually

analysed for similarity. Additionally, it was tried to objectify this subjective

allocation by using statistical methods.

4

3. Results and observations

Two states differing in the pattern of the EEG were found in the awake state.

The number of clusters per concentration and substance did not exceed three

clusters. For each concentration, the typical spectra of the three anaesthetics

could be visually classified to groups of similar types. Within each MAC level at

least one substance-independent cluster type was found. The number of

spectra types which were independent from the substance was one for 1.3

MAC, two for 0.7, 0.9, 1.1 and 1.5 MAC and three for 0.4 MAC. Although

spectra of the same type were visually very similar, the statistical comparison

showed significant differences.

4. Conclusions For each concentration at least one, mostly two substance-independent types of

spectra were found. Spectra of the same type showed statistically significant

differences; however, these differences were very slight and seemed to have

little relevance. Therefore, the reduction of the complex EEG information when

using a monoparameter to assess the anaesthetic depth under isoflurane,

desflurane and sevoflurane seems not to be accompanied with a relevant loss

of information.

5

Einleitung

1. Pharmakologische Eigenschaften der Inhalationsanästhetika Isofluran,

Desfluran und Sevofluran

Inhalationsanästhetika haben seit vielen Jahren ihren festen Platz in der

Anästhesie. Unterteilt werden sie in anorganische Gase (Lachgas, Xenon),

(halogenierte) Kohlenwasserstoffe (Chloroform, Halothan) und (halogenierte)

Äther [2]. Zu letzterer zählen die Substanzen Desfluran, Isofluran (beide sind

halogenierte Methylethylether [5] [6]) und Sevofluran (siebenfach fluorierter

Methylisopropylether [7]). Als Dämpfe von volatilen Flüssigkeiten mit niedrigen

Siedepunkten werden sie mittels Verdampfer dem Einatemgemisch zugeführt

und über die Lunge aufgenommen. Desfluran besitzt mit 0.42 den niedrigsten

Blut-Gas-Koeffizienten [25], flutet damit schneller an als Sevofluran (Blut-Gas-

Koeffizient 0.63) und Isofluran (Blut-Gas-Koeffizient 1.4) und besitzt damit die

beste Steuerbarkeit [4] [22] [24].

Die Elimination der Substanzen erfolgt überwiegend durch Abatmung über die

Lungen. Nur etwa 0.02% von Desfluran, 0.2% von Isofluran und 3-5% von

Sevofluran werden hepatisch metabolisiert [4] [5] [6] [7] [24].

Ihre pharmakodynamischen Wirkungen beruhen nach neuen Erkenntnissen auf

einer Verlängerung der Aktivität inhibitorischer postsynaptischer Ionen-Kanäle,

insbesondere von GABAA- und Glycin-Rezeptoren, sowie einer Hemmung

exzitatorischer synaptischer Ionen-Kanäle (n-Ach-Rezeptoren, Serotonin-und

Glutamatrezeptoren) [2] [24]. Auf diese Weise bewirken sie im zentralen

Nervensystem einen Verlust des Bewusstseins (=Hypnose) und des

Schmerzempfindens (=Analgesie), eine Aufhebung der Willkürmotorik

(=Areflexie) sowie eine Verminderung autonomer Reflexe (=autonome

Areflexie). Diese Effekte sind dosisabhängig und differieren in ihrer Ausprägung

zwischen den verschiedenen Inhalationsanästhetika. So wirkt Isofluran

ausgeprägt hypnotisch, aber nur schwach [22] bzw. erst nach

Bewusstseinsverlust analgetisch [12]. Desfluran besitzt im Vergleich die

niedrigste narkotische Potenz [22]. Allen gemeinsam ist eine mäßige

Muskelrelaxation [22].

Daneben beeinflussen die Narkosegase auch das Herzkreislauf-System und

das respiratorische System, so dass ein kontinuierliches Monitoring der

6

Vitalparameter (Blutdruck, Herzfrequenz, Sauerstoffsättigung, endtidales CO2,

EKG u.a.) unerlässlich ist [2].

2. Quantifizierung der Narkosetiefe durch EEG-Analyse

Um den hohen Anforderungen an eine Narkose (Hypnose, Analgesie, Amnesie,

autonome Areflexie und Areflexie) Genüge zu leisten, müssen die Pharmaka in

einer optimalen, während des Eingriffs durchaus variablen Dosierung appliziert

werden. Dabei steht die Narkosetiefe im Zentrum des Interesses. Während eine

zu flache Narkose das Risiko des ungewollten Erwachens („awareness“) erhöht

und oben genannte Kriterien nicht erfüllt, ist eine zu tiefe Narkose mit einer

erhöhten Rate an Nebenwirkungen und höherem Kostenaufwand verbunden

[11]. Als Surrogatparameter der Narkosetiefe werden im Rahmen des

Monitorings einerseits klinische Zeichen (darunter Vitalparameter,

Augenbewegungen, autonome Reaktionen) herangezogen, die allerdings keine

sichere Quantifizierung der hypnotischen Komponente erlauben [18].

Andererseits können anästhesieassoziierte Veränderungen im perioperativ

abgeleiteten Elektroencephalogramm (EEG) als Indikator der „anesthetic depth“

gesehen werden [15] [21]. Dabei liegt das Augenmerk zum einen auf dem

Auftreten spezifischer EEG-Muster, darunter spike waves oder burst

suppression, wie sie in höheren Konzentrationen von Iso-, Des- und Sevofluran

auftreten [16] [4] [9].

Zum anderen wird das EEG neben der Amplitudenanalyse („time domain

methods“) vor allem mittels Frequenzanalyse („frequency domain methods“)

charakterisiert [15]. Dabei wird das EEG als Überlagerung sinusförmiger Wellen

unterschiedlicher Frequenz, Amplitude und Phase betrachtet. Aus der

Frequenzverteilung der Amplitudenquadrate (Powerspektrum) werden

üblicherweise Mono-Parameter wie die spektrale Eckfrequenz (95% Quantil)

oder die Medianfrequenz (50% Quantil) abgeleitet. Wie sich in mehreren

früheren Studien zeigte, eignen sich beide Parameter zum perioperativen

Monitoring der Narkosetiefe [15] [9] [21].

Mit der Reduktion der komplexen Information des EEGs auf eine Größe ist

jedoch auch ein Informationsverlust verbunden. So können z.B. gleiche

Medianfrequenzen (MEF) aus sehr unterschiedlichen Powerspektren resultieren

7

(Abb.1), so dass mögliche Unterschiede zwischen den Spektren maskiert

werden.

Ziel dieser Arbeit war zu untersuchen, ob sich in den Powerspektren von

Isofluran, Desfluran und Sevofluran, deren Pharmakodynamik bezüglich der

Medianfrequenz im Ratten-EEG sich in einer früheren Untersuchung [9] nicht

unterschied, in äquipotenter Dosierung in der Ratte Unterschiede finden lassen,

die durch Mono-Parameter nicht erfasst werden.

Abb.1 Beispielhafte Darstellung verschiedener Powerspektren mit gleicher Median-frequenz (MEF)

0

0,01

0,02

0,03

0,04

0,05

0 10 20 30 40Frequenz (Hz)

Pow

er

MEF=20 Hz

0

0,01

0,02

0,03

0,04

0,05

0 10 20 30 40Frequenz (Hz)

Pow

er

MEF=20 Hz

0

0,01

0,02

0,03

0,04

0,05

0 10 20 30 40Frequenz (Hz)

Pow

er

MEF=20 Hz

8

Material und Methoden

1. Datengewinnung Grundlage dieser Arbeit waren die Elektroencephalogramme, die im Rahmen

einer umfangreichen Studie [9] von zehn ausgewachsenen männlichen

Sprague-Dawley Ratten epidural abgeleitet wurden.

In drei Versuchseinheiten wurden die Tiere in randomisierter Reihenfolge in

einem cross-over Studiendesign mit den Inhalationsanästhetika Isofluran,

Desfluran und Sevofluran in stufenweise ansteigender Konzentration

narkotisiert.

Dabei entsprachen die pro Stufe substanzabhängig gewählten Konzentrationen

in etwa demselben MAC-Wert. Definitionsgemäß meint 1 MAC die minimale

alveoläre Konzentration, bei der 50% der Versuchstiere auf einen definierten

Schmerzreiz nicht mehr reagieren [14]. In Ratten beträgt der MAC-Wert 1.4

Vol% für Isofluran, 2.4 Vol% für Sevofluran und 7.7 Vol% für Desfluran [17] [13].

Jede Versuchseinheit bestand aus sechs Narkosestufen, entsprechend 0.4, 0.7,

0.9, 1.1, 1.3 und 1.5 MAC mit einer Dauer von jeweils 20 min. Gegen Ende

dieser Zeit konnte ein steady state, also eine Annäherung der Konzentration am

Wirkort Gehirn an die inspiratorische Konzentration, angenommen werden.

2. Aufzeichnung und Digitalisierung der EEGs

Aufgezeichnet wurden die Hirnströme beginnend einige Zeit vor

Versuchsbeginn bis über das Ende der Narkosen hinaus mittels eines

kabellosen Funk-Systems. Die Ableitung von maximal 4 EEG-Signalen erfolgte

mittels Stahlschrauben frontal und okzipital auf beiden Hemisphären. Das

digitalisierte EEG-Signal (Auflösung: 16 Bit, Abtastrate: 128 Hz, Hochpass: 0.5

Hz, Tiefpass: 70 Hz, 50 Hz Netzfilter) wurde auf der Festplatte eines

Notebookrechners gespeichert. Da es keine relevanten Unterschiede zwischen

den einzelnen Ableitungen gab, wurde für die weitere Analyse das EEG-Signal

der linken frontalen Ableitung verwendet.

9

3. Datenvorverarbeitung

Die EEG-Analyse erfolgte an EEG-Abschnitten mit einer Epochenlänge von

jeweils 8 s mit 1024 Daten. Bei dieser Epochenlänge beträgt die

Frequenzauflösung 1/8 Hz. Damit können auch niedrige Frequenzen <2 Hz, die

während tiefer Anästhesie dominieren, hinreichend genau erfasst werden.

Längere Epochen würden zwar die Frequenzauflösung erhöhen, gleichzeitig

stiege aber auch die Wahrscheinlichkeit von Artefakten innerhalb einer Epoche.

Außerdem würden plötzliche Veränderungen im EEG bei zu langen Epochen

nicht korrekt erfasst. Da ein steady-state zwischen Inspirationskonzentration

und Konzentration am Wirkort frühestens 10 min nach Beginn einer

Konzentrationsstufe angenommen werden konnte, wurden zur

Charakterisierung des EEGs die letzten 10 min (=75 Epochen) der jeweiligen

Konzentrationsstufe verwendet. Für das Wach-EEG wurden die letzten 20 min

(=150 Epochen) vor Versuchsbeginn herangezogen, da in dieser Phase mehr

Epochen durch Artefakte gestört waren. Die zu einer Konzentrationsstufe eines

Anästhetikums gehörenden EEG-Epochen aller Tiere wurden zu einem EEG-

Datensatz zusammengefasst, der als charakteristisch für die jeweilige

Dosierung betrachtet wurde.

4. Berechnung der Powerspektren

Jedes EEG-Signal kann als Überlagerung einer Vielzahl sinusförmiger Wellen

unterschiedlicher Frequenz, Amplitude und Phase betrachtet werden.

Das Powerspektrum ist die Verteilungsdichte des Quadrats der Amplitude für

die im Signal enthaltenen Frequenzen. In unserem Fall erfolgte die Bestimmung

der Powerspektren mittels Fast-Fourier-Transformation von jeweils 210=1024

Daten. Bei einer Abtastrate von 128 Hz und einer Epochenlänge von 8 s

besteht das diskrete Powerspektrum aus 512 Werten („Frequency bins“) im

Bereich von 0 bis 64 Hz mit einer Auflösung von 0.125 Hz. Für die weitere

Analyse wurde der Bereich von 0.5 bis 48 Hz verwendet (381 frequency bins),

da frühere Untersuchungen zeigten, dass darin die für den hypnotischen Effekt

relevanten Anteile zu finden sind, während die Frequenzen <0.5 Hz und >48 Hz

10

dagegen häufig artefaktbehaftet sind [20]. Da die EEG-Amplituden von Tier zu

Tier unterschiedlich waren, wurden zum Zwecke der Vergleichbarkeit die für

jedes EEG epochenweise berechneten Powerspektren dergestalt normiert,

dass die Fläche unter dem Spektrum 1 betrug. Schließlich wurden die so

normierten Spektren logarithmiert, da sich ein Powerspektrum typischerweise

über mehrere Dekaden erstreckt und bei untransformierten Daten die

dominanten Partien des Spektrums in der Clusteranalyse übergewichtet

würden.

5. Clusteranalyse

Die Fragestellung dieser Arbeit lautete, ob sich die Powerspektren

verschiedener Anästhetika bei äquipotenter Dosierung unterscheiden. Da ein

Vergleich der Spektren einzelner Epochen sicherlich nicht sinnvoll wäre, wurde

versucht mittels Cluster-Analyse die für jede Konzentrationsstufe typischen

Spektren zu ermitteln, und anschließend diese typischen Spektren miteinander

zu vergleichen. Die Clusteranalyse ist eine multivariate Methode um in großen

Datenmengen Gruppen (Cluster) von Objekten zu finden, deren Eigenschaften

oder Eigenschaftsausprägungen bestimmte Ähnlichkeiten aufweisen. Ein

Datensatz, der in Cluster gruppiert werden sollte, bestand in unserem Fall aus

jeweils 75 bzw. 150 Zeilen oder „records“ pro Tier (den einzelnen Epochen

einer Konzentrationsstufe) und 381 Spalten oder „Variablen“ (den einzelnen

„frequency bins“).

Die Ähnlichkeit von Objekten wird mittels eines spezifischen Distanzmaßes

definiert. In der von uns benutzten sog. „Two-Step“ Clusteranalyse in SPSS ist

für einen Datensatz, der aus J Clustern besteht, das Distanzmaß

)log(22)(1

NLJdJBICJ

jj

mit )log(1

2221

L

kjkkjj Nd

definiert [10].

11

N ist dabei die Gesamtzahl an „records“ (z.B. 750 für Isofluran), L ist die Anzahl

an Variablen (in unserem Fall die Anzahl an „frequency bins“=381), k2 ist die

Varianz von Variable k im gesamten Datensatz, jk2 ist die Varianz von Variable

k im Cluster j, und Nj ist die Anzahl an „records“ im Cluster j.

In der „Two Step“ Clusteranalyse werden sukzessive Datensätze zu Clustern

zusammengefasst, bis die optimale Clusterung erreicht ist. Dabei wird sowohl

die BIC-Änderung )1()()( JBICJBICJdBIC zwischen zwei Clusterungen

mit J bzw. J+1 Clustern berücksichtigt als auch das Verhältnis der BIC-

Änderungen )1()()(1 dBIC

JdBICJR sowie der kleinste Abstand zwischen zwei

Clustern.

Die sog. Clusterzentroide, die sich durch Mittelung aller zu einem Cluster

gehörigen Datensätze ergeben, wurden als typische Powerspektren für diese

Dosierung betrachtet.

6. Vergleich der typischen Spektren

Anhand der halblogarithmischen Darstellung der Spektren der Clusterzentroide

wurden für jede Narkosestufe optisch ähnliche einem Cluster-Typus

zugeordnet. Zur Vervollständigung erfolgte auch die Auswertung der

Clusterzentroide im Wachzustand.

Um die augenscheinliche Ähnlichkeit der Spektren zu objektivieren, wurde mit

den Daten zweier Cluster-Zentroide eines gemeinsamen Cluster-Typs ein Chi-

Quadrat-Test durchgeführt [1]. Dazu wurde die Testgröße X2 wie folgt

berechnet:

2

1 2

1

1

21

2 log11 N

i i

i

dd fGfG

nnX

Dabei bezeichnen 1dn und 2dn die Anzahl der Powerspektren im jeweiligen

Cluster, G1(fi) und G2(fi) sind die zu vergleichenden Clusterzentroide, d.h. die

12

typischen Powerspektren bestehend aus N „frequency bins“ im

Frequenzbereich f1,…fN

Da die Größe X2 einer 2 Verteilung mit N Freiheitsgraden folgt, kann damit ein

Test auf Gleichheit der Powerspektren durchgeführt werden. Die Nullhypothese

G1(f)=G2(f) wird mit der Irrtumswahrscheinlichkeit p verworfen, wenn X2> 2N,p.

Bei Betrachtung der logarithmierten Spektren fiel bei vielen Cluster-Typen im

Frequenzbereich zwischen 10 und 45 Hz ein annähernd linearer Verlauf auf.

Zur Charakterisierung wurde daher eine lineare Regression der logarithmierten

Powerspektren in diesem Frequenzbereich durchgeführt und die Steigungen

der Regressionsgeraden miteinander verglichen. Zwei Steigungen S1 und S2

mit den Standardfehlern SE(S1) und SE(S2) wurden als signifikant

unterschiedlich bezeichnet, wenn sich ihre 95% Konfidenzintervalle

S1±1.96*SE(S1) und S2±1.96*SE(S2) nicht überlappten.

13

Ergebnisse

Während mit Isofluran wie geplant 10 Versuche durchgeführt wurden, konnten

wegen technischer Probleme mit Desfluran lediglich 7 und mit Sevofluran 9

Versuche durchgeführt werden. Für Isofluran umfasste das Wach-EEG daher

1500 Epochen, für Desfluran 1050 Epochen und für Sevofluran 1350 Epochen.

In den Narkosephasen betrug die Gesamtepochenzahl entsprechend für

Isofluran 750 Epochen, für Desfluran 525 Epochen und für Sevofluran 675

Epochen.

Abb. 2 zeigt ein Beispiel einer „two-step“ Clusterung für die Dosierung

Desfluran 0.7 MAC (525 records). Dabei ergab sich als optimale Clusterung

eine Zerlegung in 2 Cluster mit 234 bzw. 291 records.

Abb.2 Two-Step-Clusterung für Desfluran bei 0.7 MAC

14

Die Zentroide dieser beiden Cluster sind die typischen Powerspektren dieser

Dosierung (Abb.3). Die zugehörigen Regressionsgeraden für den

Frequenzbereich 10 – 45 Hz sind exemplarisch in Abb. 4 dargestellt.

-16

-14

-12

-10

-8

-6

-4

-2

00 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

Desfluran Cluster 1(n=234)Desfluran Cluster 2(n=291)

Abb.3 Zentroide der typischen EEG-Powerspektren für Desfluran bei 0.7 MAC

-16

-14

-12

-10

-8

-6

-4

-2

00 10 20 30 40 50

Frequenz (Hz)

log

Pow

er Desfluran Cluster 1Desfluran Cluster 2

Abb.4 Regressionsgeraden über den Bereich 10-45 Hz durch die Zentroide der

Desfluran-Cluster bei 0.7 MAC

15

Im Folgenden sind diese Clusterzentroide innerhalb einer Narkosestufe für

jedes Inhalationsanästhetikum in nummerierter Reihenfolge graphisch

dargestellt, wobei auf der Abszisse die Frequenzen in einem Bereich von 0 bis

48 Hz und auf der Ordinate der Logarithmus der relativen Power aufgetragen

sind.

Die Steigungen der Geraden im Frequenzbereich von 10 bis 45 Hz mit

zugehörigem Konfidenzintervall sind tabellarisch aufgeführt. Die Restspektren

die sich aus der Differenz der Datenwerte des Cluster-Zentroids und der

Regressionsgeraden ergeben, sind für die einzelnen Narkosestufen gezeigt.

1. Darstellung der Ergebnisse der Cluster-Analyse, der linearen Regression und der Restspektren

1.1. Wachzustand

Im Wachzustand lieferte die Clusteranalyse für jede Substanz drei Cluster.

Dabei konnten zwei Cluster-Zentroide von Sevofluran und je ein Zentroid von

Des- u Isofluran einem optisch ähnlichen Muster zugeordnet werden (Abb.5).

Bei diesem weisen die typischen Powerspektren dominante Frequenzen bei ca.

2 und 6 Hz sowie eine kleine Zacke bei ca. 40 Hz auf.

Lediglich in den höheren Frequenzen fallen die Spektren des Desfluran-

Clusters und eines Sevofluran-Clusters steiler ab. Nach 45 Hz kommt der

Netzfilter zu tragen. Die Steigungen mit dem 95%-Konfidenzintervall und die y-

Achsenabschnitte für den Frequenzbereich 10 - 45 Hz wurden in Tabelle 1

dargestellt; die Restspektren, die sich aus der Differenz der Originalspektren

und der Regressionsgeraden ergeben, sind in Abb.6 gezeigt.

16

-14

-12

-10

-8

-6

-4

-2

00 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

Iso 2 (n=694)Sevo 1 (n=366)Des 3 (n=611)Sevo 2 (n=627)

Abb.5 Cluster-Zentroide (Typ 1) der EEG-Powerspektren im Wachzustand

Cluster Steigung

[Konfidenzintervall] y-Achsenabschnitt

Isofluran Cluster 2 -0,0618 [-0,0628; -0,0609] -6,1

Sevofluran Cluster 1 -0,0626 [-0,064; -0,0613] -6,2

Desfluran Cluster 3 -0,08 [-0,084; -0,0787] -5,9


Tabelle 1 Parameter der Regressionsgeraden zum Cluster-Typ 1 im Wachzustand

-2,5

-2

-1,5

-1

-0,5

0

0,5

1

1,5

2

2,5

0 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

IsofluranSevofluran1DesfluranSevofluran2

Abb.6: Rest-Spektren aus der Differenz der Originalspektren und der Regressions-geraden für den Wachzustand (Typ 1)

17

Daneben fand sich substanzunabhängig ein weiterer Cluster-Typ. Dieser

zeichnet sich durch einen angedeuteten Doppelgipfel in niedrigen Frequenzen

und einem steileren Abfall in höheren Frequenzen aus (Abb.7).

Je ein Cluster von Isofluran und Desfluran stellten Artefakte dar (Abb.9).

Gekennzeichnet durch hohe Anteile in niedrigen Frequenzen wird für Isofluran

mit einer Ausnahme in allen Narkosestufen ein derartiges Artefakt-Cluster

gefunden. Zurückzuführen ist dies durch eine Signalstörung bei einer Ratte

während der Testung mit Isofluran.

-14

-12

-10

-8

-6

-4

-2

00 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

Iso3 (n=659)Sevo3 (n=357)Des1 (n=410)

Abb.7 Cluster-Zentroide (Typ 2) der typischen EEG-Powerspektren im Wachzustand

Cluster Steigung


Isofluran Cluster 3 -0,1174 [-0,1202;-0,01145] -5,4

Sevofluran Cluster 3 -0,1365 [-0,1400;-0,1330] -4,9


Tabelle 2 Parameter der Regressionsgeraden zum Cluster-Typ 2 im Wachzustand

18

-1,5

-1

-0,5

0

0,5

1

1,5

0 10 20 30 40 50

Frequenz (Hz)

log

Pow

erIsofluranSevofluranDesfluran

Abb.8 Rest-Spektren aus der Differenz der Originalspektren und der Regressions-

geraden für den Wachzustand (Typ 2)

-16

-14

-12

-10

-8

-6

-4

-2

00 10 20 30 40 50

Frequenz (Hz)

log

Pow

er Des2 (n=29)Iso1 (n=147)

Abb.9 Cluster-Zentroide der typischen Artefakt-EEG-Powerspektren im Wachzustand

19

1.2. Narkosestufe 0.4 MAC

In der ersten Narkosestufe wurden für Desfluran und Sevofluran je drei und für

Isofluran zwei Cluster ermittelt.

Diese konnten drei, optisch verschiedenen Typen zugeordnet werden.

Die Zentroide der Powerspektren des ersten Typs ähneln mit dem Doppelgipfel

und der Zacke bei 40 Hz im Spektrum von Sevofluran dem Cluster-Typ 1 im

Wachzustand (Abb.10, 11). Ein weiterer Typ erinnert an den Cluster-Typ 2 im

Wachzustand, wobei hier die Dominanz im Bereich unter 10 Hz ausgeprägter

ist (Abb.12). Der dritte Cluster-Typ ist durch einen Peak zwischen 1 Hz und 2

Hz und einen steilen Verlauf der Spektren gekennzeichnet (Abb.14). Ein Cluster

von Isofluran war wiederum artefaktbegründet (nicht dargestellt).

-16

-14

-12

-10

-8

-6

-4

-2

00 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

Sevo 3 (n=259)Des 3 (n=151)

Abb.10 Cluster-Zentroide (Typ 1) der typischen EEG-Powerspektren bei 0.4 MAC

Cluster Steigung


Sevofluran Cluster 3 -0,0477 [-0,0490;-0,0465] -6,3


Tabelle 3 Parameter der Regressionsgeraden für den Cluster-Typ 1 bei 0.4 MAC

20

-2,5

-2

-1,5

-1

-0,5

0

0,5

1

1,5

2

0 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

Sevofluran

Desfluran


geraden für den Cluster-Typ 1 bei 0.4 MAC

-16

-14

-12

-10

-8

-6

-4

-2

00 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

Iso 1 (n=708)Sevo 2 (n=276)Des 1 (n=230)


Cluster Steigung






21

-2,5

-2

-1,5

-1

-0,5

0

0,5

1

1,5

2

0 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

Desfluran1

Isofluran1

Sevofluran2



-16

-14

-12

-10

-8

-6

-4

-2

00 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

Sevo 1 (n=140) Des 2 (n=144)


Cluster Steigung





22

-2

-1

0

1

2

3

4

0 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

Sevofluran

Desfluran




Bei 0.7 MAC ergab die Clusterung für Isofluran drei und für Des -und

Sevofluran zwei Cluster, aus denen – das Artefakt-Muster für Isofluran

ausgenommen – zwei Cluster-Typen abgeleitet werden konnten, die bei allen

Anästhetika zu finden waren. Die Spektren des Typ 1 zeigen zwei dominante

Frequenzen mit Peaks bei etwa 1.5 und 4.5 Hz. Auch hier findet sich eine kleine

Zacke bei 40 Hz (Abb.16). Der andere Cluster-Typ ähnelt in seinem Verlauf an

den dritten Cluster-Typ in der 0.4 MAC-Stufe. Auch hier ist ein Peak um die 1.5

Hz mit anschließendem steilen Verlauf der Spektren zu finden (Abb.18).

23

-16

-14

-12

-10

-8

-6

-4

-2

00 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

Iso 3 (n=342)

Sevo 1 (n=425)

Des 1 (n=234)


Cluster Steigung






-2,5

-2

-1,5

-1

-0,5

0

0,5

1

1,5

2

0 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

Isofluran

Sevofluran

Desfluran

Abb.17 Rest-Spektren aus der Differenz der Originalspektren und der Regressions-geraden für den Cluster-Typ 1 bei 0.7 MAC

24

-16

-14

-12

-10

-8

-6

-4

-2

00 10 20 30 40 50

Frequenz (Hz)

log

Pow

er Iso 2 (n=364)

Des 2 (n=291)

Sevo 2 (n=250)

Abb.18 Cluster-Zentroide (Typ 2) der typischen EEG-Powerspektren des bei 0.7 MAC

Cluster Steigung






-3

-2

-1

0

1

2

3

4

0 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

IsofluranDesfluranSevofluran


25


Unter einer Narkose mit 0.9 MAC lieferte die Clusterung für Isofluran und

Sevofluran je zwei und für Desfluran ein Cluster. Interessanterweise wurden die

sicher vorhandenen Artefakte unter Isofluran nicht als eigenes Cluster erkannt.

Es ließen sich visuell zwei Typen von Clustern unterscheiden. Die typischen

Powerspektren des einen Typs zeigen einen Doppelgipfel zwischen 1 Hz und 5

Hz, wobei der zweite Peak im Cluster-Zentroid von Isofluran deutlicher

ausgeprägt ist als im Spektrum von Sevofluran (Abb.20). Ein weiterer Cluster-

Typ war bei allen Inhalationsanästhetika zu finden, wobei sich im

Frequenzbereich unter 10 Hz Unterschiede im Verlauf der Powerspektren

zeigten: Während bei Iso- und Sevofluran die Frequenz um 1.5 Hz dominiert, ist

im Spektrum von Desfluran zusätzlich eine leichter Peak bei ca. 3 Hz sichtbar.

Über den gesamten Frequenzbereich scheinen sich die typischen Spektren von

Iso- und Sevofluran nur gering zu unterscheiden (Abb.22).

-16

-14

-12

-10

-8

-6

-4

-2

00 10 20 30 40 50

Frequenz (Hz)

log

Pow

er Iso 2 (n=129)Sevo 1 (n=365)


Cluster Steigung





26

-2,5

-2

-1,5

-1

-0,5

0

0,5

1

1,5

0 10 20 30 40 50

Frequenz (Hz)

log

Pow

erIsofluran

Sevofluran


-16

-14

-12

-10

-8

-6

-4

-2

00 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

Iso 1 (n=621)Des 1 (n=525)Sevo 2 (n=310)


Cluster Steigung






27

-2,5

-2

-1,5

-1

-0,5

0

0,5

1

1,5

2

2,5

0 10 20 30 40 50

Frequenz (Hz)

log

Pow

erIsofluranDesfluranSevofluran



Aus der Clusterung ergaben sich bei einer Konzentration von 1.1 MAC drei

Cluster für Isofluran und je zwei für Des- und Sevofluran.

Optisch fielen zwei Muster auf, die bei allen Anästhetika zu finden waren. Diese

unterscheiden sich überwiegend in der Steigung der typischen Powerspektren

im Frequenzbereich > 5 Hz. In den niedrigen Frequenzen ist das Bild der

Zentroide auch innerhalb eines Cluster-Typs uneinheitlich. So zeigt das

Spektrum von Desfluran im ersten Typ zwei dominante Frequenzen, während

bei den Spektren von Iso- und Sevofluran nur eine Frequenz dominiert und die

Spektren anschließend abfallen (Abb.24). Beim zweiten Typ scheinen sich die

Spektren mehr zu ähneln (Abb.26). Für Isofluran wurde wiederum ein Artefakt-

Cluster gefunden.

28

-16

-14

-12

-10

-8

-6

-4

-2

00 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

Sevo 2 (n=390)Iso 2 (n=260)Des 1 (n=274)


Cluster-Typ 1 Steigung






-2

-1,5

-1

-0,5

0

0,5

1

1,5

0 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

SevofluranIsofluranDesfluran


29

-16

-14

-12

-10

-8

-6

-4

-2

00 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

Sevo1 (n=285)Iso1 (n=418)Des2 (n=251)






Desfluran Cluster 2 -0,1089 [-0,1100;-0,1079] -5,0


-2,5

-2

-1,5

-1

-0,5

0

0,5

1

0 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

SevofluranIsofluranDesfluran


30


In der vorletzten Narkosestufe konnten die 750 logarithmierten Spektren von

Isofluran auf drei und die 525 Desfluran- bzw. 675 Sevofluran-Spektren auf je

zwei Cluster verteilt werden. Nach graphischer Darstellung der Cluster-

Zentroide der typischen EEG-Powerspektren fand sich bei allen Substanzen ein

Cluster mit einem annähernd linearen Verlauf (Abb.28). Dabei zeigen die

Spektren von Isofluran und Desfluran einen minimalen Peak bei 40 Hz. Im

niederfrequenten Bereich besteht der Unterschied darin, dass im typischen

Powerspektrum von Desfluran keine Frequenz dominiert.

Für Iso- und Desfuran existierte ein Artefakt-Spektrum. Die übrigen Cluster von

Isofluran und Sevofluran konnten keinem gemeinsamen Cluster-Typus

zugeordnet werden.

-16

-14

-12

-10

-8

-6

-4

-2

00 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

Des 1 (n=499)

Iso 2 (n=600)

Sevo 2 (n=372)

Abb.28 Zentroide der typischen EEG-Powerspektren des Cluster-Typs bei 1.3 MAC






Tabelle 12 Parameter der Regressionsgeraden für den Cluster-Typ bei 1.3 MAC

31

-2

-1,5

-1

-0,5

0

0,5

0 10 20 30 40 50

Frequenz (Hz)

log

Pow

er DesfluranIsofluranSevofluran

Abb.29 Rest-Spektren aus der Differenz der Originalspektren und der Regressions-geraden für den Cluster-Typ bei 1.3 MAC

-16

-14

-12

-10

-8

-6

-4

-2

00 10 20 30 40 50

Frequenz (Hz)

log

Pow

er Sevo 1 (n=303)

Abb.30 Zentroid des typischen EEG-Powerspektrums von Sevofluran bei 1.3 MAC

Cluster Steigung



Tabelle 13 Parameter der Regressionsgerade von Sevofluran bei 1.3 MAC

32

-16

-14

-12

-10

-8

-6

-4

-2

00 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

Iso 1 (n=73)

Abb.31 Zentroid des typischen EEG-Powerspektrums von Isofluran bei 1.3 MAC

Cluster Steigung



Tabelle 14 Parameter der Regressionsgerade von Isofluran bei 1.3 MAC


In der höchsten Dosierung ergab die Clusteranalyse für Isofluran drei und für

die anderen Anästhetikaje zwei Cluster. Aus diesen konnten zwei Cluster-

Typen abgeleitet werden, wobei ein Typ nicht bei Isofluran zu finden war

(Abb.33).

Der Unterschied zwischen den Typen besteht im Wesentlichen in der Steigung

der typischen Powerspektren. Alle Zentroide beider Typen mit Ausnahme des

Sevofluran-Spektrums im Typ 2 weisen einen kleinen Peak bei 40 Hz auf.

Für Isofluran wurde neben einem Artefakt-Cluster ein weiteres gefunden, das

jedoch keinem Cluster-Typ zugeteilt werden konnte.

33

-16

-14

-12

-10

-8

-6

-4

-2

00 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

Sevo 2 (n=284)Des 1 (n=318)




Sevofluran Cluster 2 -0,0948 -4,8

Desfluran Cluster 1 -0,1127 -4,6


-2,5

-2

-1,5

-1

-0,5

0

0,5

1

0 10 20 30 40 50

Frequenz (Hz)

log

Pow

er SevofluranDesfluran



34

-16

-14

-12

-10

-8

-6

-4

-2

00 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

Iso 3 (n=531)Sevo 1 (n=391)Des 2 (n=207)


Cluster Steigung






-2

-1,5

-1

-0,5

0

0,5

1

0 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

IsofluranSevofluranDesfluran



35

-16

-14

-12

-10

-8

-6

-4

-2

00 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

Iso 2 (n=143)

Abb.36 Cluster-Zentroid des typischen EEG-Powerspektrums von Isofluran (Cluster 2) bei 1.5 MAC

Cluster Steigung



Tabelle 17 Parameter der Regressionsgerade eines weiteren Isofluran-Clusters bei 1.5 MAC

36

2. Objektivierung der optischen Beobachtungen

2.1. Chi-Quadrat-Test

Zum Vergleich zweier Clusterzentroide eines gemeinsamen Cluster-Typs wurde

ein Chi-Quadrat-Test durchgeführt.

Wegen der großen Anzahl an Spektren in einem Cluster ergaben sich jedoch

stets hohe X2-Werte, so dass die Nullhypothese G1(f)=G2(f) mit der

Irrtumswahrscheinlichkeit p wegen der Überschreitung des kritischen Werts

(X2> 2N,p ) zu verwerfen war.

Somit wurde selbst für optisch annähernd gleiche Cluster immer eine

signifikante Verschiedenheit gefunden. Beispielhaft sei dies anhand der

Datensätze von Desfluran und Sevofluran des Cluster-Typ 2 in der

Narkosestufe 0.7 MAC gezeigt (Abb.37). Die Testgröße betrug in diesem Fall

X2=1444.6 und war damit erheblich größer als der kritische Wert 2381,0.05=427.5

-14

-12

-10

-8

-6

-4

-2

00 10 20 30 40 50

Frequenz (Hz)

log

Pow

er

Des 2 (n=291)

Sevo 2 (n=250)

Abb. 37 Cluster-Zentroide (Typ 2) der typischen EEG-Powerspektren von Desfluran

und Sevofluran bei 0.7 MAC

2.2. Vergleich der Steigungen der typischen Powerspektren

Bei Betrachtung der Spektren fiel bei vielen Cluster-Typen im Frequenzbereich

zwischen 10 und 40 Hz ein annähernd linearer Verlauf der Powerspektren auf.

37

Zur Charakterisierung wurde daher eine lineare Regression der logarithmierten

Powerspektren in diesem Frequenzbereich durchgeführt und die Steigungen

der Regressionsgeraden miteinander verglichen (Tabelle 18). Dabei wurden

zwei Steigungen S1 und S2 mit den Standardfehlern SE(S1) und SE(S2) als

signifikant unterschiedlich bezeichnet, wenn sich ihre 95% Konfidenzintervalle

S1±1.96*SE(S1) und S2±1.96*SE(S2) nicht überlappten. Auch hier ergaben sich

wegen der sehr kleinen Standardfehler überwiegend signifikante Unterschiede.

Narkosestufe Cluster verglichene Steigungen Beurteilung Cluster-Typ 1 Des3 - Sevo3 signifikant unterschiedlich Iso1 - Des1 signifikant unterschiedlich 0.4 MAC Cluster-Typ 2 Iso1 - Sevo2 signifikant unterschiedlich Des1 - Sevo2 signifikant unterschiedlich Cluster-Typ 3 Des2 - Sevo1 kein signifikanter Unterschied Iso3 - Des1 signifikant unterschiedlich Cluster-Typ1 Iso3 - Sevo1 signifikant unterschiedlich Des1 - Sevo1 signifikant unterschiedlich 0.7 MAC Iso2 - Des2 kein signifikanter Unterschied Cluster-Typ 2 Iso2 - Sevo2 signifikant unterschiedlich Des2 - Sevo2 signifikant unterschiedlich Cluster-Typ 1 Iso2 - Sevo1 signifikant unterschiedlich 0.9 MAC Iso1 - Des1 kein signifikanter Unterschied Cluster-Typ 2 Iso1 - Sevo2 signifikant unterschiedlich Des1 - Sevo2 signifikant unterschiedlich Iso2 - Des1 signifikant unterschiedlich Cluster-Typ 1 Iso2 - Sevo2 signifikant unterschiedlich Des1 - Sevo2 kein signifikanter Unterschied 1.1 MAC Iso1 - Des2 signifikant unterschiedlich Cluster-Typ 2 Iso1 - Sevo1 signifikant unterschiedlich Des2 - Sevo1 signifikant unterschiedlich Iso2 - Des1 signifikant unterschiedlich 1.3 MAC Cluster-Typ 1 Iso2 - Sevo2 signifikant unterschiedlich Des1 - Sevo2 signifikant unterschiedlich Cluster-Typ 1 Des1 - Sevo2 signifikant unterschiedlich 1.5 MAC Iso3 - Des2 kein signifikanter Unterschied Cluster-Typ 2 Iso3 - Sevo1 signifikant unterschiedlich Des2 - Sevo1 kein signifikanter Unterschied Tabelle 18 Vergleich der Steigungen der Regressionsgeraden der verschiedenen Cluster-Typen

38

Diskussion

In einer früheren Untersuchung zeigte die Pharmakodynamik der

Inhalationsanästhetika Isofluran, Desfluran und Sevofluran im EEG der Ratte

keine Unterschiede bezüglich der Medianfrequenz [9]. Da aber gleiche

Medianfrequenzen aus sehr unterschiedlichen Powerspektren resultieren

können (siehe Abb.1, S.12), werden durch die Reduktion der EEG-Information

auf eine Größe substanzspezifische Unterschiede möglicherweise maskiert.

Daher war das Ziel dieser Arbeit zu untersuchen, ob sich in den Powerspektren

dieser drei Substanzen in äquipotenter Dosierung in der Ratte Unterschiede

finden lassen, die durch abgeleitete Monoparameter nicht erfasst werden.

1. Bearbeitung der Fragestellung

Bisher wurde eine derartige Fragestellung in keiner früheren Arbeit

abgehandelt. Für den Vergleich von Powerspektren liegt deshalb kein

etabliertes Vorgehen vor. Da es sicherlich nicht sinnvoll wäre, jedes

Powerspektrum einer EEG-Epoche einzeln zwischen den Testsubstanzen zu

vergleichen, wurden in dieser Arbeit mittels Clusterung jeweils typische

Powerspektren für eine Substanz in einer Konzentrationsstufe ermittelt und

diese zunächst visuell auf Ähnlichkeiten untersucht. Eine Objektivierung wurde

mit statistischen Mitteln versucht. Die große Anzahl an Powerspektren pro

Clusterzentroid bedingte jedoch eine hohe Sensitivität des Chi-Quadrat-Tests,

sodass auch augenscheinlich fast identische Powerspektren sich als statistisch

signifikant unterschiedlich erwiesen. Auch der Vergleich der Steigungen der

Regressionsgeraden der Cluster-Zentroide ergab statistisch signifikante

Unterschiede bei sehr ähnlichen Spektren, da die Standardfehler der

Regressionsgeraden sehr klein waren. Die visuelle Untersuchung der Spektren

war daher der statistischen darin überlegen, relevante Unterschiede bzw.

Ähnlichkeiten zu erkennen.

39

2. Ergebnisse der Clusterung im Wachzustand

Vor jeder der drei Versuchseinheiten wurden unter identischen

Ausgangsbedingungen EEGs abgeleitet. Nach der Clusterung der

Powerspektren im Wachzustand konnten zwei Cluster-Typen unterschieden

werden. Dementsprechend fanden sich zwei Zustände mit unterschiedlichen

EEG-Mustern, die in Abb. 38 und 39 exemplarisch gezeigt sind. Ob diese

Unterschiede durch biologisch verschiedene Zustände (Fressen, Bewegungen

oder stilles Sitzen) zustande kommen, bleibt unklar. Wie sich in einer früheren

Arbeit zeigte, können bei bestimmten Rattenarten sogenannte „Absence-

Epilepsien“ beobachtet werden, die sich im EEG als typische spike-and-wave-

discharges (SWDs) (7-11 Hz, 1-45 s Länge, 200-1000µV Amplitude) darstellen

[23]. Das Auftreten und die Anzahl dieser epileptiformen EEG-Veränderungen

korrelierten dabei positiv mit dem Alter der Ratten. Aus dem Gewicht der in

dieser Arbeit verwendeten männlichen Sprague-Dawley-Ratten (509 g +/- 62 g)

kann auf ein ungefähres Alter von 100-165 Tagen geschlossen werden [26].

Damit läge die Wahrscheinlichkeit des Auftretens von Absencen bei bis zu 80

Prozent. Allerdings handelte es sich hier um eine andere Rattenart als in der

Studie von Tenney [23].

Innerhalb einzelner Epochen der Wach-EEGs konnten zwar Veränderungen in

der Frequenz und Amplitude beobachtet werden (Abb. 40), eine sichere

Identifikation von SWDs konnte jedoch nicht erfolgen, ebenso wenig eine

Zuordnung SWD- ähnlicher EEG-Muster nur zu einem der beiden Cluster-

Typen. Da die Absencen typischerweise von wiederholten, kurzzeitigen

Veränderungen im Verhalten der Ratten begleitet sind, müsste zur genauen

Klärung eine videogestützte EEG-Analyse durchgeführt werden.

Wachzustand 1

-100

0

100

µV

Abb.38 EEG-Muster zum Wachzustand 1

40

Wachzustand 2

-200

0

200

µV

Abb.39 EEG-Muster zum Wachzustand 2

-400

0

400

µV

Abb.40 exemplarische Darstellung einer EEG-Epoche mit kurzzeitiger Änderung im Muster

3. Ergebnisse der Clusterung während Narkose

Mit Ausnahme von Desfluran bei 0.9 MAC konnten für die Testsubstanzen in

allen Konzentrationen mindestens zwei Cluster und damit mindestens zwei

typische Powerspektren gefunden werden. Die maximale Anzahl pro Substanz

und MAC-Stufe betrug drei.

Dies lässt darauf schließen, dass sich die Ratten unter der Narkose in

verschiedenen „Zuständen“ befanden. Die Überprüfung der Narkosetiefe durch

klinische Parameter (Reaktion auf Schmerzreiz, Schreckreaktion auf ein lautes

akustisches Signal), wie sie in jeder MAC-Stufe zweimal durchgeführt wurde [9],

ist dabei nicht als alleinige Ursache der unterschiedlichen EEG-Spektren

auszumachen, da auch im pränarkotischen EEG und in den hohen

Konzentrationen substanzunabhängig mehrere Cluster ermittelt werden

konnten.

In allen Narkosestufen konnten einzelne Cluster-Zentroide der drei

Inhalationsanästhetika mindestens einem visuell ähnlichen Cluster-Typ

zugeordnet werden. Insgesamt fielen drei Cluster-Typen auf: Während ein Typ

durch zwei dominierende Frequenzen im unteren Frequenzbereich

gekennzeichnet war, dominierte bei einem anderen Typ nur eine Frequenz.

41

Ein weiteres Muster, das bei 0.4 MAC auftrat, zeigte keine deutliche Präferenz

für eine Frequenz. Ab 1.1 MAC verringerten sich die Unterschiede zwischen

den gefundenen Cluster-Typen bezüglich der Frequenzdominanz im unteren

Frequenzbereich, lediglich die Steigungen der Regressionsgeraden durch die

Cluster-Zentroide differierten zwischen den Typen.

Bei 0.4 MAC existierten zwischen Desfluran und Sevofluran augenscheinlich

keine Unterschiede. Bei beiden Anästhetika waren alle drei Clustertypen zu

finden, wobei sich jeweils der Verlauf der Spektren sehr ähnlich zeigte. Für

Isofluran gab es bei 0.4 MAC nur ein artefaktfreies typisches Spektrum, das

sich ebenfalls bei Desfluran und Sevofluran zeigte (Abb.12, Typ2) so dass

dieser Clustertyp als substanzunabhängig anzusehen ist.

In der Narkosestufe 0.7 MAC zeigten sich zwei Muster, die

substanzunabhängig auftraten. Somit bestehen hier zwischen den

Narkosegasen keine relevanten Unterschiede in den Powerspektren.

Bei 0.9 MAC konnte ein substanzunabhängiger Cluster-Typ ausgemacht

werden. Diesem gehörten alle logarithmierten Spektren von Desfluran an. Auf

den zweiten Cluster-Typ fielen die restlichen Spektren von Sevofluran und

Isofluran.

Unter einer Narkose mit 1.1 MAC wurden zwei Cluster-Typen unabhängig von

der Substanz gefunden.

In den Stufen 1.3 und 1.5 MAC fand sich je ein substanzunabhängiges Muster

(Cluster-Typ MAC 1.3, Abb.28 bzw. Cluster-Typ 2 1.5 MAC, Abb.34); bei 1.3

MAC konnten je ein Cluster von Isofluran und Sevofluran keinem gemeinsamen

Muster zugeteilt werden. In der höchsten Konzentrationsstufe zeigte sich ein

weiterer Cluster-Typ, der nur bei Sevofluran und Desfluran zu finden war.

Sowohl pränarkotisch als auch in den Mac-Stufen wies eine Großzahl der

Spektren einen Peak bei ca. 40 Hz auf, der auch in den Rest-Spektren deutlich

zu erkennen war. Die Ursache hierfür ist unklar.

Eine weiterführende Frage, die sich nun stellt, ist, ob verschiedene Anästhetika

einer Substanzgruppe oder gar unterschiedlicher Substanzklassen, die zu

gleichen EEG-Parametern führen, entsprechend der sogenannten

„Unitaritätstheorie der Narkose“ den gleichen pharmakodynamischen

Wirkmechanismus besitzen. Unter den vielen, in der Anästhesie verwendeten

42

Anästhetika ist die Pharmakodynamik einiger Substanzen bis heute nicht

vollständig geklärt. Während man früher den Hauptwirkmechanismus der

Narkosegase entsprechend der Meyer-Overton-Regel in den Interaktionen mit

den Lipidstrukturen der Zellmembranen sah („lipid theory“) , konnte in den

1970ern durch Franks und Lieb gezeigt werden, dass Zellmembranproteine als

Zielstrukturen fungieren [8]. Erst in den letzen Jahren wurde der aktivierende

und hemmende Einfluss von Narkosegasen auf synaptische Ionenkanäle

bekannt [24]. Allerdings wurde in mehreren Studien gezeigt, dass verschiedene

pharmakologische Effekte durch unterschiedliche Angriffspunkte und

Mechanismen ausgelöst werden, was nicht mit einer Unitarität der Anästhetika

vereinbar ist [3]. Vielmehr ist derzeit wohl von komplexen Effekten und

vielfältigen Mechanismen auszugehen. Aus den Ergebnissen dieser Arbeit ist

zu sagen, dass zwischen den Substanzen Desfluran, Sevofluran und Isofluran

trotz substanzspezifischer Unterschiede in der Ausprägung ihrer Effekte

aufgrund der allenfalls geringen Unterschiede in den EEG-Spektren ein gleicher

Wirkort und sehr ähnlicher Wirkmechanismus zumindest für den EEG-Effekt

vermutet werden kann.

4. Probleme der Analyse von EEG-Signalen

Die Analyse der EEG-Signale mittels FFT-Analyse setzt stationäre Signale

voraus. Allerdings treten im EEG bei höheren Konzentrationen der

Narkosegase nichtstationäre Muster, wie Spikes und burst suppression auf, so

dass die Spektralanalyse nur von begrenzter Aussagekraft ist [9].

Eine Clusteranalyse des Phasenspektrums wurde ebenfalls versucht war aber

nicht erfolgreich, da die Phasenspektren zwar im Einzelfall bei Auftreten von

Burst-Suppression oder Spikes Abweichungen von einer Zufallsverteilung

aufwiesen, nicht aber in der Population.

5. Zusammenfassung und Ausblick

Im Wachzustand fanden wir zwei Zustände mit unterschiedlichem EEG-Muster.

In jeder Narkosestufe konnte mindestens ein substanzunabhängiger Cluster-

Typ gefunden werden.

43

Insgesamt scheinen die Unterschiede in den EEG-Spektren von Isofluran,

Desfluran und Sevofluran in der Ratte trotz statistischer Signifikanz nicht

relevant zu sein. Für Fragestellungen wie diese bedarf es der Entwicklung eines

geeigneten statistischen Tests, der selbst bei einer großen Anzahl von

Powerspektren eine angemessene, relevante Sensitivität besitzt.

Für die Substanzen Isofluran, Desfluran und Sevofluran, bei denen die

Pharmakodynamik keine Unterschiede in der Medianfrequenz im Ratten-EEG

zeigte, ist die Reduktion der EEG-Information auf diesen Mono-Parameter zur

Einschätzung des Narkosezustands anscheinend mit keinem relevanten

Informationsverlust verbunden. Die Verwendung solcher Monoparameter zur

Quantifizierung des EEG-Effekts und zur Überwachung der Narkose ist daher

gerechtfertigt.

.

44

Literaturverzeichnis

1. Bendat J, Piersol AG: Random data. Analysis and measurement

procedures, 3rd edition, Wiley, New York, 2000

2. Campagna JA, Miller KW, Forman SA: Mechanisms of actions of inhaled

anesthetics. N Eng J Med 2003; 348:2110-2124

3. Deady JE, Koblin DD, Eger EI 2nd, Heavner, JE And D’Agoust B :

Anesthetic potencies and the unitary theorie of narcosis. Anesth Analg

1981;60:380-4

4. Eger, EI II: New inhaled anesthetics. Anesthesiology 1994; 80:906-922

5. Fachinformation Desfluran, 2009 Nov; bezogen über www.baxter.de

6. Fachinformation Isofluran, 2008 Jul; bezogen über www.baxter.de

7. Fachinformation Sevofluran, 2010 Jan; bezogen über www.baxter.de

8. Franks NP, Lieb WR: Where do general anaesthetics act? Nature. 1978

Jul 27;274(5669):339-42

9. Ihmsen H, Ph.D., Schywalsky M, M.D., Plettke R, cand. med., Priller M,

cand. med., Walz F, cand. med., Schwilden H, M.D., Ph.D.:

Concentration-effect relations, prediction probabilities (Pk), and signal-to-

noise ratios of different electroencephalographic parameters during

administration of desflurane, isoflurane, and sevoflurane in rats,

Anesthesiology 2008 Feb; 108:276-85

10. Janssen J, Laatz W: Statistische Datenanalyse mit SPSS für Windows,

6.Auflage, Springer, Berlin Heidelberg, 2007, pp 487-512

11. Kalkman CJ, Drummond JC: Monitors of depth of anesthesia, quo vadis?

Anesthesiology 2002; 96: 784-7

12. Karow Th, Lang-Roth R.: Allgemeine und Spezielle Pharmakologie und

Toxikologie, 16.Auflage, Selbstverl. des Verf., 2008, p 493

13. Mazze RI, Rice SA, Baden JM.: Halothane, isoflurane, and enflurane

MAC in pregnant and nonpregnant female and male mice and rats,

Anesthesiology 1985 Mar; 62(3):339-41

14. Merkel G, Eger EI 2nd: A comparative study of halothane and

halopropane anesthesia including method for determining equipotency.

Anesthesiology 1963 May-Jun; 24: 346-57

http://www.baxter.de/



45

15. Rampil IJ: A primer for EEG signal processing in anesthesia.

Anesthesiology 1998 Oct; 89(4): 980-1002

16. Rampil IJ: The electroencephalographig effects of desflurane in human.

Anesthesiology 1991 Mar; 74: 434-439

17. Rampil IJ, King B: Volatile Anesthetics Depress Spinal Motor Neurons,

Anesthesiology 1996; 85(1): 129-134

18. Schneider G: Biosignalverarbeitung: EEG als Narkose-Monitoring,

Anästhesiologie, Klinikum rechts der Isar, München 2008

19. Schwilden H: Concepts of EEG processing: from power spectrum to

bispectrum, fractals, entropies and all that. Best Pract Res Clin

Anaesthesiol. 2006 Mar; 20(1): 31-48

20. Schwilden H, Stoeckel H: The derivation of EEG parameters for

modelling and control of anaesthetic drug effect. In Stoeckel H (editor):

Quantitation, modelling and control in anaesthesia. Thieme, Stuttgart,

1985, pp 160-169

21. Schwilden H, Stöckl H: Untersuchung über verschiedene EEG-

Parameter als Indikatoren des Narkosezustands, Anästh. Intensivth.

Notfallmed. 15 (1980) 279-286, Georg Thieme Verlag, Stuttgart, New

York

22. Striebel HW: Die Anästhesie: Grundlagen und Praxis, 2. Auflage,

Schattauer Verlag, Stuttgart, 2010, pp 108-128

23. Tenney J, Duong T, King J, and Ferris C: fMRI of Brain Activation in a

Genetic Rat Modelof Absence Seizures, Epilepsia, 45(6):576–582, 2004,

Blackwell Publishing, Inc.

24. Torri G: Inhalation anaesthetics: a review, Minerva Anestesiol.

2010;76:215-28

25. Yasuda N, Lockhart SH, Eger EI 2nd, Weiskopf, RB, Johnson, BH, Freire

BA, Fassoulaki A: Kinetics of desflurane, isoflurane, and halothane in

humans. Anesthesiology. 1991 Mar; 74(3):489-498

26. www.sageresearchmodels.com/research-models/outbred-rats/sprague-dawley

http://www.sageresearchmodels.com/research-models/outbred-rats/sprague-

46

Danksagung

Ich danke meinem Doktorvater Herrn Prof. Dr. Dr. H. Schwilden für die

freundliche Überlassung des Dissertationsthemas. Durch seinen fundierten

Unterricht im Rahmen eines Wahlfachs im Vorfeld dieser Arbeit weckte er mein

Interesse an der Thematik und schuf die hierfür notwendige theoretische Basis.

Als fachlich kompetenter Berater für Fragen und Diskussionen stand er mir

stets zur Verfügung.

Besonderer Dank gilt Herrn Dr. H. Ihmsen für seine großartige Betreuung und

sein fortwährendes Engagement, das er dieser Arbeit entgegenbrachte. Seinem

großen Fachwissen und seiner Erfahrung auf dem Gebiet des

wissenschaftlichen Arbeitens ist es zu verdanken, dass diese Arbeit in der

vorliegenden Form entstehen konnte. Ich danke ihm herzlich für seine

Hilfsbereitschaft bei der Ausarbeitung und Umsetzung dieser Arbeit.

Zuletzt möchte ich meinen Eltern danken, die mich in jeder Hinsicht

unterstützten und mir die universitäre Ausbildung und so das Erstellen dieser

Arbeit ermöglichten.

Documents

Aus der Klinik für Anästhesiologie der Friedrich-Alexander ... · PDF fileInaugural-Dissertation zur Erlangung der Doktorwürde der Medizinischen Fakultät ... In a former study