麻醉深度监测

麻醉深度监测

第二军医大学附属长海医院麻醉科(上海 200433) 邓小明 万小健

1麻醉深度的概念

何谓麻醉深度？如何正确判断麻醉深度？类似问题从1846年Morton医师公开示范乙醚麻醉获得成功以来一直深受临床关注，对其正确内涵的定义也始终颇有争议。早期由单一乙醚麻醉过程所认识的麻醉深度标准伴随乙醚从临床的彻底隐退而失去其临床应用价值，而如何在目前倡导多重药物、多种方法复合的平衡麻醉过程中正确判断麻醉深度多年来始终是临床的一大难题。

据国内外大量的临床资料报道，全麻知晓的发生率随病情的轻重、手术大小、时间长短和麻醉方法及麻醉深度而不同有较大差异，但从相关的研究数据推测，全年大约有数万例手术患者可能遭受全麻知晓这一医源性伤害，受累患者出现创伤性精神症状。其原因与术中全麻深度浅、术中全麻深度的连续性不够、全麻期间相对浅镇静、深镇痛和深肌松现象以及缺乏监测全麻深度的客观指标等高度相关。

2 麻醉深度的临床体征

在全身麻醉的过程中，监测麻醉深度的基本方法是观察病人的呼吸、循环、眼、皮肤、消化道、骨骼肌张力变化等体征。这些方法简单易行，无须特殊仪器，但是这些体征受药物、手术刺激、原发疾病等的影响较大。如，麻醉深度适当时瞳孔中等偏小，麻醉过深或过浅均使瞳孔扩大，麻醉很深时瞳孔可变为椭圆形。麻醉性镇痛药可使瞳孔缩小，抗胆碱能药物可使瞳孔散大。浅麻醉时瞳孔对光反射较明显，深麻醉时对光反射抑制。

3 警觉/镇静评分（Observer’s assessment of alterness / sedation，OAA/S）

通过观察患者对呼叫姓名和推摇身体的反应程度、面部表情、眼部表现等评定，5分为清醒，3分为浅睡，1分为深睡。该评分主要评定苯二氮卓类药物的中枢神经系统效应，并不能全面评价麻醉深度。

4 前臂孤立技术（isolate forearm technique）

患者在使用肌松剂前用止血带阻断上肢血流,观察麻醉中前臂的指令性运动。此可被看成为最可靠的防止术中知晓的技术，但其使用时间有限，只能短期使用。

5 食管下段收缩性监测

食管下段收缩性(LEC)用于麻醉深度监测是Evans最先提出的。除原发性蠕动外，食管下段的继发性蠕动、自发性收缩与麻醉深度有关。研究表明，手术刺激越强，LEC就越大、越多。多数静脉或吸入麻醉药能抑制自发性食管下段收缩,而继发性食管下段收缩的波幅随麻醉深度加深逐渐降低，这可能是麻醉药抑制了食管的运动中枢迷走神经背核和其附近的网状活动中心，也可能直接作用于食管肌间神经丛。但个体差异和药物作用可影响LEC的结果。此监测技术能否用于临床麻醉深度监测目前尚有争议。

6 眼球震颤

正常人眼一般平均以100Hz的频率颤动，颤动的幅度很小。眼球颤动是由脑干的凝视控制机制对眼外肌群不断调节的结果。在硫喷妥钠麻醉下眼震颤的频率和幅度降低。但此法需暴露眼球与传感器接触，使用不当可能引发局部严重并发症。

7 手指动脉压

由捷克人JanPenaz于1973年报道，其原理就是在中指的中节包裹一个小型“袖带”，其内侧面与指动脉相对应的位置安置一个红外光发生器和接收器，根据后者所测得的指容波由侍服电路调整“袖带”内的压力，使之与动脉内压力变化始终一致，这时“袖带”内压即等于指动脉内压，经研究与上臂袖带法相关性很好。浅麻醉血管收缩时，手指比上臂的收缩压一般高7 mmHg，但有时也可高出20～40 mmHg，舒张压则低9～10 mmHg，深麻醉血管舒张时相反，一般情况下两者接近。或许用两者差值可反映麻醉深度，但尚需进一步研究。 8 皮肤电阻

有许多方法可测量皮肤的电阻或传导性。在应激反应时交感神经兴奋，汗腺分泌增加，皮肤电阻迅速下降，因此可反映麻醉深度。但有以下缺点使其可靠性较差：①静止情况下的个体差异很大；② 一次汗腺分泌之后在皮肤表面积聚时间较长，所以对短时间内的变化灵敏性差；③ 因电极的设计和安放位置不同使电极和皮肤间的电阻各异，从而影响总的测量结果；④ 皮肤破损可使皮肤电阻显著降低；⑤ 抗胆碱能药物的影响。

9 唾液cGMP含量分析

Engelhardt等首次通过将唾液中的cGMP的含量变化与麻醉深度监测相联系，结果表明：唾液中的cGMP含量变化与麻醉变化一致，随麻醉深度加深，唾液中的cGMP的含量增加，但目前仍未得出科学的量化指标，并且其存在非即时性、连续性观测，因此尚未应用于临床。 10 心率变异性（heart rate variability，HRV）监测

创伤、应激、麻醉药物等多种因素均可作用于病人的自主神经系统导致交感、副交感功能及均衡性的显著改变，HRV分析方法为麻醉医师深入了解围术期自主神经活性与均衡性的改变及其与各种因素的互动关系提供了一种新的定量手段。

11 脑电图（electronencephalogram，EEG）

计算机技术的发展和傅立叶分析在信号处理领域的有效应用，使人们尝试将EEG的频域分析用于麻醉深度的监测。首先将含有不同麻醉水平信息的EEG片段进行快速傅立叶变换，将各频率下的幅度值的平方作为功率的幅度，这样可得到脑电片段以频率为横坐标的功率谱，将每片段EEG功率谱分析所得的横坐标为频率的曲线图随时间的推移在纵坐标上叠加起来，称为麻醉脑电的压缩谱阵(compressed spectral array)。在此基础上，又提出了频域脑电图的数量化指数方法。常用的指数有边缘频率(spectral edge frequency, SEF)、中心频率(median power frequency, MPF)、δ比率(δ ratio)和双谱指数等监测指标(bispectral index，BIS)。

BIS用于全麻意识恢复的判断，具有一定的实用意义。BIS值低于65时在50 s内意识

恢复的可能性不到5%，没有一个对指令有反应的病人能回忆起这段情节。当BIS上升超过60时，意识恢复是同步的，BIS大于80时，50％以上的病人能唤醒。BIS大于90时，几乎所有病人都可唤醒。Glass等的研究也同样表明，BIS可较好地反映丙泊酚在不同血药浓度时病人的意识和记忆力的变化。

12 脑电熵(entropy of the EEG)的监测

近似熵是一种有效的统计方式，其通过边缘概率的分布来区分各过程。其特点是具有较好的抗干扰和抗噪的能力；对随机信号或是确定性信号都可使用；较适合用来分析生物信号。目前Datex-Ohmeda熵模块(M-Entropy)在欧洲已有应用。该模块可以计算近似熵(estimate of the entropy of the EEG, EE)。EE是基于Kolmogorov-Sinai原理对脑电图规律的数据的量化。M-Entropy模块提供两个熵的值：状态熵（state entropy，SE）和反应熵(response entropy，RE)，它们从特定的频率范围计算而来，值变化范围为0～100。SE从0.8Hz～32Hz（主要是脑电部分）频率谱计算而来，主要反应皮层的功能。反应熵从0.8Hz～47Hz的（包括脑电和面肌电部分）频率谱计算而来，当肌电图等于0时，RE等于SE，反之总是高于SE。在一个未肌松的镇痛不足病人，肌电图活动总是在脑电活动变化之前增加，从而导致RE在SE变化之前增加。

13 Narcotrend麻醉深度监护仪

Narcotrend分级监测是由德国Hannover大学医学院一个研究组开发的脑电监测系统。Narcotrend能将麻醉下的脑电图进行自动分析并分级，从而显示麻醉深度。这种思想来源于1937年Loomis等对人类睡眠期间脑电变化的系统描述，他们将脑电的变化分为5个级别A-E加以区分。1981年Kugler扩展了Loomis的分级，定义了若干亚级别并应用到麻醉下脑电图的分级中。2000年Schultz等开始使用带有亚级别A、B0-2、C0-2、D0-2、E0-2和F0-2的分级系统对不同吸入和静脉麻醉药下的脑电图进行视觉分析分类，并把这种分级称为Narcotrend分级。后来又发展了Narcotrend脑电自动分级系统，使之在临床应用成为可能，研究表明原始脑电图的视觉分级和自动分级之间的相关性高达92%。最新的Narcotrend软件（4.0版本）已经将Narcotrend脑电自动分级系统转化为类似BIS的一个无量纲的数值，称为Narcotrend指数，范围为0～100，临床应用更加方便。

14 诱发电位（evoke potential，EP）

研究表明，听觉诱发电位指数（auditory evoked potential index，AEPi）和BIS可作为鉴别意识状态和镇静深度的有效指标。Gajraj等的研究显示意识消失时，AEPi的阈值是37时，特异度为100%，灵敏度为52%；BIS为55时，特异度100%，灵敏度仅15%。意识恢复后1min的BIS均值与意识恢复前1min并非全有显著性差异，但AEPi在意识存在下的最低值高于意识消失时的最高值。在苏醒过程中，AEPi更能反映病人由无意识向有意识的转换。随着临床研究的深入，听觉诱发电位在麻醉深度监测中有可能得到更加广泛的应用。 15 肌电图

额肌电能探测病人在皱眉前的额肌亚临床活动。在未用肌松药的情况下额肌电波幅（7~12u为深麻醉，25~30u为浅麻醉，仍尚属适当，大于30u为麻醉过浅，觉醒时为40u以上）是判断麻醉深度的有用指标，尤其对判断麻醉过浅更为可靠。其最大缺点是受肌松药的抑制，但因面肌对非去极化肌松药的敏感程度较差，在能使手完全麻痹的肌松药剂量下，额肌尚能保留50％的反应性，故在肌松药剂量不大时仍可应用，不过必须同时监测肌松程度，且标准难掌握。

16人工神经网络（artificial neural networks，ANN）

ANN麻醉深度监测是根据EEG的4个特征性波形α、β、γ、δ的平均功率作为参数，加上血流动力学参数如血压、心率及MAC表示的麻醉药剂量等参数数据，利用AR模型、聚类分析和Bayes估计理论，最终形成ANN参数代表麻醉深度。Ranta发现其敏感度为23%，特异性为98%，预测概率为0.6~0.66，其临床使用的可信性仍有待于进一步证实。 17 结语

由于麻醉深度概念及全身麻醉机制的模糊，加上临床病人个体差异的影响，目前尚无一种可以说是理想的麻醉深度监测方法，有关麻醉深监测的道路可谓“路漫漫其修远兮”，在今后相当长的时期内需要基础和临床多学科的深入研究。