麻醉深度怎么监测？

2021-10-20 09:02

近年来陆续有些新监测手段和方法应用于临床麻醉中，其稳定性和适用性等尚未深入研究，仍需经临床实践进一步验证，这些方法的引入为临床麻醉深度监测提供了广阔的应用前景。

转载来源：麻醉学术在线

术中麻醉深度的精确监测和判断已成为临床麻醉医师高度关注和亟待解决的一项难题。全身麻醉是一种特殊而复杂的状态，包括镇静催眠、记忆缺失、镇痛、应激抑制和肌肉松弛等多方面因素，并历经全麻诱导、维持及苏醒的全过程，在整个过程中均通过使用麻醉药物来控制。

不同手术方式、不同人群及不同程度的术中刺激对麻醉药物反应性亦不同。麻醉药物用量不足造成的麻醉深度过浅，容易导致血流动力学波动、术中知晓和体动等不良反应，使手术无法顺利进行；麻醉药物过量造成的麻醉过深则对呼吸系统、循环系统在内的生命器官功能出现严重抑制，缺血缺氧，严重的可能导致患者脑功能损伤，危及生命。

因此，术中麻醉深度监测既有利于控制麻醉质量，又可利用最少的麻醉药物达到最佳的麻醉效果，缩短术后苏醒时间。

临床常用的监测方法

1、生命体征监测麻醉

生命体征监测麻醉是指借助药物等方法而产生的全身或局部感觉（特别是痛觉）的消失及记忆遗忘状态。stanski等定义麻醉深度为对刺激无反应的可能性，针对刺激强度调整，抑制反应的困难以及药物诱导的无反应的可能性。

一般情况下，对麻醉深度的判断，主要是依据患者对全麻药的反应，其表现特征主要包括镇痛、意识、呼吸、循环、骨骼肌张力、眼动反射等。在1996年前尚无一种灵敏度高、特异性强且不易受麻醉药或生理状态影响的方法来判断患者的麻醉深度。

随着近年来脑电监测技术的发展，脑电双频指数（BIS）和听觉诱发电位指数是公认能较好监测大脑皮质功能状态及变化的方法，可作为常用且可靠的麻醉深度监测方法应用于临床。

2、BIS

BIS是在脑电图（EEG）频率谱和功率谱的基础上增加对位相和谐波的非线性分析得出的混合信息拟合的数字。

BIS是唯一通过美国FDA 批准的麻醉镇静深度监测指标，能较好监测大脑皮质功能状态及其变化，对预测体动、术中知晓以及意识的消失和恢复具有一定的灵敏度，同时可减少麻醉药物用量，是目前以脑电来判断镇静水平和监测麻醉深度的较为准确的一种方法。

BIS值100，清醒状态；BIS值0，完全无脑电活动状态（大脑皮层抑制），一般认为BIS值在85~100为正常状态；65~85为镇静状态；40~65为麻醉状态；<40可能呈现爆发抑制。

BIS与大多数麻醉药物产生的镇静深度具有相关性。在静脉全麻药中，丙泊酚的麻醉深度同BIS值相关性极好，能准确监测单纯丙泊酚麻醉深度。BIS与七氟醚、地氟醚的吸入浓度相关性良好，使用七氟醚麻醉时，BIS监测麻醉深度是可靠的。

但对异氟醚的研究发现，BIS与异氟醚吸入浓度无相关性，不能监测异氟醚吸入的麻醉深度。阿片类麻醉性镇痛药物在镇痛浓度下仅有极小的镇静作用，因此对BIS值不产生影响。

丙泊酚持续输注时，瑞芬太尼使用最大剂量也不会改变BIS值。相反，瑞芬太尼可以降低因喉镜插管刺激而引起BIS变化的幅度，而且剂量越大，BIS变化的幅度越小，这表明阿片类药物在无伤害性刺激存在的情况下，与丙泊酚联合使用，对BIS值不会产生影响。

氯胺酮诱导后使BIS下降，但这种下降与患者是否入睡无关，随着氯胺酮剂量的增加，BIS略呈增加趋势。

BIS用于临床麻醉深度监测既有优点但也存在不足。BIS是不影响麻醉深度（无需刺激）的定量指标，可以较好的反应镇静药作用的程度、意识恢复程度和指导手术中麻醉药量的控制。

BIS与镇静／醒觉评分（OAA/S）评分相关性较好，并且BIS比OAA/S更为敏感，同时BIS也存在一定的局限性。BIS最突出的缺点是其阈值在麻醉药物联合应用时并非独立存在，不同联合用药时，BIS值相同并不代表麻醉深度相同，不同患者在不同的麻醉阶段BIS值均会变化。

再者，BIS值受多种因素的影响，如艾司洛尔、外源性的肾上腺素可以使BIS值升高，影响麻醉深度的真实值，即便如此，BIS值仍不失为一个反映大脑皮层功能，反映麻醉深度较好的指标。

但是，BIS值在不同个体应用不同麻醉药物的变化情况及其机制尚不明确，如何更好地使用BIS监测调整麻醉药物用量，维持适当的麻醉深度，仍需进一步的探讨。

3、听觉诱发电位

听觉诱发电位是指声音刺激听觉传导通路经脑干至听觉皮层到达联合皮层的生物电活动，共11个波形，分为３个部分：

1）脑干听觉诱发电位：接受刺激后0~10 ms出现，主要反映刺激传至脑干及脑干的处理过程；

2）中潜伏期痛觉诱发电位（MLAEP）：接受刺激后10~100 ms出现，主要产生于内侧膝状体和初级听皮层；

3）长潜伏期听觉诱发电位（LLAEP）：接受刺激后100 ms后产生，主要反映前额皮质的神经活动。

MLAEP与大多数麻醉药剂量呈依赖性变化，适用于麻醉镇静深度的检测。采用外源输人自回归模型（ARX），将AEP进行量化，转换为一个与麻醉深度成正比，由0~100分度的ARX联指数（A-LineARX-Index,AAI），从AEP的提取到转化为指数，整个过程均被纳入A-Line软件包，分析时间仅需2~6 s，它更能实时、快速地监测麻醉深度，2000年AAI监护仪通过欧洲ICE601标准鉴定，正式进入临床使用。

全麻是由镇静、镇痛、肌松和抑制伤害性反射４部分构成，AAI基本能满足这一要求。临床上AAI60~100为清醒状态；40~60为睡眠状态；30~40为浅麻醉状态；30以下为临床麻醉；（20±5）为记忆完全消失状态。

在麻醉苏醒期AEP指数突然升高表明其能监测唤醒中枢活动，它比BIS更敏感，反映速度更快，尤其在诱导期和苏醒期。AEP根据神经电生理指标设计，因此与麻醉药本身并无相关性。清醒状态下个体间及个体本身的差异性很小，而且与绝大多数麻醉药（氧化亚氮、氯胺酮、地西泮除外）呈剂量相性变化。

在纤维结肠镜检查术患者中，使用AAI评价复合低剂量芬太尼和丙泊酚的麻醉效果时，发现纤维结肠镜插入出现阳性反应患者的AAI均明显高于阴性反应者；患者体动前的AAI均明显低于体动后。

说明丙泊酚靶控输注镇静时AAI能够准确反映患者的镇静深度变化。AEP可作为全麻中大脑皮质信息处理和认知功能状态的敏感指标，术中知晓和麻醉深度不足均能被记录，复合判断麻醉深度的标准。

AEP既可综合反应全身麻醉深度，也可预测体动和对伤害性刺激的反应。听觉是麻醉时最后消失的一个感觉，也是清醒时恢复的第一个感觉，视觉和体觉很容易被麻醉药物所抑制，因此AEP可用于预测体动反应。

AAI预测体动反应的概率，七氟醚是0.91，丙泊酚是0.92。动物实验也表明AAI能及时监测对疼痛等伤害性刺激的反应。AAI反映了皮层兴奋性和皮层下结构包括脊髓和脑干的兴奋程度，涵盖了切皮、插管等伤害性刺激的上传径路，此特点使得它作为机体对伤害性刺激反应的指标更为可靠。

AEP在临床应用的准确性已获认可，可根据AEP值的变化来调整静脉麻醉药物和吸入麻醉药物的用量，但从已有文献来看，其测定值的特异性和灵敏度均达不到100％，主要是监测仪使用环境要求较高，有些不足之处，如受肌肉活动、人为移动、术中电刀干扰等，以及与氯胺酮等一些麻醉药的不相关性很大程度的限制了其临床应用；

需给予听觉刺激，对于听力障碍者并不适用。BIS与AEP的比较鉴于BIS和AEP目前是临床上较常用的两种麻醉深度监测方法，因此我们将AEP与BIS进行了比较。

AEP与BIS用于监测麻醉深度的主要区别在于：BIS与麻醉中的镇静催眠程度有关，它是一个监测镇静的良好指标；而AEP能提供手术刺激、镇痛、镇静催眠等多方面的信息。当大量使用镇痛药后，BIS难于预测体动，在这种情况下，只有AEP才能全面反映麻醉深度，预测体动和术中知晓。

近来的研究表明，尽管BIS及AEP均具有一定的精确性，但是经Spearman相关性分析，BIS与丙泊酚效应室浓度的相关性优于AAI。BIS与测得的稳态丙泊酚血药浓度的相关性明显高于听觉诱发电位指数，这是由于对信号处理过程的不同所造成的。

尽管AAI是描述中潜伏期诱发电位的峰度和潜伏期的，但是与BIS比较，AAI并不能给出丙泊酚效应室浓度的线性相关性。

近年来，随着脑电监测技术及多种数学分析方法的发展和应用，除上述两种较为常用的麻醉深度监测方法外，还有其他一些较新的监测技术和方法。但由于这些方法在稳定性、操作性和适用性等方面存在不足，目前尚未广泛应用于临床监测，但为临床麻醉监测提供新思路和方法，仍有广阔的应用前景。

4、Narcotrend麻醉深度监护仪

Narcotrend来源于自发性脑电的活动，利用多参数统计，经微机处理，形成的6个阶段，即A、B0~2、C0~2、D0~2、E0~2、F0~1和14个级别的量化指标，并同时显示α、β、γ、δ波的功率谱变化情况和趋势。

阶段A是清醒状态，B是镇静状态，C是浅麻醉状态，D是常规普通麻醉状态，E是深度麻醉状态，F是脑电活动的消失。瑞芬太尼在烧伤患者手术中的麻醉效果时使用Narcotrend进行麻醉深度评价，发现Narcotrend可用于麻醉深度和镇静水平的判断。

经多中心临床研究表明，Narcotrend是一种可信性较高的新型麻醉深度监测仪。临床上，已应用于静脉麻醉药物丙泊酚、依托咪酯、硫喷妥钠和吸入麻醉药氟烷、恩氟醚、地氟醚、七氟醚的麻醉监测。但对于复合麻醉的麻醉深度监测研究很少，有待进一步探索。

患者状态指数是临床上新型的镇静监测方法，通过收集4道EEG信息，实时诊断EEG波形，并提供量化的值（0~100）。目前投入临床使用的PSI检测仪器是PSI4000，它可提供2个交互可视窗口，将4道EEG信息实时诊断，以不同的颜色表示患者PSI，每2.5秒更新一次读数，每6.4秒更新一次趋势显示。

Soehle等研究发现，麻醉的诱导与维持中对于意识的丧失与苏醒，静脉与吸入麻醉药的给予均有很好的指示作用，BIS反应更为灵敏，但PSI较BIS在信号采集能力与抗干扰的能力上更胜一筹。

虽然PSI和BIS均来自EEG中采集信号并对其进行分析，但就已有的文献来看，PSI在临床监测中较BIS更稳定，而有关PSI的优缺点还有待进一步研究。

5、熵指数

熵的概念于1949年首次定义。医学上又称为平均信息量，常用于脑电等生物电的采集和处理。熵指数是通过患者前额的３个电极的传感器来采集原始EEG和肌电图（EMG）的信号，通过熵运算公式和频谱熵运算程序计算得出，可分为反映熵（RE）和状态熵（SE）。

SE反映皮层活动，用于催眠评估，其主要衡量低频，即EEG信号为0~32 Hz；而RE则衡量低频加高频（0~47 Hz），主要为额肌EMG。SE值为0~99，RE值为0~100，可进行临床手术的麻醉深度数值在40~60较为适宜。EEG活动与肌肉活动相分离特性提供了所探测到的活动的即时信息，并减少误差的危险。

在全麻期间，如果麻醉适宜，RE和SE是相等的。如果监测结果分离，可能由于面部肌肉的活动，例如疼痛刺激，人们就可通过RE非常快速的探测到此种变化。

熵指数可量化麻醉深度，可用于指导麻醉药用量，使麻醉用药能根据患者需要达到个体化；还可预测患者的麻醉恢复；减少术中知晓的发生；抗电刀等干扰能力也更强。

其不足在于：频繁的眼运动、咳嗽和体动会引起熵的假象和干扰测定，癫痫也可以引起干扰。当患者有神经功能异常、神经肿瘤等情况时，进行监测时可出现熵与患者实际情况不符的现象。具有神经、精神作用的药物也可引起与熵值不符的现象。

6、脑电信号的复杂度分析法

复杂度是近几年出现的一种非线性动力学分析方法，而脑电正是一种非平稳信号，所以复杂度的分析方法非常适合于脑电的处理。脑电序列的复杂度表现了EEG序列的随机程度，即大脑神经元处理信息活动的有序程度，反映了决定这段EEG序列信息量的大小。

复杂度算法简单、易于实现，而且计算速度很快；只需较短时间的数据就能得到稳定值，因而非常适合临床麻醉的实时监测。

只需对EEG信号进行复杂度动态分析即可满足麻醉深度监测要求；并且复杂度计算简便，可为临床麻醉深度实时监测提供一个新途径，是一种具有前景的监测方法。但由于现阶段试验方法的局限性，更确切的结论和应用有待进一步深入研究。

7、人工神经网络人工神经网络（ANN）

ANN监测麻醉深度是近年来发展起来的脑电分析技术，根据EEG的4个特征波形α、β、γ、δ的平均功率作为EEG的谱特征参数，再加上血流动力学参数如BP、HR以及MAC表示的麻醉药物剂量等数据，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。

8、脑状态指数脑状态指数（CSI）

CSI是临床用于监测患者意识状态的一项指标，可反映患者的镇静程度和麻醉深度，其原理是每秒测量2000次脑电活动，将EEG的子参数输入电脑自适应的神经模糊推论系统，计算出CSI，并以0~100之间数字显示出来，数值越大表示越清醒，反之则提示大脑皮质的抑制愈严重。

在择期行腹腔镜胆囊切除手术患者麻醉维持中采用靶控输注丙泊酚和瑞芬太尼过程中，观察到CSI能够及时准确反映患者苏醒期不同意识水平的变化，并具有良好的相关性。以上研究均表明，CSI可代替血药浓度和MOAA/S作为丙泊酚麻醉时麻醉深度的判断指标。

患者术中麻醉过程主要是借助麻醉药物而产生的全身或局部感觉消失及记忆遗忘状态，以确保手术的顺利进行。麻醉时通过引起可逆的中枢神经系统抑制和兴奋，从而达到意识消失和镇痛的目的，而脑电是皮质锥体细胞顶树突产生的树突电位与突触后电位的总和，它直接反映出中枢神经系统的活动。

因此，脑电技术顺理成章地成为监测麻醉深度的最佳手段之一。理想的麻醉深度监测方法应具有以下特点：能持续、实时和无创地显示麻醉深度的变化；能很好地反映麻醉药物浓度的变化；反映手术刺激的及时变化；不依赖于所使用的麻醉药物；简单实用，不易受各种干扰，适合手术室使用等。

脑电的许多时域、频域参量都曾被用来监测麻醉深度，其中最为成功的方法是BIS和听觉诱发电位指数。这两种方法根据人类神经生理特点设计，能够快速地反应患者意识消失和恢复情况，作为麻醉深度监测指标具有较好的优势。

不感兴趣

看过了

取消

免责声明· 我要投稿

麻醉,BIS,监测,深度,患者

打赏

剩余70% 认证后阅读全文

阅读全文

不感兴趣

看过了

取消

精彩评论

点击查看更多评论

姓名：
邮箱：
意见内容：
	还可输入500字

您的申请提交成功

麻醉深度怎么监测？

精彩评论

相关解决方案

相关推荐

健康界峰会

中国医院排行榜

全国医院擂台赛

公众号矩阵

关注我们

热门产品

您的申请提交成功

您的申请提交成功