基于静息态脑电图的慢性意识障碍微状态分析

doi:10.3877/cma.j.issn.2095-123X.2025.04.007

目的

通过分析慢性意识障碍（pDOC）患者静息态脑电图微状态特征，探寻pDOC患者特征性电生理标志物。

方法

选取安徽医科大学附属六安医院神经外科自2021年1月至2024年3月收治的23例pDOC患者作为pDOC组，同期纳入于本院体检的17名健康受试者为健康组。收集受试者的静息态视频脑电图资料。通过基于Matlab数学计算平台的EEGLAB工具包进行微状态聚类，分析微状态指标（平均持续时间、出现频率、时间覆盖率）。

结果

2组受试者的微状态A、C和D地形图形态相似，微状态B的地形图形态差别较大。pDOC组微状态B的时间覆盖率（0.37±0.14）高于健康组（0.29±0.10），微状态D的出现频率（2.96±0.75）和时间覆盖率[0.27（0.23，0.42）]均低于健康组[3.36±0.42，0.35（0.30，0.39）]，差异有统计学意义（P<0.05）。

结论

pDOC患者的微状态B地形图呈左右分布，这可能成为判断pDOC及意识障碍程度的电生理标志物。

关键词: 慢性意识障碍, 脑电图, 微状态分析

Objective

To explore the characteristic electrophysiological markers of patients with prolonged disorders of consciousness (pDOC) by analyzing the resting-state electroencephalogram (EEG) microstate features of patients with pDOC.

Methods

Twenty three patients with pDOC admitted to the Neurosurgery Department of Lu'an People's Hospital Affiliated to Anhui Medical University from January 2021 to March 2024 were selected as the pDOC group, and 17 healthy subjects who underwent physical examination in our hospital were collected as the healthy group at the same time. Video EEG data of resting-state were collected. Microstate clustering was performed using the EEGLAB toolkit based on the Matlab mathematical calculation platform, and statistical analysis was conducted on micro-state indicators (average duration, occurrence frequency, time coverage) between two groups.

Results

The microstate topographic maps A, C and D of the two groups were similar, while the topographic maps of microstate B were significantly different. The time coverage rate of microstate B in the pDOC group (0.37±0.14) was higher than that in the healthy group (0.29±0.10), and the frequency of microstate D (2.96±0.75) and time coverage rate [0.27 (0.23, 0.42)] were lower than those in the healthy group [3.36±0.42, 0.35 (0.30, 0.39)], with statistically significant differences (P<0.05).

Conclusions

The microstate B of pDOC patients has a marked left-right distribution, which may serve as an electrophysiological marker for future assessment of pDOC and degree of consciousness impairment.

Key words: Prolonged disorders of consciousness, Electroencephalogram, Microstate analysis

表1 23例pDOC患者的临床特征

Tab.1 Clinical characteristics of 23 patients of pDOC

序号	性别	年龄（岁）	病因	CRS-R^a	随访CRS-R
1	女	73	脑出血	VS	MCS-
2	男	49	脑出血	MCS-	MCS-
3	男	63	脑出血	VS	VS
4	男	43	脑出血	MCS-	MCS+
5	女	62	颅脑外伤	VS	VS
6	女	73	脑出血	VS	MCS+
7	男	67	颅脑外伤	VS	MCS-
8	男	70	脑出血	MCS-	MCS-
9	男	20	颅脑外伤	VS	MCS+
10	男	65	脑出血	MCS-	MCS-
11	女	71	脑出血	VS	VS
12	男	67	脑出血	MCS-	MCS-
13	男	67	脑出血	VS	VS
14	女	79	脑出血	VS	VS
15	女	79	脑出血	VS	VS
16	男	70	颅脑外伤	MCS-	MCS-
17	女	57	脑出血	VS	MCS-
18	男	74	脑出血	MCS-	MCS+
19	男	36	颅脑外伤	VS	eMCS
20	女	74	脑出血	MCS+	MCS+
21	男	77	颅脑外伤	VS	VS
22	男	70	脑出血	MCS-	MCS-
23	女	56	脑出血	MCS-	eMCS

表1 23例pDOC患者的临床特征

Tab.1 Clinical characteristics of 23 patients of pDOC

序号	性别	年龄（岁）	病因	CRS-R^a	随访CRS-R
1	女	73	脑出血	VS	MCS-
2	男	49	脑出血	MCS-	MCS-
3	男	63	脑出血	VS	VS
4	男	43	脑出血	MCS-	MCS+
5	女	62	颅脑外伤	VS	VS
6	女	73	脑出血	VS	MCS+
7	男	67	颅脑外伤	VS	MCS-
8	男	70	脑出血	MCS-	MCS-
9	男	20	颅脑外伤	VS	MCS+
10	男	65	脑出血	MCS-	MCS-
11	女	71	脑出血	VS	VS
12	男	67	脑出血	MCS-	MCS-
13	男	67	脑出血	VS	VS
14	女	79	脑出血	VS	VS
15	女	79	脑出血	VS	VS
16	男	70	颅脑外伤	MCS-	MCS-
17	女	57	脑出血	VS	MCS-
18	男	74	脑出血	MCS-	MCS+
19	男	36	颅脑外伤	VS	eMCS
20	女	74	脑出血	MCS+	MCS+
21	男	77	颅脑外伤	VS	VS
22	男	70	脑出血	MCS-	MCS-
23	女	56	脑出血	MCS-	eMCS

图1 2组受试者的微状态地形图对比A：微状态A地形图组间相似度高并呈前后分布；B：微状态B地形图存在明显差异，pDOC组呈左右分布，健康组呈前后分布；C：微状态C地形图组间存在相似性，呈左额颞-右顶枕分布，D：微状态D地形图组间存在相似性，呈右额颞-左顶枕方向分布

Fig.1 Comparison of microstate topographic maps of two groups

表2 2组受试者的4种微状态指标比较

Tab.2 Comparison of 4 micro-state indicators between the two groups

项目		pDOC组（n=23）	健康组（n=17）	t/Z值	P值
微状态A	出现频率	0.27（0.17，0.40）	0.25（0.13，0.52）	-0.114	0.921
	持续时间（ms）	52.09（44.55，56.47）	56.01（47.86，67.93）	-1.370	0.177
	时间覆盖率	0.015（0.007，0.028）	0.015（0.006，0.038）	-0.485	0.641
微状态B	出现频率	3.07（2.63，3.75）	2.82（2.73，3.14）	-1.710	0.251
	持续时间（ms）	119.18（84.98，141.61）	95.80（77.98，124.06）	-1.456	0.151
	时间覆盖率	0.37±0.14	0.29±0.10	-2.084	0.037
微状态C	出现频率	3.02±0.61	3.21±0.65	-0.885	0.388
	持续时间（ms）	96.00（82.13，122.26）	99.29（90.75，104.38）	-0.542	0.601
	时间覆盖率	0.29（0.26，0.34）	0.34（0.26，0.37）	-1.313	0.196
微状态D	出现频率	2.96±0.75	3.36±0.42	-2.141	0.032
	持续时间（ms）	102.51（81.92，116.99）	97.24（89.12，115.82）	-0.314	0.767
	时间覆盖率	0.27（0.23，0.42）	0.35（0.30，0.39）	-1.999	0.046

表2 2组受试者的4种微状态指标比较

Tab.2 Comparison of 4 micro-state indicators between the two groups

项目		pDOC组（n=23）	健康组（n=17）	t/Z值	P值
微状态A	出现频率	0.27（0.17，0.40）	0.25（0.13，0.52）	-0.114	0.921
	持续时间（ms）	52.09（44.55，56.47）	56.01（47.86，67.93）	-1.370	0.177
	时间覆盖率	0.015（0.007，0.028）	0.015（0.006，0.038）	-0.485	0.641
微状态B	出现频率	3.07（2.63，3.75）	2.82（2.73，3.14）	-1.710	0.251
	持续时间（ms）	119.18（84.98，141.61）	95.80（77.98，124.06）	-1.456	0.151
	时间覆盖率	0.37±0.14	0.29±0.10	-2.084	0.037
微状态C	出现频率	3.02±0.61	3.21±0.65	-0.885	0.388
	持续时间（ms）	96.00（82.13，122.26）	99.29（90.75，104.38）	-0.542	0.601
	时间覆盖率	0.29（0.26，0.34）	0.34（0.26，0.37）	-1.313	0.196
微状态D	出现频率	2.96±0.75	3.36±0.42	-2.141	0.032
	持续时间（ms）	102.51（81.92，116.99）	97.24（89.12，115.82）	-0.314	0.767
	时间覆盖率	0.27（0.23，0.42）	0.35（0.30，0.39）	-1.999	0.046

[1]	Giacino JT, Katz DI, Schiff ND, et al. Practice guideline update recommendations summary: disorders of consciousness: report of the Guideline Development, Dissemination, and Implementation Subcommittee of the American Academy of Neurology; the American Congress of Rehabilitation Medicine; and the National Institute on Disability, Independent Living, and Rehabilitation Research[J]. Neurology, 2018, 91(10): 450-460. DOI: 10.1212/WNL.0000000000005926. Erratum in: Neurology, 2019, 93(3): 135. DOI: 10.1212/WNL.0000000000007382.
[2]	魏微，何江弘，黄勇华, 等. 脑成像技术在意识障碍患者脑功能评估中的应用[J]. 中华神经创伤外科电子杂志, 2022, 8(2): 117-120. DOI: 10.3877/cma.j.issn.2095-9141.2022.02.011.
[3]	杨新宇，彭建文，李辉萍, 等. 脑电非线性分析在卒中后意识障碍的研究进展[J]. 中华脑科疾病与康复杂志(电子版), 2023, 13(3): 185-190. DOI: 10.3877/cma.j.issn.2095-123X.2023.03.010.
[4]	Fox MD, Raichle ME. Spontaneous fluctuations in brain activity observed with functional magnetic resonance imaging[J]. Nat Rev Neurosci, 2007, 8(9): 700-711. DOI: 10.1038/nrn2201.
[5]	闫振杰，吴佩芸，戴尊孝. 精神分裂症患者静息态脑电微状态特征及研究进展[J]. 四川精神卫生, 2023, 36(2): 181-185, 192. DOI: 10.11886/scjsws20221030001.
[6]	王勇，梁振虎，夏小雨, 等. 静息态脑电在意识诊断中的临床应用[J]. 中国生物医学工程学报, 2021, 40(2): 154-162. DOI: 10.3969/j.issn.0258-8021.2021.02.04.
[7]	Lehmann D, Ozaki H, Pal I. Eeg alpha map series: brain micro-states by space-oriented adaptive segmentation[J]. Electroencephalogr Clin Neurophysiol, 1987, 67(3): 271-288. DOI: 10.1016/0013-4694(87)90025-3.
[8]	Khanna A, Pascual-Leone A, Michel CM, et al. Microstates in resting-state EEG: current status and future directions[J]. Neurosci Biobehav Rev, 2015, 49: 105-113. DOI: 10.1016/j.neubiorev.2014.12.010.
[9]	Schiff ND. Cognitive motor dissociation following severe brain injuries[J]. JAMA Neurol, 2015, 72(12): 1413-1415. DOI: 10.1001/jamaneurol.2015.2899.
[10]	Edlow BL, Claassen J, Schiff ND, et al. Recovery from disorders of consciousness: mkechanisms, prognosis and emerging therapies[J]. Nat Rev Neurol, 2021, 17(3): 135-156. DOI: 10.1038/s41582-020-00428-x.
[11]	Gosseries O, Zasler ND, Laureys S. Recent advances in disorders of consciousness: focus on the diagnosis[J]. Brain Inj, 2014, 28(9): 1141-1150. DOI: 10.3109/02699052.2014.920522.
[12]	Mishra A, Englitz B, Cohen MX. EEG microstates as a continuous phenomenon[J]. Neuroimage, 2020, 208: 116454. DOI: 10.1016/j.neuroimage.2019.116454.
[13]	Milz P, Pascual-Marqui RD, Achermann P, et al. The EEG microstate topography is predominantly determined by intracortical sources in the alpha band[J]. Neuroimage, 2017, 162: 353-361. DOI: 10.1016/j.neuroimage.2017.08.058.
[14]	Schwab S, Koenig T, Morishima Y, et al. Discovering frequency sensitive thalamic nuclei from EEG microstate informed resting state fMRI[J]. Neuroimage, 2015, 118: 368-375. DOI: 10.1016/j.neuroimage.2015.06.001.
[15]	李伟海，陶华英. 不同认知功能障碍静息态脑电微状态特征比较[J]. 中华老年心脑血管病杂志, 2024, 26(4): 436-439. DOI: 10.3969/j.issn.1009-0126.2024.04.018.
[16]	Abreu R, Jorge J, Leal A, et al. EEG microstates predict concurrent fMRI dynamic functional connectivity states[J]. Brain Topogr, 2021, 34(1): 41-55. DOI: 10.1007/s10548-020-00805-1.
[17]	Xu J, Pan Y, Zhou S, et al. EEG microstates are correlated with brain functional networks during slow-wave sleep[J]. Neuroimage, 2020, 215: 116786. DOI: 10.1016/j.neuroimage.2020.116786.
[18]	Stefan S, Schorr B, Lopez-Rolon A, et al. Consciousness indexing and outcome prediction with resting-state EEG in severe disorders of consciousness[J]. Brain Topogr, 2018, 31(5): 848-862. DOI: 10.1007/s10548-018-0643-x.
[19]	熊馨，杨鑫亮，罗剑花, 等. 睡眠呼吸暂停综合症患者脑电微状态发生改变[J]. 中国生物医学工程学报, 2023, 42(5): 563-571. DOI: 10.3969/j.issn.0258-8021.2023.05.006.
[20]	Britz J, Van De Ville D, Michel CM. BOLD correlates of EEG topography reveal rapid resting-state network dynamics[J]. Neuroimage, 2010, 52(4): 1162-1170. DOI: 10.1016/j.neuroimage.2010.02.052.
[21]	Lechinger J, Bothe K, Pichler G, et al. CRS-R score in disorders of consciousness is strongly related to spectral EEG at rest[J]. J Neurol, 2013, 260(9): 2348-2356. DOI: 10.1007/s00415-013-6982-3.
[22]	Wu Y, Li Z, Qu R, et al. Electroencephalogram-based brain connectivity analysis in prolonged disorders of consciousness[J]. Neural Plast, 2023, 2023: 4142053. DOI: 10.1155/2023/4142053.
[23]	Onofrj V, Chiarelli AM, Wise R, et al. Interaction of the salience network, ventral attention network, dorsal attention network and default mode network in neonates and early development of the bottom-up attention system[J]. Brain Struct Funct, 2022, 227(5): 1843-1856. DOI: 10.1007/s00429-022-02477-y.
[24]	Schimmelpfennig J, Topczewski J, Zajkowski W, et al. The role of the salience network in cognitive and affective deficits[J]. Front Hum Neurosci, 2023, 17: 1133367. DOI: 10.3389/fnhum.2023.1133367.

[1]	李文琳, 羊玲, 邢凯慧, 陈彩华, 钟丽花, 张娅琴, 张薇. 脐动脉血血气分析联合振幅整合脑电图对新生儿窒息脑损伤的早期诊断价值分析[J/OL]. 中华妇幼临床医学杂志(电子版), 2023, 19(05): 550-558.
[2]	刘云云, 王军, 樊晓彤, 王逸鹤, 周天, 单永治. 立体定向脑电图引导下射频热凝治疗儿童下丘脑错构瘤的疗效分析[J/OL]. 中华神经创伤外科电子杂志, 2024, 10(03): 158-163.
[3]	王如海, 韩超, 于强, 胡海成, 孙菲琳, 杨震. 重型创伤性脑损伤患者术后慢性意识障碍的危险因素及其预测价值[J/OL]. 中华神经创伤外科电子杂志, 2024, 10(02): 78-83.
[4]	冀京雷, 李秀丽, 贾亚男, 冯会敏, 刘丽艳. 改良aEEG评分评估高危足月低体质量新生儿脑损伤的效果分析[J/OL]. 中华神经创伤外科电子杂志, 2023, 09(03): 165-169.
[5]	李青华, 靳晨彦, 王艳军, 庄禹童, 何江弘, 郭文治. 七氟醚与丙泊酚对慢性意识障碍患者全身麻醉期间脑电的影响[J/OL]. 中华神经创伤外科电子杂志, 2023, 09(01): 12-18.
[6]	魏微, 何江弘, 黄勇华, 司娟宁. 脑成像技术在意识障碍患者脑功能评估中的应用[J/OL]. 中华神经创伤外科电子杂志, 2022, 08(02): 117-120.
[7]	景方坤, 李岩峰. 颅脑创伤后慢性意识障碍促醒外科治疗的现状与展望[J/OL]. 中华脑科疾病与康复杂志(电子版), 2024, 14(03): 129-132.
[8]	吴新高, 李伟, 马俊, 刘红, 黄平. 癫痫患者定量脑电图功率谱相关参数与认知功能损伤的相关性研究[J/OL]. 中华脑科疾病与康复杂志(电子版), 2023, 13(05): 304-308.
[9]	杨新宇, 彭建文, 李辉萍, 陶希, 方翠霓, 宋涛. 脑电非线性分析在卒中后意识障碍的研究进展[J/OL]. 中华脑科疾病与康复杂志(电子版), 2023, 13(03): 185-190.
[10]	梁玉兰, 陈亮, 曾令梅. NLR、RDW水平联合振幅整合脑电图在缺氧缺血性脑病患儿的预后研究[J/OL]. 中华脑科疾病与康复杂志(电子版), 2023, 13(02): 84-89.
[11]	丁浩然, 关宇光, 王雄飞, 赵萌, 王静, 王梦阳, 滕鹏飞, 栾国明. 立体定向脑电图引导下多电极立体适形射频热凝毁损治疗药物难治性岛叶癫痫的疗效分析[J/OL]. 中华脑科疾病与康复杂志(电子版), 2022, 12(04): 227-233.
[12]	沈伶俐, 刘晓鸣, 李玮玮, 夏露, 周强. 自身免疫性脑炎患儿视频脑电图监测期间基于共享信息系统的协同干预模式的作用分析[J/OL]. 中华脑科疾病与康复杂志(电子版), 2022, 12(03): 162-166.
[13]	李变, 王莉娜, 桑田, 李珊, 杜雪燕, 李春华, 张兴云, 管巧, 王颖, 冯琪, 蒙景雯. 亚低温技术治疗缺氧缺血性脑病新生儿的临床分析[J/OL]. 中华临床医师杂志(电子版), 2023, 17(06): 639-643.
[14]	王增成, 葛敏, 赵惠君, 袁学伟, 王丽琴. 监测窒息新生儿血清BDNF、S100B及aEEG动态变化及对脑损伤预测价值[J/OL]. 中华临床医师杂志(电子版), 2022, 16(01): 48-53.
[15]	贺晶, 史洁, 林久銮, 孙朝晖, 王海祥, 张冰清, 刘一鸥, 宋宪成, 丰倩, 柏建军, 周文静. 结节性硬化伴难治性癫痫儿童的手术治疗分析[J/OL]. 中华临床医师杂志(电子版), 2021, 15(08): 597-600.

阅读次数

全文

摘要

选择文件类型/文献管理软件名称

选择包含的内容

Microstate analysis of prolonged disorders of consciousness based on resting-state electroencephalogram

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

Microstate analysis of prolonged disorders of consciousness based on resting-state electroencephalogram