OSA睡眠脑电的振荡与网络连接特征模式研究

摘要

研究目的:
　　阻塞性睡眠呼吸暂停低通气综合征（Obstructive Sleep Apnea-hypopnea Syndrome，OSA）是一种睡眠障碍疾病，常伴随着心脑血管疾病的发生，严重损害患者的身心健康和认知功能。多导睡眠监测（Polysomnogram，PSG）是目前临床检测OSA的常用手段，但PSG在描述OSA睡眠障碍的内在机制方面存在局限性。因此，本论文在OSA患者PSG监测的基础上，以OSA多通道睡眠脑电（Electroencephalographs，EEGs）为研究对象，定量研究OSA患者在不同睡眠期EEGs神经振荡的异常模式，进而探索OSA睡眠EEGs网络的连接缺损机制，为OSA的临床诊断、治疗和发病机制研究提供新的研究思路和技术支持。
　　研究方法:
　　1.受试者分组
　　制定OSA入组标准，OSA组由10名符合入组标准的OSA患者组成，正常对照（Control）组由10名正常受试者组成，两组受试者在年龄、性别、教育程度上相匹配。所有受试者均来自天津医科大学总医院呼吸科睡眠诊疗中心。
　　2. PSG指标
　　两组受试者 PSG监测指标如下：呼吸暂停低通气指数（Apnea/Hypopnea Index，AHI），氧饱和度低于90%的时间占监测时间的百分比（Percent of Time in Saturation Lower90%，%TST<90%），最低血氧饱和度（Minimal Pulse Oxygen Saturation，minSaO2），平均血氧饱和度（Average Oxyhemoglobin Saturation， meanSaO2），氧减指数（Oxygen Desaturation Index，ODI），微觉醒指数（Arousal Index，AI）。
　　3.记录睡眠EEGs
　　记录每名受试者在5个睡眠期：闭目清醒期（Wake Period，W）、睡眠Ⅰ期（Non-REM Sleep Stage1，N1）、睡眠Ⅱ期（Non-REM Sleep Stage2，N2）、睡眠Ⅲ期（Non-REM Sleep Stage3，N3）和快速眼动期（Rapid-eye Movement Sleep Stage，R）有效的16通道EEGs数据，每期各10段，每段数据长为10 s。
　　4.预处理原始记录EEGs数据
　　原始记录EEGs数据去除基线漂移、工频干扰和肌电、眼电、心电造成的噪声和伪迹等。
　　5.研究OSA睡眠EEGs振荡的特征模式
　　应用快速傅里叶变换(Fast Fourier Transform，FFT)方法，计算 OSA组和Control组在5个睡眠期EEGs各个频段（Delta、Theta、Alpha、Beta、Gamma）的平均能量密度，定量描述EEGs在各个频段的神经振荡。统计比较两组EEGs能量密度差异，研究OSA EEGs振荡的特征睡眠期、特征频段和特征脑区。
　　6.研究OSA睡眠EEGs网络连接的特征模式
　　应用频域Granger因果分析方法，计算OSA组和Control组在5个睡眠期EEGs各个频段的定向传递函数（Directed Transfer Function，DTF），定量描述EEGs在各个频段因果网络的连接强度。统计比较两组 DTF连接值差异，研究 OSA EEGs网络连接的特征睡眠期、特征频段和特征脑区。
　　7.统计学分析
　　应用 SPSS22.0统计分析软件对数据进行独立样本 t检验，计量资料用均值±标准误（Mean±SEM）表示，相关性分析采用Pearson直线相关分析。
　　研究结果:
　　1. OSA的PSG指标特征
　　OSA的PSG监测结果显示全夜睡眠过程中的minSaO2、meanSaO2显著低于Control组，%TST<90%、ODI指数及AI指数显著高于Control组，差异具有统计学意义（P<0.05）。
　　2. OSA睡眠EEGs振荡的特征模式
　　（1）OSA在W期Delta频段，额区和中央区的EEGs能量密度比Control组显著增大（P<0.01）；在Alpha频段，顶区和枕区的EEGs能量密度比Control组显著减低（P<0.05）。
　　（2）OSA在N1期Delta频段，额区和中央区的EEGs能量密度比Control组显著增大（P<0.01）。
　　（3）OSA在N3期Delta频段和Theta频段，中央区的EEGs能量密度比Control组显著增大（P<0.05）。
　　3. OSA睡眠EEGs网络连接的特征模式
　　（1）OSA在W期Gamma频段，额区的EEGs平均DTF值比Control组显著增大（P<0.05）；在Gamma频段中央区的EEGs平均DTF值比Control组显著减小（P<0.05）。
　　（2）OSA在N1期Beta频段，中央区的EEGs平均DTF值比Control组显著增大（P<0.05）。
　　（3）OSA在N3期Beta频段，中央区的EEGs平均DTF值比Control组显著增大（P<0.05）。
　　研究结论:
　　1. PSG监测结果提示OSA主要睡眠障碍表现为低氧损伤和睡眠结构紊乱。
　　2. OSA发生睡眠障碍的特征睡眠期为W期、N1期和N3期。
　　3. OSA在W期EEGs的神经振荡在Delta频段增强，在Alpha频段减弱，提示OSA患者在清醒时常处于思睡状态，脑电呈现慢波化，警觉水平下降；OSA在N1期、N3期EEGs的神经振荡在Delta和Theta频段增强，提示OSA在睡眠状态下的EEGs振荡发生慢波化改变，慢波抑制机制丧失，可能与OSA睡眠中唤醒反应能力下降，大脑觉醒功能损伤有关。
　　4. OSA W期EEGs网络功能连接在Gamma频段增强，提示OSA患者清醒状态下脑功能连接代偿性增强，可能为维持注意、警觉等正常脑功能所做的代偿性调节；OSA N1期、N3期 EEGs网络功能连接在Beta频段增强，可能与睡眠呼吸暂停过程中大脑对呼吸肌的调节控制努力有关，反映了 OSA睡眠状态下为弥补感觉运动功能缺陷的代偿机制。
　　5. OSA发生睡眠EEGs振荡异常与网络连接异常的脑区主要集中在额区和中央区，提示OSA睡眠EEGs模式的改变可能与其额区、中央区的结构和功能损伤有关。

目录

声明

缩略语/符号说明

一、前言

1.1论文研究背景

1.2 本论文的研究目的

1.3 本论文的研究内容

1.4 本论文的结构

二、原理与方法

2.1 临床资料

2.2 睡眠脑电数据的采集与预处理

2.3 睡眠脑电能量密度特征分析方法

2.4 睡眠脑电因果连接特征分析方法

2.5 统计学处理方法

三、OSA多导睡眠监测特征

3.1 OSA组和Control组的PSG监测指标

四、OSA睡眠脑电振荡的特征模式

4.1睡眠脑电的预处理

4.2 OSA在睡眠W期的脑电特征振荡模式

4.3 OSA在睡眠N1期的脑电特征振荡模式

4.4 OSA在睡眠N2期的脑电特征振荡模式

4.5 OSA 在睡眠N3期的脑电特征振荡模式

4.6 OSA在睡眠R期的脑电特征振荡模式

4.7 本章小结

五、OSA脑电因果网络连接的特征模式

5.1 OSA在睡眠W期的脑电因果网络连接特征模式

5.2 OSA在睡眠N1期的脑电因果网络连接特征模式

5.3 OSA在睡眠N2期的脑电因果网络连接特征模式

5.4 OSA在睡眠N3期的脑电因果网络连接特征模式

5.5 OSA在睡眠R期的脑电因果网络连接特征模式

5.6 本章小结

六、结论与讨论

6.1 结论

6.2 讨论

七、总结与展望

7.1 论文研究总结

7.2 论文的创新点

7.3 研究工作展望

参考文献

发表论文和参加科研情况说明

综述:基于睡眠脑电的OSA神经振荡模式研究进展

致谢

个人简历