Entrar/Registro  
INICIO ENGLISH
 
MediSan
   
MENÚ

Contenido por año, Vol. y Num.

Índice de este artículo

Información General

Instrucciones para Autores

Mensajes al Editor

Directorio






>Revistas >MediSan >Año 2014, No. 03


Montoya PA, Marañón REJ, Rodríguez AY, Álvarez RCM, Salgado CA
Evaluación de la eficacia de los parámetros del electroencefalograma cuantitativo en la medición del nivel de profundidad anestésico
MediSan 2014; 18 (03)

Idioma: Español
Referencias bibliográficas: 19
Paginas: 309-325
Archivo PDF: 617.20 Kb.


Texto completo




RESUMEN

Introducción: los métodos de medición del nivel de profundidad del efecto hipnótico de los fármacos anestésicos, a partir del análisis cuantitativo del electroencefalograma, necesitan ser perfeccionados y optimizados para garantizar su aplicación eficiente en la práctica clínica.
Objetivo: evaluar los efectos del nivel de profundidad anestésica y de la derivación del registro en los parámetros del electroencefalograma cuantitativo, para garantizar la selección de los parámetros óptimos en la clasificación del nivel de profundidad anestésica.
Métodos: se estudió una muestra de 29 adultos con afecciones abdominales, tratados quirúrgicamente por vía endoscópica, bajo anestesia general. El registro electroencefalográfico se realizó mediante un montaje de 19 canales y el nivel de profundidad anestésica fue cuantificado clínicamente mediante una escala de 8 niveles. Igualmente, los parámetros del electroencefalograma cuantitativo fueron estimados mediante el sistema de análisis del equipo Medicid 5 de Neuronic.
Resultados: el nivel de profundidad anestésica presentó un efecto significativo en los parámetros del electroencefalograma cuantitativo, en los modelos espectrales de banda ancha y estrecha. Entre los parámetros con mayor significación figuraron: el poder absoluto delta, theta, el poder relativo theta y la frecuencia media theta, alpha y total; mientras que en los parámetros de banda estrecha se obtuvo un efecto significativo en todas las derivaciones, con una interacción significativa entre la topografía y el nivel de profundidad anestésica.
Conclusiones: los parámetros del electroencefalograma cuantitativo pueden ser utilizados de forma eficaz en la predicción del nivel de profundidad anestésica, con una mayor resolución en los niveles de clasificación que los utilizados hasta el presente. Asimismo, se confirmó el efecto selectivo de los agentes hipnóticos en las diferentes áreas corticales.


Palabras clave: nivel de profundidad anestésica, electroencefalograma cuantitativo, parámetros del electroencefalograma.


REFERENCIAS

  1. Klaus B, Schneider G, Eder M, Ranft A, Kochs EF, Zieglgänsberger W, Dodt HU. Anaesthesia monitoring by recurrence quantification analysis of EEG data. PLoS One. 2010; 5(1): 8876.

  2. Liu WH, Thorp TA, Graham GS, Aitkenhead AR. Incidence of awareness with recall during general anaesthesia. Anaesthesia. 1991; 46(6): 435-7.

  3. Koskinen M. Automatic assessment of functional suppression of the central nervous system due to propofol anethetic infusion from EEG phenomena to a quantitative index [tesis en línea]. Ciudad de Oulu: Universidad de Oulu; 2006. p. 21-6 [citado 3 Dic 2012]. Disponible en: http://herkules.oulu.fi/isbn95142817 56/isbn95 14281 756.pdf

  4. Rampil IJ. A Primer for EEG signal processing in anesthesia. Anesthesiology. 1998; 89(4): 980-1002.

  5. Sinha PK, Koshy T. Monitoring devices for measuring the depth of anesthesia: an overview. Indian J Anesth. 2007; 51(5): 365-75.

  6. Anderson RE, Jakobsson JG. Cerebral state monitor, a new small handheld EEG monitor for determining depth of anaesthesia:a clinical comparison with the bispectral index during day-surgery. Eur J Anaesthesiol. 2006; 23(3): 208-12.

  7. Jensen EW, Litvan H, Revuelta M, Rodriguez BE, Caminal P, Martinez P, et al. Cerebral state index during propofol anesthesia: a comparison with the bispectral index and the A-line ARX index. Anesthesiology. 2006; 105(1): 28-33.

  8. Maitre PO, Buhrer M, Shafer SL, Stanski DR. Estimating the rate of thiopental bloodbrain equilibration using pseudo steady-state serum concentrations. J Pharmacokinet Biopharm. 1990; 18(3): 175-87.

  9. Johansen JW, Sebel PS. Development and clinical application of electroencephalographic bispectrum monitoring. Anesthesiology. 2000; 93(5): 1336- 44.

  10. Berkenbosch JW, Fichter CR, Tobias JD. The correlation of the biespectral index monitor with clinical sedation scores during mechanical ventilation in the pediatric intensive care unit. Anesth Analg. 2002; 94(3): 506–11.

  11. Horn B, Pilge S, Kochs EF, Stockmanns G, Hock A, Schneider G. A combination of electroencephalogram and auditory evoked potentials separates different levels of anesthesia in volunteers. Anesth Analg. 2009; 108(5): 1512-21.

  12. Al-Kadi MI, Reaz MB, Ali MA. Evolution of electroencephalogram signal analysis techniques during anesthesia. Sensors (Basel). 2013; 13(5): 6605–35.

  13. Nicolaou N, Hourris S, Alexandrou P, Georgiou J. EEG-based automatic classification of 'awake' versus 'anesthetized' state in general anesthesia using Granger causality. PLoS One. 2012; 7(3): 33869.

  14. Sellers KK, Bennett DV, Hutt A, Frohlich F. Anesthesia differentially modulates spontaneous network dynamics by cortical area and layer. J Neurophysiol. 2013; 110(12): 2739-51.

  15. Lee U, Ku S, Noh G, Baek S, Choi B, Mashour GA. Disruption of frontal-parietal communication by ketamine, propofol, and sevoflurane. Anesthesiology. 2013; 118(6): 1264-75.

  16. Hayashi K, Mukai N, Sawa T. Simultaneous bicoherence analysis of occipital and frontal electroencephalograms in awake and anesthetized subjects. Clin Neurophysiol. 2014; 125(1): 194-201.

  17. Kamei S, Morita A, Serizawa K, Mizutani T, Hirayanagi K. Quantitative EEG analysis of executive dysfunction in Parkinson disease. J Clin Neurophysiol. 2010; 27(3): 193–9.

  18. Hayashi K, Sawa T, Matsuura M. Anesthesia depth-dependent features of electroencephalographic bicoherence spectrum during sevoflurane anesthesia. Anesthesiology. 2008; 108(5): 841-50.

  19. Nicolaou N, Georgiou J. Neural network-based classification of anesthesia/awareness using Granger causality features. Clin EEG Neurosci. 2013. Jul 1.



>Revistas >MediSan >Año2014, No. 03
 

· Indice de Publicaciones 
· ligas de Interes 






       
Derechos Resevados 2019