Aus der Klinik für Anästhesiologie
der
Friedrich-Alexander-Universität Erlangen-Nürnberg
Direktor: Prof. Dr. med. Dr. h.c. J. Schüttler
Pharmakodynamische Modellbildung anästhesieassoziierter
Veränderungen quantitativer EEG-Variablen und physiologischer
Parameter während Desfluranapplikation bei der Ratte
Inaugural-Dissertation
zur Erlangung der Doktorwürde
der Hohen Medizinischen Fakultät
der
Friedrich-Alexander-Universität
Erlangen-Nürnberg
vorgelegt von
Florian Walz
aus
Lichtenfels
Gedruckt mit Erlaubnis der
Medizinischen Fakultät der Friedrich-Alexander-Universität
Erlangen-Nürnberg
Dekan: Prof. Dr. Dr. h.c. J. Schüttler
Referent: Prof. Dr. Dr. H. Schwilden
Korreferent: Priv.Doz. Dr. Ch. Jeleazcov
Tag der mündlichen Prüfung: 19. Oktober 2011
Meinen Eltern
Inhaltsverzeichnis
Zusammenfassung ........................................................................................................... 1
1. Hintergrund und Ziele ........................................................................................... 1
2. Methoden ................................................................................................................ 1
3. Ergebnisse und Beobachtungen ............................................................................ 1
4. Praktische Schlussfolgerungen ............................................................................. 2
Abstract ............................................................................................................................ 3
1. Background and aims ............................................................................................ 3
2. Methods ................................................................................................................... 3
3. Results and observations ....................................................................................... 3
4. Practical conclusions .............................................................................................. 4
Einleitung ......................................................................................................................... 5
1. Einführung .............................................................................................................. 5
Material und Methoden .................................................................................................. 7
1. Versuchstiere .......................................................................................................... 7
2. Präparation ............................................................................................................. 7
3. Narkose ................................................................................................................... 7
4. Elektroenzephalographie ....................................................................................... 9
4.1 Aufzeichnung und Verarbeitung ........................................................................ 9
4.2 EEG-Parameter ................................................................................................ 10
4.3 Modifikation der spektralen Parameter ............................................................ 12
5. Klinische Parameter............................................................................................. 14
5.1 Schreckreaktion auf einen akustischen Stimulus ............................................. 15
5.2 Schmerzreaktion auf mechanischen Schmerzreiz ............................................ 15
5.3 Prüfung von Lidrandreflex und Cornealreflex ................................................. 15
5.4 Ohrdurchblutung .............................................................................................. 16
5.5 Atemfrequenz ................................................................................................... 16
5.6 Miktion, Defäkation, besondere Verhaltensweisen ......................................... 16
5.7 Aufwachtest nach Schallert .............................................................................. 16
6. Pharmakodynamische Modellbildung ............................................................... 18
6.1 Sigmoide Dosis-Wirkungs-Beziehung ............................................................. 18
6.2 Modellbildung für EEG-Parameter .................................................................. 19
6.3 Modellbildung für klinische Parameter ............................................................ 19
7. Signal-Rausch-Verhältnis und Glättungsverfahren ......................................... 20
8. Statistik ................................................................................................................. 23
Ergebnisse ...................................................................................................................... 24
1. EEG-Veränderungen ........................................................................................... 24
2. Dynamik der aufgezeichneten EEG-Parameter ................................................ 28
3. Klinische Parameter............................................................................................. 29
3.1 Reizantwort auf akustischen Stimulus ............................................................. 29
3.2 Reizantwort auf mechanischen Schmerzreiz ................................................... 30
3.3 Lidrandreflex .................................................................................................... 30
3.4 Atemfrequenz ................................................................................................... 31
4. Pharmakodynamische Modellbildung ............................................................... 32
4.1 Modifizierte Medianfrequenz (mMEF)............................................................ 32
4.2 Modifizierte spektrale Eckfrequenz (mSEF) ................................................... 34
4.3 Approximate Entropie (AE) ............................................................................. 36
4.4 Klinische Parameter ......................................................................................... 38
4.4.1 Reizreaktion auf mechanischen Schmerzreiz ............................................ 38
4.4.2 Reizreaktion auf akustischen Stimulus ..................................................... 40
4.4.3 Lidrandreflex ............................................................................................. 41
4.4.4 Atemfrequenz ............................................................................................ 42
4.4.5 Ohrdurchblutung ....................................................................................... 43
4.4.6 Schallert-Test ............................................................................................ 43
4.5 Korrelation zwischen EEG-Parametern und Reaktion auf mechanischen
Schmerzreiz ............................................................................................................. 44
4.6 Signal-Rauschverhältnis ................................................................................... 46
Diskussion ...................................................................................................................... 48
Literaturverzeichnis ...................................................................................................... 55
Abkürzungsverzeichnis ................................................................................................ 58
Danksagung ................................................................................................................... 59
Lebenslauf ...................................................................................................................... 60
1
Zusammenfassung
1. Hintergrund und Ziele
In der vorliegenden Studie wurden verschiedene elektroenzephalographische Parameter
hinsichtlich ihrer Eignung untersucht, den anästhestischen Effekt von Desfluran an der
Ratte zu quantifizieren. Ziel der Arbeit war einerseits, geeignete Parameter zu
identifizieren und hinsichtlich ihrer potentiellen Verwendbarkeit im Rahmen eines
intraoperativen Narkosemonitorings zu vergleichen sowie andererseits, pharmako-
dynamische Modelle für die entsprechenden Konzentrations-Wirkungsbeziehungen zu
erstellen.
2. Methoden
Sieben ausgewachsene männliche Sprague-Dawley-Ratten wurden in einem
standardisierten Versuchsaufbau mit ansteigenden Konzentrationen von Desfluran
(Maximum 11 Vol.%) narkotisiert. Das Elektroenzephalogramm wurde mittels in die
Schädelkalotte implantierter Elektroden abgeleitet und nach Kanälen getrennt
telemetrisch aufgezeichnet. Neben Medianfrequenz (MEF) und spektraler Eckfrequenz
(SEF) wurde die approximate Entropie (AE) analysiert. Die Spektralparameter MEF
und SEF wurden hinsichtlich der Beeinflussung durch Spikes und Burst suppression
modifiziert. Für alle untersuchten Parameter wurden Konzentrations-
Wirkungsbeziehungen unter Zugrundelegung eines sigmoiden pharmakodynamischen
Modells sowie Signal-Rauschverhältnisse (SRV) berechnet. Ebenso erfolgte die
pharmakodynamische Modellbildung für klinisch-physiologische Parameter wie
Reaktion auf Schmerz und akustische Stimulation, Lidrandreflex oder Atemfrequenz
sowie die Korrelierung von Schmerzreaktion und EEG-Parametern.
3. Ergebnisse und Beobachtungen
Desfluran erzeugte bei allen Ratten eine tiefe Narkose mit Burst suppression und
ausgeschalteter Schmerzreaktion während der höchsten Konzentrationsstufe. Die EEG-
Parameter wiesen dosisabhängig charakteristische Veränderungen auf. Das Auftreten
von Spikes und Burst suppression bei höheren Konzentrationen machte eine
2
Modifikation von MEF (mMEF) und SEF (mSEF) notwendig, um eine monotone
Dosis-Wirkungsbeziehung zu erhalten, während die approximate Entropie unmodifiziert
blieb. Die beobachteten Wahrscheinlichkeiten für die Auslösbarkeit eines Schmerz-
oder Lidrandreflexes ließen sich sehr gut durch eine sigmoide Pharmakodynamik
beschreiben, während die Atemfrequenz nahezu linear abfiel. Das SRV wies bei
mittleren Werten zwischen 1,3 und 4,1 dB keine signifikanten Unterschiede zwischen
den untersuchten EEG-Parametern auf, wobei für mSEF und AE tendentiell höhere
Werte als für mMEF gefunden wurden. Für mSEF waren signifikant weniger
Glättungen erforderlich, um das errechnete SRV zu erhalten.
4. Praktische Schlussfolgerungen
Nach Modifikation für Spikes und Burst suppression erwiesen sich Medianfrequenz und
spektrale Eckfrequenz ebenso wie die unmodifizierte approximate Entropie als geeignet,
eine monotone Beziehung zwischen Desflurankonzentration und anästhetischem Effekt
bei der Ratte wiederzugeben. Bezüglich des Signal-Rauschverhältnisses erwiesen sich
die modifizierte spektrale Eckfrequenz (mSEF) und die approximate Entropie (AE) der
modifizierten Medianfrequenz (mMEF) tendentiell überlegen. Alle untersuchten
Parameter scheinen grundsätzlich für weiterführende Studien zum intraoperativen
Narkosemonitoring geeignet.
3
Abstract
1. Background and aims
In the present work, the suitability of different electroencephalographic parameters to
assess the anesthetic effect of desflurane in rats was investigated. It was the aim of the
study to identify and compare suitable parameters with regard to their possible
applicability in an intraoperative monitoring of anesthetic depth, and to determine
concentration-effect relationships for these parameters by pharmacodynamic modelling.
2. Methods
Seven adult male Sprague-Dawley rats were anesthetized in a standardized experimental
setup with increasing values of desflurane (maximum 11 vol%). The electro-
encephalogram was recorded with electrodes implanted in the skullcap and a telemetric
wireless system. Beside the median frequency (MEF) and the spectral edge frequency
(SEF), approximate entropy (AE) was analyzed. The spectral parameters MEF and SEF
were modified due to occurrence of spikes and burst suppression at higher
concentrations of desflurane. Concentration-effect relationships based on a sigmoid
pharmacodynamic model and signal-to-noise ratios (SNR) were determined for all
investigated parameters. Pharmacodynamic modelling was also performed for clinical
effects like response to noxious or acoustic stimulation, eyelid reflex or breathing rate.
Furthermore, pain reaction and EEG parameters were correlated.
3. Results and observations
Desflurane produced deep anesthesia in all rats with burst suppression and no response
to a painful stimulus at the highest concentration. The investigated electro-
encephalographic parameters showed characteristic alterations depending on drug
concentration. The occurence of spikes and burst suppression at higher concentrations
made a modification for median frequency (mMEF) and spectral edge frequency (mSEF)
necessary to obtain a monotonic concentration-effect relation, whereas the approximate
entropy was unmodified. The observed probabilities for provoking a reaction on painful
4
stimulus or an eyelid reflex showed distinct sigmoid pharmacodynamics, whilst
breathing rate decreased nearly linearly.
There were no significant differences in SNR between the investigated parameters at
mean values from 1.3 to 4.1 dB, although there was a trend to higher SNR values for
mSEF and AE when compared with mMEF. For approaching the calculated SNR,
mSEF required significantly less smoothing than mMEF.
4. Practical conclusions
If modified for occurence of spikes and burst suppression, median frequency and
spectral edge frequency as well as the unmodified approximate entropy were able to
assess a monotonic relationship between concentration of desflurane and anesthetic
effect in rats. Regarding the signal-to-noise ratio, spectral edge frequency and
approximate entropy tended to be better than the median frequency. Generally, all
investigated electroencephalographic parameters seem to be suitable for use in further
anesthesiologic research about monitoring depth of anesthesia.
5
Einleitung
1. Einführung
Die Allgemeinanästhesie oder Narkose ist aus der modernen Medizin und speziell den
invasiven Fachdisziplinen nicht mehr wegzudenken. Wer sich allgemein mit den
Begriffen „Narkose“ und „Anästhesie“ auseinandersetzt, wird zu der überraschenden
Feststellung kommen, daß es auch heute, etwa 160 Jahre nach Entdeckung der Narkose,
weder eine umfassende, allgemeingültige Definition dieses Begriffes noch einen
Konsens darüber gibt, welcher Wirkmechanismus den verschiedenen klinischen
Aspekten einer Narkose zugrunde liegt. Der in den Arbeiten von Meyer und Overton
vor etwas mehr als 110 Jahren erstmals beschriebene Zusammenhang von Lipophilie
und anästhetischer Potenz einer Substanz wird aktuell wieder kontrovers diskutiert,
ohne daß es jedoch zu einem tiefgreifenden Verständnis der molekularen Mechanismen
der Narkose gekommen wäre [18]. Dies erstaunt umso mehr, als sich heute aufgrund
des gewaltigen technischen Fortschritts die narkoseassoziierte Mortalität in Bereichen
bewegt, die statistisch kaum noch nachzuweisen sind [4].
Abhängig vom geplanten chirurgischen Eingriff werden heute eine Vielzahl von
Anforderungen und Zielen an die moderne Narkose gestellt, die über das historische
Ziel des Ausschaltens der Schmerzempfindung hinausgehen. Die klinischen
Hauptaspekte der Narkose können unter den Begriffen Analgesie, Ausschaltung des
Bewußtseins, Amnesie und Muskelrelaxation subsummiert werden.
Die anästhesieinduzierte Bewußtlosigkeit, die auch heute einen wesentlichen Grund für
Ängste der Patienten vor der Narkose darstellt, ist kein Zustand, der vorhanden ist oder
nicht, sondern kann quantitativ abgestuft werden [10]. Komplikationen einer zu flachen
Narkose wie intraoperatives Erwachen (awareness) oder motorische Schmerzreaktionen
sind ebenso unerwünscht wie eine zu tiefe Narkose, die mit steigenden Kosten und
erhöhtem Nebenwirkungsrisiko einhergeht. Der Versuch, die Tiefe von Narkose bzw.
Bewußtlosigkeit zu bestimmen, ist Gegenstand invasiver und nichtinvasiver Methoden
der Anästhesieforschung.
Als unverzichtbares nichtinvasives Instrument zur Charakterisierung von
Wachheitsphasen bzw. Bestimmung von Stadien corticaler Aktivität hat sich in den
6
vergangenen Jahrzehnten die Elektroenzephalographie etabliert. Während in früheren
Zeiten meist einfache physiologische Parameter wie z.B. Schmerz zur Charakterisierung
von Wirkung und Wirksamkeit von Narkotika herangezogen wurden, gewannen in den
letzten Jahren zunehmend anästhesieassoziierte Veränderungen des Elektro-
enzephalogramms (EEG) als Surrogatparameter anästhetischer Wirksamkeit einerseits
aber auch andererseits als unmittelbarer Beleg des Effektes am angenommenen
Zielorgan, dem Gehirn, an Bedeutung.
Unter der Annahme, daß das Zielorgan des Anästhetikums das Gehirn ist, sind diese
EEG-Veränderungen sowohl Indikator für die Bioverfügbarkeit des Anästhetikums im
Zielorgan als auch Ausdruck der Anästhesietiefe.
Diese Überlegung führt dahin, daß auch im humanen Bereich anästhesieassoziierte
EEG-Veränderungen zum Monitoring der Narkose dienen können. Hierbei treten eine
Reihe von Fragestellungen auf:
Wie parametrisiert man das EEG?
Welche Abhängigkeit besteht zwischen EEG-Veränderungen und Konzentration
des Anästhetikums?
Welche Verfahren der Glättung – die ja erforderlich sind, da z.B. spektrale EEG-
Größen immer mit einem relativ großen statistischen Fehler behaftet sind –
werden angewendet?
In den letzten Jahren sind über die klassischen spektralen EEG-Parameter wie
Medianfrequenz (MEF) oder spektraler Eckfrequenz (SEF) hinaus EEG-Parameter
entwickelt worden, die einerseits assoziiert sind mit der nichtlinearen Dynamik
dissipativer Systeme und andererseits die Einbeziehung spezifischer Graphoelemente
wie Burst Suppression oder Spikes beinhalten [15][30]. In der vorliegenden Studie
wurden zwei Spektralparameter (MEF und SEF) zusammen mit der approximaten
Entropie (AE) bezüglich ihrer Eignung untersucht, den anästhetischen Effekt von
Desfluran bei der Ratte zu quantifizieren.
7
Material und Methoden
1. Versuchstiere
Nach Genehmigung durch die Tierschutzkommission (Regierung von Mittelfranken,
Ansbach) wurden für die vorliegende Studie zehn gesunde, männliche, ausgewachsene
Sprague-Dawley-Ratten mit einem Durchschnittsgewicht von 501 61 g durch die
Firma Charles River Wiga GmbH (Sulzfeld) angeliefert. Die Unterbringung erfolgte
paarweise in Polycarbonatkäfigen vom Typ III (Uno Roestvaststaal b.v., Zevenaar,
Niederlande) im Tierlabor der Experimentellen Anästhesiologie, Universität Erlangen-
Nürnberg, bei 21,0° 0,5°C, 60 % Luftfeuchtigkeit und einem 12-Stunden-Tag-
Nachtrhythmus. Die Ernährung bestand aus herkömmlichen Nager-Pellets (Nr. 1320;
Altromin GmbH, Lage) und Leitungswasser.
2. Präparation
Nach einer Akklimatisationsphase von mindestens 7 Tagen und mindestens 7 Tage vor
Versuchsbeginn erhielten die Ratten eine intraperitoneale Injektion von 150 mg/kg
Ketamin (100 mg/ml Ketavet
; Pharmacia GmbH, Erlangen) und 3 ml/kg Xylazin (20
mg/ml Rompun
; Bayer AG, Leverkusen) zur Anästhesie.
Nach Fixierung der Tiere in einer stereotaktischen Apparatur erfolgte die Freilegung der
Schädelkalotte durch Eröffnung der Kopfhaut. Als Elektroden wurden fünf rostfreie
Stahlschrauben (Länge 3,3 mm, Durchmesser 1,3 mm) mit isolierten Kupferdrähten 1,5
mm (frontale Elektroden F1 und F2) sowie 7,5 mm (okzipitale Elektroden O1 und O2)
okzipital des Bregma und jeweils um 3 mm nach links und rechts lateralisiert epidural
in den Schädelknochen implantiert. Als Referenzelektrode (FZ) wurde eine fünfte
Elektrode in der Mittellinie 3 mm rostral des Bregma implantiert.
Die Elektroden wurden mit den Kontakten eines Sockels verbunden, welcher mittels
Knochenzement auf der Schädelkalotte befestigt wurde.
3. Narkose
Die vorliegende Arbeit war Teil einer umfangreichen Studie mit mehreren volatilen
Anästhetika. An jedem Versuchstier wurden im Abstand von jeweils mindestens 5
8
Tagen die Narkosegase Desfluran (Suprane®,
Baxter GmbH, München), Isofluran
(Forene®, Abbott GmbH, Wiesbaden) und Sevofluran (Sevorane
®, Abbott GmbH,
Wiesbaden) in randomisierter Reihenfolge zur Anwendung gebracht. Zur
Verabreichung der Narkosegase diente ein Plexiglaszylinder von 20 cm Höhe und 20
cm Radius, der am Boden mit saugfähigem Zellstofftuch ausgelegt war. Zwei
verschließbare kleine Löcher im abnehmbaren Deckel ermöglichten während der
Versuche die Applikation von Schmerz- und Reflexreizen unter minimalem Gasverlust.
Die Gaszufuhr erfolgte über ein in Bodennähe befindliches Ventil in der Seitenwand des
Zylinders, der Gasabfluß über ein Ventil in Deckelnähe. Eine im Abflußkanal
installierte Meßsonde ermöglichte über ein angeschlossenes Gasmeßgerät (Siemens
Multigas und SC 9000XL, Siemens AG, Erlangen) die kontinuierliche Messung der
Narkosegaskonzentration im Plexiglaszylinder.
Die Ratten wurden jeweils einige Stunden vor Versuchsbeginn mit aufgestecktem
Telemetrieverstärker in den Zylinder gebracht. Dadurch konnte nach Adaptation des
Tieres an die Versuchsbedingungen ein vorexperimentelles Ausgangs-EEG abgeleitet
werden und eine Eichung des Funksystems durchgeführt werden. Die Versuchsreihen
wurden immer um ca. 14.00 Uhr bei leicht gedämmtem Tageslicht im Tierlabor der
Klinik für Anästhesiologie (Abteilung Experimentelle Anästhesiologie) begonnen, um
den Einfluß circadianer Rhythmen möglichst gering zu halten.
Die Gaszufuhr erfolgte mit einem Frischgasfluß von 4 l/min und 30 % Sauerstoff (Servo
Ventilator 900C; Siemens AG, Erlangen). Die Ratten konnten im gesamten
Versuchsverlauf spontan atmen. Die Desflurankonzentration wurde in vorher
definierten Stufen von jeweils 20 Minuten Dauer erhöht, um einen steady state am
Wirkort im ZNS zu erreichen, d.h. ein angenommenes Äquilibrium von inspiratorischer
Konzentration und endtidaler Konzentration am Wirkort Gehirn. Die Konzentrations-
stufen waren 2,9 Vol%, 5,0 Vol%, 6,5 Vol%, 7,9 Vol%, 9,4 Vol% und 11 Vol%. Unter
der Annahme einer minimalen alveolären Konzentration (MAC) von 7,6 Vol% für
Desfluran [22] entspricht dies etwa 0,4; 0,7; 0,9; 1,1; 1,3 und 1,5 MAC. 1 MAC ist
definiert als die Konzentration, bei der 50 % der Tiere nicht mehr auf einen definierten
Schmerzreiz reagieren.
Nach Ende der letzten Konzentrationsstufe wurden die Ratten sofort aus dem Zylinder
genommen und in eine große Kunststoffwanne gebracht, um die Erholungszeit mit Hilfe
des Tape-removal-test nach Schallert [29] zu dokumentieren. Hierzu wurden die Pfoten
9
mit Klebestreifen am Wannenboden fixiert und die Zeit gemessen, die das Versuchstier
benötigte, um sich vollständig von den Klebestreifen zu befreien.
4. Elektroenzephalographie
4.1 Aufzeichnung und Verarbeitung
Um eine artefaktfreie EEG-Aufzeichnung auch beim wachen Tier zu gewährleisten,
wurde ein kabelfreies Funk-EEG-System verwendet (EEG-Telemetrie für kleine
Versuchstiere, TSE GmbH, Bad Homburg). Das System bestand aus einem
batteriebetriebenen EEG-Telemetriesender (25 x 15 x 5 mm, Gewicht 5g), einem
Empfänger sowie einer Computer-Schnittstellenkarte. Die Ableitung von maximal 4
EEG-Signalen erfolgte mittels der implantierten Stahlschrauben frontal und okzipital
von beiden Hemisphären. Die Elektroden waren mit isolierten Kupferdrähten mit der
auf der Schädelkalotte festzementierten Sockelbasis (Abmessungen: 10 x 3 mm)
verbunden. Im Transmitter wurden die EEG-Signale (Amplitude: ca. 100 V,
Frequenzbereich: 0,5 – 50 Hz) verstärkt (Verstärkungsfaktor 1000, Frequenzbereich: 0,5
– 60 Hz) und nach einem Impulsweitenverfahren moduliert. Dabei ist der zeitliche
Abstand zwischen zwei Pulsen ein Maß für die Amplitude des Signals. Das modulierte
Signal wurde mit einer Frequenz von 417 MHz und einer maximalen Leistung von 1
mW ausgestrahlt, wobei die Reichweite des Senders ca. 5 m betrug. Mittels einer
Stabantenne (Länge: 15 cm) in etwa 1 m Abstand über dem Versuchsbehälter und
einem Hochfrequenzempfänger wurde das modulierte EEG-Signal empfangen, an die in
einen Computer eingebaute Schnittstellenkarte weitergeleitet und demoduliert. Da keine
hemisphärenbezogenen Unterschiede zwischen den abgeleiteten EEG-Signalen
erkennbar waren, wurde zur weiteren Analyse ein frontales (F1-Fz) sowie ein okzipitales
(O1-Fz) EEG als analoges Signal (+/-5 V, Bandpaßfilter 0,1 – 70 Hz) an der
Schnittstellenkarte abgegriffen, abgeschwächt (1:2500) und in den Vorverstärker eines
EEG-Monitors (ASPECT A1000, Aspect Medical Systems) eingespeist. Bei der
Umwandlung eines analogen EEG-Signals in ein digitales Signal, also eine diskrete
Zeitreihe, spielt die Abtastfrequenz fs eine entscheidende Rolle. Je höher die
Abtastfrequenz, desto besser wird die Rekonstruierbarkeit des ursprünglichen Signals.
Nach dem Nyquist-Theorem sollte fS mindestens das Zweifache der höchsten im
Analogsignal vorkommenden Frequenz fmax betragen:
10
fS 2 fmax.
Das digitalisierte EEG-Signal (Auflösung: 16 Bit, Abtastrate: 128 Hz, Hochpaßfilter:
0,5 Hz, Tiefpaßfilter: 70 Hz, Netzfilter: 50 Hz) sowie die aus dem EEG bestimmten
Parameter (u. a. bispektraler Index BIS) wurden an der seriellen Schnittstelle des EEG-
Monitors abgegriffen und mit eigener Software (IvFeed) in einem Notebookrechner
weiterverarbeitet (s. u.). Zu Beginn einer jeden Messung wurde das System mit einem
Sinussignal (Frequenz: 6 Hz, Amplitude: 50 V) geeicht. Das Roh-EEG sowie alle
untersuchten Parameter wurden zur weiteren Analyse auf der Festplatte des
Notebookrechners gespeichert.
4.2 EEG-Parameter
Mit dem digitalisierten EEG-Signal liegt nun eine Zeitreihe vor, die mit verschiedenen
Methoden weiter analysiert werden kann. Hierzu wird das EEG in diskrete Teile
gleicher Dauer (Epochen) zerlegt, typisch sind hierbei im Normalfall Intervalle von
mehreren Sekunden. Alle weiteren Analysen werden dann epochenweise durchgeführt.
Ein EEG-Parameter ist eine aus dem EEG abgeleitete Größe, die dazu dient, das EEG
zu charakterisieren. Die komplexe Information des EEG-Signals wird somit auf einen
Parameter reduziert, der als Grundlage weiterer Untersuchungen dient, z.B. zum
Erstellen einer Konzentrations-Wirkungs-Beziehung.
Bei der Berechnung der EEG-Parameter kann man grundsätzlich zwei Ansätze
unterscheiden:
1. Analysen der Amplitude im zeitlichen Verlauf („time domain methods“).
Hierzu zählen beispielsweise die Bestimmung der mittleren Amplitude, der
Amplitudenverteilung (Amplitudenhistogramm), der approximaten Entropie (s.
u.) sowie die Burst-Suppression-Analyse (s. u.).
2. Analysen der Frequenz („frequency domain methods“). Hier wird das EEG-
Signal nach dem Fourier-Theorem als Überlagerung einer Vielzahl
sinusförmiger Wellen unterschiedlicher Amplituden, Frequenzen und Phasen
betrachtet. Im umgekehrten Fall lässt sich durch die Fourier-Transformation ein
Frequenzspektrum generieren, welches ein Histogramm von Amplituden
(Powerspektrum) bzw. Phasen als Funktion der Frequenz darstellt und somit die
Bestimmung von Parametern wie Medianfrequenz oder spektraler Eckfrequenz
11
(s. u.) ermöglicht [21]. Cooley und Turkey publizierten 1965 einen als Fast-
Fourier-Transformation (FFT) bekannten Algorithmus, der mit einer Anzahl von
N (log2 N) / 2 Multiplikationen bei N Datenpunkten eine erheblich schnellere
und effektivere Analyse digitalisierter EEG-Signale ermöglicht als die
ursprüngliche diskrete Fourier-Transformation mit N2
komplexen
Multiplikationen [21].
In der vorliegenden Studie wurde das Powerspektrum mittels Fast-Fourier-
Transformation aus EEG-Epochen von 8 sec. Länge mit 1024 Datenpunkten generiert.
Alle Quantile des Powerspektrums wurden für den Bereich 0,5 – 48 Hz bestimmt, da im
Frequenzbereich unter 0,5 Hz vor allem Bewegungsartefakte die Analyse verfälschen,
während im Bereich über 48 Hz keine relevanten EEG-Anteile mehr zu finden sind.
Tabelle 1 (s. u.) gibt eine Übersicht über die in dieser Arbeit bestimmten spektralen
Parameter. Zusätzlich wurden die approximate Entropie (s. u.) und bispektrale
Parameter bestimmt. Bei der Analyse des Powerspektrums haben sich bestimmte
Parameter als besonders charakteristisch für das jeweilige Spektrum erwiesen, hierzu
zählen die Medianfrequenz (MEF oder m50) und die spektrale Eckfrequenz (SEF oder
m95), welche das 50% bzw. 95%-Quantil des Powerspektrums bezeichnen. Diese haben
sich in früheren Arbeiten als geeignete Parameter zur Quantifizierung anästhesie-
assoziierter EEG-Veränderungen erwiesen [21][31][33].
Die approximate Entropie (AE) hat in jüngerer Zeit immer mehr Bedeutung als
statistischer Parameter gewonnen. Als Konzept einer nichtlinearen Dynamik wird die
Entropie, die allgemein ein Maß für die Ordnung bzw. Unordnung eines Systems
darstellt, dem „chaotischen“ Charakter der EEG-Datenreihen gerecht. Als Modifikation
der Kolmogorov-Sinai-Entropie wurde die approximate Entropie für die Bestimmung
der Regelmäßigkeit biologischer Signale in Anwesenheit von Störfaktoren entwickelt
[20]. Sie quantifiziert die Prädiktabilität von Amplitudenwerten des EEG, basierend auf
der Kenntnis der vorhergehenden Werte, und ist sowohl bei stochastischen als auch
deterministischen Datenreihen endlich. Ihr Wert hängt von der Länge der Datenreihe
und der Anzahl der vorhergehenden Werte ab und beträgt für eine randomisierte Reihe
mit für eine EEG-Epoche typischen 1024 Datenpunkten etwa 1,7, während er für eine
vollkommen regelmäßige Reihe, wie z.B. eine Sinusfunktion, null beträgt [7][8][9]. Ihre
Berechnung erfolgt nach einem 1991 von Pincus et al. veröffentlichten Algorithmus
[20].
12
Tabelle 1: Übersicht der aus dem EEG abgeleiteten Parameter
abs 0,5 – 2
Absoluter Anteil des Frequenzbandes 0,5 – 2 Hz am Powerspektrum
abs 2 – 5
Absoluter Anteil des Frequenzbandes 2 – 5 Hz am Powerspektrum
abs 5 – 8
Absoluter Anteil des Frequenzbandes 5 – 8 Hz am Powerspektrum
abs 8 – 13
Absoluter Anteil des Frequenzbandes 8 – 13 Hz am Powerspektrum
abs 13 – 20
Absoluter Anteil des Frequenzbandes 13 – 20 Hz am Powerspektrum
abs 20 – 30
Absoluter Anteil des Frequenzbandes 20 – 30 Hz am Powerspektrum
abs 30 – 48
Absoluter Anteil des Frequenzbandes 30 – 48 Hz am Powerspektrum
rel 0,5 – 2
Relativer Anteil des Frequenzbandes 0,5 – 2 Hz am Powerspektrum
rel 2 – 5
Relativer Anteil des Frequenzbandes 2 – 5 Hz am Powerspektrum
rel 5 – 8
Relativer Anteil des Frequenzbandes 5 – 8 Hz am Powerspektrum
rel 8 – 13
Relativer Anteil des Frequenzbandes 8 – 13 Hz am Powerspektrum
rel 13 – 20
Relativer Anteil des Frequenzbandes 13 – 18 Hz am Powerspektrum
rel 20 – 30
Relativer Anteil des Frequenzbandes 20 – 30 Hz am Powerspektrum
rel 30 – 48
Relativer Anteil des Frequenzbandes 30 – 48 Hz am Powerspektrum
m25
25%-Quantil des Powerspektrums
m50 50%-Quantil des Powerspektrums, Medianfrequenz (MEF)
m75 75%-Quantil des Powerspektrums
m90 90%-Quantil des Powerspektrums
m95 95%-Quantil des Powerspektrums, Spektrale Eckfrequenz (SEF)
AE Approximate Entropie
Bic Bikohärenz
4.3 Modifikation der spektralen Parameter
Bereits in früheren Studien wurde beobachtet, daß Ratten unter Propofol- bzw.
Isofluranapplikation bei höheren Konzentrationen spezifische Muster im EEG zeigten,
die bei spektralen Parametern wie MEF oder SEF nach anfänglich monotonem Verlauf
der Konzentrations-Wirkungsbeziehung zu einem paradoxen Anstieg dieser Parameter
führten [15]. Im Übergangsbereich von tiefer zu sehr tiefer Narkose wurden zunächst
Spikes beobachtet (Abb. 1), bei weiterer Erhöhung der Konzentration schließlich Burst-
Suppression-Muster, also eine kurzzeitige Erhöhung der elektrischen Aktivität, gefolgt
von einer Phase unterdrückter EEG-Aktivität bzw. scheinbarer Inaktivität (Abb. 1),
möglicherweise aufgrund reduzierter metabolischer Prozesse im Sinne eines Schutzes
vor zerebraler Ischämie [21]. Sowohl Spikes als auch Burst-Suppression-Muster sind
durch hochfrequente Signalanteile geprägt, was bei steigender Konzentration des
Anästhetikums zum beobachteten paradoxen Anstieg der Medianfrequenz führt. Im
Sinne eines Narkosemonitorings wäre ein Parameter mit einem solchen biphasischen
Verlauf ungeeignet, da er bei völlig unterschiedlichen Narkosezuständen (flache
Narkose bei niedriger Konzentration und tiefe Narkose bei hoher Konzentration)
13
identische Werte aufweisen kann. Rampil et al. führten daher bereits 1991 eine
Modifikation der spektralen Eckfrequenz (SEF) für Burst-Suppression-Muster ein, die
mSEF (modifizierte spektrale Eckfrequenz):
mSEF = SEF (1 – BSR) [24]
BSR (Burst suppression ratio) ist dabei definiert als Grad der EEG-Unterdrückung
(Perioden 500 ms mit elektrischer Aktivität < 5,0 V):
SuppressionsdauerBSR
Epochenlänge
BSR ist eine Zahl zwischen 0 (keine Suppression) und 1 (vollständige Suppression),
daher nimmt mSEF mit zunehmender Suppression ab und ist bei vollständiger
Suppression Null. Diese Modifikation wurde in der vorliegenden Arbeit für die
Parameter MEF und SEF angewandt. Eine entsprechende Modifikation für Spikes
wurde als Erweiterung dieses Algorithmus entwickelt [15]. Danach werden die
modifizierte Medianfrequenz (mMEF) und die modifizierte spektrale Eckfrequenz
(mSEF) zunächst wie folgt berechnet:
mMEF = MEF · (1 – α · Nspike )
mSEF = SEF · (1 – α · Nspike )
Unter Einbeziehung der ebenfalls auftretenden Burst suppressions gilt:
mMEF = MEF · (1 – α · Nspike ) · (1 – BSR)
mSEF = SEF · (1 – α · Nspike ) · (1 – BSR)
Dabei bezeichnet Nspike die Anzahl an Spikes in einer Epoche und α einen Koeffizienten,
der in vorliegender Arbeit durch Maximierung der Vorhersagewahrscheinlichkeit Pk
zwischen dem EEG-Parameter und der Reaktion auf einen Schmerzreiz (s. u.) definiert
wurde [14]. Dieser Koeffizient wurde in einer früheren Studie mit Propofol zu 0,02
bestimmt [15]. Mit steigender Anzahl von Spikes bzw. zunehmender Suppression wird
der Term
14
(1 – α · Nspike ) · (1 – BSR)
kleiner und der modifizierte Parameter wird kleiner als der ursprüngliche Parameter.
Während die BSR nur Werte zwischen 0 und 1 annehmen kann, kann der Term
(1 – α · Nspike )
theoretisch negativ werden, wenn Nspike sehr hoch wird. Um dieser Tatsache Rechnung
zu tragen, wurden mMEF und mSEF gleich Null gesetzt, wenn
(1 – α · Nspike ) < 0 [14].
In vorliegender Studie wurden diese Modifikationen bei der MEF online und bei der
SEF offline durchgeführt, sind jedoch prinzipiell in beiden Fällen online möglich.
Abbildung 1: Typische Spike-Muster (oben) bzw. Burst suppression (unten)
5. Klinische Parameter
Neben den beschriebenen EEG-Parametern wurden auch klinische bzw. physiologische
Parameter zur Beurteilung der Narkosetiefe untersucht. Dazu wurde das Versuchstier
jeweils 6 Minuten (T – 6) und 1 Minute (T – 1) vor Ende einer Konzentrationsstufe
einer Reihe festgelegter klinischer Tests unterzogen. Die Ergebnisse wurden im
Versuchsprotokoll schriftlich dokumentiert (Abb. 2). Der Zeitpunkt zum Ende jeder
Konzentrationsstufe wurde gewählt, um sicherzustellen, daß die inspiratorische
Konzentration von Desfluran annähernd gleich der endtidalen Konzentration am
15
Wirkort Gehirn ist, die zweimalige Durchführung im Abstand von 5 min, um eventuelle
intraindividuelle Unterschiede in Grundaktivität und Wachheitszustand zu erkennen.
5.1 Schreckreaktion auf einen akustischen Stimulus
Um die Veränderung der akustischen Wahrnehmung unter Narkose zu beurteilen, wurde
durch Schlagen eines Metallstabes gegen den Plexiglaszylinder ein lauter akustischer
Stimulus appliziert, der bei der wachen Ratte eine deutliche motorische Schreckreaktion
hervorrief. Zur Quantifizierung der Reaktionsstärke wurde der durch den Versuchsleiter
beobachteten Reaktion auf einer visuellen Analogskala ein numerischer Wert zwischen
0 (keine Reaktion) und 10 (maximale Reaktion) zugeordnet.
5.2 Schmerzreaktion auf mechanischen Schmerzreiz
Der Schmerzreiz wurde, je nach Lage der Ratte im Plexiglaszylinder und Erreichbarkeit,
in einer der Interdigitalfalten einer Pfote gesetzt. Hierzu diente ein ca. 40 cm langer
Gewindestab (Durchmesser: ca. 5 mm), der an der abgerundeten Spitze zu einem
Durchmesser von ca. 1 mm verjüngt war und am oberen Ende ein aufgesetztes
hohlzylinderförmiges Bleigewicht (Masse: 200 g) trug, welches zwischen zwei
gekonterten Muttern frei beweglich war und somit eine definierte, gleichbleibende
Fallstrecke durchlaufen konnte. Der Stab wurde durch eine Öffnung im Deckel des
Versuchszylinders auf die Haut einer Interdigitalfalte gesetzt und das Gewicht vom
oberen Ende der Fallstrecke aus fallengelassen. Der Test wurde im Bedarfsfall an
mehreren Lokalisationen wiederholt. Die Intensität der motorischen Schmerzreaktion
(Zurückziehen der Extremität innerhalb von 10 sec nach Stimulation) wurde ebenfalls
auf einer visuellen Analogskala markiert und in einen numerischen Wert zwischen 0
(keine Reaktion) und 10 (maximale Reaktion) umgewandelt.
5.3 Prüfung von Lidrandreflex und Cornealreflex
Zur Prüfung der Reflexantwort (Lidschluß) wurde der Lidrand und die Cornea eines
Auges leicht mit einem gebogenen Kupferdraht (Durchmesser: ca. 1mm) berührt, der an
einem Stab befestigt war und durch eine Öffnung im Deckel des Versuchszylinders
16
eingeführt wurde. Das Ergebnis wurde im Versuchsprotokoll mit + (erfolgter Lidschluß)
bzw. – (kein Lidschluß) protokolliert.
5.4 Ohrdurchblutung
Der Durchblutungsgrad der Ohren wurde inspektorisch beurteilt, wobei die regelrechte
Rosafärbung zu Versuchsbeginn als einfach positiv (+) protokolliert wurde. Kam es im
Versuchsverlauf zu einer Rötung aufgrund verstärkter Durchblutung, wurde dies als
zweifach positiv (++), bei sehr starker Rötung als dreifach positiv (+++) und bei
Abblassen als einfach negativ (–) dokumentiert.
5.5 Atemfrequenz
Die Atemfrequenz wurde inspektorisch durch Beobachten der Atemexkursionen
bestimmt und deren Anzahl pro Minute dokumentiert.
5.6 Miktion, Defäkation, besondere Verhaltensweisen
Setzte die Ratte im Versuchsverlauf Urin bzw. Kot ab oder zeigte auffällige
Verhaltensweisen wie z.B. Agitiertheit oder Nagen an der Papierunterlage, so wurde
dies mit Zeitpunkt im Versuchsprotokoll dokumentiert.
5.7 Aufwachtest nach Schallert
Dieser Test wurde von Schallert et al. ursprünglich als tape-removal-Test für sensori-
motorische Funktionen entwickelt [29] und von uns zur Bestimmung der
postnarkotischen Erholungszeit eingesetzt. Dazu wurde das Versuchstier nach
Beendigung der letzten Konzentrationsstufe ohne Verzögerung aus dem
Plexiglaszylinder entnommen, in eine Kunststoffwanne gebracht und dort an den Pfoten
mit Klebestreifen fixiert. Die Zeit, die die Ratte benötigte, um sich vollständig von den
Klebestreifen zu befreien, wurde als Aufwachzeit dokumentiert.
17
Abbildung 2: Beispiel eines Versuchsprotokolls mit klinischen Parametern
18
6. Pharmakodynamische Modellbildung
6.1 Sigmoide Dosis-Wirkungs-Beziehung
In der Pharmakodynamik gibt es unterschiedliche Modelle zur Dosis-Wirkungs-
Beziehung von Pharmaka. In der vorliegenden Studie wurde ein nichtlineares Emax-
Modell verwendet, das von einer sigmoiden Beziehung zwischen Wirkstoff-
konzentration und pharmakologischem Effekt ausgeht und sich mit der sog. Hill-
Gleichung beschreiben lässt [12]:
0 max
50
cE E E
EC c
Dabei ist E der erwartete Effekt, E0 der Ausgangseffekt, Emax der maximale Effekt, EC50
die Konzentration, die benötigt wird um 50 % des maximalen Effekts zu erreichen, c die
Konzentration am Wirkort und γ der sog. Hill-Exponent, der die Steilheit der
Konzentrations-Wirkungskurve bestimmt.
In dieser Parametrisierung bedeutet maximaler Effekt die maximale Reduktion des
Effektparameters von E0 auf E0-Emax (Abb. 3). Bezeichnet man mit Emin= E0-Emax den
kleinsten Wert, den der Effektparameter annehmen kann, dann läßt sich die
Konzentrations-Wirkungsbeziehung wie folgt schreiben:
0 0 min
50
cE E E E
EC c
E0
Emin
EC500
Effekt
(E)
Konzentration
c
50% Emax
Abbildung 3: Graphische Darstellung einer sigmoiden Dosis-Wirkungs-Beziehung
19
6.2 Modellbildung für EEG-Parameter
Für die gemessenen EEG-Parameter mMEF, mSEF und AE erfolgte die
pharmakodynamische Modellbildung mit Hilfe der Hill-Gleichung. Dabei wurden für
diese Parameter drei Mittelungen (arithmetisches Mittel) für jede Konzentrationsstufe
durchgeführt:
1. Mittelung über die gesamte Dauer der Konzentrationsstufe (20 min);
2. Mittelung über 10 Epochen in der Mitte der Konzentrationsstufe;
3. Mittelung über die 10 letzten Epochen einer Konzentrationsstufe, in diesen
Abschnitt fielen die bei T-1 durchgeführten klinischen Tests.
Da die Parameter mMEF und mSEF bei vollständiger EEG-Suppression den Wert Null
erreichen, wurde für sie postuliert: Emax = E0 bzw. Emin = 0. Für jede der drei
Mittelungen wurde durch die Hill-Gleichung eine Trendkurve erstellt, indem die
Variablen der Hill-Gleichung (E0, EC50, γ) so gewählt wurden, daß der Verlauf der Hill-
Kurve über den gesamten Konzentrationsbereich sich den tatsächlich gemessenen EEG-
Frequenzen maximal annäherte. Die Berechnung der Werte für die Hill-Variablen
erfolgte durch die „Solver“-Funktion von Microsoft EXCEL® durch Minimierung der
Summe der quadrierten Residuen (Abstände zwischen gemessenem Wert und
Modellwert in Ordinatenrichtung). Für die approximate Entropie (AE) wurden in
gleicher Weise die Variablen Emax, Emin, EC50 und γ bestimmt.
6.3 Modellbildung für klinische Parameter
Für die Modellbildung der Reizantwort auf die klinischen Stimulationstests (akustischer
Reiz, Schmerzreiz) sowie für die Atemfrequenz wurde ebenfalls durch die Hill-
Gleichung ein pharmakodynamisches Modell bestimmt. Bei mittels der visuellen
Analogskala quantifizierten Parametern wurde E0 = Emax = 10 und Emin = 0 gesetzt und
die Variablen EC50 und γ berechnet. Für Lidreflex und Cornealreflex wurde der Effekt E
definiert als die Reaktionswahrscheinlichkeit, die aus den individuellen dichotomen
Reizantworten als Quotient aus der Anzahl positiver Reaktionen und der Gesamtzahl
der Versuchstiere berechnet wurde. Hierbei galt für die Modellbildung: E0 = Emax = 1
und Emin = 0.
20
Falls die individuelle Modellbildung sich nicht erfolgreich durchführen ließ, wurden
alle individuellen Daten simultan in einem sogenannten „pooled fit“ analysiert. Dabei
erhält man Schätzungen der Modellparameter für die gesamte Versuchstierpopulation
sowie deren Standardfehler. Die Kalkulation erfolgte mit der Populationsanalyse-
software NONMEM®
(GloboMax LLC, Hanover, MD, USA).
7. Signal-Rausch-Verhältnis und Glättungsverfahren
Die durch den Telemetrieverstärker übermittelten Daten enthalten neben dem
eigentlichen EEG auch ein technisch bedingtes Rauschen, wodurch auch die aus dem
EEG abgeleiteten Größen wie MEF oder SEF verrauscht werden. Gravierender als
dieses „physikalische“ Rauschen ist allerdings das „statistische“ Rauschen der EEG-
Parameter, das dadurch zustande kommt, daß das Powerspektrum aus einer zeitlich
begrenzten EEG-Epoche von 8 sec Dauer berechnet wird, wohingegen die
Fouriertransformation ein Signal voraussetzt, das sich von – ∞ bis + ∞ in der Zeit
erstreckt. Jeder Punkt des Powerspektrums ist daher als Schätzung der tatsächlichen
Leistungsdichte zu betrachten und hat einen Schätzfehler von 100%. Folglich sind auch
die spektralen Parameter MEF und SEF mit einem Schätzfehler behaftet, was zu dem
erwähnten „statistischen Rauschen“ führt. Das Signal-Rausch-Verhältnis (SRV) ist
definiert als das Verhältnis der jeweiligen Varianzen:
( )
( )
VAR SignalSRV
VAR Rauschen
Das Problem bei der Bestimmung des SRV besteht nun darin, die Komponenten
Rauschen und Signal im zeitlichen Verlauf des untersuchten EEG-Parameters zu
identifizieren. Die einfachste Methode ist dabei die gleitende Mittelwertbildung über
eine definierte Anzahl NMW von Epochen. Der gleitende Mittelwert repräsentiert dabei
das Signal, die Residuen zwischen Originaldaten und Mittelwert das Rauschen.
Allerdings ist ein optimaler Wert für NMW nicht ohne weiteres anzugeben. Wenn NMW
zu klein gewählt ist, wird das Rauschen unvollständig unterdrückt, falls NMW zu groß
gewählt ist, geht Information verloren. Aus diesem Grund wurde in vorliegender Arbeit
eine Mittelung durch Spline-Interpolation durchgeführt. Eine Spline-Funktion ist ein
21
Polynom 3. Grades, welches den Kurvenverlauf eines EEG-Parameters umso genauer
beschreiben kann, je mehr Stützpunkte die Spline-Funktion enthält [27]. Ist die Zahl der
Stützpunkte gleich der Anzahl der Datenpunkte, so ist keine Glättung mehr vorhanden,
andererseits nimmt der Grad der Glättung mit abnehmender Zahl von Stützpunkten zu.
Die Spline-Funktion wurde nun derart bestimmt, daß einerseits die Summe der
quadrierten Residuen minimiert, andererseits aber die Anzahl der Stützpunkte möglichst
gering gehalten wurde. Die zu minimierende Funktion war nach dem modifizierten
Akaike-Kriterium wie folgt definiert [13]:
2
1
log2
NPar
i i
i Par
N NAIC y f
N N
Dabei bezeichnet N die Anzahl der Meßwerte yi, fi die entsprechenden Werte der
Splinefunktion und NPar die Anzahl der zu bestimmenden Modellparameter, die von der
Anzahl der Stützstellen abhängt. Während der erste Term, die Summe der quadrierten
Residuen, mit zunehmender Zahl der Stützpunkte abnimmt (wenn jeder Meßwert als
Stützstelle dient, sind die Residuen Null), wächst der zweite Term mit der Anzahl der
Stützpunkte, so daß diejenige Splinefunktion mit minimalem AIC die beste
Kurvenanpassung mit der geringsten Zahl an Stützstellen darstellt. Die so errechnete
Spline-Interpolation wurde als das gesuchte „Signal“ betrachtet, die Residuen zwischen
Meßwerten und Spline-Interpolation als Rauschen, so daß für das Signal-Rausch-
Verhältnis gilt:
( )
( )
i
i i
VAR fSRV
VAR y f
Dieses kann durch Logarithmierung in der Einheit Dezibel ausgedrückt werden:
10( ) 10 log ( )SRV dB SRV
Die Glättung mittels Spline-Interpolation kann nur nachträglich (offline) durchgeführt
werden, weil dafür der Gesamtverlauf der zu untersuchenden EEG-Größe benötigt wird.
Unter Narkosebedingungen werden die Daten üblicherweise online mit der erwähnten
gleitenden Mittelwertbildung geglättet. Dies führt unweigerlich dazu, daß bei einer
plötzlichen Änderung der geglättete Parameter mit einer gewissen Verzögerung reagiert,
22
was für das Narkosemonitoring ungünstig ist. Je schlechter das Signal-Rauschverhältnis
eines Parameters ist, desto stärker muß dieser Parameter geglättet werden und desto
träger reagiert der geglättete Parameter auf Änderungen des EEGs. Um die
glättungsbedingte Verzögerung abzuschätzen, wurde wie folgt vorgegangen:
Zunächst wurde bestimmt, über wie viele Epochen NMW gleitend geglättet werden muß,
um mit dem gleitenden Mittelwert als Signal das gleiche SRV zu erhalten wie mit der
Spline-Interpolation. Dabei wurde die Mittelwertbildung symmetrisch durchgeführt, da
auch die Spline-Interpolation symmetrisch um jeden Datenpunkt glättet, d.h. für den
Mittelwert an der Stelle i gilt:
2 1
i N
j
j i N
i
y
MWsymN
Mit der so gefundenen optimalen Anzahl an Glättungsepochen 2 1MWN N , für die
die Glättung mit gleitendem Mittelwert der Spline-Interpolation äquivalent ist, wurde
anschließend eine asymmetrische Glättung durchgeführt. Nur diese ist online
durchführbar, weil natürlich nur die bereits aufgezeichneten Daten zur Mittelung zur
Verfügung stehen:
1MW
i
j
j i N
i
MW
y
MWasymN
Anschließend wurde die Verzögerung ∆t des so asymmetrisch geglätteten Verlaufs
gegenüber den ungeglätteten Daten durch Maximierung folgender Korrelationsfunktion
bestimmt:
( ) ( , )KORR t CORR y t MWasym
Dabei bezeichnet CORR den mit der entsprechenden Funktion in Microsoft EXCEL®
berechneten Korrelationskoeffizienten.
23
8. Statistik
Die Ergebnisse für die einzelnen Versuchstiere wurden gemittelt und als Mittelwert
(MW), Median, Standardabweichung (SD) bzw. Standardfehler des Mittelwerts (SE)
dargestellt. Für die untersuchten EEG-Parameter wurden die Ergebnisse mittels des t-
Tests für gepaarte Stichproben auf signifikante Unterschiede geprüft. War die
Irrtumswahrscheinlichkeit für die Ablehnung der Nullhypothese <0,05, so wurde der
Unterschied als statistisch signifikant bezeichnet.
24
Ergebnisse
Es wurden insgesamt 11 Tiere präpariert, weil Ratte Nr.7 noch vor dem ersten Versuch
am 7. Tag nach der Präparation ohne erkennbare Ursache verstarb. Die verbleibenden
10 Tiere überlebten die Narkoseversuche bei jederzeit erhaltener Spontanatmung und
erholten sich nach Beendigung der letzten Konzentrationsstufe bzw. des Schallert-Tests
rasch wieder. Sie wurden nach Abschluß der Versuchsreihe einer anderen Studie über
Arzneimittelinteraktionen zugeführt. Bei den ersten beiden Tieren wurden aus
technischen Gründen keine Narkosen mit Desfluran durchgeführt. Bei einer weiteren
Ratte (Nr. 10) löste sich der EEG-Sockel nach erfolgreicher Durchführung der Versuche
mit Isofluran und Sevofluran, so daß für dieses Tier ebenfalls keine Desfluran-Daten
verfügbar waren. Dieser Arbeit liegen somit insgesamt 7 erfolgreich durchgeführte
Narkosen mit Desfluran zugrunde.
1. EEG-Veränderungen
Mit steigender Desflurankonzentration zeigten sich charakteristische narkoseassoziierte
EEG-Veränderungen. Zwischen den frontal und okzipital abgeleiteten Signalen
bestanden dabei keine hinsichtlich der Auswertung signifikanten Unterschiede, so daß
für die folgenden Analysen die frontale Ableitung als Datenquelle verwendet wurde.
Während das präexpositionell abgeleitete Ruhe-EEG eine Grundaktivität (Abb. 4) im
Frequenzbereich des θ-Bandes (4 – 7 Hz) aufwies, zeigte sich bei niedrigen Desfluran-
konzentrationen zunächst eine Verlangsamung der elektrischen Aktivität.
Hochfrequente Spikes traten bereits bei 6,5 Vol%, ausgeprägt jedoch ab 7,9 Vol% (1,1
MAC) Desfluran auf, mit maximaler Aktivität in den beiden höchsten
Konzentrationsstufen. In diesem Bereich wurde das EEG durch Burst suppression-
Muster partiell unterdrückt bei einer BSR zwischen 0,5 und 0,8. Abbildung 5 zeigt
charakteristische EEG-Muster bei verschiedenen Konzentrationen in Übersicht.
Abbildung 4: Ruhe-EEG
25
5,0 Vol%
7,9 Vol%
11,0 Vol%
Abbildung 5: EEG-Muster unter Desfluranapplikation
Aufgrund hochfrequenter Signalanteile der in höheren Konzentrationen auftretenden
Spikes bzw. Bursts (Abb. 7, 8) kam es bei den spektralen Parametern Medianfrequenz
(MEF) und Spektrale Eckfrequenz (SEF) in Abhängigkeit von BSR bzw. Nspike mit
steigender Desflurankonzentration zu einem paradoxen Frequenzanstieg (Abb. 6). Die
folgenden Darstellungen des zeitlichen Verlaufs stellen Mittelwerte über alle Ratten bei
einer Glättung durch gleitenden Mittelwert über 8 Epochen dar.
Abbildung 6: Zeitlicher Verlauf der unmodifizierten Spektralen Eckfrequenz (SEF)
0
5
10
15
20
25
30
35
0 20 40 60 80 100 120 140
t (Min)
SE
F (
Hz)
2,9 5,0 6,5 7,9 9,4 11,0 0
Vol.% Desfluran
26
Abbildungen 7 und 8: Zeitlicher Verlauf von Spikes und Burst suppression ratio (BSR)
Nach Modifikation der Parameter MEF und SEF für Spikes (Koeffizient α = 0,02) und
Burst suppression zeigte sich ein mit steigender Konzentration abfallender Verlauf der
Frequenzen. Gut erkennbar sind die am Ende jeder Konzentrationsstufe auftretenden
doppelten Peaks als Ausdruck einer Reaktion auf die bei T – 6 und T – 1 durchgeführ-
ten Stimulationstests (Abb. 9, 10):
0
1
2
3
4
5
6
7
8
0 20 40 60 80 100 120 140
t (Min)
mM
EF
(H
z)
T-6 T-1
Abbildung 9: Zeitlicher Verlauf der modifizierten Medianfrequenz (mMEF)
27
Abbildung 10: Zeitlicher Verlauf der modifizierten spektralen Eckfrequenz (mSEF)
Die approximate Entropie zeigte mit steigender Desflurankonzentration einen
kontinuierlich abfallenden Verlauf von Ausgangswerten um 1,2 hin zu Werten um 0,7
in tiefer Narkose (9,4 bzw. 11,0 Vol% Desfluran). Es wurde keine Modifikation
vorgenommen:
Abbildung 11: Zeitlicher Verlauf der approximaten Entropie (AE)
0
5
10
15
20
25
30
35
0 20 40 60 80 100 120 140
t (min)
mS
EF
(H
z)
0
0.5
1
1.5
0 20 40 60 80 100 120 140
t (Min)
AE
2,9 5,0 6,5 7,9 9,4 11,0 0
Vol% Desfluran
28
Alle betrachteten EEG-Parameter erreichten nach Beendigung der Desfluranapplikation
rasch wieder ihre Ausgangswerte, erkennbar an dem steilen Anstieg der Frequenzen
bzw. der approximaten Entropie bei t = 120 Min.
2. Dynamik der aufgezeichneten EEG-Parameter
Zur Darstellung der Dynamik aller analysierten EEG-Parameter (Tabelle 2) wurden die
Mittelwerte (MW) und Standardabweichungen (SD) zu Versuchsbeginn (letzte 10
Minuten vor Start) denen bei höchster Desflurankonzentration (letzte 10 Minuten bei
11,0 Vol% Desfluran ≈ 1,5 MAC) gegenübergestellt.
Tabelle 2: Spektrale EEG-Parameter (Werte in Hz) sowie approximate Entropie (AE) zu
Versuchsbeginn und Versuchsende. m50 = unmodifizierte Medianfrequenz,
mMEF = modifizierte Medianfrequenz, m95 = unmodifizierte spektrale Eck-
frequenz, mSEF = modifizierte spektrale Eckfrequenz. Die absoluten Werte der
Frequenzbänder des Powerspektrums sind in μV2 angegeben, die relativen als
Summanden von 1.
0 Vol% Desfluran 11 Vol% Desfluran
Mittelwert SD Mittelwert SD
m50 5,36 1,04 7,41 1,32
mMEF 5,42 1,03 1,09 0,83
m95 22,67 4,63 26,80 3,63
mSEF 22,69 4,56 1,31 0,88
AE 1,19 0,11 0,77 0,16
abs. 0,5-2 Hz 2,79E+08 1,87E+08 1,42E+08 7,37E+07
abs. 2-5 Hz 3,88E+08 2,04E+08 2,75E+08 1,83E+08
abs. 5-8 Hz 4,23E+08 3,30E+08 2,14E+08 1,95E+08
abs. 8-13 Hz 2,14E+08 1,65E+08 2,50E+08 2,41E+08
abs. 13-20 Hz 1,19E+08 9,05E+07 1,85E+08 1,86E+08
abs. 20-30 Hz 5,23E+07 3,43E+07 1,05E+08 9,70E+07
abs. 30-48 Hz 3,14E+07 1,69E+07 5,29E+07 4,60E+07
rel. 0,5-2 Hz 0,17 0,06 0,15 0,04
rel. 2-5 Hz 0,28 0,05 0,23 0,04
rel. 5-8 Hz 0,28 0,05 0,15 0,02
rel. 8-13 Hz 0,12 0,04 0,19 0,03
rel. 13-20 Hz 0,07 0,03 0,15 0,03
rel. 20-30 Hz 0,04 0,02 0,08 0,02
rel. 30-48 Hz 0,03 0,02 0,04 0,02
29
Die niedrige Dynamik der unteren Frequenzbänder bzw. der Frequenz über dem 25%-
Quantil des Powerspektrums lassen diese Parameter als ungeeignet im Sinne eines
eindeutigen Narkosemonitorings erscheinen. In höheren Frequenzbereichen (75%-
Quantil, SEF, Frequenzbänder 4 und 5) wird die Dynamik zunehmend durch hoch-
frequente Komponenten (Spikes, Bursts) beeinflusst, so daß diese Parameter
unmodifiziert bei tiefer Narkose ansteigen, was ebenfalls einen unerwünschten Effekt
darstellt. Nach Ausschaltung dieser Komponenten durch Spike-Modifikation zeigen vor
allem die modifizierte Medianfrequenz (mMEF) und die modifizierte spektrale
Eckfrequenz (mSEF) eine ausgeprägte intraexperimentelle Dynamik sowie einen mono-
tonen Verlauf (siehe auch Abb. 9, 10). Die approximate Entropie (AE) zeichnete sich
dadurch aus, daß dieser Parameter kaum durch die spezifischen Muster von Spikes und
Burst suppression beeinflußt wird, so daß er eine monotone Konzentrations-Wirkungs-
Beziehung zeigte. Eine Modifikation war daher für die AE nicht erforderlich.
3. Klinische Parameter
3.1 Reizantwort auf akustischen Stimulus
Die mit Hilfe der visuellen Analogskala bestimmten Einzelreaktionen auf einen
akustischen Stimulus sind in Abb. 12 dargestellt.
Abbildung 12: Reizreaktion auf akustischen Stimulus
0
2
4
6
8
10
0 2 4 6 8 10 12
Vol % Desfluran
Reiz
an
two
rt
30
Zu Versuchsbeginn zeigten alle 7 Ratten eine maximale Reizantwort in Form eines
reflektorischen Zusammenschreckens (10 auf der numerischen Skala), ab 6,5 Vol%
Desfluran (0,9 MAC) war bei keiner Ratte mehr eine Reaktion auslösbar (0 auf der
numerischen Skala). Bei 2,9 Vol% (0,4 MAC) zeigten 6 von 7 Tieren eine Reaktion
unterschiedlicher Intensität.
3.2 Reizantwort auf mechanischen Schmerzreiz
Auch hier zeigten zu Versuchsbeginn alle Ratten eine maximale Reizantwort in Form
des reflektorischen Zurückziehens der Extremität (10 auf der numerischen Skala). Die
Reaktion trat teilweise mit einer Latenz von mehreren Sekunden auf. Am Ende der
höchsten Konzentrationsstufe (11 Vol% Desfluran) war bei keiner Ratte mehr eine
Reaktion auslösbar. Die dazwischenliegenden Konzentrationsstufen zeigten einen
interindividuell stark variablen Verlauf der Reaktionsintensität:
Abbildung 13: Reizreaktion auf mechanischen Schmerzreiz
3.3 Lidrandreflex
Die Konzentration, bei welcher der Lidrandreflex nicht mehr auslösbar war, stellte sich
bei den einzelnen Ratten sehr unterschiedlich dar. Bei einem Tier (Ratte Nr. 5) blieb der
Lidrandreflex selbst in tiefer Narkose (1,5 MAC Desfluran) erhalten.
0.0
2.0
4.0
6.0
8.0
10.0
0 2 4 6 8 10 12
Vol% Desfluran
Re
izre
ak
tio
n
31
Abbildung 14: Prozentuale Verteilung der positiven Lidreaktion über alle Konzentrations-
stufen bei T-1
3.4 Atemfrequenz
Bereits zu Versuchsbeginn bestand eine große Streubreite der individuellen Atem-
frequenzen zwischen 59 · min-1
und 110 · min-1
. Die Atemfrequenzen sanken im
Versuchsverlauf bei allen Tieren deutlich ab, jedoch nur in 2 Fällen monoton.
Abbildung 15: Atemfrequenzen aller Ratten im Versuchverlauf
0
20
40
60
80
100
0 2,9 5,0 6,5 7,9 9,4 11,0
Vol % Desfluran (T - 1)
% p
os. R
eakti
on
0
20
40
60
80
100
120
0 2 4 6 8 10 12
Vol% Desfluran
Ate
mfr
eq
ue
nz (
min
-1)
32
4. Pharmakodynamische Modellbildung
4.1 Modifizierte Medianfrequenz (mMEF)
Abbildung 16 zeigt beispielhaft das Modell einer Konzentrationswirkungskurve für die
modifizierte Medianfrequenz bei Ratte Nr. 4 mit den entsprechenden Variablen der Hill-
Gleichung in Tabelle 3. Tabelle 4 zeigt die für die einzelnen Ratten ermittelten Werte
für die Modellfunktion über die gesamte Dauer der Konzentrationsstufen.
Tabelle 3: Pharmakodynamische Modellbildung für mMEF bei Ratte Nr. 4
E0 (Hz) Emax (Hz) EC50 (Vol%) EC50 (MAC) Exponent γ
5,58 5,58 6,30 0,88 5,26
0
1
2
3
4
5
6
0 2 4 6 8 10 12
Vol% Desfluran
mM
EF
(H
z)
Abbildung 16: Pharmakodynamische Modellbildung für mMEF bei Ratte Nr. 4. Die Rauten
kennzeichnen die tatsächlich gemessenen Werte, die durchgezogene Linie die berechnete
sigmoide Konzentrations-Wirkungskurve.
33
Tabelle 4: Pharmakodynamische Modellbildung für mMEF (gesamt)
Ratte E0 (Hz) Emax (Hz) EC50 (Vol%) EC50 (MAC) Exponent γ
3 4,55 4,55 6,37 0,88 2,09
4 5,11 5,11 6,65 0,92 5,67
5 5,61 5,61 3,52 0,49 2,14
6 5,49 5,49 5,39 0,75 2,81
8 5,30 5,30 7,06 0,98 7,35
9 4,43 4,43 5,73 0,80 4,22
11 6,47 6,47 8,22 1,14 8,40
MW 5,28 5,28 6,16 0,85 4,61
SD 0,69 0,69 1,48 0,21 2,54
Median 5,30 5,30 6,37 0,88 4,22
Damit stellt sich das pharmakodynamische Modell folgendermaßen dar:
0
1
2
3
4
5
6
7
8
0 2 4 6 8 10 12
Vol% Desfluran
mM
EF
(H
z)
Abbildung 17: Konzentrations-Wirkungsbeziehung für mMEF. Jeder Punkt bezeichnet den
Median der in einer Konzentrationstufe gemessenen mMEF einer Ratte. Die Linie zeigt das mit
den Medianwerten der pharmakodynamischen Parameter berechnete pharmakodynamische
Modell.
Die aus 9 Epochen in der Mitte jeder Konzentrationsstufe gemittelten Werte liefern ein
pharmakodynamisches Modell in Abwesenheit einer Stimulation.
34
Tabelle 5: Pharmakodynamische Modellbildung für mMEF (ohne Stimulation)
E0 (Hz) Emax (Hz) EC50 (Vol%) EC50 (MAC) Exponent γ
MW 4,89 4,89 6,06 0,84 5,01
SD 0,88 0,88 1,52 0,21 3,17
Median 4,40 4,40 6,53 0,91 4,29
Unter Stimulation (Messung während der letzten 72 s einer Konzentrationsstufe bzw.
während T – 1) ergeben sich folgende Werte:
Tabelle 6: Pharmakodynamische Modellbildung für mMEF unter Stimulation
E0 (Hz) Emax (Hz) EC50 (Vol%) EC50 (MAC) Exponent γ
MW 5,21 5,21 6,39 0,89 5,59
SD 1,27 1,27 1,93 0,27 3,42
Median 5,11 5,11 7,04 0,98 5,27
Zwischen den pharmakodynamischen Modellen unter Reizbedingungen und ohne Reiz
gab es keine statistisch signifikanten Unterschiede (p = 0,48).
4.2 Modifizierte spektrale Eckfrequenz (mSEF)
Tabelle 7 zeigt die individuellen pharmakodynamischen Parameter, ermittelt aus den
gesamten Daten jeder Konzentrationsstufe.
Tabelle 7: Pharmakodynamische Modellbildung für mSEF (gesamt)
Ratte E0 (Hz) Emax (Hz) EC50 (Vol%) EC50 (MAC) Exponent γ
3 20,20 20,20 8,52 1,18 4,40
4 22,80 22,80 7,87 1,09 4,31
5 17,65 17,65 7,08 0,98 3,70
6 19,41 19,41 8,98 1,25 5,53
8 24,93 24,93 10,22 1,42 2,82
9 20,04 20,04 8,98 1,25 4,34
11 34,78 34,78 8,64 1,20 2,86
MW 22,50 22,50 8,62 1,20 4,03
SD 5,78 5,78 0,98 0,14 0,96
Median 20,20 20,20 8,64 1,20 4,31
35
Für die 9 mittleren Epochen der Konzentrationsstufen (ohne Reiz) stellt sich das Hill-
Modell folgendermaßen dar:
Tabelle 8: Pharmakodynamische Modellbildung für mSEF (ohne Reiz)
E0 (Hz) Emax (Hz) EC50 (Vol%) EC50 (MAC) Exponent γ
MW 21,86 21,86 9,05 1,26 3,98
SD 7,44 7,44 3,04 0,42 2,89
Median 19,32 19,32 8,28 1,15 3,13
Unter Reizbedingungen (T – 1) ergeben sich folgende Werte:
Tabelle 9: Pharmakodynamische Modellbildung für mSEF (mit Reiz)
E0 (Hz) Emax (Hz) EC50 (Vol%) EC50 (MAC) Exponent γ
MW 23,68 23,68 8,32 1,16 5,06
SD 4,59 4,59 1,16 0,16 2,53
Median 21,53 21,53 8,20 1,14 3,99
Auch bei der mSEF gab es keine statistisch signifikanten Unterschiede zwischen den
Modellfunktionen unter Reizbedingungen und denen ohne Reiz (p = 0,28).
0
5
10
15
20
25
30
35
40
0 2 4 6 8 10 12
Vol% Desfluran
mS
EF
(H
z)
Abbildung 18: Konzentrations-Wirkungsbeziehung für mSEF. Jeder Punkt bezeichnet den
Median der in einer Konzentrationstufe gemessenen mSEF einer Ratte. Die Linie zeigt das mit
den Medianwerten der pharmakodynamischen Parameter berechnete pharmakodynamische
Modell.
36
Abbildung 18 zeigt die Mediane der tatsächlich gemessenen Werte für mSEF über alle
Konzentrationsstufen bei allen Tieren sowie das aus allen angepassten Modellkurven
gemittelte pharmakodynamische Modell.
4.3 Approximate Entropie (AE)
Der pharmakodynamischen Modellbildung für die approximate Entropie wurde eine
Modifikation der Hill-Gleichung zugrundegelegt, bei der E0 durch die beiden
Summanden Emin und Emax ersetzt ist. Für die AE wurde dabei Emin=0.4 angenommen,
weil dies der niedrigste gemessene Wert war. Auch hier ließ sich der Verlauf des
Parameters in einer sigmoiden Konzentrations-Wirkungsbeziehung darstellen.
Tabelle 10: Pharmakodynamische Modellbildung für AE (gesamt)
Ratte Emin Emax EC50 (Vol%) EC50 (MAC) Exponent γ
3 0,40 0,80 12,57 1,75 1,28
4 0,40 0,80 14,32 1,99 2,46
5 0,40 0,58 9,60 1,33 4,08
6 0,40 0,66 8,55 1,19 7,23
8 0,40 0,85 8,71 1,21 3,98
9 0,40 0,75 9,18 1,28 1,75
11 0,40 1,08 10,56 1,47 2,22
MW 0,40 0,79 10,39 1,46 3,18
SD 0,16 2,18 0,30 2,04
Median 0,40 0,80 9,60 1,33 2,46
Für die 9 mittleren Epochen der Konzentrationsstufen (ohne Reiz) wurden folgende
Werte für die Konzentrationswirkungsfunktion gemittelt:
Tabelle 11: Pharmakodynamische Modellbildung für AE (ohne Reiz)
Emin Emax EC50 (Vol%) EC50 (MAC) Exponent γ
MW 0,40 0,76 10,49 1,46 3,34
SD 0,20 2,55 0,35 2,91
Median 0,40 0,76 9,90 1,37 2,28
37
Für die 9 letzten Epochen der Konzentrationsstufen (mit Reiz) ergeben sich folgende
Werte:
Tabelle 12: Pharmakodynamische Modellbildung für AE (mit Reiz)
Emin Emax EC50 (Vol%) EC50 (MAC) Exponent γ
MW 0,40 0,81 9,57 1,33 4,12
SD 0,13 1,87 0,26 3,16
Median 0,40 0,78 8,98 1,25 3,08
Auch für die approximate Entropie war kein statistisch signifikanter Unterschied
zwischen den Modellfunktionen für mit Reiz und ohne Reiz gemessene Werte feststell-
bar (p = 0,33).
Aufgetragen gegen die für die Gesamtdauer der einzelnen Konzentrationsstufen
ermittelten individuellen Meßwerte stellt sich das pharmakodynamische Modell
folgendermaßen dar:
0
0,2
0,4
0,6
0,8
1
1,2
1,4
1,6
0 2 4 6 8 10 12
Vol% Desfluran
Ap
pro
xim
ate
En
tro
pie
Abbildung 19: Konzentrations-Wirkungsbeziehung für die approximate Entropie. Jeder Punkt
bezeichnet den Median der in einer Konzentrationsstufe gemessenen AE einer Ratte. Die Linie
zeigt das mit den Medianwerten der pharmakodynamischen Parameter berechnete
pharmakodynamische Modell.
38
4.4 Klinische Parameter
4.4.1 Reizreaktion auf mechanischen Schmerzreiz
Die Reaktion auf einen mechanischen Schmerzreiz zeigte sich bei der höchsten
Konzentrationsstufe (11 Vol% Desfluran) bei allen Tieren vollständig unterdrückt.
Abbildung 20 zeigt die gemessene Wahrscheinlichkeit einer Reizantwort in
Abhängigkeit von der Konzentration zusammen mit der berechneten sigmoiden
Konzentrations-Wirkungskurve (Tabelle 13).
Tabelle 13: Pharmakodynamische Modellbildung für die Reizantwort auf mechanischen
Schmerzreiz
EC50 (Vol%) EC50 (MAC) Exponent γ
8,62 1,20 20,7
0
25
50
75
100
0 2 4 6 8 10 12
Vol % Desfluran
Wa
hrs
ch
ein
lic
hk
eit
de
r R
eiz
an
two
rt i
n %
Abbildung 20: Reaktionswahrscheinlichkeit auf einen mechanischen Schmerzreiz. Jeder Punkt
bezeichnet die in einer Konzentrationsstufe beobachtete Wahrscheinlichkeit für eine positive
Reaktion, die Linie zeigt das pharmakodynamische Modell.
Bei der pharmakodynamischen Modellbildung für die Schmerzreaktion wurden die
Mittelwerte der bei T – 6 und T – 1 ermittelten Meßwerte zugrundegelegt. Es zeigte sich,
39
daß dieser klinische Parameter bei allen Ratten sehr gut durch eine sigmoide
Konzentrations-Wirkungsfunktion darstellbar ist. Die für die einzelnen Ratten
berechneten Konzentrations-Wirkungskurven sind zusammen mit dem Gesamtmodell in
Abb. 22 dargestellt.
Tabelle 14: Pharmakodynamische Modellbildung für die Schmerzreaktion
Ratte E0 = Emax EC50 (Vol%) EC50 (MAC) Exponent γ
3 10 4,47 0,62 4,82
4 10 5,26 0,73 5,51
5 10 5,73 0,80 5,57
6 10 3,21 0,45 2,50
8 10 6,73 0,93 7,45
9 10 5,61 0,78 6,60
11 10 5,41 0,75 5,52
MW 10 5,23 0,72 5,44
SD 0 1,10 0,15 1,55
Median 10 5,41 0,75 5,52
0,0
2,0
4,0
6,0
8,0
10,0
0 2 4 6 8 10 12
Vol% Desfluran
Sch
merz
reakti
on
Abbildung 21: Konzentrations-Wirkungsbeziehung für Reaktion auf Schmerzreiz. Jeder Punkt
bezeichnet die in einer Konzentrationsstufe gemessene Reaktion einer Ratte. Die Linie zeigt das
mit den Medianwerten der pharmakodynamischen Parameter berechnete Modell.
40
0
1
2
3
4
5
6
7
8
9
10
0 2 4 6 8 10 12
Vol% Desfluran
Reakti
on
Abbildung 22: Konzentrations-Wirkungsbeziehungen für Reaktion auf Schmerzreiz. Die
dünnen Linien stellen die für die einzelnen Ratten bestimmten pharmakodynamischen Modelle
dar (Tabelle 14). Die dicke Linie zeigt das mit den Medianwerten der pharmakodynamischen
Parameter der Einzelmodelle berechnete Gesamtmodell.
4.4.2 Reizreaktion auf akustischen Stimulus
Da der Schreckreflex auf ein akustisches Signal bei den meisten Ratten bereits nach der
ersten Konzentrationserhöhung erlosch, erwies sich das Erstellen individueller Modell-
funktionen aufgrund Datenmangels als problematisch (vgl. Abb. 12).
Es wurde daher eine Trendkurve für die gemittelten Werte der Gesamtpopulation
ermittelt. Mittels „pooled fit“ ließ sich aus den vorliegenden Daten das folgende
pharmakodynamische Modell bestimmen:
Tabelle 15: Pharmakodynamische Modellbildung für die Schreckreaktion mittels „pooled fit“.
E0 = Emax EC50 (Vol%) EC50 (MAC) Exponent γ
10 2,22 0,31 5,67
41
0
2
4
6
8
10
0 2 4 6 8 10 12
Vol% Desfluran
Reakti
on
au
f aku
sti
sch
en
Sti
mu
lus
Abbildung 23: Konzentrations-Wirkungsbeziehung für Reaktion auf akustischen Reiz mittels
„pooled fit“. Jeder Punkt bezeichnet die in einer Konzentrationsstufe gemessene Reaktion einer
Ratte, die Linie zeigt das pharmakodynamische Modell.
4.4.3 Lidrandreflex
Die beobachtete Wahrscheinlicheit einer positiven Reflexantwort ließ sich auch beim
Lidrandreflex gut als sigmoides Modell darstellen:
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
0 2 4 6 8 10 12
Vol% Desfluran
Wah
rsch
ein
lich
keit
Reiz
an
two
rt
Abbildung 24: Beobachtete Wahrscheinlichkeit der Lidrandreflexantwort (Mittelwerte aus T-6
und T-1) und pharmakodynamisches Modell.
42
Tabelle 16: Pharmakodynamische Modellbildung für den Lidrandreflex.
E0 = Emax EC50 (Vol%) EC50 (MAC) Exponent γ
10 6,99 0,97 4,41
4.4.4 Atemfrequenz
Bei allen Tieren zeigte sich im Versuchsverlauf ein deutlicher, wenn auch nur in zwei
Fällen monotoner Abfall der Atemfrequenz. Für die Berechnung wurden die
Mittelwerte der bei T − 6 und T – 1 gemessenen Werte herangezogen.
Es zeigte sich, daß sich der Abfall der Atemfrequenz gut durch ein sigmoides Modell
mit Hilfe der Hill-Gleichung beschreiben läßt, welches in dem beobachteten Bereich
allerdings einen nahezu linearen Verlauf aufweist. Die Modellbildung erfolgte auch hier
als „pooled fit“ unter der Annahme, daß Emax = E0 und Emin =0.
Tabelle 17: Pharmakodynamische Modellbildung für die Atemfrequenz mittels „pooled fit“.
E0 (min-1) EC50 (Vol%) EC50 (MAC) Exponent γ
81,9 12,4 1,7 1,52
0
20
40
60
80
100
120
0 2 4 6 8 10 12
Vol% Desfluran
Ate
mfr
eq
uen
z (
1/m
in)
Abbildung 25: Konzentrations-Wirkungsbeziehung für die Atemfrequenz. Jeder Punkt
bezeichnet die in einer Konzentrationsstufe gemessene Atemfrequenz einer Ratte, die Linie
zeigt das pharmakodynamische Modell.
43
4.4.5 Ohrdurchblutung
Die Quantifizierung des beobachteten Grades der Ohrdurchblutung erfolgte mit Hilfe
einer vereinfachten Analogskala (VAS).
0
0.4
0.8
1.2
1.6
2
0 2 4 6 8 10 12
Vol% Desfluran
Du
rch
blu
tun
gsg
rad
(O
hr)
VA
S
Abbildung 26: Konzentrations-Wirkungsbeziehung für die Ohrdurchblutung. Jeder Punkt
bezeichnet den Mittelwert (± SE) der in einer Konzentrationsstufe beobachteten Effekte auf der
vereinfachten Analogskala.
Dabei wurde dem Durchblutungsgrad vor Versuchsbeginn der Wert 1, mäßiger bzw.
starker Rötung die Werte 1,5 bzw. 2 und einem Abblassen der Wert 0,5 zugeordnet.
Es zeigte sich, daß es bei fast allen Tieren zu einer initialen Mehrdurchblutung kam, die
sich im Versuchsverlauf wieder zurückbildete (Abb. 26). Eine monotone Konzen-
trationswirkungsbeziehung kam in keinem Fall zustande, so daß die Berechnung eines
linearen bzw. sigmoiden pharmakodynamischen Modells nicht möglich war.
4.4.6 Schallert-Test
Der Mittelwert der gemessenen Erholungszeiten im Tape-removal-Test nach Schallert
betrug für Desfluran 116 ± 7 Sekunden. Die individuellen Erholungszeiten lagen
zwischen 90 und 138 Sekunden und sind in Abbildung 27 dargestellt.
44
Abbildung 27: Gemessene Aufwachzeiten im Schallert-Test.
4.5 Korrelation zwischen EEG-Parametern und Reaktion auf mechanischen
Schmerzreiz
Zwischen den untersuchten EEG-Parametern mMEF, mSEF und AE und der auf der
visuellen Analogskala (VAS) beobachteten Reaktion auf mechanischen Schmerzreiz
wurden die in den folgenden drei Abbildungen dargestellten Korrelationen mit den in
Tabelle 18 beschriebenen Korrelationskoeffizienten ρ gefunden:
0.0
1.0
2.0
3.0
4.0
5.0
6.0
7.0
8.0
9.0
10.0
0 1 2 3 4 5 6 7 8 9
mMEF (Hz)
Re
ak
tio
n (
VA
S)
Abbildung 28: Korrelation zwischen mMEF und Schmerzreaktion
0
20
40
60
80
100
120
140
160
3 4 5 6 8 9 11
Ratte Nr.
sec
45
0
1
2
3
4
5
6
7
8
9
10
0 5 10 15 20 25 30 35 40
mSEF (Hz)
Re
ak
tio
n (
VA
S)
Abbildung 29: Korrelation zwischen mSEF und Schmerzreaktion
Abbildung 30: Korrelation zwischen AE und Schmerzreaktion
Tabelle 18: Korrelationskoeffizienten ρ der untersuchten EEG-Parameter
mMEF mSEF AE
0,752 0,786 0,764
0
1
2
3
4
5
6
7
8
9
10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6
Approximate Entropie
Re
ak
tio
n (
VA
S)
46
4.6 Signal-Rauschverhältnis
Die Berechnung des Signal-Rauschverhältnisses (SRV) erfolgte für die Parameter
mMEF, mSEF und AE mittels Spline-Interpolation. Tabelle 19 stellt die ermittelten
Werte nach EEG-Kanälen getrennt dar, dabei bezeichnet kf0 die frontale und kf1 die
okzipitale Ableitung.
Tabelle 19: Signal-Rauschverhältnisse für die untersuchten EEG-Parameter.
Ratte Nr. mMEFkf0 mMEFkf1 mSEFkf0 mSEFkf1 AEkf0 AEkf1
3 0,49 0,56 1,35 3,48 1,05 1,29
4 1,10 2,49 1,25 1,92 0,71 0,58
5 1,63 3,02 4,67 5,69 5,20 4,12
6 2,19 1,23 2,61 2,18 4,82 2,70
8 0,76 2,68 2,63 1,76 5,25 1,84
9 1,28 2,11 0,84 1,50 0,28 0,94
11 1,93 2,03 2,19 1,42 0,91 0,76
MW 1,34 2,02 2,22 2,56 2,60 1,75
SD 0,62 0,86 1,29 1,54 2,34 1,27
Median 1,28 2,11 2,19 1,92 1,05 1,29
Bezüglich des SRV zeigten sich bei Desfluran keine statistisch signifikanten
Unterschiede zwischen den untersuchten Parametern (p > 0,1), wobei je nach
betrachtetem Kanal unterschiedliche Rangfolgen zu beobachten sind. Insgesamt weist
die mSEF tendentiell höhere Werte und somit ein besseres SRV auf als AE und mMEF.
Tabelle 20 zeigt die jeweilige Anzahl von Epochen, über die bei einer symmetrischen
gleitenden Mittelwertbildung geglättet werden muß, um ein der Spline-Interpolation
adäquates SRV zu erhalten. Auch hier zeigt sich ein uneinheitliches Bild, die
Epochenzahlen unterscheiden sich zum Teil deutlich innerhalb des gleichen EEG-
Parameters, je nachdem welcher Kanal betrachtet wird und ob Mittelwert oder Median
zur Quantifizierung herangezogen werden. Auffällig ist, daß bei mMEF die meisten
Epochen zur Glättung benötigt werden, der Parameter erweist sich also in dieser
Hinsicht der mSEF und der AE unterlegen. Ein statistisch signifikanter Unterschied
besteht dabei zwischen mMEFkf1 und mSEFkf1 (p = 0,029).
47
Tabelle 20: Äquivalente Epochenzahlen bei symmetrischer Glättung mit gleitendem Mittelwert
im Vergleich zum durch Spline-Interpolation ermitteltem SRV. Bei Versuch Nr. 4 lag der Wert
für mMEFkf0 außerhalb des betrachteten Bereichs. (1) durch Interpolation
Ratte Nr. mMEFkf0 mMEFkf1 mSEFkf0 mSEFkf1 AEkf0 AEkf1
3 951 81 57 19 63 71
4 - 69 77 43 77 81
5 53 7 21 9 15 13
6 85 77 25 27 25 23
8 49 57 17 19 27 29
9 63 31 63 29 17 25
11 43 55 65 45 81 71
MW 65 54 46 27 44 45
SD 21 27 25 13 29 28
Median 58 57 57 27 27 29
Tabelle 21 zeigt die zeitliche Verzögerung Δt (in Epochen), die sich ergibt, wenn eine
asymmetrische (Online-)Glättung über die in Tabelle 20 angegebene Zahl von Epochen
durchgeführt wird.
Es zeigt sich eine tendentiell geringere Verzögerung für die Parameter mSEF und AE
gegenüber der mMEF. Der Unterschied zwischen mSEF und mMEF war dabei
statistisch signifikant (p = 0,015 für kf0 und p=0,008 für kf1).
Tabelle 21: Zeitliche Verzögerung Δt (in Epochen) bei asymmetrischer Glättung über die in
Tabelle 20 angegebene Zahl von Epochen.
Ratte Nr. mMEFkf0 mMEFkf1 mSEFkf0 mSEFkf1 AEkf0 AEkf1
3 58 43 31 8 35 35
4 - 35 54 22 59 64
5 25 3 10 4 7 6
6 41 41 16 16 11 11
8 26 26 8 9 14 15
9 26 18 19 12 9 12
11 19 29 15 17 36 31
MW 33 28 22 13 24 25
SD 15 14 16 6 20 20
Median 26 29 16 12 14 15
48
Diskussion
In vorliegender Studie wurde erstmals der pharmakodynamische Effekt von Desfluran
auf das Elektroenzephalogramm der Ratte durch eine sigmoide Konzentrations-
Wirkungskurve beschrieben. Entsprechende Studien wurden in der Vergangenheit für
das humane [26] und das ovine EEG [34] veröffentlicht.
Unter der Annahme, daß EEG-Veränderungen als Indikator für die Bioverfügbarkeit des
Anästhetikums am Zielorgan Gehirn und somit als Ausdruck der Narkosetiefe dienen
können, wurden Veränderungen im Ratten-EEG unter Desfluranapplikation erfaßt und
parametrisiert. Ziel der Studie war, verschiedene elektroenzephalographische Parameter
zu vergleichen hinsichtlich ihrer Brauchbarkeit, den anästhetischen Effekt von
Desfluran bei der Ratte zu quantifizieren. Mit dem verwendeten sigmoiden Emax-Modell
[12] war es möglich, für ausgewählte Effekt-Parameter Konzentrations-Wirkungs-
Beziehungen zu etablieren, die in weiteren Studien ein Monitoring der Narkosetiefe im
humanen Bereich ermöglichen könnten. Da es bei höheren Desflurankonzentrationen
zum Auftreten spezifischer hochfrequenter EEG-Muster wie Spikes und Burst
suppression kam, zeigte sich bei den Parametern MEF und SEF ein paradoxer
Frequenzanstieg bzw. ein nahezu konstanter Verlauf über längere Zeitabschnitte (vgl.
Abb. 6) bei zunehmender Narkosetiefe. Diese Parameter erwiesen sich daher ungeeignet
zur Überwachung des anästhetischen Effekts.
Um den erwähnten hochfrequenten Signalanteilen Rechnung zu tragen, wurde bereits in
früheren Studien [24] eine Modifikation der SEF für Burst suppression benutzt. Ihmsen
et al. führten eine erweiterte Modifikation ein, welche die zusätzlich auftretenden
Spikes mit einbezieht [15]. Obwohl die Spike-Modifikation ursprünglich für das Ratten-
EEG unter Propofol eingeführt wurde, erwies sie sich in der vorliegenden Studie als
ebenso geeignet für Desfluran. Die hierdurch neu einzuführende Konstante für die
Spike-Korrektur wurde dabei so gewählt, daß für die Parameter mMEF und mSEF
eine monotone Dosis-Effektbeziehung resultierte, was eine erwünschte Eigenschaft
hinsichtlich der Verwendung in einer automatisierten Narkosesteuerung darstellt.
Die Ergebnisse dieser Arbeit stehen im Widerspruch zu einer Studie mit Isofluran von
Rampil et al., die bei der Ratte keine Korrelation zwischen EEG und Reaktion auf einen
Schmerzreiz fanden [23]. Anders als in vorliegender Studie untersuchten diese Autoren
49
jedoch die SEF sowohl unmodifiziert als auch nach Modifikation für Burst suppression,
jedoch nicht für Spikes. Ohne Spike-Korrektur ließ sich auch in vorliegender Studie
keine brauchbare Dosis-Wirkungsbeziehung für die Burst suppression-korrigierte SEF
nachweisen [14].
Unter Desfluranapplikation beim Menschen wird von Rampil et al. hingegen eine
monotone Dosis-Wirkungsbeziehung für die Burst suppression-korrigierte SEF ohne
Spike-Korrektur beschrieben [24]. Ähnliche Ergebnisse erzielten Bruhn et al. mit
Isofluran [9].
Eine neuere Studie von Voss et al. zum Vergleich der epileptogenen Potenz von
Desfluran mit anderen volatilen Anästhetika beim Schaf zeigte lediglich eine minimale
corticale Spike-Aktivität für Desfluran und Isofluran bei Dosierungen, die Burst
suppression hervorriefen, während Sevofluran und Enfluran eine deutlich höhere Spike-
Aktivität induzierten [34].
Das Auftreten hochfrequenter Spike-Muster im EEG unter Narkose ist also sowohl ein
vom verwendeten Narkotikum als auch ein speziesabhängiges Phänomen, welches bei
der Analyse des murinen EEGs unter Desfluranapplikation eine entscheidende Rolle
spielt, beim humanen EEG jedoch offenbar von untergeordneter Bedeutung zu sein
scheint.
Burst suppression in relevantem Ausmaß trat bei der vorliegenden Studie mit einer BSR
von etwa 20 % bei 7,9 Vol.% Desfluran auf und steigerte sich auf etwa 80% während
der höchsten Konzentrationsstufe mit 11,0 Vol.% Desfluran (Abb. 8). Ähnliche
Ergebnisse erzielten Murell et al. [19], wobei diese Autoren für Desfluran bereits bei 7,5
Vol.% eine BSR von über 80% fanden und ab 9,0 Vol.% eine BSR von 100%. Diese
Diskrepanz ist möglicherweise dadurch zu erklären, daß Murell et al. das EEG in
Abwesenheit von Stimuli untersuchten, zudem sind Interaktionseffekte durch eine
Narkoseeinleitung mit Halothan nicht auszuschließen [19]. Interessanterweise konnten
in der gleichen Studie unter Halothannarkose bei der Ratte selbst bei hohen
Konzentrationen von 1,5 MAC keinerlei Burst suppression-Muster nachgewiesen
werden. Halothan bewirkt bei gleicher antinozizeptiver Potenz offenbar eine signifikant
geringere Depression der corticalen Aktivität als die neueren volatilen Anästhetika
Desfluran, Isofluran und Sevofluran, was dafür spricht, daß bei Halothan ein
fundamental anderer Wirkmechanismus zugrundeliegt [19].
50
Während für die spektralen Parameter MEF und SEF Modifikationen für Burst
suppression und Spikes erforderlich waren, zeigte die approximate Entropie (AE) auch
ohne Modifikation eine monotone Dosis-Wirkungsbeziehung. Dieser Parameter scheint
spezifische EEG-Muster wie Spikes und Burst suppression als Charakteristika größerer
Narkosetiefe korrekt wiederzugeben, da die Phasen relativer Signalunterdrückung
(Suppression) vom Entropie-Algorithmus als Phasen erhöhter Ordnung interpretiert
werden [9] und die approximate Entropie auch für Rauschen und Artefakte wenig
anfällig zu sein scheint. Bruhn et al. fanden ähnliche Ergebnisse bei einer Studie mit
Desfluran an Patientinnen [8], Voss et al. nutzten bei ihren Versuchen zur corticalen
Spikeaktivität während Desfluranapplikation beim Schaf die AE erfolgreich zur
Quantifizierung der Narkosetiefe [34].
Die in vorliegender Arbeit durchgeführten klinischen Tests dienten dem Zweck, einen
Bezug zwischen klinischen und EEG-Parametern herzustellen. Die minimale alveoläre
Konzentration (MAC) dient üblicherweise dazu, die Wirksamkeit volatiler Anästhetika
zu vergleichen und ist definiert als die Konzentration, bei der 50% der Probanden mit
einer zielgerichteten Bewegung auf einen supramaximalen Schmerzreiz reagieren,
wobei Art und Intensität dieser Abwehrbewegung nicht starr definiert sind, sondern
vom jeweiligen Studiendesign abhängen [2].
Für die Wahrscheinlichkeit einer positiven Reaktion auf einen definierten Quetschreiz
an der Rattenpfote wurde in der vorliegenden Studie eine EC50 von 8,6 Vol% ermittelt,
welche dem in der Literatur angegebenen MAC-Wert von 7,6 Vol% vergleichbar ist
[22]. Wir quantifizierten die Schmerzreaktion zusätzlich mittels visueller Analogskala
von 0 bis 10. Die dafür gefundene EC50 von 5,3 ± 1,1 (MW ± SD) Vol% liegt deutlich
unter der MAC. Dabei ist aber zu beachten, daß nur bei dichotomer Skalierung
(Reaktion / keine Reaktion) MAC und EC50 vergleichbare Größen beschreiben,
während im Falle der von 0 bis 10 skalierten Reaktion die EC50 die Konzentration
angibt, bei der im Mittel eine Reaktion der Stärke 5 auf den definierten Schmerzreiz
erfolgte.
Im Gegensatz zu den Ergebnissen von Rampil et al. mit Isofluran [23] fand sich in
vorliegender Studie eine Korrelation zwischen dem EEG und der Reaktion auf einen
Schmerzreiz [14]. Dies erklärt sich zum Teil dadurch, daß diese Autoren die SEF für
Burst suppression, jedoch nicht für Spikes modifizierten. Ein anderer Unterschied
zwischen ihrer Studie und der vorliegenden Untersuchung betrifft die EEG-Analyse.
51
Während Rampil et al. die unmittelbar vor einem Schmerzreiz gemessenen EEG-Daten
analysierten, verwendeten wir das poststimulatorische EEG. Insbesondere bei niedrigen
und mittleren Konzentrationen ist eine Überlagerung von anästhetikainduziertem Schlaf
und natürlichem Schlaf denkbar, wobei die prästimulatorischen EEG-Daten eine tiefere
Narkose vortäuschen könnten. In der Tat zeigten sich in der vorliegenden Studie bei
mMEF, mSEF und bei niedrigen Konzentrationen auch bei AE kleine EEG-Spitzen
unmittelbar nach Applikation der beiden Schmerzreize am Ende der jeweiligen
Konzentrationsstufen (Abb. 9 – 11), welche als passagere Wachreaktionen interpretiert
werden können. Die Analyse prästimulatorischer EEG-Daten ist zweifellos geeignet,
Informationen darüber zu erhalten, wie gut das EEG eine künftige Stimulation
vorhersagen kann, während man bei Verwendung poststimulatorischer Daten
Informationen darüber erhält, wie gut das EEG die gegenwärtige Narkosetiefe in
Anwesenheit von Schmerzreizen wiedergibt.
Ein Problem bei der Datenerhebung während oder nach einer Stimulation können
Bewegungsartefakte sein, insbesondere bei der Ableitung mit Nadelelektroden, wie sie
Rampil et al. verwendeten. Der von uns verwendete Versuchsaufbau mit implantierten
Elektroden und drahtloser Datenübertragung erlaubte die Aufzeichnung eines
weitgehend artefaktfreien Elektroenzephalogramms, auch wenn sich das Versuchstier
bewegte.
Ein in diesem Zusammenhang häufig diskutiertes Thema ist die Frage, ob Bewegung als
Reaktion auf einen Schmerzreiz tatsächlich ein Maß für die Narkosetiefe darstellt [1].
Die Ergebnisse verschiedener Versuche mit dezerebrierten Versuchstieren [25] oder
kraniellen Bypässen [3] lassen darauf schließen, daß bei der Entstehung der
antinozizeptiven Wirkkomponente der Anästhesie (Entstehung von narkosebedingter
Immobilität) Prozesse auf spinaler Ebene eine wichtige Rolle spielen, während das EEG
hingegen nur die zerebrale Aktivität darstellt. Da in der vorliegenden Arbeit jedoch
Versuchstiere mit intaktem Nervensystem untersucht wurden, muß von einer
Desfluranwirkung sowohl auf zerebraler als auch auf spinaler Ebene ausgegangen
werden. Diese beiden Wirkungsebenen sollten daher bei der Untersuchung eines
integralen Organismus miteinander korrelieren, auch wenn die Reizantwort auf
Schmerzreiz und das EEG verschiedene Wirkungsebenen der Anästhesie darstellen. Die
gefundene Korrelation zwischen Schmerzreaktion und EEG stützt diese Überlegungen.
52
Auch der Lidrandreflex erwies sich als brauchbarer klinischer Parameter, da die
beobachtete Wahrscheinlichkeit einer positiven Reaktion konzentrationsabhängig über
die gesamte Breite der Narkose abnahm mit einer EC50 im Bereich von 1 MAC (Tab.
16, Abb. 24). Diese Ergebnisse decken sich mit denen von Eappen und Kissin, welche
ähnliche Dosen von Thiopental benötigten, um bei der Ratte den Schmerzreflex und den
Lidrandreflex zum Erlöschen zu bringen [11].
Die Reaktion auf einen akustischen Reiz erlosch in vorliegender Studie bereits bei
leichter Narkose (EC50 ~ 0,3 MAC) mit einer steilen Dosis-Wirkungskurve im Sinne
einer „On-Off-Dynamik“ und scheint daher für ein sinnvolles Monitoring der Narkose-
tiefe nicht geeignet.
Die atemdepressive Wirkkomponente von Desfluran ist beim Menschen bekannt [5]
und zeigte sich in unseren Versuchen auch an der Ratte. Zwar gelang die Berechnung
eines pharmakodynamischen Modells mit nahezu linearem Verlauf (γ = 1,52) (Abb. 25),
die große interindividuelle Streubreite des Effekts (Abnahme der Atemfrequenz
zwischen 31 und 67%) sowie der meist nichtmonotone Verlauf lassen diesen Parameter
jedoch als Indikator für die Narkosetiefe ungeeignet erscheinen.
Der Durchblutungsgrad der Ohren erwies sich als solcher ebenfalls ungeeignet, da sich
hierfür keine monotone Dosis-Wirkungsbeziehung erheben ließ, wenngleich eine
initiale Mehrdurchblutung bei niedrigen Konzentrationsstufen beobachtet werden
konnte.
Ein weiteres Ziel dieser Studie war die Bestimmung der Signal-Rauschverhältnisse
(SRV) für die einzelnen EEG-Parameter, einerseits zur Beurteilung der Signalgüte,
andererseits zum Vergleich der Parameter mMEF, mSEF und AE untereinander. Dabei
wurden keine statistisch signifikanten Unterschiede beobachtet, es zeigte sich jedoch bei
der mMEF ein genereller Trend zu niedrigeren Werten für SRV als bei mSEF und AE.
Ähnliche Ergebnisse fanden Jeleazcov et al. unter Propofolnarkose bei Patienten [16].
Diese Autoren beobachteten bei Kindern (mit Ausnahme der Altersgruppe 0 – 1 Jahr)
niedrigere Signal-Rauschverhältnisse für MEF als für SEF und AE [17].
Obwohl die AE ein niedrigeres Rauschen aufweist als die mSEF, sind die SRV beider
Parameter ähnlich. Dies kann dadurch erklärt werden, daß der Frequenzbereich der
mSEF (1 – 23 Hz) größer ist als bei der AE (0,8 – 1,2) und somit die mSEF eine höhere
Signalvarianz aufweist.
53
Das Rauschen eines Parameters läßt sich durch Glättungsverfahren, also Mittelwert-
bildung über eine größere Anzahl von Epochen, verringern. Der notwendige Grad der
Glättung hängt dabei vom SRV ab. Bei Online-Signalverarbeitung im Rahmen eines
intraoperativen Narkosemonitorings wäre eine zu große zeitliche Verzögerung durch
Mittelung über viele Epochen unerwünscht. Da mSEF und AE weniger Glättung
benötigen, können diese Parameter plötzliche Änderungen des anästhetischen Effekts
schneller detektieren als die mMEF und sind diesem Parameter daher überlegen. Der
zur Identifizierung des Signals notwendige Grad der Glättung wurde in dieser Studie
durch das mittels Spline-Interpolation errechnete SRV ermittelt (Tab. 19).
Die daraus resultierende zeitliche Verzögerung (Δt) war für die mSEF mit 13 ± 6
Epochen (MW ± SD) am geringsten, was bei einer Epochenlänge von 8 s einer
Verzögerung von 96 s entspricht. Ähnliche Werte fanden sich für die AE, während die
mMEF mit 28 ± 14 Epochen (MW ± SD) ein signifikant (p = 0,02) schlechteres Delay
im Vergleich zur mSEF aufwies (Tab. 21). AE und mSEF scheinen somit für ein
intraoperatives Narkosemonitoring besser geeignet zu sein als mMEF.
Ein weiteres Kriterium bei der Beurteilung eines EEG-Parameters ist die Steilheit der
Konzentrations-Wirkungsbeziehung, ausgedrückt durch den Hill-Exponenten γ. Wird
dieser sehr groß, so nähert sich das pharmakodynamische Modell einer „On-Off-
Dynamik“ an, was zur Folge hat, daß im Bereich der EC50 geringe Konzentrations-
änderungen einen großen Effekt bewirken. Dies wäre bei einer automatisierten Narkose-
steuerung ein unerwünschtes Phänomen, da es die Kontrollierbarkeit erschweren würde.
Die approximate Entropie weist in der vorliegenden Studie einen kleineren Wert für γ
(3,2 ± 2,0) (MW ± SD) auf als mMEF (4,6 ± 2,5) (MW ± SD) und mSEF (4,0 ± 1)
(MW ± SD).
Mögliche systematische Fehlerquellen der Arbeit sind in der Applikation von Desfluran
in ansteigenden Konzentrationsstufen und der fehlenden Verblindung des Untersuchers
bezüglich der Konzentrationen zu sehen. Hierbei ist jedoch zu bedenken, dass bei einer
Randomisierung der Konzentrationsstufen eine erheblich längere Zeitspanne zum
Erreichen eines Äquilibriums von inspiratorischer und endtidaler Konzentration
erforderlich wäre, wenn große Konzentrationsunterschiede zwischen zwei
aufeinanderfolgenden Messungen vorliegen. Dies würde jedoch die gesamte
Versuchsdauer verlängern, was wiederum zu neuen Störgrößen bzw. einer
Verschlechterung des Allgemeinzustandes der Versuchstiere führen könnte. Die
54
mögliche Einflußnahme einer nichtrandomisierten Applikation des Anästhetikums
wurde daher zugunsten einer kürzeren Gesamtversuchsdauer in Kauf genommen. Ein
möglicher Fehler durch fehlende Verblindung des Untersuchers bezüglich der
Konzentration dürfte weniger gravierend sein, da zumindest der Lidrandreflex mittels
dichotomer Skalierung dokumentiert wurde.
Die durchgeführten Untersuchungen zeigten, daß die EEG-Parameter MEF, SEF und
AE geeignet sind, den anästhetischen Effekt von Desfluran wiederzugeben. Die bei der
Ratte in höheren Konzentrationen auftretenden spezifischen EEG-Muster Spikes und
Burst suppression machten dabei für MEF und SEF eine Modifikation erforderlich, um
einen monotonen Verlauf und eine korrekte Korrelation zwischen EEG und Reaktion
auf einen definierten Schmerzreiz als klinisches Korrelat des anästhetischen Effekts zu
erhalten. Für die AE war interessanterweise keine Modifikation erforderlich.
Für alle untersuchten EEG-Parameter sowie für die klinischen Zeichen mit Ausnahme
der Ohrdurchblutung ließen sich Konzentrations-Wirkungsbeziehungen mit einem
sigmoiden pharmakodynamischen Modell bestimmen. Das Signal-Rauschverhältnis war
für mSEF und AE tendentiell besser als für mMEF, das erforderliche Maß an
Glättungen bei mSEF signifikant besser. Diese Beobachtungen führen zu dem Schluß,
dass zwar alle Parameter nach entsprechender Modifikation geeignet sind, den
anästhetischen Effekt von Desfluran korrekt wiederzugeben, im Rahmen eines
intraoperativen Narkosemonitorings jedoch die mSEF und die AE aufgrund der
geringeren zeitlichen Verzögerung geeigneter erscheinen als die mMEF.
Ob die bei höheren Konzentrationen beobachteten Spike-Muster, die beim murinen
EEG unter Desfluran offenbar eine wichtige Rolle spielen, auch bei anderen
Anästhetika wie Ketamin oder Benzodiazepinen auftreten, wäre ein lohnenswerter
Ansatz für weiterführende Forschungen.
55
Literaturverzeichnis
1. Antognini JF, Barter L, Carstens E: Overwiew movement as an index of
anesthetic depth in humans and experimental animals. Comp Med 2005; 55:
413-8
2. Antognini JF, Carstens E: In vivo characterization of clinical anaesthesia and its
components. Br J Anaesth. 2002; 89: 156-66
3. Antognini JF, Schwartz K: Exaggerated anesthetic requirements in the
preferentially anesthesized brain. Anesthesiology 1993; 79: 1244-9
4. Arbous MS, Meursing AE, van Kleef JW, de Lange JJ, Spoormans HH, Touw P,
Werner FM, Grobbee DE: Impact of anesthesia management characteristics on
severe morbidity and mortality. Anesthesiology 2005; 102: 257-68
5. Behforouz N, Dubousset AM, Jamali S, Ecoffey C: Respiratory effects of
desflurane anesthesia on spontaneous ventilation in infants and children. Anesth
Analg. 1998; 87: 1052-5
6. Bleckwenn M: Welche Gültigkeit besitzt die Meyer-Overton-Korrelation heute?
Eine Überprüfung mit Hilfe einer elektronischen Datenbank. Med. Diss. Bonn,
1993
7. Bruhn J: Entropie, Überwachung der Narkosetiefe, Grundlagen und klinische
Praxis. Edited by Wilhelm W, Bruhn J, Kreuer S. Köln, Deutscher Ärzte-Verlag,
2006, S. 53-63
8. Bruhn J, Röpcke H, Hoeft A: Approximate entropy as an electro-
encephalographic measure of anesthetic drug effect during desflurane anesthesia.
Anesthesiology 2000; 92: 715-26
9. Bruhn J, Röpcke H, Rehberg B, Bouillon T. Hoeft A: Electroencephalogram
approximate entropy correctly classifies the occurrence of burst suppression
pattern as increasing anesthetic drug effect. Anesthesiology 2000; 93: 981-5
10. Daunderer M, Schwender D: Depth of anesthesia, awareness and EEG.
Anaesthesist 2001; 50: 231-41
11. Eappen S, Kissin I: Effect of subarachnoid bupivacaine block on anesthetic
requirements for thiopental in rats. Anesthesiology 1998; 88: 1036-42
12. Holford NH, Sheiner LB: Kinetics of pharmacologic response. Pharmacol Ther
1982; 16: 143-66
56
13. Hurvich CM, Tsai CL: Model selection for extended quasi-likelihood models in
small samples. Biometrics 1995; 51: 1077-84
14. Ihmsen H, Schywalsky M, Plettke R, Priller M, Walz F, Schwilden H:
Concentration-effect relations, prediction probabilities (Pk), and signal-to-noise
ratios of different electroencephalographic parameters during administration of
desflurane, isoflurane, and sevoflurane in rats. Anesthesiology 2008; 108: 276-
85
15. Ihmsen H, Tzabazis A, Schywalsky M, Schwilden H: Propofol in rats: Testing
for nonlinear pharmacokinetics and modelling acute tolerance to EEG effects.
Eur J Anaesthesiol 2002; 19: 177-88
16. Jeleazcov C, Bremer F, Schwilden H: Simultaneous analysis of clinical
endpoints and signal-to-noise ratio identifies suitable EEG parameters for
monitoring anaesthesia. J Clin Monit Comput 2006; 20: 126-7
17. Jeleazcov C, Schmidt J, Schmitz B, Becke K, Albrecht S: EEG variables as
measures of arousal during propofol anaesthesia for general surgery in children:
rational selection and age dependence. Br J Anaesth. 2007; 99: 845-54
18. Missner A, Pohl P: 110 years of the Meyer-Overton rule: predicting membrane
permeability of gases and other small compounds. Chemphyschem. 2009; 10:
1405-14
19. Murrel JC, Waters D, Johnson CB: Comparative effects of halothane, isoflurane,
sevoflurane and desflurane on the electroencephalogram of the rat. Laboratory
Animals 2008; 42: 161-70
20. Pincus SM, Gladstone IM, Ehrenkranz RA: A regularity statistic for medical
data analysis. J Clin Monit 1991; 7: 335-45
21. Rampil, IJ: A primer for EEG signal processing in anesthesia.
Anesthesiology, 1998; 89: 980-1002
22. Rampil IJ, King BS: Volatile anesthetics depress spinal motor neurons.
Anesthesiology 1996; 85: 129-34
23. Rampil IJ, Laster MJ: No correlation between quantitative
electroencephalographic measurements and movement response to noxious
stimuli during isoflurane anesthesia in rats. Anesthesiology 1992; 77: 920-5
24. Rampil IJ, Lockhart SH, Eger EI II, Yasuda N, Weiskopf RB, Cahalan MK :
The electroencephalographic effects of desflurane in humans. Anesthesiology
1991; 74: 434-9
57
25. Rampil IJ, Mason P, Singh H: Anesthetic potency (MAC) is independent of
forebrain structures in the rat. Anesthesiology 1993; 78: 707-12
26. Rehberg B, Bouillon T, Zinserling J, Hoeft A: Comparative Pharmacodynamic
Modeling of the Electroencephalography-slowing Effect of Isoflurane,
Sevoflurane, and Desflurane. Anesthesiology 1999; 91: 397-405
27. Reinsch C: Smoothing by spline functions. Numer Math 1967; 10: 177-83
28. Röpcke H, Rehberg B, Koenen-Bergmann M, Bouillon T, Bruhn J, Hoeft A:
Surgical stimulation shifts EEG concentration-response relationship of
desflurane. Anesthesiology 2001; 94: 390-9
29. Schallert T, Upchurch M, Lobaugh N, Farrar SB, Spirduso WW, Gilliam P,
Vaughn D, Wilcox RE: Tactile extinction: Distinguishing between sensorimotor
and motor asymmetries in rats with unilateral nigrostriatal damage. Pharmacol
Biochem Behav 1982; 16: 455-62
30. Schwilden H: Concepts of EEG processing: From power spectrum to
bispectrum, fractals, entropies and all that. Best Pract Res Clin Anaesthesiol
2006; 20: 31-48
31. Schwilden H, Stoeckel H: Quantitative EEG analysis during anaesthesia with
isoflurane in nitrous oxide at 1.3 and 1.5 MAC. Br J Anaesth 1987; 59: 738-45
32. Thomsen CE, Prior PF: Quantitative EEG in assessment of anaesthetic depth:
comparative study of methodology. Br J Anaesth 1996; 77: 172-8
33. Tzabazis A, Ihmsen H, Schywalsky M, Schwilden H: EEG-controlled closed-
loop dosing of propofol in rats. Br J Anaesth 2004; 92: 564-9
34. Voss LJ, Ludbrook G, Grant C, Sleigh JW, Barnard JP: Cerebral cortical effects
of desflurane in sheep: comparison with isoflurane, sevoflurane and enflurane.
Acta Anaesthesiol Scand. 2006; 50: 313-9.
58
Abkürzungsverzeichnis
Abb. Abbildung
AIC Akaike-Kriterium
AE approximate Entropie
BSR burst suppression ratio
γ Hill-Koeffizient
EEG Elektroenzephalogramm
E Effekt
EC50 mittlere effektive Konzentration
MAC minimale alveoläre Konzentration
MEF Medianfrequenz
mMEF modifizierte Medianfrequenz
mSEF modifizierte spektrale Eckfrequenz
MW Mittelwert
p Signifikanzwert (p-value)
SD Standardabweichung
SE Standardfehler
SEF spektrale Eckfrequenz
SRV Signal-Rauschverhältnis
t Zeit
VAS vereinfachte Analogskala
Vol% Volumen-Prozent
ZNS Zentralnervensystem
59
Danksagung
Mein Dank gilt zuerst meinem geschätzten Doktorvater Herrn Prof. Dr. Dr. Schwilden
für die spontane und bereitwillige Annahme als Doktorand und Überlassung des
Promotionsthemas. Die hervorragende Betreuung und Vermittlung theoretischer
Grundlagen im Rahmen des Doktorandenseminars waren eine große Hilfe für das
Verständnis der komplexen physikalisch-mathematischen Hintergründe.
Großer Dank gilt ebenso Herrn Dr. Ihmsen für die Begleitung und Unterstützung bei der
Versuchsdurchführung und beim Auswerten der EEG-Daten sowie die hervorragende,
kompetente und hilfsbereite Betreuung bei der Ausarbeitung der Dissertation.
Herrn Dr. Schywalsky gebührt Dank für die meisterhafte Präparation der Versuchstiere,
die er einmal liebevoll „unsere rotäugigen, meist schlafenden Kollegen“ nannte, sowie
für die humorvolle Begleitung beim Durchführen der Experimente, bei denen er in
EEG-Verläufen bisweilen mehr zu erkennen vermochte als „nur“ Frequenzen.
Nicht zuletzt möchte ich mich bei meinen Eltern und Großeltern bedanken, die mein
Interesse an den Naturwissenschaften immer gefördert und mir meine Ausbildung
ermöglicht haben.
Meiner liebsten Katja danke ich für ihre Geduld und Unterstützung während des
Ausarbeitens der Dissertation.
60
Lebenslauf
Florian Martin Walz, ledig, geboren am 12. Oktober 1978 in Lichtenfels als Sohn von
Günter Walz und Maria Margit Walz, geb. Mzyk. Geburt der Schwester Julia Agnes
1980.
Besuch der Domschule in Bamberg von 1985 bis 1989 sowie des Kaiser-Heinrich-
Gymnasiums Bamberg von 1989 bis 1998.
Abitur 1998, Wehrdienst in Donauwörth 1998 bis 1999.
Studium der Pharmazie an der Friedrich-Alexander-Universität Erlangen von 1999 bis
2001. Immatrikulation für das Studium der Humanmedizin an der Friedrich-Alexander-
Universität Erlangen-Nürnberg zum Wintersemester 2001/02.
Ärztliche Vorprüfung im September 2003.
Erster Abschnitt des praktischen Jahres an der Hals-Nasen-Ohren-Universitätsklinik in
Erlangen, zweiter und dritter Abschnitt am Klinikum Bamberg (Chirurgie und Innere
Medizin). Zweiter Abschnitt der Ärztlichen Prüfung im Dezember 2007.
Ärztliche Approbation im Januar 2008.
Ab Januar 2009 zunächst Tätigkeit als Assistenzarzt in der Klinik für Orthopädie der
Kliniken Dr. Erler in Nürnberg, seit August 2009 als Assistenzarzt in der Klinik für
Unfallchirurgie.