行為量表聯合電生理檢查對顱腦損傷意識障礙患者預后的評估

何艷斌，林清，王斐，章潔純，虞容豪，謝秋幼，潘家輝，潘速躍

行為量表聯合電生理檢查對顱腦損傷意識障礙患者預后的評估

何艷斌，林清，王斐，章潔純，虞容豪，謝秋幼，潘家輝，潘速躍

目的探討行為量表聯合電生理檢查對顱腦損傷后意識障礙(DOC)患者預后評估的價值。方法回顧性分析49例腦損傷后意識障礙患者的臨床資料。給患者進行昏迷恢復量表(CRS-R)評分、常規神經電生理及腦機接口(BCI)檢測、格拉斯哥預后量表(GOS)評分，將結果劃分不同等級。采用二元Logistic回歸分析法，建立回歸模型，并繪制模型對應的ROC曲線判斷模型評估預后的價值。結果單因素分析發現，兩組患者腦電圖(EEG)分級、CRS-R評分、體感誘發電位(SEP)分級及BCI檢測在線準確率比較，差異均有統計學意義(均P< 0.05)。Logistic回歸分析發現，BCI在線準確率與患者預后的相關性最強(OR= 9.483,P= 0.036)，EEG等級(OR= 7.765,P=0.043)及SEP等級(OR=7.075,P=0.047)次之。繪制ROC曲線發現，聯合4種方法綜合所對應的AUC值最高，為0.920(P=0.039)。結論CRS-R評分、EEG、SEP及BCI均能較好地評估DOC患者的預后；而4種方法聯合檢測的準確率更高，值得在臨床推廣。

意識障礙；預后；腦電圖；昏迷恢復量表；體感誘發電位；腦機接口

慢性意識障礙(chronic disorders of consciousness,DOC)包括植物狀態或無反應覺醒綜合征(vegetative state/unresponsive wakefulness syndrome,VS/UWS)和微意識狀態(minimally conscious state,MCS)。VS/UWS是對自我和環境無知曉的臨床狀態，而保持自主呼吸，循環穩定，具有自發的睜閉眼[1]。MCS是一種最低但有明確的行為證據證明對自我或環境有知曉的嚴重改變的意識狀態[2]。VS/UWS和MCS兩者具有本質區別，且預后大相徑庭。因此鑒別兩種狀態很有必要，有利于醫療資源的分配。但這兩種意識狀態的評估十分困難，有報道誤診率高達38%～43%[3]。近年來，趨于采用多方法檢測殘余認知功能進行評估意識狀態和判斷疾病預后；不僅提高了診斷率，并且部分方法的介入起到康復的作用。本研究通過神經行為量表—修改版昏迷恢復量表(coma recovery scale-revised，CRS-R)，聯合腦電圖(EEG)、體感誘發電位(SEP)及腦機接口(brain-computer interface，BCI)在線準確率檢測，與患者格拉斯哥預后量表(Glasgow outcome scale，GOS)評分做相關性分析；以探討行為量表聯合電生理檢查對意識障礙患者預后評估的價值。

1 資料與方法

1.1 資料 廣州軍區廣州總醫院2013年1月～2016年6月收治的腦損傷后意識障礙患者49例。均符合納入標準，其中男38例(78%)，女11例(22%)；年齡16～72歲，平均年齡(39.7±14.3)歲；顱腦外傷致意識障礙22例(45%)，非腦外傷所致27例(55%)。納入標準：年齡13～75歲，意識障礙病程≥28 d，入院時CRS-R評分診斷為VS/UWS或MCS。排除標準：此次發病前有過腦損傷病史，生命體征不穩定，病情進行性加重，受檢24 h內服用過影響中樞神經興奮性藥物。根據病因將患者分為外傷與非外傷兩組。本研究通過廣州總醫院醫學倫理委員會的批準。

1.2 方法 患者入院24 h內行CRS-R評分，入院后5 d內行EEG、SEP檢查。EEG按照Lavizzari分級標準[4]進行分級(Ⅰ～Ⅴ級)；將Ⅰ、Ⅱ級列為較好等級，Ⅲ～Ⅴ級為較差等級。SEP按照Judson分級標準[5]進行分級(Ⅰ～Ⅲ級)；將Ⅰ、Ⅱ級列為較好等級，Ⅲ級為較差等級。所有患者擇期行BCI檢查，經視覺或聽覺或視聽覺聯合的刺激，采用Compumedics公司的NuAmps便攜式放大器來記錄頭皮腦電信號。在線即時反饋選擇的對錯,得出準確率；在線準確率顯著為好等級，在線準確率不顯著為差等級；離線計算P300。患者檢測完3個月或是發病6個月后，對其進行GOS評分[6]評判預后。

2 結 果

2.1 行為量表及電生理檢查結果 本組患者中，VS/UWS者38例，MCS者11例；意識恢復結局較好者33例(67%)，意識恢復結局較差者16例(33%)；CRS-R評分為4～23分，平均為(10.4±5.1)分。EEG有α波出現者37例(76%)，無α波者12例(24%)。SEP至少有一側N20者23例(47%)，雙側均無N20者26例(53%)。BCI檢測能夠按照指令注視靶刺激的患者32例(65%)。

2.2 單因素分析結果 見表1。對意識恢復與意識未恢復兩組患者的各因素進行比較，年齡、性別及引起意識障礙病因的差異無統計學意義；而入院時CRS-R評分、入院3 d內EEG、SEP及BCI在線準確率的差異均有統計學意義。

表1 意識恢復組與意識未恢復組相關臨床因素的比較(例)

2.3 多因素分析結果 見表2。將單因素分析有統計學意義的CRS-R評分、EEG、SEP等級和BCI在線準確率這些因素，進一步納入建立回歸模型，得出以上診斷方法所對應的OR值。CRS-R評分的OR值為2.627(P=0.012)，EEG等級的OR值為 7.765(P=0.043)，SEP等級的OR值為7.075(P=0.047),BCI在線準確率的OR值為9.483(P=0.036)。通過比較OR值顯示，BCI在線準確率與患者意識恢復與否的相關性最強，CRS-R評分的相關性相對較差，EEG及SEP等級與意識恢復與否的相關性居中。

表2 Logistic回歸分析結果

2.4 模型擬合優度檢驗 Logistic回歸模型的Hosmer-Lemeshow檢驗的χ2值為2.155，P=0.951。為了進一步對各診斷方法的準確性及回歸模型擬合優度進行檢驗，采用SPSS19.0軟件作ROC曲線(圖1)。比較各診斷方法所對應的曲線下面積(area under curve，AUC)值(表3)顯示，BCI在線準確率的診斷準確性最高(AUC=0.778，P=0.002)，SEP等級次之(AUC=0.724，P=0.012)，EEG等級(AUC=0.708，P=0.019)和CRS-R評分(AUC=0.706，P=0.020)的準確性稍差。并得出總回歸模型所對應的AUC值為0.920(P=0.000)。表明這4種診斷方法聯合應用評估DOC患者意識恢復與否的準確性最高。

圖1 Logistic回歸模型的ROC曲線

表3 ROC曲線對應的AUC值

3 討 論

隨著科技的發展，已有多種手段檢測殘存意識，但臨床量表仍處于不可取代的地位。CRS-R是目前國際上公認，并廣泛被使用于DOC臨床評估的行為量表。該量表包括了聽覺、視覺、運動、言語、交流、喚醒度6個子項，可以從不同的角度評估意識狀態，并且經濟、方便、直觀。研究表明，CRS-R可廣泛地應用于意識障礙各個階段，并且此量表對判斷MCS較敏感。陳炎等[8]報道，CRS-R評分越高者，其預后越好。本研究CRS-R評分(12.6 ± 5.0)分患者的預后明顯好于CRS-R評分(6.0 ± 1.2)分者(P=0.0431)；并且CRS-R評分越高者的預后越好。但CRS-R評分容易受患者服用鎮靜藥物、精神、情緒以及評估者的主觀性等因素影響。使用CRS-R的評估者必需對DOC充分了解，有豐富的臨床經驗，以及對CRS-R操作非常熟悉，并且還需要客觀的一些檢查來補充CRS-R的不足。

EEG監測可直接及時地反映腦皮層功能，是意識障礙患者意識評估不可替代的檢查方法。目前有很多研究通過定量計算的方法，與臨床行為量表的相關性進行比較。如振幅整合EEG、雙頻指數、功率譜、近似熵值等，但一般需要理工科方面的配合。而臨床EEG分級是個比較簡便、直觀、有效的判斷腦功能方法，因此EEG分級法一直在臨床廣泛使用。Lavizzari等[4]根據EEG形式分級發現，以α、θ波范圍活動為主的EEG Ⅱ級以下及小部分Ⅲ級者大多預后較好，而部分EEG Ⅲ級以及Ⅲ級以上患者的預后不良。研究表明，EEG分級越高者，其預后越差。本研究EEG Ⅰ～Ⅱ級者的預后明顯好于Ⅲ～Ⅴ級者(P= 0.002)；表明EEG對DOC患者的預后評估有一定的價值。

SEP不受中樞神經抑制藥物及意識狀態、情緒等因素影響，可客觀、可靠、準確地反映腦皮層功能，而評估意識障礙患者的病情及預后。SEP在既往急性腦損傷、DOC中預測預后的準確率可達78%～80%；研究中發現SEP分級與預后密切相關，SEP級別越高的患者腦損傷程度越重，預后越差[10-12]。黎振聲等研究同樣發現，SEP N20潛伏期能夠很好地評價意識障礙患者的預后[13]。本研究結果顯示，SEP Ⅰ、Ⅱ級患者的預后良好，預后良好準確率可達86.9%；SEP Ⅲ級患者中，有9例患者一側N20存在，其中7例患者的意識狀態有改善。

BCI在線準確率檢測是在沒有周圍神經及肌肉參與的情況下，實現人與外界環境交互，并顯示和實現人們期望行為的系統。由于DOC患者常常伴有運動功能和言語功能障礙，給臨床評估意識狀態及預后造成很大的誤差。BCI技術的應用可減少該類誤差。BCI檢測的在線準確率是認知功能的體現，準確率越高者，認知功能越好，相應意識狀態也越好。BCI是檢測殘余認知功能一項比較好的方法，在一些范式中還可起到認知康復訓練的作用。在刺激通道的選擇上常以聽覺、視覺或是視聽覺聯合為主，刺激物的選擇上有患者較為熟悉的聲音或圖片，如家人喚名的聲音[14]，患者自己的相片[15]；也可以是容易引起患者注意的新穎的刺激物，如突然出現的聲音刺激[16]，閃爍的數字[17]等。這些研究均能檢測到DOC患者對刺激物所產生的反映。本研究建立的回歸模型中亦發現，BCI檢測所對應的OR值最大，表明BCI檢測所得在線準確率與患者預后的相關性最強。BCI目前仍為一項研究性的技術方法，受到一些領域性的限制，相信在不久的將來會簡易化，以便用之于臨床。

腦損傷后DOC患者中有很大一部分仍殘存有部分認知功能，但由于該類患者可能存在運動功能障礙，或是意識水平波動、注意力差，或是易疲勞，導致檢測及預后評估工作難度很大。CRS-R量表、EEG、SEP和BCI檢測有各自的優缺點；聯合檢測的目的是從不同的方向來彌補單項檢查的缺點，可以優化檢測結果，提高預后評估的準確性。在本研究中，聯合4種檢測方法總回歸模型所對應的AUC值為0.920(P=0.000)，在預測意識恢復與否的準確率最高。綜上所述，評估意識障礙患者的預后需要聯合采用多種檢測方法。

[1] The Multi-Society Task Force on PVS.Medical aspects of the persistent vegetative state[J].N Engl J Med,1994,330:1572.

[2] Laureys S,Owen AM,Schiff ND.Brain function in coma,vegetative state,and related disorders[J].Lancet Neurol,2004,3:537.

[3] Schnakers C,Vanhaudenhuyse A,Giacino J,etal.Diagnostic accuracy of the vegetative and minimally conscious state:clinical consensus versus standardized neurobehavioral assessment[J].BMC Neurol,2009,9:35.

[4] Lavizzari GS,Bassetti C.Prognostic value of EEG in post-anoxic coma after cardiac arrest[J].Eur Neuro1,1987,26:161.

[5] Judson JA,Cant BR,ShawMA.Early prediction of outcome from cerebral trauma by somatosensory evoked potentials[J].Critical Care Med,1990,8:363.

[6] Klemencketis Z,Bacovnikjansa U,Ogorevc M，etal.Outcome predictors of Glasgow outcome scale score in patients with severe traumatic brain injury[J].TJTES,2011,17:509.

[7] Di H,He MH,Zhang Y,etal.Chinese translation of the Coma Recovery Scale-Revised[J].Brain Inj,2017,31:363.

[8] 陳炎,謝秋幼,楚淑芳,等.修改版昏迷恢復量表對意識障礙患者預后的評估價值[J].臨床神經病學雜志,2014,27:370.

[9] Estraneo A,Loreto V，Guarino I,etal.Standard EEG in diagnostic process of prolonged disorders of consciousness[J].Clin Neurophysiol,2016,127:2379.

[10] 趙紅,宿英英,丁寧.兩種體感誘發電位分級標準對重癥腦功能損傷預后預測的比較[J].腦與神經疾病雜志,2014,19:171.

[11] 黃健聰,王向宇,黃全,等.重型顱腦損傷長期意識障礙患者的體感誘發電位分級研究及預后評估[J].創傷外科雜志,2011,13:146.

[12] 康曉剛.意識障礙患者腦功能評估及預后判別研究[D].西安:第三軍醫大學,2014.

[13] 黎振聲，彭海燕，黃永君，等.體感誘發電位N20評價意識障礙患者預后的研究[J].中國臨床神經病學，2011,19:377.

[14] 趙磊.皮層腦電分析方法及其在大腦意識活躍狀態評價中的應用研究[D].杭州:杭州電子科技大學,2013.

[15] Pan J,Xie Q,He Y,etal.Detecting awareness in patients with disorders of consciousness using a hybrid rain-computer interface[J].J Neural Eng,2014,11:056007.

[16] Xiao J,Xie Q,He Y,etal.An auditory BCI system for assisting CRS-R behavioral assessment in patients with disorders of consciousness[J].Sci Rep,2016,6:32917.

[17] Wang F,He Y,Pan J,etal.Erratum:a novel audiovisual brain-computer interface and its application in awareness detection[J].Sci Rep,2015,5:12592.

Combinationofhehavioralscaleandneuroelectrophysiologicalexaminationinprognosisofpatientswithdisordersofconsciousness

HEYan-bin，LINQing,WANGFei,etal.

SouthernMedicalUniversity,Guangzhou510515,China

PANSu-yue

ObjectiveTo explore the value of combination of behavioral scale and neuroelectro-physiological examination in prognosis of patients with disorders of consciousness(DOC).MethodsThe clinical data of 49 patients with disorders of consciousness were analyzed retrospectively.The scores of behavioral scale and results of neuroelectrophysiological examination and brain computer interface(BCI) were collected and graded.Glasgow outcome scale(GOS) was used to assess the prognosis of DOC patients.Bilateral logistic regression analysis was used to determine whether those methods can predict outcome of DOC accurately or not and its extent.ROC curve was drawn to detect the value of the model.ResultsUnivariate analysis showed that EEG,CRS-R score,SEP and online accuracy of BCI were different significantly(P<0.05).Logistic multivariate analysis showed that BCI (OR=9.483，P=0.036)correlated with the prognosis most significantly,then next were EEG(OR=7.765,P=0.043)and SEP(OR=7.075,P=0.047).AUC of the four methods integration was better than any single method.ConclusionCRS-R score,EEG,SEP and BCI can be used to evaluate the prognosis of DOC patients,but integration of these four methods is much better and should be applied widely.

disorders of consciousness;prognosis;EEG;CRS-R;SEP;brain computer interface

廣東省自然科學基金(2015A030313609)；廣州市科技計劃項目(201509010006)；廣東省中醫藥局科研項目(20172033)

510515廣州，南方醫科大學(何艷斌，潘速躍)；廣州軍區廣州總醫院神經康復科昏迷研究組(何艷斌，林清，虞容豪，章潔純，謝秋幼)；華南理工大學自動化科學與工程學院(王斐，潘家輝)

潘速躍

10.3969/j.issn.1672-7770.2017.06.007

R651.15

A

1672-7770(2017)06-0437-04

(收稿2017-10-12 修回2017-11-02)