應用24 h動態腦電圖檢查小兒癲癇及其臨床特征分析

黃淑來 吳端純

癲癇是一種因多種病因所引發的慢性腦部病癥，在任何年齡段、發病地區及種族人群中，都有可能發病，其中小兒發病率最高[1-2]。因癲癇發作的形式具有復雜性和多樣化特征，且部分運動性發作的時間相對較短，但卻可能在這一定的時間段內涉及多種發病類型，如肌陣攣性發作、失神發作、局限性發作、強直發作、站立不能發作等，發作類型有所區別，但是幾種發作類型也會互相重合，導致發作分類無法進一步細化和完善。對發作類型區分，有助于癲癇疾病和癲癇綜合征的認知，更主要是關乎不同因素，且關乎治療方案的選取及預后判定。24 h動態腦電圖（24 hours ambulatory electroencephalogram，24 h AEEG）因測定時間持續性，且在不同環境下均能描記，因此目前得到了大量的應用[3-4]?；诖耍疚膶⒎治鲂喊d癇患者24 h動態腦電圖臨床特征，能更好提升對癲癇患兒的認知，提高診治水平。

1 資料與方法

1.1 一般資料

選入2017年10月-2019年10月，接收的疑似癲癇患兒共計180例，男104例，女76例，年齡1～14歲，平均（8.30±0.97）歲，病程區間10 d～10個月，平均（3.08±0.43）個月。（1）確診標準：①腦電圖上癇樣放電異常；②患兒出現十分明顯的癲癇反應，渾身抽搐，口吐白沫。（2）納入標準：①出現持續性、間斷性、反復性意識障礙、局部肌肉的抽搐、睡眠障礙及呼吸困難等反應而就診；②年齡＜15歲；③家族遺傳史，數據完整清楚。（3）排除標準：①高熱驚厥導致的誘發抽搐；②肝腎功能障礙；③經24 h AEEG檢查確診；④正進行抗癲癇藥物治療?；純杭覍賹Ρ敬窝芯恐?，同意配合，簽訂知情書。本研究征得倫理委員會批準同意。

1.2 方法

檢查前半小時患兒清洗頭部，應用24 h動態腦電圖測定設備，在患兒保持平靜和清醒的狀態下（可由患兒家屬在旁進行安撫工作），深呼吸60 s后進行，應用75.00%酒精進行擦拭清潔，依據國際標準的10-20系統要求，準確放置電極，連接內置閃存盤的動態盒子不間斷連續性記錄1日的患兒腦電活動。測定階段家屬需要觀察患兒的活動狀態，睡眠情況，發作階段的癥狀和運動狀態。1 d后取下記錄盒，連接設備進行數據分析。

1.3 觀察指標及評價標準

（1）統計癇樣放電檢出率：測定階段記錄癇樣放電的發作情況；癇樣放電主要是有突出背景活動的特征，包含尖波、棘慢波等特征，癇樣放電檢出率=癇樣放電檢出數/總例數×100%。（2）放電時相特征：放電階段發生的時相特征為異相睡眠態（paradoxical sleep deprivation，PSD）、非快速眼動睡眠（non-rapid eye movement sleep，NREM），NREM分成Ⅰ期、Ⅱ期、Ⅲ期、Ⅳ期，其中Ⅰ～Ⅱ期為淺睡期；Ⅲ～Ⅳ期為深度睡眠。（3）記錄癇樣放電患兒發病因素。（4）記錄癲癇的分型及定位特征。（5）癲癇發作特征：在意識未完全喪失，感覺頭暈、心慌、恐懼、精神異常、胃部不適等。發作階段：包括強直期、陣攣期。倒地上，肌肉收縮，頭后仰，雙上肢屈曲強直，雙下肢伸性強直，口部先張后閉合，同時喉部痙攣、咽喉狹窄致發生尖銳的叫聲，先從面部開始，因咀嚼肌抽動，呈現間歇的屈曲痙攣，頻率慢慢下降，持續2～3 min，最后在一次強烈痙攣后突然停止。

1.4 統計學處理

本研究數據采用SPSS 21.0統計學軟件進行分析和處理，符合正態分布的計量資料以（±s）表示，計數資料以率（%）表示，采用χ2檢驗，P＜0.05為差異有統計學意義。

2 結果

2.1 24 h AEEG測定癇樣放電時相特征

納入的180例疑似癲癇患兒中，108例監測存在癇樣放電情況，檢出率60.00%（108/180），其中25.93%（28/108）為清醒階段癇樣放電；睡眠階段癇樣放電64.81%（70/108），睡眠階段及清醒階段均出現癇樣放電，占比9.26%（10/108）；睡眠階段癇樣放電檢出率高于清醒階段，見表1。

表1 108例AEEG癇樣放電時相特征（例）

70例睡眠階段發生癇樣放電的疑似癲癇患兒中，在NREM Ⅰ～Ⅱ期階段癇樣放電占比82.86%（58/70）、Ⅲ～Ⅳ期占比14.29%（10/70）、PSD占比2.86%（2/70）；NREM Ⅰ～Ⅱ期癇樣放電檢出率相比于Ⅲ～Ⅳ期癇樣放電檢出率均高于PSD。

2.2 發病因素

108例測定到癇樣放電的疑似患兒中，因腦梗死、顱內細菌感染、顱內出血等器質性病變導致的癇樣放電55.56%，代謝疾病發生癇樣放電18.52%，因感染發生癇樣放電14.81%，其余類型11.11%，見表2。

表2 108例癇樣放電的疑似患兒發病因素

2.3 AEEG測定同步臨床反應

180例疑似癲癇患兒中，98例測定到同步的臨床反應中有69例同時監測出癇樣放電狀態，可診斷為癲癇；其余29例同步的臨床反應中未測定到癇樣放電，疑似癲癇，需進行多次測定即可確診，見表3。

表3 AEEG測定同步臨床反應[例（%）]

2.4 癲癇分類和定位

根據同步臨床反應、測定結果，69例確診為癲癇，其中強直發作19例，痙攣發作14例，失張力發作6例，癲癇性肌陣攣30例。部位：顳區18例，額區13例，額顳區10例，枕區8例，中央區8例，顳枕區8例，顳枕后區2例，大腦半球皮層區2例。

3 討論

癲癇是腦神經元障礙放電后，導致的神經系統發作性病癥，患者主要的臨床特征為運動障礙、感覺失衡、意識失衡及精神異常。小兒癲癇的發病年齡多集中于15歲以下，甚至是學齡前的兒童，患兒的臨床反應和成年人的發病反應，具有十分大的差異性，如病情不斷加重，進展迅速，且患兒無法對病情準確描述，導致病情延誤，治療時間延遲，嚴重影響患兒預后質量，家庭生活，同時給患兒的社會功能帶來嚴重影響[5-7]。因癲癇及非癲癇發作性疾病的用藥方式和治療方式差異，對第一次發生的發作性疾病應確定發作的性質，這對于臨床治療方案的確定，以及預后質量具有十分重要的意義[8-9]。

當前，小兒癲癇診斷中多根據臨床病史特征，臨床反應以及腦電圖測定結果。因此24 h腦電圖在小兒癲癇的診治中具有舉足輕重的地位。24 h腦電圖的基本原理是，通過測定發作階段及間歇發作階段，形成的腦電波變化，找到癇樣放電，以此為癲癇診斷以及治療方向提供客觀根據。臨床常應用的腦電圖類型，包含常規腦電圖（routing-EEG，REEG）、動態腦電圖（ambulatory EEG monitoring，AEEG）、電視錄像腦電圖（video-electroencephalogram，VEEG）、24 h動態腦電圖（24 hour ambulatory eleetroencephalogram，24 h AEEG）[10-12]。因癲癇患兒的腦電波存在失衡情況，主要特征為突然性、隨機性以及暫時性，且單次的REEG記錄時間相對較短，多在患兒的清醒的狀態下進行，所以單獨REEG測定可能在一定程度上，無法及時測定到每一次發作的關鍵特點，造成臨床診斷難度加大，誤診率和漏診率有所提高。

而24 h動態腦電圖的應用，在一定程度上彌補了關于REEG檢查的缺點，描記時間延長到1 d，能夠實現對腦電波、腦功能變化的持續記錄特征，所以能夠測定到患兒的動態、靜止狀態及睡眠階段的癇樣放電情況，提升了臨床準確度[13-15]。但AEEG不能清楚、直觀性記錄患兒發作階段的臨床反應，且無法確定癲癇所處的類型，定位癲癇的病灶，導致應用于臨床受限性較大。VEEG在REEG記錄的基本上，采用持續性設備記錄患兒發作階段出現的聲音，圖像信號，還能夠對外界因素干擾情況進行評比，極大提升了癲癇的準確度。VEEG可以說是當前診斷癲癇的主要金標準，但是經濟費用較為昂貴，無法普及于各個醫院中。

癲癇發作階段臨床反應及癇樣放電檢出率，會受到患兒睡眠覺醒周期的影響，本文分析結果中28例為清醒階段癇樣放電；睡眠階段癇樣放電70例，睡眠階段及清醒階段均出現癇樣放電，占比9.26%；放電原因分析方面，因腦梗死、顱內細菌感染、顱內出血等器質性病變導致的癇樣放電占比最多達55.56%，180例疑似癲癇患兒中，98例測定到同步的臨床反應中有69例同時監測出癇樣放電狀態，可診斷為癲癇；其余29例同步的臨床反應中未測定到癇樣放電，疑似癲癇，需進行多次測定即可確診；而最終69例確診為癲癇。

這一結果說明，睡眠期癇樣放電多發生在睡眠期，特別是在NREM Ⅰ～Ⅱ期，這可能和睡眠期腦干網狀結構的上行激動系統，受到阻礙造成大腦皮層神經元過度障礙放電有所關系。所以24 h動態腦電圖監測完整并清楚地記錄了睡眠周期的腦電圖，這有利于癇樣放電檢出率的提升。

且108例測定到癇樣放電的疑似患兒中，腦部器質性病變導致的癇樣放電共60例；代謝疾病發生癇樣放電20例；因感染發生癇樣放電共16例，其余類型12例，所以在對出現癇樣放電患兒測定時，可先考慮為腦部器質性病變。

臨床診治階段：癲癇診斷后確定發作類型，對病灶定位，本文病灶定位分析中：強直發作19例，痙攣發作14例，失張力發作6例，癲癇性肌陣攣30例。部位：顳區18例，額區13例，額顳區10例，枕區8例，中央區8例，顳枕區8例，顳枕后區2例，大腦半球皮層區2例，證實24 h動態腦電圖測定是鑒別癲癇和非癲癇發作疾病的關鍵方式，對于判定癲癇的類型及定位具有十分關鍵的意義。

因非癲癇性發作患者的臨床反應和癲癇相似性特征較為明顯，因此臨床首先應進行上述兩者的鑒別，且24 h動態腦電圖監測癲癇患兒具有24 h持續測定性的作用，因此癲癇患兒24 h動態腦電圖監測對于疾病認知更具有重大的幫助，同時24 h動態腦電圖對于小兒癲癇發作的分型及病灶定位具有十分關鍵的指導意義，因此在小兒癲癇的臨床診療中應該更重視24 h動態腦電圖的分析和應用。