pharmakodynamische modellbildung · pdf fileinaugural-dissertation zur erlangung der...

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


abs 8 – 13


abs 13 – 20


abs 20 – 30


abs 30 – 48


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


rel 8 – 13


rel 13 – 20


rel 20 – 30


rel 30 – 48


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)


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


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)


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)


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


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.


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.

pharmakodynamische modellbildung · pdf fileinaugural-dissertation zur erlangung der...

Documents