2. 04/07/2022
Shin, H.W., Kim, H.J., Jang, Y.K. et al. Monitoring of anesthetic depth and EEG band power using phase lag entropy
during propofol anesthesia. BMC Anesthesiol 20, 49 (2020).
2
3. Pérdida y recuperación de la consciencia
Baja frecuencia < 1
Hz
Pérdida alfa
occipitales 8 – 12
Hz
Presencia alfa
frontales
Recuperación de
consciencia
04/07/2022
Shin, H.W., Kim, H.J., Jang, Y.K. et al. Monitoring of anesthetic depth and EEG band power using phase lag entropy
during propofol anesthesia. BMC Anesthesiol 20, 49 (2020).
3
4. Índice biespectral y entropía
RESIDENTE: JOSÉ ALFONSO SILVA GOYTIA.
MÓDULO: NEUROANESTESIOLOGÍA.
4
6. Time Delay of Index CalculationAnalysis of Cerebral State, Bispectral, and Narcotrend Indices
Anesthesiology. 2006;104(3):488-494.
6
7. Anatomía del monitor BIS
7
García-Colmenero IG, Zorrilla-Mendoza JG, Vega-Anzures LA, Garcia-Nájera O. Electroencefalograma para el anestesiólogo, consideraciones
clínicas. Rev mex anestesiol. 2018;41(Supl 1):S39-S43.
8. Matriz de densidad
espectral “DSA”
8
Es una
representación
gráfica de la
distribución de la
potencia del EEG
en las diferentes
frecuencias, en los
dos hemisferios
cerebrales
Alta potencia
Baja potencia
García-Colmenero IG, Zorrilla-Mendoza JG, Vega-Anzures LA, Garcia-Nájera O. Electroencefalograma para el anestesiólogo, consideraciones
clínicas. Rev mex anestesiol. 2018;41(Supl 1):S39-S43.
9. Configuración del
modo de monitor
04/07/2022
Shin, H.W., Kim, H.J., Jang, Y.K. et al. Monitoring of anesthetic depth and EEG band power using phase lag entropy
during propofol anesthesia. BMC Anesthesiol 20, 49 (2020).
9
10. 10
García-Colmenero IG, Zorrilla-Mendoza JG, Vega-Anzures LA, Garcia-Nájera O. Electroencefalograma para el anestesiólogo, consideraciones
clínicas. Rev mex anestesiol. 2018;41(Supl 1):S39-S43.
11. 11
• Electrocauterio
• Vaporizadores o TIVA
• Estimulo nocivo
• Bolos anestésicos
• Bloqueador
neuromuscular
• Hipotensión, hipoxia
García-Colmenero IG, Zorrilla-Mendoza JG, Vega-Anzures LA, Garcia-Nájera O. Electroencefalograma para el anestesiólogo, consideraciones
clínicas. Rev mex anestesiol. 2018;41(Supl 1):S39-S43.
12. 13
García-Colmenero IG, Zorrilla-Mendoza JG, Vega-Anzures LA, Garcia-Nájera O. Electroencefalograma para el anestesiólogo, consideraciones
clínicas. Rev mex anestesiol. 2018;41(Supl 1):S39-S43.
13. A Primer for EEG Signal Processing in Anesthesia
Anesthesiology. 1998;89(4):980-1002.
14
García-Colmenero IG, Zorrilla-Mendoza JG, Vega-Anzures LA, Garcia-Nájera O. Electroencefalograma para el anestesiólogo, consideraciones
clínicas. Rev mex anestesiol. 2018;41(Supl 1):S39-S43.
14. 15
García-Colmenero IG, Zorrilla-Mendoza JG, Vega-Anzures LA, Garcia-Nájera O. Electroencefalograma para el anestesiólogo, consideraciones
clínicas. Rev mex anestesiol. 2018;41(Supl 1):S39-S43.
15. Entropía
16
Claude E. Shannon
1948
García-Colmenero IG, Zorrilla-Mendoza JG, Vega-Anzures LA, Garcia-Nájera O. Electroencefalograma para el anestesiólogo, consideraciones
clínicas. Rev mex anestesiol. 2018;41(Supl 1):S39-S43.
16. Algoritmo de entropía
17
García-Colmenero IG, Zorrilla-Mendoza JG, Vega-Anzures LA, Garcia-Nájera O. Electroencefalograma para el anestesiólogo, consideraciones
clínicas. Rev mex anestesiol. 2018;41(Supl 1):S39-S43.
17. Entropía de respuesta y estado
18
Entropía de estado
Entropía de respuesta
Entropía espectral
García-Colmenero IG, Zorrilla-Mendoza JG, Vega-Anzures LA, Garcia-Nájera O. Electroencefalograma para el anestesiólogo, consideraciones
clínicas. Rev mex anestesiol. 2018;41(Supl 1):S39-S43.
18. Inicio y parámetros de entropía
19
García-Colmenero IG, Zorrilla-Mendoza JG, Vega-Anzures LA, Garcia-Nájera O. Electroencefalograma para el anestesiólogo, consideraciones
clínicas. Rev mex anestesiol. 2018;41(Supl 1):S39-S43.
19. Entropía de Shannon
20
García-Colmenero IG, Zorrilla-Mendoza JG, Vega-Anzures LA, Garcia-Nájera O. Electroencefalograma para el anestesiólogo, consideraciones
clínicas. Rev mex anestesiol. 2018;41(Supl 1):S39-S43.
20. Entropía de Kolmogorov-Sinai
21
García-Colmenero IG, Zorrilla-Mendoza JG, Vega-Anzures LA, Garcia-Nájera O. Electroencefalograma para el anestesiólogo, consideraciones
clínicas. Rev mex anestesiol. 2018;41(Supl 1):S39-S43.
21. Entropía espectral
22
García-Colmenero IG, Zorrilla-Mendoza JG, Vega-Anzures LA, Garcia-Nájera O. Electroencefalograma para el anestesiólogo, consideraciones
clínicas. Rev mex anestesiol. 2018;41(Supl 1):S39-S43.
22. Guía de rangos de entropía
23
García-Colmenero IG, Zorrilla-Mendoza JG, Vega-Anzures LA, Garcia-Nájera O. Electroencefalograma para el anestesiólogo, consideraciones
clínicas. Rev mex anestesiol. 2018;41(Supl 1):S39-S43.
23. Ventajas y usos de entropía
Ajuste de
dosis
Reducción de
hipnóticos
Recuperación
exitosa
Información
integrada
24
García-Colmenero IG, Zorrilla-Mendoza JG, Vega-Anzures LA, Garcia-Nájera O. Electroencefalograma para el anestesiólogo, consideraciones
clínicas. Rev mex anestesiol. 2018;41(Supl 1):S39-S43.
24. Saturación venosa de oxígeno en el
bulbo yugular
25
Mide grado de
extracción cerebral
de oxígeno
Equilibrio entre
aporte y demanda de
oxígeno cerebral
Catéter de fibra
óptica retrógrado en
bulbo yugular VYI.
Mezcla de sangre
venosa derecha e
izquierda.
VY derecha: cortical.
VY Izquierda: Subcortical.
García-Colmenero IG, Zorrilla-Mendoza JG, Vega-Anzures LA, Garcia-Nájera O. Electroencefalograma para el anestesiólogo, consideraciones
clínicas. Rev mex anestesiol. 2018;41(Supl 1):S39-S43.
25. Potenciales evocados auditivos (PEA)
26
Respuesta a un estímulo auditivo que se
trasmite desde la cóclea hasta el córtex
(bilateral) cerebral (A1 o área de Heschl)
Tronce
encefálico
Latencia
larga
Latencia
media
García-Colmenero IG, Zorrilla-Mendoza JG, Vega-Anzures LA, Garcia-Nájera O. Electroencefalograma para el anestesiólogo, consideraciones
clínicas. Rev mex anestesiol. 2018;41(Supl 1):S39-S43.
26. Sedline
27
Eje X:
tiempo
Eje Y:
frecuencia
Eje Z:
potencia
Rojo: alta
potencia
Azul: baja
potencia
García-Colmenero IG, Zorrilla-Mendoza JG, Vega-Anzures LA, Garcia-Nájera O. Electroencefalograma para el anestesiólogo, consideraciones
clínicas. Rev mex anestesiol. 2018;41(Supl 1):S39-S43.
27. Presión intracraneal
28
La amplitud de las ondas
respiratorias varía entre 2 y 10
mmHg.
P1: percusión
plexo
carotídeo
P2: marea PIC
P3: dicrótica
válvula
aórtica
García-Colmenero IG, Zorrilla-Mendoza JG, Vega-Anzures LA, Garcia-Nájera O. Electroencefalograma para el anestesiólogo, consideraciones
clínicas. Rev mex anestesiol. 2018;41(Supl 1):S39-S43.
28. Bibliografía
1. Lee H, Noh GJ, Joo P, Choi BM, Silverstein BH, Kim M, et al. La
diversidad de patrones de conectividad funcional se reduce en la
inconsciencia inducida por propofol. Mapa cerebral de Hum.
2017;38:4980–95.
2. Cimenser A, Purdon PL, Pierce ET, Walsh JL, Salazar-Gomez AF, Harrell
PG, et al. Tracking brain states under general anesthesia by using global
coherence analysis. Proc Natl Acad Sci. 2011;108:8832–7.
3. García-Colmenero IG, Zorrilla-Mendoza JG, Vega-Anzures LA, Garcia-
Nájera O. Electroencefalograma para el anestesiólogo, consideraciones
clínicas. Rev mex anestesiol. 2018;41(Supl 1):S39-S43.
4. Purdon PL, Sampson A, Pavone KJ, Brown EN. Clinical
Electroencephalography for Anesthesiologists: Part I: Background and
Basic Signatures. Anesthesiology. 2015;123(4):937-60.
29
Notes de l'éditeur
El nivel de conciencia está relacionado con la complejidad y la variabilidad de la comunicación entre las regiones del cerebro [ 1 ]. La diversa conectividad funcional del cerebro en estado de vigilia se ve disminuida durante la anestesia [ 2 ]. Hay aumentos en la sincronización de fase o cambios entre las señales de electroencefalografía (EEG) del cerebro frontal durante la anestesia, lo que indica una reducción en la diversidad de comunicación [ 3 ]. El estado de conciencia está más estrechamente relacionado con la dinámica temporal de la configuración de la red funcional que con la fuerza de la conectividad estática [ 4 , 5]. La señal de EEG procesada es una parte integral de los monitores de función cerebral utilizados para medir el nivel de conciencia durante la anestesia
Foto:
Figura 1.:A, El diseño conceptual de los monitores de profundidad de anestesia actuales. La base para la monitorización de la profundidad de la anestesia basada en EEG son los correlatos de comportamiento y los cambios en el EEG que se producen con el aumento de la profundidad anestésica. Las señales de EEG y la respuesta de comportamiento relacionada con niveles crecientes de anestesia de pacientes sanos se recopilan para formar una base de datos de referencia. Se identifican criterios de valoración clínicos relevantes (p. ej., pérdida de conciencia, pérdida de respuesta a niveles crecientes de estímulos, retorno a la vigilia, etc.). Esta base de datos se analiza; los parámetros de correlación más prometedores se extraen y clasifican mediante métodos matemáticos muy complejos para obtener un índice preliminar de profundidad de la anestesia. Luego, este algoritmo se prueba en ensayos clínicos en los que se analiza el rendimiento del índice. Si no es satisfactorio, se hacen cambios donde sea necesario, y el proceso se repite hasta que el algoritmo se considera validado. Los algoritmos completos para muchos monitores son propietarios. B, el procesamiento de señales de EEG implica la detección y el registro de señales de EEG sin procesar y la amplificación y el filtrado inicial de ruidos extraños. Luego, las señales analógicas se dividen en épocas (intervalos de tiempo) y se convierten en datos digitales. Nótese la pérdida de fidelidad tras la conversión. Los datos se filtran aún más para las señales deseadas antes de la manipulación matemática compleja. El algoritmo en cada monitor de profundidad de la anestesia extraerá las características o parámetros relevantes del EEG y determinará el índice de profundidad de la anestesia final basado en el análisis estadístico y la clasificación de esos parámetros. Los datos de EMG a menudo se incorporan a los algoritmos (la mayoría de los algoritmos son propietarios). Además, muchos monitores muestran los datos de EMG por separado del índice de profundidad de la anestesia. EEG indica electroencefalograma; EMG, electromiograma.
La inconsciencia es un componente fundamental de la anestesia general; sin embargo, los anestesiólogos no tienen una forma confiable de confirmar que un paciente está inconsciente. En general, la pérdida de conciencia (LOC) se caracteriza por un aumento en la potencia del EEG de baja frecuencia (< 1 Hz), la pérdida de oscilaciones alfa occipitales espacialmente coherentes (8-12 Hz) y la aparición de oscilaciones alfa frontales espacialmente coherentes. 7 ]; estas dinámicas luego se invierten durante la recuperación de la conciencia (ROC) [ 8 ]. Ha habido informes de cambios en la conectividad funcional e interrupciones de la comunicación EEG frontal en el cerebro durante la anestesia con propofol [ 4 , 9 , 10 ], sevoflurano [ 10 , 11 ,12 ] y ketamina
Cuando esta frecuencia se sitúa entre 8 y 13 Hz, recibe el nombre de ritmo alfa y se corresponde con un estado de relajación. Cuando un individuo se pone en estado de alerta, entonces esta frecuencia aumenta más allá de 13 Hz y se llama estado beta. Por debajo, entre 4 y 7 Hz se corresponde con un estado de sueño ligero y se llama teta, y si el sueño es más profundo se entra en estado delta, con frecuencias 0.5 y 3.5 Hz.
Espectrograma: es una descomposición del EEG en su contenido de potencia por frecuencia en función del tiempo.
Biespectro: mide como una función del tiempo el grado de acoplamiento no lineal entre pares de frecuencias en el espectrograma.
El algoritmo BIS mide características específicas del espectrograma, el biespectro y el grado de brote supresión un método de ponderación predeterminado para convertir estas características en el valor índice.
En el monitor se muestra el EEG sin procesar, el espectrograma y el grado de actividad electromiográfica, además del valor del índice. Para calcular el índice es necesaria una informatización intensiva, por lo que existe un retraso de 20-30 s entre el momento en que se observa el EEG y la computación del valor BIS correspondiente
Se considera que un paciente está bien anestesiado (es decir, inconsciente) si el valor del BIS está entre 40 y 60 (v. fig. 503)21,24. El EEG se registra con un montaje frontal de cuatro derivaciones.
Aumento/disminución total: 0 →[1 min]→“despierto”→[3 min]→ 0
Enfoque paso a paso: 0 →[1 min]→“anestesia general”→[5 min]→“despierto”→[5 min]→“anestesia general”→[5 min]→ 0
Pasos pequeños: 0*→ paso 1*→ paso 2*→ paso 3*→ . . . *→ CSI 100/BIS 98/NCT 93*→ . . . *→ paso 3*→ paso 2*→ paso 1*→ 0*
Fig. 3. Enfoque paso a paso: Además del enfoque de paso completo, se agregó un nivel intermedio. Simulamos un cambio de señal paso a paso de "anestesia profunda" a "anestesia general", luego de "anestesia general" a "despierto" y viceversa: ( A ) Índice de estado cerebral (CSI), ( B ) Índice biespectral (BIS), ( C ) Índice de narcotendencia.
Fig. 4. Pasos pequeños: se aplicó una secuencia de cambios de señal entre pasos de valores de índice más pequeños. ( A ) Índice de Estado Cerebral (CSI). ( B ) Índice biespectral (BIS), valores crecientes; ( B ′) BIS, valores decrecientes. ( C ) Índice de narcotendencia.
EMG
Este rango de frecuencia contiene energía de la actividad muscular (electromiografía o EMG), así como energía de otros artefactos de alta frecuencia. Cuando la barra indicadora del monitor BIS™ está baja, indica que la actividad de EMG es baja. Las condiciones de monitoreo del sistema BIS™ son óptimas cuando la barra está vacía.
Una barra representa la potencia en el rango de 30 a 38;
dos barras representan potencia en el rango de 39 a 47;
tres barras representan potencia en el rango de 48 a 55; y
4 barras representan una potencia superior a 55.
Es una representación gráfica de la distribución de la potencia del EEG en las diferentes frecuencias, en los dos hemisferios cerebrales El código de colores ayuda a identificar las frecuencias dominantes en el EEG • ROJO = alta potencia • AZUL = baja potencia
El monitor BIS VISTA ofrece tres opciones de tasas de suavizado sobre las cuales se promedia el valor BIS:
• 10 segundos: proporciona una mayor capacidad de respuesta a los cambios de estado, como la inducción o el despertar. Esta es la configuración predeterminada para el Modo Monitor III..
• 15 segundos: Esta es la configuración predeterminada para los modos de monitor I y IV.
• 30 segundos: proporciona una tendencia más suave con menor variabilidad y sensibilidad a los artefactos. Esta es la configuración predeterminada para el modo de monitor II.
Los valores de monitorización de BIS™, aunque extremadamente sensibles, no se modifican instantáneamente por los cambios en el estado clínico. Cuando ocurren cambios abruptos en el estado hipnótico, por ejemplo, durante la inducción o la emergencia rápida, el valor de monitoreo BIS™ puede retrasarse con respecto al estado clínico observado en aproximadamente 5 a 15 segundos, dependiendo de la tasa de suavizado utilizada.
La mayoría de los sistemas BIS™ también muestran una tendencia gráfica del valor de monitoreo BIS™ trazado en el tiempo extra, cada cinco segundos, la tendencia del valor de monitoreo BIS™ (Figura 5), que representa los valores de monitoreo BIS™ calculados y trazados durante todo el período de monitoreo. La figura 5 utiliza la tendencia del valor de monitorización BIS™ para presentar la información disponible durante cada una de las tres fases de un caso de anestesia general.
Aunque un valor de monitorización BIS™ de 45 a 60 es un objetivo típico durante la fase de mantenimiento, el rango objetivo del valor de monitorización BIS™ debe adaptarse a la técnica anestésica. Por ejemplo, durante la anestesia equilibrada que incluye la administración de opioides para proporcionar una analgesia adecuada, un rango objetivo de 45 a 60 puede ser muy apropiado. Sin embargo, para la anestesia que utiliza poca o ninguna suplementación con opioides o analgésicos, el rango será diferente. El aumento del agente hipnótico (normalmente, un anestésico volátil) para producir una supresión aceptable de una respuesta de estimulación nociva (p. ej., movimiento) dará como resultado valores de monitorización BIS™ más bajos, normalmente menos de 40
Tres excepciones son la ketamina (v. fig. 506), el óxido nitroso y la dexmedetomidina (v. fig. 507). El estado de anestesia disociativa producido por la ketamina se acompaña de oscilaciones de frecuencia alta prominentes en vez de oscilaciones de ondas lentas. Como consecuencia, los pacientes pueden estar inconscientes con la ketamina y tener un índice alto25. El óxido nitroso aumenta la amplitud de la actividad EEG de frecuencia alta26 y disminuye la amplitud de la actividad EEG de fre cuencia baja27, pero su efecto en el BIS es escaso o nulo21,28. En el caso de la dexmedetomidina, las oscilaciones lentas son prominentes durante la sedación2931 (v. fig. 507) con valores BIS que, por lo general, están en el intervalo de inconsciencia. Sin embargo, el paciente puede despertarse con facilidad mediante órdenes verbales o sacudida ligera, porque la dexmedetomidina no produce inconsciencia profunda. Los valores BIS son menos fiables también en la infancia.
Se muestran los conjuntos de EEG sin procesar representativos y los espectros de potencia correspondientes, en una persona consciente sin propofol, y en un paciente antes y después de la inyección de ketamina bajo anestesia con propofol-TCI. Las flechas indican los picos del huso. ( A ) No se observaron oscilaciones del eje en el EEG sin propofol. No se encontraron picos conspicuos en el espectro de potencia. La potencia en las bandas de frecuencias más altas ( área β y γ ) no se redujo tanto. ( B ) Por el contrario, los husos del sueño fueron morfológicamente predominantes durante la anestesia con propofol-TCI. Los husos de sueño de alrededor de 10 Hz también predominaron en el espectro de potencia. ( DO) Las oscilaciones del huso aún se observaban después de la inyección de ketamina durante propofol-TCI. Aproximadamente 15 minutos después de la inyección de ketamina durante propofol-TCI, se observó un cambio del pico en el rango α a una frecuencia más alta en el espectro de potencia.
Figura 1. Ejemplos de husos de sueño durante la sedación con dexmedetomidina y el sueño fisiológico normal. Se ven segmentos de electroencefalograma (EEG) de 15 s de dos sujetos de registros de dexmedetomidina, los dos trazos superiores, y dos sujetos de registros de sueño, los dos trazos inferiores. Estos segmentos de EEG se seleccionaron en momentos con alta densidad de huso. Los ejes marcados visualmente se indican con líneas discontinuas horizontales.
Electroencefalograma (EEG), frecuencia de potencia media (MPF) y frecuencia de borde espectral 95% (SEF95) durante la inhalación de óxido nitroso (N 2 O). EEG, MPF y SEF95 (Cz), por ejemplo, casos de 20 % (A), 40 % (B) y 60 % (C) de N 2 O inspirado . La concentración de N 2 O al final de la espiración se representa con relleno gris en relación con el eje y derecho, con los marcadores de tiempo de 5 y 15 minutos indicados por líneas de puntos verticales.
Figura 1. El algoritmo de monitoreo BIS™, desarrollado a través de modelos estadísticos, combina la contribución de cada una de las características clave de EEG para generar el valor de monitoreo BIS™ escalado
Las cuatro características clave del EEG que caracterizan el espectro completo de cambios inducidos por la anestesia fueron:
∙ Grado de activación de alta frecuencia (14 a 30 Hz)
∙ Cantidad de sincronización de baja frecuencia
∙ Presencia de periodos casi suprimidos dentro del EEG
∙ Presencia de supresión total (es decir, isoeléctrica, "línea plana")
periodos dentro del EEG
Los valores de monitorización BIS™ <40 están asociados con resultados negativos. En pacientes monitorizados con BIS™, el aumento de accidentes cerebrovasculares, infarto de miocardio y mortalidad se asoció con valores de monitorización BIS™ <40 durante más de 5 minutos.15 El mantenimiento de valores de monitorización BIS™ ≤40 durante la cirugía laparoscópica se asoció con una función cognitiva postoperatoria reducida.16 A valores muy bajos de BIS™, el grado de supresión del EEG es el principal determinante del valor de monitorización de BIS™.17 Se produce un valor de monitorización de BIS™ de 0 con la detección de una señal EEG isoeléctrica.
Figura 14. El desarrollo del BIS por parte de Aspect Medical Systems, Inc. se llevó a cabo paso a paso. Primero, se acumuló una biblioteca de EEG sin artefactos (con correlatos de comportamiento concurrentes). Se calculó una gama de subparámetros prospectivos y se probó su correlación con el comportamiento. Los parámetros con mejor desempeño se ingresaron en un análisis multivariante para la creación de un parámetro compuesto final, el BIS. El rendimiento del BIS se ha mejorado mediante un proceso iterativo que involucró al menos tres pasos principales de recopilación de nuevos datos, modelado y refinamiento progresivo.
Figura 15. Diagrama de flujo para el cálculo del índice biespectral (BIS).
Los valores de monitoreo BIS™ pueden reflejar la tasa metabólica cerebral reducida producida por la mayoría de los hipnóticos. Mediante tomografía por emisión de positrones (PET; Figura 4), se midió una correlación significativa entre los valores de monitorización del BIS™ y la reducción de la actividad metabólica del cerebro completo debido al aumento del efecto anestésico.19 Sin embargo, otros factores además de la administración del fármaco pueden influir en el metabolismo cerebral (p. hipoxia, isquemia) también pueden producir cambios en el valor de monitorización del BIS™.
Figura 4. Se observa una correlación significativa entre la disminución de la tasa metabólica cerebral (% BMR = porcentaje del metabolismo inicial de la glucosa en todo el cerebro medido a partir de una exploración PET) y el aumento del efecto anestésico (medido mediante la disminución del valor de monitorización BIS™).
La entropía es un concepto bien conocido en ciencias físicas, matemáticas y teoría de la información. La entropía mide el grado de alteración, o la falta de sincronía o de regularidad en un sistema
El algoritmo del dispositivo de GE utiliza el análisis del dominio frecuencia, combinado con brote supresión para medir la entropía del EEG en pacientes a los que se administran fármacos anestésicos. A diferencia de algunos de los otros algoritmos que hemos explicado, el algoritmo de entropía utilizado en el dispositivo de entropía de GE es de dominio público
El módulo Entropy™ de GE está indicado en pacientes adultos y pediátricos a partir de los 2 años de edad para monitorizar el estado del cerebro mediante la adquisición de datos de las señales de electroencefalografía (EEG) y electromiografía frontal (FEMG).
En pacientes adultos, la Entropía de Respuesta (RE) y la Entropía de Estado (SE) pueden utilizarse como ayuda para monitorizar los efectos de ciertos agentes anestésicos, que pueden ayudar al usuario a determinar la dosis de los fármacos anestésicos conforme a las necesidades individuales de los pacientes adultos. Además, el uso de los parámetros de Entropía en adultos se puede asociar a una reducción del uso de anestésicos y a una recuperación más rápida de la anestesia1,2,3.
Shannon adaptó la entropía para la teoría de la información como una medida de la información contenida en una cantidad dada de señales.1 Cuando se usa en la teoría de la información y el análisis de señales, la entropía aborda y describe las características de irregularidad, complejidad o imprevisibilidad de una señal. La entropía de Shannon mide la previsibilidad de los valores de amplitud futuros del EEG en función de la distribución de probabilidad de los valores de amplitud ya observados en la señal.
Claude E. Shannon Nació el 30 de abril de 1916 en Petoskey, Michigan. Hijo de Claude Elwood, juez de Gaylord. Cursó estudios en la Universidad de Michigan y en 1940 obtuvo su doctorado en el Instituto de Tecnología de Massachusetts, donde se convirtió en miembro del cuerpo docente en 1956. Después de obtener los grados de Master y Doctorado por el MIT, ingresó en 1941 en los laboratorios Bell, donde trabajó en el desarrollo de sistemas de encriptación digital. En 1948 estableció las leyes fundamentales de la transmisión y compresión de datos en su trabajo A mathematical theory of communication, artículo en el que presentaba su concepto inicial de una teoría de unificación de la transmisión y tratamiento de la información donde explica cómo la cantidad de información de una fuente de mensajes se puede medir utilizando el concepto de entropía y demuestra que esta magnitud es un límite fundamental en la representación de dicha información. Es en este artículo donde aparece por primera vez el término bit, contracción de binary unit, para designar la cantidad de información de una fuente que emite mensajes binarios de forma equiprobable. Claude Shannon falleció el 24 de febrero de 2001 en su casa de Medford, Massachussets, a la edad de 84 años a consecuencia del Alzheimer.
Fig. 3. La onda sinusoidal ha desaparecido y solo queda ruido blanco. Después de la normalización, el ruido contribuye a N ¼ 7 componentes que son iguales a Pn(fi) ¼ 1/7. Estos se transforman en valores (1/7) log (7) por el mapeo de Shannon. Finalmente, la suma de estos componentes y la normalización por 1/log(7) dan un valor de entropía ¼ 7*(1/7)log(7)/ log(7) ¼ 1. El ruido blanco tiene una entropía máxima ¼ 1.
Figura 4. Las ventanas de tiempo de varias longitudes proporcionan un equilibrio óptimo entre resolución de tiempo y frecuencia. Las ventanas de tiempo corto para las frecuencias más altas aseguran un tiempo de respuesta rápido.
Figura 50-5. Representación gráfica de la entropía espectral. La entropía de respuesta (ER) se computa de la potencia en las frecuencias de entre 0 y 47 Hz. La entropía de estado (EE) se computa de la potencia en las frecuencias de entre 0 y 32 Hz. Se supone que la potencia de entre 32 y 47 Hz representa artefactos procedentes del electromiograma (EMG). La diferencia entre la ER y la EE permite al anestesiólogo distinguir entre cambios en el electroencefalograma (EEG) relacionados con cambios en el estado anestésico y los producidos por artefacto o movimiento. (Reproducido a partir de Bein B: Entropy, Best Pract Res Clin Anaesthesiol 20:101-109, 2006).
Es decir, observamos un descenso evidente de la entropía de la señal EEG. El monitor Entropy muestra dos números de entropía para ayudar a interpretar el análisis EEG de este monitor (fig. 505)54. El primero es la entropía de respuesta (ER), y el segundo, la entropía de estado (EE). La ER hace un seguimiento de los cambios de potencia EEG en el intervalo superior de frecuencia de 0,8-47 Hz, mientras que la EE hace un seguimiento de los cambios de potencia EEG en el intervalo inferior de frecuencia de 0,8-32 Hz
Los cambios relativos de ER y EE permiten distinguir entre los cambios reales del estado encefálico y los que están causados por actividad muscular en el electromiograma52. En general, la activi dad electromiográfica se muestra en el intervalo superior de frecuencia seguido por la ER. Cuando un paciente está más profundamente inconsciente, la ER baja más rápido que la EE, lo que permite distinguir la inconsciencia de los artefactos por movimiento. El control de la entropía es con gruente con los cambios del BIS
Las Entropías espectrales, la Entropía de Respuesta (RE) y la Entropía de Estado (SE) son variables procesadas del EEG y FEMG.
Existen dos parámetros de Entropía: la Entropía de Respuesta (RE), de reacción rápida, y la Entropía de Estado (SE), más sólida y estable. La Entropía de Estado consiste en la Entropía de la señal de EEG calculada hasta 32 Hz. La Entropía de Respuesta incluye frecuencias más altas, de hasta 47 Hz. En consecuencia, las señales rápidas de la EMG frontal (FEMG) permiten un tiempo de respuesta más rápido para la RE.
La Entropía de Respuesta (0 – 100)es sensible a la activación de los músculos faciales (es decir, FEMG). Su tiempo de respuesta es muy rápido, inferior a 2 segundos. La FEMG está especialmente activa mientras el paciente está despierto, pero también puede activarse durante la cirugía. Los músculos faciales también pueden ofrecer una indicación temprana del despertar del paciente, que puede manifestarse como un rápido aumento de la Entropía de respuesta.
El valor de la Entropía de Estado (0 – 91) es siempre igual o inferior al de la Entropía de Respuesta. Durante una anestesia general, el efecto hipnótico que tienen algunos fármacos anestésicos en el cerebro se puede calcular con el valor de la Entropía de Estado. El valor SE se ve menos afectado por reacciones repentinas de los músculos faciales porque está basado principalmente en la señal de EEG.
No consta que los agentes de bloqueo neuromuscular (NMBA), administrados en dosis quirúrgicamente adecuadas, afecten a la EEG, pero sí que tienen efectos en la EMG.
La Entropía describe la irregularidad de las señales. Durante una anestesia general, los patrones de la EEG pasan de ser irregulares a ser más regulares cuando la anestesia es más profunda Del mismo modo, la FEMG disminuye a medida que las partes más profundas del cerebro se van saturando de anestésicos. El módulo de Entropía mide tales cambios cuantificando la irregularidad de las señales de EEG y FEMG
Figura 1. Entropía de Shannon. Se cuantifica la función de densidad de probabilidad de los valores de amplitud. Durante el estado de vigilia, los valores de amplitud varían en mayor medida en comparación con la anestesia, cuando hay menos valores de amplitud diferentes
Cuantifica la función de densidad de probabilidad de la distribución de valores. Las funciones de densidad de probabilidad son histogramas simples de los valores de amplitud frente al número de muestras en cada valor de la señal muestreada. Inicialmente, el aumento de las concentraciones de fármacos hipnóticos aumenta la amplitud electroencefalográfica. Se ha demostrado que la entropía de Shannon de los valores de amplitud del EEG aumenta uniformemente con el aumento de las concentraciones de desflurano, y se ha sugerido que la entropía de Shannon es una medida electroencefalográfica simple y robusta del efecto del fármaco anestésico.
Figura 2. Entropía aproximada. Al aplicar entropía aproximada a una serie de datos, se detectan patrones repetitivos (círculos en rectángulo gris). Los círculos representan los puntos de datos obtenidos al muestrear el EEG sin procesar.
El algoritmo de entropía aproximada fue publicado en 1991. Básicamente, es una modificación de la entropía de Kolmogorov-Sinai especialmente desarrollada para la determinación de la regularidad de señales biológicas en presencia de ruido blanco.
La entropía máxima de una serie de datos totalmente irregular depende de la longitud de la serie de datos y del número de valores pasados utilizados para predecir valores futuros. Varios estudios han demostrado que la entropía aproximada es una herramienta útil para cuantificar el efecto del fármaco anestésico y es comparable a parámetros de EEG procesados establecidos como BIS y frecuencia de borde espectral.
Figura 3. Principio de cálculo de la entropía espectral. Se deriva un espectro de potencia del EEG bruto mediante la transformación rápida de Fourier. Luego, a cada frecuencia en particular se le asigna un valor específico aplicando la función de Shannon al espectro de potencia. La suma de estos valores es un número llamado "entropía espectral".
La entropía espectral es un término un tanto engañoso y confuso, ya que sugiere que se analiza la previsibilidad y la regularidad del EEG sin procesar.6 De hecho, la señal del EEG primero se somete (comparable a otros parámetros de EEG procesados como BIS) a la transformación rápida de Fourier para identificar las componentes sinusoidales. Después del cálculo del espectro de potencia, se aplica la función de Shannon para asignar a cada frecuencia presente un valor específico. La suma de todos estos valores da el número llamado entropía espectral
Aplicado a la entropía espectral, el espectro de potencia consta de frecuencias marcadamente más diferentes en el estado de vigilia en comparación con la anestesia.
Por lo tanto, el análisis del espectro de potencia con la función de Shannon da como resultado un número de entropía espectral bajo durante la anestesia que aumenta simultáneamente con la disminución de la profundidad anestésica y la aparición de un espectro de potencia más complejo. Al aplicar la función de Shannon al espectro de potencia, el número resultante es una medida de escala invariable independiente de las escalas de frecuencia y amplitud de la señal.
Normalmente, el análisis FFT se realiza en una ventana de tiempo de una duración definida, y esta ventana de tiempo se mueve paso a paso para producir un espectro de potencia continuamente actualizado. Para permitir una detección correcta del rango de frecuencia contenido en la señal, la ventana de tiempo debe ser lo suficientemente larga. Dado que el EEG se compone de una amplia gama de frecuencias desde 0,5 hasta 50 Hz, una sola ventana de tiempo no es perfectamente adecuada para un análisis de EEG rápido y fiable. La ventana de tiempo más corta aplicada es igual a 1,92 segundos, y la más larga es igual a 60,16 segundos.
El sensor con electrodos que registran la función cerebral se coloca en la región fronto-temporal. Un paciente consciente con los ojos cerrados mostrará oscilaciones alfa y beta en áreas occipitales (no registradas por la ubicación fronto-temporal del sensor). Con los ojos cerrados y según va disminuyendo el nivel de consciencia se produce el fenómeno de anteriorización (8), en el cual la potencia en bandas alfa y beta del EEG se desplaza desde el área occipital hacia la parte frontal del córtex cerebral, captándose por los electrodos del sensor del Sedline®. Se cree que esta anteriorización de las ondas alfa se producen por el establecimiento de la reverberación del circuito corticotalámico entre la corteza prefrontal y el tálamo (9)
