迟发性脑缺血(DCI)是蛛网膜下腔出血(SAH)的主要并发症。过去人们认为DCI完全是由大血管痉挛引起的，因此经颅多普勒超声(TCD)目前是DCI监测的标准。虽然TCD是一种无创、便携的床边监测检查，但它不能频繁进行(每天最多1-2次)，且取决于操作员，并可能受到患者解剖结构的限制(较差的颞骨窗口)，还可能受到其他生理参数(如心率和血压)的影响。此外，当前观点认为仅靠血管痉挛并不能完全解释DCI。

      连续脑电图(CEEG)已成为DCI预测的一种有前途的辅助诊断工具，解决了TCD监测的一些局限性。CEEG是一种非侵入性的便携设备，最重要的是可以提供数天的连续数据。研究表明定量CEEG测量，如相对α变异性和刺激后α/δ比和癫痫样异常(EA)与DCI相关。也有证据表明，患者通常在发生DCI之前首先表现出CEEG改变，而且EEG与DCI的相关性比TCD速度升高更强。TCD和CEEG关于DCI风险的存在潜在协同信息。然而，TCD和CEEG数据对DCI预测的联合效用尚未得到评估。

      近日，有研究人员试图解决联合TCD和CEEG测量是否可以识别SAH后的DCI。假设在单个模型中结合TCD和CEEG参数将比单独使用任何一种模式都能改善DCI预测。

      研究回顾性评估了中-重度蛛网膜下腔出血(2011-2015，Fisher=3-4或Hunt-Hess=4-5)的患者，这些患者在住院期间都有预期的TCD和EEG采集。每天记录大脑中动脉(MCA)收缩期峰值速度(PSV)和痫样异常(EA)的存在或不存在，包括癫痫发作、痫样放电和节律/周期活动。使用Logistic回归分析确定EA和TCD预测DCI的显著协变量。基于群体的轨迹建模(GBTM)被用来通过识别与DCI风险相关的MCA、PSV和EA的不同群体轨迹来解释随时间的变化。

评估了107名患者，其中56名(51.9%)发展为DCI。DCI的单变量预测因子是在第3天或之前均存在大脑中动脉高血流(PSV≥200 cm/s，Se=27%，Sp=89%)和电针(Se=66%，Sp=62%)。 电针预测DCI的两个单变量GBTM轨迹(Se=64%，Sp=62.75%)。使用经颅多普勒(TCD)和脑电图(EEG)监测的Logistic回归和GBTM模型表现更好。 最好的Logistic回归模型和GBTM模型同时使用TCD和EEG数据、入院时Hunt-Hess评分和动脉瘤治疗作为DCI的预测因素(Logistic回归：SE=90%，Sp=70%；GBTM：SE=89%，Sp=67%)。

      脑电图和经颅多普勒生物标志物联合应用对DCI的预测效果最好。临床变量与EA、大脑中动脉高血流速度的结合可以改善预测模型效果。这些结果提示TCD和cEEG是预测DCI的有前景的互补监测手段。该模型有可能成为蛛网膜下腔出血管理的决策支持工具。

     本研究提供了TCD和EEG联合监测可以识别蛛网膜下腔出血后迟发性脑缺血的II类证据。

文献来源：Chen HY, Elmer J, Zafar SF, et al. Combining Transcranial Doppler and EEG Data to Predict Delayed Cerebral Ischemia After Subarachnoid Hemorrhage [published online ahead of print, 2021 Nov 29]. Neurology. 2021;10.1212/WNL.0000000000013126. doi:10.1212/WNL.0000000000013126