ΜΕΛΕΤΗ ΕΓΚΕΦΑΛΟΓΡΑΦΙΚΩΝ ΡΥΘΜΩΝ ΩΣ ΣΥΜΒΟΛΗ ΣΤΗ ΦΥΣΙΟΛΟΓΙΑ ΤΟΥ ΥΠΝΟΥ ΚΑΙ ΤΗΝ ΠΑΘΟΦΥΣΙΟΛΟΓΙΑ ΕΠΙΛΗΠΤΙΚΩΝ ΣΥΝΔΡΟΜΩΝ

Transcript

1 ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΜΗΜΑ ΙΑΤΡΙΚΗΣ ΤΟΜΕΑΣ ΒΑΣΙΚΩΝ ΙΑΤΡΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΕΡΓΑΣΤΗΡΙΟ ΦΥΣΙΟΛΟΓΙΑΣ ΜΟΝΑΔΑ ΝΕΥΡΟΦΥΣΙΟΛΟΓΙΑΣ Διευθυντής Γεώργιος Κ Κωστόπουλος ΜΕΛΕΤΗ ΕΓΚΕΦΑΛΟΓΡΑΦΙΚΩΝ ΡΥΘΜΩΝ ΩΣ ΣΥΜΒΟΛΗ ΣΤΗ ΦΥΣΙΟΛΟΓΙΑ ΤΟΥ ΥΠΝΟΥ ΚΑΙ ΤΗΝ ΠΑΘΟΦΥΣΙΟΛΟΓΙΑ ΕΠΙΛΗΠΤΙΚΩΝ ΣΥΝΔΡΟΜΩΝ ΔΙΔΑΚΤΟΡΙΚΗ ΔΙΑΤΡΙΒΗ Ανδρέας Κουππάρης Ιατρός, MSc ΠΑΤΡΑ, 2016

2

3 ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΙΑΤΡΙΚΗΣ ΔΜΠΣ ΠΛΗΡΟΦΟΡΙΚΗ ΕΠΙΣΤΗΜΩΝ ΖΩΗΣ ΕΡΓΑΣΤΗΡΙΟ ΦΥΣΙΟΛΟΓΙΑΣ ΜΟΝΑΔΑ ΝΕΥΡΟΦΥΣΙΟΛΟΓΙΑΣ Διευθυντής Γεώργιος Κ Κωστόπουλος ΜΕΛΕΤΗ ΕΓΚΕΦΑΛΟΓΡΑΦΙΚΩΝ ΡΥΘΜΩΝ ΩΣ ΣΥΜΒΟΛΗ ΣΤΗ ΦΥΣΙΟΛΟΓΙΑ ΤΟΥ ΥΠΝΟΥ ΚΑΙ ΤΗΝ ΠΑΘΟΦΥΣΙΟΛΟΓΙΑ ΕΠΙΛΗΠΤΙΚΩΝ ΣΥΝΔΡΟΜΩΝ ΔΙΔΑΚΤΟΡΙΚΗ ΔΙΑΤΡΙΒΗ Ανδρέας Κουππάρης Ιατρός, MSc ΠΑΤΡΑ, 2016 H παρούσα έρευνα έχει συγχρηματοδοτηθεί από την Ευρωπαϊκή Ένωση (Ευρωπαϊκό Κοινωνικό Ταμείο - ΕΚΤ) και από εθνικούς πόρους μέσω του Επιχειρησιακού Προγράμματος «Εκπαίδευση και Δια Βίου Μάθηση» του Εθνικού Στρατηγικού Πλαισίου Αναφοράς (ΕΣΠΑ) Ερευνητικό Χρηματοδοτούμενο Έργο: Ηράκλειτος ΙΙ. Επένδυση στην κοινωνία της γνώσης μέσω του Ευρωπαϊκού Κοινωνικού Ταμείου.

4 Τα μέλη της Επταμελούς Εξεταστικής Επιτροπής Γεώργιος Κωστόπουλος, Καθηγητής Τμήματος Ιατρικής, Πανεπιστημίου Πατρών (Επιβλέπων)... Μιχάλης Κουτρουμανίδης, Καθηγητής Κλινικής Νευροφυσιολογίας, King's College London... Αθανάσιος Κούτρας, Επίκουρος Καθηγητής Τμήματος Πληροφορικής και ΜΜΕ, Τεχνολογικού Εκπαιδευτικού Ιδρύματος Δυτικής Ελλάδος... Ιωάννης Ευδοκιμίδης, Καθηγητής Α Νευρολογικής Κλινικής Ιατρικής Σχολής Πανεπιστημίου Αθηνών... Ανδρέας Κυρώζης, Επίκουρος Καθηγητής Α Νευρολογικής Κλινικής Ιατρικής Σχολής Πανεπιστημίου Αθηνών... Θεόδωρος Αντωνακόπουλος, Καθηγητής Τμήματος Ηλεκτρολόγων Μηχανικών, Πανεπιστημίου Πατρών... Αδαμαντία Μητσάκου, Καθηγήτρια Τμήματος Ιατρικής, Πανεπιστημίου Πατρών... Ο Επιβλέπων Καθηγητής Γεώργιος Κωστόπουλος...

5 Στη σύζυγό μου, Γιώτα

6

7 Πρόλογος Ευχαριστίες Η παρούσα διατριβή πραγματοποιήθηκε στη Μονάδα Νευροφυσιολογίας του Εργαστηρίου Φυσιολογίας του τμήματος Ιατρικής του Πανεπιστημίου Πατρών, αρχικά πριν τις αλλαγές του νομικού πλαισίου στα πλαίσια του διατμηματικού προγράμματος μεταπτυχιακών σπουδών Πληροφορικής Επιστημών Ζωής, στην κατεύθυνση της Νευροπληροφορικής. Το πρόγραμμα αυτό μου έδωσε την πραγματικά μοναδική ευκαιρία να συνδυάσω την ιατρική με την πληροφορική και να εξελίξω τις ικανότητές μου στις δυο επιστήμες. Θα ήθελα να ευχαριστήσω τους συντελεστές του προγράμματος για την έμπνευσή τους και την ευκαιρία που μου έδωσαν. Ιδιαίτερα θα ήθελα να ευχαριστήσω τον επιβλέποντα μου και Διευθυντή του Εργαστηρίου Φυσιολογίας Καθηγητή Γεώργιο Κωστόπουλο, για το επιστημονικό του ήθος, την ευρύτητα των γνώσεων του και την παρότρυνση στο κυνήγι της νευροφυσιολογικής ερμηνείας των φαινομένων που εμπνέει στους συνεργάτες του. Υπήρξε πάντα πολύτιμος σύμβουλος σε όλη την πορεία εκπόνησης της παρούσας μελέτης. Οι τομείς τους οποίους αγγίζει η διδακτορική διατριβή είναι πολλοί, και για τον καθένα είχα την τύχη να έχω συνεργάτες και καθηγητές με πραγματικό ενδιαφέρον και μεράκι για το αντικείμενό τους που αποτέλεσαν πηγή έμπνευσης για τη δουλειά μου. Θα ήθελα να ευχαριστήσω τον Μιχάλη Κουτρουμανίδη για τη συνεργασία μας που μου δίδαξε τον τρόπο που συνδυάζεται το ιατρικό έργο με τη βασική έρευνα σε ένα άψογα οργανωμένο εργαστήριο κλινικής ηλεκτροφυσιολογίας στο νοσοκομείο St Thomas καθώς και για τις εμπνευσμένες παρατηρήσεις του στο εγκεφαλογράφημα των ιδιοπαθών γενικευμένων επιληψιών, και τον Κυριάκο Γαργάνη για την ευκαιρία να παρατηρήσω το υψηλής ποιότητας έργο του στη Μονάδα Επιληψίας του νοσοκομείου Αγ. Λουκάς και ιδίως στη χειρουργική της επιληψίας και την εμπειρία στην αναζήτηση της επιληπτογενούς ζώνης. Θα ήθελα να ευχαριστήσω τον Θανάση Κούτρα που με εισήγαγε στον χώρο της ανάλυσης εγκεφαλογραφικού σήματος και τους ορίζοντες που μου άνοιξε. Θα ήθελα να ευχαριστήσω επίσης τον εκλιπόντα Θεόδωρο Παπαθεοδώρου για το μεράκι του και την ώθηση που έδωσε στην συνεχή αναζήτηση, ανάλυση και βελτίωση των αλγορίθμων που αναπτύσσω. Στη συνέχεια, θα ήθελα να ευχαριστήσω τα μέλη της εξεταστικής επιτροπής, τον Καθηγητή Ιωάννη Ευδοκιμίδη, τον επίκουρο καθηγητή Ανδρέα Κυρώζη, τον Καθηγητή Θεόδωρο Αντωνακόπουλο, και την Καθηγήτρια Αδαμαντία Μητσάκου, τόσο για την τιμή που μου έκαναν να συμμετέχουν στην επταμελή επιτροπή, όσο και για την συμβολή τους στην πορεία και ολοκλήρωση της διατριβής και την εξέλιξη της επιστημονικής μου πορείας. Από τους πολλούς συνεργάτες στη Μονάδα Νευροφυσιολογίας, θα ήθελα να ευχαριστήσω ιδιαίτερα τον Βασίλη Κόκκινο, που κατά το μεγαλύτερο μέρος της πραγματοποίησης της διατριβής υπήρξε ο βασικότερος συνεργάτης μου, για τις εμπνευσμένες ιδέες του και τη ζέση με την οποία τις υλοποιεί. Θα ήθελα να ευχαριστήσω το Δημήτρη Σακελλαρίου για τον ενθουσιασμό του που αποτέλεσε πολλές φορές το έναυσμα για διερεύνηση νέων πεδίων στην έρευνά μας. Θα ήθελα επίσης να ευχαριστήσω τη Μαρία Σταυρινού, τον Γιώργο Δαμάσκο, τον Άγγελο Αλεξόπουλο, τη Γεωργία Πάτση, τη Φώτια Γιαννικοπούλου, τη Γεωργία Ψιούρη, την Κατερίνα Τσάτσου, την Μαρία Τσιρούδα, τη Σοφία Κόλλια, τον Γιάννη Ζουρίδη για την άψογη συνεργασία η οποία συνέβαλλε στην επιστημονική αλλά και προσωπική μας πρόοδο.

8 Τέλος θα ήθελα να ευχαριστήσω την οικογένειά μου για την στήριξη και την υπομονή τους σε αυτή μου την πορεία, και ιδίως τη συνοδοιπόρο μου στη ζωή, τη σύζυγό μου, Γιώτα. H παρούσα έρευνα έχει συγχρηματοδοτηθεί από την Ευρωπαϊκή Ένωση (Ευρωπαϊκό Κοινωνικό Ταμείο - ΕΚΤ) και από εθνικούς πόρους μέσω του Επιχειρησιακού Προγράμματος «Εκπαίδευση και Δια Βίου Μάθηση» του Εθνικού Στρατηγικού Πλαισίου Αναφοράς (ΕΣΠΑ) Ερευνητικό Χρηματοδοτούμενο Έργο: Ηράκλειτος ΙΙ. Επένδυση στην κοινωνία της γνώσης μέσω του Ευρωπαϊκού Κοινωνικού Ταμείου.

9 Πίνακας Περιεχομένων 1 Γενικό μέρος Εγκεφαλογράφημα Βασικά στοιχεία καταγραφής Κυματομορφές και ρυθμοί στο φυσιολογικό εγκεφαλογράφημα Νευροφυσιολογικό υπόβαθρο του εγκεφαλογραφήματος Ανάλυση εγκεφαλογραφικού σήματος Ύπνος Μελέτη του φυσιολογικού ύπνου Αρχιτεκτονική του ύπνου Νευροφυσιολογικοί μηχανισμοί ρύθμισης του ύπνου Οι άτρακτοι και το θαλαμοφλοικό σύστημα ιστορικά στοιχεία Ύπνος και επιληψία Ειδικό μέρος Μελέτη μάκρο και μίκροαρχιτεκτονικής ύπνου με ανάλυση χρόνου-συχνοτήτων Υπνοφασματόγραμμα Αλγόριθμοι συσταδοποίησης Ημιαυτόματη σταδιοποίηση Μεθοδολογία αξιολόγησης της ημιαυτόματης σταδιοποίησης Φυσιολογικές καταγραφές Αποτελέσματα σταδιοποίησης Σύνοψη και σχολιασμός αποτελεσμάτων Δημοσιεύσεις από αυτή την εργασία Δοκιμαστική εφαρμογή σε ασθενή με επιληψία Αλληλεπίδραση ρυθμών στον ύπνο Σχέση συμπλεγμάτων Κ και ατράκτων του ύπνου Μελέτη της πιθανής αλληλεπίδρασης σε χρονικό πλαίσιο μερικών δεκάδων δευτερολέπτων Σύνοψη και συζήτηση αποτελεσμάτων Δημοσιεύσεις και ανακοινώσεις αποτελεσμάτων Μελέτη της τοπογραφίας των ατράκτων Η τοπογραφία των ατράκτων Ερώτημα και σχεδιασμός μελέτης Μεθοδολογία παρουσίασης τοπογραφίας στο χώρο των ηλεκτροδίων Μεθοδολογία ανάλυσης τοπογραφικών απεικονίσεων Αποτελέσματα από 6 καταγραφές Σύνοψη και συζήτηση Περίληψη Summary Περίληψη Summary Βιβλιογραφία Παράρτημα Πίνακες αποτελεσμάτων Εικόνες διαφορών μεταξύ των κορυφών των ατράκτων ανά υποκείμενο Το περιβάλλον επεξεργασίας σήματος Flying Circus...149

10 Κατάλογος Πινάκων Πίνακας 2.1: Πίνακας συμφωνίας μεταξύ αξιολογητών σε μια καταγραφή ύπνου...40 Πίνακας 2.2: Παράμετροι του ύπνου, διαφορές και συντελεστές συσχέτισης στις ημιαυτόματες σταδιοποιήσεις...48 Πίνακας 2.3: Περιγραφική σύνοψη των καταγραφών ύπνου...61 Πίνακας 2.4: Συνολική ανομοιότητα DISS μεταξύ των κορυφών σε όλα τα υποκείμενα. 95 Πίνακας 2.5: Συνολική εξηγούμενη διασπορά (GEV) και ποσοστό ατράκτων με DISS > 0,75 σε σχέση με το μέσο όρο...97 Πίνακας 5.1: Σύγκριση κλασσικής, αυτόματης και ημιαυτόματης σταδιοποίησης: Συμφωνία και συντελεστής κάππα για όλα τα υποκείμενα και διαφορετικούς βαθμούς διάκρισης μεταξύ σταδίων Πίνακας 5.2: Παράμετροι του ύπνου για 10 καταγραφές Κατάλογος Εικόνων Εικόνα 1.1: Το σύστημα τοποθέτησης ηλεκτροδίων Εικόνα από Jasper Εικόνα 1.2: Συστήματα ελέγχου του ύπνου...24 Εικόνα 2.1: Υπνοφασματόγραμμα με παράλληλη απεικόνιση υπνογράμματος...32 Εικόνα 2.2: Οι 7 τελικές ομάδες όπως προέκυψαν από μια τυπική σταδιοποίηση...38 Εικόνα 2.3: Υπνογράμματα από 7 καταγραφές σε γράφημα "λαζάνια"...42 Εικόνα 2.4: Παράδειγμα σταδιοποίησης σε μια ολονύχτια καταγραφή...44 Εικόνα 2.5: Τα 30 υπνογράμματα που προέκυψαν σε αυτή τη μελέτη...45 Εικόνα 2.6: Συντελεστές Cohen's κάππα για τις συγκρίσεις μεταξύ κλασσικής, ημιαυτόματης και αυτόματης σταδιοποίησης...47 Εικόνα 2.7: Συστάδα με εκφορτίσεις αιχμής κύματος...52 Εικόνα 2.8: Εγκεφαλογράφημα σταδίου NREM Εικόνα 2.9: Ανάλυση χρόνου συχνοτήτων γύρω από συμπλέγματα Κ...58 Εικόνα 2.10: Παραδείγματα εικονών raster από ένα υποκείμενο...60 Εικόνα 2.11: Φασματική ισχύς ατράκτων γύρω από συμπλέγματα Κ...62 Εικόνα 2.12: Φασματική ισχύς ατράκτων γύρω από συμπλέγματα Κ...63 Εικόνα 2.13: Μέσο φασματογράφημα (αριστερά), μεταβολές από την περίοδο αναφοράς - ERSP (μέσο), και στατιστικά σημαντικές μεταβολές (δεξιά) για το υποκείμενο Εικόνα 2.14: Μέσο φασματογράφημα (αριστερά), μεταβολές από την περίοδο αναφοράς - ERSP (μέσο), και στατιστικά σημαντικές μεταβολές (δεξιά) για το υποκείμενο Εικόνα 2.15: Μέσο φασματογράφημα (αριστερά), μεταβολές από την περίοδο αναφοράς - ERSP (μέσο), και στατιστικά σημαντικές μεταβολές (δεξιά) για το υποκείμενο Εικόνα 2.16: Μέσο φασματογράφημα (αριστερά), μεταβολές από την περίοδο αναφοράς - ERSP (μέσο), και στατιστικά σημαντικές μεταβολές (δεξιά) για το υποκείμενο Εικόνα 2.17: Μέσο φασματογράφημα (αριστερά), μεταβολές από την περίοδο αναφοράς - ERSP (μέσο), και στατιστικά σημαντικές μεταβολές (δεξιά) για το υποκείμενο Εικόνα 2.18: Μέσο φασματογράφημα (αριστερά), μεταβολές από την περίοδο αναφοράς - ERSP (μέσο), και στατιστικά σημαντικές μεταβολές (δεξιά) για το υποκείμενο Εικόνα 2.19: Μέσο φασματογράφημα (αριστερά), μεταβολές από την περίοδο αναφοράς - ERSP (μέσο), και στατιστικά σημαντικές μεταβολές (δεξιά) για το υποκείμενο Εικόνα 2.20: Μέσος όρος μεταβολών στην φασματική ισχύ των ατράκτων σε όλα τα υποκείμενα...72 Εικόνα 2.21: Αποτελέσματα από Halász Εικόνα 2.22: Παραδείγματα ατράκτων...81

11 Εικόνα 2.23: Ο χώρος των ηλεκτροδίων...82 Εικόνα 2.24: Παράδειγμα τοπογραφικής απεικόνισης...83 Εικόνα 2.25: Μέσο φασματογράφημα 317 ατράκτων από ένα υποκείμενο...84 Εικόνα 2.26: Ανίχνευση θορύβου με απεικόνιση της διακύμανσης σε κάθε ηλεκτρόδιο. 85 Εικόνα 2.27: Πίνακας διακύμανσης για ανίχνευση θορύβου σε 2ο υποκείμενο...85 Εικόνα 2.28: Διόρθωση χειροκίνητα τοποθετημένων δεικτών...86 Εικόνα 2.29: Επίδραση της προεπεξεργασίας στην τοπογραφία...86 Εικόνα 2.30: Στάδια προεπεξεργασίας...87 Εικόνα 2.31: Κανονικοποίηση με τη χρήση της GFP...88 Εικόνα 2.32: Ιστογράμματα τιμών της DISS ανάμεσα σε κάθε άτρακτο και το μέσο όρο για την πρώτη, τη μεσαία και την τελευταία κορυφή...90 Εικόνα 2.33: Κατανομή των τιμών της DISS ανάμεσα σε κάθε άτρακτο και το μέσο όρο θεωρώντας ως ενιαίο πρότυπο την πρώτη, τη μεσαία και τελευταία κορυφή...90 Εικόνα 2.34: Ιεραρχική ομαδοποίηση...91 Εικόνα 2.35: Ομαδοποίηση με ενιαίο τοπογραφικό πρότυπο τις τρεις κορυφές...92 Εικόνα 2.36: Εφαρμογή τεχνικών παρουσίασης μέσου όρου, ιστογραμμάτων διακύμανσης DISS, και ομαδοποίησης σε τοπογραφικές διαφορές...93 Εικόνα 2.37: Συνολικός μέσος όρος κανονικοποιημένων απεικονίσεων από όλα τα υποκείμενα (Grand Average) για την πρώτη, μεσαία και τελευταία κορυφή...94 Εικόνα 2.38: Μέσος όρος των κορυφών των ατράκτων για κάθε υποκείμενο...95 Εικόνα 2.39: Κατανομή της DISS ανάμεσα σε κάθε άτρακτο και το συνολικό μέσο όρο (Grand Average) όλων των υποκειμένων...96 Εικόνα 2.40: Κατανομή της DISS ανάμεσα σε κάθε άτρακτο και το μέσο όρο κάθε υποκειμένου...96 Εικόνα 2.41: DISS ανάμεσα σε κάθε άτρακτο και το συνολικό μέσο όρο θεωρώντας ως ενιαίο πρότυπο τις τρεις κορυφές...97 Εικόνα 2.42: Κατανομή DISS ανάμεσα σε κάθε άτρακτο και το μέσο όρο, θεωρώντας τις κορυφές ενιαίο τοπογραφικό πρότυπο...98 Εικόνα 2.43: Ομαδοποίηση σε 6 συστάδες της τοπογραφικής απεικόνισης της πρώτης κορυφής για όλα τα υποκείμενα. Η συνολική εξηγούμενη διασπορά (GEV) ήταν 82%.. 99 Εικόνα 2.44: Συσταδοποίηση της πρώτης κορυφής σε 6 ομάδες για το κάθε υποκείμενο ξεχωριστά Εικόνα 2.45: Ομαδοποίηση σε 6 συστάδες της τοπογραφικής απεικόνισης της μεσαίας κορυφής για όλα τα υποκείμενα. Η συνολική εξηγούμενη διασπορά (GEV) ήταν 86% 101 Εικόνα 2.46: Συσταδοποίηση της μεσαίας κορυφής σε 6 ομάδες για το κάθε υποκείμενο ξεχωριστά Εικόνα 2.47: Ομαδοποίηση σε 6 συστάδες της τοπογραφικής απεικόνισης της τελευταίας κορυφής για όλα τα υποκείμενα. Η συνολική εξηγούμενη διασπορά (GEV) ήταν 76% Εικόνα 2.48: Συσταδοποίηση της τελευταίας κορυφής σε 6 ομάδες για το κάθε υποκείμενο ξεχωριστά Εικόνα 2.49: Συσταδοποίηση σε 6 ομάδες λαμβάνοντας ως ενιαίο πρότυπο τις κορυφές των ατράκτων Εικόνα 2.50: Ομαδοποίηση σε 6 συστάδες με ενιαίο πρότυπο για τα υποκείμενα 1 και Εικόνα 2.51: Ομαδοποίηση σε 6 συστάδες με ενιαίο πρότυπο για τα υποκείμενα 3 και Εικόνα 2.52: Ομαδοποίηση σε 6 συστάδες με ενιαίο πρότυπο για τα υποκείμενα 5 και Εικόνα 2.53: Διαφορές μεταξύ κορυφών σε 722 ατράκτους από 6 υποκείμενα Εικόνα 5.1: Διαφορές μεταξύ κορυφών στο υποκείμενο Εικόνα 5.2: Διαφορές μεταξύ κορυφών στο υποκείμενο

12 Εικόνα 5.3: Διαφορές μεταξύ κορυφών στο υποκείμενο Εικόνα 5.4: Διαφορές μεταξύ κορυφών στο υποκείμενο Εικόνα 5.5: Διαφορές μεταξύ κορυφών στο υποκείμενο Εικόνα 5.6: Διαφορές μεταξύ κορυφών στο υποκείμενο

13 1 Γενικό μέρος 13

14

15 1 Εγκεφαλογράφημα 1.1 Βασικά στοιχεία καταγραφής Το ηλεκτροεγκεφαλογράφημα (ΗΕΓ) είναι η καταγραφή της ηλεκτρικής δραστηριότητας του εγκεφαλικού φλοιού, και πραγματοποιείται με την ενίσχυση των διαφορών δυναμικού που μετρώνται ανάμεσα σε ηλεκτρόδια τοποθετημένα στο τριχωτό της κεφαλής. Η τοποθέτηση των ηλεκτροδίων ακολουθεί ένα διεθνές σύστημα ώστε να υπάρχει συμβατότητα των καταγραφών μεταξύ εργαστηρίων. Το αρχικό σύστημα ορίζει 21 ανατομικές θέσεις, ενώ με τις τροποποιήσεις του με τα συστήματα και ορίζονται οι κανόνες για τοποθέτηση περισσότερων ηλεκτροδίων (εικόνα 1.1). Η ονοματολογία ακολουθεί ένα σύστημα όπου αρχικά γράμματα αναφέρονται στο λοβό πάνω από τον οποίο βρίσκονται (Fp Frontopolar, F Frontal, C Central, T Temporal, P Parietal, O Occipital) και ακολουθούνται από το z για τη μέση γραμμή, μονούς αριθμούς για τα ηλεκτρόδια αριστερά της μέσης γραμμής και ζυγούς αριθμούς για δεξιά (Jasper 1958; Oostenveld and Praamstra 2001). Εικόνα 1.1: Το σύστημα τοποθέτησης ηλεκτροδίων Εικόνα από Jasper 1958 Για την καταγραφή των διαφορών δυναμικού κάθε ηλεκτρόδιο συνδέεται με τη μια είσοδο διαφορικού ενισχυτή ενώ η δεύτερη συνδέεται με το ηλεκτρόδιο αναφοράς. Το ηλεκτρόδιο αναφοράς ιδανικά πρέπει να βρίσκεται μακριά από ηλεκτρική δραστηριότητα ενώ πρακτικά κλασσικές θέσεις είναι οι λοβοί των αυτιών ή οι μαστοειδείς αποφύσεις, που ωστόσο είναι κοντά στους κροταφικούς λοβούς και μπορεί να υποεκτιμούν τη δραστηριότητά τους, η θέση του ηλεκτροδίου Cz που βεβαίως αφαιρεί από την καταγραφή την ηλεκτροεγκεφαλογραφική δρατηριότητα της κορυφής, και άλλες. Η επιλογή της θέσης του ηλεκτροδίου αναφοράς εξαρτάται από το ερώτημα της μελέτης. Ανεξάρτητα από το ηλεκτρόδιο αναφοράς, το εγκεφαλογράφημα μπορεί να απεικονιστεί με επιλογή διαφορών από όποια ηλεκτρόδια επιθυμεί ο ερευνητής, δημιουργώντας τα διαφορετικά απεικονιστικά διπολικά montage. Μια δημοφιλής μετατροπή είναι η χρήση του μέσου όρου των ηλεκτροδίων ως εικονικό ηλεκτρόδιο αναφοράς (common average reference) και η απεικόνιση του εγκεφαλογραφήματος με χρήση των διαφορών κάθε ηλεκτροδίου από το μέσο όρο (Marcuse et al. 2015). 15

16 1.2 Κυματομορφές και ρυθμοί στο φυσιολογικό εγκεφαλογράφημα Στο εγκεφαλογράφημα παρατηρούνται συνδυασμοί μονήρων και ρυθμικών επαναλαμβανόμενων κυμάτων με διαφορετικό ύψος δυναμικού, διάρκεια, συχνότητα και τοπογραφική εντόπιση. Κατά την περιγραφή των εγκεφαλογραφικών χαρακτηριστικών αναφέρονται η συχνότητα σε Hz, η πολικότητα (αρνητικό ή θετικό κύμα), το πλάτος του δυναμικού, η μορφολογία (ρυθμικό, πολυφασικό, κλπ), η διάρκεια, η κατανομή, η συμμετρία και ο συγχρονισμός στα δυο ημισφαίρια, η συχνότητα εμφάνισης και η αντιδραστικότητα (Tatum 2014). Οι συχνότητες που παρατηρούνται στο εγκεφαλογράφημα ταξινομούνται σε ζώνες που ονομάζονται με ένα ελληνικό γράμμα: δέλτα για συχνότητες < 3,5 Hz, θήτα για συχνότητες στα Hz, άλφα στα 8 13 Hz, βήτα στα Hz, και γάμμα για > 30 Hz. Η ονομασία έχει προκύψει ιστορικά από τους ερευνητές που περιέγραψαν πρώτοι την αντίστοιχη δραστηριότητα. Αρκετές άλλες προτάσεις για ονομασίες ηλεκτροεγκεφαλογραφικών φαινομένων με αντίστοιχο τρόπο έχουν αναφερθεί στη βιβλιογραφία, όπως η σίγμα δραστηριότητα (11 15 Hz) για τις συχνότητες των υπνικών ατράκτων (Chang et al. 2011). Στο εγκεφαλογράφημα επιφανείας οι συχνότητες που καταγράφονται μπορεί να φτάνουν έως 80 Hz, αλλά στην ανάλυση ρουτίνας οι ρυθμοί που περιγράφονται συνήθως περιορίζονται στη ζώνη 1 30 Hz. Εκτός των συχνοτήτων αυτών, στις επεμβατικές καταγραφές και ανάλογα με τα τεχνικά χαρακτηριστικά της καταγραφής έχουν παρατηρηθεί οι πολύ αργοί ρυθμοί στα 0 0,3 Hz, τα ripples με συχνότητες > Hz, τα γρήγορα ripples στα > Hz και τα πολύ γρήγορα ripples σε συχνότητες Hz (Tatum 2014). Από τα πρώτα φαινόμενα που παρατηρήθηκαν στο εγκεφαλογράφημα και περιέγραψε ο ίδιος ο Berger το 1929 στις πρώτες καταγραφές ηλεκτροεγκεφαλογραφήματος στον άνθρωπο (Berger 1929) είναι ο οπίσθιος βασικός ρυθμός (posterior dominant rhythm). Ο βασικός ρυθμός είναι μια ρυθμική δραστηριότητα σε άλφα συχνότητες η οποία καταγράφεται στο 75-95% των φυσιολογικών ενήλικων ατόμων με μέγιστο δυναμικό συμμετρικά στις ινιακές περιοχές, αναδεικνύεται καλύτερα όταν το υποκείμενο είναι ξύπνιο σε χαλαρή κατάσταση και εξαφανίζεται με το άνοιγμα των ματιών (Marcuse et al. 2015). Ο άλφα ρυθμός είναι ίσως το χαρακτηριστικότερο παράδειγμα αντιδραστικότητας του ηλεκτροεγκεφαλογραφήματος σε εξωτερικά ερεθίσματα, αλλά και παράδειγμα ρυθμού που αντικατοπτρίζει μια συνολικότερη κατάσταση του εγκεφάλου, αφού εμφανίζεται σε ήρεμη κατάσταση εγρήγορσης και μειώνεται σε έντονες νοητικές διεργασίες ή μετάβαση σε ύπνο. Παράδειγμα δραστηριότητας στις ίδιες συχνότητες που όμως δεν παρουσιάζει τα υπόλοιπα χαρακτηριστικά και έτσι δεν ονομάζεται άλφα ρυθμός, είναι ο ρυθμός mu (μι ή μιου, από το motor κινητικός). Αυτός ο ρυθμός καταγράφεται στις περιοχές πάνω από την κινητική περιοχή (ηλεκτρόδια C3, C4), μπορεί να εμφανιστεί μονόπλευρα ή αμφοτερόπλευρα, συμμετρικά ή μη, και μειώνεται με την εκτέλεση μιας κίνησης ή την σκέψη για κίνηση (Chang et al. 2011). Η βήτα δραστηριότητα αποτελεί το ρυθμό υποβάθρου στο εγκεφαλογράφημα εγρήγορσης των περισσότερων υποκειμένων και περιγράφηκε επίσης από τον Berger το Παρουσιάζει χαμηλό δυναμικό με μέγιστο πλάτος κεντρικά-μετωπιαία και δε μεταβάλλεται με το ανοιγοκλείσιμο των οφθαλμών. Στο κλινικό εγκεφαλογράφημα ρουτίνας συνήθως αναφέρονται ως γρήγορες συχνότητες (Tatum 2014). Η θήτα δραστηριότητα περιγράφηκε ως ξεχωριστή ζώνη συχνοτήτων από τους Walter 16

17 και Dovey σε καταγραφές από ασθενείς με όγκους (Walter and Dovey 1944) όπου θεώρησαν ότι ο ρυθμός αυτός προκύπτει από υγιή φλοιό όταν διαταραχθεί η σχέση του με το θάλαμο. Στο εγκεφαλογράφημα εγρήγορσης των ενηλίκων υπάρχει μικρή ποσότητα θήτα δραστηριότητας που δεν είναι οργανωμένη σε ρυθμό. Σε νεαρούς ενήλικες παρουσιάζεται περίπου στο 1/3 των περιπτώσεων με μέγιστο κεντρικάμετωπιαία, ενώ μπορεί να εμφανίζεται κροταφικά ασύμμετρα στο 1/3 των ασυμπτωματικών ηλικιωμένων (Chang et al. 2011; Tatum 2014; Marcuse et al. 2015). Η δέλτα δραστηριότητα περιγράφηκε το 1936 επίσης από τον Walter σε εγκεφαλογραφήματα κατά τη διάρκεια νευροχειρουργικών επεμβάσεων, με εντόπιση σε επηρεασμένη από όγκο περιοχή του φλοιού καθώς και περισσότερο γενικευμένη υπό αναισθησία (Walter 1936). Έκτοτε, η εστιακή δέλτα δραστηριότητα χρησιμοποιήθηκε για την εντόπιση των όγκων μέχρι την ανάπτυξη των νεώτερων νευροαπεικονιστικών τεχνικών. Γενικά δεν αποτελεί στοιχείο του φυσιολογικού εγκεφαλογραφήματος εγρήγορσης στον ενήλικα, ωστόσο απαντάται φυσιολογικά σε παιδιά και είναι σημαντικό στοιχείο του εγκεφαλογραφήματος ύπνου (Marcuse et al. 2015). Αξίζει να σημειωθεί για λόγους ιστορικής πληρότητας η πρώτη χρήση του όρου γάμμα δραστηριότητα από τους Jasper και Andrews το 1938, όπου οι συγγραφείς αναφέρουν ότι ταυτόχρονα με την άλφα και βήτα δραστηριότητα καταγράφονται μερικές φορές κύματα ακόμα μεγαλύτερης συχνότητας, Hz που δυσκολεύουν την ερμηνεία των καταγραφών αλλά δεν εμφανίζονται με αρκετά κανονικά ώστε να επιτρέπουν την περαιτέρω ανάλυσή τους (Jasper 1938). Περισσότερα ιστορικά στοιχεία για το εγκεφαλογράφημα είναι διαθέσιμα από τους Swartz and Goldensohn 1998; και Niedermeyer and Schomer Νευροφυσιολογικό υπόβαθρο του εγκεφαλογραφήματος Η καταγραφόμενη ηλεκτρική δραστηριότητα θεωρείται ότι αντικατοπτρίζει τη δραστηριότητα των νευρώνων του φλοιού. Τα δυναμικά ενεργείας που φθάνουν σε μια διεγερτική σύναψη θα προκαλέσουν στη μεμβράνη του κυττάρου στόχου ένα διεγερτικό μετασυναπτικό δυναμικό (Excitatory PostSynaptic Potential EPSP), ενώ αντίστοιχα σε μια ανασταλτική σύναψη θα προκληθεί ένα ανασταλτικό μετασυναπτικό δυναμικό (Inhibitory PostSynaptic Potential IPSP). Τα δυναμικά αυτά δημιουργούνται από τη μετακίνηση ιόντων διαμέσου της μεμβράνης και προκαλούν την εμφάνιση αντιρροπιστικών ρευμάτων στον εξωκυττάριο χώρο κατά μήκος της μεμβράνης. Τα μετασυναπτικά δυναμικά αθροίζονται στο χώρο, με δυναμικά που προκαλούνται από γειτονικές συνάψεις, και στο χρόνο, με δυναμικά που προκαλούνται από επόμενη ενεργοποίηση συνάψεων πριν επανέλθει η μεμβράνη στο δυναμικό ηρεμίας. Η δραστηριότητα αυτή προκαλεί ένα μεταβαλλόμενο εξωκυττάριο πεδίο δυναμικού (Field Potential). Υπό τις κατάλληλες συνθήκες συγχρονισμού της δραστηριότητας αλλά και ανατομικής διάταξης των νευρώνων, η συνισταμένη των πεδίων δυναμικού πολλών κυττάρων μπορεί να γίνει ανιχνεύσιμη από τα ηλεκτρόδια στο τριχωτό της κεφαλής (Nunez and Srinivasan 2006; Speckmann et al. 2011). Η εμφάνιση ρυθμών προϋποθέτει το συγχρονισμό νευρωνικών κυκλωμάτων ταλαντωτών. Υπάρχουν νευρώνες οι οποίοι εμφανίζουν in vitro αυτόματη ρυθμική δραστηριότητα ακόμα και με αποκλεισμό της συναπτικής δραστηριότητας καθώς και νευρώνες που με τροποποιήσεις του μικροπεριβάλλοντός τους μπορούν να οδηγηθούν σε ρυθμική δραστηριότητα. Κάτω από πειραματικές συνθήκες, απομονωμένοι νευρώνες 17

18 μπορούν να παρουσιάσουν ρυθμική δραστηριότητα, συνήθως σε συχνότητες 1 20 Hz (Steriade et al. 1990). Εκτός από τις ενδογενείς ιδιότητες της κυτταρικής μεμβράνης σε κυτταρικό επίπεδο, τα χαρακτηριστικά μιας ρυθμικής δραστηριότητας εξαρτώνται από την έκταση και την ισχύ των διασυνδέσεων ανάμεσα στα στοιχεία του δικτύου, που συνήθως σχηματίζονται με ανάδρομες προβολές και μπορεί να περιλαμβάνουν θαλαμοφλοιικές ή φλοιο-φλοιικές συνδέσεις (Pfurtscheller and Lopes da Silva 1999). Η δραστηριότητα των δικτύων αυτών τροποποιείται από τη δράση διάχυτων ή εντοπισμένων νευροδιαβιβαστικών συστημάτων, όπως για παράδειγμα με την επίδραση των χολινεργικών προβολών από το στέλεχος ή των μονοαμινεργικών προβολών από τον ερυθρό πυρήνα και τους πυρήνες της ραφής στο θάλαμο (Lopes da Silva 1991). 1.4 Ανάλυση εγκεφαλογραφικού σήματος Η μεταβολή του δυναμικού στο χρόνο αποτελεί ένα αναλογικό σήμα, το οποίο μετατρέπεται από τον εγκεφαλογράφο σε ψηφιακό. Σε αυτή τη διαδικασία ιδιαίτερη σημασία έχει ο ρυθμός δειγματοληψίας, δηλαδή οι τιμές των διαφορών δυναμικού που μετρώνται ανά δευτερόλεπτο, και ο αριθμός των δυαδικών ψηφίων (bit) που χρησιμοποιούνται για την κατά προσέγγιση μέτρηση των τιμών. Σύμφωνα με τις κατευθυντήριες οδηγίες της Αμερικανικής Εταιρείας Κλινικής Νευροφυσιολογίας στο εγκεφαλογράφημα χρησιμοποιούνται τουλάχιστον 16bit τιμές που επιτρέπουν στην ανάλυση του εγκεφαλογραφήματος να φτάνει τα 0,05 μv με μέγιστο εύρος τιμών ±1,638 mv (Halford et al. 2016). Σύμφωνα με τις ίδιες οδηγίες, ο ρυθμός δειγματοληψίας πρέπει να είναι μεγαλύτερος από 256 Hz, με σύσταση να είναι τουλάχιστον 500 Hz (δηλαδή μια τιμή ανά 2 ms). Η επιλογή γίνεται ώστε ο ρυθμός δειγματοληψίας να είναι 3 φορές μεγαλύτερος από την μεγαλύτερη συχνότητα που παρατηρείται άρα για το κλινικό εγκεφαλογράφημα μεγαλύτερος από 3 x 70 Hz, ενώ μεγαλύτερες τιμές επιτρέπουν την ελάττωση της παραμόρφωσης (aliasing) του σήματος και καλύτερη χρονική ακρίβεια σε άλλες τεχνικές ανάλυσης. Η ανάλυση του εγκεφαλογραφικού σήματος έχει ως σκοπό την ποσοτικοποίηση κάποιου χαρακτηριστικού, όπως για παράδειγμα τη μέτρηση της συχνότητας του βασικού ρυθμού, ή την αναγνώριση, ταξινόμηση και χαρακτηρισμό προτύπων, όπως για παράδειγμα τις επιληπτικές αιχμές (Lopes da Silva 2011). Συχνά κατά την ανάλυση ενός σήματος είναι χρήσιμος ο μετασχηματισμός του σε μια ισοδύναμη απεικόνιση ώστε να γίνουν εμφανείς πληροφορίες για το αρχικό σήμα. Για τα σήματα που μεταβάλλονται στο χρόνο τέτοιος μετασχηματισμός είναι η ανάλυση κατά Fourier που δίνει πληροφορίες για την φασματική ισχύ, δηλαδή το πλάτος των ημιτονοειδών συναρτήσεων διαφορετικών συχνοτήτων που υπάρχουν σε ολόκληρο το σήμα. Ωστόσο, καθώς οι ταλαντώσεις των νευρικών κυκλωμάτων είναι δυναμικές και οι συχνότητες που παράγουν εξελίσσονται στο χρόνο, καθίσταται απαραίτητος ο διαχωρισμός σε μονάδες με καλώς ορισμένη συχνότητα αλλά και χρόνο εμφάνισης, κάτι στο οποίο η κλασσική ανάλυση κατά Fourier δεν επαρκεί (Le Van Quyen and Bragin 2007). Η ανάλυση χρόνου συχνοτήτων είναι ο καλύτερος τρόπος προσέγγισης τέτοιων φαινομένων, με το μετασχηματισμό ενός μονοδιάστατου σήματος από το πεδίο του χρόνου σε μια δισδιάστατη απεικόνιση στο πεδίο του χρόνου-συχνοτήτων. Από τις διάφορες τεχνικές υπολογισμού της φασματικής ισχύος ταυτόχρονα σε συχνότητα και χρόνο, σε αυτή τη μελέτη χρησιμοποιήθηκε ο Short-Time Fourier Transformation (σύντομος ή βραχυπρόθεσμος μετασχηματισμός Fourier). Η τεχνική αυτή βασίζεται στο διαμοιρασμό του σήματος σε πολλαπλά μερικώς αλληλεπικαλυπτώμενα τμήματα και υπολογισμό του μετασχηματισμού Fourier ξεχωριστά σε καθένα από αυτά (Welch 1967). 18

19 2 Ύπνος 2.1 Μελέτη του φυσιολογικού ύπνου Ο ύπνος είναι μια φυσιολογική, επαναλαμβανόμενη, αναστρέψιμη κατάσταση αποσύνδεσης από το περιβάλλον, με μειωμένη ικανότητα αντίληψης και αντίδρασης σε εξωτερικά ερεθίσματα. Η μελέτη του ύπνου είναι συνυφασμένη με το εγκεφαλογράφημα, καθώς για πρώτη φορά κατέστη δυνατή η πιστοποίηση της παρουσίας του ύπνου και η αντικειμενική συνεχής παρακολούθηση του φαινομένου (Dement 2011). Οι πρώτες καταγραφές που πραγματοποιήθηκαν την δεκαετία του 1930 στο εργαστήριο του Alfred Loomis περιέγραψαν πολλά εγκεφαλογραφικά χαρακτηριστικά μοναδικά στον ύπνο (Loomis et al. 1935b) και αναγνώρισαν εναλλασσόμενα στάδια (Loomis et al. 1937). Με τα πρώτα υπνογράμματα που παρουσιάζουν την εξέλιξη αυτών των σταδίων στο χρόνο ανέδειξαν μια δυναμική διεργασία που ερχόταν σε αντίθεση με τη θεώρηση του ύπνου ως παθητικού φαινομένου όπου η εγκεφαλική δραστηριότητα ήταν εξαιρετικά μειωμένη. Παράλληλα, οι εγκεφαλογραφικές περιγραφές του ύπνου άνοιξαν το δρόμο για πειραματικά μοντέλα σε ζώα, με την ανακάλυψη του ρόλου του δικτυωτού σχηματισμού (Moruzzi and Magoun 1949) να αποτελεί ορόσημο στην νευροφυσιολογία του ύπνου και της εγρήγορσης. Η περιγραφή του ύπνου ταχέων οφθαλμικών κινήσεων REM (Aserinsky and Kleitman 1953; Dement and Kleitman 1957) και η σύνδεσή του με τα όνειρα απασχόλησε και την ψυχαναλυτική σχολή και οδήγησε το ερευνητικό ενδιαφέρον της επιστημονικής κοινότητας στην μελέτη της αρχιτεκτονικής του ύπνου, καθώς πλέον έγινε ξεκάθαρο ότι ο ύπνος αποτελεί δυναμική κατάσταση με έντονες εναλλαγές της εγκεφαλικής δραστηριότητας. Η ανάγκη για επικοινωνία και σύγκριση των αποτελεσμάτων ανάμεσα σε διαφορετικά εργαστήρια και παράλληλα η ανάπτυξη της ιατρικής του ύπνου και οι κλινικές πλέον καταγραφές του ύπνου οδήγησαν στην καθιέρωση των κριτηρίων για τη σταδιοποίηση του ύπνου όπως προτάθηκαν αρχικά από την ομάδα των Rechtschaffen και Kales και αναθεωρήθηκαν το 2007 από την αμερικανική εταιρεία ιατρικής του ύπνου (Rechtschaffen and Kales 1968; Iber 2007). 2.2 Αρχιτεκτονική του ύπνου i) Μάκρο-αρχιτεκτονική Η βασική περιγραφή των σταδίων του ύπνου όπως ορίζονται σήμερα χωρίζει αρχικά τον ύπνο σε δυο βασικές καταστάσεις, τον ύπνο με ταχείες οφθαλμικές κινήσεις (Rapid Eye Movement REM Sleep) και τον ύπνο άνευ ταχέων οφθαλμικών κινήσεων (Non Rapid Eye Movement NREM Sleep). Οι καταστάσεις αυτές εναλλάσσονται σε κύκλους διάρκειας περίπου 90 λεπτών (Carskadon and Dement 2011). Ο ύπνος NREM χωρίζεται με τα νεότερα κριτήρια σε 3, και με τα παλαιότερα κριτήρια σε 4, στάδια που ανταποκρίνονται συμπεριφορικά σε ένα συνεχές από ελαφρύτερο σε βαθύτερο ύπνο, με ευκολότερη αφύπνιση στο 1ο και δυσκολότερη στο 4ο. Στο πρώτο στάδιο μειώνεται η δραστηριότητα του άλφα ρυθμού στο εγκεφαλογράφημα και αντικαθίσταται από χαμηλού δυναμικού δραστηριότητα μικτών συχνοτήτων (θήτα και βήτα) ενώ μπορεί να εμφανίζονται κύματα κορυφής (αιχμηρά μονήρη αρνητικά κύματα διάρκειας έως 200 ms με κεντρική εντόπιση) και αργές οφθαλμικές κινήσεις. Στο 2ο στάδιο κάνουν την εμφάνισή τους οι χαρακτηριστικές κυματομορφές του ύπνου, οι άτρακτοι (ρυθμικές κυματομορφές συχνότητας περίπου Hz, διάρκειας πάνω από 500 ms και μέγιστο δυναμικό στις κεντρικές περιοχές) και τα συμπλέγματα Κ (μονήρη 19

20 αρνητικά κύματα υψηλού δυναμικού, πάνω από 75 μv, διάρκειας τουλάχιστον 500 ms, συχνά διφασικά ή τριφασικά, με μετωπιαία ή κεντρική κατανομή), τα οποία παραμένουν στα βαθύτερα στάδια. Τέλος, εμφανίζεται διάχυτη αργή δέλτα δραστηριότητα η οποία σιγά σιγά οργανώνεται και καταλαμβάνει μέρος του υποστρώματος. Τα κριτήρια εδώ θέτουν ως αυθαίρετο όριο την εμφάνιση δέλτα δραστηριότητας στο 20% ενός τμήματος 30 δευτερολέπτων για να ανήκει αυτό σε στάδιο 3, ενώ σύμφωνα με τα παλαιότερα κριτήρια, μόλις φθάσει το 50% του τμήματος αυτό ανήκει στο στάδιο 4. Τα στάδια 3 και 4 με τα νεότερα κριτήρια ονομάζονται ύπνος βραδέων κυμάτων (Carskadon and Dement 2011; Niedermeyer et al. 2011; Tatum 2014). Ο ύπνος REM παρουσιάζει χαμηλού δυναμικού υψίσυχνη (θήτα και βήτα) δραστηριότητα, χαμηλό μυικό τόνο όπως φαίνεται από το ηλεκτρομυογράφημα, και τις χαρακτηριστικές ταχείες οφθαλμικές κινήσεις που καταγράφονται από το ηλεκτροοφθαλμογράφημα. Για ερευνητικούς σκοπούς ο REM ύπνος μπορεί να διαχωριστεί σε δυο φάσεις, την τονική και τη φασική, καθώς οι ταχείες οφθαλμικές κινήσεις συνήθως εμφανίζονται σε ριπές ενώ ακολουθούνται από περιόδους ηρεμίας. Αφυπνίσεις κατά την διάρκεια του REM ύπνου συχνά (80%) συνοδεύονται από ονειρικές αναμνήσεις (Carskadon and Dement 2011). Μέσα σε ένα κύκλο η ροή του ύπνου ξεκινάει από ελαφρύτερα στάδια NREM ύπνου περνώντας σε βαθύτερα, εν συνεχεία ξανά σε ελαφρύτερα και τέλος ακολουθείται από REM ύπνο. Ο ύπνος REM αποτελεί συνήθως το 20-25% του ύπνου, ωστόσο στον πρώτο κύκλο μπορεί να έχει διάρκεια μόνο ελάχιστα λεπτά και αυξάνεται σταδιακά στους υπόλοιπους κύκλους κατά τη διάρκεια της νύχτας. Αντίθετα, ο NREM ύπνος βραδέων κυμάτων (SWS στάδια 3 και 4), που αποτελεί συνήθως το 13-22%, έχει μεγαλύτερη διάρκεια στους πρώτους κύκλους και μπορεί να απουσιάζει εντελώς από τους τελευταίους. Το πρώτο στάδιο του NREM αποτελεί μικρό ποσοστό, 2-5%, της συνολικής διάρκειας και συνήθως αντιπροσωπεύει την είσοδο στον NREM κατά τον πρώτο κύκλο. Το δεύτερο στάδιο του NREM αποτελεί το μεγαλύτερο μέρος του ύπνου, 45-55% (Carskadon and Dement 2011). Η μακροσκοπική οργάνωση λοιπόν του ύπνου ακολουθεί καταρχάς τον κιρκάδιο ρυθμό με εμφάνιση του ύπνου τις νυχτερινές ώρες, εν συνεχεία ακολουθούν κύκλοι εναλλαγής ύπνου NREM και REM με περίοδο περίπου 90 λεπτών, ενώ μέσα στο NREM υπάρχουν κυκλικές εναλλαγές ελαφρύτερων και βαθύτερων σταδίων. ii) Μικροαφυπνίσεις και κυκλικό εναλλασσόμενο πρότυπο Κατά τη διάρκεια του ύπνου υπάρχουν σύντομες περίοδοι εγκεφαλογραφικής δραστηριότητας που περιέχουν στοιχεία εγρήγορσης, όπως άλφα ρυθμό και γρήγορες (βήτα) συχνότητες, και μπορεί να συνοδεύονται από αύξηση του μυικού τόνου ή και κινήσεις του υποκειμένου (Halász et al. 1979). Αυτά τα γεγονότα έχουν ονομαστεί μικροαφυπνίσεις και συμπεριλαμβάνονται ξεχωριστά στο υπνόγραμμα μετά την καθιέρωση κριτηρίων για τη σταδιοποίησή τους (Bonnet et al. 1992). Αρκετές δεκάδες μικροαφυπνίσεις παρατηρούνται σε ένα φυσιολογικό ύπνο και αντιπροσωπεύουν μια κατάσταση μερικής εγρήγορσης σε σχέση με τις περιόδους ύπνου μέσα στις οποίες βρίσκονται. Μια άλλη δυναμική διεργασία εκτός των κλασσικών σταδίων είναι η εναλλαγή μέσα στο NREM ύπνο περιόδων υψηλού δυναμικού δραστηριότητας, όπως συμπλέγματα Κ ή δέλτα δραστηριότητας, και περιόδων με δραστηριότητα υποβάθρου. Αυτό το φαινόμενο 20

21 ονομάζεται κυκλικό εναλλασσόμενο πρότυπο (Terzano et al. 1985) και εκτός από αυθόρμητα, συχνά εμφανίζεται ως απάντηση σε αφυπνιστικό ερέθισμα. Η επαναλαμβανόμενη υψηλού δυναμικού δραστηριότητα ονομάζεται φάση Α (Cyclic Alternating Pattern CAP A), ενώ η ενδιάμεση δραστηριότητα υποβάθρου ονομάζεται φάση Β (CAP B). Μια αλληλουχία CAP αποτελείται από εναλλασσόμενες φάσεις CAP-A και CAP-B, με κάθε φάση να διαρκεί από 2 έως 60 δευτερόλεπτα, ενώ αν δεν εμφανιστεί φάση CAP A για 60 δευτερόλεπτα, η περίοδος ταξινομείται ως Non-CAP. Ένα ερέθισμα μέσα σε μια περίοδο CAP οδηγεί σε εμφάνιση φάσης CAP-A. Η φάση CAP-A υποδιαιρείται περαιτέρω ανάλογα με την συμμετοχή του αυτονόμου από A1, A2 έως A3, με την Α3 να περιέχει και ταχύρυθμη δραστηριότητα και να πληρεί τον ορισμό που η Αμερικάνικη Εταιρεία Διαταραχών του Ύπνου έχει θέσει για τις μικροαφυπνίσεις (Chokroverty et al. 2011). Το κυκλικό εναλλασσόμενο πρότυπο έχει ιδιαίτερο ενδιαφέρον ως δείκτης αστάθειας του ύπνου, καθώς υψηλός δείκτης CAP (το ποσοστό συνολικής διάρκειας περιόδων CAP ως προς το σύνολο του NREM ύπνου) έχει συσχετισθεί με κακή ποιότητα ύπνου (Parrino et al. 2012). Παράλληλα, η φάση CAP-A θεωρείται ότι ευοδώνει την εμφάνιση παθολογικών στοιχείων του ύπνου, όπως κινήσεων των άκρων, βρουξισμό και επιληπτικής δραστηριότητας. Συγκεκριμένα, η περίοδος CAP αντιπροσωπεύει μια περίοδο αστάθειας του επιπέδου εγρήγορσης μέσα στον ύπνο NREM, με τις φάσεις Α να αντιπροσωπεύουν το σύμπλεγμα αφύπνισης και τις φάσεις Β την καταστολή μετά το ερέθισμα. Μέσα σε αυτό το περιβάλλον αστάθειας η φάση CAP αποτελεί υπόστρωμα στο οποίο εκδηλώνονται συχνότερα οι νυχτερινές επιληπτικές κρίσεις με κινητικά φαινόμενα σε εστιακές μετωπιαίες ή κροταφικές επιληψίες (Parrino et al. 2000), αλλά και τα συμπλέγματα αιχμής-κύματος των ιδιοπαθών γενικευμένων επιληψιών (Halász et al. 2002). Ενδιαφέρουσα επίσης παρατήρηση είναι ότι οι εστιακές κρίσεις συμβαίνουν συχνότερα μέσα σε περιόδους CAP-A, αλλά και προκαλούν αστάθεια στον ύπνο, με αυξημένο δείκτη CAP μετά από μια κρίση, που μπορεί να αποτελέσει μηχανισμό για εμφάνιση σειράς κρίσεων στον ύπνο (Manni et al. 2005). Το κυκλικό εναλλασσόμενο πρότυπο και οι μικροαφυπνίσεις αναδεικνύουν άλλο ένα επίπεδο οργάνωσης του ύπνου μέσα σε ένα στάδιο, που προκύπτει μέσα από τις δυναμικές αλληλεπιδράσεις των παραγόντων που τείνουν να διατηρήσουν τον ύπνο αλλά παράλληλα επιτρέπουν την είσοδο ερεθισμάτων που τείνουν να αφυπνίσουν το άτομο. iii) Ηλεκτροεγκεφαλογραφικά γεγονότα Στο στάδιο 2 του NREM ύπνου παρατηρούνται δυο από τις πιο χαρακτηριστικές κυματομορφές του ανθρώπινου εγκεφαλογραφήματος, τα συμπλέγματα Κ και οι άτρακτοι του ύπνου. Το σύμπλεγμα Κ όπως αναφέρθηκε είναι ένα αργό αρνητικό κύμα υψηλού δυναμικού, και οι άτρακτοι είναι ρυθμικές ταλαντώσεις στα Hz διάρκειας 0,5 2 δευτερολέπτων. Περισσότερα για τα γεγονότα αυτά αναφέρονται στο ειδικό μέρος (κεφάλαιο 2.1, σελίδα 53) όπου μελετάται η αλληλεπίδρασή τους. Η οργάνωση και η σχέση των μικρο-στοιχείων του εγκεφαλογραφήματος είναι η βάση για την έννοια της μικρο-αρχιτεκτονικής του ύπνου. Η ανάδειξη κυκλικών προτύπων εμφάνισης αυτών των στοιχείων, όπως ο υποκείμενος ρυθμός των 0,25 Hz που επηρεάζει την εμφάνιση των ατράκτων (Evans and Richardson 1995), η σχέση των συμπλεγμάτων Κ με αργές ταλαντώσεις στο φλοιό (Cash et al. 2009), η περιοδικότητα των φάσεων CAP ανά δευτερόλεπτα (Parrino et al. 2012), είναι ενδεικτικά ενός 21

22 τρόπου οργάνωσης όπου αργοί ρυθμοί συντονίζουν την εμφάνιση στοιχείων μικρότερης διάρκειας και γρηγορότερων συχνοτήτων. Ένα επιπλέον στοιχείο είναι η ανίχνευση σε ενδοκρανιακές καταγραφές ακόμα γρηγορότερων συχνοτήτων, των ripples (~200 Hz) του ιπποκάμπου, που ομαδοποιούνται μέσα στα κύματα που σχηματίζουν οι άτρακτοι (Clemens et al. 2007; Staresina et al. 2015). Η οργάνωση λοιπόν του ύπνου τόσο στα στοιχεία της μάκρο- όσο και της μίκρο- αρχιτεκτονικής βασίζεται πάνω σε ιεραρχικές δομές ρυθμών που αλληλεπιδρούν. 2.3 Νευροφυσιολογικοί μηχανισμοί ρύθμισης του ύπνου Οι πρώτες μελέτες για την αναγνώριση των δομών που εμπλέκονται στην οργάνωση του ύπνου οδήγησαν στην ανάδειξη του ρόλου του δικτυωτού σχηματισμού στην εγρήγορση (Moruzzi and Magoun 1949). Αρκετές ομάδες νευρικών κυττάρων μέσα και γύρω από το γεφυρικό και μεσεγκεφαλικό δικτυωτό σχηματισμό ευοδώνουν την εγρήγορση. Σε αυτές τις ομάδες συμπεριλαμβάνονται νευρώνες που συνθέτουν σεροτονίνη, νοραδρεναλίνη, ισταμίνη, ακετυλοχολίνη και ορεξίνη / υποκρετίνη. Οι περισσότεροι νευρώνες αυτών των συστημάτων διαθέτουν πολύ μακριές προβολές και άξονες με εκτεταμένα δίκτυα συνάψεων σε μεγάλες περιοχές του στελέχους και του προσθεγκεφάλου, με αποτέλεσμα να ασκούν πολλαπλές δράσεις. Άλλωστε, η εγρήγορση είναι μια διεργασία που μεταβάλλει άμεσα και διάχυτα το εγκεφαλογράφημα και εμπλέκει ταυτόχρονα αρκετά φυσιολογικά συστήματα, όπως το αυτόνομο, την κίνηση, την αισθητικότητα και το ενδοκρινικό (McGinty and Szymusiak 2011). Οι νευρώνες που είναι περισσότερο ενεργοί κατά τη διάρκεια της εγρήγορσης σε σχέση με τον ύπνο, χωρίζονται σε δυο κατηγορίες ανάλογα με την δραστηριότητά τους στον ύπνο REM. Έτσι, αν παραμένουν ανενεργοί κατά τη διάρκεια του REM ύπνου ονομάζονται Wake-ON, REM-OFF. Αυτοί είναι οι σεροτονινεργικοί νευρώνες της ραφής, που προβάλλουν σχεδόν σε ολόκληρο το διεγκέφαλο, το νεοφλοιό και το μεταιχμιακό σύστημα, οι νοραδρενεργικοί νευρώνες του υπομέλανα τόπου που προβάλλουν στο διεγκέφαλο, τον προσθεγκέφαλο και την παρεγκεφαλίδα, οι ισταμινεργικοί νευρώνες που βρίσκονται στον φυματομαστικό πυρήνα και τον γειτονικό οπίσθιο υποθάλαμο και προβάλλουν στον υποθάλαμο, τον προσθεγκέφαλο, το στέλεχος αλλά και το νωτιαίο μυελό, και τέλος οι νευρώνες της έξω περιοχής του υποθαλάμου που εκκρίνουν ορεξίνη, και προβάλλουν πάλι σε όλες τις περιοχές του εγκεφάλου. Οι νευρώνες που είναι ενεργοί στην εγρήγορση αλλά και στον ύπνο REM ονομάζονται Wake-ON, REM-ON. Αυτοί είναι χολινεργικοί νευρώνες στο ραχιαίο έξω τμήμα του γεφυρομεσεγκεφαλικού δικτυωτού σχηματισμού (καλυπτρικοί πυρήνες PPT και LDT) και στο βασικό προσθεγκέφαλο, που προβάλλουν στο θάλαμο, τον υποθάλαμο, το μεταιχμιακό σύστημα και το νεοφλοιό, ντοπαμινεργικοί νευρώνες στη μέλαινα ουσία, τη ραχιαία περιοχή της καλύπτρας και τον έσω υποθάλαμο, και γλουταμινεργικοί νευρώνες του δικτυωτού σχηματισμού (McGinty and Szymusiak 2011). Αντίστοιχα με τα συστήματα εγρήγορσης, υπάρχουν νευρώνες που παρουσιάζουν αύξηση της δραστηριότητάς τους στον ύπνο. Αυτοί βρίσκονται στην προοπτική περιοχή του υποθαλάμου (κοιλιακή έξω περιοχή VLPO και έσω περιοχή MnPO). Οι νευρώνες αυτοί είναι ανασταλτικοί και προβάλλουν στους περισσότερους πυρήνες των συστημάτων εγρήγορσης, εκκρίνοντας GABA και, οι νευρώνες της VLPO, το ανασταλτικό πεπτίδιο γαλανίνη. Σε πειράματα σε ζώα, οι νευρώνες της MnPO παρουσιάζουν αύξηση της δραστηριότητάς τους κατά τη στέρηση ύπνου, ενώ οι νευρώνες στην VLPO ενεργοποιούνται μόνο όταν το ζώο τελικά κοιμάται, υποδεικνύοντας ότι οι νευρώνες της MnPO ανταποκρίνονται σε ομοιοστατικά σήματα 22

23 που αντιπροσωπεύουν την ανάγκη για ύπνο και μπορεί να δρουν μέσω ενεργοποίησης των νευρώνων της VLPO (Saper 2013). Οι ανασταλτικοί νευρώνες της VLPO νευρώνονται επίσης από νευρώνες των συστημάτων εγρήγορσης με ανασταλτική επίδραση. Αυτή η αμοιβαία αναστολή μεταξύ δυο οδών έχει ονομαστεί διακόπτης Flip Flop, όπου όταν η μια πλευρά παίρνει τον έλεγχο, αναστέλλει την άλλη, σταθεροποιώντας την κατάστασή της. Αυτό το σύστημα θεωρείται ότι επιτρέπει ταχείες εναλλαγές μεταξύ δυο καταστάσεων, και παρά το γεγονός ότι η επίδραση των κιρκάδιων ρυθμών και της ομοιοστατικής ανάγκης για ύπνο αλλάζει με πολύ αργούς ρυθμούς, η εναλλαγή ύπνου εγρήγορσης δεν είναι μια αργή σταδιακή κυμαινόμενη διαδικασία (Saper et al. 2010). Αντίστοιχο σύστημα που επιτρέπει ταχείες εναλλαγές μεταξύ δυο καταστάσεων έχει προταθεί και για τη ρύθμιση του ύπνου REM. Οι νευρώνες που προωθούν τον ύπνο REM (νευρώνες REM-on) βρίσκονται στο ανώτερο τμήμα της γέφυρας στην περιοχή κοιλιακά του υπομέλανα τόπου (μερικοί συγγραφείς χρησιμοποιούν τον όρο sublaterodorsal nucleus SLD). Οι νευρώνες αυτοί βρίσκονται υπό αναστολή μέσω GABA-εργικών προβολών από γειτονικούς διάμεσους νευρώνες (νευρώνες REM-off) στην φαιά ουσία πέριξ του υδραγωγού (ventrolateral periaqueductal gray matter vlpag) και στην έξω γεφυρική καλύπτρα (LPT). Στους REM-off νευρώνες καταλήγουν προβολές από την προοπτική περιοχή και τον έξω υποθάλαμο, τους τοπικούς χολινεργικούς νευρώνες και τα μονοαμινεργικά συστήματα, καθώς και GABA-εργικές προβολές από τους REM-on νευρώνες της vlpag (Saper 2013). Αξίζει να σημειωθεί η δράση των νευρώνων ορεξίνης στον οπίσθιο έξω υποθάλαμο, που ενεργοποιούν τόσο τους μονοαμινεργικούς και χολινεργικούς νευρώνες του συστήματος εγρήγορσης, αλλά και τους REM-off νευρώνες. Αυτή η δράση έχει ως αποτέλεσμα την σταθεροποίηση σε κατάσταση εγρήγορσης και τη σχεδόν αδύνατη μετάβαση από εγρήγορση σε ύπνο REM σε φυσιολογικές καταστάσεις (Saper et al. 2010). Τα συστήματα ελέγχου του ύπνου συνοψίζονται στην εικόνα 1.2. Η λειτουργία του θαλάμου επηρεάζεται από το ανιόν σύστημα εγρήγορσης που προέρχεται κυρίως από τους χολινεργικούς νευρώνες των πυρήνων της καλύπτρας (σκελογεφυρικός και έξω ραχιαίος laterodorsal). Οι νευρώνες αυτοί προβάλλουν στους ειδικούς πυρήνες του θαλάμου (relay nuclei) καθώς και στον δικτυωτό πυρήνα. Ο δικτυωτός πυρήνας περιλαμβάνει GABA-εργικούς νευρώνες που αναστέλλουν τους θαλαμοφλοιικούς νευρώνες. Καθώς το σύστημα εγρήγορσης αναστέλλει τους νευρώνες του δικτυωτού πυρήνα, επιτρέπει τη μετάδοση πληροφοριών από το θαλαμοφλοιικό σύστημα. Οι νευρώνες του θαλάμου έχουν δυο διαφορετικούς τρόπους λειτουργίας (Steriade and Llinás 1988) ανάλογα με το δυναμικό της μεμβράνης τους: Όταν οι νευρώνες είναι ελαφρώς εκπολωμένοι, με δυναμικό ηρεμίας λιγότερο αρνητικό από -65 mv, ανταποκρίνονται σε ένα εκπολωτικό ερέθισμα με ένα μονήρες δυναμικό ενεργείας (τονική λειτουργία). Όταν είναι υπερπολωμένοι, ενεργοποιείται ένα αργό ρεύμα ιόντων ασβεστίου, και τότε ένα ερέθισμα προκαλεί μια αργή εκπόλωση πάνω στην οποία εμφανίζεται μια σειρά δυναμικών ενεργείας (burst), η οποία ακολουθείται από μια ήρεμη περίοδο λόγω διακοπής του αργού ρεύματος, και τέλος επαναφορά του δυναμικού σε επίπεδα υπερπόλωσης. Το κύκλωμα που δημιουργείται από τις διεγερτικές θαλαμοφλοιικές προβολές στο φλοιό και στο δικτυωτό πυρήνα, τις διεγερτικές φλοιοθαλαμικές προβολές στους θαλαμοφλοιικούς νευρώνες και το δικτυωτό πυρήνα, και τις ανασταλτικές προβολές του δικτυωτού πυρήνα στους θαλαμοφλοιικούς 23

24 νευρώνες είναι το υπόστρωμα πάνω στο οποίο δημιουργούνται οι ρυθμοί που παρατηρούνται στο εγκεφαλογράφημα του ύπνου (Destexhe and Sejnowski 2003). Εικόνα 1.2: Συστήματα ελέγχου του ύπνου Το σύστημα ελέγχου ύπνου εγρήγορσης (αριστερά) και REM NREM (δεξιά). Εικόνες από Saper et al A: Το μονοαμινεργικό σύστημα εγρήγορσης (πράσινο) αποτελείται από νευρώνες νοραδρενεργικούς στον υπομέλανα τόπο (LC), γλουταμινεργικούς στον παραβραχιόνιο πυρήνα (PB) και την προ-υπομέλανα υπεριοχή (PC), σεροτονινεργικούς στους πυρήνες της ραφής (DR), ντοπαμινεργικούς στη φαιά ουσία πέριξ του υδραγωγού (vpag) και ισταμινεργικούς στον φυματομαστικό πυρήνα (TMN). Οι προβολές μέσω του υποθαλάμου, έρχονται σε επαφή με νευρώνες ορεξίνης στον έξω υποθάλαμο (μπλε) καθώς και με χολινεργικούς και GABA-εργικούς νευρώνες στο βασικό προσθεγκέφαλο (BF), και νευρώνουν το φλοιό. Β. Οι GABA-εργικοί νευρώνες στην προοπτική περιοχή (VLPO/MnPO) αναστέλλουν το σύστημα εγρήγορσης κατά τον ύπνο. C. Το σύστημα εγρήγορσης επίσης αναστέλλει τους νευρώνες που προάγουν τον ύπνο. D. Οι GABA-εργικοί REM-on και REM-off νευρώνες έχουν σχέση αμοιβαίας αναστολής. Ε. Οι νευρώνες ορεξίνης και οι μονοαμινεργικοί νευρώνες ενεργοποιούν τους REM-off νευρώνες, ενώ αναστέλλονται από τους νευρώνες της προοπτικής περιοχής και τους χολινεργικούς νευρώνες. F. Οι REM-on νευρώνες με ανιούσες προβολές προωθούν μια ονειρική κατάσταση και με κατιούσες οδούς προκαλούν ατονία και οφθαλμικές κινήσεις. 24

25 2.4 Οι άτρακτοι και το θαλαμοφλοικό σύστημα ιστορικά στοιχεία Η ιστορία της διερεύνησης του ηλεκτροφυσιολογικού υποβάθρου των ατράκτων παρουσιάζει ιδιαίτερο ενδιαφέρον (Destexhe and Sejnowski 2009). Η πρώτη ένδειξη ότι οι άτρακτοι μπορεί να βηματοδοτούνται εκτός του φλοιού προέκυψε όταν ο Bishop το 1936 έδειξε ότι η καταστροφή των θαλαμοφλοικών συνδέσεων μειώνει τη ρυθμική δραστηριότητα του φλοιού, κάτι που επιβεβαίωσε ο Bremer το 1938 δείχνοντας ότι παραμένει ρυθμική δραστηριότητα στη λευκή ουσία μετά την καταστροφή του φλοιού. Το 1941 ο Andrian και το 1945 οι Morison και Bassett παρατήρησαν ατρακτοειδείς ταλαντώσεις στον θάλαμο μετά από αφαίρεση του φλοιού. Αυτά τα πειράματα οδήγησαν στην υπόθεση του θαλαμικού βηματοδότη των ατράκτων και οι Andersen, Sears και Eccles το 1962 με ενδοκυττάριες καταγραφές των θαλαμοφλοιικών κυττάρων πρότειναν ότι τα θαλαμοφλοιικά κύτταρα πυροδοτούν ριπές δυναμικών ενεργείας ως απάντηση σε ανασταλτικά μετασυναπτικά δυναμικά (IPSPs) με αντιδραστικούς μετα-ανασταλτικούς μηχανισμούς (postinhibitory rebound). Οι Jahnsen και Llinas έδειξαν ότι αυτή η δραστηριότητα είναι χαρακτηριστική για τα θαλαμοφλοιικά κύτταρα, ενώ οι Scheibel και Scheibel αναγνώρισαν τους νευρώνες του δικτυωτού πυρήνα του θαλάμου ως πηγή των ανασταλτικών ερεθισμάτων. Οι Jasper και Στεφανής το 1965 ήταν οι πρώτοι που κατέγραψαν ατράκτους ενδοκυττάρια στο φλοιό (Jasper and Stefanis 1965), και μάλιστα πρότειναν ότι οι άτρακτοι δρουν ως μηχανισμός πύλης εισόδου στους φλοιικούς νευρώνες, καθώς και ότι η ανασταλτική φάση είτε ο βηματοδότης είναι φλοιικός είτε θαλαμικός αντιπροσωπεύει τα στοιχεία της ρυθμικής διαδικασίας που καθορίζουν τη συχνότητα. Τα in vivo πειράματα της ομάδας του Steriade καθιέρωσαν το ρόλο του δικτυωτού πυρήνα ως βηματοδότη των ατράκτων, αλλά και τη σημασία του φλοιού στην έναρξη, τη διάδοση και τη διακοπή των ατράκτων μέσω των αργών φλοιικών ταλαντώσεων. Τέλος, οι in vitro μελέτες της ομάδας του McCormick καθώς και τα υπολογιστικά μοντέλα των Destexhe και άλλων συμπλήρωσαν τις γνώσεις μας για τους μηχανισμούς του φλοιοθαλαμοφλοιικού συστήματος που γεννούν τις ατράκτους του ύπνου. 25

26 2.5 Ύπνος και επιληψία i) Γενικά κλινικά στοιχεία Παρόλο που η σχέση ύπνου και επιληψίας είναι γνωστή από πολλά χρόνια, τα διαφορετικά επιληπτικά σύνδρομα και οι κρίσεις, καθώς και τα διάφορα μεσοκρισικά φαινόμενα στο εγκεφαλογράφημα, ποικίλλουν στον τρόπο που επηρεάζουν και επηρεάζονται από τον ύπνο. Κλινικά είναι γνωστή η στέρηση ύπνου ως εκλυτικού παράγοντα εμφάνισης κρίσεων, ενώ στο κλινικό εγκεφαλογράφημα συστήνεται να καταγράφεται ύπνος, είτε φυσιολογικά ή μετά από στέρηση, ως μέσο ανάδειξης επιληπτόμορφων ανωμαλιών. Η στέρηση ύπνου ως μέθοδος ενεργοποίησης του εγκεφαλογραφήματος επιτείνει ή αναδεικνύει επιληπτόμορφη δραστηριότητα σε ένα 30% των ατόμων με επιληψία (Marcuse et al. 2015). Παράδειγμα επιληπτικού συνδρόμου που σχετίζεται με τον κύκλο ύπνου εγρήγορσης είναι η νεανική μυοκλονική επιληψία όπου οι μυοκλονικές και οι γενικευμένες τονικοκλονικές κρίσεις συμβαίνουν χαρακτηριστικά το πρωί τις πρώτες μια με δύο ώρες μετά την αφύπνιση. Άλλο παράδειγμα είναι οι εστιακές κρίσεις του μετωπιαίου λοβού που έχουν την τάση να εμφανίζονται κυρίως στον ύπνο, όπως και στο σύνδρομο της αυτοσωμικής επικρατούς νυχτερινής επιληψίας του μετωπιαίου λοβού, καθώς και οι καλοήθεις εστιακές κρίσεις της παιδικής ηλικίας με κεντροκροταφικές αιχμές που στο 8090% των ασθενών εμφανίζονται κυρίως στον ύπνο. Το σύνδρομο Landau-Kleffner έχει εκτεταμένες ανωμαλίες με αιχμηρά αργά κύματα στο NREM ύπνο, όπως και η επιληπτική εγκεφαλοπάθεια με συνεχείς εκφορτίσεις αιχμής-κύματος στον ύπνο όπου οι διάσπαρτες μεμονωμένες εκφορτίσεις στην εγρήγορση γίνονται σχεδόν συνεχείς στον ύπνο (Panayiotopoulos 2010). Έτσι, χαρακτηριστικές εγκεφαλογραφικές ανωμαλίες που σχετίζονται με τον ύπνο είναι η ηλεκτρική επιληπτική κατάσταση στον ύπνο (Electrical Status Epilepticus in Sleep ESES), η γενικευμένη παροξυσμική γρήγορη δραστηριότητα (GPFA), τα γενικευμένα συμπλέγματα αιχμής-κύματος των ιδιοπαθών γενικευμένων επιληψιών που σχετίζονται με την αφύπνιση, οι εστιακές αιχμές των εστιακών μετωπιαίων επιληψιών, οι συχνότερα εμφανιζόμενες στον ύπνο απ' ότι στην εγρήγορση αμφοτερόπλευρες ανεξάρτητες αιχμές στην κροταφική επιληψία και οι κεντροκροταφικές αιχμές στη ρολάνδειο επιληψία (Halász 2010). Ο ύπνος στα άτομα με επιληψία μπορεί να επηρεάζεται από τις κρίσεις, τη μεσοκρισική δραστηριότητα, και τη φαρμακευτική αγωγή. Στις ακραίες περιπτώσεις του ESES και άλλων διάχυτων εγκεφαλοπαθητικών καταστάσεων δεν μπορεί να αναγνωριστεί καθόλου η πιθανή οργάνωση του ύπνου, ωστόσο οι κρίσεις και η μεσοκρισική επιληπτική δραστηριότητα φαίνεται να σχετίζονται με αυξημένη αστάθεια στον ύπνο και αύξηση του κυκλικού εναλλασόμενου προτύπου (Terzano et al. 1991; Dinner and Lüders 2001; Manni et al. 2005). ii) Η έννοια των επιληψιών συστημάτων και ο ύπνος Ιδιαίτερο ενδιαφέρον παρουσιάζει η θεώρηση και προσπάθεια ταξινόμησης των επιληψιών ως διαταραχών ενός υποκείμενου νευρικού συστήματος. Σύμφωνα με την υπόθεση αυτή, ένα αναγνωρισμένο νευρικό σύστημα, το οποίο απαρτίζεται από διαφορετικές περιοχές λειτουργικά συνδεδεμένες ώστε να εξυπηρετούν κάποια 26

27 φυσιολογική λειτουργία, είναι το υπόστρωμα πάνω στο οποίο εκφράζεται η παθολογική δραστηριότητα (η γένεση της κρίσης) στο συγκεκριμένο είδος επιληψίας (Avanzini et al. 2012). Η αυξημένη διεγερσιμότητα ενός συγκεκριμένου νευρικού συστήματος, είτε παροδικά ως μεταβατικό στάδιο στην ανάπτυξη (συνήθως γενετικά καθοριζόμενου) είτε περισσότερο μόνιμα ως τάση για δημιουργία επιληπτικών κρίσεων σε μια περίοδο της ζωής, είναι το κύριο στοιχείο για τις επιληψίες συστημάτων. Παράδειγμα τέτοιων καταστάσεων είναι οι αντανακλαστικές κρίσεις (reflex seizures), όπου η κρίση προκαλείται από κάποιο ερέθισμα. Πλέον συχνή και μελετημένη κατάσταση είναι η φωτοευαισθησία, όπου η κρίση προκαλείται από φωτεινά ερεθίσματα, αλλά υπάρχουν και περισσότερο πολύπλοκα ερεθίσματα, όπως προγραμματισμός συγκεκριμένων κινήσεων, διάβασμα, και άλλα (Zifkin 2010). Το φωτεινό αυτό ερέθισμα σε άτομα με φωτοευαισθησία προκαλεί συμμετρικά γενικευμένα συμπλέγματα αιχμήςκύματος στο εγκεφαλογράφημα και εάν οδηγήσει σε επιληπτική κρίση, αυτή μπορεί να είναι αφαιρετική κρίση, μυοκλονική ή απλή εστιακή του ινιακού λοβού με οπτικές ψευδαισθήσεις. Σε μια μελέτη όπου τυχαία προκλήθηκε γενικευμένη κρίση μετά από φωτεινό ερεθισμό κατά τη διάρκεια ταυτόχρονης καταγραφής με EEG-fMRI, διαπιστώθηκε ενεργοποίηση στον οπτικό φλοιό, το θάλαμο, τα άνω διδύμια και τα έξω γονατώδη σώματα, κάτι που συνηγορεί υπέρ της ενεργοποίησης του θαλαμοφλοιικού συστήματος για την κρίση που προκλήθηκε από φωτεινό ερεθισμό (Moeller et al. 2009; Avanzini et al. 2012). Η σχέση της λειτουργίας του θαλαμοφλοιικού κυκλώματος στον ύπνο και των αφαιρετικών κρίσεων έχει μελετηθεί με τη διαπίστωση σε πειραματόζωα ότι η δραστηριότητα που φυσιολογικά δημιουργεί ατράκτους του ύπνου μετασχηματίζεται σε συμπλέγματα αιχμής-κύματος όταν ο φλοιός είναι σε κατάσταση υπερδιεγερσιμότητας (Kostopoulos et al. 1981; Kostopoulos 2000). Οι αφαιρετικές κρίσεις φαίνεται επίσης να συνδέονται με περιόδους μεταβλητότητας στην εγρήγορση, ενώ και η γενικευμένη δραστηριότητα αιχμής-κύματος φαίνεται να σχετίζεται με τη φάση του κυκλικού εναλλασσόμενου προτύπου, και ιδίως με τη μεταβολή από CAP-B σε CAP-A (Koutroumanidis et al. 2012). Τέτοιες παρατηρήσεις οδηγούν στην θεώρηση της αφαιρετικής επιληψίας ως επιληψία του θαλαμοφλοιικού συστήματος, και ιδίως του μηχανισμού δημιουργίας των ατράκτων του NREM ύπνου (Avanzini et al. 2012; Halász 2015). Με αντίστοιχες παρατηρήσεις, ο Avanzini και οι συνεργάτες προτείνουν ότι η νεανική μυοκλονική επιληψία μπορεί να θεωρηθεί ότι σχετίζεται με την ευαισθησία ενός συστήματος που περιλαμβάνει τον κινητικό και προκινητικό φλοιό, και στη δημιουργία των συμπλεγμάτων πολυαιχμών που σχετίζονται με τις μυοκλονίες μπορεί να εμπλέκονται θαλαμικές προβολές και οι μηχανισμοί ρυθμογένεσής τους (Avanzini et al. 2012). Οι συγγραφείς μάλιστα θεωρούν ότι παρόμοιοι μηχανισμοί στο σωματοαισθητικό σύστημα αποτελούν το υπόστρωμα της καλοήθους επιληψίας της παιδικής ηλικίας με κεντροκροταφικές αιχμές (ή ρολάνδειος επιληψία). Ο Halasz προτείνει ότι η νυχτερινή μετωπιαία επιληψία (NFLE) μπορεί να θεωρηθεί επιληψία του συστήματος εγρήγορσης (Halász 2015). Ξεκινάει παρατηρώντας τις κλινικές ομοιότητες με αφυπνιστικές παραϋπνίες και το εγκεφαλογράφημα ύπνου με το αυξημένο κυκλικό εναλλασσόμενο πρότυπο ως δείκτη αστάθειας του ύπνου. Στην αυτοσωμική επικρατή μορφή της νόσου (ADNFLE) εμπλέκονται δυο γονίδια που κωδικοποιούν υπομονάδες του νικοτινικού υποδοχέα της ακετυλοχολίνης, και άρα 27

28 υποθέτει ότι η λειτουργία του χολινεργικού συστήματος εγρήγορσης είναι επηρεασμένη και πιθανότατα παρουσιάζοντας αυξημένη δραστηριότητα. Ο μηχανισμός λοιπόν που προτείνει ο Halasz για την NFLE συνίσταται στο ότι η υπερβολική αφύπνιση που συνοδεύεται με συγχυτική συμπεριφορά, σημεία από το αυτόνομο και υπερκινητικούς αυτοματισμούς, είναι εκφράσεις διαφορετικού βαθμού συμπεριφοράς εγρήγορσης και πανικού που ενεργοποιούνται από το μετωπιαίο χολινεργικό σύστημα εγρήγορσης κατά τη διάρκεια της μειωμένης γνωστικής δυνατότητας του ύπνου NREM (Halász 2015). Με αυτή την υπόθεση, ο Halasz δημιουργεί ένα ενδιαφέρον δίπολο, όπου τόσο η αφαιρετική επιληψία όσο και η νυχτερινή μετωπιαία επιληψία θεωρούνται επιληψίες του συστήματος ύπνου εγρήγορσης, με την NFLE να αντιπροσωπεύει επιληψία του συστήματος εγρήγορσης, ενώ η αφαιρετική επιληψία του συστήματος που παράγει τα μικροστοιχεία του ύπνου NREM (Halász 2015). Σε αυτό το πλαίσιο θεώρησης, ο ύπνος δεν είναι απλά μια κατάσταση ενεργοποίησης που μια παθολογική επιληπτογενής εστία εκμεταλλεύεται για να βγει στην επιφάνεια και να εκδηλωθεί, αλλά τα ίδια τα νευροφυσιολογικά συστήματα που ελέγχουν και οργανώνουν τον ύπνο είναι οι φορείς που δημιουργούν την επιληπτική δραστηριότητα. Αν και οι υποθέσεις που αναφέρθηκαν χρειάζονται χρόνο για να αποδειχθούν σωστές ή όχι, είναι σίγουρο ότι οι γνώσεις μας για τη λειτουργία των συστημάτων του ύπνου συμβάλλουν σημαντικά στην κατανόηση των σχετικών επιληπτικών συνδρόμων. 28

29 2 Ειδικό μέρος 29

30

31 1 Μελέτη μάκρο και μίκροαρχιτεκτονικής ύπνου με ανάλυση χρόνουσυχνοτήτων 1.1 Υπνοφασματόγραμμα Η αρχιτεκτονική του ύπνου αποκαλύφθηκε με τη χρήση του ηλεκτροεγκεφαλογραφήματος (Loomis et al. 1937; Carskadon and Dement 2011). Ήδη από τις πρώτες καταγραφές εγκεφαλογραφήματος ύπνου η επανάληψη ηλεκτροεγκεφαλογραφικών προτύπων κατά τη διάρκεα της νύχτας ήταν ξεκάθαρη, με περιόδους ύπνου ταχέων οφθαλμικών κινήσεων (Rapid Eye Movement REM sleep) να εναλλάσσονται με περιόδους ύπνου άνευ ταχέων οφθαλμικών κινήσεων (Non Rapid Eye Movement NREM sleep), δημιουργώντας μια αλληλουχία περίπου 5 με 6 κύκλων σε κάθε ολονύχτιο ύπνο (Aserinsky and Kleitman 1953). Επιπλέον, ο NREM ύπνος κατατάχθηκε σε 4 στάδια που αντιστοιχούν σε αυξανόμενο βάθος ύπνου (Gibbs and Gibbs 1950; Dement and Kleitman 1957). Αυτή η μακροσκοπική αρχιτεκτονική δομή στον ύπνο (μακροαρχιτεκτονική) απεικονίζεται με τη διαδικασία της σταδιοποίησης, όπως αυτή καθορίστηκε αρχικά από τους Rechtschaffen και Kales το 1968 και επαναπροσδιορίστηκε το 2007 από την Αμερικανική Ακαδημία Ιατρικής του Ύπνου (Rechtschaffen and Kales 1968; Silber et al. 2007). Η σταδιοποίηση του ύπνου βασίζεται στο ΗΕΓ, το οφθαλμογράφημα (ΗΟΓ) για την ανίχνευση των οφθαλμικών κινήσεων και το μυογράφημα (ΗΜΓ) για την εκτίμηση του μυικού τόνου, και είναι το πλέον χρησιμοποιημένο εργαλείο στη μελέτη του ύπνου. Η γραφική αναπαράσταση της αρχιτεκτονικής του ύπνου που προκύπτει από αυτή τη διαδικασία είναι το υπνόγραμμα και προσφέρει μια μακροσκοπική επισκόπηση της οργάνωσης του ύπνου σε εναλλασσόμενες καταστάσεις εγκεφαλικής λειτουργίας με επαναλαμβανόμενους κύκλους σταδίων NREM και REM. Η σταδιοποίηση πραγματοποιείται από ερευνητές του ύπνου, κλινικούς ιατρούς και εκπαιδευμένους νευροφυσιολόγους (Rodenbeck et al. 2006; Silber et al. 2007). Αξίζει να σημειωθεί η παρατήρηση του Hobson ήδη από το 1969 σε κριτική του πάνω στα κριτήρια των Rechtschaffen και Kales ότι η σταδιοποίηση είναι επίπονη διαδικασία και τα κριτήρια θα πρέπει να είναι ένα πρώτο βήμα στην ανάπτυξη αλγορίθμων αυτόματης ανάλυσης των καταγραφών, καθώς και ο προβληματισμός του κατά πόσο η σταδιοποίηση μετράει το σωστό πράγμα με το σωστό τρόπο (Allan Hobson 1969). Ένα από τα βασικά στοιχεία που επιτρέπουν τη σταδιοποίηση του ύπνου με βάση το ηλεκτροεγκεφαλογράφημα είναι το γεγονός ότι οι εγκεφαλογραφικοί ρυθμοί που καταγράφονται μεταβάλλονται από την εγρήγορση στον ύπνο καθώς και ανάμεσα στα στάδια του ύπνου. Τα χαρακτηριστικά συστατικά των σταδίων του ύπνου, όπως οι αργές και γρήγοροι άτρακτοι, ο δέλτα ρυθμός, τα κύματα κορυφής και τα συμπλέγματα Κ του ύπνου NREM, καθώς και οι ριπές άλφα ρυθμού, ο πριονωτός θήτα ρυθμός και ο βήτα ρυθμός που καταγράφονται στον ύπνο REM, παρουσιάζουν διαφορετικά φασματικά χαρακτηριστικά. Εκτός όμως των κλασσικών σταδίων, έχουν επίσης αναγνωριστεί περαιτέρω δυναμικές διεργασίες όπως το κυκλικό εναλλασσόμενο πρότυπο του NREM ύπνου (Terzano et al. 1985) με ακολουθίες συγχρονισμένης και απο-συγχρονισμένης δραστηριότητας, καθώς και το φαινόμενο των μικροαφυπνίσεων στις οποίες έχει αποδοθεί μεταβατικός χαρακτήρας ανάμεσα στα στάδια (Halász 1993). Τέτοιες εργασίες αποκαλύπτουν ένα επιπλέον επίπεδο οργάνωσης (μικροαρχιτεκτονική του ύπνου) μέσα στο πρότυπο εναλλαγών NREM-REM ύπνου που επίσης εκδηλώνεται με την εμφάνιση 31

32 διαφορετικών εγκεφαλογραφικών ρυθμών. Αυτό καθιστά το εγκεφαλογράφημα του ύπνου ιδανικό σήμα για ανάλυση χρόνου-συχνοτήτων. Δισδιάστατα υπνογράμματα μπορούν πράγματι να προκύψουν είτε εφαρμόζοντας κριτήρια σταδιοποίησης και απεικονίζοντας χειρωνακτικά τις εναλλαγές των ρυθμών (Halász et al. 2002) είτε απεικονίζοντας την φασματική κατανομή ισχύος του σήματος (Gross and Gotman 1999; Ferri et al. 2001; Tan et al. 2003). Αυτές οι διαδικασίες είτε είναι εξαιρετικά χρονοβόρες είτε όταν αυτοματοποιούνται επηρεάζονται από τις επιλογές των παραμέτρων (ορισμοί ζωνών συχνότητας για βιολογικούς ρυθμούς, ουδοί, κλπ) και την διακύμανσή τους ανάμεσα στα υποκείμενα (Huupponen et al. 2007). Η Μονάδα Νευροφυσιολογίας έχει προτείνει τη χρήση του υπνοφασματογράμματος (Kokkinos et al. 2009) ως μέσο για την απεικόνιση των σταδίων και της ποιότητας του ύπνου. Το υπνοφασματόγραμμα είναι ακριβώς η έγχρωμη απεικόνιση του διαγράμματος χρόνου συχνοτήτων του ολονύκτιου ηλεκτροεγκεφαλογραφήματος ύπνου. Όπως το υπνόγραμμα, η απεικόνιση δηλαδή στο χρόνο των σταδίων του ύπνου καθώς αυτά προκύπτουν από την σταδιοποίηση σύμφωνα με τα τυποποιημένα κριτήρια, το υπνοφασματόγραμμα μπορεί να δώσει μια εποπτική αδρή απεικόνιση της μακροαρχιτεκτονικής δομής του ύπνου. Ωστόσο, το υπνοφασματόγραμμα δίνει μια πληρέστερη απεικόνιση των δυναμικών αλλαγών στον ύπνο, επιτρέποντας ταυτόχρονα την αναγνώριση στοιχείων της μικροαρχιτεκτονικής του ύπνου. Εικόνα 2.1: Υπνοφασματόγραμμα με παράλληλη απεικόνιση υπνογράμματος Στην Εικόνα 2.1 απεικονίζεται ένα τυπικό υπνοφασματόγραμμα από μια ολονύκτια καταγραφή ύπνου, όπως έχει προκύψει από ανάλυση του σήματος από το ηλεκτρόδιο Cz. Η χρωματική κλίμακα αντιπροσωπεύει τη φασματική ισχύ εκτιμώμενη με ανάλυση κατά Fourier (Short Time Fourier Transformation STFT) με το άσπρο να υποδηλώνει εντονότερη ισχύ. Διακρίνονται ξεκάθαρα οι άτρακτοι του ύπνου περίπου στα 15 Hz και η σταδιακή αύξηση της δραστηριότητας στις συχνότητες δέλτα (1 4 Hz) καθώς ο ύπνος βαθαίνει σε ύπνο αργών κυμάτων (Slow Wave Sleep SWS, δηλαδή NREM στάδια 3 και 4 ή στάδιο 3 σύμφωνα με τα νέα κριτήρια της AASM 2007). Στην εγρήγορση ξεχωρίζει η ταχεία δραστηριότητα σε βήτα και γάμμα συχνότητες, ενώ οι 32

33 μικροαφυπνίσεις που συνοδεύονται συχνά από μυικά παράσιτα λόγω κινήσεων ή αύξησης του μυικού τόνου απεικονίζονται ως μικρής διάρκειας αύξηση της δραστηριότητας σε όλο το καταγραφόμενο φάσμα. Ανάμεσα στις περιόδους NREM ξεχωρίζει ο ύπνος REM. Το υπνοφασματόγραμμα ως βοηθητικό εργαλείο στη σταδιοποίηση του ύπνου έχει περιγραφεί αναλυτικά σε δημοσίευση από τη Μονάδα Νευροφυσιολογίας (Kokkinos et al. 2009). Στο παρόν τμήμα περιγράφεται η δυνατότητα να χρησιμοποιηθούν τα δεδομένα του υπνοφασματογράμματος με αλγορίθμους συσταδοποίησης ώστε να αναγνωριστούν περίοδοι με παρόμοια φασματικά χαρακτηριστικά. Αυτές οι παρόμοιες περίοδοι μπορούν εν συνεχεία να αντιστοιχιστούν σε συγκεκριμένα στάδια και να οδηγήσουν στην σταδιοποίηση του ύπνου απευθείας από το υπνοφασματόγραμμα χωρίς την ανάγκη να γίνει εκτενής οπτική αναγνώριση του ολονύκτιου εγκεφαλογραφήματος. 33

34 1.2 Αλγόριθμοι συσταδοποίησης Η συσταδοποίηση ή ομαδοποίηση (clustering) είναι η διαδικασία διαχωρισμού ενός συνόλου στοιχείων σε ομάδες έτσι ώστε αυτά που ανήκουν στην ίδια ομάδα να μοιάζουν μεταξύ τους περισσότερο απ' ότι στα στοιχεία των άλλων ομάδων (Seber 1984; Manning 2008). Ο ορισμός της ομοιότητας ή μη καθώς και της φύσης των στοιχείων εξαρτάται κάθε φορά από το συγκεκριμένο πρόβλημα στο οποίο εφαρμόζεται η συσταδοποίηση. Ακριβώς επειδή ο ερευνητής επιλέγει κάθε φορά τους ορισμούς, υπάρχει μια πληθώρα αλγορίθμων συσταδοποίησης με διαφορετικές προσεγγίσεις και αποτελέσματα στο πρόβλημα (Estivill-Castro 2002). Ένας από τους πλέον διαδεδομένους αλγορίθμους είναι ο αλγόριθμος k-means (κ μέσων). Ο αλγόριθμος αυτός ορίζει ως κεντροειδές (centroid) μιας ομάδας το μέσο όρο των στοιχείων που ανήκουν σε αυτή την ομάδα, ενώ στόχος του είναι να ελαχιστοποιηθεί ο μέσος όρος των τετραγώνων των Ευκλείδειων αποστάσεων κάθε στοιχείου από το κεντροειδές (Hartigan and Wong 1979). Αναλυτικότερα, αν κάθε στοιχείο x είναι ένα διάνυσμα τιμών, το κεντροειδές μ της συστάδας ω ορίζεται ως εξής: μ ( ω )= 1 x ( ω ) x ω Ένα μέτρο του πόσο καλά ένα κεντροειδές μ αντιπροσωπεύει μια συστάδα είναι το άθροισμα των τετραγώνων των υπολοίπων (residual sum of squares RSS): RSS k = ( x μ ( ω k ) ) 2 x ω k Ενώ το ίδιο άθροισμα για όλες τις συστάδες είναι ένα μέτρο για το πόσο καλά έχει γίνει η ομαδοποίηση: K RSS= RSS k k= 1 Ο αλγόριθμος ξεκινάει λοιπόν με τυχαία κεντροειδή και τοποθετεί τα στοιχεία σε συστάδες ανάλογα με την απόστασή τους από το κοντινότερο κεντροειδές. Στη συνέχεια υπολογίζει τα νέα κεντροειδή από τις συστάδες που προέκυψαν και επανατοποθετεί τα στοιχεία σε νέες συστάδες. Τελικός στόχος είναι να μη μεταβάλλονται πλέον οι συστάδες και να ελαχιστοποιηθεί το RSS. Πρόκειται δηλαδή για μια επαναληπτική μέθοδο απληστίας. Ως τέτοια, τα αποτελέσματά της κάθε φορά μπορεί να διαφέρουν ανάλογα με τα τυχαία αρχικά σημεία και είναι πιθανό να οδηγηθεί σε διαφορετικά τοπικά βέλτιστα κάθε φορά αντί για το ολικό βέλτιστο (Manning 2008). Ο αλγόριθμος k-means ανήκει στην κατηγορία των επίπεδων ή μη ιεραρχικών αλγορίθμων συσταδοποίησης, δημιουργεί δηλαδή συστάδες χωρίς κάποια ιεραρχική δομή μεταξύ τους. Σε αντίθεση, οι ιεραρχικοί αλγόριθμοι δημιουργούν μια ιεραρχική δομή δένδρου όπου κάθε συστάδα προέρχεται από μικρότερες υποσυστάδες έως ότου κάθε στοιχείο αποτελεί τη δικιά του μοναδιαία συστάδα. Στους συσσωρευτικούς 34

35 ιεραρχικούς αλγορίθμους, μικρές όμοιες υποσυστάδες συνενώνονται δημιουργώντας σταδιακά μεγαλύτερες. Αντίθετα, οι διαχωριστικοί ιεραρχικοί αλγόριθμοι ξεκινούν με μεγάλες συστάδες που χωρίζονται σε μικρότερες, συνήθως χρησιμοποιώντας σε κάθε στάδιο έναν βοηθητικό αλγόριθμο της κατηγορίας των μη ιεραρχικών. Ο αλγόριθμος όπως περιγράφηκε ανήκει επίσης στην κατηγορία των αυστηρών συσταδοποιήσεων όπου κάθε στοιχείο ανήκει σε μόνο μια ομάδα. Υπάρχουν και οι αλγόριθμοι ασαφούς συσταδοποίησης, όπου κάθε στοιχείο μπορεί να ανήκει σε διαφορετικές ομάδες με διαφορετικό βαθμό βεβαιότητας. Σε κάθε μια από αυτές τις κατηγορίες, ο ορισμός που χρησιμοποιείται για τον υπολογισμό της απόστασης μεταξύ των στοιχείων, ή των συστάδων για τους ιεραρχικούς αλγόριθμους, οδηγεί σε διάφορες παραλλαγές με άλλοτε άλλα αποτελέσματα ανάλογα με τα δεδομένα και το ερώτημα ανά περίπτωση. Όσον αφορά στο υπνοφασματόγραμμα, τα δεδομένα από την ανάλυση της φασματικής ισχύος μπορούν να οργανωθούν σε ένα πίνακα όπου κάθε στήλη αντιπροσωπεύει ένα χρονικό διάστημα και κάθε γραμμή μια συγκεκριμένη συχνότητα. Για κάθε χρονικό διάστημα μπορούμε να θεωρήσουμε λοιπόν ένα διάνυσμα με τις τιμές ισχύος για κάθε συχνότητα, και στόχος είναι να ομαδοποιηθούν αυτά τα διανύσματα, θεωρώντας ότι οι ομάδες που θα προκύψουν θα αντιστοιχούν σε χρονικές περιόδους που ανήκουν στο ίδιο στάδιο ύπνου. Για τα παρακάτω αποτελέσματα, ο αλγόριθμος που χρησιμοποιήθηκε ήταν ο k-means. Αξίζει παρόλα αυτά να σημειωθεί ότι έγιναν ορισμένες δοκιμές με συσσωρευτικούς ιεραρχικούς αλγορίθμους, ωστόσο παρατηρήθηκε ότι οι αλγόριθμοι αυτοί τείνουν να θέτουν σε πολλές διαφορετικές συστάδες τις περιόδους με τα περισσότερα παράσιτα, όπως παρατηρούνται κατά τις μικροαφυπνίσεις, και να ομαδοποιούν όλη την υπόλοιπη καταγραφή μαζί σε μια συστάδα. Αυτό συμβαδίζει με τις παρατηρήσεις ότι η συγκεκριμένη κατηγορία αλγορίθμων είναι ιδιαίτερα ευαίσθητη σε ακραίες τιμές παρατηρήσεων (Manning 2008), όπως ακριβώς τα μυικά παράσιτα στις μικροαφυπνίσεις αποτελούν ακραίες τιμές με μεγάλη διαφορά στο φασματικό τους περιεχόμενο από το υπόλοιπο εγκεφαλογράφημα. 35

36 1.3 Ημιαυτόματη σταδιοποίηση Για την ημιαυτόματη σταδιοποίηση αναπτύχθηκε ένα εργαλείο σε περιβάλλον MATLAB που εντάχθηκε στην πλατφόρμα ανάλυσης εγκεφαλογραφήματος (Κουππάρης 2009). Για τον τελικό χρήστη, η διαδικασία ξεκινάει με τον υπολογισμό του υπνοφασματογράμματος. Σε αυτό το στάδιο είναι απαραίτητη η επιλογή ενός ηλεκτροδίου καθώς και των παραμέτρων του αλγορίθμου STFT. Όσον αφορά στο κανάλι, προτιμάται ένα ηλεκτρόδιο μετωπιαία-βρεγματικά της μέσης γραμμής όπως το Cz, Pz ή ακόμα και το Fz, όπου καταγράφονται οι περισσότεροι ρυθμοί που εμφανίζονται στον ύπνο (Niedermeyer 2005) ακόμα κι αν δεν είναι η περιοχή μέγιστης δραστηριότητάς τους. Οι καταγραφές που χρησιμοποιήθηκαν διαθέτουν 64 ηλεκτρόδια και η ανάλυση έγινε στο Cz εκτός εάν λόγω τεχνικού προβλήματος υπήρχε σοβαρό πρόβλημα θορύβου, οπότε αντικαθίσταται από γειτονικό ηλεκτρόδιο της μέσης γραμμής. Οι παράμετροι που απαιτούνται για τον αλγόριθμο STFT είναι οι συχνότητες στις οποίες θα εστιάσει η ανάλυση, το χρονικό παράθυρο και η επικάλυψη μεταξύ των παραθύρων ανάλυσης του σήματος. Για τις συχνότητες επιλέχθηκε η ζώνη μεταξύ 0.05 Hz και 45 Hz καθώς περιλαμβάνει δέλτα, θήτα, άλφα, βήτα και γάμμα δραστηριότητες καλύπτοντας το πλήρες φάσμα που μπορεί να έχει πρακτική σημασία στη σταδιοποίηση. Προκειμένου να υπάρχει άριστη διακριτότητα στην εικόνα που προκύπτει, το βήμα της ανάλυσης συχνοτήτων ήταν 0.05 Hz. Με αυτές τις παραμέτρους υπολογίζονται τιμές φασματικής ισχύος για 900 διαφορετικά συχνοτικά παράθυρα, που υπερκαλύπτουν μεν τις ανάγκες της σταδιοποίησης, ωστόσο δίνουν εικόνες υψηλής ανάλυσης που είναι χρήσιμες καθώς ο χρήστης μπορεί να ζητήσει ικανή μεγέθυνση. Αντίστοιχα, για κάθε παράθυρο χρησιμοποιούνται 4096 τιμές με επικάλυψη 4000, και καθώς έχει προηγηθεί προσαρμογή του ρυθμού δειγματοληψίας στα 500 Hz, οι παράμετροι αυτές αντιστοιχούν σε αποτελέσματα με χρονική ανάλυση 0,192 s. Η θεωρητική διακριτική ικανότητα συχνοτήτων του αλγορίθμου για αυτές τις τιμές είναι περίπου 0,12 Hz. Βεβαίως ο χρήστης μπορεί να ζητήσει λιγότερη ή περισσότερη ανάλυση, οπότε μεταβάλλονται αντίστοιχα και οι υπολογιστικές απαιτήσεις σε χρόνο επεξεργασίας και απαιτούμενη μνήμη. Το υπνοφασματόγραμμα που προκύπτει για έναν τυπικό 8ωρο ύπνο με αυτές τις ρυθμίσεις αποτελείται από έναν πίνακα 900 συχνοτήτων x χρονικών σημείων, που επιτρέπει είτε λεπτομερή μεγέθυνση και εστίαση σε φαινόμενα μικροδομής είτε σμίκρυνση και εποπτική απεικόνιση ολόκληρου του ύπνου. Κάθε τιμή φασματικής ισχύος καταλαμβάνει 8 bytes μνήμης, οπότε συνολικά απαιτούνται περίπου 2 GB για μια 8ωρη καταγραφή. Το υπνοφασματόγραμμα αποτελεί το σημείο αναφοράς για το χρήστη, ο οποίος αναγνωρίζει πάνω σε αυτό τα στάδια του ύπνου, αλλά και για τον αλγόριθμο σταδιοποίησης. Για τον αλγόριθμο σταδιοποίησης είναι θεμιτό να μειωθεί η χρονική ανάλυση των δεδομένων ώστε να πλησιάζει τις κατευθυντήριες οδηγίες για τη δημιουργία του υπνογράμματος, έτσι ώστε να μπορεί να υπάρξει άμεση σύγκριση. Ο χρήστης επιλέγει λοιπόν τη χρονική διάρκεια κάθε περιόδου σταδιοποίησης, με προκαθορισμένη επιλογή τα 30 s όπως αναφέρονται στις οδηγίες για τη σταδιοποίηση του ύπνου (Silber et al. 2007). Ωστόσο, ανεξάρτητα από τη διάρκεια της περιόδου της αρχικής σταδιοποίησης, 36

37 το πρόγραμμα επιτρέπει τη δημιουργία του τελικού υπνογράμματος με μεγαλύτερη διακριτότητα στο χρόνο. Αυτό επιτρέπει στα επόμενα βήματα τις μικροεπεμβάσεις πάνω στο αποτέλεσμα του αλγορίθμου ώστε να σημειωθούν με μεγαλύτερη χρονική ακρίβεια, για παράδειγμα δευτερολέπτου, οι μικροαφυπνίσεις και οι αλλαγές των σταδίων. Η τελευταία επιλογή για το χρήστη είναι ο απαιτούμενος αριθμός συστάδων ομαδοποίησης που ζητείται να διαχωρίσει ο αλγόριθμος. Αυτή η επιλογή είναι αρκετά αυθαίρετη και παρά το γεγονός ότι υπάρχει τρόπος αυτόματου υπολογισμού του ιδανικού αριθμού συστάδων, δεν είναι ικανοποιητικός σε αυτή την περίπτωση. Αυτό συμβαίνει διότι στο πρόβλημα της σταδιοποίησης ύπνου υπάρχει εκ των προτέρων η γνώση των σταδίων που αναμένονται και μπορούμε να καθορίσουμε αυτό τον αριθμό εμπειρικά χωρίς πολύπλοκες μαθηματικές μεθόδους, βασιζόμενοι στη γνώση των ειδικών ως εξωτερικό του αλγορίθμου κριτηρίου ποιότητας (Manning 2008). Ο ελάχιστος αριθμός συστάδων θα πρέπει λοιπόν να περιλαμβάνει τα στάδια της εγρήγορσης, τα 4 στάδια του NREM, το REM και τις μικροαφυπνίσεις. Ιδανικά, δε θα χρειαζόταν περαιτέρω ομάδες, ωστόσο στην πράξη ο αλγόριθμος θα υποπέσει σε δυο είδη σφαλμάτων. Το πρώτο είναι να ομαδοποιήσει στην ίδια συστάδα διαφορετικά στάδια, και το δεύτερο να δημιουργήσει περισσότερες συστάδες για το ίδιο στάδιο. Για τον χρήστη είναι ευκολότερο να διορθώσει το δεύτερο είδος σφαλμάτων, ομαδοποιώντας εκ των υστέρων αυτές τις συστάδες, παρά το πρώτο. Άλλωστε, πολλές φορές τα στάδια του NREM ύπνου μοιάζουν περισσότερο μεταξύ τους απ' ότι οι διαφορετικές μικροαφυπνίσεις μεταξύ τους, και αν ο αλγόριθμος περιοριστεί σε μικρό αριθμό συστάδων θα προτιμήσει να ομαδοποιήσει τα διαφορετικά NREM στάδια και να ξεχωρίσει τις ακραίες τιμές των μικροαφυπνίσεων. Συνεπώς, χρειάζεται ελαφρώς μεγαλύτερος αριθμός ομάδων από τις ελάχιστες 7. Για τα αποτελέσματα που παρουσιάζονται ζητήθηκαν από τον αλγόριθμο 12 συστάδες. Η μέθοδος που ακολουθεί ο αλγόριθμος είναι η εξής: Αρχικά, κανονικοποιούνται τα δεδομένα του υπνοφασματογράμματος χρησιμοποιώντας το μέσο όρο της φασματικής ισχύος κάθε συχνότητας για όλη την καταγραφή. Εν συνεχεία, υπολογίζεται ο μέσος όρος κάθε χρονικής περιόδου σταδιοποίησης (epoch). Σε αυτό το σημείο, και χρησιμοποιώντας τις παραμέτρους που προαναφέρθηκαν, έχουμε σε μια 8ωρη καταγραφή 960 περιόδους των 30 δευτερολέπτων με τιμές φασματικής ισχύος για 900 συχνότητες στην καθεμία. Δίνοντας αυτά τα δεδομένα στον αλγόριθμο κ μέσων, ζητάμε τη συσταδοποίηση αυτών των περιόδων με βάση τα 900 χαρακτηριστικά τους, και το αποτέλεσμα είναι ένας αριθμός από 1 έως 12 για κάθε τέτοια χρονική περίοδο που αντιστοιχεί στον αριθμό της συστάδας όπου ομαδοποιήθηκε η συγκεκριμένη περίοδος. Το επόμενο βήμα είναι η αντιστοίχιση από τον χρήστη της κάθε συστάδας σε συγκεκριμένο στάδιο ύπνου. Προκειμένου να γίνει αυτό, αναπτύχθηκε ένα γραφικό περιβάλλον όπου απεικονίζεται ο μέσος όρος της φασματικής ισχύος κάθε συστάδας (δηλαδή το αποτέλεσμα του απλού μετασχηματισμού Fourier) σε σύγκριση με το μέσο όρο ολόκληρης της καταγραφής. Παράλληλα, απεικονίζονται συνενωμένα τμήματα του υπνοφασματογράμματος που αντιστοιχούν σε αυτές τις συστάδες. Ουσιαστικά σε αυτό το βήμα ο χρήστης ελέγχει την ποιότητα της συσταδοποίησης κρίνοντας αν τα αποτελέσματα διαχωρίζουν ικανοποιητικά τα στάδια του ύπνου. Εδώ υπάρχει η δυνατότητα αντιστοίχισης κάθε ομάδας με ένα από τα 7 στάδια, συνένωσης δυο ομάδων σε μια, διαχωρισμός μιας ομάδας σε δύο με χρήση πάλι του αλγορίθμου κ μέσων περιορίζοντάς τον μόνο στα δεδομένα της συγκεκριμένης συστάδας και ζητώντας δυο νέες συστάδες, και ακόμα, επανάληψη της διαδικασίας. Σε περίπτωση επανάληψης, 37

38 δε χρησιμοποιείται ένας αυθαίρετος αριθμός συστάδων, αλλά δίνονται στον αλγόριθμο ως αρχικά κεντροειδή αυτά που προκύπτουν από τις συστάδες που έχει δημιουργήσει μετά από πιθανές συνενώσεις και διαχωρισμούς ο χρήστης. Παράλληλα, ο χρήστης έχει στη διάθεσή του το αρχικό υπνοφασματογράφημα και το υπνόγραμμα όπως αυτό εξελίσσεται με τις επιλογές του. Μετά την αρχική αντιστοίχιση ομάδων και σταδίων, είναι εφικτή πλέον η επέμβαση πάνω στο περιεχόμενο των ομάδων, επιλέγοντας πάνω στο υπνοφασματόγραμμα μια χρονική περίοδο που θα μεταφερθεί σε μια συγκεκριμένη συστάδα. Χρησιμοποιώντας αυτές τις δυνατότητες είναι λοιπόν εφικτό ο χρήστης μετά από μια αρχική γρήγορη συσταδοποίηση να διαλέξει πάνω στο υπνοφασματόγραμμα μεγάλες περιοχές που αντιστοιχούν ξεκάθαρα σε συγκεκριμένα στάδια (πχ συνεχόμενες περιοχές ύπνου REM ή ύπνου βραδέων κυμάτων SWS) και να ζητήσει επανάληψη της σταδιοποίησης. Έτσι, τα αρχικά κεντροειδή δε θα είναι τυχαία, αλλά αυτά που προκύπτουν από τη γρήγορη σταδιοποίηση που έγινε, αυξάνοντας τις πιθανότητες να καταλήξει ο αλγόριθμος σε βέλτιστη συσταδοποίηση, σύμφωνη με τη σταδιοποίηση του ύπνου. Εικόνα 2.2: Οι 7 τελικές ομάδες όπως προέκυψαν από μια τυπική σταδιοποίηση. Στην εικόνα 2.2 παρουσιάζεται ένα τυπικό αποτέλεσμα της διαδικασίας. Από τις 12 38

39 ομάδες ο χρήστης έχει αναγνωρίσει το στάδιο στο οποίο αντιστοιχούν και έχει συνενώσει αυτές που αντιστοιχούν στο ίδιο στάδιο. Από κάθε ομάδα απεικονίζεται μισή ώρα υπνοφασματογράμματος και από κάτω ο μέσος όρος της φασματικής ισχύος όλης της περιόδου σε σύγκριση με όλο τον ύπνο που απεικονίζεται με διακεκομμένη γραμμή (καθώς και στο κάτω δεξιά διάγραμμα). Η σύγκριση αυτή καθώς και η εικόνα του υπνοφασματογράμματος αναδεικνύουν τα διαφορετικά στοιχεία που επιτρέπουν την αναγνώριση του σταδίου του ύπνο. Σε αυτή την περίπτωση ακολουθούνται τα στάδια όπως είχαν καθοριστεί από τους Rechtschaffen και Kales όπου ο NREM ύπνος χωρίζεται σε 4 στάδια (Rechtschaffen and Kales 1968). Ξεχωρίζει ο άλφα ρυθμός στην εγρήγορση, οι άτρακτοι του ύπνου στα στάδια NREM2, 3 και 4, η αύξηση του δέλτα ρυθμού όπως προχωράμε σε βαθύτερα στάδια NREM με παράλληλη μείωση της υψίσυχνης δραστηριότητας. Στο REM παρατηρούμε υψίσυχνη δραστηριότητα, χωρίς δέλτα ρυθμό ή ατράκτους. Τα στάδια REM και NREM1 είναι αρκετά όμοια ως προς το συχνοτικό τους περιεχόμενο, ωστόσο η δραστηριότητα άνω των 30 Hz μπορεί να είναι μειωμένη στο REM σε σχέση με το NREM1, ενώ μπορεί να εμφανίζεται κάποια δραστηριότητα στη συχνότητα του άλφα ρυθμού. Μετά το πέρας της διαδικασίας ο χρήστης μπορεί να προχωρήσει σε περισσότερο λεπτομερείς διορθώσεις πάνω στο υπνόγραμμα. Από άποψη γραφικού περιβάλλοντος, ο χρήστης απλά επιλέγει μια περιοχή πάνω στο υπνοφασματόγραμμα και την αντιστοιχεί σε συγκεκριμένο στάδιο. Χρησιμοποιώντας τη δυνατότητα μεγέθυνσης του υπνοφασματογράμματος είναι ιδιαίτερα εύκολο να αναγνωριστούν σαφώς οι απότομες μεταβολές, όπως συμβαίνει στις μικροαφυπνίσεις. Γενικά, οι μικροαφυπνίσεις ξεχωρίζουν από την απότομη εμφάνιση μυικού παράσιτου, αλλά είναι δύσκολο να διαχωριστούν αυτόματα από τις περιόδους εγρήγορσης. Άλλες συχνές διορθώσεις είναι η επιβεβαίωση ότι μια συγκεκριμένη περίοδος ανήκει πχ σε στάδιο NREM 1 και όχι REM ή εγρήγορσης. Μόλις ολοκληρωθεί και η λεπτομερής διόρθωση, ο χρήστης αποθηκεύει το υπνόγραμμα σε μορφή αρχείων με comma-separated values (CSV) που μπορεί να χρησιμοποιηθεί εύκολα από πολλές εφαρμογές. Είναι προφανής πλέον ο λόγος για την οποίο επιλέχθηκε ο όρος ημιαυτόματη έναντι της αυτόματης σταδιοποίησης. Η διαδικασία που περιγράφηκε είναι ουσιαστικά μια διαδικασία υποβοηθούμενης σταδιοποίησης του ύπνου βασισμένης πάνω στο υπνοφασματόγραμμα. Τα δεδομένα του υπνοφασματογράμματος είναι εύκολα ερμηνεύσιμα από τον χρήστη ερευνητή αλλά και από τον αλγόριθμο συσταδοποίησης. Ο συνδυασμός των δυο επιτρέπει την αρχική αυτόματη σταδιοποίηση και εν συνεχεία τη λεπτομερή επέμβαση από τον ερευνητή στο τελικό υπνόγραμμα, πάντα χωρίς να καταφεύγουμε άμεσα στην αρχική καταγραφή, αλλά έμμεσα χρησιμοποιώντας το υπνοφασματόγραμμα. 39

40 1.4 Μεθοδολογία αξιολόγησης της ημιαυτόματης σταδιοποίησης Η αξιολόγηση της αυτόματης σταδιοποίησης προϋποθέτει μια αντικειμενική μέθοδο σύγκρισης μεταξύ σταδιοποιήσεων που έχουν γίνει από διαφορετικούς αξιολογητές. Το πρόβλημα αυτό ανήκει στην κατηγορία της στατιστικής μέτρησης της συμφωνίας μεταξύ διαφορετικών παρατηρητών, και ειδικά για τη σταδιοποίηση ύπνου, όπου η κατηγοριοποίηση μιας χρονικής περιόδου σε ένα στάδιο είναι ποιοτική και όχι ποσοτική, ανάγεται σε στατιστική ανάλυση ποιοτικών κατηγοριοποιήσεων από διαφορετικούς παρατηρητές. Η ανάλυση αυτή μπορεί να γίνει με τη χρήση των συντελεστών κάππα (Landis and Koch 1977). Η αξιολόγηση ξεκινάει με τη δημιουργία ενός πίνακα συμφωνίας ανάμεσα στους παρατηρητές. Για παράδειγμα, σε μια καταγραφή όπου έχουμε το υπνόγραμμα με χρονική ανάλυση δευτερολέπτου όπως προκύπτει από την ημιαυτόματη και την κλασσική σταδιοποίηση μπορούμε να φτιάξουμε τον ακόλουθο πίνακα: Πίνακας 2.1: Πίνακας συμφωνίας μεταξύ αξιολογητών σε μια καταγραφή ύπνου. Μέθοδος Ημιαυτόματη Κλασσική Στάδιο NREM4 NREM3 NREM2 NREM1 REM AW MA Σύνολο Ποσοστό NREM ,3 NREM ,6 NREM ,1 NREM ,0 REM ,2 AW ,5 MA ,4 Σύνολο Ποσοστό 18,4 3,6 33,2 8, ,8 19,3 4,9 Το κάθε στοιχείο του πίνακα είναι το σύνολο των παρατηρήσεων που έχουν κατηγοριοποιηθεί σε συγκεκριμένο συνδυασμό, δηλαδή σε ένα στάδιο βάση του πρώτου αξιολογητή και σε κάποιο άλλο βάση του δεύτερου. Εδώ ως αξιολογητές θεωρούνται οι διαφορετικές μέθοδοι σταδιοποίησης. Το απλούστερο στατιστικό μέτρο που προκύπτει από αυτόν τον πίνακα είναι το ποσοστό των παρατηρήσεων στις οποίες οι δυο αξιολογητές συμφωνούν, δηλαδή το άθροισμα των στοιχείων της διαγωνίου προς το σύνολο των παρατηρήσεων. Στο συγκεκριμένο παράδειγμα, το ποσοστό συμφωνίας είναι 69%. Περισσότερο εξελιγμένες μετρικές λαμβάνουν υπόψη την πιθανότητα συμφωνίας κατά τύχη, και ακολουθούν το γενικό τύπο: κ= π o π e 1 π e όπου πo η παρατηρούμενη πιθανότητα συμφωνίας και π e η υποθετική αναμενόμενη 40

41 πιθανότητα συμφωνίας. Ένας τρόπος υπολογισμού της αναμενόμενης πιθανότητας συμφωνίας είναι να αθροίσουμε τις μερικές πιθανότητες συμφωνίας για κάθε στάδιο. Κάθε μια από αυτές υπολογίζεται από το γινόμενο των πιθανοτήτων κάθε αξιολογητή να κατηγοριοποιήσει μια παρατήρηση στο συγκεκριμένο στάδιο. Αυτή η μέθοδος υπολογισμού μας δίνει το Cohen's kappa (Landis and Koch 1977). Για το παράδειγμα που αναφέρθηκε, η αναμενόμενη πιθανότητα είναι 0,184 * 0, ,036 * 0, ,20. Άρα, οι αξιολογητές συμφωνούν στο 69% των παρατηρήσεων ενώ η αναμενόμενη συμφωνία κατά τύχη είναι περίπου 20%. Ο συντελεστής κ σε αυτή την περίπτωση υπολογίζεται στο 0,61. Ο συντελεστής κ μπορεί να πάρει τιμές από -π e / (1 πe) όταν οι αξιολογητές δε συμφωνούν σε καμιά παρατήρηση έως 1 όταν συμφωνούν σε όλες τις παρατηρήσεις. Για τη σύγκριση μεταξύ διαφορετικών τιμών του συντελεστή κ, οι Landis και Koch προτείνουν ένα αυθαίρετο διαχωρισμό ως εξής: κάτω από 0 (poor), (slight), (fair), (moderate), (substantial) και (almost perfect). Για την συγκεκριμένη καταγραφή του παραδείγματος λοιπόν, οι δυο μέθοδοι εμφανίζουν πολύ καλή ( ουσιώδη ) συμφωνία στη σταδιοποίηση. Η ανάλυση των τιμών του συντελεστή κ σε αρκετές καταγραφές και με διαφορετικές παραμέτρους σταδιοποίησης, για παράδειγμα συνενώνοντας τα στάδια NREM3 και NREM4 σε ένα (SWS) σύμφωνα με τα αναθεωρημένα κριτήρια σταδιοποίησης (Silber et al. 2007), θα μας δώσει χρήσιμα στοιχεία για τα όρια της μεθόδου. Αξίζει να σημειωθεί η γενίκευση αυτής της μεθόδου για πολλούς αξιολογητές, ο συντελεστής Fleiss kappa. Αυτό το εργαλείο χρησιμοποιείται σε πολυκεντρικές μελέτες όπου διαφορετικά εργαστήρια μελέτης ύπνου σταδιοποιούν τις ίδιες καταγραφές και μπορεί να απαντήσει στο ερώτημα αν μια μέθοδος σταδιοποίησης είναι επαρκώς αντικειμενική όταν εφαρμόζεται από διαφορετικούς ερευνητές. Η συμφωνία μεταξύ ερευνητών που αναφέρεται βιβλιογραφικά για τη σταδιοποίηση του ύπνου θεωρείται αποδεκτή όταν πλησιάζει στο 80% και οι τιμές του συντελεστή κ κυμαίνονται από 0,65 έως 0,72 (Danker-Hopfe et al. 2004; Anderer et al. 2005; Basner et al. 2008). Εκτός από το ίδιο το υπνόγραμμα, από τη σταδιοποίηση προκύπτουν αρκετές μετρικές που έχουν σχέση με τα ποιοτικά χαρακτηριστικά του ύπνου, όπως η συνολική διάρκεια του ύπνου, η διάρκεια των σταδίων, ο συνολικός χρόνος εγρήγορσης μετά την επέλευση του ύπνου, κλπ (Chang et al. 2011). Συνεπώς, μπορεί να αξιολογηθεί και η συμφωνία μεταξύ των αξιολογητών όσον αφορά στα αριθμητικά αυτά χαρακτηριστικά. Για αυτού του είδους τις συγκρίσεις μπορεί να χρησιμοποιηθεί ο συντελεστής ενδοταξικής συσχέτισης intraclass correlation coefficient (Shrout and Fleiss 1979). Για τη χρήση αυτού του συντελεστή, υπολογίζονται οι παράμετροι του ύπνου για έναν αριθμό καταγραφών όπως προκύπτουν από τις διαφορετικές μεθόδους σταδιοποίησης. Έχουμε έτσι ζεύγη τιμών για κάθε καταγραφή και η ουσία του συντελεστή συσχέτισης είναι ότι αν αυτές μεταβάλλονται με τον ίδιο τρόπο και η διαφορά ανάμεσα στις μεθόδους σταδιοποίησης είναι μικρή θα έχουμε τιμές κοντά στη μονάδα, ενώ αν η διαφορά είναι μεγάλη ο συντελεστής συσχέτισης θα τείνει προς το μηδέν. Μαθηματικά, αυτή η μέθοδος είναι παρόμοια με τον συντελεστή συσχέτισης του Pearson. 41

42 Τέλος, η σύγκριση των σταδιοποιήσεων μπορεί να γίνει οπτικά, παρατηρώντας τα υπνογράμματα που προκύπτουν. Το πρόβλημα εδώ έγκειται στο μεγάλο αριθμό υπνογραμμάτων που πρέπει να απεικονιστούν ταυτόχρονα όταν υπάρχουν πολλές καταγραφές ώστε να προκύψουν αξιόπιστα συμπεράσματα. Ένας τρόπος απεικόνισης που έχει προταθεί πρόσφατα είναι τα λεγόμενα γραφήματα λαζάνια (Swihart et al. 2010) όπου μια χρονοσειρά απεικονίζεται με χρωματικό κώδικα σε μια ευθεία γραμμή και έτσι το ένα υπνόγραμμα τοποθετείται κάτω από το άλλο, σε αντιπαραβολή των γραφημάτων σπαγγέτι όπου ένα υπνόγραμμα απεικονίζεται με την κλασσική καμπύλη, και κατά την ταυτόχρονη απεικόνιση πολλών χρονοσειρών τα υπνογράμματα αλληλεπικαλύπτονται σαν σπαγγέτι. Εικόνα 2.3: Υπνογράμματα από 7 καταγραφές σε γράφημα "λαζάνια" Στην εικόνα που προκύπτει διακρίνονται τα στάδια του ύπνου όπως στο κλασσικό υπνόγραμμα. Αυτές οι απεικονίσεις επιτρέπουν άμεσα τη διεξαγωγή αρκετών συμπερασμάτων από τη σύγκριση των υπνογραμμάτων διαφορετικών καταγραφών ή και διαφορετικών μεθοδολογιών σταδιοποίησης. Τα υπνογράμματα που προέκυψαν από αυτή τη μελέτη διακρίνουν τον ύπνο σε 7 στάδια (εγρήγορση, μικροαφυπνίσεις, ύπνος REM, και 4 στάδια ύπνου NREM). Για την αξιολόγηση χρησιμοποιήθηκαν και τροποποιημένα υπνογράμματα όπου πραγματοποιήθηκαν συγχωνεύσεις ορισμένων σταδίων. Συγκεκριμένα, μπορεί να θεωρηθεί ότι τα στάδια NREM3 και NREM4 αποτελούν ένα στάδιο, τον ύπνο βραδέων κυμάτων (SWS) όπως καθιερώθηκε από τα αναθεωρημένα κριτήρια σταδιοποίησης. Επίσης, χρησιμοποιήθηκε ο όρος του ελαφρύ ύπνου (light sleep LS) για τα στάδια NREM1 και NREM2. Τέλος, τα στάδια εγρήγορσης και οι μικροαφυπνίσεις μπορούν να ενοποιηθούν σε μια κατηγορία ως εγρήγορση. Αυτές οι τροποποιήσεις επιτρέπουν συγκρίσεις σε διαφορετικά επίπεδα διάκρισης των σταδίων του ύπνου και συσχέτιση με άλλες μεθόδους στη βιβλιογραφία που χρησιμοποιούν αντίστοιχα διάκριση είτε μόνο 3 σταδίων (εγρήγορσης ύπνου REM ύπνου NREM), είτε 4 σταδίων όπου χωρίζουν τον ύπνο NREM σε ελαφρύ ύπνο και ύπνο βαθέων κυμάτων (Berthomier et al. 2007). 42

43 1.5 Φυσιολογικές καταγραφές Η μέθοδος της ημιαυτόματης σταδιοποίησης εφαρμόστηκε πιλοτικά σε 10 ολονύχτιες καταγραφές προκειμένου να συγκριθεί με την καθιερωμένη μέθοδο και να εξαχθούν συμπεράσματα από τη χρήση της. Οι καταγραφές έγιναν σε υγιείς εθελοντές (6 γυναίκες και 4 άνδρες) νεαρής ηλικίας (μεταξύ 23 και 35 ετών μέση ηλικία 26.5±3.8). Όλοι είχαν ελεύθερο ατομικό ιστορικό νευρολογικής ή ψυχιατρικής νόσου, δεν λάμβαναν φάρμακα κατά τη διάρκεια της μελέτης και απείχαν από τη χρήση αλκοόλ και καφεΐνης για τουλάχιστον 3 και 1 ημέρα αντίστοιχα. Πριν την καταγραφή δόθηκαν οδηγίες για τήρηση ημερολογίου ύπνου 7 ημερών και τήρηση του συνήθους ωραρίου ύπνου τους. Προσήλθαν στο εργαστήριο για την τοποθέτηση των ηλεκτροδίων μια ώρα πριν την συνήθη ώρα που ξάπλωναν για ύπνο όπως υπολογίστηκε κατά μέσο όρο από τα ημερολόγια ύπνου. Παρέμειναν καθόλη τη διάρκεια της νύχτας στο εργαστήριο σε ένα κλιματιζόμενο, ηχομονωμένο, σκοτεινό δωμάτιο με ενσωματωμένο κλωβό Faraday. Κοιμήθηκαν αυθόρμητα, χωρίς να χορηγηθεί κάποια φαρμακευτική ουσία. Η καταγραφή ξεκίνησε μόλις έκλεισαν αυτοβούλως τα φώτα για να κοιμηθούν και ολοκληρώθηκε με την αυθόρμητη πλήρη αφύπνισή τους το πρωί. Όλοι ανέφεραν άνετο και ήσυχο ύπνο, ενώ δεν συμπεριλήφθηκαν υποκείμενα που δεν κατάφεραν να διατηρήσουν καλή ποιότητα ύπνου. Οι καταγραφές πραγματοποιήθηκαν με τη χρήση κάσκας 58 ηλεκτροδίων (ElectroCap) τοποθετημένα σύμφωνα με το διεθνές σύστημα (FP1, FPz, FP2, F3A, F4A, F7, F5, F3, F1, Fz, F2, F4, F6, F8, C5A, C3A, C1A, CzA, C2A, C4A, C6A, T3, C5, C3, C1, Cz, C2, C4, C6, T4, T3L, TCP1, C3P, C1P, PzA, C2P, C4P, TCP2, T4L, T5, P5, P3, P1, Pz, P2, P4, P6, T6, CB1, P3P, P1P, PzP, P2P, P4P, CB2, O1, Oz, O2). Ως αναφορά χρησιμοποιήθηκε η ένωση των ηλεκτροδίων στους λοβούς των αυτιών (A1+A2) και η γείωση τοποθετήθηκε στη θέση του FzA. Τοποθετήθηκαν επίσης ηλεκτρόδια 1 εκ άνω του δεξιού έξω κανθού και 1 εκ κάτω του αριστερού έξω κανθού για καταγραφή ΗΟΓ, καθώς και δυο ηλεκτρόδια στον μασητήρα για καταγραφή ΗΜΓ. Οι αντιστάσεις διατηρήθηκαν κάτω από 10kΩ κατά τη μεγαλύτερη διάρκεια της νύχτας. Χρησιμοποιήθηκε ενισχυτής Synamps (Neuroscan Inc) με ρυθμό δειγματοληψίας 2500Hz, μετασχηματιστή A/D ανάλυσης 16bit με ακρίβεια 0,084μV/LSB και ζωνοπερατά φίλτρα Hz. Δεν χρησιμοποιήθηκε φίλτρο αποκοπής των 50 Hz. Οι κινήσεις των υποκειμένων καταγράφηκαν από έναν ανιχνευτή κίνησης που παρήγαγε παλμούς TTL κάθε φορά που εντόπιζε κίνηση και αποθηκεύθηκαν ως γεγονότα μαζί με την καταγραφή. 43

44 1.6 Αποτελέσματα σταδιοποίησης Δυο ανεξάρτητοι αξιολογητές σταδιοποίησαν τις καταγραφές, ο ένας με την καθιερωμένη μέθοδο χρησιμοποιώντας τα κεντρικά ηλεκτρόδια του ΗΕΓ, το ΗΜΓ και το ΗΟΓ, και ο άλλος με την ημιαυτόματη μέθοδο χρησιμοποιώντας μόνο το υπνοφασματόγραμμα όπως προέκυψε από ένα κεντρικό ηλεκτρόδιο. Εικόνα 2.4: Παράδειγμα σταδιοποίησης σε μια ολονύχτια καταγραφή. Απεικονίζονται (Α) το υπνοφασματόγραμμα, (Β) η σταδιοποίηση με την καθιερωμένη μεθοδολογία, (Γ) η σταδιοποίηση με μέγιστη προσπάθεια διόρθωσης πάνω στην ημιαυτόματη μέθοδο και (Δ) τμήμα καταγραφής 10 δευτερολέπτων που αντιστοιχεί στην πράσινη γραμμή. Στο (Δ) αναγνωρίζονται άτρακτοι και ένα σύμπλεγμα Κ. 44

45 Τα αποτελέσματα συγκρίθηκαν έχοντας κατά νου ότι ο αρχικός αξιολογητής παρέχει την αληθή σταδιοποίηση. Για την ημιαυτόματη μέθοδο κρατήθηκαν δυο υπνογράμματα. Το ένα με ελάχιστη παρέμβαση από τη μεριά του χρήστη, όπου η μόνη παρέμβαση ήταν η αρχική αναγνώριση των σταδίων, και το άλλο μετά τη μέγιστη προσπάθεια διόρθωσης του υπνογράμματος με βάση τη λεπτομερή παρατήρηση του υπνοφασματογράμματος. Σε όλες τις καταγραφές, το υπνοφασματογράφημα ήταν επαρκές για την αναγνώριση των κύκλων και των στοιχείων της μακροαρχιτεκτονικής του ύπνου. Ενδεικτικά, οι χρόνοι που απαιτήθηκαν για τη σταδιοποίηση ήταν περίπου 5 λεπτά για την ημιαυτόματη σταδιοποίηση, 45 για τις λεπτομερείς παρεμβάσεις στην ημιαυτόματη σταδιοποίηση και 3 ώρες για την καθιερωμένη σταδιοποίηση με οπτική παρατήρηση των καταγραφών του ΗΕΓ, ΗΜΓ και ΗΟΓ. Στην εικόνα 2.4 απεικονίζεται ένα παράδειγμα ημιαυτόματης σταδιοποίησης μετά από πλήρη προσπάθεια διόρθωσης σε μια ολονύκτια καταγραφή, με όλα τα στάδια που χρησιμοποιούνται στην καθιερωμένη σταδιοποίηση των Rechtschaffen και Kales. Προκειμένου να αναδειχθεί ευχερώς η ποιοτική σύγκριση μεταξύ των μεθόδων, χρησιμοποιήθηκε ένα διάγραμμα λαζάνια με τα 30 συνολικά υπνογράμματα. Εικόνα 2.5: Τα 30 υπνογράμματα που προέκυψαν σε αυτή τη μελέτη. Για κάθε υποκείμενο απεικονίζονται τρια υπνογράμματα: η πάνω γραμμή αντιπροσωπεύει τη σταδιοποίηση με την καθιερωμένη μέθοδο, η μεσαία την ημιαυτόματη μέθοδο με μέγιστη προσπάθεια διόρθωσης και η κάτω με ελάχιστες επεμβάσεις. Στην εικόνα δεν απεικονίζονται οι μικροαφυπνίσεις. Στην εικόνα 2.5 διακρίνονται τα αποτελέσματα για τα 10 υποκείμενα της μελέτης. Για 45

46 κάθε υποκείμενο η πάνω γραμμή αντιστοιχεί στην καθιερωμένη μέθοδο σταδιοποίησης και προέρχεται από τον αρχικό αξιολογητή. Για τους σκοπούς της σύγκρισης των μεθόδων, αυτή η σταδιοποίηση θεωρείται η αληθής και άρα οι υπόλοιπες συγκρίνονται μαζί της. Η δεύτερη γραμμή αντιστοιχεί στην ημιαυτόματη σταδιοποίηση με τις πλήρεις παρεμβάσεις από τον δεύτερο αξιολογητή, αποτελώντας το τελικό προϊόν της μεθόδου, και είναι αυτή που συγκρίνεται άμεσα με την αληθή σταδιοποίηση. Τέλος, η κάτω γραμμή αποτελεί το πρώτο, γρήγορο και χωρίς παρέμβαση αποτέλεσμα. Η σύγκριση με τη δεύτερη γραμμή, αναδεικνύει ακριβώς σε ποια σημεία παρεμβαίνει ο αξιολογητής. Όσον αφορά στην σταδιοποίηση με ελάχιστες παρεμβάσεις, ο στόχος ήταν κυρίως η αναγνώριση του σταδίου στο οποίο αντιστοιχούσαν οι αυτόματα παραγόμενες συστάδες, χρησιμοποιώντας μόνο πληροφορίες από τη φασματική ανάλυση, όπως το παράδειγμα της εικόνας 2.2. Σε αυτό το βήμα ζητήθηκαν 12 συστάδες και αυτές που αντιστοιχούσαν σε ίδια στάδια ενοποιήθηκαν από τον αξιολογητή. Οι δυσκολίες που προέκυψαν ήταν ο ανεπαρκής διαχωρισμός των σταδίων NREM 3 και 4, καθώς και η δυσκολία στην διαφοροποίηση μεταξύ εγρήγορσης, ύπνου REM και σταδίου 1 του ύπνου NREM. Σε αυτές τις περιπτώσεις, έγιναν δοκιμές αντιστοιχίζοντας τις προβληματικές συστάδες σε διαφορετικά στάδια και ταυτόχρονα παρατηρώντας τα διαφορετικά υπνογράμματα που προέκυπταν, με στόχο την επιλογή του υπνογράμματος που ταίριαζε καλύτερα στο υπνοφασματόγραμμα. Παρόλα αυτά, τα υπνογράμματα που προέκυψαν παρουσίασαν συχνές εναλλαγές ανάμεσα σε παρόμοια με βάση το φασματικό περιεχόμενο στάδια. Όπως επίσης είναι αναμενόμενο, οι συστάδες που αντιστοιχούν στην εγρήγορση και τις μικροαφυπνίσεις συχνά αναμιγνύονται. Για τις περαιτέρω παρεμβάσεις πάνω στην αυτόματη σταδιοποίηση υπήρχε η δυνατότητα μεγέθυνσης του υπνοφασματογραφήματος με χρονική ανάλυση έως 200ms και διορθώσεις με διακριτότητα έως 1 s πάνω στο υπνόγραμμα ώστε να είναι εφικτή η ακριβής αναγνώριση των μικροαφυπνίσεων. Οι παρεμβάσεις βασίσθηκαν στην οπτική ερμηνεία του υπνοφασματογραφήματος από τον αξιολογητή (Kokkinos et al. 2009). Η κύρια δυσκολία ήταν η αναγνώριση των σημείων μετάπτωσης ανάμεσα στα στάδια NREM 2 και 3, καθώς και ανάμεσα στα στάδια NREM 3 και 4. Εδώ ο χρόνος που απαιτήθηκε ήταν κατά μέσο όρο 5 λεπτά ανά υποκείμενο για την αρχική αναγνώριση των σταδίων που αντιστοιχούν σε κάθε συστάδα και τη δημιουργία του αρχικού υπνογράμματος και περίπου 40 λεπτά για τις τροποποιήσεις με τη μεγέθυνση και την σταδιοποίηση σε πιο λεπτομερή, μικρότερη χρονική κλίμακα. Για χρονικές περιόδους με σταθερό ύπνο χωρίς πολλές μεταβολές σταδίων χρησιμοποιήθηκε μεγαλύτερη χρονική κλίμακα στη μεγέθυνση, ενώ η σταδιοποίηση των μεταπτώσεων ανάμεσα στα στάδια και των μικροαφυπνίσεων απαιτούσε μεγέθυνση σε επίπεδο δευτερολέπτων για την ακριβή αναγνώριση. Η συγκριτική ανάλυση των υπνογραμμάτων που προέκυψαν (Εικόνα 2.5) αναδεικνύει ότι οι κύκλοι του ύπνου μπορούν να αναγνωριστούν με όλες τις προσεγγίσεις, είναι δηλαδή διακριτή η πορεία από την εγρήγορση σε NREM ύπνο με κατερχόμενη πορεία από στάδια 1 και 2, σε 3 και 4, και εν συνεχεία ανερχόμενη σε 2, που ακολουθείται από στάδιο REM. Με άλλα λόγια, σε αδρές γραμμές διαχωρίζονται καλά η εγρήγορση, ο ύπνος NREM και ο ύπνος REM. Τα προβλήματα στη διάκριση μεταξύ εγρήγορσης, σταδίου REM και NREM 1 προκύπτουν όταν εμφανίζεται ύπνος NREM σταδίου 1 μετά τον πρώτο κύκλο κοντά σε περιόδους ύπνου REM. Επίσης προβληματική είναι η 46

47 συμφωνία στις μεταπτώσεις των σταδίων NREM 2, 3 και 4. Αυτές οι συγκρίσεις ποσοτικοποιήθηκαν με τον συντελεστή κάππα και συγκεντρώθηκαν για τις δέκα καταγραφές στην εικόνα 2.6. Σύμφωνα με την ορολογία που περιγράφηκε παραπάνω (Landis and Koch 1977), η αυτόματη σταδιοποίηση παρουσιάζει μέτρια (moderate) συμφωνία με τον πρώτο αξιολογητή, ενώ η ημι-αυτόματη με τις πλήρεις παρεμβάσεις φτάνει σε πολύ καλή (substantial) συμφωνία, με τιμές συντελεστή κάππα 0,61 ± 0,08 και συμφωνία 69% ± 7. Η σύγκριση όταν ο διαχωρισμός γίνεται με λιγότερα στάδια προφανώς αναδεικνύει μεγαλύτερη συμφωνία (αναλυτικά στον πίνακα 5.1). Εικόνα 2.6: Συντελεστές Cohen's κάππα για τις συγκρίσεις μεταξύ κλασσικής, ημι-αυτόματης και αυτόματης σταδιοποίησης. Από τα υπνογράμματα που προέκυψαν έγινε ο υπολογισμός των ποσοτικών παραμέτρων του ύπνου (Chang et al. 2011) που συνοψίζονται στον πίνακα 2.2 μαζί με τις διαφορές της ημιαυτόματης από την κλασσική σταδιοποίηση μαζί με το συντελεστή συσχέτισης (intraclass correlation coeffcient ICC). Όσον αφορά στην ημι-αυτόματη σταδιοποίηση με τις πλήρεις παρεμβάσεις, ο συντελεστής συσχέτισης για την αποτελεσματικότητα του ύπνου (sleep efficiency index), που βασίζεται στη συνολική διάρκεια και το χρόνο εγρήγορσης μετά την έναρξη του ύπνου, ήταν υψηλός (0,93). Από τα στάδια του ύπνου, ο ύπνος REM και το στάδιο NREM 1 παρουσίασαν τους υψηλότερους συντελεστές με 0,88 (0,70 για τις ποσοστιαίες μετρήσεις) και 0,76 (0,73 για ποσοστιαίες μετρήσεις) αντίστοιχα. Η διάκριση μεταξύ σταδίων NREM 2 και 3 ήταν προβληματική, με συστηματική υποεκτίμηση του NREM2 και υπερεκτίμηση του NREM3, όπως αποτυπώνεται στις διαφορές (μέσος όρος -18,5 λεπτά για το στάδιο NREM 2 και +44,4 για το στάδιο NREM 3). Ως αποτέλεσμα, οι συντελεστές ICC είναι χαμηλοί, με 0,59 (0,00 για ποσοστιαίες μετρήσεις) και 0,35 (0,52 για ποσοστιαίες μετρήσεις) αντίστοιχα. Ωστόσο, για το συνδυασμό των NREM 2 και NREM 3 ο συντελεστής γίνεται 0,87 (0,73 για ποσοστιαίες μετρήσεις). Για το στάδιο NREM 4 ο συντελεστής είναι 0,40 (0,64 για ποσοστιαίες μετρήσεις). Τέλος, για την αυτόματη σταδιοποίηση με τις ελάχιστες παρεμβάσεις, οι συντελεστές απεικονίζουν την ανεπαρκή διάκριση εγρήγορσης, ύπνου REM και σταδίου NREM 1, με τιμές κοντά στο 0 (ή ακόμα και αρνητικές) για όλες τις σχετικές παραμέτρους. 47

48 Πίνακας 2.2: Παράμετροι του ύπνου, διαφορές και συντελεστές συσχέτισης στις ημιαυτόματες σταδιοποιήσεις Παράμετρος Τιμές (κλασσική σταδιοποίηση) Διαφορές (ημι-αυτόματη σταδιοποίηση) Διαφορές (αυτόματη σταδιοποίηση) Εύρος ICC Εύρος ICC Συνολική Διάρκεια Ύπνου - Total Sleep Time (min) 433 ± σε 0.2 έως σε 18.7 έως Χρόνος Εγρήγορσης Μετά την έναρξη του ύπνου Wakefulness After Sleep Onset (min) 26 ± σε -5.1 έως σε έως % Χρόνος Εγρήγορσης Μετά την έναρξη του ύπνου 6±5-3.7 σε -0.9 έως σε -3.5 έως Δείκτης Αποτελεσματικότητ ας Ύπνου Sleep Efficiency Index 94 ± σε 0.9 έως σε 3.5 έως Στάδιο I 33 ± σε 2.5 έως σε έως Στάδιο II 130 ± σε έως σε -2.4 έως Στάδιο III 95 ± σε 44.4 έως σε 26.5 έως Στάδιο IV 70 ± σε 0.7 έως σε 12.1 έως REM 84 ± σε έως σε έως Μικροαφυπνίσεις 21 ± σε 1.5 έως σε 10.2 έως Στάδιο I 7±4-3.6 σε 0.3 έως σε Στάδιο II 28 ± σε -5.3 έως σε 0.2 έως Στάδιο III 21 ± σε 10.0 έως σε 5.7 έως Στάδιο IV 15 ± σε 0.1 έως σε 3.4 έως REM 18 ± σε -2.5 έως σε -4.1 έως Μικροαφυπνίσεις 5±3-8 σε 0.3 έως σε 2.2 έως Στάδιο ύπνου (min) Στάδιο ύπνου (%) Οι τιμές δίνονται ως μέσος όρος ± τυπική απόκλιση, το εύρος των διαφορών δίνεται ως Ελάχιστο σε Διάμεσο έως Μέγιστο. ICC: Συντελεστής συσχέτισης (Intraclass correlations). Οι παράμετροι του ύπνου για όλες τις καταγραφές δίνονται αναλυτικά στον πίνακα

49 1.7 Σύνοψη και σχολιασμός αποτελεσμάτων Συνοψίζοντας, αναπτύχθηκε ένα εργαλείο πάνω στην ιδέα του υπνοφασματογράμματος το οποίο επιτρέπει την ημιαυτόματη σταδιοποίηση για τη δημιουργία υπνογραμμάτων. Το υπνόγραμμα αποτελεί μια σύμβαση μεταξύ των ερευνητών του ύπνου με μεγάλη πρακτική αξία ενώ το υπνοφασματόγραμμα επιτρέπει την ταυτόχρονη επισκόπηση της μάκρο- και μικρο-αρχιτεκτονικής του ύπνου δίνοντας την εικόνα της δυναμικής εξέλιξης των ρυθμών του εγκεφαλογραφήματος κατά τη διάρκεια του ύπνου. Αξίζει να σημειωθεί ξανά ότι αυτή η μέθοδος επιτρέπει την επισήμανση των μικροαφυπνίσεων ή των αλλαγών των σταδίων με χρονική ευκρίνεια σε επίπεδο δευτερολέπτου, σε αντίθεση με την καθιερωμένη χρήση περιόδων 30 ή 20 δευτερολέπτων. Έχουν προταθεί πολλές μέθοδοι αυτόματης σταδιοποίησης με αποτελέσματα που αγγίζουν τη συμφωνία που παρατηρείται μεταξύ ανεξάρτητων ερευνητών (Agarwal and Gotman 2001; Hanaoka et al. 2002; Berthomier et al. 2007; Anderer et al. 2010; Ronzhina et al. 2012). Οι περισσότερες μέθοδοι σταδιοποίησης βασίζονται σε μετρικές που προκύπτουν από την ανάλυση του ΗΕΓ, όπου τόσο οι μετρικές όσο και οι αποφάσεις του αλγορίθμου δεν είναι άμεσα ερμηνεύσιμες από έναν εξωτερικό αξιολογητή. Ωστόσο, η ανάλυση συχνοτήτων είναι ένα συχνό εργαλείο που χρησιμοποιείται για αυτές τις μετρικές και που έχει προταθεί ταυτόχρονα ως οπτικό βοήθημα στην αξιολόγηση (Salinsky et al. 1988) και σταδιοποίηση του ύπνου. Έτσι, το υπνοφασματόγραμμα αποτελεί μια μοναδική ευκαιρία για υβριδική διαδικασία που επιτρέπει τη χρήση μιας αυτόματης διαδικασίας, σε αυτό το παράδειγμα τον απλό αλγόριθμο συσταδοποίησης k-means, πάνω στην πλούσια γραφική αναπαράσταση της ολονύκτιας καταγραφής που μπορεί να αξιοποιήσει ο ερευνητής. Αυτός ο συνδυασμός επιτρέπει καλύτερη κατανόηση και εμπιστοσύνη στον αλγόριθμο σταδιοποίησης χωρίς να είναι απαραίτητο να καταφύγει ο αξιολογητής στην ίδια την καταγραφή του ΗΕΓ. Με άλλα λόγια, το συγκεκριμένο εργαλείο επιτρέπει τη δημιουργία υπνογραμμάτων χωρίς την αναλυτική σταδιοποίηση του εγκεφαλογραφήματος, αλλά παράλληλα δεν αποτελεί μαύρο κουτί που ο αξιολογητής δε μπορεί να επέμβει πάνω στα συμπεράσματα του αλγορίθμου. Αντίθετα, δίνει στον ερευνητή τη δυνατότητα να αξιολογήσει και να εμπιστευθεί τα αποτελέσματα ακριβώς γιατί βασίζονται στα δεδομένα του υπνοφασματογράμματος που μπορούν να γίνουν κατανοητά τόσο από τον αξιολογητή όσο και από τον αλγόριθμο. Με τη διαδικασία που περιγράφηκε η εκτίμηση του χρόνου της εγρήγορσης και του ύπνου REM ήταν αρκετά ακριβής ώστε να έχουμε υψηλές τιμές του συντελεστή συσχέτισης ICC (πίνακας 2.2), ενώ οι τιμές για τα στάδια του ύπνο NREM ήταν χαμηλότερες, όπως περιγράφεται σε μελέτες σύγκρισης συμφωνίας μεταξύ αξιολογητών (Danker-Hopfe et al. 2004). Στα αποτελέσματα φαίνεται ωστόσο μια συστηματική υποεκτίμηση του σταδίου NREM 2 και υπερεκτίμηση του σταδίου NREM 3, ενώ το στάδιο NREM 4 φαίνεται καλύτερα καθορισμένο. Στα κριτήρια των Rechtschaffen και Kales το βάθος του ύπνου NREM καθορίζεται από την παρουσία των δέλτα κυμάτων: 20-50% σε ένα τμήμα 30 s για το στάδιο NREM3 και πάνω από 50% για το στάδιο 4. Ωστόσο, το υπνοφασματόγραμμα αναδεικνύει ένα συνεχές σε αυτές τις μεταπτώσεις (Εικόνα 2.1). Παρόλο που η συνεχής δέλτα δραστηριότητα μπορούσε εύκολα να αντιστοιχηθεί στο στάδιο NREM 4, η μετάβαση από το στάδιο NREM2 σε NREM3 αποδείχθηκε δυσκολότερο να διαχωρισθεί κατά τις παρεμβάσεις πάνω στην αυτόματη σταδιοποίηση. Από την άλλη, η αρχική αυτόματη σταδιοποίηση παρήγαγε υπνογράμματα με μέτρια συμφωνία όπου το κύριο πρόβλημα ήταν, ως αναμένεται, ο διαχωρισμός μεταξύ εγρήγορσης, ύπνου REM και σταδίου NREM 1. Μια ενδιαφέρουσα 49

50 παρατήρηση ήταν η συχνή εναλλαγή που παρουσίασε ο αλγόριθμος μεταξύ των σταδίων NREM 2 και NREM 3 κατά τις περιόδους μεταπτώσεων (εικόνα 2.5) που θα μπορούσε να αποδοθεί στο παρατηρούμενο συνεχές του υπνοφασματογράμματος. Οι αδυναμίες που περιγράφηκαν συνήθως αντιμετωπίζονται με τη χρήση των σημάτων από το ΗΜΓ και το ΗΟΓ (Agarwal and Gotman 2001; Hanaoka et al. 2002; Anderer et al. 2010) για τη διάκριση μεταξύ εγρήγορσης, ύπνου REM και NREM σταδίου 1, καθώς και με τη χρήση κανόνων που προκύπτουν από τα κριτήρια σταδιοποίησης και εφαρμόζονται αυτόματα (Agarwal and Gotman 2001; Berthomier et al. 2007; Anderer et al. 2010) για την ομαλοποίηση και διόρθωση των υπνογραμμάτων που προκύπτουν. Σε αυτή τη μελέτη δε χρησιμοποιήθηκαν τέτοιοι κανόνες κατά την αυτόματη σταδιοποίηση και αυτό το ρόλο ανέλαβε ο αξιολογητής κατά το στάδιο των διορθώσεων. Έτσι, η μέθοδος εστιάζει περισσότερο στην υποβοηθούμενη από τον υπολογιστή συσταδοποίηση παρόμοιων προτύπων χωρίς προσπάθεια ερμηνείας τους σε στάδια ύπνου. Αποφεύγει επίσης τη χρήση ΗΟΓ και ΗΜΓ ώστε να μπορεί να χρησιμοποιηθεί σε περιπτώσεις όπου αυτές οι καταγραφές δεν είναι πρακτικά δυνατές, όπως σε ασύρματα φορητά συστήματα καταγραφής με ελάχιστο αριθμό ηλεκτροδίων. 50

51 1.8 Δημοσιεύσεις από αυτή την εργασία Τα αποτελέσματα που αναφέρονται εδώ έχουν δημοσιευθεί στο περιοδικό Journal of Neuroscience Methods αρχικά με παρουσίαση του υπνοφασματογράμματος και των δυνατοτήτων του (Kokkinos et al. 2009) και εν συνεχεία με παρουσίαση της ημιαυτόματης μεθόδου σταδιοποίησης (Koupparis et al. 2014). Παράλληλα, τμήματα αυτής της εργασίας έχουν ανακοινωθεί γραπτά ή προφορικά σε συνέδρια της Ελληνικής Εταιρείας Νευροεπιστημών και της Ελληνικής Εταιρείας Έρευνας του Ύπνου. 51

52 1.9 Δοκιμαστική εφαρμογή σε ασθενή με επιληψία Η μεθοδολογία που περιγράφηκε χρησιμοποιήθηκε σε μια καταγραφή από ένα αγόρι 11 ετών με ιστορικό επιληψίας (αφαιρέσεις παιδικής ηλικίας). Ο ασθενής είχε φυσιολογική ανάπτυξη, ελεύθερο κληρονομικό και λοιπό αναμνηστικό ιστορικό, ενώ σε ηλικία 5 ετών παρουσίασε επεισόδια τυπικών αφαιρέσεων, με καθημερινά επεισόδια διάρκειας 5-6 δευτερολέπτων κατά τα οποία διέκοπτε απότομα τις δραστηριότητές του, παρουσίαζε καθήλωση βλέμματος χωρίς ανταπόκριση σε εξωτερικά ερεθίσματα και βλεφαρισμούς. Μετά τα επεισόδια συνέχιζε την προηγούμενη δραστηριότητά του χωρίς ανάμνηση του επεισοδίου. Το εγκεφαλογράφημα ρουτίνας ανέδειξε δραστηριότητα με γενικευμένες εκφορτίσεις αιχμής-κύματος στα 3 Hz, ο απεικονιστικός έλεγχος με MRI ήταν φυσιολογικός, τέθηκε η διάγνωση αφαιρέσεων παιδικής ηλικίας (Childhood Absence Epilepsy CAE) και ξεκίνησε μονοθεραπεία με βαλπροϊκό. Αφού παρέμεινε ελεύθερος κρίσεων για 3 έτη, αποσύρθηκε η φαρμακευτική αγωγή, και ενώ δεν παρουσίασε άλλο επεισόδιο για άλλα 3 χρόνια, ο ασθενής προσήλθε διότι αναφέρθηκε ότι έμοιαζε αφηρημένος στο σχολείο, χωρίς ωστόσο να παρουσιάζει αυτοματισμούς ή άλλα κινητικά φαινόμενα και ανταποκρίθηκε αμέσως σε λεκτικά ερεθίσματα. Λόγω της υποψίας επανεμφάνισης επιληπτικών επεισοδίων υποβλήθηκε σε 24ωρη καταγραφή. Στο εγκεφαλογράφημα εγρήγορσης παρουσιάστηκαν αραιές, μικρής διάρκειας εκφορτίσεις αιχμής-κύματος κατά την εγρήγορση που έγιναν συχνότερες κατά τη διάρκεια του ύπνου. Ο αλγόριθμος όπως περιγράφηκε διαχωρίζει χρονικές περιόδους του εγκεφαλογραφήματος αναλόγως του φασματικού τους περιεχομένου. Συνεπώς, καθώς οι εκφορτίσεις των 3 Hz παρουσιάζουν ένα μοναδικό φαινόμενο το οποίο μπορεί να διαχωρισθεί από το υπόλοιπο εγκεφαλογράφημα, ο αλγόριθμος θα το τοποθετήσει σε ξεχωριστή συστάδα. Στην εικόνα 2.7 βλέπουμε το μέσο συχνοτικό περιεχόμενο της συστάδας όπου ξεχωρίζει μια κορυφή στα 3,2 Hz, ενώ δεξιά παρατηρούμε τη συνένωση όλων των περιόδων του υπνοφασματογράμματος όπου απαντώνται SWDs. Εικόνα 2.7: Συστάδα με εκφορτίσεις αιχμής κύματος. Από παρουσίαση στο 9ο Πανελλήνιο Συνέδριο Επιληψίας. 52

53 2 Αλληλεπίδραση ρυθμών στον ύπνο 2.1 Σχέση συμπλεγμάτων Κ και ατράκτων του ύπνου Στην παρούσα μελέτη εστιάζουμε σε δυο χαρακτηριστικές κυματομορφές του σταδίου NREM2, τα συμπλέγματα Κ και τις ατράκτους. Το σύμπλεγμα Κ είναι ένα από τα πλέον διακριτά στοιχεία του εγκεφαλογραφήματος ύπνου και ορίζεται ως ένα υψηλού δυναμικού αργό κύμα, συνήθως διφασικό με μια αρνητική φάση που μπορεί να ακολουθείται από μια μικρότερη θετική (Colrain 2005; Halász 2005). Η άτρακτος είναι μια ρυθμική ταλάντωση στα Hz με ατρακτοειδές σχήμα, διάρκειας δευτερολέπτων, που επίσης απαντάται μόνο κατά τη διάρκεια του ύπνου (De Gennaro and Ferrara 2003). Οι άτρακτοι του ύπνου παρατηρήθηκαν ήδη από τον Berger κατά τις πρώτες ηλεκτροεγκεφαλογραφικές καταγραφές του ύπνου και περιγράφηκαν από το Loomis (Loomis et al. 1935a, 1936). Οι άτρακτοι διαχωρίζονται σε αργές (~11-12 Hz) και γρήγορες (~13-15 Hz), όπως περιέγραψαν οι Gibbs και Gibbs, με τις αργές να παρουσιάζουν μέγιστο δυναμικό στα μετωπιαία ηλεκτρόδια και τις γρήγορες στα κεντρικά βρεγματικά (Gibbs and Gibbs 1950; Anderer et al. 2001; Schabus et al. 2007). Θεωρείται ότι προάγουν τη διατήρηση του ύπνου ως αναστολείς της αφύπνισης (Yamadori 1971). Εικόνα 2.8: Εγκεφαλογράφημα σταδίου NREM2. Διακρίνεται ένα σύμπλεγμα Κ στο 3ο δευτερόλεπτο το οποίο ακολουθείται από άτρακτο. Άτρακτοι επίσης διακρίνονται στο 1ο και 9ο δευτερόλεπτο. Ήδη από τις πρώτες περιγραφές του συμπλέγματος Κ (Loomis et al. 1938) είχε παρατηρηθεί ότι μπορεί να εμφανιστεί είτε αυθόρμητα είτε μετά από εξωτερικό ερέθισμα οπότε και χρησιμοποιείται ο όρος προκλητό. Αναφέρεται μάλιστα ότι στον όρο σύμπλεγμα Κ (K complex ή K wave) το K προέρχεται από το αγγλικό knock, το χτύπημα στην πόρτα ως εξωτερικό ερέθισμα. Έκτοτε πολλοί ερευνητές έχουν εστιάσει στη 53

54 φυσιολογική λειτουργία του συμπλέγματος Κ. Η εμφάνισή του έχει συσχετιστεί με μεταβολές του αυτονόμου που είναι παρόμοιες με αυτές που παρατηρούνται κατά την αφύπνιση (Roth et al. 1956; Hornyak et al. 1991; Okada et al. 1991; Takeuchi et al. 1994; Tank et al. 2003), και έτσι αρκετοί απέδωσαν χαρακτήρες αφυπνιστικής απόκρισης στο σύμπλεγμα Κ. Παράλληλα, άλλοι θεώρησαν ότι πρόκειται για προστατευτικό μηχανισμό ενάντια σε περιβαλλοντικά ερεθίσματα που αποτρέπει την αφύπνιση (Wauquier et al. 1995; Colrain 2005). Ο δε παραλληλισμός τους με τους προάγγελους των δέλτα κυμάτων (De Gennaro et al. 2000) προάγει την άποψη ότι δρουν ώστε ο ύπνος να οδηγηθεί σε βαθύτερο στάδιο. Τα διαφορετικά είδη ερεθισμάτων (ακουστικά, απτικά, οπτικά) φαίνεται ότι παράγουν μια διαφορετική αρχική απάντηση την οποία θα ακολουθήσει η αρνητική κορυφή του συμπλέγματος Κ (Laurino et al. 2014) επιβεβαιώνοντας τον αντιδραστικό χαρακτήρα του. Μια συνδυαστική άποψη για το διπλό ρόλο του συμπλέγματος Κ θεωρεί ότι αποτελεί μια προστατευτική αντίδραση σε αφυπνιστικά ερεθίσματα που προάγει τη συνέχιση του ύπνου (Halász 1993), παίζοντας έτσι σημαντικό ρόλο στους ομοιοστατικούς μηχανισμούς του ύπνου (Halász et al. 2014). Η εμφάνιση ατράκτων και συμπλεγμάτων Κ παρουσιάζει κάποια αντίστροφα χαρακτηριστικά. Η χορήγηση βενζοδιαζεπινών αυξάνει τη συχνότητα εμφάνισης των ατράκτων ενώ μειώνει αυτή των συμπλεγμάτων K (Gaillard and Tissot 1975; Johnson et al. 1976; Kubicki et al. 1987). Δευτερόλεπτα πριν από την εμφάνιση μικροαφυπνίσεων αυξάνονται τα αυθόρμητα συμπλέγματα Κ ενώ μειώνονται τόσο οι μεμονωμένες όσο και οι σχετιζόμενες με συμπλέγματα Κ άτρακτοι (Ehrhart et al. 1981; Naitoh et al. 1982). Η ομάδα του Halasz έχει περιγράψει μια μείωση στην φασματική ισχύ στη συχνότητα των ατράκτων που συμβαίνει από το 5ο έως το 15ο δευτερόλεπτο μετά από προκλητά συμπλέγματα Κ που συμμετέχουν σε μικροαφυπνίσεις (Halász 1993). Έτσι, προτείνει ότι αυτές οι μικροαφυπνίσεις συνιστούν καταστάσεις που επιτρέπουν ένα παράθυρο αυξημένης ροής αισθητικών πληροφοριών στα θαλαμοφλοιικά κυκλώματα ενώ παράλληλα διατηρείται η συνέχεια του ύπνου. Η θεώρηση των συμπλεγμάτων Κ ως πρόδρομα φαινόμενα των κυμάτων δέλτα του ύπνου βραδέων κυμάτων υπενθυμίζει και την ανάστροφη σχέση των ατράκτων με τα κύματα δέλτα (De Gennaro et al. 2000; De Gennaro and Ferrara 2003). Η ίδια ομάδα έχει παρατηρήσει αύξηση της συχνότητας εμφάνισης των ατράκτων κατά τη διάρκεια της νύχτας με παράλληλη μείωση της συχνότητας εμφάνισης των συμπλεγμάτων K (Curcio et al. 2003). Άλλες μελέτες υποδεικνύουν ανεξάρτητους ρόλους για τις ατράκτους και τα συμπλέγματα Κ. Σε μια περίπτωση με αμφοτερόπλευρο αγγειογενές οίδημα στους θαλάμους μετά από θρόμβωση φλεβωδών κόλπων καταγράφηκε μια παροδική διάρκειας ενός μήνα απουσία ατράκτων, ενώ παρέμεναν τα συμπλέγματα Κ (Rossetti et al. 2005). Αναφέρεται επίσης ότι τα προκλητά συμπλέγματα Κ δεν καταστέλλονται από τις ατράκτους (Church et al. 1978; Crowley et al. 2004). Όσον αφορά στους υποκείμενους νευροφυσιολογικούς μηχανισμούς σε επίπεδο νευρωνικών δικτύων, οι άτρακτοι βηματοδοτούνται από θαλαμοφλοιικά δίκτυα ενώ τα συμπλέγματα Κ από φλοιικά κυκλώματα (Cash et al. 2009), παρά ανεξάρτητα από το θάλαμο (Amzica and Steriade 2002). Ωστόσο, πρέπει να σημειωθεί ότι έχουν προταθεί πιθανοί μηχανισμοί αλληλεπιδράσεων μέσω αργών (<1Hz) ταλαντώσεων του ύπνου και επίδραση των φλοιοθαλαμικών προβολών στην έναρξη και τερματισμό των ατράκτων (Crunelli et al. 2006; Bonjean et al. 2011). Σύμφωνα με τον Halász, τα αντιδραστικά φαινόμενα στο εγκεφαλογράφημα του NREM ύπνου μπορούν να τοποθετηθούν σε μια συνεχή θεώρηση (Halász 2016) με τα κύματα 54

55 κορυφής (vertex waves), τα οποία μοιάζουν με ένα υπερβολικό προκλητό ακουστικό δυναμικό, να εκλύονται ως απάντηση σε ερέθισμα κατά τον ελαφρύ ύπνο σταδίου 1-2, τα συμπλέγματα Κ να εκλύονται κατά το στάδιο 2 και να περιέχουν ακόμα συστατικά προκλητών δυναμικών (Laurino et al. 2014), ενώ σε βαθύτερα στάδια εκλύονται απαντήσεις κυκλικού εναλλασσόμενου προτύπου CAP Α1 (Terzano et al. 1985), που περιλαμβάνουν συμπλέγματα Κ, βραδέα κύματα και ατράκτους, χωρίς στοιχεία προκλητών δυναμικών. Σε αυτή τη θεώρηση, ανάλογα με το επίπεδο της ομοιοστατικής πίεσης για ύπνο, το ίδιο εξωτερικό ερέθισμα μπορεί να προκαλέσει αντιδράσεις χαρακτηριστικές αφύπνισης ή ύπνου, όπως το σύμπλεγμα Κ, μια σειρά από συμπλέγματα Κ και ατράκτους ή μια αύξηση βραδέων κυμάτων. Καθώς προχωρά ο ύπνος και μειώνεται η δραστηριότητα του ανιόντος δικτυωτού ενεργοποιητικού σχηματισμού (ascending reticular activating system ARAS), οι νευρώνες των φλοιοθαλαμικών κυκλωμάτων μεταπίπτουν σε μια κατάσταση ρυθμική φασική με εναλλασσόμενα στάδια πολλαπλών εκφορτίσεων και υπερπόλωσης (burst suppression), που είναι το ηλεκτροφυσιολογικό υπόστρωμα της γένεσης των ατράκτων και των βραδέων κυμάτων. Ωστόσο σε αυτό το στάδιο, τα βραδέα κύματα δεν είναι ακόμα ρυθμικά. Έτσι, ένα εξωτερικό ερέθισμα σε αυτή την περίοδο μπορεί να ακολουθήσει δυο δρόμους. Ο πρώτος είναι να οδηγήσει σε ενεργοποίηση του χολινεργικού συστήματος εγρήγορσης που θα επιδράσει στους νευρώνες του δικτυωτού πυρήνα του θαλάμου, διακόπτοντας την αναστολή τους πάνω στους θαλαμικούς νευρώνες και οδηγώντας σε τυπική απόκριση εγρήγορσης. Ωστόσο, στην περίπτωση που το ερέθισμα είναι ασθενές και η ομοιοστατική πίεση για ύπνο υψηλή, μπορεί να οδηγήσει σε ένα μονήρες βραδύ κύμα ή μια ακολουθία βραδέων κυμάτων και ατράκτων. Ο Halász λοιπόν θεωρεί ότι το σύμπλεγμα Κ αντιστοιχεί σε αυτήν την κατάσταση όπου ένα ερέθισμα οδηγεί σε απόκριση ύπνου αντί για εγρήγορσης, αναπαριστώντας μια βραχείας διάρκειας αναστρέψιμη μεταβολή προς βαθύτερα στάδια με εύκολη επιστροφή προς ελαφρύ ύπνο. Στη Μονάδα Νευροφυσιολογίας έχει δειχθεί με τη χρήση μεθόδων ανάλυσης χρόνουσυχνοτήτων ότι οι γρήγορες άτρακτοι που τυχαίνει να συμπέσουν με αυθόρμητα συμπλέγματα Κ διακόπτονται, κατά τη διάρκεια της διακοπής εμφανίζεται μια πιο αργή ταλάντωση πάνω στην αρνητική κορυφή του συμπλέγματος Κ και οι άτρακτοι που εμφανίζονται μετά από συμπλέγματα Κ εμφανίζουν πάντα μεγαλύτερη συχνότητα τόσο από τις διακοπτόμενες όσο και από τις μεμονωμένες ατράκτους (Kokkinos and Kostopoulos 2011). Αυτά τα αποτελέσματα αναδεικνύουν μηχανισμούς αλληλεπίδρασης στο χρονικό επίπεδο του δευτερολέπτου, όσο περίπου η διάρκεια ενός συμπλέγματος Κ. Πιθανές αλληλεπιδράσεις μεταξύ προκλητών συμπλεγμάτων Κ και ατράκτων σε χρονικό πλαίσιο δευτερολέπτων έχουν αναφερθεί από την ομάδα του Halasz (Halász 1993) αλλά δεν επιβεβαιώθηκαν από την ομάδα του Campbell (Bastien et al. 2000). Ο Zygierewicz αναφέρει μείωση στην φασματική ισχύ των ατράκτων 3,5 δευτερόλεπτα μετά από ηχητικά ερεθίσματα στις απαντήσεις όπου περιλαμβάνονται συμπλέγματα Κ, αλλά η ανάλυση περιορίστηκε έως το 5ο δευτερόλεπτο μετά το ερέθισμα (Zygierewicz et al. 2009). Μια ανασταλτική επίδραση των αυθόρμητων συμπλεγμάτων Κ στις ατράκτους σε χρονικό διάστημα αρκετών δευτερολέπτων θα μπορούσε να υποδεικνύει ότι τα ίδια τα συμπλέγματα Κ μπορεί να τείνουν να διαταράξουν τη συνέχεια του ύπνου. Σε αυτό το τμήμα της μελέτης ο στόχος είναι να διερευνηθούν αλληλεπιδράσεις μεταξύ αυθόρμητων σε αντιδιαστολή με τα προκλητά συμπλεγμάτων Κ και ατράκτων σε αντίστοιχα χρονικά πλαίσια της τάξης των 15 δευτερολέπτων με τη χρήση μεθοδολογίας ανάλυσης συμβάντων και χρόνου συχνοτήτων. 55

56 2.2 Μελέτη της πιθανής αλληλεπίδρασης σε χρονικό πλαίσιο μερικών δεκάδων δευτερολέπτων i) Μεθοδολογία πειραματικός σχεδιασμός Αρχικά, πραγματοποιήθηκαν συνεχείς ολονύχτιες εγκεφαλογραφικές καταγραφές στο εργαστήριο ύπνου με 58 κανάλια ΗΕΓ, καθώς και κανάλια ΗΟΓ και ΗΜΓ. Οι καταγραφές αυτές σταδιοποιήθηκαν σύμφωνα με τα διεθνή κριτήρια και με τη συμβολή του υπνοφασματογράμματος όπως περιγράφηκε στην προηγούμενη ενότητα. Στη συνέχεια αναγνωρίστηκαν τα συμπλέγματα Κ ως αρνητικά κύματα που μπορεί να ακολουθούνται από θετική φάση, έχουν διάρκεια μεγαλύτερη από 500 ms και ξεχωρίζουν από το υπόβαθρο (Εικόνα 2.8). Σε αυτή τη μελέτη χρησιμοποιήθηκαν συμπλέγματα Κ αυθόρμητα, μονήρη (που δεν παρατηρείται άλλο σύμπλεγμα Κ ή δέλτα δραστηριότητα πριν ή μετά την εμφάνισή τους) και γενικευμένα (αναγνωρίσιμα σε όλα τα ηλεκτρόδια της μέσης γραμμής) που εμφανίστηκαν σε στάδια ΙΙ και ΙΙΙ του NREM ύπνου. Αποκλείστηκαν επίσης από τη μελέτη συμπλέγματα Κ που προηγήθηκαν μικροαφυπνίσεων και εγέρσεων. Για τα συμπλέγματα Κ που επιλέχθηκαν για περαιτέρω ανάλυση, υιοθετήθηκε ένα επιπλέον σύστημα ταξινόμησης ανάλογα με την συνύπαρξη ατράκτων με το σύμπλεγμα Κ. Για την ονοματολογία χρησιμοποιήθηκε ένας διψήφιος δυαδικός αριθμός ως κάτω δείκτης KCX-X+ όπου το 0 υποδηλώνει απουσία ατράκτου και το 1 παρουσία ατράκτου. Το πρώτο ψηφίο αναφέρεται σε άτρακτο που διακόπτεται από το σύμπλεγμα Κ, ενώ το 2ο σε άτρακτο που ξεκινά κατά την κατιούσα αρνητική ή τη θετική φάση του συμπλέγματος Κ. Η ανάγκη για αυτή την ταξινόμηση προέκυψε από την πιθανότητα η συνύπαρξη ή μη ατράκτων κατά τη διάρκεια του συμπλέγματος Κ να επηρεάζει μακροπρόθεσμα την εμφάνιση άλλων ατράκτων. Παρόμοια ταξινόμηση έχει χρησιμοποιηθεί και σε άλλη μελέτη του εργαστηρίου (Kokkinos and Kostopoulos 2011) όπου ένα τρίτο ψηφίο υποδεικνύει την ύπαρξη ταλάντωσης θήτα ρυθμού εντός του συμπλέγματος Κ. Εκτός από τα συμπλέγματα Κ, αναγνωρίσθηκαν και άτρακτοι ως σειρές κυμάτων περίπου Hz με διάρκεια πάνω από 500 ms, οι οποίες διαχωρίστηκαν σε αργές και ταχείες (Gibbs and Gibbs 1950). Οι ταχείες (>13Hz) παρουσιάζουν συμμετρική αμφοτερόπλευρη κατανομή στις κεντρικές βρεγματικές περιοχές, ενώ οι αργές (<13Hz) παρουσιάζουν μια ομοίως συμμετρική κατανομή στις μετωπιαίες περιοχές και απουσιάζουν ή είναι ιδιαίτερα μειωμένες στις κεντρικές και οπίσθιες περιοχές. Σε αυτή τη μελέτη συμπεριλήφθηκαν για περαιτέρω ανάλυση μόνο ταχείες άτρακτοι χωρίς συνοδά συμπλέγματα Κ ή δέλτα δραστηριότητα σε διάστημα ±3 s, που εμφανίστηκαν επίσης στα στάδια II και III του NREM ύπνου. Αυτές αναφέρονται στη συνέχεια ως ελεύθερες άτρακτοι. Η ανάλυση που ακολούθησε είχε ως στόχο τον προσδιορισμό της φασματικής ισχύος στη συχνότητα των ατράκτων γύρω από (α) τα συμπλέγματα Κ και (β) τις ελεύθερες ατράκτους και την διερεύνηση στατιστικά σημαντικών μεταβολών μετά το εκάστοτε συμβάν. Αυτού του είδους οι αναλύσεις προσομοιάζουν με τις μεθόδους ανάλυσης προκλητών δυναμικών, όπου αντί για εξωτερικό ερέθισμα χρησιμοποιούνται χρονικοί δείκτες που σηματοδοτούν πάνω στην καταγραφή τα συμβάντα ενδιαφέροντος. Στη διεθνή βιβλιογραφία όταν μελετάται ο μέσος όρος του δυναμικού αυτές αναφέρονται ως 56

57 Event Related Potentials (ERPs) ενώ όταν μελετάται η φασματική ισχύς χρησιμοποιούνται οι όροι αποσυγχρονισμός συγχρονισμός και φασματική διαταραχή (Event Related Desynchronization/Synchronization ERD/ERS, Event Related Spectral Perturbation ERSP). Για την ακριβή χρονική επισήμανση πάνω στην καταγραφή των κυματομορφών ενδιαφέροντος ( συμβάν ) χρησιμοποιήθηκε η ενσωματωμένη στο πρόγραμμα καταγραφής (Neuroscan) λειτουργία τοποθέτησης δεικτών χειροκίνητα. Για τα συμπλέγματα Κ ο δείκτης τοποθετήθηκε στην κορυφή της αρνητικής φάσης, ενώ για τις ατράκτους ο δείκτης τοποθετήθηκε στην κορυφή του αρνητικού κύματος κοντά στη μέση της ατράκτου. ii) Ανάπτυξη τεχνικών ανάλυσης στατιστικής σημαντικότητας καθώς και απεικόνισης σε διαγράμματα raster Τα εγκεφαλογραφικά δεδομένα μεταφέρθηκαν σε περιβάλλον MATLAB και για την ανάλυσή τους αναπτύχθηκαν εργαλεία που ενσωματώθηκαν στο περιβάλλον ανάλυσης εγκεφαλογραφήματος (Κουππάρης 2009). Η ανάλυση χρόνου συχνοτήτων πραγματοποιήθηκε με αντίστοιχη διαδικασία αυτής που έχει ήδη περιγραφεί για το υπνοφασματόγραμμα, όπου για κάθε συμβάν έγινε ο υπολογισμός του φασματικού περιεχομένου με βραχυπρόθεσμο μετασχηματισμό Fourier (STFT short-time Fourier transformation) σε ένα χρονικό διάστημα 60 s με κέντρο (t=0,00) τον τοποθετημένο δείκτη. Δημιουργήθηκαν έτσι στοιχεία φασματικής ανάλυσης ανά 0,05 Hz με χρονική ανάλυση 0,0384 s για το εύρος συχνοτήτων 0,05 Hz 20 Hz. Το τελικό αποτέλεσμα ήταν ο μέσος όρος του διαγράμματος χρόνου συχνοτήτων για όλα τα δείγματα σε κάθε κατηγορία συμβάντων (εικόνα 2.9, άνω τμήμα). Για την ερμηνεία των αποτελεσμάτων αυτής της διαδικασίας ήταν απαραίτητη η ανάπτυξη μιας μεθοδολογίας προσδιορισμού της στατιστικής σημαντικότητας των διαγραμμάτων χρόνου συχνοτήτων και η υλοποίησή της στο περιβάλλον επεξεργασίας. Ακολουθήθηκε μια μέθοδος που έχει προταθεί από την ομάδα των Durka και Zygierewicz και έχει χρησιμοποιηθεί σε προκλητά συμπλέγματα Κ (Durka et al. 2004; Zygierewicz et al. 2009). Τα βήματα της μεθόδου περιλαμβάνουν τον υπολογισμό για κάθε συμβάν του φασματικού περιεχομένου με κάποια τεχνική ανάλυσης χρόνου συχνοτήτων, τον διαμοιρασμό του πεδίου χρόνου συχνοτήτων σε βασικά στοιχεία και τον υπολογισμό του μέσου όρου της φασματικής ενέργειας σε κάθε τέτοιο στοιχείο (οι συγγραφείς τα ονομάζουν resels από το resolution elements ), την στατιστική ανάλυση της υπόθεσης ότι δεν υπάρχει διαφορά ανάμεσα σε κάποιο στοιχείο ως προς ένα στοιχείο αναφοράς, τη στατιστική διόρθωση λόγω πολλαπλών συγκρίσεων και τέλος, την παρουσίαση των φασματικών μεταβολών για τα στοιχεία όπου αναδεικνύονται στατιστικά σημαντικά αποτελέσματα. Η τεχνική ανάλυσης χρόνου συχνοτήτων που χρησιμοποιήθηκε ήταν η STFT όπως περιγράφηκε νωρίτερα. Τα στοιχεία για τα οποία έγινε ο υπολογισμός της φασματικής ενέργειας (resels) είχαν διαστάσεις 250 ms και 2 Hz. Όπως προτείνουν οι Durka και Zygierewicz το γινόμενο του χρονικού επί του συχνοτικού παραθύρου δε μπορεί να είναι μικρότερο από ένα θεωρητικό όριο που προκύπτει από την αρχή της απροσδιοριστίας, ωστόσο πρακτικά στα αποτελέσματα των συγγραφέων προέκυπτε θόρυβος με μικρές τιμές που είναι θεωρητικά αποδεκτές και οι συγγραφείς επέλεξαν να διατηρήσουν την επιφάνεια των resels στο 1/2 (Durka et al. 2004). Πράγματι, σε δοκιμές με μικρότερα παράθυρα οι στατιστικές δοκιμασίες έδιναν στατιστικά σημαντικά αποτελέσματα σε 57

58 Εικόνα 2.9: Ανάλυση χρόνου συχνοτήτων γύρω από συμπλέγματα Κ. Έχουν επιλεχθεί 107 συμπλέγματα Κ που ακολουθούνται από ατράκτους (KC 01) σε ένα υποκείμενο. Στο άνω τμήμα ο μέσος όρος του φασματογραφήματος. Στο μεσαίο τμήμα απεικονίζονται οι μεταβολές σε σχέση με την περίοδο αναφοράς (από -15 έως -5 δευτερόλεπτα). Στο κάτω τμήμα απεικονίζονται μόνο τα στατιστικά σημαντικά αποτελέσματα. Εικόνα προσαρμοσμένη από Koupparis et al μικρά μεμονωμένα σημεία στο διάγραμμα χρόνου-συχνοτήτων, προκαλώντας θορυβώδες υπόστρωμα. Παράλληλα, οι διαστάσεις κρίθηκαν απόλυτα ικανοποιητικές δεδομένου ότι αφενός μια άτρακτος έχει σαφώς μεγαλύτερη διάρκεια από το χρονικό παράθυρο του στοιχείου και αφετέρου ότι το παράθυρο των 2 Hz δεν είναι τόσο μεγάλο ώστε να συμπεριλάβει στο ίδιο στοιχείο άλλους ρυθμούς πέραν των ατράκτων. Οι τιμές της φασματικής ισχύος για τα στοιχεία αυτά υπολογίστηκαν από το μέσο όρο των αρχικών μικρότερων στοιχείων της περιοχής του φασματογραφήματος όπου αντιστοιχούσαν. Προκειμένου να μπορεί να εφαρμοστεί παραμετρική στατιστική ανάλυση (του τύπου της δοκιμασίας t-test) θα πρέπει οι τιμές να ακολουθούν κανονική κατανομή, κάτι που γενικά δεν ισχύει στα δεδομένα της φασματικής ανάλυσης. Έτσι, χρησιμοποιήθηκε ο μετασχηματισμός Box-Cox ώστε οι μετασχηματισμένες τιμές να έχουν σχεδόν κανονική κατανομή (Box and Cox 1964) και να μπορούν να χρησιμοποιηθούν οι παραμετρικές δοκιμασίες. Ο μετασχηματισμός αυτός χρησιμοποιεί μια παράμετρο λ ώστε: λ data( λ)= data 1, λ και στόχος του αλγορίθμου είναι να υπολογίσει την παράμετρο μετασχηματισμού λ έτσι 58

59 ώστε να μεγιστοποιηθεί η λογαριθμική πιθανοφάνεια (Log-Likehood Function). Για την περίπτωση όπου λ=0, χρησιμοποιείται ο φυσικός λογάριθμος. Ο αλγόριθμος που αναπτύχθηκε υπολογίζει την παράμετρο μετασχηματισμού λ στα στοιχεία αναφοράς για κάθε συχνότητα ξεχωριστά. Για κάθε στοιχείο ελέγχεται η μηδενική υπόθεση ότι αυτό δε διαφέρει από την περίοδο αναφοράς στο διάστημα -15 έως -5 δευτερόλεπτα από το δείκτη αναφοράς, χρησιμοποιώντας Welch's test. Για την διόρθωση λόγω πολλαπλών συγκρίσεων χρησιμοποιήθηκε η μέθοδος Benjamini-Hochberg-Yekutieli (Benjamini and Yekutieli 2001; Durka et al. 2004). Με αυτή την τεχνική ελέγχεται το ποσοστό των ψευδώς θετικών αποτελεσμάτων (False Discovery Rate FDR), για το οποίο τέθηκε ως στόχος το 0.05 (5%). Τα αποτελέσματα απεικονίζονται ως σχετικές μεταβολές φασματικής ισχύος, υπολογίζοντας το λόγο του μέσου όρου της φασματικής ισχύος σε κάθε στοιχείο χρόνου-συχνότητας ως προς το μέσο όρο των τιμών της περιόδου αναφοράς (Pfurtscheller and Lopes da Silva 1999). Χρησιμότερος στην τελική απεικόνιση είναι ο λογάριθμος αυτού του λόγου (εικόνα 2.9 στο μεσαίο τμήμα οι μεταβολές, στο κάτω τμήμα μόνο για τα στατιστικά σημαντικά αποτελέσματα). Εκτός από την απεικόνιση του μέσου όρου και των στατιστικά σημαντικών αποτελεσμάτων, θεωρήθηκε χρήσιμη η ταυτόχρονη απεικόνιση από κάθε συμβάν, έτσι ώστε να μπορούν να αναγνωρισθούν πιθανές ομάδες συμβάντων που παρουσιάζουν ιδιαίτερα χαρακτηριστικά ή διαφέρουν από το μέσο όρο. Για αυτό το σκοπό χρησιμοποιήθηκε ένα είδος απεικόνισης raster, δηλαδή η απεικόνιση παράλληλων γραμμών όπου κάθε γραμμή αντιπροσωπεύει ένα συμβάν. Για το συγκεκριμένο ερώτημα, η κάθε γραμμή προκύπτει εστιάζοντας στις συχνότητες των ατράκτων γύρω από κάθε συμβάν στην ανάλυση χρόνου-συχνοτήτων. Καθώς η συχνότητα των ατράκτων παραμένει σταθερή μεν σε κάθε υποκείμενο, αλλά διαφέρει ανάμεσα στα υποκείμενα, η επιλογή των συχνοτήτων έγινε ξεχωριστά σε κάθε υποκείμενο. Επιλέχθηκε μια ζώνη πλάτους 1,5 Hz η οποία περιελάμβανε το μέγιστο της φασματικής ισχύος των ατράκτων όπως αυτή προέκυψε από το μέσο όρο της ανάλυσης FFT σε περιόδους ενός λεπτού γύρω από τα συμβάντα της μελέτης. Σε αυτού του είδους τις απεικονίσεις μπορεί να οπτικοποιηθούν τυχόν ασύμμετρα πρότυπα εμφάνισης ατράκτων γύρω από τα συμπλέγματα Κ. Παράλληλα, τα συμβάντα αναφοράς μπορούν να ταξινομηθούν με κάποιο χαρακτηριστικό τους. Στη μελέτη αυτή, τα χαρακτηριστικά του συμπλέγματος Κ που χρησιμοποιήθηκαν για ταξινόμηση στις εικόνες raster ήταν ακριβώς η κατηγοριοποίησή τους σε ομάδες KC00, KC01, KC10, KC11, η χρονική στιγμή εμφάνισης στον ύπνο και τέλος, το ύψος του δυναμικού της αρνητικής κορυφής. 59

60 Εικόνα 2.10: Παραδείγματα εικονών raster από ένα υποκείμενο. Στο τμήμα Α συμβάν αναφοράς είναι η άτρακτος, ενώ στα τμήματα Β και C το σύμπλεγμα Κ. Κάθε γραμμή της εικόνας αντιπροσωπεύει τη φασματική ισχύ στη συχνότητα των ατράκτων για το συγκεκριμένο υποκείμενο. Στο κάτω μέρος απεικονίζεται ο μέσος όρος από όλα τα συμβάντα. Στο τμήμα C1 τα συμπλέγματα Κ έχουν ταξινομηθεί με βάση το ύψος του δυναμικού της αρνητικής κορυφής. Στο C2 παρουσιάζεται ο μέσος όρος στο άνω τριτημόριο υψηλού δυναμικού KC ενώ στο C3 ο μέσος όρος στο κάτω τριτημόριο της εικόνας χαμηλού δυναμικού KC. Εικόνα προσαρμοσμένη από Koupparis et al Παράδειγμα μιας τέτοιας απεικόνισης φαίνεται στην εικόνα Στο συγκεκριμένο παράδειγμα, στο τμήμα Β1 τα συμβάντα έχουν ταξινομηθεί αρχικά με βάση την κατηγοριοποίησή τους σε ομάδες KC00, KC01, KC10, KC11 και δεύτερο κριτήριο την χρονική στιγμή της εμφάνισής τους, ενώ στο τμήμα C1 με το ύψος του δυναμικού. Αυτές οι ταξινομήσεις επιτρέπουν τη διερεύνηση πιθανών συσχετίσεων ανάμεσα στην εμφάνιση ενός φαινομένου (των ατράκτων) σε σχέση με συγκεκριμένα χαρακτηριστικά του συμβάντος αναφοράς (του ύψους ή την κατηγοριοποίηση του συμπλέγματος Κ). Στο τμήμα Α παρουσιάζεται η δραστηριότητα των ατράκτων γύρω από άλλες ατράκτους κυρίως ως μέτρο σύγκρισης, δεδομένου ότι στις τρεις κατηγορίες των συμπλεγμάτων Κ (KC01, KC10, KC11) συνυπάρχει άτρακτος κοντά στο συμβάν αναφοράς. 60

61 iii) Αποτελέσματα σε 7 καταγραφές Για τη μελέτη της αλληλεπίδρασης ατράκτων και συμπλεγμάτων Κ πραγματοποιήθηκαν καταγραφές σε 7 υγιείς εθελοντές (2 άνδρες και 5 γυναίκες) ηλικίας από 23 έως 33 ετών με μέσο όρο τα 26,3 έτη. Η μεθοδολογία των καταγραφών ήταν ίδια με αυτή που περιγράφηκε παραπάνω, στο κεφάλαιο 1.5. Πραγματοποιήθηκε ανάλυση με υπνογράμματα και υπνοφασματογράμματα σε όλες τις καταγραφές, απ' όπου επιβεβαιώθηκε ότι τα υποκείμενα είχαν φυσιολογικό ύπνο. Συνολικά επιλέχθηκαν 1239 συμπλέγματα Κ και 1162 άτρακτοι για περαιτέρω ανάλυση. Τα περιγραφικά στατιστικά συνοψίζονται στον πίνακα 2.3. Πίνακας 2.3: Περιγραφική σύνοψη των καταγραφών ύπνου Υποκείμενο Υποκείμενο Υποκείμενο Υποκείμενο Υποκείμενο Υποκείμενο Υποκείμενο Μέσος όρος TSP (min) (±124) TST (min) (±123) SE (%) 97.4% 94.3% 96.1% 90% 97.2% 100% 94% 96% (±3) WASO (min) (±11) NREM1 (min - %) 13 (3%) 34 (7%) 24 (5%) 21 (8%) 44 (7%) 6 (2%) 59 (13%) 29 (±18) / 6% (±4) NREM2 (min - %) 100 (26%) 116 (25%) 164 (33%) 109 (40%) 316 (47%) 152 (40%) 161 (37%) 160 (±74) / 35% (±8) NREM3 (min - %) 130 (34%) 178 (39%) 88 (18%) 13 (5%) 54 (8%) 34 (9%) 49 (11%) 78 (±58) / 18% (±13) NREM4 (min - %) 46 (12%) 31 (7%) 80 (16%) 69 (26%) 39 (6%) 108 (28%) 75 (17%) 64 (±27) / 16% (±9) REM (min - 77 (20%) %) 73 (16%) 121 (24%) 40 (15%) 189 (28%) 71 (19%) 47 (11%) 88 (±51) / 19% (±6) MA (min %) 17 (4%) 28 (6%) 20 (4%) 17 (6%) 25 (4%) 10 (3%) 51 (12%) 24 (±13) / 6% (±3) Μέση Συχνότητα Γρήγορων Ατράκτων Hz 15.2 Hz 13.6 Hz Hz Hz 13.3 Hz 14.2 Hz 14 Hz (±0.75) Αριθμός KCs 225 (18%) 259 (21%) 195 (16%) 105 (8%) 163 (13%) 164 (13%) 128 (10%) 177 (±54) Αριθμός ατράκτων 178 (15%) 114 (10%) 228 (20%) 132 (11%) 100 (9%) 255 (22%) 155 (13%) 166 (±58) Παράμετροι ύπνου για 7 υποκείμενα. TSP: Συνολική περίοδος ύπνου, TST: Συνολική διάρκεια ύπνου, SE: Δείκτης αποδοτικότητας ύπνου, WASO: Χρόνος εγρήγορσης μετά την έναρξη του ύπνου, NREM1-4, REM, MA: Χρόνος σε κάθε στάδιο ύπνου και ποσοστό ως προς τη συνολική διάρκεια. Αναφέρεται ο αριθμός συμπλεγμάτων Κ και ατράκτων που συμπεριλήφθηκαν στη μελέτη και το ποσοστό σε σχέση με το συνολικό αριθμό τους σε όλα τα υποκείμενα. Τα συμπλέγματα Κ που επιλέχθηκαν κατηγοριοποιήθηκαν σε 4 ομάδες: (α) συμπλέγματα Κ όπου αναγνωρίστηκε άτρακτος μόνο μετά την αρνητική τους κορυφή (ομάδα KC01 με n=619), (β) συμπλέγματα Κ όπου αναγνωρίστηκε άτρακτος μόνο πριν την αρνητική τους κορυφή (ομάδα KC10 με n=132), (γ) συμπλέγματα Κ όπου αναγνωρίστηκε άτρακτος τόσο πριν όσο και μετά την αρνητική τους κορυφή (ομάδα KC11 με n=255) και (δ) συμπλέγματα Κ όπου οπτικά δεν αναγνωρίστηκε άτρακτος ούτε πριν ούτε μετά την κορυφή (ομάδα KC 00 με n=233). Εν συνεχεία, δημιουργήθηκαν οι εικόνες raster για μια πρώτη ποιοτική ανάλυση του φαινομένου. 61

62 Εικόνα 2.11: Φασματική ισχύς ατράκτων γύρω από συμπλέγματα Κ. Κάθε γραμμή στις εικόνες raster έχει προκύψει από μεμονωμένα φασματογραφήματα στην εξατομικευμένη για κάθε υποκείμενο ζώνη συχνοτήτων που περιλαμβάνει τις ατράκτους, σε διάστημα -15 s έως +15 s γύρω από κάθε συμβάν (ελεύθερες άτρακτοι για το τμήμα Α, συμπλέγματα Κ για τα τμήματα B-D. Η μέση μεταβολή στη φασματική ισχύ απεικονίζεται κάτω από κάθε raster εικόνα. Στο Α1-2 συμβάντα αναφοράς (χρόνος 0) είναι οι άτρακτοι. Στον άξονα y ο αύξων αριθμός των ατράκτων. Στο Α2 ο μέσος όρος. Στο Β1-2 συμβάντα αναφοράς τα συμπλέγματα Κ, τα δεδομένα είναι ταξινομημένα με βάση την κατηγοριοποίηση (από πάνω προς τα κάτω KC00, KC01, KC10, KC11), μέσος όρος στο Β2. Στο C1-6 συμβάντα αναφοράς τα συμπλέγματα Κ, τα δεδομένα είναι ταξινομημένα με βάση τη χρονική στιγμή εμφάνισης των συμπλεγμάτων Κ και είναι διαχωρισμένα στους διαδοχικούς κύκλους του ύπνου. Μέσοι όροι για κάθε κύκλο στα C2-C6. Στο D1-6 συμβάντα αναφοράς τα συμπλέγματα Κ, τα δεδομένα ταξινομημένα με βάση το δυναμικό της αρνητικής κορυφής του συμπλέγματος Κ. Μέσοι όροι για τα μεγαλύτερα και μικρότερα συμπλέγματα στο D2 και D3 αντίστοιχα. Σχετική απουσία ατράκτων είναι εμφανής 2-3 s μετά την αρνητική κορυφή (B1,C1,D1) και μια μεγαλύτερης διάρκειας (10-15 s) μείωση στο ρυθμό εμφάνισής τους φαίνεται στα περίπου 80 συμπλέγματα Κ με το μεγαλύτερο δυναμικό (D1). Όλες οι εικόνες προέρχονται από το υποκείμενο 1. Εικόνα από Koupparis et al Στις εικόνες 2.11 και 2.12 παρουσιάζονται ενδεικτικά αποτελέσματα σε 2 υποκείμενα. 62

63 Εικόνα 2.12: Φασματική ισχύς ατράκτων γύρω από συμπλέγματα Κ Ίδια ανάλυση όπως στην προηγούμενη εικόνα για το υποκείμενο 2. Εδώ δεν εμφανίζεται ξεκάθαρα η μακροπρόθεσμη μείωση μετά από τα συμπλέγματα Κ με το μεγαλύτερο δυναμικό όπως στο υποκείμενο 1. Από τις εικόνες raster αναμένεται να αναδειχθούν τυχόν μη-τυχαία πρότυπα κατανομής της δραστηριότητας των ατράκτων γύρω από τα συμπλέγματα Κ. Για σύγκριση, στο τμήμα Α της εικόνας 2.11 στο χρονικό σημείο 0 είναι τοποθετημένο το μέσο των ελεύθερων ατράκτων, όπου εμφανίζονται σαν μια κόκκινη κάθετη γραμμή. Παρατηρούμε ότι για 2-3 s πριν και μετά τις ελεύθερες ατράκτους δημιουργείται ένα κενό στην εμφάνιση ατράκτων. Στα τμήματα B-D στο χρονικό σημείο 0 είναι τοποθετημένες οι αρνητικές κορυφές των συμπλεγμάτων Κ. Οι άτρακτοι που σχετίζονται με συμπλέγματα Κ σχηματίζουν μια κάθετη γραμμή κοντά στο 0. Η βραχυπρόθεσμη μείωση των ατράκτων αμέσως μετά από αυτή τη γραμμή, 2-3 s μετά από την αρνητική κορυφή των συμπλεγμάτων Κ παρατηρείται και σε αυτή την περίπτωση. Αν και λιγότερο έντονη σε κάποια υποκείμενα, αυτή η μείωση ήταν εμφανής και στα 7 υποκείμενα. Εκτός αυτού, σε 6 από τα 7 υποκείμενα (λιγότερο στο υποκείμενο 5) παρατηρήθηκαν ομάδες συμπλεγμάτων Κ όπου οι άτρακτοι για μια περίοδο που διαρκούσε s μετά από τα συμπλέγματα Κ παρουσίαζαν μείωση σε σχέση με την περίοδο αναφοράς από -15 s έως -5 s. Ωστόσο, αυτή η μακροπρόθεσμη σχέση δεν ίσχυε για όλα τα συμπλέγματα Κ, ούτε ήταν εμφανής σε όλα τα υποκείμενα. Σε ένα υποκείμενο (υποκείμενο 1 που παρουσιάζεται στην εικόνα 2.11) η ταξινόμηση των συμπλεγμάτων Κ με βάση το δυναμικό της αρνητικής κορυφής αποκάλυψε ότι αυτή η μακροπρόθεσμη 63

64 δράση ήταν περισσότερο εμφανής στα συμπλέγματα Κ με το μεγαλύτερο δυναμικό (τμήμα D), αλλά αυτό δεν επιβεβαιώθηκε στα υπόλοιπα υποκείμενα. Μετά την αρχική ποιοτική επισκόπηση της σχέσης συμπλεγμάτων Κ και ατράκτων, ακολούθησε η ανάλυση με τα μέσα φασματογραφήματα, τις σχετικές μεταβολές και τις στατιστικά σημαντικές διαφορές από την περίοδο αναφοράς, η οποία πραγματοποιήθηκε για κάθε υποκείμενο και για κάθε κατηγορία συμπλεγμάτων Κ. Τα αποτελέσματα αυτά παρουσιάζονται στις εικόνες 2.13 έως Εικόνα 2.13: Μέσο φασματογράφημα (αριστερά), μεταβολές από την περίοδο αναφοράς - ERSP (μέσο), και στατιστικά σημαντικές μεταβολές (δεξιά) για το υποκείμενο 1. Παρουσιάζονται αποτελέσματα για μια περίοδο από 15 s πριν έως 25 s μετά την αρνητική κορυφή του συμπλέγματος Κ ανά κατηγορία (KC 00, KC01, KC10, KC11 στις γραμμές 1 έως 4 αντίστοιχα) και της αρνητικής μέσης κορυφής των ελεύθερων ατράκτων (στη γραμμή 5) για το υποκείμενο 1. Εικόνα από Koupparis et al

65 Εικόνα 2.14: Μέσο φασματογράφημα (αριστερά), μεταβολές από την περίοδο αναφοράς - ERSP (μέσο), και στατιστικά σημαντικές μεταβολές (δεξιά) για το υποκείμενο 2. 65

66 Εικόνα 2.15: Μέσο φασματογράφημα (αριστερά), μεταβολές από την περίοδο αναφοράς - ERSP (μέσο), και στατιστικά σημαντικές μεταβολές (δεξιά) για το υποκείμενο 3. 66

67 Εικόνα 2.16: Μέσο φασματογράφημα (αριστερά), μεταβολές από την περίοδο αναφοράς - ERSP (μέσο), και στατιστικά σημαντικές μεταβολές (δεξιά) για το υποκείμενο 4 67

68 Εικόνα 2.17: Μέσο φασματογράφημα (αριστερά), μεταβολές από την περίοδο αναφοράς - ERSP (μέσο), και στατιστικά σημαντικές μεταβολές (δεξιά) για το υποκείμενο 5 68

69 Εικόνα 2.18: Μέσο φασματογράφημα (αριστερά), μεταβολές από την περίοδο αναφοράς - ERSP (μέσο), και στατιστικά σημαντικές μεταβολές (δεξιά) για το υποκείμενο 6 69

70 Εικόνα 2.19: Μέσο φασματογράφημα (αριστερά), μεταβολές από την περίοδο αναφοράς - ERSP (μέσο), και στατιστικά σημαντικές μεταβολές (δεξιά) για το υποκείμενο 7 Όπως έχει περιγραφεί σε προηγούμενη δουλειά του Εργαστηρίου Φυσιολογίας (Kokkinos and Kostopoulos 2011), το ίδιο το σύμπλεγμα Κ προκαλεί στο φασματογράφημα την εμφάνιση μιας μεγάλης αύξησης της ισχύος στις συχνότητες των βραδέων δέλτα κυμάτων η οποία εκτείνεται και σε υψηλότερες συχνότητες με εμφανή αύξηση κοντά στα 5-10 Hz σε όλες τις κατηγορίες. Η διακοπή των ατράκτων κατά τη διάρκεια του συμπλέγματος Κ και η ταχύτερη άτρακτος μετά την αρνητική κορυφή που περιγράφεται αναλυτικά στο προηγούμενο άρθρο είναι εμφανείς στα διαγράμματα χρόνου συχνοτήτων της ομάδας KC 11, όπου τα συμπλέγματα Κ συνοδεύονται από ατράκτους τόσο πριν όσο και μετά την αρνητική τους κορυφή. Η ανάλυση των ελεύθερων ατράκτων ανέδειξε ένα πρότυπο αύξησης της ισχύος στην 70

71 ζώνη συχνοτήτων των ατράκτων η οποία ακολουθείται από μείωση ακριβώς πριν την άτρακτο, καθώς και μια συμμετρική μείωση η οποία ακολουθείται από αύξηση αμέσως μετά, σε όλα τα υποκείμενα (αν δεν φτάνει σε επίπεδα στατιστικής σημαντικότητας στο υποκείμενο 4). Αυτό το πρότυπο αυξομειώσεων υποδηλώνει μια ανερέθιστη περίοδο διάρκειας 1,5 2 s. Μια βραχυπρόθεσμη μείωση στην φασματική ισχύ των ατράκτων μετά από μια αρχική αύξηση είναι εμφανής στην ομάδα KC 01, περίπου 2 με 3 δευτερόλεπτα μετά το σύμπλεγμα Κ σε όλα τα υποκείμενα, φτάνοντας τα επίπεδα στατιστικής σημαντικότητας σε 4 από τα 7 υποκείμενα (1,2,3,6). Σε αυτά τα υποκείμενα μια πιο προσεκτκή ματιά αποκαλύπτει επαναλαμβανόμενες μειώσεις κάθε 3 4 s για μια περίοδο 15 s, ένα εύρημα που είναι στατιστικά σημαντικό στο υποκείμενο 6. Στο υποκείμενο 1, όπου μια στατιστικά σημαντική μείωση εμφανίζεται ακριβώς πριν το σύμπλεγμα Κ (αν και φυσικά αυτή η κατηγορία είναι επιλεγμένη ώστε να μην υπάρχουν άτρακτοι πριν το σύμπλεγμα Κ), παρατηρείται το ίδιο μεσοδιάστημα των 3 s. Στην ομάδα KC10 η αναμενόμενη αύξηση πριν το σύμπλεγμα Κ είναι εμφανής και, παρόλο που ο αριθμός των δειγμάτων σε αυτή την κατηγορία είναι μικρός, στα υποκείμενα 1, 2, 3, 4 και 7 δίνεται η εντύπωση μιας μείωσης περίπου 3 s πριν το σύμπλεγμα Κ. Εμφανίζεται επίσης ένα πρότυπο ρυθμικών αυξομειώσεων, χωρίς ωστόσο να γίνεται στατιστικά σημαντικό. Στην ομάδα KC11 η βραχυπρόθεσμη μείωση 2 3 s μετά το σύμπλεγμα Κ είναι στατιστικά σημαντική σε ένα υποκείμενο (υποκείμενο 1) μόνο, ενώ το πρότυπο ρυθμικών αυξομειώσεων φαίνεται στα υποκείμενα 1, 3, 6, 7. Στην ομάδα KC00 δεν υπάρχει μακροπρόθεσμη μεταβολή στη φασματική ισχύ των ατράκτων. Κατά το χρόνο γύρω από το σύμπλεγμα Κ (±1 s), 2 υποκείμενα (2 και 5) παρουσιάζουν στο μέσο όρο αύξηση στην ισχύ στη ζώνη συχνοτήτων των ατράκτων, παρόλο που δεν υπήρχαν ανιχνεύσιμες άτρακτοι κατά την επισκόπηση του εγκεφαλογραφήματος. Σε 3 υποκείμενα (2, 4, 5) παρατηρείται επίσης μια αύξηση σε μεγαλύτερες συχνότητες (>15 Hz) κατά τη διάρκεια του συμπλέγματος Κ. Σε κανένα υποκείμενο δεν ανιχνεύθηκε στατιστικά σημαντική μακροπρόθεσμη μείωση των ατράκτων μετά το σύμπλεγμα Κ. Για την συνοπτική παρουσίαση των αποτελεσμάτων, υπολογίσθηκε ο μέσος όρος της φασματικής ισχύος για την εξατομικευμένη συχνότητα των ατράκτων και οι μεταβολές από την περίοδο αναφοράς απεικονίζονται στην εικόνα Η βραχυπρόθεσμη μεταβολή είναι εμφανής στα αυθόρμητα συμπλέγματα Κ που σχετίζονται με ατράκτους (ομάδες KC 01, KC10, KC11) και στις ελεύθερες ατράκτους, αλλά όχι τα συμπλέγματα Κ που δεν συνοδεύονται από ατράκτους (ομάδα KC00). Στην ομάδα KC01 όπου ο αριθμός των συμβάντων είναι μεγαλύτερος και η γραμμή του μέσου όρου είναι λιγότερο θορυβώδης, υπάρχει μια πολύ μικρή μείωση περίπου 1 db στην ισχύ των ατράκτων σε σχέση με την περίοδο αναφοράς που διαρκεί περισσότερο από 15 s. Η γραμμή αγγίζει το 0 (καμία αλλαγή από την περίοδο αναφοράς) περίπου 20 s μετά το σύμπλεγμα Κ. Όπως φαίνεται στο υποκείμενο 1, μια ομάδα από συμπλέγματα Κ που περιλαμβάνει αυτά με το μεγαλύτερο δυναμικό παρουσιάζει μια μακροπρόθεσμη μείωση (εικόνα 2.11, D2 ως προς D3). Σε άλλα υποκείμενα εμφανίζονται παρόμοιες ομάδες, αλλά δε φαίνεται να σχετίζονται με το ύψος του δυναμικού του συμπλέγματος Κ ή τη χρονική στιγμή εμφάνισής τους. Αυτές οι ομάδες είναι πιθανό να σχετίζονται με τη μικρή μακροπρόθεσμη μεταβολή που διατηρείται στο συνολικό μέσο όρο. Τέλος, δεν παρατηρείται καμία μεταβολή στο διάστημα από -5 s έως 0 s πριν από το σύμπλεγμα Κ σε σχέση με την περίοδο αναφοράς που θα μπορούσε να υποστηρίξει ότι 71

72 κάποιος παράγοντας στο εύρος των συχνοτήτων που μελετάται (0-20 Hz) θα μπορούσε να προβλέψει την εμφάνιση συμπλεγμάτων Κ. Εικόνα 2.20: Μέσος όρος μεταβολών στην φασματική ισχύ των ατράκτων σε όλα τα υποκείμενα Μέσος όρος από όλα τα υποκείμενα ± τυπική απόκλιση, για όλες τις ομάδες συμπλεγμάτων Κ (γραμμές 1-4) και για ελεύθερες ατράκτους (γραμμή 5). Ο μέσος όρος των μεταβολών έχει υπολογισθεί από την εξατομικευμένη ζώνη συχνοτήτων των ατράκτων για κάθε υποκείμενο. Από Koupparis et al

73 2.3 Σύνοψη και συζήτηση αποτελεσμάτων Εξετάσθηκαν συνολικά με μεθόδους ανάλυσης χρόνου συχνοτήτων 2401 ηλεκτροεγκεφαλογραφικά συμβάντα (συμπεριλαμβανομένων τόσο των αυθόρμητων συμπλεγμάτων Κ όσο και των ελεύθερων ατράκτων) από 7 υποκείμενα. Η ανάλυση περιελάμβανε μελέτη του προτύπου κατανομής της φασματικής ισχύος στη συχνότητα των ατράκτων γύρω από τα συμπλέγματα Κ, ομαδοποίηση των συμπλεγμάτων Κ με βάση την εμφάνιση ατράκτων μέσα σε διάστημα ενός δευτερολέπτου από την αρνητική κορυφή και λεπτομερή ανάλυση χρόνου συχνοτήτων για 40 s εστιάζοντας στις συχνότητες 0 20 Hz με την αντίστοιχη στατιστική ανάλυση, και τέλος, σύγκριση με τις ελεύθερες ατράκτους. Το πρότυπο κατανομής των ατράκτων γύρω από τα συμπλέγματα Κ (εικόνες 2.11 και 2.12, σελίδες 62 και 63) αποκαλύπτει μια βραχυπρόθεσμη μείωση της ισχύος 2 3 s μετά την αρνητική κορυφή του συμπλέγματος Κ καθώς και ομάδες από συμβάντα όπου μια μακροπρόθεσμη (10 15 s) μείωση είναι εμφανής. Ωστόσο, όπως φαίνεται στην εικόνα 2.20 (σελίδα 72), στο μέσο όρο όλων των συμβάντων η μακροπρόθεσμη επίδραση είναι πολύ μικρή (στην ομάδα KC01) ή και ανύπαρκτη (σε όλες τις άλλες ομάδες). Τα αποτελέσματα από το μέσο όρο στην ανάλυση χρόνου συχνοτήτων (εικόνες 2.13 έως 2.19, σελίδες 64-70) ανάδειξαν μια μείωση, ή αλλιώς αποσυγχρονισμό (event related desynchronization ERD), 2 3 s μετά την αρνητική κορυφή του συμπλέγματος Κ. Αυτό είναι εμφανές και στατιστικά σημαντικό στις ομάδες των συμπλεγμάτων Κ που ακολουθούνται από ατράκτους (KC01 και KC11) και είναι παρόμοιο με έναν ίδιο αποσυγχρονισμό που ακολουθεί τις ελεύθερες ατράκτους. Όμοιο αποτέλεσμα φαίνεται και σε προκλητά συμπλέγματα Κ σε 2 από τα 3 υποκείμενα των Zygierewicz και συνεργατών (Zygierewicz et al. 2009) μετά από μια αύξηση, ή αλλιώς συγχρονισμό (event related synchronization ERS), στη συχνότητα των ατράκτων, ωστόσο οι συγγραφείς δε δίνουν πληροφορίες για συμπλέγματα Κ που δεν ακολουθούνται από ατράκτους. Φαίνεται ότι αυτός ο αποσυγχρονισμός δεν είναι αποτέλεσμα του ίδιου του συμπλέγματος Κ. Αντίθετα, αυτά τα δεδομένα υποδηλώνουν μια ανερέθιστη περίοδο των ατράκτων ανεξάρτητη από τα συμπλέγματα Κ, και, σε συνδυασμό με τα δεδομένα από τις ελεύθερες ατράκτους (εικόνες 2.11 τμήμα A, και 2.20, στις σελίδες 62 και 70), αυτό το εύρημα φαίνεται να σχετίζεται με έναν υποκείμενο της εμφάνισης των ατράκτων ρυθμό 0,25 0,3 Hz. Η περιοδικότητα των ατράκτων έχει αναφερθεί και παλαιότερα από τους Evans και Richardson που μελετώντας τα μεσοδιαστήματα μεταξύ ατράκτων περιγράφουν μια περιοδικότητα 3 5 s (Evans and Richardson 1995). Αυτή είναι συμβατή με τα αποτελέσματα που περιγράφηκαν για τη βραχυπρόθεσμη μείωση της ισχύος στην ανάλυση χρόνου συχνοτήτων για τα συμπλέγματα K, ιδίως στην ομάδα KC 01, καθώς και για τις ελεύθερες ατράκτους. Αυτός ο ρυθμός έχει αναδειχθεί με απλή ανάλυση Fourier (Achermann and Borbély 1997), ενώ το ίδιο διάστημα μεταξύ ERDs πριν και μετά τα συμπλέγματα Κ έχει περιγραφεί από τον Zygierewicz (Zygierewicz et al. 2009). Η ανερέθιστη περίοδος των ατράκτων έχει μελετηθεί in vitro (Kim et al. 1995; McCormick and Bal 1997), όπου φαίνεται ότι οι άτρακτοι εμφανίζονται με μια περίοδο 3 20 s και μέσα σε αυτό το διάστημα υπάρχει μια ανερέθιστη περίοδος κατά την οποία δυο τοπικά παραγόμενες άτρακτοι διαδίδονται και διακόπτονται στο σημείο συνάντησής 73

74 τους. Οι συγγραφείς υποστηρίζουν ότι η ανερέθιστη περίοδος μπορεί να σχετίζεται με μια παρατεταμένη μετεκπόλωση των θαλαμικών νευρώνων μετά από την έντονη δραστηριότητα με διαδοχικές υπερπολώσεις κατά τη διάρκεια της ατράκτου. Οι συγγραφείς θεωρούν ότι η διάρκεια της ανερέθιστης περιόδου σχετίζεται με το χρόνο που απαιτείται ώστε το ρεύμα Ih (h current από το hyperpolarization επειδή ενεργοποιείται κατά την υπερπόλωση) να επανέλθει σε επίπεδα που επιτρέπουν τη δημιουργία νέας ατράκτου (Bal and McCormick 1996). Ωστόσο, στο επίπεδο του ανθρώπινου εγκεφαλογραφήματος υπάρχουν επιπρόσθετοι παράγοντες που θα μπορούσαν να επηρεάσουν την ανερέθιστη περίοδο, όπως ο βαθμός συγχρονισμού που απαιτείται για να εμφανιστούν άτρακτοι στο εγκεφαλογράφημα, που εξαρτάται από φυσικούς παράγοντες οι οποίοι σχετίζονται με τον προσανατολισμό των πηγών των ατράκτων και την αγωγή του σήματος (Bonjean et al. 2012). Επιπρόσθετα, υπάρχουν στοιχεία για το ρόλο της φλοιοθαλαμικής εισόδου τόσο για την έναρξη όσο και για τον τερματισμό των ατράκτων (Bonjean et al. 2011). Αυτή μπορεί να είναι τυχαία στον ελαφρύ NREM ύπνο ή να είναι περιοδική και να ακολουθεί μια βραδεία φλοιική ταλάντωση (Steriade 2006) στην περίπτωση των ατράκτων βαθύτερου NREM ύπνου. Στοιχεία από πειράματα υποστηρίζουν ότι η εμφάνιση των ατράκτων μπορεί να σχετίζεται με τη μετάβαση από την φλοιική κάτω κατάσταση στη φλοιική άνω κατάσταση, κάτι το οποίο μπορεί να έχει σχέση με τις παρατηρήσεις που περιγράφηκαν στα αυθόρμητα συμπλέγματα Κ, καθώς υπάρχει η υπόθεση ότι το σύμπλεγμα Κ αντιπροσωπεύει μια μεμονωμένη κάτω κατάσταση (Cash et al. 2009). Οι άτρακτοι μπορεί επίσης να επάγονται ή να τροποποιούνται τοπικά ή και απομακρυσμένα (επικοινωνία ιππόκαμπου μετωπιαίου φλοιού) και η πυκνότητά τους ποικίλει ανάλογα με την πίεση προς ύπνο και πολλούς άλλους παράγοντες. Μια περιοδική λοιπόν εμφάνιση των ατράκτων φαίνεται να είναι το αποτέλεσμα της αλληλεπίδρασης πολλών φλοιικών και υποφλοιωδών μηχανισμών, των οποίων η ισορροπία μπορεί να μεταβάλλεται στο χώρο του εγκεφάλου και το χρόνο του ύπνου. Όσον αφορά στην πιθανή μακροπρόθεσμη αλληλεπίδραση των αυθόρμητων συμπλεγμάτων Κ με τις ατράκτους που εκτείνεται σε διάστημα s, τα αποτελέσματα υποδεικνύουν μόνο μια πολύ μικρή επίδραση στην ομάδα KC01. Σε σχέση με τα αποτελέσματα της ομάδας του Halász για την επίδραση των μικροαφυπνίσεων στις ατράκτους (Halász 1993), δεν αναδεικνύεται στατιστικά σημαντική παρόμοια δράση των αυθόρμητων συμπλεγμάτων Κ πάνω στις ατράκτους. Ο Halász περιγράφει μια εξεσημασμένη και παρατεταμένη καταστολή της φασματικής ισχύος των ατράκτων μετά από προκλητές μικροαφυπνίσεις, Εικόνα 2.21: Αποτελέσματα από Halász 1993 οι οποίες περιλαμβάνουν απαντήσεις Με το ορθογώνιο έχει σημειωθεί η που αποτελούνται από συμπλέγματα Κ βραχυπρόθεσμη μείωση, ενώ με την έλλειψη η που δεν σχετίζονται με ατράκτους, μακροπρόθεσμη. Η ομάδα Κ αντιστοιχεί στα ωστόσο είναι πολύ ενδιαφέρον το συμπλέγματα της ομάδας KC00 γεγονός ότι στην ομάδα KS, που ο συγ74

75 γραφέας περιγράφει ως σύμπλεγμα Κ που ακολουθείται ή αναμιγνύεται με άτρακτο 1315 κ/δ, υπάρχει μόνο μια ελάχιστη μείωση. Τα αποτελέσματά μας για τα αυθόρμητα συμπλέγματα Κ των ομάδων KC01, KC10, KC11, είναι όμοια με αυτή τη μικρή μείωση της ισχύος των ατράκτων για την ομάδα των προκλητών KS. Ωστόσο, τα αποτελέσματα για την ομάδα των αυθόρμητων KC00 διαφέρουν από την ομάδα του προκλητού μονήρους συμπλέγματος Κ (εικόνα 2.21 σημειωμένα με την έλλειψη). Όσον αφορά στη βραχυπρόθεσμη επίδραση, στις εικόνες που δίνονται από τον Halász, φαίνεται μια μικρή μείωση (ERD) περίπου 3 s μετά το ερέθισμα (εικόνα 2.21 σημειωμένη με το ορθογώνιο). Η Bastien και οι συνεργάτες της έχουν μελετήσει επίσης την φασματική ισχύ των ατράκτων πριν και μετά από προκλητά συμπλέγματα K (Bastien et al. 2000). Στα δεδομένα τους δεν ανίχνευσαν διαφορές μεταξύ μιας περιόδου αναφοράς 4 s πριν το ερέθισμα και είτε βραχυπρόθεσμα, 1,25 5,25 s είτε μακροπρόθεσμα, 5,25 9,25 s μετά το ερέθισμα. Οι διαφορές στη μεθοδολογία της ανάλυσης του ΗΕΓ σε αυτές τις μελέτες δεν επιτρέπουν την εξαγωγή συμπερασμάτων για την μακροπρόθεσμη επίδραση των προκλητών συμπλεγμάτων Κ, αλλά ούτε και άμεση σύγκριση με τα αποτελέσματα που περιγράφηκαν για τα αυθόρμητα συμπλέγματα Κ. Τέτοιες διαφορές είναι η εξατομικευμένη προσέγγιση της συχνότητας των ατράκτων, δηλαδή η χρήση διαφορετικής ζώνης συχνοτήτων για κάθε υποκείμενο. Για παράδειγμα, τα 14 Hz που χρησιμοποιήθηκαν από το Halász δεν περιλαμβάνονται στη ζώνη συχνοτήτων που χρησιμοποιήθηκαν για 2 υποκείμενα αυτής της μελέτης (υποκείμενα 2 και 5) και η ζώνη Hz που χρησιμοποίησε η Bastien δε θα περιλάμβανε τις ατράκτους από ένα υποκείμενο (υποκείμενο 2). Η χρονική ανάλυση είναι επίσης ένας σημαντικός παράγοντας. Η Bastien χρησιμοποίησε τμήματα διάρκειας 4 s για την ανάλυση FFT, που πιθανότατα δεν θα μπορούσε να ανιχνεύσει τη βραχυπρόθεσμη ERD, και ο Halász χρησιμοποίησε FFT σε 1 s, σε σχέση με τα στοιχεία των 0,25 s που χρησιμοποιήθηκαν για τη στατιστική ανάλυση και τα πολύ λεπτομερέστερα φασματογραφήματα αυτής της μελέτης. Η ομαδοποίηση των συμπλεγμάτων Κ με βάση την εμφάνιση ατράκτων γύρω από το σύμπλεγμα Κ μπορεί επίσης να είναι ένας παράγοντας στην κατανόηση των αλληλεπιδράσεών τους. Οι ομάδες που χρησιμοποιήθηκαν, όπως και σε προηγούμενη μελέτη του εργαστηρίου (Kokkinos and Kostopoulos 2011), είναι παρόμοιες με την ταξινόμηση των Ehrhart και συνεργατών (Ehrhart et al. 1981) που για να μελετήσουν τη σχέση τους με τις παροδικές αφυπνίσεις, χωρίζουν τα συμπλέγματα Κ σε αυτά που δεν συνοδεύονται από συνεχείς ατράκτους, και σε αυτά στα οποία υπάρχουν άτρακτοι αμέσως πριν, κατά τη διάρκεια και αμέσως μετά από το σύμπλεγμα Κ. Συμπερασματικά, τα μονήρη αυθόρμητα συμπλέγματα Κ που δεν οδηγούν σε μικροαφυπνίσεις αλληλεπιδρούν με τις ατράκτους μόνο σε μια βραχεία χρονική κλίμακα διάρκειας περίπου ενός δευτερολέπτου (Kokkinos and Kostopoulos 2011), αλλά δεν ανιχνεύθηκε μακροπρόθεσμη μείωση στη φασματική ισχύ των ατράκτων που να εκτείνεται στα s, τόσο εξεσημασμένη όσο στην περίπτωση των προκλητών συμπλεγμάτων K (Halász 1993). Τα προκλητά συμπλέγματα Κ που συνοδεύονται από ατράκτους (η ομάδα KS που περιγράφει ο Halász) επίσης δεν εμφανίζουν μακροπρόθεσμη αναστολή των ατράκτων. Τα αποτελέσματα μετά από την ομαδοποίηση των συμπλεγμάτων Κ ανάλογα με το δυναμικό τους ή την βραχυπρόθεσμη σχέση τους με τις ατράκτους, υποδηλώνουν επίσης ότι οι όποιες μακροπρόθεσμες επιδράσεις των προκλητών συμπλεγμάτων Κ στις ατράκτους πιθανότατα δεν σχετίζονται με το ίδιο το 75

76 σύμπλεγμα Κ αλλά είτε με το ερέθισμα ή και με άλλα στοιχεία της φασικής απάντησης που εκλύεται συνήθως μετά από ερεθισμό. Ο διαχωρισμός αυτός αποκτά σημασία για τη διερεύνηση του ρόλου του αυθόρμητου συμπλέγματος στη διατήρηση του ύπνου καθώς και την κατανόηση της φυσιολογικής λειτουργίας των ατράκτων, οι οποίες εμπλέκονται σε αρκετές γνωστικές λειτουργίες και αυξάνονται οι συσχετίσεις τους με αρκετές νευροψυχιατρικές διαταραχές. Τέλος, η ανάλυση χρόνου συχνοτήτων δεν ανίχνευσε αλλαγές πριν το σύμπλεγμα K στο διάστημα -5 έως 0 s, που θα μπορούσαν να υποστηρίξουν κάποιο παράγοντα στις συχνότητες που μελετήθηκαν (0 20 Hz) που θα μπορούσε να προβλέψει την εμφάνιση του συμπλέγματος Κ, όπως έχει αναφερθεί για υψηλότερες (>20 Hz) συχνότητες στα προκλητά συμπλέγματα K (Pál et al. 1985). 76

77 2.4 Δημοσιεύσεις και ανακοινώσεις αποτελεσμάτων Τα αποτελέσματα που αναφέρθηκαν έχουν δημοσιευθεί στο περιοδικό PloS One, ενώ τμήμα τους έχει ανακοινωθεί γραπτά στο παγκόσμιο συνέδριο της FENS (2012) και προφορικά στο 5ο Διεπιστημονικό Συνέδριο για την Έρευνα το Ύπνου (2013) FENS 2012, Barcelona 77

78

79 3 Μελέτη της τοπογραφίας των ατράκτων 3.1 Η τοπογραφία των ατράκτων Η κλασσική περιγραφή των γρήγορων (14 Hz) ατράκτων αναφέρει μια κεντρική κατανομή με μέγιστο στην κορυφή (vertex) της κεφαλής, δηλαδή στη θέση του ηλεκτροδίου Cz, ενώ οι αργές άτρακτοι εντοπίζονται μετωπιαία (Gibbs and Gibbs 1950; De Gennaro and Ferrara 2003; Chang et al. 2011). Αξίζει να σημειωθεί ότι οι άτρακτοι εμφανίζονται τον 1,5 3ο μήνα της ζωής και αρχικά είναι ασύγχρονες, με διαφορά πάνω από 1,5 s μεταξύ των δυο ημισφαιρίων, ενώ μέχρι την ηλικία των 2 ετών η πλειονότητα πρέπει να είναι σύγχρονες (Marcuse et al. 2015). Στον ενήλικα, έντονη ασυμμετρία στο δυναμικό ή στην συχνότητα των ατράκτων έχει περιγραφεί σε υποκείμενη δομική βλάβη (Gibbs and Gibbs 1967; Reeves and Klass 1998). Πρόσφατα, μελέτες με ενδοκρανιακά ηλεκτρόδια στα πλαίσια προεγχειρητικού ελέγχου για επιληψία έχουν καταγράψει εστιακές (local) ατράκτους, και μάλιστα το 70% των ατράκτων που καταγράφηκαν θεωρήθηκαν εστιακές καθώς ανιχνεύθηκαν σε λιγότερο από το 50% των θέσεων στις οποίες καταγράφηκαν άτρακτοι (Andrillon et al. 2011; Nir et al. 2011). Σε αυτές τις μελέτες, άτρακτοι εντοπίστηκαν κυρίως στο νεοφλοιό, αλλά λιγότερο συχνά και στον ιππόκαμπο και την παραϊπποκάμπεια έλικα, ενώ σπάνια στην αμυγδαλή και τον ενδορινικό φλοιό. Ο διαχωρισμός σε γρήγορες και αργές ατράκτους εντοπίστηκε ακριβώς μπροστά από τις προκινητικές περιοχές, ενώ κατά τη διάρκεια της ατράκτου μπορεί να παρατηρούνται μεταβολές στη συχνότητα προς το βραδύτερο. Παράλληλα, οι γρήγορες κεντρικές-βρεγματικές άτρακτοι φαίνεται να προηγούνται των αργών μετωπιαίων ατράκτων. Σε μελέτες με μαγνητοεγκεφαλογράφημα (MEG) είχε γίνει αντιληπτό ότι οι άτρακτοι μπορεί να μην καταγράφονται ταυτόχρονα στο ΜΕΓ και στο ΗΕΓ (Hughes et al. 1976; Nakasato et al. 1990), ωστόσο πρόσφατα αποδείχθηκε ότι συνήθως το ΜΕΓ μπορεί να καταγράψει ατράκτους που δεν καταγράφονται στο ΗΕΓ (Dehghani et al. 2011a) αλλά και ότι οι άτρακτοι που καταγράφονται στο ΜΕΓ παρουσιάζουν πολύ μεγαλύτερη ποικιλομορφία (Dehghani et al. 2010b). Αρκετές υποθέσεις έχουν διατυπωθεί για αυτές τις διαφορές ανάμεσα στο ΗΕΓ και στο ΜΕΓ. Μία εξ' αυτών θεωρεί ότι το ΗΕΓ και το ΜΕΓ έχουν διαφορετική ευαισθησία στο να καταγράφουν τις διαφορετικές θαλαμοφλοιϊκές προβολές. Το πρώτο καταγράφει καλύτερα ταλαντώσεις που δημιουργούνται από τις διάχυτες προβολές του θαλάμου από τους θαλαμικούς matrix νευρώνες, ενώ το δεύτερο από τις πιο εντοπισμένες προβολές από τους θαλαμικούς core νευρώνες(jones 1998; Dehghani et al. 2010b). Σε ταυτόχρονες καταγραφές με ενδοκρανιακά και επιφανειακά ηλεκτρόδια κατά τον προεγχειρητικό έλεγχο ασθενών με επιληψία παρατηρήθηκε ότι ενώ υπάρχει διάχυτη αύξηση στη φασματική ισχύ στις συχνότητες των ατράκτων ταυτόχρονα στα ενδοκρανιακά και τα επιφανειακά ηλεκτρόδια, οι άτρακτοι στις διαφορετικές περιοχές του εγκεφάλου, παραδόξως, δεν ήταν σύγχρονες (Frauscher et al. 2015b). Οι συγγραφείς υποθέτουν ότι η ταυτόχρονη παρουσία ασύγχρονων ατράκτων σε πολλές περιοχές του φλοιού μπορεί λόγω των αθροιστικών ιδιοτήτων του κρανίου να οδηγήσει στην καταγραφή ατράκτου στα ηλεκτρόδια επιφανείας. Σε αυτές τις καταγραφές ιδιαίτερο ενδιαφέρον παρουσιάζει η ανίχνευση πολύ περιορισμένων χωρικά ατράκτων στον ιππόκαμπο οι οποίες δεν παρουσίαζαν συγχρονισμό με καμία άλλη περιοχή του εγκεφάλου. Η ίδια ομάδα αναφέρει επίσης ότι σε περιπτώσεις όπου καταγράφηκαν 79

80 επιληπτικές μεσοκρισικές αιχμές στον ιππόκαμπο μειώθηκε ο αριθμός των ατράκτων στην ίδια περιοχή (Frauscher et al. 2015a). Η παρατήρηση αυτή συμβαδίζει με την υπόθεση ότι η θαλαμο-ιπποκάμπια δραστηριότητα που προκαλεί τις ατράκτους του ιπποκάμπου μπορεί να αποτελεί το υπόστρωμα για τη δημιουργία επιληπτικών αιχμών σε ένα παθολογικό ιππόκαμπο, όπως το θαλαμοφλοιικό κύκλωμα μπορεί να αποτελεί το υπόστρωμα για τη δημιουργία των συμπλεγμάτων αιχμής κύματος (Kostopoulos 2000). Όσον αφορά στο επίπεδο του θαλάμου, παρόλο που σε απομονωμένες θαλαμικές φέτες έχουν καταγραφεί εστιακές άτρακτοι (Kim et al. 1995), δεν είναι σίγουρο αν συμβαίνει κάτι τέτοιο στο φυσιολογικό ύπνο. Οι άτρακτοι στο θάλαμο φαίνεται ότι συγχρονίζονται από τις φλοιοθαλαμικές προβολές, ή τουλάχιστον από την ακεραιότητα του φλοιοθαλαμοφλοιικού κυκλώματος, καθώς σε πειράματα με ζώα καταστρέφεται ο συγχρονισμός των ατράκτων αν αφαιρεθεί ο φλοιός του ζώου (Contreras et al. 1996). Η μελέτη της σχέσης των ατράκτων με τη μάθηση έχει δείξει ότι η δραστηριότητα των ατράκτων μπορεί να αυξάνεται σε συγκεκριμένες περιοχές του φλοιού όταν έχει προηγηθεί σχετική μαθησιακή διεργασία (Morin et al. 2008; Fogel and Smith 2011; Bang et al. 2014), κάτι που δίνει ιδιαίτερη σημασία στην ύπαρξη εστιακών ατράκτων. Η ανάπτυξη του αισθητικοκινητικού χάρτη στον σωματοαισθητικό φλοιό φαίνεται επίσης να σχετίζεται με την εμφάνιση εστιακών ατράκτων στα νεογέννητα. Αυτές εκλύονται από τα αισθητικά ερεθίσματα που προκαλούνται από τις νεογνικές μυικές συσπάσεις και παρουσιάζουν εξαιρετικά εντοπισμένη τοπογραφική κατανομή στην αντίστοιχη περιοχή του πρωτοταγούς σωματοαισθητικού φλοιού (Khazipov et al. 2004; Blumberg 2010). Στα νεογνά ο χωρικός περιορισμός των ατράκτων ίσως μπορεί να εξηγηθεί από τις ανώριμες φλοιοφλοικές συνδέσεις σε αυτή την ηλικία (Khazipov et al. 2004). Ωστόσο, με τα μέχρι τώρα δεδομένα δεν είναι σαφές με ποιο μηχανισμό μπορεί να προκύπτουν άλλοτε εστιακές και άλλοτε γενικευμένες άτρακτοι στον ενήλικα (Clawson et al. 2016). 80

81 3.2 Ερώτημα και σχεδιασμός μελέτης Σε αυτό το τμήμα της μελέτης, στόχος είναι η διερεύνηση της τοπογραφίας των ατράκτων, με τους περιορισμούς του εξωκρανιακού ΗΕΓ, ιδίως όσον αφορά στην αξιολόγηση του πόσο καλά αντιπροσωπεύει ο μέσος όρος τις ατράκτους ενός υποκειμένου, καθώς και τη μελέτη πιθανών μεταβολών που μπορεί να συμβαίνουν κατά τη διάρκεια μιας ατράκτου. Συμπεριλήφθηκαν μόνο ταχείες άτρακτοι διάρκειας άνω των 500 ms, οι οποίες έπρεπε να βρίσκονται μακριά από αργά κύματα (δέλτα ή συμπλέγματα Κ) και στις οποίες ήταν σαφώς καθορισμένη η αρχή και το τέλος. Η αναγνώριση έγινε με επισκόπηση του εγκεφαλογραφήματος και τοποθετήθηκαν χειροκίνητα δείκτες στην πρώτη, τη μεσαία και την τελευταία κορυφή των ατράκτων (Εικόνα 2.22). Οι καταγραφές πραγματοποιήθηκαν με τη μεθοδολογία που αναφέρθηκε στα προηγούμενα κεφάλαια και η τοποθέτηση των δεικτών έγινε μέσα από το πρόγραμμα καταγραφής (SCAN 4.5). Εικόνα 2.22: Παραδείγματα ατράκτων Η άτρακτος στο 12:42 δεν συμπεριλήφθηκε στη μελέτη διότι είναι πάνω σε αργό κύμα. Η άτρακτος στο 12:46 συμπεριλήφθηκε και σημειώθηκαν η πρώτη, η μεσαία και η τελευταία κορυφή. 81

82 3.3 Μεθοδολογία παρουσίασης τοπογραφίας στο χώρο των ηλεκτροδίων Στην παρούσα μελέτη στόχος της τοπογραφικής ανάλυσης του εγκεφαλογραφήματος είναι η ευκρινής απεικόνιση ενός απλοϊκού χάρτη του δυναμικού στο τριχωτό της κεφαλής. Ως εκ τούτου, δεν απαιτούνται ρεαλιστικά μοντέλα κεφαλής και εγκεφάλου όπως στις περιπτώσεις ανάλυσης για σκοπούς μελέτης πηγών, αλλά ούτε και ακριβής μέτρηση της θέσης των ηλεκτροδίων στο χώρο αναλυτικά για κάθε υποκείμενο. Το μοντέλο που χρησιμοποιείται θεωρεί ότι η κεφαλή είναι σφαιρική και οι συντεταγμένες του κάθε ηλεκτροδίου υπολογίζονται με βάση το διεθνές πρότυπο τοποθέτησής τους. Οι καρτεσιανές συντεταγμένες των ηλεκτροδίων που χρησιμοποιήθηκαν έχουν υπολογισθεί στο χώρο σύμφωνα με το σύστημα από τον Oostenveld (Oostenveld and Praamstra 2001). Στον αλγόριθμο που υλοποιήθηκε για την εμφάνιση της τοπογραφίας μπορoύν επίσης να χρησιμοποιηθούν και συντεταγμένες που έχουν προκύψει από το σύστημα μέτρησης της θέσης των ηλεκτροδίων που είναι διαθέσιμο στο εργαστήριο νευροφυσιολογίας (Polhemus), οπότε τότε ο αλγόριθμος μετατρέπει τις καρτεσιανές συντεταγμένες σε πολικές και τις προβάλλει σε σφαίρα. Σε κάθε περίπτωση, τα ηλεκτρόδια προβάλλονται στις δυο διαστάσεις και δημιουργείται ένα επίπεδο. Εικόνα 2.23: Ο χώρος των ηλεκτροδίων Στο Α ρεαλιστική απεικόνιση από πλάγια, στο Β κάτοψη των ηλεκτροδίων στο σύστημα 10 10, εικόνες από Oostenveld and Praamstra Στο C κάτοψη των διαθέσιμων ηλεκτροδίων των καταγραφών με βάση την τοποθέτησή τους από τον αλγόριθμο, και στο D η σχηματική απεικόνιση πάνω στην οποία υπολογίζεται ο χάρτης του δυναμικού 82

83 Αφού έχει σχηματιστεί το επίπεδο πάνω στο οποίο είναι γνωστές οι συντεταγμένες των ηλεκτροδίων, τότε μπορούμε να θεωρήσουμε ότι υπάρχει μια συνάρτηση που δίνει τις τιμές του δυναμικού για κάθε σημείο του επιπέδου P(x,y), για την οποία στις θέσεις των ηλεκτροδίων έχουμε γνωστές τιμές. Ο αλγόριθμος υπολογίζει με παρεμβολή (interpolation) τις τιμές εντός του κύκλου ώστε να απεικονιστεί ομαλά ο χάρτης του δυναμικού. Για την παρεμβολή χρησιμοποιείται στο MATLAB η συνάρτηση griddata και από τις διαθέσιμες μεθόδους παρεμβολής που προσφέρει η συνάρτηση χρησιμοποιείται η biharmonic spline interpolation (Sandwell 1987). Εικόνα 2.24: Παράδειγμα τοπογραφικής απεικόνισης. Αριστερά 14 από τα 58 διαθέσιμα ηλεκτρόδια. Με κόκκινη γραμμή η χρονική στιγμή της τοπογραφικής απεικόνισης. Στο συγκεκριμένο παράδειγμα απεικονίζεται η μεσαία αρνητική κορυφή μιας ατράκτου, που παρουσιάζει μέγιστο κεντρικά, κοντά στο CZA 3.4 Μεθοδολογία ανάλυσης τοπογραφικών απεικονίσεων i) Προεπεξεργασία Μετά την αναγνώριση των ατράκτων και την τοποθέτηση των δεικτών ακολούθησε η μέτρηση της συχνότητάς τους με μέσο φασματογράφημα (Εικόνα 2.25). Για τον υπολογισμό του φασματογραφήματος, τμήματα εγκεφαλογραφήματος διάρκειας 6 s με κέντρο τη μέση κορυφή επεξεργάστηκαν στην πλατφόρμα ανάλυσης εγκεφαλογραφήματος (Κουππάρης 2009) στο MATLAB. Αυτό το στάδιο ήταν χρήσιμο για επιβεβαίωση της επιλογής γρήγορων ατράκτων καθώς και για τον καθορισμό της ζώνης συχνοτήτων μέσα στις οποίες εντοπίζονται οι άτρακτοι του υποκειμένου. Οι μετρήσεις σε αυτό το στάδιο λήφθηκαν υπόψη κατά το σχεδιασμό του φίλτρου που χρησιμοποιήθηκε στα επόμενα στάδια της προεπεξεργασίας. Για την τοπογραφική απεικόνιση καλό είναι να υπάρχει όσο δυνατόν πιο καθαρό σήμα σε όλα τα ηλεκτρόδια. Ο θόρυβος κατά τη διάρκεια του ύπνου, και ιδιαίτερα κατά τη μελέτη των ατράκτων όπου δεν υπάρχουν μικροαφυπνίσεις ή άλλες αιτίες μυικού παράσιτου, συνήθως πηγάζει από μετακινήσεις ηλεκτροδίων ή αύξηση της αντίστασής τους όσο στεγνώνει η γέλη ηλεκτρολυτών που χρησιμοποιείται στην τοποθέτηση της κάσκας μετά από μερικές ώρες. Αυτές οι καταστάσεις συνήθως αυξάνουν το θόρυβο της γραμμής του ρεύματος των 50 Hz και όταν είναι μικρός μπορεί να είναι εύκολο να 83

84 Εικόνα 2.25: Μέσο φασματογράφημα 317 ατράκτων από ένα υποκείμενο Ανάλυση στο ηλεκτρόδιο PZA. Πάνω απεικονίζεται ο μέσος όρος της κυματομορφής και δεξιά η μέση φασματική ισχύς. Στο φασματογράφημα έχει σημειωθεί η συχνότητα στην οποία εντοπίζεται η μέγιστη ισχύς (13,4 Hz) καθώς και τα όρια στα οποία παρατηρείται αλλαγή στη φασματική ισχύ (12 14,8 Hz στο φασματογράφημα, 11,3 15,7 Hz στον FFT) τα οποία θα μπορούσαν να χρησιμοποιηθούν για να ορίσουν τη ζώνη συχνοτήτων των ατράκτων σε αυτό το υποκείμενο. Οι μετρήσεις είναι συμβατές και επιβεβαιώνουν την αναγνώριση γρήγορων ατράκτων. αφαιρεθούν με φιλτράρισμα, αλλά δεν είναι σίγουρο ότι ένας έντονος θόρυβος δε θα επηρεάσει τη μορφολογία των ατράκτων και άρα την τοπογραφική μελέτη. Εκτός του θορύβου των 50 Hz που προέρχεται από εξωγενείς πηγές, το φιλτράρισμα μπορεί να αφαιρέσει και εγκεφαλογραφική δραστηριότητα του υποβάθρου που δεν σχετίζεται με τις ατράκτους αλλά μπορεί να επηρεάσει την τοπογραφική απεικόνιση. Το φίλτρο που χρησιμοποιήθηκε ήταν ζωνοπερατό Hz ώστε να περιλαμβάνει τη ζώνη συχνοτήτων των ατράκτων. Σε περίπτωση που το φίλτρο δεν είναι αρκετό για τη μείωση του θορύβου, μπορεί να αφαιρεθεί από τη μελέτη το ηλεκτρόδιο που έχει θόρυβο και να αντικατασταθεί με παρεμβολή (interpolation) χρησιμοποιώντας τα δεδομένα από τα υπόλοιπα ηλεκτρόδια. Στην περίπτωση όμως που για κάποια άτρακτο υπάρχουν πολλά ηλεκτρόδια με θόρυβο, τότε προτιμότερο είναι να αφαιρεθεί η συγκεκριμένη άτρακτος από τη μελέτη. Προφανώς κατά την επιλογή των ατράκτων, τμήματα εγκεφαλογραφήματος στα οποία υπήρχε έντονος θόρυβος σε όλα τα ηλεκτρόδια δεν χρησιμοποιήθηκαν, ωστόσο δεν έγινε επισκοπικός έλεγχος και των 58 ηλεκτροδίων. Για την αναγνώριση των ηλεκτροδίων με θόρυβο, χρησιμοποιήθηκε ο υπολογισμός της διακύμανσης (variance) του σήματος πριν το φιλτράρισμα (εικόνες 2.26 και 2.27). Συγκεκριμένα, υπολογίστηκε η διακύμανση για κάθε τμήμα 6 s γύρω από κάθε άτρακτο σε καθένα από τα ηλεκτρόδια. Στην περίπτωση όπου εμφανίζεται θόρυβος σε κάποιο ηλεκτρόδιο, αναμένεται ότι θα υπάρξει αύξηση της διακύμανσης. Έτσι, υπάρχει ένα μέτρο το οποίο μπορεί να εντοπίσει τα ηλεκτρόδια ή και τις ατράκτους που θα πρέπει να αφαιρεθούν. Στη συγκεκριμένη μελέτη το όριο που τέθηκε για να αφαιρεθεί μια άτρακτος 84

85 ήταν η εμφάνιση θορύβου σε πάνω από 10 ηλεκτρόδια. Εικόνα 2.26: Ανίχνευση θορύβου με απεικόνιση της διακύμανσης σε κάθε ηλεκτρόδιο Στον άξονα των y τα ηλεκτρόδια (με τη σειρά που αναγράφονται στην παράγραφο 1.5, σελίδα 43), στον άξονα των x οι άτρακτοι με σειρά χρονικής εμφάνισης. Η χρωματική κλίμακα που αντιπροσωπεύει τη διακύμανση είναι λογαριθμική. Όσο προχωράει η ώρα εμφανίζεται θόρυβος σε περισσότερα ηλεκτρόδια. Σε αυτό το υποκείμενο πάνω από τις μισές ατράκτους αφαιρέθηκαν από τη μελέτη, παρόλο που για παράδειγμα το PZA (ηλεκτρόδιο με αριθμό 35) ποτέ δεν παρουσιάζει ιδιαίτερο θόρυβο. Το όριο πάνω από το οποίο θεωρήθηκε υπερβολικός ο θόρυβος για να διορθωθεί με φιλτράρισμα τέθηκε εμπειρικά στο 4 (πράσινο χρώμα). Εικόνα 2.27: Πίνακας διακύμανσης για ανίχνευση θορύβου σε 2ο υποκείμενο Σε αυτή την περίπτωση ένα ηλεκτρόδιο (F3A) είναι θορυβώδες σε όλη την καταγραφή. Συνολικά μικρός αριθμός ατράκτων (11/120) πρέπει να αφαιρεθούν. 85

86 Εικόνα 2.28: Διόρθωση χειροκίνητα τοποθετημένων δεικτών Αριστερά επιπροβολή όλων των ατράκτων (μπλε) και μέσος όρος (κόκκινο) με χρόνο 0 τον χειροκίνητα τοποθετημένο δείκτη. Δεξιά μετά την αυτόματη διόρθωση. Μετά από το φιλτράρισμα ακολούθησε η αυτόματη χρονική διόρθωση των δεικτών που είχαν τοποθετηθεί χειροκίνητα, και άρα με κάποιο σφάλμα στην ακρίβεια εντόπισης της μέγιστης κορυφής. Χρησιμοποιώντας το φιλτραρισμένο σήμα από το ηλεκτρόδιο PZA, ο αλγόριθμος εντόπισε τη μέγιστη αρνητική κορυφή μέσα σε διάστημα ±50 ms από τους τοποθετημένους δείκτες (εικόνα 2.28). Η σημασία κάθε σταδίου της προεπεξεργασίας στην τοπογραφία συνοψίζεται στις εικόνες 2.29 και Εικόνα 2.29: Επίδραση της προεπεξεργασίας στην τοπογραφία Τοπογραφία του μέσου όρου της μεσαίας κορυφής. Στο Α χωρίς καμία επεξεργασία, στο Β μετά από φιλτράρισμα στα Hz, στο C όπως το B αλλά με διαφορετική χρωματική κλίμακα για να είναι ευκρινέστερες οι διαφορές, στο D μετά από αυτόματη διόρθωση των δεικτών, στο E μετά από αφαίρεση των ηλεκτροδίων στα οποία εντοπίστηκε θόρυβος, στο F μετά από αφαίρεση των ατράκτων στις οποίες πάνω από 10 ηλεκτρόδια είχαν θόρυβο 86

87 Εικόνα 2.30: Στάδια προεπεξεργασίας Τοπογραφία μέσου όρου μεσαίας κορυφής σε όλες τις εικόνες. Σε κάθε τοπογραφικό χάρτη η χρωματική κλίμακα έχει προσαρμοστεί για την ευκρινέστερη παρουσίαση. Κάθε βέλος αντιπροσωπεύει ένα στάδιο προεπεξεργασίας (πράσινο για το φιλτράρισμα, κόκκινο για τη διόρθωση των δεικτών, κυανό για την αφαίρεση ηλεκτροδίων και ατράκτων με έντονο θόρυβο. Ανεξάρτητα από τη σειρά των βημάτων, το τελικό αποτέλεσμα είναι παρόμοιο. Οι εικόνες από το υποκείμενο 2 (όπως στην εικόνα 2.27) 87

88 ii) Σύγκριση τοπογραφιών Για να μπορέσει να γίνει σύγκριση μεταξύ δυο τοπογραφικών απεικονίσεων, είναι απαραίτητο ένα μέτρο ομοιότητας ανάμεσα σε τοπογραφίες. Η μέθοδος που χρησιμοποιήθηκε έχει ως βάση αντίστοιχες μεθόδους από τη μελέτη της τοπογραφίας των προκλητών δυναμικών και στηρίζεται πάνω σε μελέτες της ομάδας του Lehmann (Lehmann and Skrandies 1980; Skrandies 1990), ενώ έχει συνοψιστεί περιγραφικά σε ανασκόπηση από τους Murray και συνεργάτες (Murray et al. 2008). Το πρώτο στάδιο είναι η κανονικοποίηση του τοπογραφικού χάρτη. Για αυτό το βήμα, αρχικά γίνεται μετατροπή του ηλεκτροδίου αναφοράς χρησιμοποιώντας το μέσο όρο όλων των ηλεκτροδίων (Common Average Reference) και εν συνεχεία υπολογίζεται η συνολική ισχύς του ηλεκτρικού πεδίου (Global Field Power) η οποία είναι ίση με την τυπική απόκλιση των τιμών των ηλεκτροδίων σε μια συγκεκριμένη χρονική στιγμή (Lehmann and Skrandies 1980). Για n ηλεκτρόδια που σε μια χρονική στιγμή έχουν τιμές E 1..n, το κάθε ηλεκτρόδιο μετασχηματίζεται σε e i=e i e, όπου η κοινή μέση αναφορά υπολογίζεται ως n 1 e = E i και η συνολική ισχύς πεδίου υπολογίζεται ως n i =1 GFP e = n 1 e 2i n i=1. Επειδή από τις τιμές των ηλεκτροδίων έχει αφαιρεθεί ο μέσος όρος, το GFP ισούται με την (χωρική) τυπική απόκλιση και η διαίρεση e i / GFP δίνει τις κανονικοποιημένες τιμές με μέσο όρο 0 και τυπική απόκλιση 1. Παράδειγμα της κανονικοποίησης δίνεται στην εικόνα 2.31, όπου οι πολύ χαμηλότερου δυναμικού πρώτη και τελευταία κορυφή των ατράκτων αντιπαραβάλλονται με την υψηλότερου δυναμικού μεσαία κορυφή. Εικόνα 2.31: Κανονικοποίηση με τη χρήση της GFP Η τοπογραφία του μέσου όρου της πρώτης (A, D), μεσαίας (B, E) και τελευταίας (C, F) κορυφής των ατράκτων. Στην κάτω σειρά έχει γίνει κανονικοποίηση. 88

89 Με τη χρήση των κανονικοποιημένων χαρτών μπορεί να οριστεί ένα μέτρο ανομοιότητας ανάμεσα σε δυο τοπογραφίες, η συνολική ανομοιότητα (Global Dissimilarity DISS). Ουσιαστικά οι κανονικοποιημένες τιμές των ηλεκτροδίων δημιουργούν δυο διανύσματα και η DISS ορίζεται ως εξής (Murray et al. 2008): n xi yi 2 1 DISS x, y = ( ), όπου xi και yi οι τιμές των ηλεκτροδίων σε αναφορά n i=1 GFP x GFPy κοινού μέσου όρου (common average reference) για δυο τοπογραφικούς χάρτες x και y. Η DISS λαμβάνει τιμές από 0, που υποδηλώνει απόλυτη ομοιότητα, έως 2, που υποδηλώνει αναστροφή της τοπογραφίας. Αντίστοιχο μέτρο είναι ο συντελεστής χωρικής συσχέτισης (Murray et al. 2008), ο οποίος είναι ισοδύναμος με τον συντελεστή συσχέτισης του Pearson και μπορεί να εκφραστεί, επειδή έχουμε ήδη αφαιρέσει το μέσο όρο από τις τιμές των ηλεκτροδίων, ως εξής: n x i y i C x, y= i =1 n n 2 i x i 1 n x i y i DISS 2x, y, και λαμβάνει τιμές από -1 έως 1. = =1 n GFP x GFP y 2 2 i=1 yi i 1 Έχοντας αριθμητικά μέτρα σύγκρισης, είναι πλέον εφικτή και η προσέγγιση με μη παραμετρικές μεθόδους στατιστικής ανάλυσης. Εφόσον συγκρίνονται δυο μέσοι όροι τοπογραφιών σε δυο διαφορετικές συνθήκες (πχ η πρώτη και η μεσαία κορυφή), υπολογίζεται η ανομοιότητα ανάμεσα στους μέσους όρους των τοπογραφιών και εν συνεχεία δημιουργείται μια εμπειρική κατανομή από πιθανές ανομοιότητες με πολλαπλές επαναλήψεις τυχαίων ανακατανομών των τοπογραφιών ανεξάρτητα από τη συνθήκη στην οποία ανήκουν. Τελικά, υπολογίζεται η πιθανότητα η εμπειρική κατανομή να έχει μεγαλύτερη τιμή από την πραγματική ανομοιότητα και δίνεται ως τιμή p. Στην βιβλιογραφία (Murray et al. 2008) η μέθοδος αυτή αναφέρεται ως TANOVA (Topographic ANOVA) αν και δεν εμπεριέχει ανάλυση διακύμανσης. Αυτή η διαδικασία μπορεί να απαντήσει στο ερώτημα κατά πόσο ο μέσος όρος σε δυο διαφορετικές συνθήκες παρουσιάζει διαφορετικούς τοπογραφικούς χάρτες. Το αριθμητικό μέτρο επιτρέπει παράλληλα και την αξιολόγηση της ποικιλομορφίας μέσα στην ίδια συνθήκη. Υπολογίζοντας την DISS ανάμεσα στην τοπογραφία κάθε μιας ατράκτου και την τοπογραφία του μέσου όρου, είναι εφικτή η προσέγγιση του ερωτήματος κατά πόσο ο μέσος όρος αντιπροσωπεύει καλά τις ατράκτους και τι απόκλιση παρουσιάζουν αυτές. Στην εικόνα 2.32 παρουσιάζονται ιστογράμματα για την κατανομή της DISS ανάμεσα στην τοπογραφία των κορυφών κάθε ατράκτου και το μέσο όρο. Κάνοντας μια επέκταση και θεωρώντας ένα πρότυπο που περιλαμβάνει και τις τρεις κορυφές (πρώτη, μεσαία, τελευταία) μπορούμε να ορίσουμε την απόσταση κάθε ατράκτου από το μέσο τέτοιο πρότυπο. Με αυτό τον τρόπο μπορεί να σχηματιστεί η κατανομή της συμπεριφοράς των ατράκτων σε σχέση με το μέσο όρο, όσον αφορά στις τρεις κορυφές υπό μελέτη ταυτόχρονα (εικόνα 2.33). 89

90 Εικόνα 2.32: Ιστογράμματα τιμών της DISS ανάμεσα σε κάθε άτρακτο και το μέσο όρο για την πρώτη, τη μεσαία και την τελευταία κορυφή. Σε γενικές γραμμές οι τιμές της DISS είναι μικρές, ωστόσο υπάρχουν άτρακτοι με τιμές κοντά στο 1, που σημαίνει ότι μπορεί να διαφέρουν αρκετά από το μέσο όρο Εικόνα 2.33: Κατανομή των τιμών της DISS ανάμεσα σε κάθε άτρακτο και το μέσο όρο θεωρώντας ως ενιαίο πρότυπο την πρώτη, τη μεσαία και τελευταία κορυφή Το ενιαίο πρότυπο έχει προκύψει θεωρώντας ως τοπογραφικό σύνολο τις κανονικοποιημένες τιμές των ηλεκτροδίων στις τρεις κορυφές Οι περισσότερες άτρακτοι διαφέρουν ελάχιστα από το μέσο πρότυπο, ωστόσο μερικές μπορεί να διαφέρουν σημαντικά iii) Ομαδοποίηση τοπογραφικών προτύπων Χρησιμοποιώντας το μέτρο σύγκρισης μεταξύ δυο τοπογραφιών είναι εφικτή η ομαδοποίηση των ατράκτων με βάση την τοπογραφία τους. Σε αυτή τη μελέτη χρησιμοποιήθηκε μια μέθοδος συσσωρευτικής ιεραρχικής ομαδοποίησης με χρήση πλήρους σύνδεσης complete linkage agglomerative hierarchical clustering (Seber 1984). Σε αυτή την οικογένεια αλγορίθμων, κάθε στοιχείο (στη συγκεκριμένη περίπτωση κάθε άτρακτος) αντιστοιχίζεται σε μια ομάδα και εν συνεχεία υπολογίζεται η απόσταση κάθε ομάδας από τις άλλες. Σε κάθε βήμα του αλγορίθμου οι δυο κοντινότερες ομάδες συνενώνονται ώστε τελικά να δημιουργηθεί μια ιεραρχική δομή. Οι διάφοροι αλγόριθμοι διαφέρουν μεταξύ τους στον τρόπο που ορίζεται η απόσταση μεταξύ δυο ομάδων. Στη μέθοδο απλής σύνδεσης (single linkage) ως απόσταση μεταξύ δυο ομάδων ορίζεται η κοντινότερη απόσταση που μπορεί να έχουν δυο στοιχεία που ανήκουν στις ομάδες αυτές. Με αυτή τη μέθοδο σταδιακά προκύπτει το φαινόμενο αλυσίδας, όπου μπορεί να 90

91 ομαδοποιούνται σε κάποιο στάδιο συστάδες των οποίων δυο στοιχεία είναι κοντά μεταξύ τους αλλά τα υπόλοιπα μπορεί να διαφέρουν σημαντικά. Αντίθετα, στη μέθοδο πλήρους σύνδεσης (complete linkage) η απόσταση μεταξύ δυο ομάδων ορίζεται ως η μέγιστη απόσταση που έχουν τα στοιχεία των δυο ομάδων. Αυτή η μέθοδος τείνει να δημιουργήσει πιο συμπαγείς ομάδες (Manning 2008). Ένας τρόπος αξιολόγησης της συσταδοποίησης είναι ο υπολογισμός της συνολικής εξηγούμενης διασποράς Global Explained Variance (GEV). Αρχικά υπολογίζεται ο συντελεστής χωρικής συσχέτισης (όπως ορίσθηκε νωρίτερα) ανάμεσα στην τοπογραφία κάθε στοιχείου και του μέσου όρου της συστάδας στην οποία ανήκει. Εν συνεχεία η συνολική εξηγούμενη διασπορά υπολογίζεται ως ακολούθως (Murray et al. 2008): max (GFP i C i,t )2 GEV = i =1 i max GFP i =1, 2 i όπου GFPi η συνολική ισχύς πεδίου για το στοιχείο i, T i η ομάδα στην οποία ανήκει το στοιχείο i, Ci,Ti ο χωρικός συντελεστής συσχέτισης ανάμεσα στο στοιχείο i και το μέσο όρο της συστάδας στην οποία αυτό ανήκει. Η GEV μπορεί να υπολογισθεί και για κάθε ομάδα ξεχωριστά. Εφόσον κάθε στοιχείο έχει υψηλό συντελεστή συσχέτισης με την ομάδα στην οποία ανήκει, η GEV θα τείνει στη μονάδα (στο 100%). Παράδειγμα εφαρμογής της μεθόδου δίνεται στην εικόνα Εικόνα 2.34: Ιεραρχική ομαδοποίηση Αριστερά, το ιεραρχικό δένδρο που προκύπτει από την ομαδοποίηση 109 ατράκτων. Με διαφορετικά χρώματα η κάθε ομάδα. Δεξιά, ο μέσος όρος της τοπογραφίας κάθε ομάδας, από την ομάδα με τη μεγαλύτερη εξηγούμενη διασπορά προς τη μικρότερη. Σημειώνεται η παρουσία μιας ακραίας περίπτωσης (1η από πάνω) η οποία σχηματίζει μόνη της την ομάδα G. Στο ιεραρχικό δένδρο από πάνω προς τα κάτω οι ομάδες G, E, C, F, B, D, A. Στο συγκεκριμένο παράδειγμα ζητήθηκαν 7 συστάδες. Στο επόμενο βήμα του αλγορίθμου θα γινόταν συνένωση των ομάδων C και E. 91

92 Επεκτείνοντας την ανάλυση και θεωρώντας ως ενιαίο τοπογραφικό πρότυπο τις τρεις κορυφές (πρώτη, μεσαία, τελευταία) όπως αναφέρθηκε στην προηγούμενη ενότητα, είναι εφικτή η ομαδοποίηση των ατράκτων με βάση την συνολική τους συμπεριφορά. Παράδειγμα τέτοιας ομαδοποίησης στην εικόνα 2.35 Εικόνα 2.35: Ομαδοποίηση με ενιαίο τοπογραφικό πρότυπο τις τρεις κορυφές Το ενιαίο τοπογραφικό πρότυπο έχει προκύψει από τις κανονικοποιημένες τιμές των ηλεκτροδίων στην πρώτη, μεσαία και τελευταία κορυφή των ατράκτων. Η ομαδοποίηση χωρίζει τις ατράκτους με βάση τη συνολική τους συμπεριφορά. Στο συγκεκριμένο παράδειγμα σε 109 ατράκτους από ένα υποκείμενο οι 5 ομάδες εξηγούν το 75% της συνολικής διακύμανσης. Οι περισσότερες άτρακτοι ακολουθούν το πρότυπο της πρώτης ομάδας, με κεντρική βρεγματική κατανομή στις τρεις κορυφές. Μικρός αριθμός ατράκτων παρουσιάζει μια τάση μετακίνησης περισσότερο μετωπιαία (2η ομάδα), ενώ σε μικρότερο αριθμό οι μετακινήσεις είναι σαφώς εντονότερες. Η υπόθεση της μετακίνησης στην τοπογραφία μπορεί να ελεγχθεί χρησιμοποιώντας τις διαφορές μεταξύ των κανονικοποιημένων τιμών των ηλεκτροδίων στις τρεις διαφορετικές κορυφές. Οι συνδυασμοί που προκύπτουν (μεσαία πρώτη, τελευταία μεσαία, και τελευταία πρώτη) μπορούν να θεωρηθούν εκ νέου τοπογραφικά πρότυπα και να μελετηθούν με τις τεχνικές που περιγράφηκαν. Έτσι, μπορεί να εκτιμηθεί το τοπογραφικό πρότυπο της μέσης μετατόπισης των ατράκτων, η διακύμανση ανάμεσα στις ατράκτους και η ομαδοποίηση σε πρότυπα μετακίνησης. Οι τεχνικές αυτές παρουσιάζονται συνοπτικά σε ένα υποκείμενο στην εικόνα

93 Εικόνα 2.36: Εφαρμογή τεχνικών παρουσίασης μέσου όρου, ιστογραμμάτων διακύμανσης DISS, και ομαδοποίησης σε τοπογραφικές διαφορές. Αριστερά η διαφορά πρώτης από τη μεσαία κορυφή, στη μέση η διαφορά μεσαίας από την τελευταία κορυφή, και δεξιά, η διαφορά πρώτης από την τελευταία κορυφή. Στην πάνω σειρά οι μέσοι όροι. Μπλε χρώμα υποδηλώνει ότι η άτρακτος γίνεται πιο αρνητική στην δεύτερη κορυφή. Στη μεσαία γραμμή οι κατανομές DISS για τις τρεις διαφορές. Υπάρχει πολύ μεγάλη ποικιλομορφία και ο μέσος όρος δε φαίνεται να αντιπροσωπεύει σωστά όλες τις ατράκτους. Κάτω παρουσιάζονται ομαδοποιήσεις με 7, 6 και 4 ομάδες. Υπάρχουν ομάδες για όλες τις πιθανές μετακινήσεις στον άξονα μπροστά πίσω και αριστερά δεξιά. Όλες οι εικόνες σε 109 ατράκτους από ένα υποκείμενο. Οι μετακινήσεις αυτές έχουν υπολογιστεί πάνω σε κανονικοποιημένους τοπογραφικούς χάρτες και δε δίνουν πληροφορία για το πραγματικό δυναμικό της μετακίνησης. 93

94 3.5 Αποτελέσματα από 6 καταγραφές Για τη μελέτη αυτή χρησιμοποιήθηκαν 6 καταγραφές από υγιείς εθελοντές (2 άνδρες και 4 γυναίκες) ηλικίας 22 έως 26 ετών (μέσος όρος 25). Με βάση τα κριτήρια που περιγράφηκαν στην παράγραφο 3.2 και αφού ακολούθησε η διαδικασία της προεπεξεργασίας και η αφαίρεση του θορύβου, συμπεριλήφθηκαν 722 άτρακτοι. Η διαδικασία των καταγραφών περιγράφεται στο κεφάλαιο 1.5. i) Διαφορές πρώτης, μεσαίας και τελευταίας κορυφής στο μέσο όρο Σε όλα τα υποκείμενα η συνολική ανομοιότητα (DISS) μεταξύ πρώτης και μεσαίας κορυφής ήταν στατιστικά σημαντική, ενώ μεταξύ μεσαίας και τελευταίας ήταν σημαντική μόνο σε 3/6 υποκείμενα. Σε 5/6 υποκείμενα, η ανομοιότητα ήταν μεγαλύτερη ανάμεσα στην πρώτη και τη μεσαία κορυφή σε σχέση με την ανομοιότητα ανάμεσα στη μεσαία και την τελευταία. Σε όλα τα υποκείμενα η ανομοιότητα μεταξύ πρώτης και τελευταίας κορυφής ήταν επίσης στατιστικά σημαντική, σε 5/6 υποκείμενα μεγαλύτερη από την ανομοιότητα μεταξύ πρώτης και μεσαίας κορυφής, ενώ επίσης σε 5/6 υποκείμενα ήταν μεγαλύτερη από την ανομοιότητα μεταξύ μεσαίας και τελευταίας κορυφής. Τα αποτελέσματα συνοψίζονται στον πίνακα 2.4 και την εικόνα Σημειώνεται ότι για τον υπολογισμό της στατιστικής σημαντικότητας υπολογίσθηκαν οι τιμές του p για κάθε DISS με τη μέθοδο των επαναλήψεων με τυχαίες ανακατανομές όπως περιγράφηκε παραπάνω. Χρησιμοποιήθηκαν επαναλήψεις, δίνοντας ακρίβεια έως το 4 δεκαδικό ψηφίο. Συμβατικά, όριο στατιστικής σημαντικότητας τέθηκε το 0,05. Στο συνολικό μέσο όρο των κανονικοποιημένων τοπογραφικών απεικονίσεων των ατράκτων από όλα τα υποκείμενα μαζί (Grand Average εικόνα 2.37), οι DISS μεταξύ πρώτης και μεσαίας, καθώς και πρώτης και τελευταίας κορυφής, ήταν στατιστικά σημαντικές, με την δεύτερη να είναι μεγαλύτερη, ενώ η ανομοιότητα μεταξύ μεσαίας και τελευταίας κορυφής ήταν πολύ μικρή αν και παρέμεινε οριακά στατιστικά σημαντική (p=0,0323). Εικόνα 2.37: Συνολικός μέσος όρος κανονικοποιημένων απεικονίσεων από όλα τα υποκείμενα (Grand Average) για την πρώτη, μεσαία και τελευταία κορυφή Παρουσιάζεται μια μικρή μετατόπιση προς τα μπροστά ιδίως ανάμεσα στην πρώτη και τη μεσαία κορυφή. Οι απεικονίσεις της μεσαίας με την τελευταία κορυφή έχουν πολύ μικρή διαφορά. Οι εικόνες προκύπτουν από το μέσο όρο των κανονικοποιημένων απεικονίσεων σε 722 ατράκτους από τα 6 υποκείμενα. 94

95 Πίνακας 2.4: Συνολική ανομοιότητα DISS μεταξύ των κορυφών σε όλα τα υποκείμενα Υποκείμενο Πρώτη Μεσαία Μεσαία Τελευταία Πρώτη Τελευταία 1 0,1280 (0,0266) 0,2244 (<0,0001) 0,1970 (0,0004) 2 0,2353 (<0,0001) 0,1305 (0,1546) 0,3422 (<0,0001) 3 0,2967 (0,0040) 0,1701 (0,1742) 0,4229 (0,0005) 4 0,4412 (<0,0001) 0,2884 (<0,0001) 0,7146 (<0,0001) 5 0,2694 (<0,0001) 0,1463 (0,0233) 0,2086 (0,0071) 6 0,3028 (<0,0001) 0,1366 (0,0949) 0,4259 (<0,0001) Μέσος όρος (± SD) 0,2789 (±0,1020) 0,1827 (±0,0620) 0,3852 (±0,1898) Grand Average 0,0859 (0,0323) 0,3770 (<0,0001) 0,3226 (<0,0001) Για όλα τα υποκείμενα και για το συνολικό μέσο όρο δίνονται οι τιμές της DISS και σε παρένθεση οι τιμές του p. Για το μέσο όρο σε παρένθεση η τυπική απόκλιση. Όριο στατιστικής σημαντικότητας θεωρήθηκε το p<0.05. Οι τιμές της DISS από τον πίνακα 2.4 σε αντιπαραβολή με τους τοπογραφικούς χάρτες της εικόνας 2.38 δίνουν μια αίσθηση της ανομοιότητας που πρεσβεύουν. Η μέγιστη τιμή 0,7146 που παρατηρήθηκε αντιστοιχεί στην διαφορά πρώτης με τελευταίας κορυφής στο υποκείμενο που απεικονίζεται πάνω δεξιά, ενώ η μικρότερη τιμή 0,1280 αντιστοιχεί στη διαφορά πρώτης με μεσαίας κορυφής στο υποκείμενο που απεικονίζεται πάνω αριστερά. Η στατιστική σημαντικότητα αυτής της ανομοιότητας προκύπτει από τη διαδικασία που περιγράφηκε (στην παράγραφο 3.4 ii) ως TANOVA. Εικόνα 2.38: Μέσος όρος των κορυφών των ατράκτων για κάθε υποκείμενο Αριστερά από πάνω προς τα κάτω τα υποκείμενα 1-3, δεξιά τα υποκείμενα 4-6. Οι εικόνες είναι κανονικοποιημένες από το μέσο όρο για κάθε υποκείμενο 95

96 ii) Ποικιλομορφία ατράκτων Για την αξιολόγηση της ποικιλομορφίας των ατράκτων σε κάθε κορυφή απεικονίζονται ιστογράμματα με την ανομοιότητα κάθε ατράκτου σε σχέση με το μέσο όρο. Στις εικόνες 2.39 και 2.40 παρουσιάζονται αντίστοιχα οι κατανομές των ανομοιοτήτων (DISS) για το συνολικό μέσο όρο (Grand Average) όλων των υποκειμένων και για το μέσο όρο κάθε υποκειμένου ξεχωριστά. Εικόνα 2.39: Κατανομή της DISS ανάμεσα σε κάθε άτρακτο και το συνολικό μέσο όρο (Grand Average) όλων των υποκειμένων Όπως είναι αναμενόμενο, η τοπογραφία του συνολικού μέσου όρου των υποκειμένων (Grand Average) παρόλο που ταιριάζει άριστα με τα βιβλιογραφικά δεδομένα, δεν αντιπροσωπεύει πολύ καλά κάθε μια άτρακτο. Είναι άλλωστε εμφανής η διαφορά των μέσων όρων σε κάθε υποκείμενο (εικόνα 2.38), οπότε οι άτρακτοι κάθε υποκειμένου μπορεί να διαφέρουν σημαντικά από τον συνολικό μέσο όρο. Εικόνα 2.40: Κατανομή της DISS ανάμεσα σε κάθε άτρακτο και το μέσο όρο κάθε υποκειμένου 96

97 Συγκρίνοντας τις τρεις κορυφές μεταξύ τους, είναι εμφανής η αυξημένη ποικιλομορφία της τελευταίας κορυφής (ιδιαίτερα έντονη στα υποκείμενα 3 κάτω αριστερά, 5 δεξιά μέση και 6 κάτω δεξιά στην εικόνα 2.40). Για να ποσοτικοποιηθεί περαιτέρω αυτή η διαφορά χρησιμοποιήθηκε η συνολική εξηγούμενη διασπορά (Global Explained Variance GEV) που αναφέρθηκε προηγουμένως, σαν να έγινε ομαδοποίηση σε μια μοναδική συστάδα, το μέσο όρο. Παράλληλα, τέθηκε ως αυθαίρετο όριο το DISS 0,75 (σύγκριση και με τον πίνακα 2.4 όπου η μεγαλύτερη DISS που παρατηρήθηκε ήταν 0,71), και υπολογίσθηκε το ποσοστό των ατράκτων με DISS σε σχέση με το μέσο όρο κάθε υποκειμένου μεγαλύτερη από 0,75 (πίνακας 2.5). Πίνακας 2.5: Συνολική εξηγούμενη διασπορά (GEV) και ποσοστό ατράκτων με DISS > 0,75 σε σχέση με το μέσο όρο Υποκείμενο Πρώτη Μεσαία Τελευταία GEV DISS >0,75 GEV DISS >0,75 GEV DISS >0, ,22% 20,34% 80,88% 6,78% 76,21% 19,49% 2 77,69% 11,93% 77,17% 12,84% 54,23% 33,94% 3 61,94% 20,88% 64,90% 24,18% 52,44% 47,25% 4 68,42% 17,84% 80,46% 4,86% 66,57% 21,62% 5 77,89% 12,00% 85,63% 3,00% 62,08% 28,00% 6 79,70% 15,13% 74,99% 10,92% 60,01% 36,97% Συνολικός 65,76% μέσος όρος 21,47% 65,95% 22,44% 45,06% 53,19% Η μικρότερη GEV καθώς και τα μεγαλύτερα ποσοστά DISS >0,75 σημειώνονται στην τελευταία κορυφή, ενώ τα μικρότερα στη μεσαία. Συνοπτικά, η ποικιλομορφία της τοπογραφίας των ατράκτων είναι μεγαλύτερη στην τελευταία και λιγότερο στην πρώτη κορυφή, ενώ σε 3/6 υποκείμενα υπάρχει ένα ποσοστό τουλάχιστον 10% των ατράκτων στο οποίο και η μεσαία κορυφή διαφέρει αρκετά (DISS > 0.75) από το μέσο όρο. Θεωρώντας ως ενιαίο τοπογραφικό πρότυπο την πρώτη, τη μεσαία και την τελευταία κορυφή ταυτόχρονα (όπως περιγράφηκε στην ενότητα 3.4 ii) υπολογίζεται η DISS ανάμεσα σε κάθε άτρακτο και το συνολικό μέσο όρο (εικόνα 2.41). Σε αυτή την περίπτωση, 30,61% των ατράκτων παρουσιάζουν DISS > 0,75, ενώ η GEV ανέρχεται σε 58,34% Εικόνα 2.41: DISS ανάμεσα σε κάθε άτρακτο και το συνολικό μέσο Αντίστοιχα οι κατανομές της DISS ανάμεσα σε κάθε όρο θεωρώντας ως ενιαίο άτρακτο και το μέσο όρο από κάθε υποκείμενο πρότυπο τις τρεις κορυφές απεικονίζονται στην εικόνα Και σε αυτή την περίπτωση υπάρχει μια ομάδα ατράκτων που δεν 97

98 αντιπροσωπεύεται ικανοποιητικά από το μέσο όρο. Θέτοντας πάλι το ίδιο αυθαίρετο όριο, τα ποσοστά των ατράκτων που παρουσιάζουν DISS >0,75 είναι για κάθε υποκείμενο αντίστοιχα 11,86%, 11,01%, 27,47%, 9,19%, 4% και 16,81%. Ομοίως, η GEV για κάθε υποκείμενο είναι 70,64%, 68,44%, 59,25%, 70,15%, 73,55% και 67,48%. Εικόνα 2.42: Κατανομή DISS ανάμεσα σε κάθε άτρακτο και το μέσο όρο, θεωρώντας τις κορυφές ενιαίο τοπογραφικό πρότυπο iii) Αναγνώριση τοπογραφικών προτύπων ατράκτων Έχοντας εξακριβώσει ότι ο μέσος όρος δεν αντιπροσωπεύει ικανοποιητικά την ποικιλομορφία των ατράκτων, το επόμενο στάδιο της μελέτης είναι η ομαδοποίηση των ατράκτων σε μια προσπάθεια να αναγνωρισθούν τα τοπογραφικά πρότυπα που εξηγούν μεγάλο μέρος της διασποράς. Η ανάλυση έγινε αρχικά ξεχωριστά για κάθε κορυφή και εν συνεχεία θεωρώντας ως ενιαίο τοπογραφικό πρότυπο τις τρεις κορυφές. Πρώτη Κορυφή Τα αποτελέσματα της ομαδοποίησης για 6 συστάδες σε όλες τις ατράκτους από όλα τα υποκείμενα παρουσιάζονται στην εικόνα Τα πρότυπα που αναγνωρίζονται για την πρώτη κορυφή έχουν κατανομή κεντρικά βρεγματικά ενώ ένα μικρότερο ποσοστό, περίπου 7,8%, έχει πρόσθια κατανομή. Σημειώνεται ότι παρατηρούνται ασυμμετρίες και στον άξονα αριστερά δεξιά, με τις ατράκτους να ομαδοποιούνται σε μεγάλες ομάδες που παρουσιάζουν πλαγίωση, ενώ μια ομάδα παραμένει συμμετρική με 145/722 (20%) ατράκτους. Είναι εμφανείς οι διαφορές από την απεικόνιση του μέσου όρου της εικόνας Τα αποτελέσματα για κάθε υποκείμενο ξεχωριστά παρουσιάζονται στην εικόνα Σε 98

99 όλα αναγνωρίζονται πρότυπα με κατανομές κεντρικά βρεγματικά, υπάρχει μικρός αριθμός ατράκτων με περισσότερο πρόσθια κατανομή, ενώ παρατηρούνται και ασυμμετρίες στον άξονα αριστερά δεξιά. Καθώς οι αριθμοί είναι μικρότεροι, μερικές ομάδες δεν είναι τόσο ξεκάθαρες όσο στα συνολικά αποτελέσματα. Εικόνα 2.43: Ομαδοποίηση σε 6 συστάδες της τοπογραφικής απεικόνισης της πρώτης κορυφής για όλα τα υποκείμενα. Η συνολική εξηγούμενη διασπορά (GEV) ήταν 82%. Οι περισσότερες άτρακτοι ταξινομούνται σε ομάδες με κατανομή κεντρικά βρεγματικά είτε με ήπια ασυμμετρία προς τα αριστερά (ομάδα άνω αριστερά) ή τα δεξιά (ομάδες άνω μέση και κάτω αριστερά) είτε συμμετρική κεντρική κατανομή (ομάδα άνω δεξιά). Λιγότερες άτρακτοι (57/722 7,8% που αντιστοιχούν σε συνολική GEV 5%) παρουσιάζουν κατανομή πρόσθια δεξιά ή αριστερά (ομάδες κάτω μέση και δεξιά). 99

100 Υποκείμενο 1 Υποκείμενο 2 Υποκείμενο 3 Υποκείμενο 4 Υποκείμενο 5 Υποκείμενο 6 Εικόνα 2.44: Συσταδοποίηση της πρώτης κορυφής σε 6 ομάδες για το κάθε υποκείμενο ξεχωριστά 100

101 Μεσαία Κορυφή Τα αποτελέσματα της ομαδοποίησης για 6 συστάδες σε όλες τις ατράκτους από όλα τα υποκείμενα παρουσιάζονται στην εικόνα Τα πρότυπα που αναγνωρίζονται για την μεσαία κορυφή έχουν κεντρική κατανομή με ένα ποσοστό περίπου 16% να παρουσιάζει πρόσθια κατανομή. Οι ασυμμετρίες στον άξονα αριστερά δεξιά είναι μικρότερες από αυτές που παρατηρούνται στις ομάδες για την πρώτη κορυφή. Στα αποτελέσματα για κάθε υποκείμενο ξεχωριστά, που παρουσιάζονται στην εικόνα 2.46, αναγνωρίζονται πρότυπα με πλαγίωση, ωστόσο η πλέον εμφανής διαφορά υπάρχει στον προσθιοπίσθιο άξονα. Εικόνα 2.45: Ομαδοποίηση σε 6 συστάδες της τοπογραφικής απεικόνισης της μεσαίας κορυφής για όλα τα υποκείμενα. Η συνολική εξηγούμενη διασπορά (GEV) ήταν 86% Οι ομάδες που σχηματίζονται παρουσιάζουν διαφορές στον προσθιοπίσθιο άξονα και μόνο μικρή πλαγίωση. Οι περισσότερες άτρακτοι έχουν κεντρική κατανομή, αλλά ένα ποσοστό παρουσιάζει μέγιστο μετωπιαία (ομάδες δεξιά άνω και κάτω στην εικόνα, με συνολικό αριθμό ατράκτων 118/722 16%) 101

102 Υποκείμενο 1 Υποκείμενο 2 Υποκείμενο 3 Υποκείμενο 4 Υποκείμενο 5 Υποκείμενο 6 Εικόνα 2.46: Συσταδοποίηση της μεσαίας κορυφής σε 6 ομάδες για το κάθε υποκείμενο ξεχωριστά 102

103 Τελευταία Κορυφή Τα αποτελέσματα της ομαδοποίησης για 6 συστάδες σε όλες τις ατράκτους από όλα τα υποκείμενα παρουσιάζονται στην εικόνα Στα πρότυπα που αναγνωρίζονται οι μισές περίπου άτρακτοι (354/722) έχουν κεντρική κατανομή, ένα ποσοστό 28% οπίσθια και άλλο ένα 23% μετωπιαία κατανομή. Είναι επίσης εμφανείς οι ασυμμετρίες στον άξονα αριστερά δεξιά. Στα αποτελέσματα για κάθε υποκείμενο ξεχωριστά, που παρουσιάζονται στην εικόνα 2.48, αναγνωρίζονται αντίστοιχα πρότυπα σε όλα τα υποκείμενα. Εικόνα 2.47: Ομαδοποίηση σε 6 συστάδες της τοπογραφικής απεικόνισης της τελευταίας κορυφής για όλα τα υποκείμενα. Η συνολική εξηγούμενη διασπορά (GEV) ήταν 76% Οι μισές περίπου άτρακτοι (354/722) έχουν κεντρική κατανομή, ένα ποσοστό 28% (ομάδες άνω μέση και δεξιά) έχουν οπίσθια και μπορεί να εμφανίζουν μικρή πλαγίωση, και ένα ποσοστό 23% μετωπιαία κατανομή (τρεις ομάδες στο κάτω μέρος της εικόνας) με ή χωρίς πλαγίωση. 103

104 Υποκείμενο 1 Υποκείμενο 2 Υποκείμενο 3 Υποκείμενο 4 Υποκείμενο 5 Υποκείμενο 6 Εικόνα 2.48: Συσταδοποίηση της τελευταίας κορυφής σε 6 ομάδες για το κάθε υποκείμενο ξεχωριστά 104

105 Ενιαίο πρότυπο Χρησιμοποιώντας ως ενιαίο πρότυπο τις τρεις κορυφές και εφαρμόζοντας τον αλγόριθμο συσταδοποίησης για 6 ομάδες, λαμβάνονται τα αποτελέσματα που απεικονίζονται στην εικόνα Οι τρεις σημαντικότερες ομάδες είναι οι ακόλουθες: ένα πρότυπο όπου το μέγιστο της κορυφής παραμένει σταθερό κεντρικά στο ύψος του PZA, ένα πρότυπο όπου υπάρχει μια μετακίνηση προς τα εμπρός με το μέγιστο να μετακινείται από το PZA στο CZ και στο CZA, και τέλος, ένα πρότυπο με παρόμοια αλλά μικρότερη μετακίνηση προς τα εμπρός. Οι υπόλοιπες τρεις ομάδες περιλαμβάνουν πολύ λιγότερες ατράκτους και οι μετακινήσεις είναι από κεντρικά προς μετωπιαία και λίγο δεξιά (από το ύψος του CZ στο F2), από μετωπιαία προς τα πίσω (Fz προς PZA) και τέλος από κεντρικά προς μετωπιαία και εν συνεχεία προς βρεγματικά. Εικόνα 2.49: Συσταδοποίηση σε 6 ομάδες λαμβάνοντας ως ενιαίο πρότυπο τις κορυφές των ατράκτων Η συσταδοποίηση για κάθε υποκείμενο παρουσιάζεται στις εικόνες 2.50 έως Για κάθε υποκείμενο ζητήθηκαν αυθαίρετα 6 ομάδες. Στα περισσότερα υποκείμενα η πολυπληθέστερη συστάδα παραμένει σταθερή κεντρικά στο ύψος του PZA, ενώ υπάρχουν ομάδες που μετακινούνται στον προσθιοπίσθιο άξονα, συνηθέστερα από πίσω προς τα εμπρός και σπανιότερα από εμπρός προς τα πίσω. 722 άτρακτοι από 6 υποκείμενα. Συνολική GEV 70,41% 105

106 Υποκείμενο 1: Το συνηθέστερο πρότυπο είναι η διατήρηση σταθερά του μεγίστου κεντρικά οπίσθια (PZA). Σπανιότερα παρατηρούνται μετακινήσεις τόσο από πίσω προς τα εμπρός όσο και από μπροστά προς τα πίσω. Σημειώνεται ότι η 2η ομάδα παρουσιάζει μια μετακίνηση από δεξιά προς τα αριστερά. Υποκείμενο 2: Το συνηθέστερο πρότυπο είναι η διατήρηση του μεγίστου σταθερά κεντρικά οπίσθια. Σημαντικός αριθμός παρουσιάζει μετακίνηση προς τα εμπρός στην τελευταία κορυφή. Πλαγίωση και μετακινήσεις στον άξονα αριστερά δεξιά παρατηρούνται σε μικρές ομάδες ατράκτων. Συνολική GEV 77% Συνολική GEV 78% Εικόνα 2.50: Ομαδοποίηση σε 6 συστάδες με ενιαίο πρότυπο για τα υποκείμενα 1 και 2 106

107 Υποκείμενο 3: Το συνηθέστερο πρότυπο είναι η διατήρηση σταθερά του μεγίστου κεντρικά οπίσθια (PZA). Παρατηρούνται μετακινήσεις από πίσω προς τα εμπρός είτε από την πρώτη στη μεσαία είτε από τη μεσαία στην τελευταία κορυφή. Υποκείμενο 4: Σε αυτή την περίπτωση το συνηθέστερο πρότυπο είναι η μετακίνηση από πίσω προς τα εμπρός, ενώ παρατηρούνται και μετακινήσεις από πίσω προς τα εμπρός και πάλι πίσω (ομάδα 3) και το ανάποδο (ομάδα 4). Συνολική GEV 75% Συνολική GEV 78% Εικόνα 2.51: Ομαδοποίηση σε 6 συστάδες με ενιαίο πρότυπο για τα υποκείμενα 3 και 4 107

108 Υποκείμενο 5: Σε αυτή την περίπτωση παρατηρούνται όλες οι πιθανές μετακινήσεις στον προσθιοπίσθιο άξονα, δηλαδή σταθερότητα του μεγίστου, κίνηση από πίσω προς τα μπροστά και από μπροστά προς τα πίσω. Συνολική GEV 82% Υποκείμενο 6: Και σε αυτό το υποκείμενο η συνηθέστερη κατάσταση είναι η σταθερότητα του μέγιστου στο ύψος του PZA, ενώ σημαντικός αριθμός ατράκτων μετακινείται από πίσω προς τα εμπρός και μικρότερος αριθμός από μπροστά προς τα πίσω. Συνολική GEV 79% Εικόνα 2.52: Ομαδοποίηση σε 6 συστάδες με ενιαίο πρότυπο για τα υποκείμενα 5 και 6 108

109 iv) Διαφορές μεταξύ κορυφών Τα αποτελέσματα από τις διαφορές μεταξύ των κανονικοποιημένων τοπογραφικών χαρτών στις 722 ατράκτους από 6 υποκείμενα απεικονίζονται στην εικόνα Μεταξύ μεσαίας και πρώτης κορυφής επικρατεί η μετακίνηση της αρνητικής κορυφής μετωπιαία, η οποία δίνει στην τοπογραφική απεικόνιση του μέσου όρου τις αρνητικές τιμές με μέγιστο στα ηλεκτρόδια F1, Fz και F2. Παρουσιάζεται ωστόσο πολύ μεγάλη ποικιλομορφία με αρκετές περιπτώσεις να φτάνουν τιμές ανομοιότητας με το μέσο όρο εως 2, ενώ η GEV (λαμβάνοντας υπόψη μόνο το μέσο όρο) είναι 47%. Στην ομαδοποίηση διαπιστώνονται συστάδες με αντίστροφη διαφορά (αρνητικές τιμές πίσω) καθώς και συστάδες με μετακινήσεις στον άξονα αριστερά δεξιά. Η συνολική GEV της ομαδοποίησης είναι 62%. Εικόνα 2.53: Διαφορές μεταξύ κορυφών σε 722 ατράκτους από 6 υποκείμενα Στο πάνω τμήμα της εικόνας απεικονίζεται η τοπογραφία των διαφορών μεταξύ των κορυφών (από αριστερά προς δεξιά: μεσαία πρώτη, τελευταία μεσαία, τελευταία πρώτη). Στο μεσαίο τμήμα απεικονίζεται η κατανομή της DISS ανάμεσα σε κάθε άτρακτο και το μέσο όρο που αντιπροσωπεύει την ποικιλομορφία των διαφορών. Στο κατώτερο τμήμα απεικονίζεται η συσταδοποίηση για 6 ομάδες στις διαφορές των κορυφών. 109

110 Στη διαφορά μεταξύ τελευταίας και μεσαίας κορυφής παρατηρείται μια συγκέντρωση θετικών τιμών κεντρικά βρεγματικά με μέγιστο στο PZA, το οποίο υποδηλώνει ότι η τελευταία κορυφή είναι λιγότερο αρνητική σε αυτές τις περιοχές. Ο μέσος όρος εξηγεί (GEV) μόνο το 18% της συνολικής διακύμανσης, και οι περισσότερες άτρακτοι παρουσιάζουν μεγάλη ανομοιότητα. Η ομαδοποίηση με συνολική GEV 61% αναδεικνύει μετακινήσεις από πίσω προς τα εμπρός με ταυτόχρονη μετακίνηση από δεξιά προς τα αριστερά και το αντίστροφο, ενώ υπάρχουν και κινήσεις από εμπρός προς τα πίσω. Η διαφορά μεταξύ τελευταίας και πρώτης κορυφής ουσιαστικά παρουσιάζει το ίδιο πρότυπο με τη διαφορά μεταξύ μεσαίας και πρώτης κορυφής. Ο μέσος όρος υποδηλώνει μετακίνηση της αρνητικής κορυφής προς τα εμπρός και εξηγεί το 46% της διακύμανσης, υπάρχει έντονη ποικιλομορφία και η συσταδοποίηση δίνει ομάδες που εξηγούν το 62% και παρουσιάζουν μετακινήσεις από πίσω προς τα εμπρός και το αντίστροφο, καθώς και από δεξιά προς τα αριστερά και το αντίστροφο. Τα αποτελέσματα για κάθε υποκείμενο ξεχωριστά παρουσιάζονται στο παράρτημα στις εικόνες 5.1 έως 5.6 (σελίδες ). Σε κάθε υποκείμενο και για κάθε συνδυασμό κορυφών υπάρχουν ομάδες με μετακινήσεις όπως περιγράφηκαν στο μέσο όρο, αν και οι μεταξύ τους αναλογίες ποικίλλουν. 3.6 Σύνοψη και συζήτηση Συνολικά συγκεντρώθηκαν 722 άτρακτοι από 6 υποκείμενα και πραγματοποιήθηκε ανάλυση των τοπογραφικών χαρτών και διερεύνηση των διαφορών μεταξύ της πρώτης, της μεσαίας και της τελευταίας κορυφής τους. Μελετήθηκε ο μέσος όρος, η ποικιλομορφία, τα τοπογραφικά πρότυπα με βάση τους αλγόριθμους ομαδοποίησης καθώς και οι τοπογραφικές διαφορές μεταξύ κορυφών. Ο μέσος όρος από όλες τις ατράκτους παρουσιάζει κατανομή κεντρικά βρεγματικά στην πρώτη κορυφή, με μικρή μετατόπιση προς τα εμπρός στη μεσαία και την τελευταία κορυφή (εικόνα 2.37). Σε όλα τα υποκείμενα ο συντελεστής ανομοιότητας ανάμεσα στην πρώτη και τη μεσαία κορυφή καθώς και την πρώτη και τελευταία κορυφή ανέδειξε στατιστικά σημαντικές διαφορές (πίνακας 2.4), ενώ ανάμεσα στην μεσαία και την τελευταία κορυφή οι διαφορές άγγιξαν το επίπεδο στατιστικής σημαντικότητας μόνο σε 3/6 υποκείμενα. Η ποικιλομορφία ανάμεσα στις ατράκτους συνοψίζεται στον πίνακα 2.5, όπου φαίνεται ότι ικανό ποσοστό ατράκτων μπορεί να διαφέρει αρκετά από το μέσο όρο, με την τελευταία κορυφή να παρουσιάζει τη μεγαλύτερη ποικιλομορφία (ποσοστά ατράκτων με DISS > 0.75 από 19% έως 47%, και εξηγούμενη διασπορά από το μέσο όρο από 52% έως 76%), εν συνεχεία ακολουθεί η πρώτη, και τέλος η μεσαία κορυφή που παρουσιάζει τη μικρότερη ποικιλομορφία. Η ομαδοποίηση των κορυφών με βάση την τοπογραφία τους αναδεικνύει συστάδες με διαφορές στον προσθιοπίσθιο άξονα και ενίοτε μικρή πλαγίωση (εικόνες 2.43, 2.45 και 2.47). Η ανάλυση των τριών κορυφών ταυτόχρονα, θεωρώντας τες ένα ενιαίο πρότυπο, παρουσιάζει επίσης ποικιλομορφία (εικόνα 2.41) και αναδεικνύει πρότυπα είτε μετακίνησης του μεγίστου στον προσθιοπίσθιο άξονα είτε σταθερής διατήρησής του κεντρικά βρεγματικά, με κυρίαρχο το πρότυπο μετακίνησης από πίσω προς τα εμπρός (εικόνα 2.49). 110

111 Ενδιαφέρον παρουσιάζει τέλος η μελέτη της τοπογραφικής διαφοράς των κανονικοποιημένων τοπογραφικών χαρτών. Ο μέσος όρος της διαφοράς μεταξύ μεσαίας και πρώτης υποδηλώνει τη μετακίνηση του μέγιστου αρνητικού δυναμικού περισσότερο μετωπιαία, ωστόσο παρουσιάζεται πολύ μεγάλη ποικιλομορφία και η ανάλυση των συστάδων αναδεικνύει ομάδες με όλες τις πιθανές μετακινήσεις τόσο στον προσθιοπίσθιο όσο και στον άξονα αριστερά δεξιά (εικόνα 2.53). Αντίστοιχα ευρήματα υπάρχουν και στις διαφορές μεταξύ τελευταίας και μεσαίας, καθώς και τελευταίας και πρώτης κορυφής. Τα αποτελέσματα αυτά υποδηλώνουν μια σημαντική ποικιλομορφία στην τοπογραφία μιας σχετικά ομοιογενούς ομάδας ατράκτων, καθότι έχουν συμπεριληφθεί μόνο ταχείες άτρακτοι σταδίου NREM II, οι οποίες βρίσκονται μακριά από βραδέα κύματα και συμπλέγματα Κ. Εκτός αυτού, φαίνεται ότι μέσα στην ίδια άτρακτο υπάρχουν διαφορετικά πρότυπα μετακίνησης. Αντίστοιχη μελέτη της δυναμικής τοπογραφίας μεμονωμένων ατράκτων (Doran 2003) έχει πραγματοποιηθεί από τον Doran, ο οποίος περιγράφει σε 20/24 ταχείες ατράκτους εξαιρετική τοπογραφική σταθερότητα σε σχέση με τις αργές ατράκτους, με τις αρνητικές κορυφές τους να παραμένουν σταθερά στις κεντρικές περιοχές. Αν και ο αριθμός είναι πολύ μικρός για περαιτέρω συγκρίσεις, θα μπορούσε να αντιστοιχεί στο σταθερό πρότυπο που αναδείχθηκε σε 309/722 ατράκτους της παρούσας μελέτης (εικόνα 2.49). Σε πρώιμες αναλύσεις χρόνου συχνοτήτων (Zygierewicz et al. 1999) στις οποίες επιβεβαιώθηκε η ύπαρξη γρήγορων ατράκτων κεντρικά-βρεγματικά και αργών ατράκτων μετωπιαία, αναφέρεται σε ποσοστό 5% η συνύπαρξη των δυο, με το γρήγορο τμήμα να προηγείται και η διαφορά ανάμεσα στη μέγιστη ισχύ του γρήγορου τμήματος στο Pz και του αργού στο Fz να είναι περίπου 450 ms. Αυτό το εύρημα θα μπορούσε να δικαιολογήσει μια μετακίνηση από βρεγματικές περιοχές προς τα μετωπιαία σε μικρό ποσοστό των ατράκτων. Στην παρούσα μελέτη, ωστόσο, έχουν επιλεχθεί μόνο ταχείες άτρακτοι οι οποίες επιβεβαιώθηκαν και από το φασματογράφημα, ενώ οι μετακινήσεις που μελετήθηκαν αφορούν σε μεγαλύτερα ποσοστά ατράκτων. Παρόμοια συνύπαρξη μετωπιαίων και βρεγματικών πηγών αναφέρεται και με μεθόδους εντόπισης πηγών LORETA (Anderer et al. 2001) Επίσης με χρήση ανάλυσης χρόνου συχνοτήτων έχει γίνει σύγκριση μεταξύ του πρώιμου και του ύστερου τμήματος των ατράκτων (Dehghani et al. 2011b). Οι συγγραφείς αναφέρουν ότι στο 48% από τις 183 ατράκτους που μελετήθηκαν εντόπισαν μεγαλύτερη ισχύ στη συχνότητα των 14 Hz στο πρώιμο (25%-45% της συνολικής διάρκειας) σε σχέση με το ύστερο (55%-75% της διάρκειας) τμήμα της ατράκτου, και ταυτόχρονα μεγαλύτερη ισχύ στα 12 Hz στο ύστερο σε σχέση με το πρώιμο τμήμα. Αναφέρουν επίσης ότι 14% των ατράκτων είχε το αντίθετο πρότυπο, με μεγαλύτερη ισχύ στις αργές συχνότητες στο πρώιμο απ' ότι στο ύστερο τμήμα και ταυτόχρονα μεγαλύτερη ισχύ στις γρήγορες στο ύστερο σε σχέση με το πρώιμο τμήμα των ατράκτων (εικόνα 5 στη δημοσίευση τους), ενώ ένα ποσοστό 15% παρουσίασε αύξηση και στις δυο συχνότητες από το πρώιμο προς το ύστερο, και ένα ποσοστό 23% αντίστοιχη μείωση. Παρόλα αυτά, η τοπογραφία ανά συχνότητα παρέμεινε σταθερή. Οι συγγραφείς προτείνουν ότι κατά το πρώιμο τμήμα των ατράκτων εμπλέκονται στη δημιουργία των ατράκτων κυκλώματα με βρεγματική εντόπιση και χαρακτηριστική γρήγορη συχνότητα τα οποία εμπλέκουν στη συνέχεια μετωπιαία κυκλώματα με αργή συχνότητα. Και σε αυτή την περίπτωση δε μπορεί να γίνει άμεση σύγκριση με την 111

112 παρούσα μελέτη όπου έχουν επιλεχθεί μόνο ταχείες άτρακτοι, ωστόσο είναι αρκετά ενδιαφέρον το γεγονός ότι παρατηρούνται ξεχωριστές ομάδες ατράκτων όσον αφορά στην χρονική εξέλιξη της ενεργοποίησης πιθανών διαφορετικών κυκλωμάτων που θα ήταν σε θέση να δικαιολογήσουν μεταβολές στην τοπογραφία που καταγράφει το ηλεκτροεγκεφαλογράφημα. Σε μελέτες με ενδοκρανιακές καταγραφές (Andrillon et al. 2011) οι περισσότερες άτρακτοι έχουν περιορισμένη κατανομή και χαρακτηρίζονται τοπικές. Όταν καταγράφονται άτρακτοι με γενικευμένη κατανομή (από πολλαπλές θέσεις καταγραφής) οι κεντρικές-βρεγματικές περιοχές προηγούνται των μετωπιαίων κατά περίπου 200 ms, όπως προκύπτει από το μέσο όρο των χρονικών διαφορών της μέγιστης ισχύος στο φασματογράφημά τους. Αυτό το εύρημα είναι συμβατό με τα αποτελέσματα της παρούσας μελέτης στο μέσο όρο και στις συστάδες ατράκτων που μετακινούνται προς τα εμπρός, ωστόσο οι συγγραφείς δεν αναφέρουν μελέτη υποομάδων στα αποτελέσματά τους ώστε να μπορεί να εκτιμηθεί αυτή η αντιστοιχία. Οι Frauscher και συνεργάτες κατέγραψαν ατράκτους με ταυτόχρονη χρήση ενδοκρανιακών και επιφανειακών ηλεκτροδίων και αναφέρουν ότι ενώ υπήρχε διάχυτη εμφάνιση ατράκτων στα ενδοκρανιακά ηλεκτρόδια την ώρα της ταυτόχρονης καταγραφής ατράκτου στα επιφανειακά ηλεκτρόδια, οι ενδοκρανιακές δεν ήταν σύγχρονες (Frauscher et al. 2015b). Αυτό το εύρημα είναι μεν αναπάντεχο, δεδομένου ότι στην κλασσική θεώρηση για την εμφάνιση κάποιας κυματομορφής στο επιφανειακό εγκεφαλογράφημα αναμένεται σύγχρονη υποκείμενη δραστηριότητα, ωστόσο οι συγγραφείς θεωρούν ότι οι αθροιστικές ιδιότητες του κρανίου μπορούν να δικαιολογήσουν την εμφάνιση ατράκτου από ασύγχρονες πηγές. Στις καταγραφές αυτές αναδεικνύεται σημαντική ποικιλομορφία των ενδοκράνιων πηγών των ατράκτων, εύρημα που υποστηρίζει την έννοια των τοπικών ατράκτων, όπου ο δικτυωτός πυρήνας του θαλάμου δημιουργεί ατράκτους αλλά η έκφραση τους στον φλοιό διαμορφώνεται από την κατάσταση ενεργοποίησης των μεμονωμένων φλοικών στηλών. Η υπόθεση αυτή συμβαδίζει με τη θεώρηση του ύπνου ως τοπικό φαινόμενο (Krueger et al. 2008). Στο πλαίσιο αυτό, τα αποτελέσματα της μελέτης θα μπορούσαν να αποδοθούν στην ποικιλομορφία των ενδοκρανιακών πηγών που ακόμα κι όταν διάχυτες περιοχές εμπλέκονται ταυτόχρονα στη δημιουργία ατράκτων, η ασύγχρονη δραστηριότητά τους μπορεί να εξηγήσει μέρος των διαφορών και των μετακινήσεων που παρατηρούνται. Αν και δεν είναι ξεκάθαροι οι μηχανισμοί με τους οποίους οι άτρακτοι αποκτούν το ατρακτοειδές σχήμα τους (Clawson et al. 2016), για το αρχικό τους τμήμα υποθέτουμε ότι ολοένα περισσότερες περιοχές εμφανίζουν δραστηριότητα στη συχνότητα των ατράκτων, αυξάνοντας έτσι σταδιακά το δυναμικό τους. Αυτή η διαδικασία συμπεριλαμβάνει την ενίσχυση της δραστήριοτητας στο φλοιό (Kandel and Buzsáki 1997) και το συνεπαγόμενο συγχρονισμό περισσότερων νευρώνων στο θάλαμο από τη διεγερτική επίδραση των φλοιικών νευρώνων. Στα αποτελέσματα της μελέτης, η ποικιλομορφία της μεσαίας κορυφής είναι μικρότερη από την ποικιλομορφία της πρώτης και της τελευταίας κορυφής (πίνακας 2.5). Αυτό θα μπορούσε να εξηγηθεί αν υποθέσουμε ότι κατά την εμφάνιση της μεσαίας κορυφής έχουν επιστρατευθεί περισσότερες περιοχές, μειώνοντας την ποικιλομορφία. Ωστόσο, πρέπει να παρατηρήσουμε ότι η πρώτη κορυφή παρουσιάζει σαφώς μικρότερη ποικιλομορφία από την τελευταία, κάτι που δε μπορεί να εξηγηθεί μόνο από την υποτιθέμενη, λόγω του χαμηλού δυναμικού σε σχέση με τη μεσαία κορυφή, επιστράτευση λιγότερων ενδοκράνιων πηγών. Για το τελικό τμήμα των ατράκτων και τη διακοπή τους έχουν 112

113 προταθεί η ενεργοποίηση του h-current στους θαλαμοφλοιικούς νευρώνες (Bal and McCormick 1996), η οποία θα οδηγήσει και στην ανερέθιστη περίοδο των ατράκτων (που σχολιάστηκε στην παράγραφο 2.3, σελίδα 73) και δεν επιτρέπει τις μεταυπερπολωτικές εκρήξεις δυναμικών, η επίδραση των φλοιοθαλαμικών προβολών που αποσυγχρονίζουν τη θαλαμική δραστηριότητα (Bonjean et al. 2011) και η σταδιακή μείωση της δραστηριότητας των νευρώνων του δικτυωτού σχηματισμού που οδηγεί σε μείωση της αναστολής πάνω στους θαλαμοφλοιικούς νευρώνες (Barthó et al. 2014). Κατά πόσο η μεγαλύτερη ποικιλομορφία της τοπογραφίας της τελευταίας κορυφής της ατράκτου σε σχέση με την πρώτη μπορεί να οφείλεται στους διαφορετικούς μηχανισμούς που εμπλέκονται στον τερματισμό και την αρχική επιστράτευση των εμπλεκόμενων περιοχών παραμένει ερώτημα. Πολύ ενδιαφέροντα αποτελέσματα προκύπτουν από την ανάλυση της διάδοσης των ατράκτων όπως υπολογίζεται από τη μέθοδο που προτείνουν οι O'Reilly και Nielsen και στηρίζεται πάνω στη συσχέτιση της ανάλυσης χρόνου συχνοτήτων ενός ηλεκτροδίου αναφοράς με αυτήν στα γειτονικά του ηλεκτρόδια, υπολογίζοντας έτσι την καθυστέρηση στην εμφάνιση της ατράκτου και άρα τα πρότυπα διάδοσής της (O Reilly and Nielsen 2014a). Οι συγγραφείς περιγράφουν πολλά διαφορετικά πρότυπα διάδοσης, σχεδόν προς όλες τις πιθανές κατευθύνσεις, με συχνότερα στον προσθιοπίσθιο άξονα προς τα εμπρός αλλά και προς τα πίσω, ενώ συχνά παρατηρείται και πλαγίωση (O Reilly and Nielsen 2014b). Δυστυχώς η μέθοδός τους έχει περιορισμό στην ανάλυση των καθυστερήσεων έως 25 ms, δηλαδή σε χρονικό διάστημα σαφώς μικρότερο της μιας κορυφής, και χρησιμοποιεί ολόκληρη την απεικόνιση της ατράκτου στο πεδίο χρόνου συχνοτήτων, άρα δεν είναι σε θέση να μελετήσει διαφορές εντός της ατράκτου. Παρόλα αυτά, τα πρότυπα που περιγράφουν θα μπορούσαν να σχετίζονται με τις διαφορές που προέκυψαν στην παρούσα μελέτη ανάμεσα στην πρώτη και την μεσαία κορυφή (εικόνα 2.53) και την έντονη ποικιλομορφία που διαπιστώνεται. Σημειώνεται ότι στην μελέτη των Dehghani και συνεργατών που αναφέρθηκε παραπάνω, οι συγγραφείς έχουν καταγράψει και μαγνητοεγκεφαλογράφημα και παρατηρούν παρόμοια φαινόμενα όσον αφορά τις μεταβολές στη συχνότητα, αλλά σε πολύ μικρότερο βαθμό. Η ίδια ομάδα παρατηρεί ότι σε μελέτες με μαγνητοεγκεφαλογράφημα (Dehghani et al. 2011a) καταγράφονται άτρακτοι είτε μόνο στο ΜΕΓ είτε και στο ΗΕΓ, ωστόσο όταν καταγράφονται και με τις δυο τεχνικές οι άτρακτοι στο ΜΕΓ προηγούνται κατά μέσο όρο περίπου 190 ms απ' ότι στο ΗΕΓ, ενώ τερματίζονται περίπου 310 ms μετά. Σε άλλη εργασία αναφέρεται ότι η ανάλυση των πηγών του ΜΕΓ και του ΗΕΓ υποδεικνύει πως οι πηγές του ΗΕΓ είναι σταθερές και συγχρονισμένες κατά τη διάρκεια της ατράκτου (χρησιμοποιώντας στατιστικά μοντέλα σε μέσο όρο) σε σχέση με τις πηγές του ΜΕΓ (Dehghani et al. 2010a) που παρουσιάζονται με μεγάλη ποικιλομορφία στην τοπογραφία τους και είναι ασύγχρονες μεταξύ τους και με το ΗΕΓ. Με αυτά τα στοιχεία οι συγγραφείς προχωρούν στην υπόθεση (Dehghani et al. 2010b) ότι το ΜΕΓ καταγράφει κυρίως ατράκτους που σχετίζονται με τις core θαλαμοφλοιικές προβολές, ενώ το ΗΕΓ κυρίως τις ατράκτους που σχετίζονται με τις πιο διάχυτες matrix προβολές, σύμφωνα με το διαχωρισμό των νευρώνων του θαλάμου που έχει περιγράψει ο Jones (Jones 1998). Το πράγματι ενδιαφέρον αυτό μοντέλο στηρίζεται πάνω στις ανατομικές παρατηρήσεις ότι υπάρχουν θαλαμοφλοιϊκοί νευρώνες που προβάλλουν στο φλοιό με δυο διαφορετικούς τρόπους και διαχωρίζονται από την έκφραση διαφορετικών πρωτεϊνών που δεσμεύουν ασβέστιο, την παρβαλβουμίνη (parvalbumin) και την καλβινδίνη ή 113

114 καλδεσμίνη (calbindin). Οι core νευρώνες προβάλλουν στις μεσαίες (III, IV) στιβάδες του φλοιού σε πολύ περιορισμένες περιοχές, ενώ οι matrix νευρώνες προβάλλουν σε επιφανειακές στιβάδες (I, II) με διάχυτη κατανομή (Jones 1998; Zikopoulos and Barbas 2007). Υπολογιστικά μοντέλα για τη δημιουργία ατράκτων από αυτά τα δυο παράλληλα δίκτυα υποστηρίζουν ότι μπορεί να υπάρξει αλληλεπίδραση και διάδοση των ατράκτων από το core στο matrix δίκτυο μέσω φλοιοφλοιικών συνδέσεων (Bonjean et al. 2012). Έτσι, δημιουργείται η υπόθεση ότι οι άτρακτοι μπορούν να ταξινομηθούν σε core και matrix, ενώ δεν αποκλείεται αρκετές άτρακτοι να συνδυάζουν ταυτόχρονα τα δυο παράλληλα κυκλώματα (Piantoni et al. 2016). Το μοντέλο αυτό γίνεται ακόμα πιο ευέλικτο με την παρατήρηση ότι στον αρουραίο υπάρχουν matrix νευρώνες με διάχυτες συνδέσεις στο ημισφαίριο και άλλοι με συνδέσεις σε μια μόνο περιοχή (RubioGarrido et al. 2009). Η αξία αυτού του διαχωρισμού έγκειται στις διαφορετικές φυσιολογικές λειτουργίες αλλά και την παθολογία που μπορεί να σχετίζεται με τις ατράκτους. Το matrix θαλαμοφλοιικό κύκλωμα θα μπορούσε να διαμεσολαβεί την επίδραση του θαλάμου στη διατήρηση της κατάστασης στην οποία βρίσκεται ο φλοιός και τη γενικότερη διεγερσιμότητα και ικανότητα απάντησης του στα ερεθίσματα. Το core κύκλωμα μεταφέρει τις αισθητικές πληροφορίες με ακρίβεια, ενώ θα μπορούσε να εμπλέκεται στις εστιασμένες διεργασίες πλαστικότητας κατά τη μάθηση. Παρόλο που οι μελέτες με τις ενδοκράνιες καταγραφές (Andrillon et al. 2011; Nir et al. 2011) και το μαγνητοεγκεφαλογράφημα (Dehghani et al. 2011a) δείχνουν ότι το απλό ηλεκτροεγκεφαλογράφημα δεν είναι ευαίσθητο στην καταγραφή τοπικών ατράκτων, οι μελέτες με εγκεφαλογράφημα που έχουν συνδέσει τις ατράκτους με κάποιο είδος μάθησης (Clemens et al. 2005, 2006; Nishida and Walker 2007; Cox et al. 2014) είναι σε θέση να εντοπίσουν εστιακές διαφορές στην εμφάνιση των ατράκτων. Ακόμα κι αν αυτές οι διαφορές δεν οφείλονται στην καταγραφή πιθανών core ατράκτων, είναι πιθανό να οφείλονται εν μέρη στην αλληλεπίδραση των core και matrix κυκλωμάτων. Αν αυτή η υπόθεση ισχύει, τότε οι καταγραφές της παρούσας μελέτης με την ποικιλομορφία που αναδεικνύουν στις κορυφές των ατράκτων καθώς και τις μετακινήσεις μέσα στην ίδια άτρακτο θα μπορούσαν να αποτελέσουν ένα δείκτη της δραστηριότητας ή της αλληλεπίδρασης των δυο κυκλωμάτων που δεν απαιτεί επεμβατικές (ενδοκράνιο ΗΕΓ) ή πολύ ακριβές μεθόδους (ΜΕΓ ή ΗΕΓ-fMRI). Η μελέτη της σχέσης των ατράκτων και του θαλαμοφλοιικού κυκλώματος με κάποιες μορφές επιληψίας (Kostopoulos et al. 1981; Kostopoulos 2000) καθώς και με τη σχιζοφρένεια (Ferrarelli et al. 2007, 2010) αποκτά ένα ισχυρό μοντέλο με το διαχωρισμό των ατράκτων σε core και matrix, το οποίο εφόσον αποδειχθεί ικανό να εισέλθει στον πειραματικό σχεδιασμό μελλοντικών μελετών θα μπορούσε να αποτελέσει και στόχο παρέμβασης στα αντίστοιχα θαλαμοφλοιικά κυκλώματα. 114

115 3 Περίληψη Summary 115

116

117 1 Περίληψη Η μελέτη των εγκεφαλογραφικών ρυθμών του ύπνου μπορεί να δώσει πληροφορίες για τους υποκείμενους νευροφυσιολογικούς μηχανισμούς που ελέγχουν και οργανώνουν τον φυσιολογικό ύπνο. Το θαλαμοφλοιικό κύκλωμα και τα συστήματα εγρήγορσης του δικτυωτού σχηματισμού είναι δυο νευρικά κυκλώματα με κεντρικό ρόλο σε αυτή τη λειτουργία. Τα συστήματα αυτά εμπλέκονται στην παθοφυσιολογία της επιληψίας, με χαρακτηριστικό παράδειγμα τη γένεση των συμπλεγμάτων αιχμής-κύματος από τους μηχανισμούς παραγωγής των ατράκτων του ύπνου, καθώς και τη χρονική σχέση των επιληπτικών φαινομένων με περιόδους μεταβολών της εγρήγορσης. Στο πρώτο τμήμα της διατριβής αναπτύχθηκε ένα εργαλείο για την ομαδοποίηση παρόμοιων περιόδων του εγκεφαλογραφήματος με βάση το φασματικό περιεχόμενο όπως προκύπτει από την ανάλυση χρόνου-συχνοτήτων. Με το εργαλείο αυτό γίνεται ευκολότερη η ανάλυση της αρχιτεκτονικής του ύπνου. Ως παράδειγμα εφαρμογής, έγινε σύγκριση των υπνογραμμάτων από 10 φυσιολογικούς ύπνους με βάση την κλασσική σταδιοποίηση και με βάση τη σταδιοποίηση που προκύπτει από την αντιστοίχιση των σταδίων με τις ομάδες που αναγνωρίζει ο αλγόριθμος συσταδοποίησης. Ο αλγόριθμος είναι σε θέση να αναγνωρίσει τα διαφορετικά στάδια του ύπνου και οι δυο μέθοδοι παρουσιάζουν πολύ καλή συμφωνία μεταξύ τους με βάση τον συντελεστή κάππα (0,61). Στο δεύτερο τμήμα της διατριβής παρουσιάζεται μια μεθοδολογία ανάλυσης της αλληλεπίδρασης στοιχείων του εγκεφαλογραφήματος με βάση την μελέτη χρόνουσυχνοτήτων που επιτρέπει την εκτίμηση της στατιστικής σημαντικότητας των μεταβολών των ρυθμών που προκύπτουν γύρω από ένα εγκεφαλογραφικό συμβάν. Η μέθοδος αυτή χρησιμοποιήθηκε για την ανάλυση της μακροπρόθεσμης αλληλεπίδρασης συμπλεγμάτων Κ και ατράκτων του ύπνου, που στηρίχθηκε πάνω σε παλαιότερες παρατηρήσεις από μελέτες μικρο-μεταβολών του επιπέδου εγρήγορσης μετά από προκλητά συμπλέγματα Κ. Πραγματοποιήθηκε ανάλυση σε 2401 εγκεφαλογραφικά συμβάντα, όπου αναδείχθηκε μια βραχυπρόθεσμη μείωση της δραστηριότητας των ατράκτων 2 3 s μετά από συμπλέγματα Κ η οποία αποδόθηκε στην περιοδικότητα των ατράκτων, ενώ δεν αναδείχθηκε στατιστικά σημαντική μακροπρόθεσμη μεταβολή στο διάστημα s μετά τα αυθόρμητα συμπλέγματα Κ. Με βάση αυτά τα αποτελέσματα φαίνεται ότι τα μονήρη αυθόρμητα συμπλέγματα Κ που δεν οδηγούν σε μικροαφύπνιση δεν έχουν μακροπρόθεσμη επίδραση στο επίπεδο εγρήγορσης. Τέλος, μελετήθηκε η ποικιλομορφία της τοπογραφίας των γρήγορων ατράκτων με ανάλυση του δυναμικού της πρώτης, της μεσαίας και της τελευταίας κορυφής. Σε 722 ατράκτους από 6 υποκείμενα διαπιστώθηκε ότι υπάρχουν ομάδες ατράκτων που διαφέρουν σημαντικά από το μέσο όρο. Οι διαφορές μεταξύ των τριών κορυφών αναδεικνύουν μετακινήσεις που αν και συνήθως ακολουθούν μια κατεύθυνση από βρεγματικά προς κεντρικά-μετωπιαία, περιλαμβάνουν ομάδες ατράκτων με μετακινήσεις τόσο στον άξονα αριστερά δεξιά, όσο και από μπροστά προς τα πίσω. Η ποικιλομορφία αυτή μπορεί να σχετίζεται με την έννοια των τοπικών ατράκτων που έχουν αναφερθεί σε ενδοκράνιες καταγραφές και μαγνητοεγκεφαλογραφήματα, καθώς και με τις ιδιότητες των core και matrix θαλαμοφλοιικών κυκλωμάτων. Οι τρεις τεχνικές ανάλυσης που αναπτύχθηκαν μπορούν να χρησιμοποιηθούν για τη μελέτη των μεταβολών στους ρυθμούς του ύπνου τόσο σε επίπεδο μάκρο- όσο και μίκρο-αρχιτεκτονικής, παρέχοντας πληροφορίες για τη λειτουργία των συστημάτων 117

118 εγρήγορσης. Με την αναγνώριση τοπογραφικών προτύπων μπορεί να μελετηθεί ο συγχρονισμός και η λειτουργία των υποκείμενων νευρικών κυκλωμάτων, όπως το θαλαμοφλοιικό σύστημα κατά την δημιουργία ατράκτων στον ύπνο και συμπλεγμάτων αιχμής-κύματος στην αφαιρετική επιληψία. 118

119 2 Summary The study of sleep EEG rhythms can provide information on the underlying neurophysiological mechanisms that control and organize normal sleep. The thalamocortical circuit and the reticular activating system are two neural circuits with central role in this function. These systems are involved in the pathophysiology of epilepsy, for example in the genesis of spike-wave complexes from the mechanisms producing sleep spindles, as well as the temporal relationship between epileptic phenomena and periods of arousal fluctuations. In the first part of the thesis a tool for the clustering of similar EEG periods based on the spectral contents as provided by time-frequency analysis was developed. This tool facilitates the analysis of sleep architecture. As an application example, hypnograms of 10 normal sleep recordings based on standard scoring and based on scoring derived from matching sleep stages with groups identified by the clustering algorithm were compared. The algorithm is able to identify the different sleep stage and the two methods are in very good agreement based on kappa coefficient (0,61). In the second part of the thesis a methodology of analysis of interactions between EEG elements is presented. This is based on time-frequency analysis and allows the estimation of statistical significance of the changes of brain rhythms that emerge around an EEG element. This method was used on the analysis of long-term interaction between K complexes and sleep spindles, which was based on older observations on studies of micro-fluctuations on the level of arousal following evoked K complexes. Analysis on 2401 EEG elements was performed, where a short-term reduction of sleep spindle activity was shown, 2 3 s following K complexes, which was attributed on sleep spindle periodicity. No statistically significant long term reduction on the period s following spontaneous K complexes was found. Based on these results, it seems that single spontaneous K complexes that do not lead to microarousals do not have long-term effects on the level of arousal. Finally, the variability of fast sleep spindle topography was examined, using amplitude analysis of the first, middle and last peak. In 722 sleep spindles from 6 subjects, groups of spindles with significant difference from the mean topography were found. Differences between peaks show movements that, although usually following a parietal to centrofrontal direction, include groups of spindles with movements in both left right axis and frontal to posterior directions. This variability may be related to the concept of local spindles that are reported on intracranial and MEG recordings, as well as the attributes of core and matrix thalamocortical circuits. The three analysis techniques which were developed can be used for the study of sleep rhythms fluctuations both on a macro- and a micro- architectural level, providing insights on the function of arousal systems. The identification of topographical patterns can be used to study synchronization and function of underlying neural circuits, like the thalamocortical system during the creation spindles during sleep and spike-wave discharges during absence epilepsy. 119

120

121 4 Βιβλιογραφία 121

122

123 Achermann P, Borbély A. Low-frequency (<1Hz) oscillations in the human sleep electroencephalogram. Neuroscience Aug;81(1): Agarwal R, Gotman J. Computer-assisted sleep staging. IEEE Trans Biomed Eng Dec;48(12): Allan Hobson J. A manual of standardized terminology, techniques and scoring system for sleep stages of human subjects. Electroencephalogr Clin Neurophysiol Jun;26(6):644. Amzica F, Steriade M. The functional significance of K-complexes. Sleep Med Rev Apr;6(2): Anderer P, Gruber G, Parapatics S, Woertz M, Miazhynskaia T, Klösch G, et al. An E-Health Solution for Automatic Sleep Classification according to Rechtschaffen and Kales: Validation Study of the Somnolyzer 24 x 7 Utilizing the Siesta Database. Neuropsychobiology. 2005;51(3): Anderer P, Klösch G, Gruber G, Trenker E, Pascual-Marqui RD, Zeitlhofer J, et al. Lowresolution brain electromagnetic tomography revealed simultaneously active frontal and parietal sleep spindle sources in the human cortex. Neuroscience. 2001;103(3): Anderer P, Moreau A, Woertz M, Ross M, Gruber G, Parapatics S, et al. ComputerAssisted Sleep Classification according to the Standard of the American Academy of Sleep Medicine: Validation Study of the AASM Version of the Somnolyzer Neuropsychobiology. 2010;62(4): Andrillon T, Nir Y, Staba RJ, Ferrarelli F, Cirelli C, Tononi G, et al. Sleep spindles in humans: insights from intracranial EEG and unit recordings. J Neurosci Off J Soc Neurosci Dec 7;31(49): Aserinsky E, Kleitman N. Regularly Occurring Periods of Eye Motility, and Concomitant Phenomena, During Sleep. Science Sep 4;118(3062): Avanzini G, Manganotti P, Meletti S, Moshé SL, Panzica F, Wolf P, et al. The system epilepsies: A pathophysiological hypothesis: System Epilepsies. Epilepsia May;53(5): Bal T, McCormick DA. What Stops Synchronized Thalamocortical Oscillations? Neuron Aug;17(2): Bang JW, Khalilzadeh O, Hämäläinen M, Watanabe T, Sasaki Y. Location specific sleep spindle activity in the early visual areas and perceptual learning. Vision Res Jun;99: Barthó P, Slézia A, Mátyás F, Faradzs-Zade L, Ulbert I, Harris KD, et al. Ongoing Network State Controls the Length of Sleep Spindles via Inhibitory Activity. Neuron Jun;82(6):

124 Basner M, Griefahn B, Penzel T. Inter-rater agreement in sleep stage classification between centers with different backgrounds. Somnologie - Schlafforschung Schlafmed Jan 23;12(1): Bastien CH, Ladouceur C, Campbell KB. EEG characteristics prior to and following the evoked K-Complex. Can J Exp Psychol Rev Can Psychol Expérimentale Dec;54(4): Benjamini Y, Yekutieli D. The Control of the False Discovery Rate in Multiple Testing under Dependency. Ann Stat. 2001;29(4): Berger H. Über das Elektrenkephalogramm des Menschen. Arch Für Psychiatr Nervenkrankh Dec;87(1): Berthomier C, Drouot X, Herman-Stoïca M, Berthomier P, Prado J, Bokar-Thire D, et al. Automatic analysis of single-channel sleep EEG: validation in healthy individuals. Sleep Nov;30(11): Blumberg M. Beyond dreams: do sleep-related movements contribute to brain development? Front Neurol [Internet] [cited 2016 Sep 19]; Available from: Bonjean M, Baker T, Bazhenov M, Cash S, Halgren E, Sejnowski T. Interactions between core and matrix thalamocortical projections in human sleep spindle synchronization. J Neurosci Off J Soc Neurosci Apr 11;32(15): Bonjean M, Baker T, Lemieux M, Timofeev I, Sejnowski T, Bazhenov M. Corticothalamic feedback controls sleep spindle duration in vivo. J Neurosci Off J Soc Neurosci Jun 22;31(25): Bonnet M, Carley D, Carskadon M, Easton P, Guilleminault C, Harper R, et al. EEG arousals: Scoring rules and examples. A preliminary report from the Sleep Disorders Atlas Task Force of the American Sleep Disorder Association. Sleep. 1992;15(2): Box GEP, Cox DR. An Analysis of Transformations. J R Stat Soc Ser B Methodol. 1964;26(2): Carskadon MA, Dement WC. Normal Human Sleep. In: Principles and Practice of Sleep Medicine [Internet]. Elsevier; 2011 [cited 2013 Feb 8]. p Available from: Cash SS, Halgren E, Dehghani N, Rossetti AO, Thesen T, Wang C, et al. The human Kcomplex represents an isolated cortical down-state. Science May 22;324(5930): Chang BS, Schomer DL, Niedermeyer E. Normal EEG and Sleep: Adults and Elderly. In: Schomer DL, Lopes da Silva FH, editors. Niedermeyer s electroencephalography: basic principles, clinical applications, and related fields. Philadelphia: Wolters Kluwer/Lippincott Williams & Wilkins Health; p

125 Chokroverty S, Radtke R, Mullington J. Polysomnography: Technical and Clinical Aspects. In: Niedermeyer E, Schomer DL, Lopes da Silva FH, editors. Niedermeyer s electroencephalography: basic principles, clinical applications, and related fields. 6. ed. Philadelphia: Wolters Kluwer/Lippincott Williams & Wilkins Health; p Church MW, Johnson LC, Seales DM. Evoked K-complexes and cardiovascular responses to spindle-synchronous and spindle-asynchronous stimulus clicks during NREM sleep. Electroencephalogr Clin Neurophysiol Oct;45(4): Clawson BC, Durkin J, Aton SJ. Form and Function of Sleep Spindles across the Lifespan. Neural Plast. 2016;2016:1 16. Clemens Z, Fabó D, Halász P. Overnight verbal memory retention correlates with the number of sleep spindles. Neuroscience. 2005;132(2): Clemens Z, Fabó D, Halász P. Twenty-four hours retention of visuospatial memory correlates with the number of parietal sleep spindles. Neurosci Lett Jul 31;403(1 2):52 6. Clemens Z, Molle M, Eross L, Barsi P, Halasz P, Born J. Temporal coupling of parahippocampal ripples, sleep spindles and slow oscillations in humans. Brain Apr 5;130(11): Colrain IM. The K-complex: a 7-decade history. Sleep Feb;28(2): Contreras D, Destexhe A, Sejnowski TJ, Steriade M. Control of spatiotemporal coherence of a thalamic oscillation by corticothalamic feedback. Science Nov 1;274(5288): Cox R, Hofman WF, de Boer M, Talamini LM. Local sleep spindle modulations in relation to specific memory cues. NeuroImage Oct 1;99: Crowley K, Trinder J, Colrain IM. Evoked K-complex generation: the impact of sleep spindles and age. Clin Neurophysiol Off J Int Fed Clin Neurophysiol Feb;115(2): Crunelli V, Cope DW, Hughes SW. Thalamic T-type Ca2+ channels and NREM sleep. Cell Calcium Aug;40(2): Curcio G, Ferrara M, Pellicciari MC, Cristiani R, De Gennaro L. Effect of total sleep deprivation on the landmarks of stage 2 sleep. Clin Neurophysiol Off J Int Fed Clin Neurophysiol Dec;114(12): Danker-Hopfe H, Kunz D, Gruber G, Klösch G, Lorenzo JL, Himanen SL, et al. Interrater reliability between scorers from eight European sleep laboratories in subjects with different sleep disorders. J Sleep Res Mar;13(1):63 9. De Gennaro L, Ferrara M. Sleep spindles: an overview. Sleep Med Rev Oct;7(5):

126 De Gennaro L, Ferrara M, Bertini M. The spontaneous K-complex during stage 2 sleep: is it the forerunner of delta waves? Neurosci Lett Sep 8;291(1):41 3. Dehghani N, Cash SS, Chen CC, Hagler DJ, Huang M, Dale AM, et al. Divergent Cortical Generators of MEG and EEG during Human Sleep Spindles Suggested by Distributed Source Modeling. Valdes-Sosa PA, editor. PLoS ONE. 2010a Jul 7;5(7):e Dehghani N, Cash SS, Halgren E. Emergence of synchronous EEG spindles from asynchronous MEG spindles. Hum Brain Mapp. 2011a Dec;32(12): Dehghani N, Cash SS, Halgren E. Topographical frequency dynamics within EEG and MEG sleep spindles. Clin Neurophysiol Off J Int Fed Clin Neurophysiol. 2011b Feb;122(2): Dehghani N, Cash SS, Rossetti AO, Chen CC, Halgren E. Magnetoencephalography demonstrates multiple asynchronous generators during human sleep spindles. J Neurophysiol. 2010b Jul;104(1): Dement W, Kleitman N. Cyclic variations in EEG during sleep and their relation to eye movements, body motility, and dreaming. Electroencephalogr Clin Neurophysiol Nov;9(4): Dement WC. History of Sleep Physiology and Medicine. In: Principles and Practice of Sleep Medicine [Internet]. Elsevier; 2011 [cited 2016 Aug 28]. p Available from: Destexhe A, Sejnowski TJ. Interactions between membrane conductances underlying thalamocortical slow-wave oscillations. Physiol Rev Oct;83(4): Destexhe A, Sejnowski TJ. Sleep and Sleep States: Thalamic Regulation. In: Encyclopedia of Neuroscience [Internet]. Elsevier; 2009 [cited 2016 Sep 20]. p Available from: Dinner DS, Lüders HO. Relationship of Epilepsy and Sleep. In: Epilepsy and Sleep [Internet]. Elsevier; 2001 [cited 2016 Aug 30]. p Available from: Doran SM. The dynamic topography of individual sleep spindles. Sleep Res Online. 2003;5(4): Durka PJ, Zygierewicz J, Klekowicz H, Ginter J, Blinowska KJ. On the Statistical Significance of Event-Related EEG Desynchronization and Synchronization in the TimeFrequency Plane. IEEE Trans Biomed Eng Jul;51(7): Ehrhart J, Ehrhart M, Muzet A, Schieber JP, Naitoh P. K-complexes and sleep spindles before transient activation during sleep. Sleep. 1981;4(4): Estivill-Castro V. Why so many clustering algorithms: a position paper. ACM SIGKDD Explor Newsl Jun 1;4(1):

127 Evans BM, Richardson NE. Demonstration of a 3-5s periodicity between the spindle bursts in NREM sleep in man. J Sleep Res Sep;4(3): Ferrarelli F, Huber R, Peterson MJ, Massimini M, Murphy M, Riedner BA, et al. Reduced Sleep Spindle Activity in Schizophrenia Patients. Am J Psychiatry Mar 1;164(3): Ferrarelli F, Peterson MJ, Sarasso S, Riedner BA, Murphy MJ, Benca RM, et al. Thalamic Dysfunction in Schizophrenia Suggested by Whole-Night Deficits in Slow and Fast Spindles. Am J Psychiatry Sep 15;167(11): Ferri R, Cosentino FI, Elia M, Musumeci SA, Marinig R, Bergonzi P. Relationship between Delta, Sigma, Beta, and Gamma EEG bands at REM sleep onset and REM sleep end. Clin Neurophysiol Off J Int Fed Clin Neurophysiol Nov;112(11): Fogel SM, Smith CT. The function of the sleep spindle: a physiological index of intelligence and a mechanism for sleep-dependent memory consolidation. Neurosci Biobehav Rev Apr;35(5): Frauscher B, Bernasconi N, Caldairou B, von Ellenrieder N, Bernasconi A, Gotman J, et al. Interictal Hippocampal Spiking Influences the Occurrence of Hippocampal Sleep Spindles. SLEEP. 2015a Dec 1;38(12): Frauscher B, von Ellenrieder N, Dubeau F, Gotman J. Scalp spindles are associated with widespread intracranial activity with unexpectedly low synchrony. NeuroImage. 2015b Jan;105:1 12. Gaillard JM, Tissot R. EEG sleep studies of insomniacs under flunitrazepam treatment. Int Pharmacopsychiatry. 1975;10(4): Gibbs FA, Gibbs EL. Atlas of electroencephalography Vol. 1, Methodology and controls. Reading, MA: Addison-Wesley; Gibbs FA, Gibbs EL. Medical electroencephalography. Reading, Mass.: Addison-Wesley Pub. Co.; Gross DW, Gotman J. Correlation of high-frequency oscillations with the sleep-wake cycle and cognitive activity in humans. Neuroscience. 1999;94(4): Halász P. Arousals without awakening--dynamic aspect of sleep. Physiol Behav Oct;54(4): Halász P. K-complex, a reactive EEG graphoelement of NREM sleep: an old chap in a new garment. Sleep Med Rev Oct;9(5): Halász P. Prolonged EEG Monitoring in Epilepsies. In: Panayiotopoulos CP, editor. Atlas of Epilepsies [Internet]. London: Springer London; 2010 [cited 2016 Aug 30]. p Available from: 127

128 Halász P. Are Absence Epilepsy and Nocturnal Frontal Lobe Epilepsy System Epilepsies of the Sleep/Wake System? Behav Neurol. 2015;2015:1 15. Halász P. The K-complex as a special reactive sleep slow wave A theoretical update. Sleep Med Rev Oct;29: Halász P, Bódizs R, Parrino L, Terzano M. Two features of sleep slow waves: homeostatic and reactive aspects--from long term to instant sleep homeostasis. Sleep Med Oct;15(10): Halász P, Kundra O, Rajna P, Pál I, Vargha M. Micro-arousals during nocturnal sleep. Acta Physiol Acad Sci Hung. 1979;54(1):1 12. Halász P, Terzano MG, Parrino L. Spike-wave discharge and the microstructure of sleep-wake continuum in idiopathic generalised epilepsy. Neurophysiol Clin Clin Neurophysiol Jan;32(1): Halford JJ, Sabau D, Drislane FW, Tsuchida TN, Sinha SR. American Clinical Neurophysiology Society Guideline 4: Recording Clinical EEG on Digital Media. J Clin Neurophysiol Aug;33(4): Hanaoka M, Kobayashi M, Yamazaki H. Automatic sleep stage scoring based on waveform recognition method and decision-tree learning. Syst Comput Jpn Oct;33(11):1 13. Hartigan JA, Wong MA. Algorithm AS 136: A K-Means Clustering Algorithm. Appl Stat. 1979;28(1):100. Hornyak M, Cejnar M, Elam M, Matousek M, Wallin BG. Sympathetic muscle nerve activity during sleep in man. Brain J Neurol Jun;114 ( Pt 3): Hughes JR, Hendrix DE, Cohen J, Duffy FH, Mayman CI, Scholl ML, et al. Relationship of the magnetoencephalogram to the electroencephalogram. Normal wake and sleep activity. Electroencephalogr Clin Neurophysiol Mar;40(3): Huupponen E, Gómez-Herrero G, Saastamoinen A, Värri A, Hasan J, Himanen S-L. Development and comparison of four sleep spindle detection methods. Artif Intell Med Jul;40(3): Iber. The AASM Manual for the Scoring of Sleep and Associated Events: Rules, Terminology and Technical Specification [Internet] Available from: Jasper H. Report of the committee on methods of clinical examination in electroencephalography. Electroencephalogr Clin Neurophysiol May;10(2): Jasper H, Stefanis C. Intracellular oscillatory rhythms in pyramidal tract neurones in the cat. Electroencephalogr Clin Neurophysiol May;18(6): Jasper HH. Electroencephalography III Normal differentiation of occipital and precentral 128

129 regions in man. Arch Neurol Psychiatry Jan 1;39(1):96. Johnson LC, Hanson K, Bickford RG. Effect of flurazepam on sleep spindles and Kcomplexes. Electroencephalogr Clin Neurophysiol Jan;40(1): Jones EG. Viewpoint: the core and matrix of thalamic organization. Neuroscience Jul;85(2): Kandel A, Buzsáki G. Cellular-synaptic generation of sleep spindles, spike-and-wave discharges, and evoked thalamocortical responses in the neocortex of the rat. J Neurosci Off J Soc Neurosci Sep 1;17(17): Khazipov R, Sirota A, Leinekugel X, Holmes GL, Ben-Ari Y, Buzsáki G. Early motor activity drives spindle bursts in the developing somatosensory cortex. Nature Dec 9;432(7018): Kim U, Bal T, McCormick DA. Spindle waves are propagating synchronized oscillations in the ferret LGNd in vitro. J Neurophysiol Sep;74(3): Kokkinos V, Kostopoulos GK. Human non-rapid eye movement stage II sleep spindles are blocked upon spontaneous K-complex coincidence and resume as higher frequency spindles afterwards. J Sleep Res Mar;20(1 Pt 1): Kokkinos V, Koupparis A, Stavrinou ML, Kostopoulos GK. The hypnospectrogram: An EEG power spectrum based means to concurrently overview the macroscopic and microscopic architecture of human sleep. J Neurosci Methods Dec;185(1): Kostopoulos G, Gloor P, Pellegrini A, Siatitsas I. A study of the transition from spindles to spike and wave discharge in feline generalized penicillin epilepsy: EEG features. Exp Neurol Jul;73(1): Kostopoulos GK. Spike-and-wave discharges of absence seizures as a transformation of sleep spindles: the continuing development of a hypothesis. Clin Neurophysiol Off J Int Fed Clin Neurophysiol Sep;111 Suppl 2:S Koupparis AM, Kokkinos V, Kostopoulos GK. Spindle Power Is Not Affected after Spontaneous K-Complexes during Human NREM Sleep. PLoS ONE Jan 10;8(1):e Koupparis AM, Kokkinos V, Kostopoulos GK. Semi-automatic sleep EEG scoring based on the hypnospectrogram. J Neurosci Methods Jan;221: Koutroumanidis M, Tsiptsios D, Kokkinos V, Kostopoulos GK. Focal and generalized EEG paroxysms in childhood absence epilepsy: topographic associations and distinctive behaviors during the first cycle of non-rem sleep. Epilepsia May;53(5): Krueger JM, Rector DM, Roy S, Van Dongen HPA, Belenky G, Panksepp J. Sleep as a fundamental property of neuronal assemblies. Nat Rev Neurosci Dec;9(12):

130 Kubicki S, Haag-Wüsthof C, Röhmel J, Herrmann WM, Scheuler W. Effect of lormetazepam, triazolam and flunitrazepam on rapid eye movements, K-complexes and sleep spindles in normal probands. EEG-EMG Z Für Elektroenzephalographie Elektromyographie Verwandte Geb Jun;18(2):61 7. Landis JR, Koch GG. The measurement of observer agreement for categorical data. Biometrics Mar;33(1): Laurino M, Menicucci D, Piarulli A, Mastorci F, Bedini R, Allegrini P, et al. Disentangling different functional roles of evoked K-complex components: Mapping the sleeping brain while quenching sensory processing. NeuroImage Feb 1;86: Le Van Quyen M, Bragin A. Analysis of dynamic brain oscillations: methodological advances. Trends Neurosci Jul;30(7): Lehmann D, Skrandies W. Reference-free identification of components of checkerboard-evoked multichannel potential fields. Electroencephalogr Clin Neurophysiol Jun;48(6): Loomis AL, Harvey EN, Hobart G. Further Observations On The Potential Rhythms Of The Cerebral Cortex During Sleep. Science. 1935a Aug 30;82(2122): Loomis AL, Harvey EN, Hobart G. Potential Rhythms Of The Cerebral Cortex During Sleep. Science. 1935b Jun 14;81(2111): Loomis AL, Harvey EN, Hobart GA. Electrical potentials of the human brain. J Exp Psychol. 1936;19: Loomis AL, Harvey EN, Hobart GA. Cerebral states during sleep, as studied by human brain potentials. J Exp Psychol. 1937;21(2): Loomis AL, Harvey EN, Hobart GA. Distribution of disturbance-patterns in the human electroencephalogram, with special reference to sleep. J Neurophysiol Sep 1;1(5): Lopes da Silva F. Neural mechanisms underlying brain waves: from neural membranes to networks. Electroencephalogr Clin Neurophysiol Aug;79(2): Lopes da Silva FH. EEG Analysis: Theory and Practice. In: Niedermeyer E, Schomer DL, Lopes da Silva FH, editors. Niedermeyer s electroencephalography: basic principles, clinical applications, and related fields. 6. ed. Philadelphia: Wolters Kluwer/Lippincott Williams & Wilkins Health; p Manni R, Zambrelli E, Bellazzi R, Terzaghi M. The relationship between focal seizures and sleep: An analysis of the cyclic alternating pattern. Epilepsy Res Oct;67(1 2): Manning CD. Introduction to information retrieval. New York: Cambridge University Press;

131 Marcuse LV, Fields MC, Yoo J. Rowan s primer of EEG [Internet]. S.l.: Elsevier; 2015 [cited 2016 Aug 17]. Available from: url= McCormick DA, Bal T. Sleep and arousal: thalamocortical mechanisms. Annu Rev Neurosci. 1997;20: McGinty D, Szymusiak R. Neural Control of Sleep in Mammals. In: Kryger MH, Roth T, Dement WC, editors. Principles and practice of sleep medicine. 5. ed. St. Louis, Mo: Elsevier Saunders; Moeller F, Siebner HR, Wolff S, Muhle H, Granert O, Jansen O, et al. Mapping brain activity on the verge of a photically induced generalized tonic-clonic seizure. Epilepsia Jun;50(6): Morin A, Doyon J, Dostie V, Barakat M, Tahar AH, Korman M, et al. Motor Sequence Learning Increases Sleep Spindles and Fast Frequencies in Post-Training Sleep. Sleep Aug 1;31(8): Moruzzi G, Magoun HW. Brain stem reticular formation and activation of the EEG. Electroencephalogr Clin Neurophysiol Nov;1(4): Murray MM, Brunet D, Michel CM. Topographic ERP analyses: a step-by-step tutorial review. Brain Topogr Jun;20(4): Naitoh P, Antony-Baas V, Muzet A, Ehrhart J. Dynamic relation of sleep spindles and Kcomplexes to spontaneous phasic arousal in sleeping human subjects. Sleep. 1982;5(1): Nakasato N, Kado H, Nakanishi M, Koyanagi M, Kasai N, Niizuma H, et al. Magnetic detection of sleep spindles in normal subjects. Electroencephalogr Clin Neurophysiol Aug;76(2): Niedermeyer E. 10. Sleep and EEG. In: Electroencephalography: Basic principles, clinical applications, and related fields p Niedermeyer E, Schomer DL. Historical Aspects of EEG. In: Niedermeyer E, Schomer DL, Lopes da Silva FH, editors. Niedermeyer s electroencephalography: basic principles, clinical applications, and related fields. 6. ed. Philadelphia: Wolters Kluwer/Lippincott Williams & Wilkins Health; p Niedermeyer E, Schomer DL, Lopes da Silva FH. Niedermeyer s electroencephalography: basic principles, clinical applications, and related fields. Philadelphia: Wolters Kluwer/Lippincott Williams & Wilkins Health; Nir Y, Staba RJ, Andrillon T, Vyazovskiy VV, Cirelli C, Fried I, et al. Regional slow waves and spindles in human sleep. Neuron Apr 14;70(1): Nishida M, Walker MP. Daytime Naps, Motor Memory Consolidation and Regionally Specific Sleep Spindles. PLoS ONE [Internet] Apr 4 [cited 2016 Aug 20];2(4). 131

132 Available from: Nunez PL, Srinivasan R. Electric fields of the brain: the neurophysics of EEG. 2nd ed. Oxford ; New York: Oxford University Press; Okada H, Iwase S, Mano T, Sugiyama Y, Watanabe T. Changes in muscle sympathetic nerve activity during sleep in humans. Neurology Dec;41(12): Oostenveld R, Praamstra P. The five percent electrode system for high-resolution EEG and ERP measurements. Clin Neurophysiol Off J Int Fed Clin Neurophysiol Apr;112(4): O Reilly C, Nielsen T. Assessing EEG sleep spindle propagation. Part 1: theory and proposed methodology. J Neurosci Methods. 2014a Jan 15;221: O Reilly C, Nielsen T. Assessing EEG sleep spindle propagation. Part 2: experimental characterization. J Neurosci Methods. 2014b Jan 15;221: Pál I, Simon G, Halász P. K-Complex formation as a function of the ongoing EEG activity. In: Koella W, Rüther E, Schulz H, editors. Sleep 84. Stuttgart: Gustav Fischer; p Panayiotopoulos CP. The atlas of epilepsies. New York: Springer; Parrino L, Ferri R, Bruni O, Terzano MG. Cyclic alternating pattern (CAP): The marker of sleep instability. Sleep Med Rev Feb;16(1): Parrino L, Smerieri A, Spaggiari MC, Terzano MG. Cyclic alternating pattern (CAP) and epilepsy during sleep: how a physiological rhythm modulates a pathological event. Clin Neurophysiol Off J Int Fed Clin Neurophysiol Sep;111 Suppl 2:S Pfurtscheller G, Lopes da Silva FH. Event-related EEG/MEG synchronization and desynchronization: basic principles. Clin Neurophysiol Nov;110(11): Piantoni G, Halgren E, Cash SS. The Contribution of Thalamocortical Core and Matrix Pathways to Sleep Spindles. Neural Plast. 2016;2016:1 10. Rechtschaffen A, Kales A. A manual of standardized terminology, techniques and scoring system for sleep stages of human subjects. Bethesda, Md.: U.S. Dept. of Health, Education, and Welfare, Public Health Services-National Institutes of Health, National Institute of Neurological Diseases and Blindness, Neurological Information Network; Reeves AL, Klass DW. Frequency asymmetry of sleep spindles associated with focal pathology. Electroencephalogr Clin Neurophysiol Jan;106(1):84 6. Rodenbeck A, Binder R, Geisler P, Danker-Hopfe H, Lund R, Raschke F, et al. A Review of Sleep EEG Patterns. Part I: A Compilation of Amended Rules for Their Visual Recognition according to Rechtschaffen and Kales. Somnologie Nov;10(4):

133 Ronzhina M, Janoušek O, Kolářová J, Nováková M, Honzík P, Provazník I. Sleep scoring using artificial neural networks. Sleep Med Rev Jun;16(3): Rossetti AO, Maeder-Ingvar M, Reichhart MD, Despland P-A, Bogousslavsky J. Transitory sleep spindles impairment in deep cerebral venous thrombosis. Neurophysiol Clin Clin Neurophysiol Feb;35(1): Roth M, Shaw J, Green J. The form voltage distribution and physiological significance of the K-complex. Electroencephalogr Clin Neurophysiol Aug;8(3): Rubio-Garrido P, Pérez-de-Manzo F, Porrero C, Galazo MJ, Clascá F. Thalamic input to distal apical dendrites in neocortical layer 1 is massive and highly convergent. Cereb Cortex N Y N Oct;19(10): Salinsky M, Goins S, Sutula T, Roscoe D, Weber S. Comparison of sleep staging by polygraph and color density spectral array. Sleep Apr;11(2): Sandwell DT. Biharmonic spline interpolation of GEOS-3 and SEASAT altimeter data. Geophys Res Lett Feb 1;14(2): Saper CB. The Neurobiology of Sleep: Contin Lifelong Learn Neurol Feb;19: Saper CB, Fuller PM, Pedersen NP, Lu J, Scammell TE. Sleep State Switching. Neuron Dec;68(6): Schabus M, Dang-Vu TT, Albouy G, Balteau E, Boly M, Carrier J, et al. Hemodynamic cerebral correlates of sleep spindles during human non-rapid eye movement sleep. Proc Natl Acad Sci U S A Aug 7;104(32): Seber GAF, editor. Cluster Analysis. In: Wiley Series in Probability and Statistics [Internet]. Hoboken, NJ, USA: John Wiley & Sons, Inc.; 1984 [cited 2014 Sep 5]. p Available from: Shrout PE, Fleiss JL. Intraclass correlations: uses in assessing rater reliability. Psychol Bull Mar;86(2): Silber MH, Ancoli-Israel S, Bonnet MH, Chokroverty S, Grigg-Damberger MM, Hirshkowitz M, et al. The visual scoring of sleep in adults. J Clin Sleep Med JCSM Off Publ Am Acad Sleep Med Mar 15;3(2): Skrandies W. Global field power and topographic similarity. Brain Topogr. 1990;3(1): Speckmann E-J, Elger CE, Gorji A. Neurophysiologic Basis of EEG and DC Potentials. In: Schomer DL, Lopes da Silva FH, editors. Niedermeyer s electroencephalography: basic principles, clinical applications, and related fields. Philadelphia: Wolters Kluwer/Lippincott Williams & Wilkins Health; p Staresina BP, Bergmann TO, Bonnefond M, van der Meij R, Jensen O, Deuker L, et al. 133

134 Hierarchical nesting of slow oscillations, spindles and ripples in the human hippocampus during sleep. Nat Neurosci Sep 21;18(11): Steriade M. Grouping of brain rhythms in corticothalamic systems. Neuroscience Jan;137(4): Steriade M, Gloor P, Llinás RR, Lopes de Silva FH, Mesulam MM. Report of IFCN Committee on Basic Mechanisms. Basic mechanisms of cerebral rhythmic activities. Electroencephalogr Clin Neurophysiol Dec;76(6): Steriade M, Llinás RR. The functional states of the thalamus and the associated neuronal interplay. Physiol Rev Jul;68(3): Swartz BE, Goldensohn ES. Timeline of the history of EEG and associated fields. Electroencephalogr Clin Neurophysiol Feb;106(2): Swihart BJ, Caffo B, James BD, Strand M, Schwartz BS, Punjabi NM. Lasagna Plots. Epidemiology Sep;21(5): Takeuchi S, Iwase S, Mano T, Okada H, Sugiyama Y, Watanabe T. Sleep-related changes in human muscle and skin sympathetic nerve activities. J Auton Nerv Syst Apr;47(1 2): Tan X, Uchiyama M, Shibui K, Tagaya H, Suzuki H, Kamei Y, et al. Circadian rhythms in humans delta sleep electroencephalogram. Neurosci Lett Jul 3;344(3): Tank J, Diedrich A, Hale N, Niaz FE, Furlan R, Robertson RM, et al. Relationship between blood pressure, sleep K-complexes, and muscle sympathetic nerve activity in humans. Am J Physiol Regul Integr Comp Physiol Jul;285(1):R Tatum WO. Normal Adult EEG. In: Ebersole JS, Nordli DR, Husain AM, editors. Current practice of clinical electroencephalography p Terzano MG, Mancia D, Salati MR, Costani G, Decembrino A, Parrino L. The cyclic alternating pattern as a physiologic component of normal NREM sleep. Sleep. 1985;8(2): Terzano MG, Parrino L, Garofalo PG, Durisotti C, Filati-Roso C. Activation of partial seizures with motor signs during cyclic alternating pattern in human sleep. Epilepsy Res Dec;10(2 3): Walter WG. The Location Of Cerebral Tumours By Electro-Encephalography. The Lancet Aug;228(5893): Walter WG, Dovey VJ. Electro-Encephalography In Cases Of Sub-Cortical Tumour. J Neurol Neurosurg Psychiatry Jul 1;7(3 4): Wauquier A, Aloe L, Declerck A. K-complexes: are they signs of arousal or sleep protective? J Sleep Res Sep;4(3):

135 Welch P. The use of fast Fourier transform for the estimation of power spectra: A method based on time averaging over short, modified periodograms. IEEE Trans Audio Electroacoustics Jun;15(2):70 3. Yamadori A. Role of the spindles in the onset of sleep. Kobe J Med Sci Sep;17(3): Zifkin BG. Pathophysiology of Reflex Epileptic Seizures. In: Panayiotopoulos CP, editor. Atlas of Epilepsies [Internet]. London: Springer London; 2010 [cited 2016 Aug 30]. p Available from: Zikopoulos B, Barbas H. Parallel Driving and Modulatory Pathways Link the Prefrontal Cortex and Thalamus. Baune B, editor. PLoS ONE Sep 5;2(9):e848. Zygierewicz J, Blinowska KJ, Durka PJ, Szelenberger W, Niemcewicz S, Androsiuk W. High resolution study of sleep spindles. Clin Neurophysiol Off J Int Fed Clin Neurophysiol Dec;110(12): Zygierewicz J, Malinowska U, Suffczyński P, Piotrowski T, Durka PJ. Event-related desynchronization and synchronization in evoked K-complexes. Acta Neurobiol Exp (Warsz). 2009;69(2): Κουππάρης Α. Σχεδιασμός και ανάπτυξη γραφικού περιβάλλοντος για επεξεργασία εγκεφαλογραφικού σήματος μέσω MATLAB [Internet] [Thesis] [cited 2015 Jan 6]. Available from: 135

136

137 5 Παράρτημα 137

138

139 1 Πίνακες αποτελεσμάτων Πίνακας 5.1: Σύγκριση κλασσικής, αυτόματης και ημιαυτόματης σταδιοποίησης: Συμφωνία και συντελεστής κάππα για όλα τα υποκείμενα και διαφορετικούς βαθμούς διάκρισης μεταξύ σταδίων. Αυτόματη - Κλασσική Εγρήγορση REM NREM Όλα τα στάδια Εγρήγορση REM LS SWS Υπνόγραμμα Συμφωνία Κάππα (Cohen's) Συμφωνία Κάππα (Cohen's) Συμφωνία Κάππα (Cohen's) Υποκείμενο 1 0,521 0,411 0,863 0,724 0,624 0,491 Υποκείμενο 2 0,571 0,484 0,677 0,447 0,629 0,506 Υποκείμενο 3 0,513 0,381 0,878 0,702 0,664 0,520 Υποκείμενο 4 0,555 0,462 0,774 0,545 0,609 0,432 Υποκείμενο 5 0,528 0,427 0,829 0,577 0,610 0,444 Υποκείμενο 6 0,478 0,353 0,888 0,773 0,745 0,639 Υποκείμενο 7 0,618 0,512 0,858 0,710 0,750 0,647 Υποκείμενο 8 0,620 0,530 0,867 0,753 0,786 0,701 Υποκείμενο 9 0,509 0,415 0,670 0,458 0,623 0,503 Υποκείμενο 10 0,606 0,520 0,766 0,514 0,678 0,538 Μέσος όρος 0,552 0,449 0,807 0,620 0,672 0,542 Τυπική απόκλιση 0,050 0,061 0,082 0,125 0,066 0,090 Ελάχιστο 0,478 0,353 0,670 0,447 0,609 0,432 Μέγιστο 0,620 0,530 0,888 0,773 0,786 0,701 Ημιαυτόματη - Κλασσική Εγρήγορση REM NREM Όλα τα στάδια Εγρήγορση REM LS SWS Εγρήγορση REM NREM 1,2,3,4 Υπνόγραμμα Συμφωνία Κάππα (Cohen's) Συμφωνία Κάππα (Cohen's) Συμφωνία Κάππα (Cohen's) Συμφωνία Κάππα (Cohen's) Υποκείμενο 1 0,599 0,512 0,909 0,809 0,680 0,564 0,611 0,522 Υποκείμενο 2 0,690 0,615 0,785 0,567 0,754 0,648 0,705 0,624 Υποκείμενο 3 0,676 0,586 0,933 0,837 0,787 0,688 0,679 0,589 Υποκείμενο 4 0,710 0,654 0,976 0,952 0,738 0,647 0,711 0,651 Υποκείμενο 5 0,662 0,582 0,859 0,659 0,755 0,636 0,673 0,595 Υποκείμενο 6 0,766 0,697 0,911 0,818 0,811 0,733 0,768 0,698 Υποκείμενο 7 0,606 0,491 0,892 0,775 0,705 0,577 0,609 0,492 Υποκείμενο 8 0,811 0,764 0,921 0,842 0,878 0,826 0,823 0,775 Υποκείμενο 9 0,732 0,660 0,862 0,753 0,802 0,722 0,739 0,666 Υποκείμενο 10 0,637 0,559 0,802 0,616 0,724 0,615 0,673 0,597 Μέσος όρος 0,689 0,612 0,885 0,763 0,764 0,665 0,699 0,621 Τυπική απόκλιση 0,068 0,084 0,059 0,117 0,058 0,079 0,066 0,083 Ελάχιστο 0,599 0,491 0,785 0,567 0,680 0,564 0,609 0,492 Μέγιστο 0,811 0,764 0,976 0,952 0,878 0,826 0,823 0,

140 Πίνακας 5.2: Παράμετροι του ύπνου για 10 καταγραφές Κλασσική σταδιοποίηση ΜΟ SD TSP 483,43 366,95 396,33 480,98 301,05 518,47 683,50 423,45 480,53 466,78 460,15 102,27 TST 460,40 316,15 386,20 424,38 298,15 498,47 668,60 368,05 479,10 438,65 433,82 105,94 SE 95,24 86,16 97,44 88,23 99,04 96,14 97,82 86,92 99,70 93,97 94,07 5,11 WASO 23,03 50,80 10,13 56,60 2,90 20,00 14,90 55,40 1,43 28,13 26,33 21,02 WASO% 4,76 13,84 2,56 11,77 0,96 3,86 2,18 13,08 0,30 6,03 5,93 5,11 NREM1 33,90 52,22 12,93 11,87 24,70 24,10 49,57 33,92 30,68 58,12 33,20 15,91 NREM1% 7,01 14,23 3,26 2,47 8,20 4,65 7,25 8,01 6,39 12,45 7,39 3,70 NREM2 112,70 104,13 66,05 57,88 165,60 203,03 148,23 162,87 160,68 129,67 46,45 NREM2% 23,90 30,71 26,27 13,73 19,23 31,94 29,70 35,01 33,89 34,42 27,88 7,08 NREM3 17,10 129,63 155,15 99,23 87,90 107,52 48,03 77,93 48,52 94,86 50,10 NREM3% 36,74 4,66 32,71 32,26 32,96 16,95 15,73 11,34 16,22 10,39 21,00 11,52 NREM4 75,85 46,28 113,87 54,60 79,70 118,48 66,82 43,27 74,03 70,43 28,74 NREM4% 6,50 20,67 11,68 23,67 18,14 15,37 17,33 15,78 9,00 15,86 15,40 5,18 REM 73,55 38,13 76,65 70,13 46,05 121,60 163,62 54,82 152,87 46,48 84,39 45,52 REM% 15,21 10,39 19,34 14,58 15,30 23,45 23,94 12,95 31,81 9,96 17,69 6,92 MA 28,42 20,15 16,57 7,32 15,68 19,57 26,38 16,23 11,48 50,82 21,26 12,13 5,88 5,49 4,18 1,52 5,21 3,77 3,86 3,83 2,39 10,89 4,70 2, ΜΟ SD MA% 115,53 177,60 31,40 Ημι-αυτόματη σταδιοποίηση 1 2 TSP 478,27 359,58 396,17 480,82 297,13 517,22 684,83 426,22 487,02 466,92 459,42 103,92 TST 445,73 302,12 386,18 424,32 297,13 491,08 665,90 354,72 475,40 458,17 430,08 107,55 SE 93,20 84,02 97,48 88,25 100,00 94,95 97,24 83,22 97,61 98,13 93,41 6,11 WASO 32,53 57,47 9,98 56,50 0,00 26,13 18,93 71,50 11,62 8,75 29,34 24,51 WASO% 6,80 15,98 2,52 11,75 0,00 5,05 2,76 16,78 2,39 1,87 6,59 6,11 NREM1 39,85 33,35 13,83 14,55 17,12 14,57 43,65 43,62 48,70 49,65 31,89 15,22 NREM1% 8,33 9,27 3,49 3,03 5,76 2,82 6,37 10,23 10,00 10,63 6,99 3,11 NREM2 124,30 129,30 185,45 69,70 206,75 315,67 148,25 154,47 136,08 168,01 66,71 NREM2% 43,94 34,57 32,64 38,57 23,46 39,97 46,09 34,78 31,72 29,15 35,49 6,85 NREM3 13,27 88,98 34,35 56,15 33,50 54,20 42,55 32,28 35,23 43,84 20,15 NREM3% 10,01 3,69 22,46 7,14 18,90 6,48 7,91 9,98 6,63 7,55 10,08 5,93 NREM4 68,78 65,47 107,75 67,37 79,77 38,85 56,18 45,40 72,58 64,29 20,69 NREM4% 8,52 19,13 16,53 22,41 22,67 15,42 5,67 13,18 9,32 15,55 14,84 5,75 REM 93,27 44,12 81,72 71,35 73,22 137,12 188,85 46,32 143,63 115,17 99,48 46,34 REM% 19,50 12,27 20,63 14,84 24,64 26,51 27,58 10,87 29,49 24,67 21,10 6,60 MA 13,83 18,30 6,88 10,87 13,58 19,38 24,68 17,80 50,92 49,45 22,57 15,35 2,89 5,09 2,26 4,57 3,75 3,60 4,18 4,91 3,13 MA% ,17 47,88 40,73 1,74 10,45 10,59

141 Αυτόματη σταδιοποίηση ΜΟ SD TSP 478,50 370,50 396,85 519,00 300,13 517,50 683,50 437,55 501,20 469,55 467,43 103,48 TST 441,00 269,00 384,35 518,00 280,13 477,50 662,00 324,55 343,70 433,05 413,33 120,28 SE 92,16 72,60 96,85 99,81 93,34 92,27 96,85 74,17 68,58 92,23 87,89 11,47 WASO 37,50 101,50 12,50 1,00 20,00 40,00 21,50 113,00 157,50 36,50 54,10 51,60 WASO% 7,84 27,40 3,15 0,19 6,66 7,73 3,15 25,83 31,42 7,77 12,11 11,47 NREM1 48,00 19,00 38,50 40,50 23,00 92,50 10,00 46,00 60,50 63,55 44,16 24,25 NREM1% 10,03 5,13 9,70 7,80 7,66 17,87 1,46 10,51 12,07 13,53 9,58 4,52 NREM2 64,50 156,35 85,50 107,00 149,00 276,00 126,00 117,50 146,00 141,79 59,45 NREM2% 39,71 17,41 39,40 16,47 35,65 28,79 40,38 28,80 23,44 31,09 30,11 8,89 NREM3 17,50 72,00 124,00 34,13 66,00 89,00 48,00 45,50 47,50 61,26 30,13 NREM3% 14,42 4,72 18,14 23,89 11,37 12,75 13,02 10,97 9,08 10,12 12,85 5,23 NREM4 77,00 30,50 105,50 51,00 26,50 70,00 39,50 40,50 66,00 52,10 27,52 NREM4% 3,03 20,78 7,69 20,33 16,99 5,12 10,24 9,03 8,08 14,06 11,53 6,21 REM 115,50 76,50 81,50 130,00 63,00 134,00 171,50 59,05 66,50 98,50 99,61 37,23 REM% 24,14 20,65 20,54 25,05 20,99 25,89 25,09 13,50 13,27 20,98 21,01 4,51 MA 4,00 14,50 5,50 32,50 2,00 9,50 45,50 6,00 13,20 11,50 14,42 13,91 2,63 2,45 2,80 2,15 MA% 190,00 69,00 14,50 0,84 3,91 1,39 6,26 0,67 1,84 6,66 1,37 TSP: Συνολικός χρόνος περιόδου ύπνου (Total Sleep Period), TST: Συνολικός χρόνος ύπνου (Total Sleep Time), SE: Δείκτης αποτελεσματικότητας ύπνου (Sleep Efficiency Index), WASO: Χρόνος Εγρήγορσης μετά την έναρξη του ύπνου (Wakefulness After Sleep Onset), MA: Μικροαφυπνίσεις (Microarousals). ΜΟ: μέσος όρος, SD: τυπική απόκλιση. 141

142

143 2 Εικόνες διαφορών μεταξύ των κορυφών των ατράκτων ανά υποκείμενο Οι εικόνες που ακολουθούν είναι δομημένες κατά το πρότυπο της εικόνας 2.53 στη σελίδα 109: Στο πάνω τμήμα της εικόνας απεικονίζεται η τοπογραφία των διαφορών μεταξύ των κορυφών (από αριστερά προς δεξιά: μεσαία πρώτη, τελευταία μεσαία, τελευταία πρώτη). Στο μεσαίο τμήμα απεικονίζεται η κατανομή της DISS ανάμεσα σε κάθε άτρακτο και το μέσο όρο που αντιπροσωπεύει την ποικιλομορφία των διαφορών. Στο κατώτερο τμήμα απεικονίζεται η συσταδοποίηση για 6 ομάδες στις διαφορές των κορυφών. Εικόνα 5.1: Διαφορές μεταξύ κορυφών στο υποκείμενο 1. Οι μέσοι όροι εξηγούν το 14%, 32% και 17% της συνολικής διακύμανσης (GEV) για τις διαφορές μεταξύ μεσαίας και πρώτης, μεταξύ τελευταίας και μεσαίας, και μεταξύ τελευταίας και πρώτης, αντίστοιχα. Οι ομαδοποιήσεις για τις ίδιες διαφορές παρουσιάζουν αντίστοιχα GEV 38%, 67% και 56%. 143

144 Εικόνα 5.2: Διαφορές μεταξύ κορυφών στο υποκείμενο 2. Οι μέσοι όροι εξηγούν το 38%, 18% και 41% της συνολικής διακύμανσης (GEV) για τις διαφορές μεταξύ μεσαίας και πρώτης, μεταξύ τελευταίας και μεσαίας, και μεταξύ τελευταίας και πρώτης, αντίστοιχα. Οι ομαδοποιήσεις για τις ίδιες διαφορές παρουσιάζουν αντίστοιχα GEV 65%, 65% και 66%. 144