- 2 次围观
癫痫发作伴随着自主神经调节的深刻改变，然而，编码于心脏动力学中的生理信息仍未被充分理解。贝叶斯心率（HR）熵近期被提出作为一种心脏动力学的概率性测度，但其是否能够捕捉癫痫发生生理学中具有临床意义的方面，例如行为意识或发作演变，尚未得到证实。我们使用 BayesianAtHeart 框架，对视频脑电图监测期间获得的心电图记录估计贝叶斯 HR 熵。将熵衍生指标与经过质量控制的临床元数据整合，生成了一个冻结的、以发作为单位的分析数据集，所有后续分析均基于该数据集进行。采用线性混合效应模型评估发作平均贝叶斯 HR 熵与临床变量之间的关联，并在模型中考虑患者内重复发作的影响；同时，对时间分辨的熵轨迹进行了描述性分析。 在心电图质量控制后，10例患者的67次发作中有51次成功估计出贝叶斯 HR 熵；其余16次发作因心电图质量不足而被排除。具有完整意识分类信息的48次发作构成了主要分析队列。在基于发作平均值的分析、混合效应模型以及时间分辨熵轨迹分析中，贝叶斯 HR 熵均未与发作期意识相关。相反，发作持续时间是贝叶斯 HR 熵最强的临床相关因素，持续时间较长的发作表现出进行性降低的贝叶斯 HR 熵。时间分辨分析表明，这种关联反映的是熵在发作演变过程中逐渐下降，而非发作起始时贝叶斯 HR 熵较低。事后敏感性分析显示，这种关联并非由选择偏倚或熵估计器可用的逐搏间期数量所致，并且熵方差的主要来源是发作持续时间，而非患者之间稳定的个体差异。与发作前基线相比，熵在发作期间并未普遍降低；相反，熵轨迹的变异性随着发作持续时间延长而逐渐下降，且这种下降较其均值变化更为显著。 这些发现提示，贝叶斯 HR 熵主要反映的是癫痫发作过程中自主神经调节组织化状态的动态演变，而非行为意识。除确定发作持续时间是本队列中贝叶斯 HR 熵最强的相关因素外，本研究还建立了一个完全可复现的贝叶斯 HR 熵分析计算框架，为未来针对癫痫自主神经动力学的前瞻性研究奠定了基础。
癫痫发作伴随着自主神经调节的显著改变，然而，编码于心脏动力学中的生理信息仍未被充分理解。近期，贝叶斯心率（HR）熵被提出作为一种心脏动力学的概率性度量，但其是否能够捕捉癫痫发生理中具有临床意义的方面，如行为意识或发作演变，尚未得到证实。
我们利用 BayesianAtHeart 框架，从视频脑电图监测期间采集的心电图记录中估计贝叶斯 HR 熵。基于熵的测量指标与经过质量控制的临床元数据相整合，以生成一个固定的、以发作为单位的分析数据集，所有后续分析均基于该数据集进行。采用线性混合效应模型评估发作平均贝叶斯 HR 熵与临床变量之间的关联，该模型考虑了患者内重复发作的影响；同时，对时间分辨的熵轨迹进行了描述性分析。
在完成 ECG 质量控制后，10 例患者的 67 次发作中有 51 次成功估计出贝叶斯 HR 熵；其余 16 次发作因 ECG 质量不足而被排除。具有完整意识分类信息的 48 次发作构成了主要分析队列。在发作平均分析、混合效应模型分析及时间分辨熵轨迹分析中，贝叶斯 HR 熵均未显示与发作期意识相关。相反，发作持续时间成为贝叶斯 HR 熵最强的临床相关因素，持续时间较长的发作表现出逐渐降低的贝叶斯 HR 熵。时间分辨分析表明，这种关联反映的是熵在发作演变过程中逐步下降，而非发作起始时贝叶斯 HR 熵较低。事后敏感性分析显示，这一关联并非由选择偏倚或熵估计器可用的逐搏间期数量所致，并且与患者之间稳定差异相比，发作持续时间才是熵方差的主要来源。与发作前基线相比，发作期间的熵并未普遍降低；相反，熵轨迹的变异性随着发作持续时间延长而逐渐下降，且这种下降较其均值变化更为显著。
这些发现提示，贝叶斯 HR 熵主要反映的是发作过程中自主神经调节的动态组织变化，而非行为意识。除识别出发作持续时间是该队列中贝叶斯 HR 熵最强的相关因素外，本研究还建立了一个完全可复现的贝叶斯 HR 熵分析计算框架，为未来前瞻性研究癫痫中的自主神经动力学奠定了基础。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.30.741763v1?rss=1
🏷️ 癫痫发作 自主神经动力学 心率熵 贝叶斯分析 脑电心电联合监测