선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 야간수면다원검사 뇌파 분석을 통하여 뇌파의 무축척역학, 장기-시간적 관련성 및 자기유사성을 확인하였다. 입면 과정 자체는 뇌파의 동기화가 증가되어가는 과정이다.
- 본 연구에서는 야간수면다원검사 전체 데이터 분석을 통해 무축척변동, 장기-시간적 관련성 및 스스로 짜여진 고비성(self-organized criticality)를 확인하였고 이는 수면뇌파를 탈경향변동분석 한 기존 연구와 일치되는 소견이다(7). 야간수면다원검사 결과 축척지수는 채널 별로는 차이를 보였다.
- 목적：뇌파의 비선형적 특성을 연구하는 방법으로 탈경향 변동분석이 사용되고 있다. 본 연구에서는 정상인 수면 뇌파에 탈경향변동분석을 적용하여 수면뇌파의 비선형적 특성, 채널 별 차이, 수면단계별 차이를 규명하고자 하였다.
- 본 연구에서는 탈경향변동분석을 수면뇌파에 적용하여 수면뇌파의 축적지수를 구하고 뇌파 채널 별, 수면단계별 특성을 규명하고자 하였다.
- 상관차원분석은 다양한 뇌질환 뇌파 연구에 이용되고 있지만, 상관차원분석을 이용한 연구에 몇 가지 제한점이 있다. 첫째 뇌처럼 매우 복잡한 시스템이 만들어내는 활성도가 저차원 역학으로 기술될 수 있는가 하는 것이다. 둘째, 상관차원 분석을 적용하기 위해서는 시계열(time series)이 정상과정(定常過程, stationary stochastic process)조건을 만족해야 하고, 충분히 많은 데이터를 가져야 하고, 적절한 신호 대 잡음비를 유지해야 한다.
제안 방법
- 선별된 대상군은 검사 일정이 정해지면 시행 2주전에 모든 약물을 중단하게 하였고, 하루 평균 8시간의 수면을 취하도록 하고, 검사 1주전부터 수면일기를 작성하도록 하였다. 검사 당일 저녁 7시에 피험자가 수면검사실로 방문하면 수면 일기를 검토하여 검사에 영향을 줄 수 있는 점이 없는지 확인하며, 수면-각성 주기 교란이 확인되면 검사를 연기하도록 하였다. 야간수면다원검사를 밤 10시부터 오전 6시까지 시행하였다.
- 뇌파 데이터 분석 시 각각 0.1초에서 3초와 0.1초부터 200초 크기에 해당되는 단위 구간(window)을 잡아서, 그 구간들이 겹치지 않게 옮겨 가면서 각 구간 변동(fluctuation) 평균을 구하였다. 그 변동(fluctuation)의 평균을 각 구간 크기의 함수로 그래프를 그려서 얻은 직선의 기울기가 축척지수이다.
- )을 사용하였고, 표준화된 방법으로 각종 전극들(electrodes)과 감지기들(sensors)을 대상자에게 부착하였다. 뇌파, 안전도, 하악근전도(chin EMG), 심전도(ECG), 호흡음(breathing sound), 구강 및 비 공기 흐름(oral and nasal airflow), 비강공기 압력(nasal pressure transducer), 흉곽 호흡 운동(chest movement), 복부 호흡 운동(abdominal movement), 사지운동(limb movement), 그리고 동맥 혈중산소포화도(SaO2, arterial oxygen saturation)를 측정하였다. 뇌파 전극은 10~20 체계(9)에 근거하여 C3, O1에 부착하였다.
- 대조군은 대중 매체 광고를 통해 모집하였다. 모든 피험자는 병원 윤리 위원회의 승인을 받은 연구 계획서와 동의서를 읽고 서명한 후 연구에 참여하였다.
- 본 연구에서는 정상인의 수면뇌파에 대한 탈경향변동분석 결과, 이들이 무축척변동(scale-free fluctuation)과 장기-시간적 관련성(long-range temporal correlation)을 보이며, 스스로 짜여진 고비성(self-organized criticality) 상태에 있음을 확인하였다. 또 축적지수의 뇌파 채널 별, 수면단계별 차이를 확인하였다.
- 방법：정상인 12명(23.8±2.5세, 남：여=7：5)를 대상으로 야간수면다원검사를 시행하였다.
- 본 알고리듬을 실제 데이터에 적용시키기에 앞서, 가상의 백색잡음(white noise), 1/f noise, 브라운잡음(Brownian noise)를 만들었다. 이 세 개의 데이터를 본 알고리듬에 적용한 결과는 그림 3에 제시되었다(그림 1).
- 본 연구에서는, 7.5시간 동안의 야간수면다원검사에서 얻어진 뇌파 전체에 대해 탈경향변동분석을 시도하였다. 이는 수면 무호흡증 환자와 임상적 상황이 잘 통제되지 않은 6명의 대조군을 대상으로 한 기존 연구와 유사하지만(7), 본 연구에서는 임상적으로 여러 변인들이 통제된 대조군 12명을 대상으로 탈경향변동분석을 시도하였고, 뇌파의 무축척역학(scalefree dynamic), 장기-시간적 관련성(long-range temporal correlation), 자기유사성(self-similarity) 및 스스로 짜여진 고비성(self-organized criticality) 등을 확인하였다는데 그 의의가 있다.
- 스스로 짜여진 고비성(self-organized criticality)에 대해 몇 몇 모델이 제안되었다. 본 연구에서처럼 뇌파를 대상으로한 연구에서는 뉴런의 생물학적 속성 즉 재분극과 탈분극의 진동자(integrate-and-fire oscillator)로의 특성에 착안하여 이를 스스로 짜여진 고비성의 모델로 상정하며, 이 때 재분극은 에너지의 느린 축적과 관련되고, 탈분극(action potential)은 빠른 에너지의 재분배와 관련된다. 결과적으로, 서로 연결된 뉴런들의 큰 신경망은 스스로 짜여진 고비성(self-organized criticality)이 될 수 있다(17).
- 분석 대상 데이터들을 본 알고리듬으로 분석하였다. 텍스트 파일 형태로 저장된 결과를 통계분석에 이용하였다.
- 선별된 대상군은 검사 일정이 정해지면 시행 2주전에 모든 약물을 중단하게 하였고, 하루 평균 8시간의 수면을 취하도록 하고, 검사 1주전부터 수면일기를 작성하도록 하였다. 검사 당일 저녁 7시에 피험자가 수면검사실로 방문하면 수면 일기를 검토하여 검사에 영향을 줄 수 있는 점이 없는지 확인하며, 수면-각성 주기 교란이 확인되면 검사를 연기하도록 하였다.
- 5세, 남：여=7：5)를 대상으로 야간수면다원검사를 시행하였다. 수면다원검사를 통해 얻어진 뇌파를 채널 별, 수면단계별로 나누어 탈경향변동분석 시행 후 여기서 얻어진 축척지수(scaling exponent)를 선형혼합모형 분석을 통해 비교하였다.
- 수면다원기록기기는 Somnologica® (Medcare Co., U.S.A.)을 사용하였고, 표준화된 방법으로 각종 전극들(electrodes)과 감지기들(sensors)을 대상자에게 부착하였다.
- 앞서 파일(text file) 형태로 추출된 뇌파 데이터에 대하여 다음 방식으로 탈경향변동분석이 시행되었다. 전체수면 단계의 분석에서 관찰 단위의 범위는 0.
- 검사 당일 저녁 7시에 피험자가 수면검사실로 방문하면 수면 일기를 검토하여 검사에 영향을 줄 수 있는 점이 없는지 확인하며, 수면-각성 주기 교란이 확인되면 검사를 연기하도록 하였다. 야간수면다원검사를 밤 10시부터 오전 6시까지 시행하였다. 이 검사 결과 배제 기준에 해당하는 수면질환이 발견되면 대상군에서 제외하였다.
- 야간수면다원검사를 통해서 얻어진 뇌파 및 수면단계(sleep stages)에 대한 정보를 Somnologica® (Medcare Co., U.S.A.)에 있는 데이터 추출 모듈을 이용하여 유럽 데이터포맷(European data format, EDF)으로 추출하였다.
- 5시간 분량의 뇌파 데이터를 이 프로그램의 신호 추출 모듈을 이용하여 채널 별 추출하였고 이에 해당하는 수면 단계를 텍스트 파일(text file) 형태로 추출하였다. 이 데이터는 각 피험자 별로, 채널 등에 따라 분류하여 저장하였다.
- 5시간 동안의 야간수면다원검사에서 얻어진 뇌파 전체에 대해 탈경향변동분석을 시도하였다. 이는 수면 무호흡증 환자와 임상적 상황이 잘 통제되지 않은 6명의 대조군을 대상으로 한 기존 연구와 유사하지만(7), 본 연구에서는 임상적으로 여러 변인들이 통제된 대조군 12명을 대상으로 탈경향변동분석을 시도하였고, 뇌파의 무축척역학(scalefree dynamic), 장기-시간적 관련성(long-range temporal correlation), 자기유사성(self-similarity) 및 스스로 짜여진 고비성(self-organized criticality) 등을 확인하였다는데 그 의의가 있다. 향후 탈경향변동분석법이 다양한 임상적, 실험적 상황에 적용될 수 있는 기반을 마련했다는데 의의가 있다.
- )에 있는 데이터 추출 모듈을 이용하여 유럽 데이터포맷(European data format, EDF)으로 추출하였다. 추출된 유럽 데이터 포맷(EDF) 데이터를 자체 개발한 신호 변환 프로그램을 이용하여 빈 포맷(BIN format) 데이터로 변환하였고, 이를 자체 개발한 디지털 수면다원검사 프로그램으로 디스플레이 하였다.
- 측정된 신호는 Somnologica® (Medcare Co., U.S.A.) 분석 소프트웨어를 이용하여 2인의 수면 전문가에 의해 표준 기준(10)에 따라 판독하였다.
대상 데이터
- 본 연구의 조건을 만족시키는 정상인 12명이 연구에 참여하였다. 연구 참여자는 평균연령은 23.
- 분석에 사용되는 뇌파는, 10~20 체계(9)에 따라서 부착된 C3/A2, O1/A2로부터 얻어졌다. 신호 증폭에 Somnologica® (Medcare Co.
- 연구 참여 2주 이내에 어떤 약물도 복용하고 있지 않는 16세부터 30세까지의 정상인 12명을 대상으로 하였다. 대상군은 연구 참여 2주 이전과 참여 중에 어떤 약물도 복용하지 않았다.
- 연구 참여자는 평균연령은 23.8±2.5세였으며, 성별 구성은 남자 7명, 여자 5명이었다.
- 피험자의 적합성 검사(screening test)에는 의학적 병력, 신체 검진, 정신과적 면담을 이용한 정신과적 평가 및 수면장애에 대한 전문의 면담이 포함되었다. 이 결과를 토대로 대상군을 선별하였다.
- 1~200초이며 이를 200 Hz의 신호추출 비를 이용하여 환산하면 20~40,000개의 데이터 포인트에 해당된다. 주간검사결과 분석에서는 관찰 단위는 0.1~3초이며 본 연구의 신호추출비가 200 Hz이므로, 20~600개의 데이터 포인트가 사용된다. 각 관찰 단위의 간격은 로그간격이며, 20개의 로그간격에 대해 계산했으며, 이를 식으로 표현하면
데이터처리
- 수면다원검사에서 얻어진 뇌파의 채널 별 축척지수의 차이를 선형혼합모형(Linear mixed model analysis, LMM)을 이용하여 비교 하였다. 수면단계에 따른 축척지수의 차이를 선형혼합모형(LMM)을 이용하여 분석하였다.
- 분석 대상 데이터들을 본 알고리듬으로 분석하였다. 텍스트 파일 형태로 저장된 결과를 통계분석에 이용하였다.
이론/모형
- 수면다원검사에서 얻어진 뇌파의 채널 별 축척지수의 차이를 선형혼합모형(Linear mixed model analysis, LMM)을 이용하여 비교 하였다. 수면단계에 따른 축척지수의 차이를 선형혼합모형(LMM)을 이용하여 분석하였다. 통계 분석의 유의수준은 α<0.
성능/효과
- 결과：정상인 수면다원검사에서 얻어진 뇌파의 축척지수는 1 내외의 값을 보여 장기-시간적연관성, 자기유사성을 보였다. C3 채널의 축적지수가 O1채널의 축적지수보다 높은 값을 보였다.
- 결론：정상인 수면 뇌파는 탈경향변동분석에서 무축척요동(scale-free fluctuation), 장기-시간적 관련성(long-range temporal correlation), 자기유사성(self-similarity) 및 스스로 짜여진 고비성(self-organized criticality) 등의 비선형적 특성을 보였다. 탈경향변동분석에서 얻어진 축적지수는 뇌파 채널 별, 수면단계별 차이를 보여 수면 뇌파를 연구하는 중요한 도구로 사용될 수 있다.
- 첫째 뇌처럼 매우 복잡한 시스템이 만들어내는 활성도가 저차원 역학으로 기술될 수 있는가 하는 것이다. 둘째, 상관차원 분석을 적용하기 위해서는 시계열(time series)이 정상과정(定常過程, stationary stochastic process)조건을 만족해야 하고, 충분히 많은 데이터를 가져야 하고, 적절한 신호 대 잡음비를 유지해야 한다. 그러나 뇌파가 항상 이 조건을 만족시키는 것은 아니다(6).
- 본 연구에서 축척지수는 평균 1 내외의 값을 보였으며 이를 통해, 수면 뇌파에서 무축척변동(scale-free fluctuation)과 장기-시간적 관련성(long-range temporal correlation)을 가짐을 확인하였다. 또 뇌파에 자기유사성(self-similarity)가 존재함을 확인하였다. 축척지수(scaling exponent)는 한정된 길이의 시계열(time series)에서 장기-시간적 관련성(long-range correlation)을 특징짓는데 중요하다.
- 본 연구에서 축척지수는 평균 1 내외의 값을 보였으며 이를 통해, 수면 뇌파에서 무축척변동(scale-free fluctuation)과 장기-시간적 관련성(long-range temporal correlation)을 가짐을 확인하였다. 또 뇌파에 자기유사성(self-similarity)가 존재함을 확인하였다.
- 본 연구에서는 정상인의 수면뇌파에 대한 탈경향변동분석 결과, 이들이 무축척변동(scale-free fluctuation)과 장기-시간적 관련성(long-range temporal correlation)을 보이며, 스스로 짜여진 고비성(self-organized criticality) 상태에 있음을 확인하였다. 또 축적지수의 뇌파 채널 별, 수면단계별 차이를 확인하였다.
- 야간수면다원검사 결과 축척지수는 채널 별로는 차이를 보였다. 수면다원검사의 각 수면단계 별 축척지수는 각성 상태에서 가장 낮았고 1단계, 2단계, 서파 수면 순서로 증가하였으며, 렘수면과 1단계 수면은 서로 구별되지 않았다(그림 2). 각성에서 수면으로 진행함에 따라 뇌파의 동기화가 증가하고 그것이 축척지수에 반영되었다.
- C3 채널의 축적지수가 O1채널의 축적지수보다 높은 값을 보였다. 수면단계가 진행함에 따라 축적지수는 증가하였으며, 1단계 수면과 렘수면은 축적지수는 통계적 차이를 보이지 않았다.
- 수면단계에 따른 축척지수를, 뇌파 채널(channel)을 고정효과(fixed effect)로 설정하여 선형혼합모형 분석을 시행하였고, 수면단계의 고정 효과가 유의하였고 수면단계가 각성, 1단계, 2단계 및 서파 수면으로 진행함에 따라 증가하는 양상을 보였으며 렘수면은 1단계 수면과 차이가 없었다(LMM；F=289.5, Num df=4, Den df=44, p<0.0001)(그림 2).
후속연구
- 결론：정상인 수면 뇌파는 탈경향변동분석에서 무축척요동(scale-free fluctuation), 장기-시간적 관련성(long-range temporal correlation), 자기유사성(self-similarity) 및 스스로 짜여진 고비성(self-organized criticality) 등의 비선형적 특성을 보였다. 탈경향변동분석에서 얻어진 축적지수는 뇌파 채널 별, 수면단계별 차이를 보여 수면 뇌파를 연구하는 중요한 도구로 사용될 수 있다.
- 각성에서 수면으로 진행함에 따라 뇌파의 동기화가 증가하고 그것이 축척지수에 반영되었다. 향후 축척지수는 수면뇌파 분석만을 통해서도 수면단계를 판정하는데 사용할 수 있을 것으로 생각된다.
- 이는 수면 무호흡증 환자와 임상적 상황이 잘 통제되지 않은 6명의 대조군을 대상으로 한 기존 연구와 유사하지만(7), 본 연구에서는 임상적으로 여러 변인들이 통제된 대조군 12명을 대상으로 탈경향변동분석을 시도하였고, 뇌파의 무축척역학(scalefree dynamic), 장기-시간적 관련성(long-range temporal correlation), 자기유사성(self-similarity) 및 스스로 짜여진 고비성(self-organized criticality) 등을 확인하였다는데 그 의의가 있다. 향후 탈경향변동분석법이 다양한 임상적, 실험적 상황에 적용될 수 있는 기반을 마련했다는데 의의가 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.