摘要
目的：使用EEG delta功率(＜4Hz)测量的睡眠慢波活动在整个发育过程中发生显著变化，反映了大脑功能和解剖结构的变化。然而，个体慢波特征随年龄的变化尚未被彻底研究。在这里，本研究旨在表征儿童期到成年期的个体慢波特性，如起源、同步和皮层传播。
方法：本研究分析了正常发育儿童(N=21，10.3±1.5岁)和年轻健康成人(N=18，31.1±4.4岁)的夜间高密度(256个电极)EEG记录。对所有记录进行预处理以减少伪影，并使用经过验证的算法检测和表征NREM慢波。统计学显著性的阈值设定为p=0.05。结果：与成人相比，儿童的慢波更大、更陡，但传播范围较小。此外，它们往往主要起源并分布于大脑后部区域。相对于成年人，儿童的慢波也表现出更强烈的右半球参与和起源于右半球的趋势。对高、低同步效率慢波的单独分析表明，这些慢波经历了部分不同的成熟模式，这与它们可能依赖于不同的生成和同步机制相一致。
结论：儿童期和成年期之间的慢波起源、同步和传播的变化与已知的皮质-皮质间和皮质下-皮质大脑连接的变化一致。从这个角度来看，慢波特性的变化可能为评估、跟踪和解释生理和病理发展提供一个有价值的标准。
前言
在儿童期和青春期，人类的大脑经历了几次重要的结构和功能适应。根据区域特异性发展轨迹，白质体积随着年龄的增长而增加，直至成年早期。反之，从7岁开始，灰质体积大幅度、不同步地下降，尤其是在额-顶叶联合区，并遵循后-前轨迹。这种下降似乎是选择性突触修剪、程序性细胞死亡和进行性皮质内髓鞘化共同作用的结果。重要的是，这种微妙而复杂过程的紊乱被认为是(通常出现在青春期的)几种精神疾病的基础。
睡眠脑电图(EEG)被认为是一种可靠的工具来追踪从婴儿期到青年期发生的大脑适应。事实上，在睡眠状态下记录的大脑活动仅受到与动机、注意力和情境影响相关的干扰因素的轻微影响，因此我们可以对大脑活动进行无偏估计。此外，NREM慢波(＜4Hz)和纺锤波(10-16Hz)等睡眠标志的特性似乎可以直接反映大脑组织和连通性，因此可以追踪生理和病理上的成熟变化。睡眠慢波在这方面特别有趣，因为它们依赖于短程和长程连接。具体而言，突触强度和效率的局部变化被认为会影响神经元同步，从而影响慢波特性，例如振幅、斜率和负峰数量等。不同的是，长程(例如，经胼胝体)连接似乎会影响在皮质水平上的长程慢波传播。
基于这些考虑，慢波活动(SWA)表示为在delta范围(＜4Hz)内的平均EEG信号功率——随着年龄的增长而逐渐降低，而其地形分布呈现出从头皮后部到头皮前部的变化。这些变化与区域髓鞘化和皮质体积的(微)结构变化以及区域特异性技能的获得同时发生。此外，纵向和半球间纤维髓鞘化的变化与慢波传播的速度和距离的增加有关。
有趣的是，先前的研究表明至少存在两种慢波亚型，它们可能是由不同的同步过程产生的：1)一种是与觉醒相关的皮质下-皮质过程(I型)可能导致入睡早期出现的广泛、大而陡峭的慢波，这些慢波往往起源于中央额区；2)皮质-皮质间过程可能是产生更局限、更小和更浅的慢波(II型)的基础，这些慢波在稳定的NREM睡眠期间占主导地位，可能起源于皮质的任何地方。对发育过程中的这些慢波亚型的研究可以为研究参与睡眠和慢波调节的皮质和皮质下结构的成熟提供一个重要的窗口。
虽然上述观察结果暗示了慢波作为大脑成熟标志物的潜在价值，但从未对慢波特征地形和不同慢波亚型如何从童年期到成年期发生变化进行过详细而全面的分析。值得注意的是，更好地理解与发育过程相关的慢波调控机制，可能对使用慢波作为神经发育障碍的标志物具有更广泛的意义。事实上，青春期或成年早期出现的特定精神病理被认为是由典型成熟过程中的异常引起，这可能反映在慢波表达模式的改变上。因此，本研究分析和比较了在健康儿童和年轻成人中采集的夜间睡眠高密度脑电图数据(256个电极)，以探讨慢波特征地形的潜在成熟依赖性变化。特别是，本研究使用自动化方法来检测单个慢波并分析它们的起源、区域同步和传播模式。根据已知的大脑发育适应和先前观察到的慢波特性，提出了以下假设。首先，慢波的起源和分布均由后区向前区转移，从而反映了额区产生和传播慢波到达的能力的变化。其次，儿童慢波在两个半球间的分布范围较小且不对称，这可能是半球间白质束发育不完全的结果。第三，不同慢波亚型呈现出可分离的特性和成熟模式，这与其主要依赖于不同的同步机制和大脑结构(分别为皮质下和皮质)一致。
方法
参与者
在这项观察性横断面调查中，本研究考察了使用相同EEG系统和相似程序记录健康儿童和年轻成人一晚的数据。在一项关于注意缺陷/多动障碍(ADHD)睡眠改变的研究中，卢加诺市立医院睡眠科招募了儿童作为对照参与者，而年轻成人则来自威斯康星大学麦迪逊分校睡眠实验室进行的一项研究，作为评估冥想对睡眠影响研究的对照对象。由睡眠医学委员会认证的医生对儿童和成人进行全面访谈，以筛查任何已知的睡眠障碍或任何影响睡眠的医疗状况。然后将选定的受试者送往睡眠实验室进行睡眠视频-PSG，并进行长时间的脑电图监测，以筛查是否存在阻塞性睡眠呼吸暂停综合征(OSAS)和周期性肢体运动(PLM)。
选择标准：①儿童组年龄在7-14岁之间，成人组年龄在20-40岁之间；②无睡眠障碍病史；③睡眠记录技术质量良好；④呼吸紊乱指数(RDI)＜5次/小时。儿童组由21名受试者(10.3±1.5岁，9名女性)组成，而成人组由18名受试者(31.1±4.4岁，11名女性)组成。所有研究程序均经过当地独立伦理委员会和威斯康星大学健康科学机构审查委员会的审查和批准。所有参与者在参与时均提供了书面同意。所有研究活动均按照《赫尔辛基宣言》进行。
睡眠记录
所有参与者均接受了整夜的实验室高密度脑电图记录(256通道；Electrical Geodesics Inc., Eugene，OR)，采样率为250Hz或500Hz，并结合传统的视频-PSG。在数据预处理和分析之前，将500Hz的记录降采样至250Hz。在参与者通常的就寝时间一小时内熄灯，所有参与者的起床时间都在早上6-7点之间。睡眠分期和睡眠事件由经过委员会认证的睡眠医师使用Embla® Remlogic软件(Neurolite)根据30s的epoch对6个双极重参考EEG通道(F3/M2,F4/M1，C3/M2，C4/M1，O1/M2，O2/M1)、眼电图(EOG)和颏下肌电图(EMG)进行评分。
脑电数据预处理
在进行频谱分析之前，按照高密度脑电图的标准流程对数据进行预处理。导入所有EEG信号和其他相关信息(包括睡眠评分)，提取NREM睡眠(N2和N3阶段)阶段，并使用EEGLAB工具箱在MATLAB(The MathWorks Inc.，Natick，MA)中进行分析。首先对EEG信号进行0.1Hz的一阶高通滤波，随后进行带通滤波(0.5-45Hz，基于Kaiser窗的FIR，零相位失真)。利用交互式开源数据可视化和数据清洗工具(https://github.com/CSC-UW/csc-eeg-tools.git)对MATLAB中的数据进行可视化检测，并标记坏导和伪影信号。将包含影响大部分通道(＞50%)的唤醒或运动相关伪影的数据段标记为“坏”，并且不考虑用于后续分析。在检查功率谱和地形功率图时，本研究还删除了相对于相邻通道功率明显更大的通道。使用EEGLAB程序分别对N2和N3数据进行独立成分分析(ICA)，以去除眼动、心电图、出汗和肌肉伪影。根据成分的地形和时间序列，仅排除具有特定活动模式的ICA成分和具有伪影活动特征的成分图。最后，使用非线性球面插值来恢复被剔除的坏导。
NREM睡眠的EEG信号功率
使用无伪迹的6秒epoch对平均参考信号进行频谱分析。对于地形分析，本研究计算了各个epoch的平均delta功率(SWA；1-4Hz)，并检查了绝对功率和归一化功率(使用公式z=(x-μ)/σ计算各通道的z分数，其中x是特定电极的原始值，μ和σ分别是跨电极计算的平均值和标准差)。
慢波检测
EEG信号以双侧乳突(右侧乳突：190通道，左侧乳突：94通道)为参考，并使用经过验证的方法自动检测慢波。首先，计算信号负包络。然后，应用基于零均值中心信号包络上连续过零识别的负半波检测程序，仅保留持续时间在0.25~1.0s之间的半波用于进一步分析。未设置振幅阈值。对于所有检测到的慢波，计算并存储以下感兴趣的参数：持续时间(过零间隔时间，单位为秒；s)，最大负峰振幅(μV)，下行斜率(第一次过零点到最大负峰之间；μV/s)，上行斜率(最大负峰与第二次过零之间；μV/s)，范围(在以波峰为中心的40ms窗口内计算所有电极的平均EEG信号；μV)。
慢波的起源和传播
对于每个检测到的慢波，通过确定每个局部最大负峰相对延迟的地形分布来计算其传播模式。使用“相似性约束”方法丢弃负波与“原型”慢波差异过大的通道，“原型”慢波定义为在信号负包络上检测到的最大波峰的时间点具有最大负峰的波。该方法基于原型波的瞬时相位(使用希尔伯特变换估计)与每个EEG信号的瞬时相位(在对称的300ms时间窗内)之间的互相关。保留最大互相关值分布的第25个百分位数以上的事件以创建头皮延迟图。然后，应用时空聚类程序来排除潜在的传播间隙。根据此程序，将相距小于10ms的两个相邻电极的局部峰值视为同一传播簇的一部分。最后，识别包含原型波的传播聚类，提取最终的延迟映射，并将最小延迟设置为零。利用得到的延迟映射计算慢波密度、全局性、起始点和终止点。具体来说，每个通道的慢波密度被定义为每分钟该通道参与慢波的次数。在排除伪迹或非生理活动后，在每个睡眠时期计算该指数，然后对各个时期进行平均。慢波全局性计算为从延迟映射中提取的单个慢波所涉及的通道数。将每个慢波的起始和终止分别定义为传播延迟最低(即0ms)或最高的通道。为了研究慢波在两个半球的起源是否不同，如果75%的起始通道位于左(或右)半球，那么将单个慢波归类为左(或右)半球起源。然后，确定左半球或右半球起源明确的慢波占检测到的慢波总数的总体比例。最后，计算“通道激活对称性指数”，值为50%表示对称分布，0%表示单侧分布。
统计分析
使用非配对双尾t检验、Mann-Whitney U检验或X2检验进行组间统计比较(视情况而定)。首先分别使用Shapiro/Wilk检验和Levene检验评估数据的正态性和方差齐性。采用混合模型方差分析(ANOVA)来研究组间(儿童、成人)和组内因素的交互效应。
对于头皮地形分析，本研究使用基于聚类的方法进行多重比较校正。具体来说，对于每个执行的t检验，通过对各组受试者进行随机分配生成一个零分布。在置换过程的每次迭代中，计算每个电极的检验统计量，并将最大显著电极簇的大小(未校正的p＜0.05)存储在频率表中。考虑到计算所有可能的数据重组是不现实的，本研究使用50000次迭代来近似完整的零分布。最后，将第95百分位数(5%的显著性水平)作为临界阈值。采用Spearman进行相关分析。
α显著性水平设置为p＜0.05，偏Eta方(η2)和Cohen's d作为效应量的衡量指标。如果结果不显著，则计算贝叶斯统计(https://www.github.com/klabhub/bayesFactor)，其中贝叶斯因子＞3被认为支持零假设。所有统计分析均在MATLAB中进行。
结果
慢波活动
儿童组的整个头皮NREM SWA绝对值高于成人组(簇大小=256，p＜0.05)。然而，在标准化后，与成人组相比，儿童组中央后部区域的SWA较高(簇大小=30，p＜0.05)，额区SWA较低(簇大小=69，p＜0.05)。本研究在分别关注N2或N3以及第一个睡眠周期(数据未显示)的其他探索性分析中获得了类似的结果。
慢波密度和参与儿童的绝对慢波密度和参与明显高于成人(图1)。对电极进行标准化后，结果发现与成人相比，儿童后部区域的密度和参与度显著更高，而额区的值较低。此外，儿童组的慢波负振幅、下行斜率和上行斜率显著高于成人组(图1)。另一方面，儿童的慢波全局性低于成人。鉴于慢波斜率和全局性被认为分别反映了短程和长程同步效率，本研究进一步探讨了这些特性在两个年龄组中的关系。当调整年龄因素后，成人组中的慢波下行斜率与全局性呈正相关(p=0.012，r=0.59)，但在儿童组中不相关(p=0.665，r=0.10)，且组间相关系数差异显著(p=0.049)。
激活对称性指数儿童与成人之间的左右对称性(通道激活对称性指数)存在显著差异(p＜0.001；图2)。此外，两组前部通道的对称性指数均显著高于后部通道对称性指数。组别(儿童、成人)和脑区(前部、后部)之间存在显著的交互作用(p＜0.001)。事实上，与成人组相比，儿童组前半球慢波更不对称，而后半球的对称性指数在两组之间不存在显著差异(图2)。因此，相对于成人，儿童的前部慢波更不对称，而后部区域的半球不对称程度在两组之间相似。
慢波起源和终止虽然慢波终止的地形分布在儿童和成人之间没有显著差异(p＞0.05)，但与儿童相比，成人的慢波似乎更多地起源于额区(p＜0.05；图3)。在后部电极中也观察到一个互补的统计趋势，即儿童的起源概率高于成人(p＜0.05，未校正)。组别(儿童、成人)与半球起源概率(左、右)之间存在显著的交互作用(p=0.023)。事实上，在儿童组中，起源于右半球的波的百分比明显高于起源于左半球的波的百分比，但成人组则不然。与成人组相比，儿童组右半球起源的慢波百分比较高(p=0.040), 而左半球起源的慢波百分比在组间没有统计学差异(p=0.827；图3)
同步效率高低的慢波对于每个慢波，根据平均斜率和参与电极的比例计算同步分数，作为慢波同步效率的衡量指标。两组的同步分数分布均为非高斯分布且呈右偏态(图4)。但平均而言，儿童的同步分数更高(p＜0.01)。同步分数分布在NREM周期中保持相似，但也显示出明显的左移，与慢波振幅和全局稳态变化的影响相一致(图4)。因此，为了避免与稳态变化相关的可能混淆，本研究仅对第一个NREM周期进行进一步分析。然后对同步效率高(top10%)和中等(mid10%)的慢波进行分类和分析。
研究结果发现，在额叶和顶-枕簇中，组别(儿童、成人)和慢波类型(中10%、前10%)之间存在显著的交互作用(图5)。具体而言，在额簇前10%(p＜0.001)和中10%的慢波(p＜0.001)中，成年人比儿童的参与度更高。此外，在同一簇中，成年人组前10%慢波的参与值显著高于中10%慢波(p＜0.001)，而儿童组无统计学差异(p=0.120；图5C)。在后部团簇中也发现了类似的差异(虽然符号相反)。
中10%和前10%慢波均有起源于中央电极和额叶电极的趋势，但只有成年人的前10%慢波有明显的起源热点。本研究发现在中央电极簇中慢波概率起源的组别和慢波类型之间存在显著的交互作用。事后分析表明，在这一团簇中，与儿童组相比，前10%慢波的成年人组有更高的起源概率(p＜0.001)，但中等10%的慢波则没有明显差异(p=0.971)。此外，在同一电极簇中，成年人组的前10%慢波起源概率明显高于中等10%慢波(p＜0.001)，但在儿童组中未发现类似差异(p=0.935，图5)。
结论
综上所述，本研究结果表明，对慢波特性的详细描述能够提供有关儿童期和青春期大脑形态功能适应的宝贵信息，这些信息扩展和补充了从SWA(delta功率)的简单评估中得出的信息。此外，本研究提供的证据支持至少存在两种以不同水平的同步效率为特征的慢波亚型，并且这些慢波经历了部分不同的成熟变化。先前的观察结果表明，这种慢波亚型的产生可能分别取决于皮质下-皮质和皮质-皮质间的同步机制，鉴于此，本研究结果表明，对它们的单独评估可以提供关于不同解剖-功能脑网络成熟的有价值的解读。总体而言，目前的数据支持这样一种观点，即睡眠是观察和追踪大脑生理适应及其紊乱的独特窗口，有助于为临床人群的病理发展提供一个有价值的标准。事实上，例如，不同慢波亚型的特定变化可能与病理条件下特定大脑结构或网络的改变有关。在这方面，I型波的成熟变化(反映了觉醒相关系统的参与)尤其可能发生在这些结构出现功能改变的情况下。
原文：Anna Castelnovo, Althea Lividini, Brady A. Riedner, Giulia Avvenuti, Stephanie G. Jones, Silvia Miano, Giulio Tononi, Mauro Manconi, Giulio Bernardi, Origin, synchronization, and propagation of sleep slow waves in children, NeuroImage (2023), doi: https://doi.org/10.1016/j.neuroimage.2023.120133
茗创科技专注于脑科学数据处理，欢迎关注公众号，有任何相关的疑问和咨询，可添加我们的工程师（MCKJ-zhouyi或17373158786）进行咨询~