《Sleep Medicine》：Abnormal Resting-State EEG Microstates Correlate with Objective Sleep Parameters in Insomnia Disorder
编辑推荐：
•●临床失眠障碍患者在脑电图微状态方面表现出显著异常。•●在失眠障碍组中，微状态D的发生率与快速眼动睡眠百分比呈负相关，与非快速眼动睡眠第一期百分比呈显著正相关。•●为过度皮层觉醒干扰睡眠稳态的病理机制提供了初步的电生理学证据。引言失眠障碍是临床实践中常见的睡眠问题，也是一种
- •
●临床失眠障碍患者在脑电图微状态方面表现出显著异常。
- •
●在失眠障碍组中，微状态D的发生率与快速眼动睡眠百分比呈负相关，与非快速眼动睡眠第一期百分比呈显著正相关。
- •
●为过度皮层觉醒干扰睡眠稳态的病理机制提供了初步的电生理学证据。
引言
失眠障碍是临床实践中常见的睡眠问题，也是一种致残性的神经精神疾病。其核心表现是：即使个体拥有充足的睡眠机会，仍然持续出现入睡困难、睡眠维持障碍或早醒等症状，睡眠质量下降，总睡眠时间减少[1]。在当今快节奏的社会中，失眠的患病率持续上升。调查表明，全球约30%至40%的普通人群经历以入睡或维持睡眠困难为特征的失眠症状，其中约10%符合失眠的临床诊断标准[2], [3], [4]。失眠对认知功能产生广泛影响，如注意力受损和记忆力下降[5], [6]。它还可能引发情绪障碍，损害情绪调节能力，导致焦虑和抑郁等症状[7]。此外，失眠患者经常经历身体不适，包括日间疲劳和食欲减退[8], [9]。而且，失眠患者面临心血管疾病和糖尿病等合并症的高发风险[10], [11]。总之，失眠严重损害个体的生活质量和社会功能[4], [12], [13]。尽管失眠障碍在全球范围内具有高患病率和显著的临床负担，但失眠障碍的神经病理机制仍未得到完全阐明。亟需进一步研究以揭示失眠障碍的神经生理学机制。
近年来，脑电图因其毫秒级时间分辨率、操作简便、成本低以及能够直接反映神经元电活动的技术优势，在神经科学研究中获得了广泛关注。与事件相关电位记录范式相比，静息态脑电图无需复杂的刺激-反应任务设计，实验流程更为简洁，数据获取效率显著提高。脑电图作为一种成熟的不侵扰性神经影像技术，已被广泛应用于多个研究领域，包括精神疾病和神经系统疾病病理机制的探索、临床诊断以及疗效评估[14], [15], [16], [17]。同时，脑电图也成为研究失眠等睡眠障碍不可或缺的工具[18], [19], [20], [21]。
传统脑电图分析方法主要关注时域和频域特征，这些特征通常反映局部脑区的活动，难以表征全脑功能网络的动态变化[22]。相比之下，脑电图微状态分析通过充分利用信号的时空动态特性，有效地捕捉大规模脑功能网络的活动特征。这一优势在传统脑电图分析方法中难以实现，同时也无法通过时间分辨率有限的大脑影像技术（如功能性磁共振成像）实现[23], [24], [25]。脑电图微状态分析的核心假设是，脑电图数据由一系列离散且稳定的状态组成。微状态被定义为脑电图所有通道上特定的稳定头皮电压构型，平均持续时间为数十毫秒（通常在60至120毫秒之间）。这些状态之间的快速转换被认为反映了亚秒时间尺度上分布式脑网络的动态激活过程[25], [26], [27]。在静息态条件下，脑电图微状态通常可分为四种经典拓扑模式，即A、B、C和D，分别对应静息态下的听觉、视觉、显著性和注意网络[28], [29], [30]。微状态的切换能够精确描述脑活动的快速变化，这一过程也被认为是人类认知功能实现的基础。
在失眠相关研究中，Wei等人发现失眠障碍患者微状态C的持续时间缩短、微状态D的发生频率增加，这与患者表现出的躯体感知增强一致。相比之下，Guo等人得出了相反的结论，认为失眠障碍患者微状态D的频率和贡献率显著降低，且这种异常与多导睡眠图测量的入睡潜伏期相关[31], [32]。Cao等人招募了伴有或不伴失眠的亚临床抑郁受试者和健康对照者，观察到亚临床抑郁伴失眠组微状态B的发生频率显著降低。此外，匹兹堡睡眠质量指数总分与微状态C的频率呈负相关，这证实了微状态能够反映亚临床人群的脑网络动态变化[33]。Ding针对学生群体进行研究，发现静息态脑电图微状态C的持续时间与入睡潜伏期呈正相关[34]。Weng进一步分析了微状态的线性和非线性特征，发现具有失眠症状的个体微状态B的持续时间缩短，微状态B和C的频率和覆盖率降低，而微状态D和E则相反，同时还存在异常的转换动态特征。在线性特征方面，全序列的熵速率增加，超额熵减少，跳跃序列的熵速率降低[20]。尽管迄今为止已开展了大量失眠障碍的临床研究，但聚焦于脑电图微状态拓扑动态结合客观多导睡眠图睡眠架构指标的研究仍较为匮乏。此外，既往研究中微状态参数的改变存在不一致性，这些初步发现的外推性仍有待进一步验证。
本研究选取临床失眠障碍患者和健康对照受试者作为研究对象，系统比较了两组间静息态脑电图微状态参数。同时，进行了探索性分析，探讨失眠患者静息态脑电图微状态参数与睡眠架构指标之间的相关性。本研究旨在从神经电生理学的角度阐明失眠障碍患者神经功能变化的特征。
章节摘要
研究对象
本研究分析的数据来自两个独立数据集。共纳入45例失眠障碍患者（44.22 ± 12.18岁）和48名健康对照者（39.94 ± 13.34岁）。所有脑电图数据均在闭眼静息态下采集。
数据集1来源于中国西南大学睡眠与神经影像中心，记录了45例失眠障碍患者和20名健康对照者的闭眼静息态脑电图。两位经验丰富的
人口学数据与睡眠参数
失眠障碍组和健康对照组的一般人口学特征、问卷和多导睡眠图数据描述见表1。失眠诊断由合格的临床医生依据国际睡眠障碍分类第三版标准做出。标准化问卷并非要求所有参与者填写，因此部分受试者存在问卷数据缺失。所有参与者均进行了静息态脑电图记录并填写了人口学信息表。整夜多导睡眠图仅对
讨论
本研究分析了静息态脑电图微状态参数，揭示了临床失眠障碍患者与健康个体之间脑功能网络动态特征的显著差异。结果表明，在失眠障碍组中，微状态A和B的持续时间显著短于健康对照组，微状态C的发生率和贡献率显著高于健康对照组，而微状态D的持续时间、发生率和
结论
本研究证实，临床失眠障碍患者在脑电图微状态方面表现出显著异常，且微状态参数与客观睡眠指标相关。与健康对照组相比，失眠障碍组微状态A、B和D的持续时间显著缩短，微状态C的发生率和贡献率显著增加，微状态D的发生率和贡献率显著降低。这些发现表明
作者贡献声明
徐磊：撰写-审阅与编辑、方法论、调查研究。吴钱钱：撰写-审阅与编辑、撰写-初稿、可视化、指导、软件、方法论、数据管理、概念化。吴钱钱：撰写-审阅与编辑、撰写-初稿、可视化、指导、软件、方法论、数据管理、概念化
伦理声明
已获得所有参与者或其法定代表人的书面知情同意，同意参加本研究并发表相关论文。已尊重参与者的隐私权。
本研究遵循了研究所在地的相关法律、监管框架和指南。本研究按照赫尔辛基宣言进行。本研究已获得西南大学批准。（批准号：H20080）
数据可用性声明
本研究使用的数据可通过向通讯作者提出合理请求获得。由于隐私和伦理限制，访问数据可能需要相关机构审查委员会或伦理委员会的批准。
竞争利益声明
? 作者声明，不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。
吴钱钱|文林曼|徐磊
