CN116250043A - 用于测量与改变的意识状态水平和/或疼痛水平组合和/或相关联的焦虑水平的方法和系统 - Google Patents

用于测量与改变的意识状态水平和/或疼痛水平组合和/或相关联的焦虑水平的方法和系统 Download PDF

Info

Publication number
CN116250043A
CN116250043A CN202180055284.2A CN202180055284A CN116250043A CN 116250043 A CN116250043 A CN 116250043A CN 202180055284 A CN202180055284 A CN 202180055284A CN 116250043 A CN116250043 A CN 116250043A
Authority
CN
China
Prior art keywords
data
loa
treatment
lop
dos
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202180055284.2A
Other languages
English (en)
Inventor
黛安·乔丽丝
马里奥·于格
克莱芒丝·图桑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kaishu Co ltd
Original Assignee
Kaishu Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Kaishu Co ltd filed Critical Kaishu Co ltd
Publication of CN116250043A publication Critical patent/CN116250043A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
    • A61B5/291—Bioelectric electrodes therefor specially adapted for particular uses for electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Physiology (AREA)
  • Hospice & Palliative Care (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Social Psychology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Educational Technology (AREA)
  • Pulmonology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

描述了一种用于测量与改变的意识状态的水平和/或疼痛水平组合和/或相关的焦虑水平的计算机实现的方法。接收包括EEG数据的测量数据。从EEG数据中提取第(8)组指标，所述第(8)组指标基于在δ‑θ频率范围内与δ‑θ频带dt相关联的功率，即P‑功率(dt)。进一步地，从EEG数据中提取第(1)组指标，所述第(1)组指标基于在δ‑θ频率范围内与δ‑θ频带dt相关联的功率，即F‑功率(dt)；和/或第(4)组指标，所述第(4)组指标对应于在θ‑α频率范围内与θ‑α频带ta相关联的功率，即功率(ta)。基于所述第(8)组指标确定焦虑水平。进一步地，基于所述第(1)组指标确定状态深度DoS，和/或基于所述第(4)组指标和任选地所述第(3)组指标和/或第(5)组指标确定疼痛水平。然后可以确定基于LoA、LoP和/或DoS中的多个的相关性。

Description

用于测量与改变的意识状态水平和/或疼痛水平组合和/或相 关联的焦虑水平的方法和系统
发明领域
本发明属于用于自动测量受试者中的焦虑水平、改变的意识状态水平和/或疼痛水平的计算机实施的方法和系统的领域。
发明背景
焦虑以及例如焦虑对患者舒适度和医疗效果的影响是众所周知的普遍问题。因此，焦虑管理是医学的一个重要分支。然而，用于评估受试者正在经历的焦虑水平的现有技术方法具有重大缺陷，并且不能提供受试者经历的焦虑水平的有效、可靠、稳健、客观和可重复的指示。当受试者无法对所经历的焦虑水平提供可靠或清晰的描述时，诸如例如在无法言语的儿童、残疾人……的情况下，这个问题会立即显现出来。此外，类似地，需要受试者感知的疼痛水平的改进的测量。更进一步，类似地，特别需要焦虑水平或疼痛水平的可靠测量，同时还能够可靠地量化受试者可能正在经历的任何改变的意识状态。这样的焦虑水平、疼痛水平和/或改变的意识状态的改进的测量对于稳健和可靠地评估这些参数中的每一个和/或它们之间的任何相互作用对受试者的影响是重要的。这些测量将提供对受试者所处状况的更可靠的洞察。然后，这样的洞察可以用于优化治疗计划和/或降低与旨在改变受试者的焦虑水平、疼痛水平和/或改变意识状态的治疗相关联的风险。
目前，为了评估患者经历的焦虑水平或受试者感知的疼痛程度，使用自我报告工具。然而，显然这样的依赖于患者的自我报告评估的手动工具容易产生不希望的主观偏差，并且缺乏效率、可靠性、精确性和可重复性。此外，这样的自我报告工具缺乏有效地考虑焦虑、受试者感知的疼痛水平的多维方面的能力，并且难以在改变的意识状态的情况下(诸如例如在药理学或非药理学镇静的情况下)应用。通常，由于存在大量问题，这样的自我报告工具的施行繁琐且累赘，并且处理复杂且密集。
准确和可靠地测量焦虑、疼痛和/或改变的意识状态在医疗环境中是重要的，因为其例如有助于确定准确的诊断、治疗计划以及评估治疗有效性。另外，治疗用药过量的问题日益严重，尤其是在药理学焦虑和疼痛质量的情况下，诸如例如抗焦虑剂和/或镇痛剂用药过量。还需要例如在药理学上改变意识水平时，例如通过镇静剂，来避免任何用药过量和/或用药不足，以实现改变的意识状态的期望水平，同时使与用药过量和/或用药不足有关的任何不良事件最小化。类似地，在非药理学治疗中，护理人员也需要更可靠的工具以提供焦虑、疼痛和改变的意识状态水平的安全且有效的测量。进一步地，显然，焦虑和疼痛以及它们的治疗影响医疗结果和患者康复。焦虑对与健康有关的效应具有影响，诸如例如疲劳、恶心、失眠、疼痛，例如受试者在治疗(诸如例如包括手术和/或任何其他合适的医疗和/或非医疗治疗)之前、期间和/或之后所经历的。疼痛测量可以用于筛查潜在的疾病或医疗问题，以通过确定一名患者相对于另一名患者的需求的紧迫性来进行分类，可以用于确定进行和/或继续医疗是否是安全的，等等。
因此，需要受试者经历的焦虑水平、受试者感知的疼痛水平和/或受试者的改变的意识状态的改进的、稳健的、可靠的和有效的测量。
发明内容
根据第一方面，提供了一种用于测量与改变的意识状态水平和/或疼痛水平组合和/或相关的焦虑水平的计算机实施的方法，其中所述方法包括以下步骤：
-接收测量数据，所述测量数据包括从以下中的至少一者收集的EEG数据：
-至少一个顶叶(P)电极，其被配置为从对应于受试者的顶叶的头皮解剖区域收集顶叶EEG(P-EEG)数据；
-至少一个额叶(F)电极，其被配置为从对应于受试者的额叶的头皮解剖区域收集额叶EEG(F-EEG)数据；
以及任选地肌电图EMG数据；以及
-从收集自P-EEG数据的EEG数据中提取第8组指标，所述第8组指标基于在δ-θ频率范围内与δ-θ频带dt相关联的功率，即P-功率(dt)；连同
-从收集自F-EEG数据的EEG数据中提取第1组指标，所述第1组指标基于在δ-θ频率范围内与δ-θ频带dt相关联的功率，即F-功率(dt)；
-以及任选地从收集自F-EEG数据的EEG数据中提取基于平均信号峰-峰振幅的第2组指标F-MSPA；
和/或
-从EEG数据中提取第4组指标，所述第4组指标对应于在θ-α频率范围内与θ-α频带ta相关联的功率，即功率(ta)；
-以及任选地从EEG数据中提取对应于平均信号峰-峰振幅的第3组指标MSPA；
-以及任选地从EMG数据中提取对应于平均信号峰-峰振幅的第5组指标EMG-MSPA；以及
-基于所述第8组指标确定焦虑水平LoA，其是指示受试者的焦虑水平的值；连同
-基于所述第1组指标和任选地所述第2组指标确定状态深度DoS，其是指示受试者的改变的意识状态水平的值；和/或
-基于所述第4组指标和任选地所述第3组指标和/或第5组指标确定疼痛水平LoP，其是指示受试者的疼痛水平的值。
测量与DoS组合的LoA、与LoP组合的LoA或者所有三者组合的LoA、LoP和DoS例如可以鉴别LoA如何影响LoP或反之亦然，如何通过改变的意识状态来调节LoA，LoA和/或LoP如何影响达到特定的改变的意识状态的能力，等等。通过以这些参数中的至少两者的任何合适的组合测量LoA、LoP、DoS，以这种改进的方式，这使得能够自动、有效、准确、可重复和客观化地确定和/或监测受试者经历的焦虑水平、受试者感知的疼痛水平和改变的意识状态水平。如下文将进一步详细解释的，以组合方式测量LoA、LoP和/或DoS是特别有利的，因为例如一部分LoA可以由LoP触发。如下文将进一步详细解释的，可以测量和/或确定LoA、LoP和/或DoS之间的相互作用和/或相关性，其例如允许通过降低LoP来降低LoA，或是LoA的增加导致受试者感知的LoP的增加的原因，或者例如使得能够通过意识状态的改变来降低LoP和LoA二者，或者导致高焦虑水平可以对旨在改变意识水平的治疗产生负面影响的事实，……。进一步地，显然，除了描述的实施方案以外，还存在用于使多个LoA、LoP和/或DoS测量相关联和/或确定多个LoA、LoP和/或DoS测量之间的相关性的另外的备选合适实施方案。显然，受试者的焦虑水平也可以被称为受试者中的焦虑水平。
如下文将进一步详细解释的，对于用于确定LoA的P-功率(dt)，仅发现在该特定位置处用EEG电极收集的数据的脑电波频率的该特定组合的特定相关性。此外，对于用于确定LoP的功率(ta)和用于确定LoA的P-功率(dt)二者，可以以简单且有效的方式来根据可以从单个EEG电极收集的该数据计算功率。
在本说明书的上下文中，MSPA(基于EEG或EMG)限定在给定的时间窗中，所述时间窗可以时间锁定到外部疼痛或其他刺激，或者可以是不与外部疼痛或其他刺激相关联或被其触发的滚动时间窗，其中：
-如果EEG或EMG数据包括在所述时间窗中包含单个峰的信号：则MSPA是所述信号的峰-峰振幅，
-如果EEG或EMG数据包括在所述时间窗中包含多个峰的信号：则MSPA是所述多个峰的各个峰-峰振幅的平均值、平均数、加权平均值等的函数。
信号峰振幅是信号波从零点开始的最大偏移。信号峰-峰振幅是从负峰到正峰的距离。用于测量的时间窗可以例如在0.01s至10s的范围内，诸如例如在0.1s至5s的范围内。例如，时间窗可以基于内部或外部疼痛刺激的检测、刺激类型、刺激持续时间……进行调整。显然还有另外的实施方案是可能的，例如其中刺激是任何合适的刺激，诸如例如非疼痛刺激。
这种改进的、更稳健和可靠的LoA、LoP和DoS的测量有助于确定更准确的诊断、改进的和更安全的治疗计划以及改进的治疗有效性评估。由于可以明确定位焦虑、疼痛和改变的意识状态的影响，因此在需要焦虑治疗时施用疼痛治疗的风险降低，或反之亦然。此外，用药过量和/或用药不足的风险降低，例如，因为这种测量允许明确决定是否使用抗焦虑剂来治疗焦虑和/或使用镇痛剂来治疗疼痛和/或使用镇静剂来改变意识状态，以及针对LoA、LoP和/或DoS的测量组合优化其用药。然而，显然，这样的测量不限于药理学治疗的优化，而且在优化旨在治疗焦虑、疼痛和/或改变意识状态或者涉及焦虑、疼痛和/或特定意识状态的任何其他症状的非药理学治疗和/或药理学和/或非药理学治疗的任何组合或者任何其他合适的治疗时也是可用的。
因此，显然，这样的受试者的LoA、LoP和DoS中的至少两者的组合的改进的测量在进行任何非药理学和/或药理学治疗和/或混合治疗(诸如例如焦虑治疗、疼痛治疗、导致改变的意识状态的治疗……)时和/或甚至在不进行任何治疗时是有益的，以测量受试者的状态。显然，改变受试者的意识状态的治疗(例如在药理学上(通过镇静剂)或在非药理学上(通过调整受试者的解离(association)水平、专注(absorption)水平等的治疗))影响受试者经历的焦虑水平和/或受试者感知的疼痛水平。进一步地，显然，疼痛触发焦虑，并且较高的焦虑水平导致较高的疼痛水平，如受试者所感知的，并且因此组合的这些参数中的每一者的测量允许测量和显示这些相互作用。以这种方式，LoA、DoS和LoP中的至少两者的测量允许客观地测量和显示这样的相互作用，并且例如允许这样的测量用于创建基于个体和/或基于群体的基准和/或基于所述基准进行这样的测量。这将允许作出更可靠的客观决定，尤其是在焦虑和疼痛管理的情况下，特别是当涉及改变间接管理疼痛和/或焦虑的意识状态的药理学和/或非药理学治疗和/或与药理学疼痛和/或焦虑治疗组合时。
显然，根据一些实施方案，该方法限于仅从活人体获得信息(诸如数据和物理量)，而不涉及发现任何显著偏差，即在比较收集的数据与标准值期间的症状，并且不涉及将这样的偏差归因于特定的临床情况，即演绎医疗决定阶段。优选地，根据一些实施方案，所述方法在已经收集测量数据之后对接收的测量数据执行，或者换言之，所述方法不包括对人体实施的数据收集的步骤。根据一些实施方案，计算机实施的方法仅涉及获得信息，用于测量受试者经历的焦虑水平(其是受试者的心理生理质量)、用于测量受试者感知的疼痛水平和/或用于测量改变的意识状态水平。根据一些实施方案，计算机实施的方法不包括用于治疗疾病或身体机能障碍的任何步骤，也不包括与对受试者身体的治疗效果有关的任何步骤。
显然，所测量的焦虑水平至少包括如在受试者大脑水平下测量(或者换言之包括认知维度)的受试者经历的焦虑水平。焦虑作为涉及心理生理和情绪方面的反应，显然涉及这样的认知维度。基于上面的实验已经表明，上面测量的焦虑能够捕获这个认知维度，并且不限于仅测量非认知参数。例如，焦虑与杏仁核活动增加有关，并且杏仁核的活动可以被更高大脑结构的活动影响，例如包括前扣带回皮层(anterior cingulate cortex)和负责集中注意力的前额叶皮层(pre-frontal cortex)。因此，显然，任选地除了任何其他合适的维度以外，受试者经历的焦虑包括认知维度。
显然疼痛水平涉及感知的疼痛水平，或者换言之受试者的有意识感知的疼痛水平，如在受试者大脑皮层水平上测量的。因此，疼痛水平对应于受试者的有意识感知的疼痛感知水平。因此，受试者感知的疼痛水平不与外部疼痛刺激本身的强度直接相关，但是涉及疼痛感知的水平。换言之，在通过例如丘脑和/或其他下游和/或上游神经通路进行潜在调节和/或抑制之后，疼痛水平的感知出现在受试者的意识中，通常与皮层相关联。
例如，这允许局部用药和/或静脉药物以改善和优化焦虑、疼痛或镇静治疗。如果患者在治疗期间表现良好，并且在某一时刻测量到焦虑水平、疼痛水平的增加或峰值或者改变的意识状态的不希望的变化，则可以在手术治疗之前、期间和之后基于客观化DoS、受试者感知的LoP、受试者经历的LoA(而不是基于患者的意识状态、疼痛和焦虑的主观估计)例如由麻醉师来增加局部麻醉剂和/或静脉镇痛剂的剂量。DoS、LoP和/或LoA的任何组合的测量还允许对无法言语的患者(儿童、失能成人、痴呆患者……)进行焦虑和/或疼痛诊断。例如，测量的任何DoS、LoP和/或LoA的组合也是需要或不需要更多镇静和/或镇痛剂和/或抗焦虑剂的良好指标。以这种方式，可以实现镇静剂和/或镇痛剂和/或抗焦虑剂的安全和可靠的剂量或滴定(titration)，同时降低用药过量的风险和/或镇痛剂或镇静剂或抗焦虑剂治疗的负面副作用。
例如，这样的与DoS和/或LoP组合的LoA的改进的测量在以下特定临床情况中是有利的：
·患者正在轻度镇静进行手术。基于测量的LoA、DoS和/或LoP，麻醉师将能够客观地监测LoA、DoS和/或LoP，以在需要时调整镇静。例如，可以通过增加局部麻醉剂量来代替增加静脉镇静剂量，因为麻醉师将能够监测局部麻醉是否足以管理患者的疼痛感知和/或患者的焦虑水平何时允许局部麻醉。作为进一步的实例，基于这些测量，可以确定除了药理学治疗以外和/或代替药理学治疗，是否可以提供非药理学治疗，其例如通过改变患者的焦虑水平和/或意识状态来影响患者的疼痛感知。
·在患者不需要其的情况下可以限制镇痛剂、镇静剂、抗焦虑剂……的使用。较高的焦虑水平与受试者感知的较高的疼痛水平相关联。通过测量与LoP组合的LoA，可以确定高LoP是否与高LoA相关联，然后可以例如在这样的情况下作出决定：代替增加镇痛剂的使用，使用焦虑治疗是有益的，诸如例如通过抗焦虑剂或任何合适的非药理学焦虑治疗，以首先将LoA降低至期望的水平，使得可以减少受试者感知的LoP的焦虑相关部分并且可以限制镇痛剂的使用。另外，当例如通过确保在施用任何镇静之前将LoA降低至低于预定阈值时，测量的与DoS和/或LoP组合的LoA允许限制镇静的滴定，因为不必要的高LoA可以防止或阻碍受试者轻松达到期望的改变的意识状态。此外，例如，在首先将LoA降低至低于期望的阈值之后，其将允许测量DoS和/或LoP而不受不希望的高LoA的影响，从而提供可以降低使用不必要的高剂量镇静和/或镇痛剂的风险的DoS和/或LoP的测量。另一方面，如果例如DoS指示患者被充分镇静，但是LoA指示受试者仍经历不可接受的焦虑水平和/或LoP指示受试者仍感知不可接受的疼痛水平，则可以决定不增加镇静剂的使用从而防止用药过量，但是决定增加使用例如药理学和/或非药理学焦虑治疗和/或疼痛治疗，诸如例如通过抗焦虑剂和/或镇痛剂。
·客观测量非药理学焦虑管理治疗(诸如临床催眠、指压镇静(digitalsedation)、针灸、心理治疗、心身治疗……)在治疗的焦虑时刻的功效，尤其是当这样的治疗使用非药理学诱导的改变的意识状态时，因为目前不存在可靠和客观地测量焦虑水平与意识状态和/或受试者感知的疼痛水平的组合的现有技术方法，以用于这样的非药理学方法。
·无法言语的患者(姑息、受伤……)将能够在客观监测DoS、患者经历的LoA和/或患者感知的LoP的情况下进行手术。更好的镇静、焦虑和疼痛管理将成为可能。
根据一个实施方案，所述方法包括以下步骤：
-根据测量数据和/或包括LoA和DoS的同时测量的测量数据确定不同DoS下的多个LoA；
-通过评估不同DoS下的LoA演变和/或根据测量数据的相对于DoS演变的LoA演变，确定DoS对LoA的调节。
以这种方式，可以确定DoS对LoA的调节。这是有用的，因为如将进一步详细描述的，焦虑与改变的意识状态或换言之状态深度(诸如例如对应于受试者的解离深度、受试者的专注水平等)呈负相关。例如，这意味着可以通过改变意识水平来降低LoA。这是进一步有益的，因为在治疗环节之前经历的较高的焦虑水平可以与治疗环节期间的较低的解离水平相关联。以这种方式，对于例如在涉及改变的意识状态的治疗之前经历高焦虑水平的患者，现在可以更客观地确定它们是否可以在开始涉及改变的意识状态的治疗之前受益于焦虑治疗。显然，备选实施方案是可能的，其中基于DoS对LoA的调节和/或反之亦然，特定治疗首先被另一种治疗代替和/或补充。
与较深的状态深度相关联的改变的意识水平(诸如例如较深的解离深度、较高的专注水平等，如进一步详述的)看起来降低了受试者经历的焦虑水平。以这种方式，测量与DoS组合的LoA可以使得能够确定焦虑的哪一部分可以通过改变受试者的意识状态来治疗，例如改变DoS，诸如例如改变专注水平、解离深度……另外，其可以允许区分这样的状态深度的变化的即时和长期影响以减轻焦虑，诸如例如当使用非药理学治疗时，诸如例如在心理疗法中……。
根据一个实施方案，所述方法包括以下步骤：
-根据测量数据和/或包括LoA和DoS的同时测量的测量数据确定不同DoS和/或LoA下的多个LoP；
-通过评估不同DoS和/或LoA下的LoP演变和/或根据测量数据的相对于DoS和/或LoA演变的LoP演变，确定DoS和/或LoA对LoP的调节。
以这种方式，可以确定DoS如何调节LoP和/或可以确定LoA如何调节LoP和/或反之亦然。这是有用的，因为治疗环节之前、期间和/或之后的增加的焦虑水平可以增加受试者感知的疼痛水平并且甚至可以触发疼痛感知。这是重要的，因为例如焦虑在慢性疼痛中起作用。基于上述实施方案，例如可以确定具有高LoA的患者，其可以受益于减轻焦虑的治疗以降低LoP。进一步的焦虑是在急性疼痛后发展持续性/慢性疼痛的风险因素，并且因此上述实施方案例如可以用于确定关于发展慢性疼痛的高风险组和/或降低发展慢性疼痛的风险。此外，LoP也会影响LoA，因为疼痛是一种重要的引起焦虑的事件。
根据一个实施方案，所述方法包括另外的步骤：
-基于所述DoS将所述LoA调整为归一化焦虑水平NLoA，其是指示受试者在预定参考DoS下的焦虑水平的值；和/或
-基于所述LoP将所述LoA调整为归一化焦虑水平NLoA，其是指示受试者在预定参考LoP下的焦虑水平的值。
以这种方式，NLoA的值将在独立于当前DoS/LoP和/或当前DoS/LoP的任何变化的情况下提供在感兴趣的预定参考DoS和/或LoP下的LoA值，从而例如提供当该参考DoS是正常清醒状态和/或参考LoP对应于无痛状态时在受试者将处于或恢复到正常清醒意识状态和/或无痛状态时会经历的等效焦虑量的指标。
根据一个实施方案，所述方法包括另外的步骤：
-基于所述DoS和/或LoA将所述LoP调整为归一化疼痛水平NLoP，其是指示受试者在预定参考DoS和/或预定参考LoA下的疼痛水平的值；
以这种方式，NLoP的值将在独立于当前DoS/LoA和/或当前DoS/LoA的任何变化的情况下提供在感兴趣的预定参考DoS和/或LoA下的LoP值，从而例如提供当该参考DoS是正常清醒状态和/或参考LoA是不焦虑状态时在受试者将处于或恢复到正常清醒意识状态和/或不焦虑状态时会有意识地感知的等效疼痛量的指标。
根据一个实施方案，所述方法包括另外的步骤：
-基于所述LoA和/或所述LoP，计算所述DoS的至少一个限度和/或范围DoSLimit，其指示当受试者经历所述LoA和/或所述LoP时可达到的意识水平的改变的至少一个限度和/或范围；和/或
-基于所述LoP，计算所述LoA的至少一个限度和/或范围LoALimit，其指示当受试者经历所述LoP时可达到的焦虑水平的至少一个限度和/或范围。
以这种方式，可以确定例如何时LoA和/或LoP太高而无法达到期望的改变的意识状态(例如通过涉及例如合适的解离深度、专注水平等的非药理学方法)。
根据一个实施方案，所述方法包括另外的步骤：
-基于所述LoA和/或DoS，计算所述LoP的至少一个限度和/或范围LoPLimit，其指示当受试者经历所述LoA和/或DoS时可达到的疼痛水平的至少一个限度和/或范围。
这是有利的，因为例如当LoP太高时，焦虑变得难以管理，并且当LoA太高时，疼痛变得难以管理并且可能自然地达到峰值。在这样的情况下，焦虑和/或疼痛治疗可能难以将LoA和/或LoP管理至期望的水平。根据另一个实例，当LoA和/或LoP太高时，可能难以达到期望的改变的意识水平，并且例如可能无法达到状态深度、达到不足的状态深度或达到太有限的状态深度。
根据第二方面，提供了一种用于测量和/或监测和/或预测和/或汇总受试者中与改变的意识状态水平和/或疼痛水平组合和/或相关的焦虑水平(优选地在治疗之前、期间和/或之后)的计算机实施的方法，其中所述方法包括以下步骤：
-优选地在治疗之前、期间和/或之后，在至少两个不同时间点处测量根据第一方面的与DoS和/或LoP组合的LoA；
-基于与在至少两个不同时间点处测量的至少两个DoS和/或至少两个LoP组合和/或相关的至少两个LoA的相应比较，测量和/或监测和/或预测与DoS和/或LoP组合的LoA的演变(优选地治疗导致的演变)；和/或
-基于在至少两个不同时间点处和/或在一定时间段内测量的至少两个LoA和/或至少两个DoS和/或至少两个LoP的汇总，汇总焦虑水平评分或LoAS和/或状态深度评分或DoSS和/或疼痛水平评分或LoPS。
显然，LoA、DoS和/或LoP仅需要在至少两个不同时间点处分别进行测量，并且因此LoA/DoS/LoP不必同时测量。
以这种方式，实现了与DoS和/或LoP的LoA的演变的测量。
根据一个实施方案，所述方法包括以下步骤：
-基于在治疗期间和/或之后确定的与DoS和/或LoP组合的LoA与在治疗之前确定的与DoS和/或LoP组合的LoA的相应比较，确定与DoS和/或LoP组合的LoA的治疗导致的演变。
以这种方式，测量治疗导致的演变成为可能。类似地，如上所提及的，尽管根据一些实施方案LoA、DoS和/或LoP的同时测量是可能的，但是显然其中LoA、DoS和/或LoP不必同时测量的备选实施方案是可能的。
根据一个实施方案：
-治疗是疼痛管理治疗，并且所述方法包括以下步骤：
-当LoP和/或LoA超出预定范围时和/或直到LoP和/或LoA在预定范围内，将疼痛管理治疗替换为焦虑管理治疗和/或与焦虑管理治疗组合；
-治疗是改变意识状态的治疗，并且所述方法包括以下步骤：
-当LoP和/或LoA超出预定期望范围时和/或直到LoP和/或LoA在预定期望范围内，将改变意识状态的治疗替换为减轻焦虑和/或疼痛的治疗和/或与减轻焦虑和/或疼痛的治疗组合；和/或
-治疗是焦虑管理治疗，并且所述方法包括以下步骤：
-当LoP和/或LoA超出预定范围时和/或直到LoP和/或LoA在预定范围内，将焦虑管理治疗替换为疼痛管理治疗和/或与疼痛管理治疗组合；
-治疗是焦虑管理治疗，并且所述方法包括以下步骤：
-当DoS和/或LoA超出预定范围时和/或直到DoS和/或LoA在预定范围内，将焦虑管理治疗替换为改变意识水平的治疗和/或与改变意识水平的治疗组合。
显然，预定范围可以由一个或多个合适的限值和/或一个或多个所需范围、阈值、限度……来定义，其将LoP和/或LoA和/或DoS的预定范围定义为其中焦虑管理治疗、疼痛管理治疗和/或改变意识状态的治疗仍然有效的范围。所述范围可以定义为在超出该范围的情况下焦虑管理治疗、减轻疼痛的治疗和/或改变意识状态的治疗不再有效或难以管理。显然，根据一些实施方案，预定范围可以是自动的、动态的、适应性的等，例如根据一些实施方案，预定范围被称为自动设换范围(auto-ranging)的形式，这意味着基于例如受试者(诸如例如在校准阶段测量的参考范围等)或群体(诸如例如基于群体特征的预定范围等)的早期测量值调整预定范围。
根据一个实施方案，治疗是减轻焦虑的治疗，并且所述方法包括以下步骤：
-基于治疗导致的NLoA演变，确定和/或监测减轻焦虑的治疗的功效。
根据一个实施方案，焦虑治疗例如可以是减轻焦虑的治疗，或者备选地是控制或预防任何不希望的焦虑水平的控制焦虑或预防焦虑的治疗，或任何其他合适的焦虑治疗。
根据一个实施方案，疼痛治疗例如可以是减轻疼痛的治疗，或者备选地是控制或预防任何不希望的疼痛水平的控制疼痛或预防疼痛的治疗，或任何其他合适的疼痛治疗。
根据一个实施方案，治疗是用于减轻焦虑的改变意识状态的治疗，并且所述方法包括以下步骤：
-在改变意识状态的治疗之前、期间和/或之后，在至少两个不同时间点处测量DoS；和/或
-基于在改变意识状态的治疗期间和/或之后测量的DoS和/或LoA与在改变意识状态的治疗之前测量的DoS和/或LoA的比较，确定治疗导致的DoS和/或LoA的演变。
根据第三方面，提供了一种用于确定治疗和/或确定对治疗的调整和/或确定治疗的强度和/或确定治疗的功效和/或确定治疗的选择的计算机实施的方法，其中所述方法包括以下步骤：
-根据上述实施方案测量和/或监测和/或预测和/或汇总受试者的NLoA和/或NLoP和/或DoSLimit和/或LoPLimit和/或LoALimit；和
-基于测量的和/或监测的和/或预测的和/或汇总的NLoA和/或NLoP和/或DoSLimit和/或LoPLimit和/或LoALimit，确定治疗和/或确定对治疗的调整和/或确定治疗的强度和/或确定治疗的功效和/或确定治疗的选择。
根据一个实施方案，所述方法包括以下步骤：
-接收参考数据，所述参考数据包括与分别与DoS和/或LoP组合的至少一个预定参考LoA相关的受试者和/或群体的测量数据；
-确定分别与DoS和/或LoP组合的至少一个预定参考LoA和从参考数据中提取的至少一个相应组指标的至少一种相关性；以及
-通过所述至少一种相应相关性，相对于分别与DoS和/或LoP组合的至少一个预定参考LoA缩放和/或指数化(indexing)随后测量的与DoS和/或LoP组合的LoA，以及任选地由此确定焦虑水平指数或LoAI和状态深度指数或DoSI和/或疼痛水平指数或LoPI。
根据一个实施方案，所述方法包括以下步骤：
-接收受试者的测量数据，所述测量数据包括从以下EEG电极中的一个或多个收集的脑电图EEG数据：
-额叶(F)EEG电极，其被配置为从对应于受试者的额叶的头皮解剖区域收集F-EEG电极数据，
-顶叶(P)EEG电极，其被配置为从对应于受试者的顶叶的头皮解剖区域收集P-EEG电极数据，
-中央(C)EEG电极，其被配置为从对应于受试者的中央前回和中央后回的头皮解剖区域收集C-EEG电极数据。
显然，另外的备选实施方案是可能的，其中除了EEG电极之外还存在接地电极和/或参考电极。优选地，来自EEG电极的数据可以独立地处理，这意味着不需要提供对两个以上EEG电极的信号的相互作用和/或相互关系的计算。
根据一个实施方案，所述方法包括以下步骤：
-接收参考数据，所述参考数据包括与分别与DoS和/或LoP组合的至少一个预定参考LoA相关的受试者和/或群体的测量数据；
-确定分别与DoS和/或LoP组合的至少一个预定参考LoA和从参考数据中提取的至少一个相应组指标的至少一种相关性；以及
-通过所述至少一种相应相关性，相对于分别与DoS和/或LoP组合的至少一个预定参考LoA缩放和/或指数化随后测量的与DoS和/或LoP组合的LoA，以及任选地由此确定焦虑水平指数或LoAI和状态深度指数或DoSI和/或疼痛水平指数或LoPI。
缩放和/或指数化的LoA可以例如被称为焦虑水平指数或LoAI。
缩放和/或指数化的LoP可以例如被称为疼痛水平指数或LoPI。
缩放和/或指数化的DoS可以例如被称为状态深度指数或DoSI。
根据本发明的第四方面，提供了一种用于测量受试者的与疼痛水平和/或改变的意识状态的水平结合和/或相关的焦虑水平和/或监测所述焦虑水平和/或预期所述焦虑水平的演变和/或汇总所述焦虑水平的计算机实施的方法，所述方法包括通过接收受试者的测量数据在受试者上应用根据本发明的第一方面的用于测量与改变的意识状态的水平和/或疼痛水平结合和/或相关的焦虑水平的方法。
受试者的测量数据例如可以是从合适的传感器接收的实时数据，然而备选实施方案是可能的，其中历史数据、先前存储的数据……和/或其任何组合用于测量焦虑水平、疼痛水平和/或改变的意识状态的水平。
显然，根据特定实施方案，治疗可以例如包括焦虑治疗或疼痛治疗，诸如例如减轻焦虑的治疗或减轻疼痛的治疗。然而，显然治疗的备选实施方案是可能的，诸如例如手术治疗或任何其他医疗干预，在此期间执行一个或多个导致焦虑或疼痛的动作，诸如例如针刺、放置导管端口、切口、引入线等。在这些治疗中的一些期间，期望的治疗导致的演变将包括LoA或LoP的减小，然而在备选治疗中，可能更重要的是监测LoA或LoP在治疗期间的任何不希望的变化，使得例如可以可靠地评估对于额外的焦虑或疼痛管理措施的需求。类似地，期望的治疗导致的DoS的演变可以包括治疗对DoS的期望变化，或防止治疗对DoS的不希望的变化。
根据一个实施方案，θ-α频带ta包括以下中的一者或多者：
-涵盖θ和α脑电波二者的频带；
-从6Hz扩展至高达并包括12Hz的频带；和/或
-至少2Hz的带宽和包括至少从6Hz扩展至高达并包括8Hz的快速θ波的频带，和/或
θ-α频率范围：
-包括涵盖θ和α脑电波二者的频率范围；和/或
-从4Hz扩展至高达并包括12Hz，和/或
δ-θ(dt)频带dt包括以下中的一者或多者：
-涵盖δ和θ脑电波二者的频带；
-从0Hz扩展至高达并包括8Hz的频带；
-至少2Hz的带宽和包括至少从3Hz扩展至高达并包括6Hz的慢θ脑电波的频带；和/或
δ-θ频率范围：
-包括涵盖δ和α脑电波二者的频率范围；和/或
-从1Hz扩展至高达并包括6Hz。
显然还有另外的实施方案是可能的，例如其中θ-α频带由以下频带组成：
-从5Hz至高达并包括9Hz；从5Hz至高达并包括10Hz，从5Hz至高达并包括11Hz，或从5Hz至高达并包括12Hz；或者
-从6Hz至高达并包括9Hz，从6Hz至高达并包括10Hz，从6Hz至高达并包括11Hz，或从6Hz至高达并包括12Hz；或者
-不包括其端点的上述范围中的任一者。
显然还有另外的实施方案是可能的，例如其中δ-θ频带由以下频带组成：
-从0Hz至高达并包括6Hz；从1Hz至高达并包括6Hz，从2Hz至高达并包括6Hz，或从3Hz至高达并包括6Hz；或者
-从0Hz至高达并包括5Hz；从1Hz至高达并包括5Hz，从2Hz至高达并包括5Hz，或从3Hz至高达并包括5Hz；或者
-不包括其端点的上述范围中的任一者。
显然，根据有利的实施方案，δ-θ频带例如包括至少两种或优选地恰好两种类型的脑电波的组合。
根据有利的实施方案，δ-θ频带由以下的组合组成：
-δ频带的至少一部分；和
-θ频带的至少一部分。
根据有利的实施方案，δ-θ频带由δ频带的至少一部分和θ频带的至少一部分的组合组成。
换言之，δ-θ(dt)频带包括δ频带的至少一部分和θ频带的至少一部分的组合，并且优选地由所述组合组成。
显然，这样的包括两个脑电波频率或其至少一部分的组合和/或由所述组合组成的δ-θ频带不同于仅包括单个脑电波频带的频带并且不同于包括多于两个脑电波频带的频带。
已经发现，对于从P-EEG电极的特定位置收集的收据，这样的由两个特定脑频带的至少一部分组成的组合频带令人惊讶地提供了比每个单独的脑频带更好的与焦虑水平的相关性。
显然，根据有利的实施方案，θ-α频带例如包括至少两种或优选地恰好两种类型的脑电波或其一部分的组合。
根据有利的实施方案，θ-α频带由以下的组合组成：
-θ频带的至少一部分；和
-α频带的至少一部分。
根据有利的实施方案，θ-α频带由θ频带的至少一部分和α频带的至少一部分的组合组成。
换言之，θ-α(ta)频带包括θ频带的至少一部分和α频带的至少一部分的组合，并且优选地由所述组合组成。
显然，这样的包括两个脑电波频率或其至少一部分的组合和/或由所述组合组成的θ-α频带不同于仅包括单个脑电波频带的频带并且不同于包括多于两个脑电波频带的频带。
已经发现，对于从合适的电极收集的EEG数据，诸如例如对于从P-EEG电极、F-EEG电极和/或C-EEG电极的特定位置收集的收据或从任何合适位置收集的任何其他EEG数据，这样的由两个特定脑频带组成的组合频带令人惊讶地提供了比每个单独的脑频带更好的与疼痛水平的相关性。
根据一个实施方案，所述方法包括以下步骤：
-接收测量数据，所述测量数据还包括心血管数据
-从心血管数据中提取：
-第7组指标，所述第7组指标基于来自心血管数据的心率和/或心率变异性，优选地心率和心率变异性的组合；以及
-基于所述第8组指标和至少第7组指标确定LoA；和/或
根据这样的实施方案，其中焦虑水平通过从EEG数据中提取的特定信号(其与焦虑的认知维度更直接相关)和一个或多个特定信号(如心率、心率变异性、呼吸频率、呼吸变异性、氧饱和度……)和/或如下文所提及的生理参数的其他合适的具体实施方案(其与自主情绪维度更直接相关)的组合测量焦虑水平，提供了受试者经历的焦虑水平的特别有利的多维度测量。因此，基于从特定EEG数据中提取的特定信号和来自特定生理参数的至少一个特定其他信号二者允许考虑到焦虑的多维性的测量，然而其中与特定EEG数据相关的认知维度是必不可少的，以提供与受试者经历的焦虑水平相关的测量。
如下文将进一步详细解释的，心率和心率变异性数据的特定组合提供了特别有利和简单的测量，其具有与受试者经历的焦虑水平的改善的相关性。然而，显然，备选实施方案是可能的，其中使用任何其他合适的心血管数据和/或其组合，诸如例如心脏活动数据、血液动力学活动数据……。
根据一个实施方案，所述方法包括以下步骤：
-接收测量数据，所述测量数据还包括呼吸数据；
-从呼吸数据中提取：
-第6组指标，所述第6组指标基于来自呼吸数据的呼吸率和/或呼吸变异性和/或氧饱和度和/或预定呼吸模式；
-基于所述第8组指标和至少第6组指标确定LoA。
根据一个实施方案，所述方法包括以下步骤：
-接收测量数据，所述测量数据还包括
-眼运动数据；
-从眼运动数据中提取：
-第9组指标，所述第9组指标基于来自眼运动数据的眼运动率和/或眼运动幅度和/或预定眼运动模式；
-基于所述第8组指标和至少第9组指标确定LoA。
根据一个实施方案：
-眼运动数据包括EOG数据；和/或
-第9组指标基于从眼运动数据中检测扫视性眼运动以及任选地扫视性眼运动的一个或多个特征。
根据一个实施方案，所述方法包括以下步骤：
-接收测量数据，所述测量数据还包括
-肌肉活动数据；
-从肌肉活动数据中提取：
-第10组指标，所述第10组指标基于来自肌肉活动数据的肌肉活动；
-基于所述第8组指标和至少第10组指标确定LoA；和/或
根据一个实施方案，所述方法包括以下步骤：
-肌肉活动数据包括肌电图EMG数据；和/或
-第10组指标基于来自EMG数据的肌电图EMG活动。
根据优选实施方案，在两个或更多个电极位置处捕获EMG数据，使得可以确定整体肌肉张力并且可以检测和移除局部孤立的假象(artefact)。
根据一个实施方案，所述方法包括以下步骤：
-接收测量数据，所述测量数据还包括
-体温数据；
-从眼运动数据中提取：
-第11组指标，所述第11组指标基于来自体温数据的体温；
-基于所述第8组指标和至少第11组指标确定LoA。
根据这样的实施方案，考虑到焦虑的多维度方面来测量LoA。
根据一个实施方案，提供了一种方法，其中治疗是焦虑治疗，并且所述方法包括以下步骤：
-基于治疗导致的与DoS和/或LoP组合的LoA的演变，确定和/或监测焦虑治疗的功效。
焦虑治疗例如可以是减轻焦虑的治疗，或者备选地是控制或预防任何不希望的焦虑水平的控制焦虑或预防焦虑的治疗，或任何其他合适的焦虑治疗。
根据一个实施方案，提供了一种方法，其中治疗是焦虑治疗，并且所述方法包括以下步骤：
-基于治疗导致的与DoS和/或LoP组合的LoA的演变，优化和/或调整焦虑治疗。
如上已提及的，焦虑治疗例如可以是减轻焦虑的治疗，或者备选地是控制或预防任何不希望的焦虑水平的控制焦虑或预防焦虑的治疗，或任何其他合适的焦虑治疗。
根据本发明的第五方面，提供了一种用于确定治疗和/或确定对治疗的调整和/或确定治疗的强度和/或确定治疗的功效和/或确定治疗的选择的计算机实施的方法，其中所述方法包括以下步骤：
-根据本发明的第一方面测量与DoS和/或LoP组合的LoA；
-基于测量的与DoS和/或LoP组合的LoA，确定治疗和/或确定对治疗的调整和/或确定治疗的强度和/或确定治疗的功效和/或确定治疗的选择。
根据本发明的第六方面，提供了一种系统，所述系统被配置为按照根据任何前述方面和/或实施方案来测量与DoS和/或LoP组合和/或相关的LoA，所述系统包括：
-监测装置，所述监测装置被配置为获得测量数据，所述测量数据包括EEG数据，所述EEG数据包括从以下中的至少一者收集的数据：
-至少一个顶叶(P)电极，其被配置为从对应于受试者的顶叶的头皮解剖区域收集P-EEG数据；
-至少一个额叶(F)电极，其被配置为从对应于受试者的额叶的头皮解剖区域收集F-EEG数据，
-所述测量数据任选地还包括肌电图EMG数据；以及
-控制器模块，所述控制器模块被配置为：
-从所述监测装置接收所述测量数据；
-进行这样的提取：
-从收集自P-EEG数据的EEG数据中提取第8组指标，所述第8组指标基于在δ-θ频率范围内与δ-θ频带dt相关联的功率，即P-功率(dt)；以及
-进行这样的提取：
-从EEG数据中提取第1组指标，所述第1组指标基于在从至少一个F-EEG电极数据中提取的δ-θ频率范围内与δ-θ频带dt相关联的功率，即F-功率(dt)；
-以及任选地从收集自F-EEG数据的EEG数据中提取基于平均信号峰-峰振幅的第2组指标F-MSPA；
和/或
-从EEG数据中提取第4组指标，所述第4组指标对应于在θ-α频率范围内与θ-α频带ta相关联的功率，即功率(ta)；
-以及任选地从EEG数据中提取对应于平均信号峰-峰振幅的第3组指标MSPA；
-以及任选地从EMG数据中提取对应于平均信号峰-峰振幅的第5组指标EMG-MSPA；
-基于所述第8组指标确定焦虑水平LoA，其是指示受试者的焦虑水平的值；以及
-进行这样的确定：
-基于所述第1组指标和任选地所述第2组指标确定状态深度DoS，其是指示改变的意识状态的水平的值；和/或
-基于所述第4组指标和任选地所述第3组指标和任选地所述第5组指标确定疼痛水平LoP，其是指示受试者的疼痛水平的值。
根据一个实施方案，其中为了获得测量数据，监测装置包括以下中的一者或多者：
-一个或多个电极，其被配置为收集脑电图EEG数据，所述脑电图EEG数据包括：
-一个或多个顶叶(P)电极，其被配置为从对应于受试者顶叶的头皮解剖区域收集P-EEG数据，
-一个或多个额叶(F)电极，其被配置为从对应于受试者额叶的头皮解剖区域收集F-EEG数据，
-任选地，一个或多个中央(C)电极，其被配置为从对应于受试者中央前回和中央后回的头皮解剖区域收集C-EEG数据，
-任选地，一个或多个另外的电极，其被配置为收集脑电图EEG数据；
-任选地呼吸数据捕获单元；
-任选地心血管数据捕获单元；
-任选地眼运动数据捕获单元；
-任选地肌肉活动数据捕获单元；
-任选地体温数据捕获单元。
显然还有另外的备选实施方案是可能的，其包括例如用于一个或多个其生理测量的一个或多个传感器和/或捕获单元。
根据一个实施方案，提供了一种系统，所述系统还包括图形用户界面GUI，其被配置为以数字和/或图形方式指示以下中的一个或多个：
-分别在不同时间点处测量的至少两个LoA、DoS和/或LoP，优选地历史的、当前的和/或预期的LoA、DoS和/或LoP。
-在不同时间点处测量的至少两个LoA、DoS和/或LoP的演变和/或它们之间的比率和/或它们的汇总；
-任选地任何(N)LoA(I)(S)、(N)LoP(I)(S)和/或DoS(I)(S)、LoALimit、LoPLimit和/或DoSlimit；和/或
-任选地，测量数据的一个或多个成分，优选地一个或多个EEG数据和任选地EMG数据、呼吸数据、心血管数据、肌肉活动数据、眼运动数据和/或体温数据。
显然，在本说明书的上下文中，在不同时间点处测量也可以是指在一定时间段内测量。
显然还有另外的备选实施方案是可能的，其包括例如用于一个或多个其他电生理和/或生理测量的一个或多个传感器和/或捕获单元。
显然，GUI的备选实施方案是可能的，其中显示另外的数据，诸如例如ECG数据、心血管数据、呼吸数据、眼运动数据、EOG数据、肌肉活动数据、EMG数据、体温数据……。
显然，在方法和/或系统的上述实施方案中，参考LoA、LoP和/或DoS定义的任何实施方案也是指基于从LoA、LoP和/或DoS导出的参数(诸如例如LoAI、LoPI、DoSI、LoA(I)S、LoP(I)S等)的类似实施方案。
附图说明
图1示出了用于测量受试者经历的焦虑水平和受试者有意识感知的疼痛水平的实验的一个实施方案。
图2是显示在P-EEG电极处在自我报告的焦虑与计算的δ-θ功率之间的相关性的图表。
图3是显示在EEG电极F、P和C处在自我报告的疼痛与计算的θ-α功率之间的相关性的图表。
图4是显示在EEG电极F、P处在自我报告的解离与计算的δ-θ功率之间的相关性的图表。
图5示出了用于测量焦虑水平、改变的意识的水平和/或疼痛水平的计算机实施的方法的一个实施方案。
图6示出了用于在治疗之前、期间和/或之后测量和/或监测受试者的焦虑水平、改变的意识的水平和/或疼痛水平的计算机实施的方法的一个实施方案。
图7-图9示出了使用NLoAI和NLoPI的示例性实施方案。
图10示出了其中多个LoA和LoP相关的方法的示例性实施方案。
图11示出了其中多个LoA和DoS相关的方法的示例性实施方案。
图12示出了其中多个LoA和LoP相关的方法的备选实施方案。
图13示出了其中多个LoA和DoS相关的方法的备选实施方案。
图14示出了其中不同DoS下的多个LoA和DoS相关的方法的备选实施方案。
图15和图16示出了其中显示DoS的变化对LoA和LoP的影响的备选实施方案。
图17示出了在图1的实验期间在中央EEG电极处的时域响应信号的示例性可视化。
图18示出了在图1的实验期间在顶叶EEG电极处的时域响应信号的示例性可视化。
图19示出了在图1的实验期间在额叶EEG电极处的时域响应信号的示例性可视化。
图20是显示在3个EEG电极F、C和P处测量的MSPA与疼痛之间的相关性的图表。
图21是显示在EEG F-电极处测量的MSPA与解离之间的相关性的图表。
图22是显示自我报告的疼痛与EMG-ERP振幅之间的相关性的图表。
图23示出了时域响应ECG信号和从其中提取的心率和心率变异性的示例性可视化。
图24示出了焦虑水平高于图25的受试者的心率变异性。
图25示出了焦虑水平低于图24的受试者的心率变异性。
图26示出了第7组指标的两个实施方案的箱线图比较。
图27示出了自我报告的焦虑与呼吸率之间的相关性。
图28示出了自我报告的焦虑水平与呼吸率变异性之间的这样的相关性。
图29示出了时域呼吸数据的示例性实施方案，并且图30和图31示出了受试者在不同焦虑水平下的这样的呼吸数据。
图32和33示出了受试者在不同焦虑水平下的时域眼运动数据的示例性实施方案。
图34示出了在两个不同焦虑水平下的时间锁定到疼痛刺激的多个受试者平均的时域眼运动数据的示例性实施方案。
图35示出了受试者在两个不同焦虑水平下的时域肌肉活动数据的示例性实施方案。
图36是从响应数据中提取的第1-11组指标的示意图。
图37示出了具有焦虑水平与基于组合的心率和心率变异性的指标的实施方案之间的相关性的图表。
图38至45示出了到图形用户界面的输出的示例。
图46示出了包含眼罩的可穿戴设备，所述眼罩包含媒体渲染器、电极和传感器。
图47示出了布置有电极的可穿戴设备的眼罩的边缘。
图48示出了布置有另一种配置的电极和传感器的可穿戴设备的眼罩的边缘。
图49类似于图46，其没有虚拟现实查看器，而是存在头戴受话器(headphone)。
图50类似于图46，其没有虚拟现实查看器和头戴受话器。
图51示出了如使用DoSI和LoPI测量的包括四个阶段的示例性治疗环节的示例性可视化。
图52-图54示出了到图形用户界面的输出的另外的示例。
图55示出了NLoAI的另一个实施方案。
图56示意性地示出了恢复系数的一个实施方案。
图57示出了GUI的另一个实施方案。
图58-60示出了计算机实施的方法的不同实施方案。
图61示出了整个研究群体中的自我报告的焦虑水平与使用评估协议计算的LoA之间的差异。
图62示出了整个研究群体中的自我报告的疼痛水平与使用评估协议计算的LoP之间的差异。
图63示出了整个研究群体中的自我报告的解离水平与使用评估协议计算的DoS之间的差异。
具体实施方式
为了生成实验数据，根据该特定实施方案，建立了包括催眠治疗环节的实验。然而，显然，备选实施方案是可能的，其中使用任何其他合适的治疗环节和/或其中不使用治疗环节。该实验导致对12名健康受试者进行研究，其中10名被纳入后续分析。实验包括通过使用经验证的问卷的受试者自我报告来测量焦虑水平、疼痛水平和改变的意识状态。
实验的实施方案的设置将通过图1来阐明，图1示出了实验的不同阶段。如所示出的，任选地在实验的不同阶段之前和之后进行临床检查和不良事件评估作为筛选和/或研究结束(EOS)的一部分，以确保进行实验的受试者的安全性并且确保自我报告数据的高质量水平。
在初始校准阶段510期间，在第一步骤512，要求受试者提供用于评级参数的自我报告值，如下文进一步详细解释的。随后在步骤514，通过使用阶梯法，受试者接收一系列强度递增的经皮电刺激(或者换言之疼痛刺激)，以便在步骤516中，受试者可以指示何时感知的疼痛水平对应于VAS疼痛量表上的值为8的疼痛水平。换言之，使用阶梯法为每名受试者单独校准疼痛刺激的强度，其中要求受试者指示他们何时判断感知的疼痛水平对应于疼痛量表上的值8，其对应于符合“显著疼痛并且需要一些努力才能忍受”的疼痛水平。根据实验的实施方案，这样的用于自我报告疼痛的疼痛量表是通过视觉模拟量表或VAS确定的，其是一种测量工具，试图测量被认为是范围跨越连续的值并且不能轻易地直接测量的特征或属性。根据该实施方案，VAS量表的范围从值为0(对于“无疼痛”)到高达并且包括10(对于“严重或极度疼痛”)。这样的工具通常用于临床研究以测量症状的强度，诸如例如患者感知的疼痛水平。显然，自我报告值的备选实施方案是可能的，诸如例如数字评定量表(NRS-11)是一种用于患者自我报告疼痛的11分制量表，其范围从值0(对于“无疼痛”)到高达并包括值10(对于“严重疼痛”)。
与自我报告的疼痛水平类似，在校准阶段510的步骤512和516，以及如下文将在实验期间的另外的步骤(诸如例如正常清醒状态530的步骤534和催眠治疗环节540的步骤544)进一步详细描述的，还要求患者提供自我报告值以评级他们经历的焦虑水平。根据该实施方案，VAS量表的范围从值为0(对于“无焦虑”)到高达并且包括10(对于“严重或极度焦虑”)。显然，自我报告值的备选实施方案是可能的。
如图1中进一步示意性示出的，校准阶段510之后是第一阶段520，其在图1中被标为测试阶段520，其包括受试者正常清醒状态下的第一环节530。如示意性示出的，在该第一环节530期间，生成了一个或多个疼痛刺激，如在先前校准阶段所校准的。如所示出的，根据该实施方案，例如生成了多个疼痛刺激，例如在步骤532中示出的三个疼痛刺激，其在校准阶段期间在VAS疼痛量表上被定为8。换言之，根据该实施方案，疼痛刺激在施加时提供相同的疼痛条件，例如通过相同强度的经皮电刺激。然而，显然，实验的备选实施方案是可能的，其中施加不同数量的疼痛刺激和/或其他合适强度和/或不同强度的疼痛刺激。显然，根据该实施方案，与在校准阶段510期间具有预定疼痛水平的受试者相关联的、预定强度的校准疼痛刺激532在例如30分钟的时间段内以合适的间隔以合适的时间施加。然而，显然，合适的时间段的备选实施方案是可能的，在所述时间段期间施加一个或多个疼痛刺激532和/或施加任何其他合适类型的导致焦虑的刺激。在施加疼痛刺激532(其也定为导致焦虑的刺激)的该时间段期间，如步骤534所示，合适的传感器被配置为监测和/或登记由受试者产生的生理信号以提供至合适的处理器以生成对应于受试者的身体或身体机能的状态和/或活动的测量数据。这样的生理传感器提供生理信号的客观测量。这样的生理传感器提供信号，当适当处理时，所述信号提供基于受试者的大脑、心脏、肌肉、皮肤……产生的电信号的记录的测量数据。这样的生理传感器的实施方案例如是用于测量生理信号的传感器，其被配置为测量呼吸、心电图或ECG、肌电图或EMG、血压或BP、血容量压力或BVP、眼电图或EOG、脑电图或EEG……。脑电图或EEG是一种电生理监测方法以记录大脑的电活动，并且可以被称为认知电生理信号，并且涉及皮质激素(corticoidal)信号。其他生理和/或电生理信号可以被称为自主生理信号，诸如例如EMG，其测量肌肉活动；EDA或皮肤电传导，其测量皮肤的表皮和/或真皮中的水合作用；EKG或ECG，其测量心脏活动，诸如例如心率、心跳间隔、心率变异性……；眼电图，其测量眼运动，BVP，其测量血压；呼吸传感器，其测量例如呼吸率、呼吸深度、努力、温度、吸气和/或呼气期间的气压……。根据所示的实施方案，从每名受试者收集脑电图(EEG)数据、心血管数据(心率、心率变异性……)、肌电图(EMG)数据、呼吸数据(呼吸率、呼吸变异性、预定呼吸模式、努力、温度和气压(吸气/呼气))、眼电图或EOG和体温作为测量数据，但是显然备选实施方案是可能的，其包括监测备选的认知电生理信号和/或自主生理信号，如下文进一步详细描述的。
在进行生理信号测量的时间段536之后，在步骤534期间，要求受试者提供焦虑水平、疼痛水平、改变的意识水平等的自我报告值，例如通过合适的VAS患者问卷。
根据图1所示的实验的实施方案，测试阶段520随后包括第二环节540，所述第二环节540包括自动催眠治疗环节548，其使用包括虚拟现实头戴设备的系统传送，如下文也将进一步详细地描述的。然而，显然，备选实施方案是可能的，其中使用任何其他合适的治疗环节和/或其中不使用治疗环节。系统的实施方案(也称为催眠包)被称为Sedakit，由Oncomfort制造。Sedakit被配置为自动催眠治疗环节的Aqua 30分钟模块实施方案，其在步骤548使受试者经受自动催眠治疗环节达30分钟的时间段。在该催眠治疗环节548期间，与上述类似，从每名受试者收集脑电图(EEG)、心血管数据、肌肉活动数据诸如例如肌电图或EMG数据、呼吸数据(呼吸率、呼吸变异性、预定呼吸模式、努力、温度和气压(吸气/呼气))、眼运动数据诸如例如眼电图或EOG数据以及体温数据作为测量数据，但是显然备选实施方案是可能的，其包括监测备选的生理信号。也与上述类似，在催眠治疗环节548期间，每名受试者暴露于一种或多种经皮疼痛刺激(其也定为导致焦虑的事件)。例如，一系列多个疼痛刺激，诸如例如显示为三个疼痛刺激542。与上述类似，根据该实施方案，在催眠治疗环节548期间施加的疼痛刺激542也被定为在校准阶段期间在VAS疼痛量表上的8。换言之，根据该实施方案，疼痛刺激在施加时提供相同的疼痛条件，例如通过相同强度的经皮电刺激。然而，显然，实验的备选实施方案是可能的，其中施加不同数量的疼痛刺激和/或其他合适强度和/或不同强度的疼痛刺激或任何其他合适类型的导致焦虑的刺激。显然，根据该实施方案，与在校准阶段510期间具有预定疼痛水平的受试者相关联的、预定强度的校准疼痛刺激532在例如30分钟的时间段内以合适的间隔以合适的时间施加。根据实验的实施方案，外部疼痛刺激以在实验期间在前臂处提供的经皮电刺激的形式提供，但是显然，合适的疼痛刺激的备选实施方案是可能的。类似地，如上所述，在步骤544，随后通过患者问卷要求每名受试者对他们在催眠治疗环节548期间经历的焦虑水平、经历的疼痛水平以及解离深度等进行评级。任选地但是优选地，在处于正常清醒状态的环节1 530和具有催眠治疗环节的环节2 540期间，受试者被置于类似的环境中。例如，在两个环节中，优选地，受试者被置于类似的位置，例如躺在椅子上。如进一步示出的，例如受试者正在经历类似的声音537、547，诸如例如医院环境的声音。任选地，除了患者问卷之外，还可以使用观察者的问卷531、541，例如以确保实验的质量和/或为疼痛、焦虑、解离等的自我报告的评级中的一个或多个提供另外的和/或备选的评级。
在实验期间，对于EEG测量，使用EEG电极，所述电极被放置成使得覆盖头皮并且检测大脑局部区域产生的局部电压波动。根据该实施方案，采用具有256个传感器或通道的高密度EEG，但是显然，具有不同数量的传感器的备选实施方案是可能的。根据实验的实施方案，根据256通道Hydrocel Geodesic Sensor Network的预定布局放置电极。本领域技术人员还知悉，EEG电极主要测量发生在大脑上层的神经活动，或者换言之大脑皮层的神经活动。在实验期间，对于EMG测量传感器，将一对表面EMG传感器放置在每名患者的腿上，以检测肌肉被激活时肌肉细胞产生的电势。然而，显然，备选实施方案是可能的，其中EMG传感器设置在任何其他合适的位置，诸如例如面部、手臂……。然而，显然，根据备选实施方案，可以使用其他类型的合适的EEG电极或传感器、EMG电极或传感器和/或用于测量EEG和/或EMG信号的任何其他合适类型的电极或传感器。
根据图1的实施方案，下面是上述实验的结果。如上所提及的，实验500包括具有“正常清醒状态”530和“催眠治疗环节”540的测试阶段520，对于两者在步骤534、544中为经受一个或多个校准疼痛刺激(其也定为校准的导致焦虑的事件)的每名受试者收集关于焦虑水平、疼痛水平和解离水平的自我报告数据。图1的实验的结果显示催眠治疗环节540相对于正常清醒状态530在以下方面的可测量和统计显著的效果：焦虑水平(更具体地焦虑水平降低)、疼痛水平(更具体地疼痛减轻)和解离水平(更具体地解离水平增加)，如下表1所示。如下文将进一步详细描述的，解离水平是用于量化改变的意识水平(诸如例如由催眠治疗环节导致)的示例性度量，但是显然，改变的意识水平的备选实施方案是可能的，诸如例如专注水平等。
下表1显示了在图1的实验期间在正常清醒状态530期间和在催眠治疗环节540期间受试者的自我报告数据的Wilcoxon符号秩检验：
Figure BDA0004113230540000281
首先应该注意的是，作为对在正常清醒状态530期间施加疼痛刺激的反应，自我报告的焦虑水平相对于施加疼痛刺激之前报告的焦虑水平有所增加。因此，显然，疼痛刺激因此也起到导致焦虑的刺激或导致焦虑的事件的作用。这通过在正常清醒状态530之前测量自我报告的焦虑水平而得到证实，其具有平均值+/-SD：2.65(2.06)和中位数[IQR]：2.15[3.55]，其中p值＝0.002和调整的p值＝0.008。在正常清醒状态530和催眠治疗环节540之间，存在暂停或休息，并且在催眠治疗环节540之前，还进行了自我报告的焦虑水平的测量，其具有平均值+/-SD：2.79(2.21)和中位数[IQR]：2.65[1.25]，其中p值＝0.53和调整的p值＝1。
因此，显然，根据上述实施方案(其中在正常清醒状态530和催眠治疗环节540二者期间，施加了相同强度的疼痛刺激，或者换言之在施加相同强度的疼痛刺激期间受试者经历相同疼痛条件，或者换言之相同的导致焦虑的时间和/或刺激)，自我报告的焦虑水平在环节530、540二者中显著不同。例如，如所示出的，正常清醒状态530下自我报告的焦虑值的平均值为4.92，而在催眠治疗环节540中，其据报道为3.16。换言之，相对于正常清醒状态减少了超过30％。因此，显然，自我报告的焦虑水平对应于受试者经历的焦虑水平，因为显然由相同的外部疼痛刺激触发的焦虑水平的自我报告值是由催眠治疗环节所引起的改变的意识状态调节的。换言之，焦虑水平的自我报告数据是受试者所经历的焦虑水平(或者换言之经历的焦虑的水平)的指标。由于与焦虑有关的自我报告数据是由疼痛刺激触发的，因此显然，这些疼痛刺激可以被认为是导致焦虑的事件，或者换言之特定时刻的不利情况，并且因此自我报告数据涉及受试者针对疼痛的导致焦虑的刺激所经历的焦虑水平。此外，应该注意的是，实验被设定为具有在正常清醒状态530中的第一阶段(其中与实验之前相比焦虑水平增加)以及仍在催眠治疗环节540中的后续第二阶段(再次报道焦虑水平降低)。包括正常清醒状态530和催眠治疗环节540之间的预定休息时间。
进一步地，显然，根据上述实施方案(其中在正常清醒状态530和催眠治疗环节540二者期间，施加了相同强度的疼痛刺激，或者换言之在施加相同强度的疼痛刺激期间受试者经历相同疼痛条件)，自我报告的疼痛水平在环节530、540二者中显著不同。例如，如所示出的，正常清醒状态530下自我报告的疼痛值的平均值为4.21，而在催眠治疗环节540中，其据报道为1.39。换言之，相对于正常清醒状态减少了超过50％。因此，显然，自我报告的疼痛水平对应于受试者感知的疼痛水平，因为显然与相同的外部疼痛刺激相关的疼痛水平的自我报告值是由催眠治疗环节所引起的改变的意识状态调节的。换言之，疼痛水平的自我报告数据是受试者有意识感知的疼痛水平(或者换言之感知的疼痛水平)的指标。进一步地，显然，这种感知的疼痛水平使得其可以通过受试者的意识水平的改变或变化(诸如例如通过受试者的解离水平的变化)来调节。
通过表1中的自我报告数据证实了相对于正常清醒状态通过催眠治疗环节的受试者解离水平的变化，表1示出了在催眠治疗环节540期间解离水平的自我报告平均值为7.52，相对于正常清醒状态530期间的值4.11。换言之，相对于正常清醒状态530，在催眠治疗环节540期间，解离水平增加超过80％。
此外，如关于表2进一步详细示出的，发现催眠治疗环节540和正常清醒状态530二者的自我报告数据内的统计学上相关的相关性，因为发现疼痛水平的自我报告值与解离水平的自我报告值呈负相关。因此，这意味着，当受试者处于与解离水平的较高自我报告值相关联的意识状态时，这将导致相同疼痛条件下疼痛水平的较低自我报告值。
另外，如下表2中进一步详细示出的，发现自我报告的焦虑水平与疼痛刺激的刺激强度(或者换言之所施加的经皮电刺激的强度)之间没有统计学上显著的相关性。因此，如上已提及的，自我报告的焦虑水平对应于受试者经历的焦虑水平，并且因此不与外部疼痛刺激的强度(或者换言之导致焦虑的事件本身的强度)直接相关，但是涉及受试者有认知地经历的焦虑水平。换言之，自我报告的焦虑水平显然涉及焦虑体验，因为其出现在受试者的认知体验以及任选地自主生理体验中。
另外，如下表2中进一步详细示出的，发现自我报告的疼痛水平与疼痛刺激的刺激强度(或者换言之所施加的经皮电刺激的强度)之间没有统计学上显著的相关性。因此，如上已提及的，自我报告的疼痛水平对应于受试者的有意识感知的疼痛感知水平，并且因此不与外部疼痛刺激本身的强度直接相关，但是涉及疼痛感知的意识水平。换言之，在通过例如丘脑和/或其他下游和/或上游神经通路进行潜在调节和/或抑制之后，疼痛的感知出现在受试者的意识感知意识中，通常与皮层相关联。
另外，疼痛刺激的刺激强度与自我报告的解离水平之间存在一定水平的统计学上相关的相关性。这意味着在实验期间报告了解离水平的较高值的受试者将施加的电刺激的较高强度与校准步骤期间疼痛量表上的值8相关。
下表2示出了催眠治疗环节540和正常清醒状态530二者的Spearman相关性：
Figure BDA0004113230540000311
在表2中，rs是指spearman相关系数。其可以采用+1至-1的值的范围。值为0表示两个变量之间不关联。大于0的值表示正关联；也就是说，随着一个变量的值增加，另一个变量的值也会增加。小于0的值表示负关联；也就是说，随着一个变量的值增加，另一个变量的值减小。p是与统计检验相关联的p值，用于评价相关性是否具有统计显著性而不仅仅是巧合。通常，小于0.05的p值被认为具有统计显著性。当p值接近于零时，这表明统计相关性更高，或者换言之相关性更好。
实验500期间生成的EEG测量数据的分析结果连同自我报告数据允许在局部大脑结构/网络与焦虑体验、疼痛感知和/或改变的意识状态(诸如例如解离)之间建立关联。鉴别那些与焦虑体验、疼痛感知和/或改变的意识状态相关联的局部结构/网络允许客观地组合地测量焦虑水平、受试者感知的疼痛水平(或者换言之受试者的疼痛感知水平)和/或受试者的意识状态的改变，例如在催眠治疗环节或任何其他合适的治疗环节期间。它还允许确定受试者经历的焦虑水平、受试者感知的疼痛水平(当经历校准外部疼痛刺激时；其也充当校准的导致焦虑的刺激)和任选地受试者的改变的意识状态(诸如例如由解离水平表征)对其的改变、抑制和/或调节之间的联系，现在已经通过实验500进行确定。
在大脑中，几种类型的大脑活动同时发生，这也被称为并行处理。特定类型的大脑活动可以与实验期间的测量EEG数据中的特定频带相关。为了探索不同类型的大脑活动，可以对实验500期间生成的EEG测量数据进行适当的处理，例如通过经由快速傅里叶变换或FFT操作将时域信号转换为频域。根据这样的频域信号，然后例如可以确定特定信号频带的功率，其中功率例如是指在与一个或多个特定脑电波相关联的指定频率范围内的频域信号的振幅的平方，诸如在下面进一步详细描述的。这样的频带可以例如包括至少两种或恰好两种类型的脑电波的组合，诸如例如δ-θ频带，或θ-α频带。这意味着这样的θ-α频带例如由θ频带的至少一部分和α频带的至少一部分的组合组成。这意味着这样的θ-α频带例如由θ频带的至少一部分和α频带的至少一部分的组合组成。这意味着这样的δ-θ频带例如由δ频带的至少一部分和θ频带的至少一部分的组合组成。这意味着这样的δ-θ频带例如由δ频带的至少一部分和θ频带的至少一部分的组合组成。根据下述实施方案，频带可以例如包括至少两种或恰好两种类型的脑电波的组合，诸如例如δ-θ频带包括两种脑电波δ和θ的组合并且θ-α频带包括两种脑电波θ和α的组合。
在实验500期间的测量数据的EEG数据中，当比较催眠治疗环节540期间的受试者的测量数据时(其是与正常清醒状态530相比非药理学诱导的改变的意识状态的一个实施方案，并且涉及两种不同的自我报告的受试者经历的焦虑水平和两种不同的自我报告的受试者感知的疼痛水平)发现在包括两种不同类型的脑电波的组合的特定δ-θ(dt)频带中的显著功率差异：
-在1-6Hz频带中相对于正常清醒状态530在催眠治疗环节540期间降低的P-功率(dt)，所述1-6Hz频带是δ-θ频率范围内的δ-θ(dt)频带的一个实施方案，其位于顶叶(P)周围，也被称为早期成分。如将在下面进一步详细解释的，这样的EEG测量数据可以用作受试者的焦虑水平(并且更特别地受试者的经历的焦虑水平)的第8组指标的一部分。根据上述描述，显然，相对于正常清醒状态530，在催眠治疗环节540期间自我报告的焦虑水平也存在显著差异。
-在1-6Hz频带中相对于正常清醒状态530在催眠治疗环节540期间降低的功率(dt)，所述1-6Hz频带是δ-θ频率范围内的δ-θ(dt)频带的一个实施方案，其位于额叶(F)周围，也被称为早期成分。如将在下面进一步详细解释的，这样的EEG测量数据可以用作受试者的意识状态(并且更特别地受试者的解离水平)的第1组指标的一部分。根据上述描述，显然，相对于正常清醒状态530，在催眠治疗环节540期间自我报告的解离水平和自我报告的疼痛水平二者也都存在显著差异。
-在6-12Hz频带中相对于正常清醒状态530在催眠治疗环节540期间增加的功率(ta)，所述6-12Hz频带是θ-α频率范围内的θ-α(ta)频带的一个实施方案，其位于额叶(F)、中叶(C)和顶叶(P)周围，也被称为晚期成分。然而，显然，也可以在任何其他合适的头皮位置处确定功率(ta)。如将在下面进一步详细解释的，这样的EEG测量数据可以用作受试者的疼痛感知水平的第4组指标的一部分。
根据上述描述，显然，相对于正常清醒状态530，在催眠治疗环节540期间自我报告的焦虑水平、自我报告的解离水平和/或自我报告的疼痛水平中的至少二者的任何合适组合存在显著差异。
早期成分是指在疼痛刺激开始和/或任何其他合适的导致焦虑的时间开始后0.1至0.5秒的时间段内测量的功率(dt)降低。晚期成分是指在疼痛刺激开始后0.38至0.78秒的时间段内测量的功率(ta)增加。根据其中存在外部疼痛刺激的该具体实施方案，功率是参考刺激开始从-0.5s到1.5s计算的，或者换言之功率是在包括刺激开始的2s时间窗内计算的。然而，显然备选实施方案是可能的，其中例如在相对于刺激开始的任何其他合适的时间点，使用至少0.1s的时间窗，例如0.5s至高达并包括60s的范围内的时间窗，或任何其他合适的时间窗，只要时间窗包括在刺激开始之后的时间点的至少一部分。根据另外的实施方案，诸如例如在与特定外部刺激无关的连续功率测量期间，可以基于例如2s或任何其他合适的时间段(诸如例如至少0.1s或者在0.5s至高达并包括60s的范围内……)的重叠时间窗连续地计算功率。
上述结果是首次鉴别自动催眠治疗环节和正常清醒状态之间的位置特异性大脑频带差异，尤其是对于包括两种脑电波(诸如例如θ和α脑电波或δ-θ脑电波)的至少一部分的组合或由其组成的大脑频带。显然，这些结果也是首次为任何其他合适的治疗环节鉴别这一点，例如药理学和/或非药理学治疗环节，和/或其中并未使用治疗环节。显然，还首次鉴别相对于受试者经历的不同焦虑水平和/或相对于受试者感知的不同疼痛水平和/或相对于不同解离水平的大脑频带差异，尤其是包括两种脑电波的组合的大脑频带。如上已提及的，显然这样的包括两个脑电波频率或其至少一部分的组合和/或由所述组合组成的频带不同于仅包括单个脑电波频带的频带并且不同于包括多于两个脑电波频带的频带。
根据实验500期间的测量EEG数据，在EEG电极F、C和/或P处提取功率(dt)和/或功率(ta)，并且获得以下结果：
-自我报告的焦虑水平与计算的第8组指标(或者换言之EEG电极P处的P-功率(dt))相关(spearman)(rs＝0.51，p＝0.022)。图2示出了对于如上所述参与实验500的受试者，自我报告的焦虑水平与根据实验500期间的测量数据在EEG电极P处的计算的P-功率(dt)之间的相关性。因此，显然，特定的第8组指标P-功率(dt)与焦虑水平的自我报告值相关；
-与正常清醒状态530相比，第8组指标(或者换言之P-功率(dt))在催眠治疗环节540期间显著降低，如根据在EEG电极位置F处的EEG测量数据计算的(正常清醒状态530期间的0.84mV相对于催眠治疗环节540期间的0.44mV，p＝0.027)。这与上述的第8组指标P-功率(dt)与焦虑水平的自我报告值之间的相关性是一致的。这种实验数据的一个实施方案在例如图2中示出。
-自我报告的疼痛水平与计算的第4组指标(或者换言之EEG电极F(rs＝-0.29，p＝0.10)、P(rs＝-0.33，p＝0.15)和/或C(rs＝-0.49，p＝0.02)处的功率(ta))相关(spearman)。图3更详细地示出了对于如上所述参与实验500的受试者，受试者感知的自我报告的疼痛水平与根据实验500期间的测量数据在EEG电极F、P和/或C处的计算功率(ta)之间的相关性。因此，显然，第4组指标功率(ta)与疼痛水平的自我报告值呈负相关；
-与正常清醒状态530相比，第4组指标(或者换言之功率(ta))在催眠治疗环节540期间显著更高，如根据3个EEG电极位置F(正常清醒状态530期间的0.13相对于催眠治疗环节540期间的0.29，p＝0.009)、P(正常清醒状态530期间的0.16相对于催眠治疗环节540的0.29，p＝0.009)和C(正常清醒状态530期间的0.089相对于催眠治疗环节540期间的0.147，p＝0.005)处的EEG测量数据计算的；这与上述的第4组指标即功率(ta)和疼痛水平的自我报告值之间的负相关是一致的；
-自我报告的解离测量与计算的第1组指标(或者换言之EEG电极P(rs＝-0.37，p＝0.011)和F(rs＝-0.55，p＝0.010)处的功率(dt))相关(spearman)。图4示出了对于如上所述参与实验500的受试者，自我报告的解离水平与根据实验500期间的测量数据在EEG电极F、P处的计算功率(dt)之间的相关性。因此，显然，第1组指标F-功率(dt)与解离水平的自我报告值呈负相关。还进一步地，显然，其他头皮位置诸如顶叶头皮位置的相关性不如为第1组指标的F-功率(dt)所选择的额叶头皮位置那样高。
-与正常清醒状态530相比，第1组指标(或者换言之F-功率(dt))在催眠治疗环节540期间显著降低，如根据EEG电极位置P(正常清醒状态530期间的0.84相对于催眠治疗环节540期间的0.44，p＝0.027)和F(正常清醒状态530期间的1.01相对于催眠治疗环节540的0.43，p＝0.048)处的EEG测量数据计算的；这与上述的第1组指标即F-功率(dt)和解离水平的自我报告值之间的负相关是一致的。这种实验数据的一个实施方案在例如图4中示出。根据优选实施方案，第1组指标仅基于F-功率(dt)，而不基于诸如来自其他头皮位置的任何EEG数据，因为这提供了最佳相关性。任选地，第1组指标可以基于与P-功率(dt)组合的F-功率(dt)，然而，应该清楚的是，根据实施方案，当确定DoS时，与P-功率(dt)成分相比，评估协议将更大的权重分配给F-功率(dt)成分。
应该清楚的是，根据组合脑电波频带δ-θ计算的P-功率(dt)令人惊讶地提供了与其每个组成单独脑电波频带(即δ和θ)的自我报告的焦虑水平显著更高的相关性。自我报告的焦虑水平与P-功率(δ)相关(spearman)，即在相同的EEG电极P处对单独δ脑电波频带的相同功率计算，其中rs＝0.09并且p值＝0.80。自我报告的焦虑水平与P-功率(θ)相关(spearman)，即在相同的EEG电极P处对单独θ脑电波频带的相同功率计算，其中rs＝0.24并且p值＝0.4。因此，显然，特定的δ-θ组合频带的P-功率提供了令人惊讶和出乎意料的高水平相关性，这是基于单独频带成分δ和θ中的任何一个都无法预见的。
值得注意的是，根据组合脑电波频带θ-α计算的功率(ta)令人惊讶地提供了与其每个组成单独脑电波频带(即θ和α)的自我报告的疼痛水平显著更高的相关性。自我报告的疼痛水平与功率(θ)相关(spearman)，即在相同的EEG电极F、P和C处对单独θ脑电波频带的相同功率计算，其中相关值如下：
-电极F：rs＝-0.06，p＝0.3
-电极P：rs＝-0.22，p＝0.35
-电极C：rs＝0.24，p＝0.19
同样，自我报告的疼痛水平与功率(α)相关(spearman)，即在相同的EEG电极F、P和C处对单独α脑电波频带的相同功率计算，其中相关值如下：
-电极F：rs＝0.09，p＝0.79
-电极P：rs＝-0.28，p＝0.42
-电极C：rs＝-0.33，p＝0.33
因此，显然，特定的θ-α组合频带的功率提供了令人惊讶和出乎意料的高水平相关性，这是基于单独频带成分θ和α中的任何一个都无法预见的。
此外，值得注意的是，根据组合脑电波频带δ-θ计算的功率(dt)令人惊讶地提供了与其每个组成单独脑电波频带(即δ和θ)的自我报告的解离水平显著更高的相关性。自我报告的解离水平与功率(δ)相关(spearman)，即在相同的EEG电极F和P处对单独δ脑电波频带的相同功率计算，其中相关值如下：
-电极F：rs＝-0.42，p＝0.21
-电极P：rs＝-0.05，p＝0.13
同样，自我报告的解离水平与功率(θ)相关(spearman)，即在相同的EEG电极F和P处对单独θ脑电波频带的相同功率计算，其中相关值如下：
-电极F：rs＝0.19，p＝0.58
-电极P：rs＝-0.09，p＝0.86
因此，显然，特定的δ-θ组合频带的功率提供了令人惊讶和出乎意料的高水平相关性，这是基于单独频带成分δ和θ中的任何一个都无法预见的。
实验500期间生成的上述实验数据(其包括测量数据诸如EEG数据和自我报告数据二者，并且也可以被称为反应数据)证实了自我报告的焦虑水平和与δ-θ频带dt(根据该实施方案其从1Hz扩展至高达并包括6Hz)相关联的在特定位置处的特定组合脑电波频带的功率即P-功率(dt)(也被称为第8组指标)之间存在相关性。然而，如上已提及的，显然备选实施方案是可能的，其中频带包括δ脑电波和θ脑电波二者的组合。
根据上面的实验数据确定了，令人惊讶地，仅从P EEG电极接收的测量数据显示出一定水平的功率(dt)与自我报告的焦虑水平的相关性。在当前实验中，发现在不同电极位置(诸如例如C和F电极位置)处没有相关性。对于与自我报告的焦虑水平的相关性，C-EEG电极的实验数据提供了C-功率(dt)，其中rs＝-0.09并且p值＝0.69。类似地，对于与自我报告的焦虑水平的相关性，F-EEG电极的实验数据提供了F-功率(dt)，其中rs＝0.18并且p值＝0.44。因此，显然，仅顶叶位置处的电极产生的EEG测量数据提供了与焦虑水平的足够高水平的相关性，而来自其他位置(诸如中央和额叶位置)处的电极的EEG测量数据并未提供这样的足够高水平的相关性，或者换言之不存在相关性或相关性水平非常低。根据此处描述的实施方案，顶叶位置处的rs值的绝对值大于或等于0.45，而其他位置处的rs值的绝对值小于或等于0.20。
显然，根据备选实施方案，可以提供备选的外部疼痛和/或焦虑刺激。显然，代替测量对外部疼痛刺激有反应的焦虑水平和/或除了这种焦虑水平之外，实验数据还可以用于测量由受试者的内部事件或状态引起的焦虑水平，例如其可能涉及所经历的焦虑，而并非由施加的外部事件(诸如外部疼痛和/或焦虑刺激)引起。显然，实验的备选实施方案是可能的，其中P-功率(dt)是为包括δ脑电波和θ脑电波二者或其至少一部分的组合或者由所述组合组成的任何其他合适的频带确定的，诸如例如在0Hz至高达并且包括8Hz的频率范围中扩展的任何合适频带。
实验500期间生成的上述实验数据(其包括测量数据诸如EEG数据和自我报告数据二者，并且也可以被称为反应数据)证实了自我报告的疼痛和与θ-α频带ta(根据该实施方案其从6Hz扩展至高达并包括12Hz)相关联的功率即功率(ta)(也被称为第4组指标)之间存在相关性。然而，显然，备选实施方案是可能的，其中频带包括θ脑电波和α脑电波二者的组合。显然，根据上面的实验数据，从C、P和F EEG电极接收的测量数据都显示出一定水平的功率(ta)与自我报告的疼痛测量的相关性。尽管在当前实验中，C EEG电极处的相关性最高，但是显然，根据备选实施方案，不同EEG电极之间相关性水平的分布可能不同。然而，显然，根据备选实施方案，可以提供备选的外部疼痛刺激。显然，代替测量对外部疼痛刺激有反应的疼痛水平和/或除了这种疼痛水平之外，实验数据还可以用于测量由受试者的内部事件或状态引起的疼痛水平，例如其可能涉及所经历的疼痛，而并非由施加的外部事件(诸如外部疼痛刺激)引起。显然，实验的备选实施方案是可能的，其中功率(ta)是为包括θ脑电波和α脑电波二者的组合的任何其他合适的频带确定的，诸如例如在4Hz至高达并且包括12Hz的频率范围中扩展的任何合适的带。
此外，如下文进一步详细描述的，实验500期间生成的上述实验数据(其包括测量数据诸如EEG数据和自我报告数据二者，并且也可以被称为反应数据)证实了自我报告的解离水平和与δ-θ频带dt(根据该实施方案其从1Hz扩展至高达并包括6Hz)相关联的功率即功率(dt)(也被称为第1组指标)之间存在相关性。然而，显然，备选实施方案是可能的，其中频带包括δ脑电波和θ脑电波二者的组合和/或由所述组合组成。
这些发现已有利地应用于用于测量焦虑水平、改变的意识水平和/或疼痛水平的计算机实施的方法中。基于在P-功率(dt)和焦虑水平的自我报告的测量结果之间存在相关性以及在功率(ta)和疼痛水平的自我报告的测量结果之间存在相关性的洞察，现在可以更客观地测量焦虑水平和/或疼痛水平，即使在自我报告的焦虑和/或疼痛测量是不可能或不可用的情况下，诸如例如当受试者处于无法沟通或遇到沟通困难的状态时，当受试者是幼儿时……。显然，焦虑水平或LoA是对导致焦虑的事件或情况的心理生理反应的强度的指标。显然，受试者经历的这样的焦虑水平可以通过例如其情绪、心理、认知状态(诸如例如受试者的意识状态)来调节。因此，LoA是受试者经历的焦虑水平的指标，并且因此可以用作受试者经历焦虑的程度的指标，例如在认知、情绪和/或身体水平上。
显然，疼痛水平或LoP是受试者意识并感受到疼痛的水平或程度的指标。换言之，其是指受试者有意识感知的疼痛水平。显然，受试者的这样的疼痛感知水平可以通过例如其情绪、心理、认知状态(诸如例如受试者的意识状态)来调节。因此，LoP是受试者的主观疼痛感知的指标，并且因此可以用作受试者经历疼痛的程度的指标，例如在情绪、认知和/或身体水平上。
因此，显然，焦虑(并且更具体地如上所定义的焦虑)包括受试者的认知体验并且任选地还包括受试者的生理体验。换言之，受试者经历的焦虑水平是一种主观的心理生理体验，其在不同程度上受到例如生物、心理、认知、生理、神经生理和社会因素的影响。某事引起焦虑的体验包括例如认知特征，诸如例如焦虑刺激的强度、质量……和/或情感情绪方面。还应注意，以这种方式，所经历的焦虑和纯自主生理应激反应是不同的，并且例如可以彼此独立地发生。
如下进一步详细解释的，在本申请的上下文中，焦虑水平指数或LoAI或焦虑指数是指指示受试者至少正在有认知地经历并且任选地在生理上经历的焦虑水平的标准化指数。换言之，受试者在认知维度(任选地被例如自主感觉和/或情绪水平补充)上经历焦虑的程度，如下文进一步详细描述的。例如，这种LoAI随受试者经历的焦虑强度而系统地变化，独立于不影响经历体验的因素。LoAI的第一个限度，例如LoAI的下限，可以例如指示受试者并未经历焦虑。LoAI的第二个限度，例如LoAI的上限，可以例如指示受试者经历最强/最差的可能的焦虑体验。
因此，显然，在本说明书的上下文中，如例如国际疼痛研究协会(InternationalAssociation for the Study of Pain)或IASP所定义的，疼痛是一种令人厌恶的感觉和情绪体验，通常由实际或潜在的组织损伤引起或类似地由实际或潜在的组织损伤引起。因此，显然，疼痛作为有意识感知而被受试者经历。换言之，受试者经历的疼痛水平是一种主观体验，其在不同程度上受到例如生物、心理和社会因素的影响。某事引起疼痛的有意识感知包括例如感觉识别特征，诸如例如强度、质量和位置……和/或情感情绪方面。还应注意，以这种方式，有意识感知的疼痛和伤害感受是不同的现象，它们可以彼此独立地发生。疼痛的有意识体验或感知不能总是还原为感觉通路中的活动。IASP定义的伤害感受是编码有害和/或疼痛刺激的神经过程。这样的编码的结果可以是自动的，诸如例如血压升高，或者是行为的，诸如例如运动反射。然而，显然，有意识的疼痛体验并不一定是隐含的。如下进一步详细解释的，在本申请的上下文中，疼痛水平指数或LoPI或疼痛指数是指指示受试者有意识地意识到的疼痛水平的标准化指数。换言之，受试者在例如感觉和/或情绪水平上有意识感知疼痛的程度。例如，这种LoPI随受试者感知的疼痛强度而系统地变化，独立于不影响疼痛感知的因素。LoPI的第一个限度，例如LoPI的下限，可以例如指示受试者并未经历有意识的疼痛感知。LoPI的第二个限度，例如LoPI的上限，可以例如指示受试者经历最强的可能的有意识的疼痛感知。
根据图5示出的实施方案，这样的计算机实施的方法300用于客观测量受试者经历的焦虑水平、受试者的改变的意识水平和/或受试者有意识感知的疼痛水平。
根据图5示出的实施方案，这样的用于客观测量受试者经历的焦虑水平或LoA、受试者感知的疼痛水平或LoP以及受试者的改变的意识状态的水平或DoS的计算机实施的方法300例如包括以下步骤：接收EEG数据302、提取P-功率(dt)304和确定焦虑水平LoA 306。在步骤302，接收测量数据，所述测量数据包括从一个或多个P-EEG电极收集的脑电图EEG数据。然后在步骤304，从EEG数据中提取第8组指标，所述第8组指标对应于：在δ-θ频率范围内与δ-θ频带dt相关联的功率，即P-功率(dt)。然后在步骤306，基于所述第8组指标确定焦虑水平LoA，其是指示受试者经历的焦虑水平的值。显然，根据备选实施方案，任选地，除了所述第8组指标之外，可以考虑另外的要素诸如其他组指标、测量结果、参数、参考测量结果……来确定LoA。显然，根据特定实施方案，所述方法例如可以包括另外的步骤，诸如例如在接收EEG数据或任何其他合适的数据的步骤之后，预处理EEG数据或其他数据，随后提取相关特征，从而允许确定例如第8组指标或其他合适的组指标，以及随后的归一化和/或分类，从而例如确定LoA或LoA的指数化和/或缩放版本，诸如例如LoAI，如将在下面进一步详细解释的。然而，显然还有另外的备选实施方案是可能的。
根据以上生成的实验数据的实施方案，发现当在正常清醒状态530下施加疼痛量表上值8的校准疼痛刺激时，对于平均自我报告焦虑值为4.92的群体，测量的平均P-功率(dt)为0.84mV2。当在催眠治疗环节540期间施加疼痛量表上值8的校准疼痛刺激时，对于平均自我报告焦虑值为3.16的群体，测量的平均P-功率(dt)为0.44mV2。如上已提及的，根据以上实验数据，LoA与第8组指标P-功率(dt)相关，或者换言之P-功率(dt)的增加对应于LoA的增加，并且P-功率(dt)的降低对应于受试者经历的LoA的降低。如上已提及的，显然，根据其中存在外部疼痛和/或焦虑刺激的实施方案，上述P-功率(dt)值是参考刺激开始从-0.5s到1.5s计算的，或者换言之，功率是在包括刺激开始的2s的时间窗内计算的。然而，如上进一步提及的，显然备选实施方案是可能的，其中使用备选的合适的时间窗，和/或其中时间窗与特定外部刺激无关，使得例如功率可以是基于重叠时间窗连续计算的。
此外，根据图5示出的方法的实施方案，其例如包括以下步骤：接收EEG数据302、提取功率(ta)314和确定疼痛水平LoP 316。在步骤302，接收测量数据，所述测量数据包括从一个或多个EEG电极收集的脑电图EEG数据。然后在步骤314，从EEG数据中提取第4组指标，所述第4组指标对应于：在θ-α频率范围内与θ-α频带ta相关联的功率，即功率(ta)。然后在步骤306，基于所述第4组指标确定疼痛水平LoP，其是指示受试者疼痛水平的值。显然，根据备选实施方案，任选地，除了所述第4组指标之外，可以考虑另外的要素诸如其他组指标、测量结果、参数、参考测量结果……来确定LoP。显然，根据特定实施方案，所述方法例如可以包括另外的步骤，诸如例如在接收EEG数据或任何其他合适的数据的步骤之后，预处理EEG数据或其他数据，随后提取相关特征，从而允许确定例如第4组指标或其他合适的组指标，以及随后的归一化和/或分类，从而例如确定LoP或LoP的指数化和/或缩放版本，诸如例如LoPI，如将在下面进一步详细解释的。然而，显然还有另外的备选实施方案是可能的。
任选地并且优选地根据图5的实施方案，在步骤318中，可以关联多个LoA、LoP和/或DoS测量和/或确定多个LoA、LoP和/或DoS测量之间的相关性，如将在下面进一步详细解释的，例如参考图10-16的实施方案等。
根据以上生成的实验数据的实施方案，发现当在正常清醒状态530下施加疼痛量表上值8的校准疼痛刺激时，对于平均自我报告疼痛值为4.2的群体，测量的平均功率(ta)为0.16mV2。当在催眠治疗环节540期间施加疼痛量表上值8的校准疼痛刺激时，对于平均自我报告疼痛值为1.4的群体，测量的平均功率(ta)为0.29mV2。如上已提及的，根据以上实验数据，LoP与第4组指标功率(ta)呈负相关，或者换言之功率(ta)的增加对应于LoP的降低，并且功率(ta)的降低对应于受试者有意识感知的LoP的增加。
进一步地，显然，例如表示受试者对治疗环节的反应的反应数据也可以用于确定受试者的意识状态，特别是改变的意识状态的水平。
根据另一个方面，如图36示意性示出的，如在通过引用结合于此的共同未决专利申请PCT/EP2020/053136中更详细地描述的，所述方法包括用于通过第1组指标和任选地第2组指标测量状态深度DoS的另外步骤。
显然，根据这样的实施方案，与上面所解释的类似，在步骤302接收测量数据，所述测量数据包括EEG数据，所述EEG数据包括从位于对应于受试者的额叶的头皮解剖区域上的至少一个额叶(F)EEG电极收集的数据。然后这允许在步骤308基于在从至少一个F-EEG电极数据中提取的δ-θ频率范围内与δ-θ频带dt相关联的功率即F-功率(dt)来提取第1组指标。基于该第1组指标，然后可以确定DoS。基于第1组指标，然后可以确定状态深度DoS，其是指示改变的意识状态的水平的值。
根据优选实施方案，根据测量数据和/或包括优选地但是不一定在相同疼痛条件下和/或在相同的导致焦虑的事件下获得的LoA和/或LoP的同时测量的测量数据，确定不同DoS下的多个LoA和/或LoP；和/或不同LoA下的多个LoP；和/或不同LoP下的多个LoA；等等。应该清楚的是，相同的疼痛条件不一定意味着恒定的疼痛条件，其仅意味着在测量LoA和/或LoP和DoS时，焦虑和/或疼痛条件是相同的、基本上相同的和/或类似的。显然，备选的实施方案是可能的，其中不同时执行LoA、LoP和/或DoS的测量。基于这样的测量，然后可以例如通过评估不同DoS下的LoA和/或LoP的演变和/或根据优选地但是不一定在相同疼痛和/或焦虑条件下获得的测量数据的相对于DoS演变的LoA和/或LoP的演变，确定DoS对LoA和/或LoP的调节。根据备选实施方案，可以基于所述DoS和/或所述LoA将LoP调整为归一化疼痛水平NLoP，其是指示受试者在预定参考DoS和/或预定参考LoA下的疼痛水平的值。根据备选实施方案，可以基于所述DoS和/或所述LoP将LoA调整为归一化焦虑水平NLoA，其是指示受试者在预定参考DoS和/或预定参考LoP下的焦虑水平的值。参考DoS可以是例如正常清醒状态的DoS，参考LoP可以是例如没有感知疼痛或感知最小量的疼痛时的疼痛水平，和/或参考LoA可以是例如没有经历焦虑或经历最小量的焦虑时的焦虑水平，诸如例如图7-图9示出的，其中DoS、LoA、NLoA、LoP和NLoP已被缩放和指数化为DoSI、LoAI、NLoAI、LoPI和NLoPI，如下文进一步详细解释的，并且类似于例如参考图6所解释的。
然而，应该清楚的是，在本说明书的上下文中，根据备选实施方案，关于涉及DoS、LoA、NLoA、LoP、NLoP和任何其他参数的值的计算、显示等(其中给出了关于指数化和/或缩放的参数诸如DoSI、LoAI、NLoAI、LoPI、NLoPI等的实例)，可以将这些替换为非指数化和/或缩放的值诸如DoS、LoA、NLoA、LoP、NLoP等，或反之亦然。以这种方式，NLoP的值将在独立于当前DoS和/或当前DoS的任何变化的情况下提供在感兴趣的预定参考DoS下的LoP值，从而例如提供当该参考DoS是正常清醒状态时在受试者将处于或恢复到正常清醒意识状态时会有意识地感知的等效疼痛量的指标，诸如例如图7-9所示。然而，显然，备选实施方案是可能的，其中例如NLoP基于预定参考LoA和/或预定参考LoA和预定参考DoS的组合等。在图7中，NLoP或NLoAI，或根据所示的实施方案，NLoPI或NLoAI可以如下计算。当例如测量50％的DoSI并且LoPI或LoAI为15％时，这是指这样的特定点，其是DoS与LoP或DoS与LoA之间的预定相关性的一部分，例如通过测量在相同的疼痛和/或焦虑条件下在多个不同的DoSI下的LoPI或LoAI，但是显然，备选实施方案是可能的。如通过实线表示的LoPI与DoSI或LoAI与DoSI之间的相关的预定相关函数所示，可以确定NLoPI或NLoAI在参考DoSI处为40％，所述参考DoSI根据该实施方案设为100％。这意味着当DoSI将从50％的测量DoSI变为100％的参考DoSI时，例如在当前疼痛和/或焦虑条件下或者换言之当疼痛和/或焦虑条件保持相同或不变时，受试者感知的疼痛水平或受试者经历的焦虑水平将从测量的15％升至40％。类似地，如图7所示，当在DoSI＝50％并且测量到LoPI或LoAI＝50％或85％时，这将分别导致相应的NLoPI＝60％或90％(分别通过虚线或点虚线相关函数)。显然，备选实施方案是可能的，其用于与图7所示的示意性预定相关性相比基于预定参考DoS和基于DoS和LoP或DoS和LoA的测量计算NLoP或NLoAI，诸如适当的查阅表、利用基于个体和/或基于群体的历史数据的自学习系统等。显然还有另外的实施方案是可能的，其中例如基于所述DoS将所述LoA调整为归一化焦虑水平NLoA，其是指示受试者在预定参考DoS下的焦虑水平的值。与上面解释的类似，显然，如下面将进一步详细解释的，LoA也受到LoP的影响，并且因此类似地，代替基于DoS的调整和/或除了基于DoS的调整以外，可以基于所述LoP将LoA调整为归一化焦虑水平NLoA，其是指示受试者在预定参考LoP和任选地在预定参考DoS下的焦虑水平的值。
根据另外的备选实施方案，基于LoP可以通过LoA和DoS调整的洞察，如下文进一步详细所示，根据另外的实施方案，根据测量数据和/或包括LoA和DoS的同时测量的测量数据确定不同DoS和/或LoA下的多个LoP是可用的。根据具体实施方案，这将例如有助于通过评估不同DoS和/或LoA下的LoP演变和/或根据测量数据的相对于DoS和/或LoA演变的LoP演变来确定DoS和/或LoA对LoP的调节。
图10示出了其中基于来自图1的实验的实施方案的测量数据将多个LoA和LoP相关的方法的示例性实施方案。发现疼痛水平LoP和焦虑水平LoA之间的计算相关性拟合了r＝0.8、p值<0.001的良好相关性。这意味着更高水平的焦虑与同时更高水平的疼痛相关和/或相关联。因此，这种相关性以这样的方式起作用：LoA随着LoP的增加而增加，并且甚至可以触发疼痛感知。因此，LoA和LoP的组合测量以及任何相应相关性的计算允许确定LoP的哪一部分与LoA相关联并且可以例如通过焦虑管理治疗来治疗。备选地，LoA和LoP的组合测量以及任何相应相关性的计算允许确定LoA的哪一部分与LoP相关联并且可以例如通过疼痛管理治疗来治疗。
因此，从上文可以清楚地看出，疼痛可以是焦虑的原因，并且反之亦然，并且LoA和LoP的组合测量和任选地它们之间的任何相关性的计算使得可以确定焦虑和/或疼痛的根本原因、调整因素(modulator)、加重因素等，并且通过合适的治疗(例如LoA是主要贡献成分时的焦虑管理治疗，或LoP是主要贡献成分时的疼痛管理治疗，和/或焦虑和疼痛管理治疗的适当加权组合，取决于LoA和/或LoP的贡献的各自权重以及它们各自的相关性)对其进行有效治疗。显然，这样的相关性可以最容易地在LoA和LoP的同时测量之间确定，然而显然，备选实施方案是可能的，其中相关的LoA和LoP不是同时测量的，而是在类似的时间段和/或事件期间测量的，诸如例如在治疗之前、期间和/或之后。根据另外的实施方案，当基于受试者和/或基于群体的相关性可用时，例如基于LoA、LoP和/或DOS的先前测量，则可以存储这些相关性并且从例如合适的数据库检索，用于在测量LoA、LoP和/或DoS期间和/或当使用它们之间的任何相关性时使用。
根据特别有利的用途，基于焦虑在慢性疼痛中起重要作用的事实，这样的LoA和LoP的组合测量和/或任何相关联的相关性，可以例如确定具有高LoA的患者，其可以受益于焦虑管理治疗，以减降低与其慢性疼痛相关联的LoP。
图11示出了其中基于来自图1的实验的实施方案的测量数据将多个LoA和DoS相关的方法的示例性实施方案。发现焦虑水平LoA和解离深度(其是状态深度DoS的一个实施方案)之间的计算相关性拟合了r＝-0.49、p值＝0.014的良好相关性。换言之，DoS和LoA之间呈负相关，这意味着解离深度的增加会降低焦虑水平。与上面以这种方式解释的类似，LoA和DoS的组合测量以及任选的它们的相关性例如使得能够确定LoA的哪一部分可以通过改变DoS的治疗来管理，诸如例如改变解离深度、专注水平等的治疗。根据具体实施方案，甚至可以确定和/或区分例如涉及DoS改变的治疗(例如通过管理解离深度、专注水平等，例如通过合适的药理学和/或非药理学治疗，诸如例如心理疗法等)对焦虑水平的变化(例如降低)的短期和长期影响(例如用于心理疗法……)。
图12示出了其中基于来自图1的实验的实施方案的测量数据将多个LoA和LoP相关的方法的备选实施方案。不同于图10中的实施方案(其中同时测量焦虑水平和疼痛水平)，此处不同时测量疼痛水平和焦虑水平。LoA在测试阶段520之前测量，例如在图1的实施方案的步骤512，并且LoP在测试环节期间测量，优选地在疼痛的导致焦虑的刺激期间和/或之后，诸如例如在步骤534和/或544。然而，显然，备选实施方案是可能的，其中LoA例如在治疗之前测量并且LoP在治疗期间和/或之后测量，和/或任何其他合适的实施方案是可能的，其中在不同时刻测量LoA和LoP。根据图12所示的实施方案，发现测试阶段520期间的疼痛水平LoP与测试阶段之前的焦虑水平LoA之间的计算相关性以r＝0.38、p值＝0.06相关。根据相关性的该实施方案，发现测试阶段520或任何其他治疗环节之前的较高焦虑水平与测试阶段520或任何其他合适的治疗环节期间的较高疼痛水平相关联。这种类型的相关性可用于基于在治疗前测量并且任选地与在治疗前测量的LoP组合的LoA来测量、管理和/或预测治疗后疼痛水平。根据特定实施方案，这将例如能够测量、管理和/或预测干预后疼痛。备选地，基于这种相关性，LoA和任选地LoP的治疗前测量可以例如使得能够在参与包含潜在的导致焦虑的刺激的另一种治疗之前确定焦虑管理治疗所针对的受试者和/或群体，使得通过管理治疗前焦虑水平可以降低治疗期间和/或之后的疼痛水平。如上已提及的，焦虑也是在急性疼痛和/或导致焦虑的事件后发展持续性和/或慢性疼痛的危险因素。LoA和LoP的组合的非同时测量以及任何相关性(例如治疗前)可以确定具有增加的治疗后慢性疼痛的风险的高风险受试者和/或高风险受试者组，并且可以潜在地使得能够降低这种发展慢性疼痛的风险，例如通过合适的焦虑管理治疗。
图13示出了其中基于来自图1的实验的实施方案的测量数据将多个LoA和DoS相关的方法的示例性实施方案。然而不同于图11的实施方案，此处的LoA和DoS也不是同时测量的。类似地，与图12的实施方案一样，LoA在治疗环节之前测量，并且DoS在测试阶段520的治疗环节540期间测量。指压治疗环节期间的解离深度形式的DoS与测试阶段520之前的焦虑水平之间的计算相关性具有r＝-0.38、p值＝0.06。换言之，治疗环节之前的较高焦虑水平与治疗环节期间较低解离水平相关联(通过相关性)。换言之，治疗环节之前的焦虑水平限制了可以随后在涉及改变的意识状态的治疗环节(诸如例如图1的实施方案的催眠治疗环节540或治疗环节的任何其他合适的实施方案)期间实现的DoS的最大水平和/或最大改变。以这种方式，LoA和DoS的非同时组合测量及其相关联的相关性使得能够例如更客观地确定焦虑水平过高的受试者，其例如可能需要焦虑治疗以将LoA降低至预定所需范围内，然后参与进一步的治疗环节，例如涉及改变的意识状态的治疗或任何其他合适的治疗。
此外，在图13的相关性的实施方案中示意性地示出的，基于LoA并且根据本实施方案，可以在所述DoS的至少一个限度和/或范围(其可以被称为DoSLimit，其指示当受试者经历所述LoA时可达到的意识水平改变的至少一个限度和/或范围)下计算治疗前LoA与治疗中Dos之间的相应相关性。根据所示实施方案，显然，根据使用相关性曲线的该实施方案，DoSLimit从高于8的解离深度(与0的治疗前LoA相关)略微降低至值为约6(在4的治疗前LoA下)，然后急剧下降至值为0(与6以上的治疗前LoA相关)。根据这个特定实施方案，这因此意味着当测量到例如6以上的治疗前LoA时，它没有开始涉及改变的意识状态的治疗环节的意义，因为它将无法改变DoS，根据该实施方案其体现为解离深度。如果在治疗期间要达到的所需DoS高于DoSLimit或者换言之超出DoSLimit所定义的可达到范围，则根据该实施方案，首先将需要降低治疗前LoA，直至达到适当地高关关联的DoSLimit，例如通过合适的焦虑管理治疗。备选地，当要达到所需的DoS时，例如通过合适的治疗，则与DoSLimit相关联的LoA将提供在需要达到他的DoS时可接受的最大LoA水平。显然，备选实施方案是可能的，其中与DoSLimit相关联的LoA和/或LoP、与LoALimit相关联的DoS和/或LoP、与LoPLimit相关联的LoA和/或DoS将定义分别需要的LoA、LoP和/或DoS的合适的限值和/或范围。
显然，备选实施方案是可能的，其中例如基于LoA和/或LoP，计算DoS的至少一个限度和/或范围DoSLimit，其指示当受试者经历LoA和/或LoP时可达到的意识水平的改变的至少一个限度和/或范围。根据另外的备选实施方案，基于LoA，计算所述LoP的至少一个限度和/或范围LoPLimit，其指示当受试者经历所述LoA时可达到的疼痛水平的至少一个限度和/或范围。与上面解释的类似，例如，当测量到与高于所需LoP的LoPLimit相关联的LoA时，则在例如参与疼痛管理治疗之前，将需要通过合适的治疗来调整LoA，使得达到LoPLimit，其中所需LoP确实落在其范围和/或限度内。根据另外的备选实施方案，基于所述LoP和例如与LoA的合适相关性，可以例如计算所述LoA的至少一个限度和/或范围LoALimit，其指示当受试者经历所述LoP时可达到的疼痛水平的至少一个限度和/或范围。类似地，如上所解释的，如果所需的LoA落在与测量的LoP相关联的LoALimit的范围和/或限度之外，则首先调整LoP的治疗将需要进行调整，诸如例如合适的疼痛管理治疗，使得可以达到合适的相关联的LoALimit，其中所需的LoA落在其范围和/或限度内。
图14示出了另一个实施方案，其中疼痛水平和焦虑水平相关。根据该实施方案，类似于图10的实施方案，同时测量LoA和LoP。如所示出的，根据该实施方案，数据被分成与高解离水平相关联的数据点(用圆圈表示)和与低解离水平相关联的数据点，其是DoS的一个实施方案。具有低DoS的数据和具有高DoS的数据都具有良好的相关性。与低DoS相关联的LoA和LoP具有r＝0.67和p值＝0.016的相关性。与高DoS相关联的LoA和LoP具有r＝0.68和p值＝0.018的相关性。因此，显然，独立于DoS的差异，通过不同的解离深度，LoA和LoP是相关的，但是显然，根据图14的实施方案，与解离深度低时相比，当解离深度高时，等效LoA与较低的LoP相关联。类似地，与解离深度低时相比，当解离深度高时，等效LoP与较低的LoA相关联。换言之，解离深度对LoP和LoA之间的关系的影响使得LoA对LoP的影响降低。根据一个实施方案，这可以例如用于通过例如增加解离深度或任何其他合适的DoS来减少LoA对LoP的影响，或者反之亦然，因为解离深度然后支持LoP或LoA的增强效果。
图15示出了测试环节520之前的LoA和正常清醒状态230期间的疼痛刺激期间的LoP的非同时组合测量的实施方案，其与低解离深度相关联，例如平均值＝3.11。图16示出了测试环节520之前的LoA和催眠治疗环节540期间的疼痛刺激期间的LoP的非同时组合测量的类似实施方案，其与较高解离深度相关联，例如平均值＝7.52。如所示出的，测量的LoA在图15和图16所示的两种状态下都没有显著变化。然而，与图15相比，诸如图16所示，LoP在较高解离深度下明显降低。换言之，LoA对LoP的负面影响在较高解离深度或DoS的任何其他合适的实施方案下减少。例如，这可以例如通过确定可以受益于旨在升高解离深度的治疗的受试者和/或群体以有利的方式使用，以通过减少LoA的任何负面影响来间接控制疼痛。
例如，图8示出了测量的DoSI＝50％、LoAI＝25％和LoPI＝15％以及在设为100％的参考DoSI下计算为50％的NLoAI和计算为40％的NLoPI的图表的实施方案。这样的图表可以例如被整合到GUI的实施方案中，类似于下面将描述的，并且例如将允许专业人员在涉及改变的意识水平的治疗期间评估焦虑水平或疼痛水平在受试者恢复到正常清醒状态时在治疗后将如演变，和/或反之亦然。在这样的用户界面中，参考DoSI可以例如实现为合适的、可改变的输入参数。
这例如通过图9来说明，其中在改变的意识状态下(例如参考图1解释的用于改变意识水平的非药理学治疗的结果)，但是显然，备选实施方案可以是可能的，例如涉及改变意识状态的药理学治疗，DoSI已降低至50％，并且测量的LoA为25％并且LoPI为15％，类似于上文关于图8的实例。在随后的治疗阶段，如所示出的，允许受试者清醒并且测量的DoSI升高，直至在正常清醒状态下其达到例如100％。如所示出的，在该清醒期间，在正常清醒状态下，测量的LoAI也将从25％升高直至其达到50％，并且在正常清醒状态下，测量的LoPI也将从15％升高直至其达到40％。如图9进一步示出的，根据上面解释的实例，当参考DoSI已设为100％或正常清醒状态时，则已经在改变的意识状态，可以通过NLoAI(例如如上所述计算为50％)或NLoPI(例如如上所述计算为40％)提供LoAI或LoPI的指示，其将在DoSI随后变为参考时DoSI出现。换言之，如图9所示，例如在相同的疼痛或焦虑条件下，独立于任何DoSI的变化，NLoAI将保持恒定在50％，并且NLoPI保持恒定在40％。另外，基于预定参考DoS计算NLoA和/或NLoP可以允许独立于它们的DoS的受试者/群体之间的NLoA和/或NLoP的比较或使用，例如在开发和/或确定LoA、LoP和/或DoS的合适的缩放和/或指数的情形中。然而，显然还有NLoA和NLoP的另外的备选实施方案和用途是可能的。更具体地，如上已提及的，其中根据备选实施方案，NLoA是指示受试者在预定参考LoP和/或预定参考DoS下的焦虑水平的值，或根据实施方案其中NLoP是指示受试者在预定参考DoS和/或预定参考LoA下的疼痛水平的值。
具体地关于NLoA(I)，备选实施方案是可能的，对于图9所示的实施方案，其中当DoSI升高时LoAI再次升高，这例如在改变意识状态的治疗仅对LoA具有暂时影响和/或例如导致焦虑的刺激在改变意识状态的治疗后继续存在时是可能的。然而，根据备选实施方案，典型地，焦虑管理治疗将典型地对LoA具有更持久、长期的影响，如例如图55的实施方案所示，并且治疗后的NLoAI可以例如保持接近或等于治疗期间达到的最小LoA，所述治疗例如可以是涉及改变的意识状态的治疗，然而备选的治疗诸如例如任何合适的焦虑管理治疗可以是可能的。如所示出的，例如，当在治疗后恢复到正常清醒意识状态时，LoA可以低于治疗前的LoA。如所示出的，根据这样的实施方案，其中DoSI在环节期间充分改变，例如通过受试者在特定任务中的合适专注水平，因此在治疗期间减少的LoAI将保持在与治疗前相比的这样的较低水平。以这种方式，对于参考DoSI，治疗后的NLoAI可以例如基于治疗前的LoAI和治疗期间获得的DoSI和/或LoAI的最小值或者以任何其他合适的方式计算。
根据又一个实施方案，通过图56示意性地示出的，尤其是在图55的实施方案中，可以进一步创建例如在治疗环节期间达到的DoS与派生指数之间的基于群体或基于受试者的相关性，所述派生指数被称为LoA*指标，其被配置为当恢复到预定参考DoS(其例如与正常清醒状态相关联)在治疗后LoA将增加多少的指标。进一步导出的指数被称为恢复系数。如下所解释的，参考图56，这将例如允许基于这样的恢复系数计算NLoA。如例如图56中的点条纹曲线示出的，其示出了预定比率LoA*/Min(LoA)形式的这样的恢复系数的实施方案。该恢复系数已经与NLoA的参考DoS相关。Min(LoA)是治疗环节期间达到的最小LoA水平。根据这样的实施方案，如所示出的，在治疗环节期间达到50％的DoS的受试者在环节之后将具有LoA，如图54的实施方案所示，其在100％的参考DoS下将等于NLoA并且可以计算为Min(LoA)乘以治疗期间与该50％的DoS相关的恢复系数。根据示出的实施方案，NLoA因此将是Min(LoA)*1.4。根据备选实施方案，实线曲线示出了备选治疗的这样的相关性，并且显然，对于这样的治疗，对于在治疗环节期间达到低于40％的DoS的受试者，环节之后的LoA或者换言之参考DoS下的NLoA可以计算为Min(LoA)*1，因为恢复系数大约为1。根据这样的实施方案，与图55中示出的类似，在治疗后，LoA不会增加或者基本上保持与治疗期间达到的最小LoA相同。
从图56所示的实施方案中可以更清楚地看出，当例如治疗在治疗期间未能成功降低DoS和/或降低LoA时，那么治疗后的LoA或者换言之参考DoS下的NLoA将保持在治疗前LoA*，如由LoA*乘以LoA*/LoA*计算的(因为Min(LoA)＝LoA*)。换言之，根据这样的实施方案，治疗后LoA将保持在治疗前LoA。显然，由曲线表示的相关性的两个实施方案都提供了治疗环节期间达到的DoS与恢复系数之间的相关性，恢复系数指示治疗环节期间获得的最小LoA在治疗环节结束后将如何演变。显然，这样的相关性的多种备选实施方案是可能的，例如取决于基于治疗、基于受试者和/或基于群体的参数。
根据图6，这种基于测量数据的与DoS和/或LoP组合的LoA的计算机实现的测量可以用于测量、监测和/或预测LoA、DoS和/或LoP的演变，诸如例如治疗导致的演变。当例如施用治疗(诸如例如焦虑管理治疗、疼痛管理治疗或任何其他合适的治疗)时，可以通过所述方法的这样的实施方案监测该治疗对LoA、DoS和/或LoP的影响。这样的治疗可以例如包括任何合适的治疗，诸如非药理学治疗，诸如例如非药理学焦虑治疗、非药理学镇静、催眠、其他循证心理和/或心/身干预等，和/或药理学治疗，诸如例如药理学焦虑治疗、药理学镇静、包括施用活性药理成分的治疗、施用镇痛剂、施用抗焦虑药和/或任何其他合适的治疗，诸如例如医学或辅助医学治疗，诸如手术、物理疗法、电治疗、机械治疗……，和/或心身补充或替代医学，诸如针灸、生物反馈、按摩……。以这种方式，图6示出了用于在治疗之前、期间和/或之后测量和/或监测受试者的LoA、DoS和/或LoP的计算机实施的方法400的一个实施方案。图6示出的方法400的实施方案包括以下步骤：
-在第一时间点测量LoA、DoS和/或LoP 402，例如在治疗之前，或在治疗期间的第一时间点；
-在第二时间点测量LoA、DoS和/或LoP 404，例如在治疗之后，或在治疗期间晚于第一时间点的第二时间点；和
-确定治疗导致的LoA、DoS和/或LoP的演变406。
在图6的实施方案中通过箭头408示意性地图示了治疗及其相关时序，图6的实施方案例如可以表示具有明确定义的开始和结束点的单一治疗环节，但是显然备选实施方案是可能的，其中治疗例如具有连续和/或慢性性质而没有明确定义的开始和结束点，或者其中治疗具有间歇性质并且包括一系列的多个治疗环节，在这些治疗环节之间具有任选的中断或暂停，或者任何其他合适类型的治疗具有时序性质，例如包括一系列治疗阶段、步骤等。
如步骤402所示，测量LoA、DoS和/或LoP，例如使用根据图5所示的实施方案的用于测量DoS和LoP的方法300的实施方案。LoA、DoS和/或LoP的这种第一次测量例如可以是治疗环节开始之前的与DoS和/或LoP组合的LoA的测量，并且根据一些实施方案可以被认为是参考、初始、基线……LoA、DoS和/或LoP，其分别用作用于LoA、DoS和/或LoP后续测量的预定参考水平。如图6进一步示出的，在步骤404，LoA、DoS和/或LoP的第二次后续测量例如也使用图5所示的用于测量LoA、DoS和/或LoP的方法300来测量。这可以例如是在治疗(例如焦虑和/或疼痛管理治疗)期间或之后测量LoA、DoS和/或LoP。然后在步骤406，基于在步骤402和404测量的第一LoA、DoS和/或LoP和各自的第二LoA、DoS和/或LoP的比较，确定治疗导致的LoA、DoS和/或LoP的演变。以这种方式，治疗导致的LoA、DoS和/或LoP的演变能够显示代表治疗的有效性、强度、预期效果等的值。因此，显然，在图6的实施方案中，提供了一种用于测量和/或监测和/或预测和/或汇总受试者的焦虑水平、疼痛水平和/或改变的意识状态的水平(例如在治疗之前、期间和/或之后)的计算机实施的方法。换言之，例如在治疗之前、期间和/或之后在至少两个不同时间点，和/或在一定时间段内，测量和/或监测和/或预测和/或汇总LoA、LoP和/或DoS。然而，显然，备选实施方案是可能的，其中在任何合适的时间段期间在至少两个不同时间点测量和/或监测LoA、LoP和/或DoS。
基于在至少两个不同时间点测量的至少两个LoA、至少两个LoP和/或至少两个DoS的相应比较，然后可以测量和/或监测治疗导致的LoA、LoP和/或DoS的演变。根据特别简单的实施方案，基于例如在治疗期间和/或之后测量的LoA、LoP和DoS与在治疗前分别测量的LoA、LoP和DoS的相应比较，测量治疗导致的LoA、LoP和DoS的演变。然而，显然，可以进行这样的比较以确定LoA、LoP和DoS在任何合适的时间段期间的任何合适的演变。另外地和/或备选地，根据一些实施方案，也可以预测LoA、LoP和/或DoS。如例如下面关于图44进一步详细描述的，关于LoA、LoP和/或DoS的合适的多个历史数据点可以提供合适的趋势分析，例如基于与历史数据点的移动平均数、平均值或任何其他合适趋势相关的趋势，从而允许预测未来、预期或趋势数据点。显然，以这种方式可以完成对LoA、LoP和DoS的演变的预测。历史数据点的预测分析可以通过任何合适的方法来完成，例如基于特定治疗的不同阶段或时间段期间的LoA、LoP和/或DoS的演变之间的预定相关性，或者通过自学习、自优化算法、人工智能算法等，其已在历史数据集上训练以检测重复和/或可预测模式和/或相关性，从而允许评估测量数据中的可检测模式和/或相关性，从而允许基于测量数据确定当前和预测趋势。显然，历史数据点和/或从LoA、LoP和/或DoS测量和/或任何其他合适的测量产生的任何其他合适的数据的备选实施方案是可能的，以实现当前测量的预测分析。预测分析可以基于这样的数据，所述数据可以例如包括来自个体受试者、来自群体的历史数据、LoA、LoP、DoS等的演变的预定治疗相关模式等。
根据另外的实施方案，另外地和/或备选地，可以基于在至少两个不同时间点处测量的分别地至少两个LoA、至少两个LoP和/或至少两个DoS的汇总来汇总焦虑水平评分或LoAS、疼痛水平评分或LoPS和/或状态深度评分或DoSS。因此，显然，根据这样的实施方案，可以在一定预定时间段内进行分别地至少两个LoA、至少两个LoP和/或至少两个DoS的汇总。这样的与焦虑测量有关的汇总参数(诸如LoAS)可以用于确定慢性焦虑状态的影响，其可能涉及人格特质和/或焦虑病况。与疼痛测量有关的汇总参数(诸如LoPS)可以用于确定慢性疼痛的影响，其中例如在较长时间段内(例如数小时和/或数天)连续测量疼痛水平，并且汇总的LoPS能够提供受试者感知的持续、慢性疼痛水平的影响的指标，而不是瞬时的疼痛峰值。这是有用的，因为即使是中等或低水平的焦虑和/或疼痛，当长期经历时，也可能对受试者的生活质量产生很大影响，而例如短暂的、不频繁的焦虑和/或疼痛爆发，即使当它们很强烈时，也更容易容忍。类似地，汇总的DoSS可以用于鉴定在特定时间段期间与改变的意识水平相关联的安全性和稳定性水平。例如，在手术期间，确定改变的意识水平是否以足够稳定的方式建立而不是意识水平的暂时、短期演变的结果是有价值的。显然，这样的汇总形式也可以用于与本说明书中详述的疼痛水平和意识状态有关的任何其他参数，和/或其缩放和/或指数化版本，诸如例如LoA(I)、LoP(I)、DoS(I)、NLoP(I)、DoD(I)、DoH(I)等，从而允许对应于这些参数的至少两个值的汇总的这些参数的类似评分。根据特定实施方案，LoA(I)S、LoP(I)S、DoS(I)、NLoP(I)S、DoD(I)S、DoH(I)S等可以例如包括在预定时间段内LoA(I)、LoP(I)、DoS(I)、NLoP(I)、DoD(I)、DoH(I)等值的汇总的任何合适的实施方案，诸如例如总和、平均值、平均数等，并且值可以例如类似于如下所描述的在系统的GUI中呈现，例如呈现汇总值，任选地与在其期间汇总LoA(I)、LoP(I)、DoS(I)、NLoP(I)、DoD(I)、DoH(I)等的时间段相关。
显然还有这样的方法的另外的备选实施方案是可能的，所述方法用于测量和/或监测和/或预测和/或汇总(aggregating)受试者中与改变的意识状态的水平和/或疼痛水平组合和/或相关的焦虑水平(优选地在治疗之前、期间和/或之后)的计算机实施的方法，其中所述方法包括以下步骤：
-优选地在治疗之前、期间和/或之后，在至少两个不同时间点处测量与DoS和/或LoP组合的LoA；以及
-基于与在至少两个不同时间点处测量的至少两个DoS和/或至少两个LoP组合和/或相关的至少两个LoA的相应比较，测量和/或监测和/或预测与DoS和/或LoP组合的LoA的演变(优选地治疗导致的演变)；和/或
-基于在至少两个不同时间点处和/或在一定时间段内测量的至少两个LoA和/或至少两个DoS和/或至少两个LoP的汇总，汇总焦虑水平评分或LoAS和/或状态深度评分或DoSS和/或疼痛水平评分或LoPS。
根据具体实施方案，基于在治疗期间和/或之后确定的与DoS和/或LoP组合的LoA与在治疗之前确定的与DoS和/或LoP组合的LoA的相应比较，可以确定治疗导致的与DoS和/或LoP组合的LoA的演变。这意味着治疗导致的LoA的演变通过根据该实施方案的在治疗期间和之后确定的LoA的比较来确定，和/或治疗导致的DoS的演变类似地通过在治疗期间和之后确定的DoS的比较来确定，和/或治疗导致的LoP的演变通过在治疗期间和之后确定的LoP的比较来确定。
根据特别的实施方案，类似于上面关于DoSLimit、LoALimit和/或LoPLimit解释的，当LoP和/或LoA超出预定范围时和/或直到LoP和/或者LoA在预定范围内时，当治疗是疼痛管理治疗时，可以将疼痛管理治疗替换为焦虑管理治疗和/或与焦虑管理治疗组合；和/或当治疗是焦虑管理治疗时，可以将焦虑管理治疗替换为疼痛管理治疗和/或与疼痛管理治疗组合。根据这样的实施方案，当LoA太高时，这可能限制疼痛管理治疗的效果，因此当例如LoA超出预定范围时，例如超过与不能通过疼痛管理治疗进一步有效地管理LoP相关联的一个或多个预定限度。在这样的情况下，将疼痛管理治疗替换为焦虑管理治疗和/或与焦虑管理治疗组合是有益的，至少直到焦虑管理治疗能够提供治疗导致的LoA的演变，例如通过将LoA适当降低至预定限度内，使得LoA再次在其中已知疼痛管理治疗有效地管理LoP的预定范围内，由此可以继续和/或重新开始疼痛管理治疗并且任选地可以稳定化、减少和/或结束焦虑管理治疗。类似地，如上所述，根据当治疗是焦虑管理治疗时的实施方案，当LoP和/或LoA超出预定范围时和/或直到LoP和/或LoA在预定范围内，可以将焦虑管理治疗替换为疼痛管理治疗。这将确保当例如LoP超过任何焦虑管理治疗有效的预定限度和/或阈值时，例如首先降低LoP直到不再超过预定限度，或直到其在焦虑管理治疗再次有效管理LoA的任何合适的预定范围内。显然还有另外的实施方案是可能的，其中使用焦虑管理治疗和/或疼痛管理治疗和/或涉及意识状态的改变的治疗的任何合适的组合以确保分别管理LoP和/或LoA和/或DoS，使得它们变成和/或保持在用于使任何另外的治疗能够有效的各自预定范围内。根据又一个实施方案，当治疗是改变意识状态的治疗时，当LoP和/或LoA超出预定范围时和/或直到LoP和/或LoA在预定范围内，例如将改变意识状态的治疗替换为减轻焦虑和/或疼痛的治疗和/或与减轻焦虑和/或疼痛的治疗组合可以是有益的。
根据另外的特别实施方案，当治疗是疼痛管理治疗时，当DoS超出预定范围时和/或直到DoS在预定范围内，可以将疼痛管理治疗替换为改变意识状态的治疗和/或与改变意识状态的治疗组合。
类似地，当LoP超出预定范围时和/或直到LoP在预定范围内，可以将改变意识状态的治疗替换为疼痛管理治疗和/或与疼痛管理治疗组合。根据备选实施方案，疼痛管理治疗(诸如例如减轻疼痛、控制疼痛、预防疼痛或任何其他合适的疼痛管理治疗)的功效可以基于治疗导致的NLoP的演变来确定和/或监测。类似地，减轻焦虑的治疗的功效可以基于治疗导致的NLoA的演变来确定和/或监测。
当治疗是改变意识状态以减轻焦虑的治疗时，诸如例如非药理学治疗，诸如催眠治疗环节、心身治疗、认知行为疗法等，或药理学治疗，例如镇静治疗，通过在至少两个不同时间点处测量DoS，例如在改变意识状态的治疗之前、期间和/或之后；基于例如在改变意识状态的治疗期间和/或之后测量的DoS和/或LoA与在改变意识状态的治疗之前测量的DoS和/或LoA的比较，可以确定治疗导致的DoS和/或LoA的演变。
当治疗是改变意识状态以减轻疼痛的治疗时，诸如例如非药理学治疗，诸如催眠治疗环节，或药理学治疗，例如镇静治疗，通过在至少两个不同时间点处测量DoS(在改变意识状态的治疗之前、期间和/或之后)；基于在改变意识状态的治疗期间和/或之后测量的DoS和/或LoP与在改变意识状态的治疗之前测量的DoS和/或LoP的比较，可以确定治疗导致的DoS和/或LoP的演变。
备选地，为了确定治疗的功效，独立于意识水平的任何变化，例如以允许受试者和/或群体之间的比较，例如以确定/调整滴定或剂量方案，或以确定/调整催眠治疗环节期间的期望状态深度，可以分别基于确定和/或监测的NLoA和/或NLoP和/或DoSLimit和/或LoPLimit和/或LoALimit来确定治疗和/或确定对治疗的调整和/或确定治疗的强度。这然后允许例如确定例如分别关于焦虑水平和/或疼痛水平的治疗功效，而独立于受试者的意识状态的任何变化。例如，其允许麻醉师评估LoA(独立于DoS的任何变化)，例如在镇静治疗的初始阶段之前和/或期间，和/或在使该镇静患者回到正常清醒状态之前，评估在回到正常清醒状态时镇静患者将经历的LoP。这然后允许提供合适的抗焦虑、镇痛和/或镇静治疗计划，以在镇静治疗之前和/或在患者从镇静状态中清醒之前建立和实施。显然还有使用NLoA和NLoP的另外的备选实施方案是可能的。根据另外的实施方案，这例如允许基于测量的和/或监测的和/或预测的和/或汇总的NLoA和/或NLoP和/或DoSLimit和/或LoPLimit和/或LoALimit来确定治疗和/或确定对治疗的调整和/或确定治疗的强度和/或确定治疗的功效和/或确定治疗的选择。
如果治疗例如是焦虑管理治疗，则治疗导致的LoA的演变(其例如对应于与在步骤302测量的第一LoA相比在步骤304测量的第二LoA的减少)和治疗导致的DoS的演变(其例如对应于与在步骤302测量的第一DoS相比在步骤304测量的第二DoS的降低)能够确认治疗效果。根据一些实施方案，DoS和LoA的治疗导致的演变的值也提供治疗强度的指示。例如，根据一个实施方案，焦虑管理治疗使具有在步骤402的第一值的第一LoA测量减少到在步骤404的第二测量的第二值，其对应于第一值的50％减少，这由此对应于治疗导致的-50％的LoA演变，或者换言之，LoA的变化对应于相对于治疗之前的在步骤302的测量的50％减少。当改变这种治疗或施用另一种治疗(其仅导致治疗导致的-25％的LoA演变)时，显然这后一种治疗的强度低于前一种。当并未检测到相对于第一次LoA测量的变化时，可以得出结论，治疗导致的LoA演变对应于LoA没有变化，或者换言之，那个时间点的治疗例如并未有效地减少LoA，并且可能需要改变或变化为另一种类型的治疗。类似地，治疗导致的DoS的演变也可以定量以指示治疗强度，优选地与LoA组合。然而，根据备选实施方案，其中例如治疗包括导致焦虑的刺激的施加，诸如例如在涉及注射的医学治疗、施用局部镇静等期间，当在治疗之前测量的LoA和/或在特定治疗阶段期间获得的DoS在治疗期间(尤其是在施加导致焦虑的刺激期间和/或之后)未改变、未增加和/或未增加超出预定期望范围时，显然焦虑管理治疗(例如以药理学和/或非药理学焦虑管理治疗的形式)有效地进行。
如果治疗例如是减轻疼痛的治疗，则治疗导致的LoP的演变(其例如对应于与在步骤302测量的第一LoP相比在步骤304测量的第二LoP的不期望的增加的减少和/或不存在)和治疗导致的DoS的演变(其例如对应于与在步骤302测量的第一DoS相比在步骤304测量的第二DoS的降低)能够确认治疗效果。根据一些实施方案，治疗导致的DoS和LoP的演变的值也提供治疗强度的指示。例如，根据一个实施方案，减轻疼痛的治疗使具有在步骤402的第一值的第一LoP测量减少到在步骤404的第二测量的第二值，其对应于第一值的50％减少，这由此对应于治疗导致的-50％的LoP演变，或者换言之，LoP的变化对应于相对于治疗之前的步骤302处的测量的50％减少。当改变这种治疗或施用另一种治疗(其仅导致-25％的治疗导致的LoP演变)时，显然后一种治疗的强度低于前一种。当并未检测到相对于第一次LoP测量的变化时，可以得出结论，治疗导致的LoP演变对应于LoP没有变化，或者换言之，那个时间点的治疗例如并未有效地减少LoP，并且可能需要改变或变化为另一种类型的治疗。类似地，治疗导致的DoS的演变也可以定量以指示治疗强度，优选地与LoP组合。然而，根据备选实施方案，其中例如治疗包括疼痛刺激的施加，诸如例如在手术治疗期间，当在治疗之前测量的LoP和/或在特定治疗阶段期间获得的DoS在治疗期间(尤其是在施加疼痛刺激期间和/或之后)未改变、未增加和/或未增加超出预定期望范围时，显然疼痛治疗(例如以药理学和/或非药理学镇静的形式)有效地进行。
如条纹线410示意性示出的，根据任选的实施方案，在晚于步骤402的时间点，可以重复或可以连续进行在步骤404的与DoS和/或LoP组合和/或相关的另一LoA的测量，这允许重复和/或连续监测治疗导致的LoA、DoS和/或LoP的演变，或者换言之，比较分别在两个不同时间点测量的两个LoA、DoS和/或LoP。显然，备选实施方案是可能的，其中在治疗之前、期间和/或之后，使用在不同时间点的任何合适的多个LoA、DoS和/或LoP测量以确定和/或监测治疗导致的LoA、DoS和/或LoP的演变，这基于在至少两个不同时间点测量的这些至少两个LoA、DoS和/或LoP的比较。因此，显然这样的治疗导致的LoA、DoS和/或LoP的演变指示LoA、DoS和/或LoP的治疗导致的变化(如果存在的话)。
除了关于图1所示的实验500的上述第4组指标以及该实验的结果在图5和6的计算机实施的方法中的应用之外，LoP可以任选地通过另外的指标(诸如例如第3组指标或第5组指标，如下进一步详细描述的)确定。
根据这样的实施方案，在图1所示的实验的实施方案期间，除了第4组指标之外，例如从测量的EEG数据中提取时域中的第3组指标，例如通过响应于校准疼痛刺激的合适的事件相关电位或ERP。
这样的时域EEG分析显示，与正常清醒状态530相比，催眠治疗环节540期间的ERP成分总体降低。基于测量的EEG数据，发现时间锁定到疼痛刺激开始的总体平均信号峰-峰振幅或MSPA的差异。根据特定实施方案，如图17、18和19所示，时间窗可以例如设为疼痛刺激开始后的300ms至350ms，所述疼痛刺激开始在x轴上表示为0ms。然而，显然备选实施方案是可能的，其中MSPA是在持续的基础上测量的，例如通过合适的滚动时间窗，其与外部疼痛刺激无关或不由外部疼痛刺激触发。如果在用于测量MSPA的时间窗中只有单一峰，则MSPA等于信号的峰-峰振幅。如果在用于测量MSPA的时间窗中信号存在多个峰，则MSPA将以信号的这些峰中的多个峰的各个峰-峰振幅的平均值或平均数的函数计算。在该实施方案中，发现第一阶段520的2个环节530、540之间(换言之正常清醒状态530和诱导受试者感知的不同疼痛水平的催眠治疗环节540之间)的ERP振幅的差异至少在以下3个EEG测量位置处是显著的：
-在位于中叶(C)的EEG电极处，例如沿着正中矢状面：发现与正常清醒状态530相比，在催眠治疗环节540期间总体MSPA降低，换言之C-MSPA EEG测量数据显示出响应于校准疼痛刺激的参与的降低；
-在位于顶叶(P)的EEG电极处，例如沿着正中矢状面：发现与正常清醒状态530相比，在催眠治疗环节540期间总体MSPA降低，换言之P-MSPA EEG测量数据显示出响应于校准疼痛刺激的参与的降低；
-在位于额叶(F)的EEG电极处，例如沿着正中矢状面：发现与正常清醒状态530相比，在催眠治疗环节540期间总体MSPA降低，换言之P-MSPA EEG测量数据显示出响应于校准疼痛刺激的参与的降低。
因此，基于该实验的研究显示：当比较例如在非药理学地例如催眠地诱导的治疗环节期间的改变的意识状态与正常清醒状态530并且与响应于校准疼痛刺激而感知的不同疼痛水平相关联，EEG测量数据在那些特定位置处的统计学显著的MSPA变化。
从实验500的测量数据的EEG数据中提取电极F、C和/或P的平均信号峰-峰振幅或MSPA(其也可以被称为第3组指标)提供了以下结果：
-在至少以下3个EEG电极位置处，与正常清醒状态530相比，从EEG数据中提取的MSPA或者第3组指标在催眠治疗环节540期间显著更低：在EEG电极位置F处，正常清醒状态530期间提取的F-MSPA值为24.13mV，而催眠治疗环节期间提取的F-MSPA值为11.16mV，p值＝0.019；在EEG电极位置C处，正常清醒状态530期间提取的C-MSPA值为8.67mV，而催眠治疗环节540期间提取的C-MSPA值为2.94mV，p值＝0.037；并且在EEG电极位置P处，正常清醒状态530期间提取的P-MSPA值为5.159mV，而催眠治疗环节540期间提取的P-MSPA值为2.635mV，p值＝0.037。因此，与上述类似，显然第3组指标是受试者有意识感知的疼痛水平的指标，因为第3组指标在实验的相同疼痛条件下(其中如上所述施加相同的校准疼痛刺激)通过意识状态的变化而进行改变。
-自我报告的疼痛测量在至少以下3个EEG电极位置处与从EEG测量数据中提取的第3组指标(或者换言之MSPA)的实施方案相关(spearman)：F(rs＝0.38，p＝0.097)，C(rs＝0.407，p＝0.074)，和/或P(rs＝0.34，p＝0.095)。图20示出了指示在3个EEG电极F、C和P处从测量的EEG数据中提取的第3组指标(或者换言之MSPA)与实验500期间的疼痛之间的相关性的图表。
-自我报告的解离测量与第2组指标(其对应于在电极位置F处从测量的EEG数据中提取的MSPA(rs＝-0.41，p＝0.07)，或者换言之F-MSPA)的实施方案相关(spearman)。图21示出了指示在EEG F-电极处测量的MSPA与解离之间的相关性的图表。
如上关于图17、18和19所示的信号已提及的，如果在用于测量MSPA的时间窗中只有单一峰，则MSPA等于信号的峰-峰振幅。如果在用于测量MSPA的时间窗中信号存在多个峰，则MSPA将以信号的这些峰中的多个峰的各个峰-峰振幅的平均值或平均数的函数计算。用于测量的时间窗可以例如在0.01s至10s的范围内，诸如例如在0.1s至5s的范围内。
因此，上述实验500的研究显示出当比较催眠治疗环节540期间的改变的意识状态或者任何其他合适的非药理学或药理学治疗导致的改变的意识状态与正常清醒状态530时，或者换言之当比较不同解离深度或DoD水平(其是不同状态深度或DoS的实施方案)时，在那些特定EEG传感器位置处测量EEG数据中的显著MSPA变化。显然，这也意味着当比较受试者感知的不同疼痛水平时，已观察到测量的EEG数据中的显著MSPA变化，因为受试者在正常清醒状态530期间感知的疼痛水平不同于受试者在催眠治疗环节540期间感知的疼痛水平。
与上述类似，上述实验500的洞察允许用于测量疼痛水平的计算机实施的方法300的备选实施方案包括从EEG数据中提取对应于平均信号峰-峰振幅MSPA的第3组指标的进一步步骤。然后在随后的步骤，基于第4组指标和至少第3组指标确定LoP。显然，类似地，用于确定和/或监测受试者的焦虑水平、改变的意识水平和/或疼痛水平的计算机实施的方法400的备选实施方案是可能的，其包括用于测量焦虑水平、改变的意识水平和/或疼痛水平的该备选方法。
根据又一个实施方案，提供了一种用于测量疼痛水平的计算机实施的方法300，其包括接收测量数据的进一步步骤，所述测量数据包括肌肉活动数据，诸如例如肌电图EMG数据，例如从一个或多个EMG电极或任何其他合适的电极收集的。例如，这些EMG电极可以放置在以下位置中的一个或多个处：腿、脸、手臂或任何其他合适的位置……。根据另外的实施方案，可以从接收自任何其他合适的电极(诸如例如EEG电极等)的信号和/或数据中导出EMG信号和/或EMG数据。在后续步骤期间，从EMG数据中提取对应于平均信号峰-峰振幅的第5组指标EMG-MSPA。随后，然后基于第4组指标和至少第5组指标确定LoP。
借助从上述实验500的实施方案得到的以下洞察，使得这样的实施方案成为可能，其中EMG测量数据来自测试阶段520期间的EMG信号的合适测量。发现与正常清醒状态530相比，催眠治疗环节540期间由疼痛刺激触发的ERP-EMG的MSPA降低。还发现由EMG-MSPA之间的疼痛刺激触发的ERP-EMG与自我报告的疼痛感知水平之间存在相关性(r＝0.387，p值＝0.09)。进一步发现，更宽泛的ERP-EMG与自我报告的疼痛感知水平的增加有关。图22示出了自我报告的疼痛感知水平与从实验500期间的EMG测量数据中提取的EMG-ERP MSPA之间的相关性。
根据方法300的优选实施方案，基于第4组指标、第3组指标和第5组指标确定LoP。
与上述类似，根据优选实施方案，用于测量LoA、DoS和/或LoP的方法300包括接收受试者的测量数据的步骤，所述测量数据包括从以下EEG电极中的一个或多个收集的脑电图EEG数据：
-额叶(F)EEG电极，其被配置为从对应于受试者的额叶的头皮解剖区域收集F-EEG电极数据，
-顶叶(P)EEG电极，其被配置为从对应于受试者的顶叶的头皮解剖区域收集P-EEG电极数据，
-中央(C)EEG电极，其被配置为从对应于受试者的中央前回和中央后回的头皮解剖区域收集C-EEG电极数据。
这样的EEG数据与大脑靠近头皮的部分(包括皮层)产生的脑电波有关，并且因此与受试者对疼痛水平的意识感知有关。
脑电图(EEG)是本领域公知的用于记录大脑电活动的技术。沿头皮放置在特定位置处的EEG电极测量大脑神经元内电脉冲所引起的电压波动，主要是在靠近头皮的大脑区域，包括皮层。EEG测量数据反映了大脑网络中不同神经元/神经元群如何通过电脉冲相互通信。脑电图描记法产生脑电图。由此形成EEG数据的脑电图可以细化到特定电极位置，诸如上面提及的额叶、顶叶或中叶电极。从EEG数据中可以例如提取基于频率的参数和/或基于相位(phase)的参数，和/或基于振幅的参数。基于频率的参数可以例如通过EEG测量数据的基于频率的分析来获得。EEG测量数据的这样的基于频率的分析可以例如用于测量包含在特定信号频带中的功率，其中功率是指通常在频带或频率范围中的指定带内的频域信号的振幅的平方，所述频带或频率范围诸如例如跨越δ-θ频率范围或在δ-θ频率范围内的频带或者跨越θ-α频率范围或在θ-α频率范围内的频带。“δ-θ”(dt)频带例如是指涵盖δ和θ脑电波二者的范围内的频带。δ-θ(dt)频带通常大于0Hz且等于或小于8Hz。δ脑电波优选地为慢δ脑电波，例如大于3Hz且等于或小于6Hz。δ-θ(dt)频带的宽度可以为至少2Hz。最优选地，δ-θ(dt)频带大于或等于1Hz且小于或等于6Hz。换言之，δ-θ(dt)频带包括δ频带的至少一部分和θ频带的至少一部分的组合，并且优选地由所述组合组成。
“θ-α”(ta)频带是指涵盖θ和α脑电波二者的频率范围内的频带。θ-α(ta)频率范围通常大于或等于4Hz且等于或小于12Hz。δ脑电波优选地为快速δ脑电波，例如大于6Hz且等于或小于8Hz。θ-α(ta)频带的宽度可以为至少2Hz。最优选地，θ-α(ta)频带大于6Hz且小于或等于12Hz。换言之，θ-α(ta)频带包括θ频带的至少一部分和α频带的至少一部分的组合，并且优选地由所述组合组成。
基于相位的参数可以通过EEG测量数据的基于相位的分析来获得。基于振幅的参数可以通过EEG测量数据的基于振幅的分析来获得，诸如例如时域中的平均信号峰-峰振幅或MSPA。信号峰振幅是信号波从零点开始的最大偏移。信号峰-峰振幅是从负峰到正峰的距离。
在实验500期间，与正常清醒状态530期间的活动相比，受试者在催眠治疗环节540期间可以经历额叶皮层和/或δ波的频率范围中的增加的活动，以及额叶和/或中央网络和/或α波的频率范围中的减少的活动。
EEG数据可以使用放置在对应于额叶、顶叶和/或中央前回和中央后回二者的位置的解剖区域中的头皮上的一个或多个EEG电极来获取。
额叶EEG电极或F-EEG电极位于对应于额叶的头皮解剖区域。其被配置为附接至或接触对应于额叶的头皮解剖区域。其记录F-EEG电极数据。额叶是指大脑的解剖部分。额叶的区域可以沿着矢状面，更优选地沿着正中矢状面在对应于额叶的头皮解剖区域的中间。
顶叶EEG电极或P-EEG电极位于对应于顶叶的头皮解剖区域。其被配置为附接至或接触对应于顶叶的头皮解剖区域。其记录P-EEG电极数据。顶叶是指大脑的解剖部分。顶叶的区域可以沿着矢状面，更优选地沿着正中矢状面在对应于顶叶的头皮解剖区域的中间。
中央EEG电极或C-EEG电极位于对应于中央前回和中央后回的头皮解剖区域。其被配置为附接至或接触对应于中央前回和中央后回的头皮解剖区域。其记录C-EEG电极数据。中央前回和中央后回是指大脑的解剖部分。中央前回和中央后回的区域可以沿着矢状面，更优选地沿着正中矢状面在对应于中央前回和中央后回的头皮解剖区域的中间。
显然，备选实施方案是可能的，其中一个或多个EEG电极布置在上述位置和/或另外的合适的头皮解剖区域处。可以使用最少一个局部EEG电极，诸如例如位于额叶的头皮解剖区域处。然而，应当理解，第二电极或接地电极可以用于共模抑制，即将相关信息与噪声分离；这可以放置在头皮上的任何地方，例如在头皮在双侧位置的另一个区域中。第三电极或参考电极可以用于计算电压差。这种第三电极可以放置在头皮上的任何地方，例如在电中性位置处。
因此，显然，测量数据可以包括一个或多个测量数据成分，诸如例如作为测量数据成分的EEG数据，还诸如例如EMG数据、ECG数据、EOG数据……。
除了测量数据之外，实验500的实施方案、测量与DoS和LoP组合的LoA的方法300等可以除了测量数据之外还任选地考虑观察数据和/或自我报告数据。换言之，这些方法可以利用反应数据，所述反应数据可以包括测量数据和任选的观察数据和/或自我报告数据。反应数据可以包括测量数据和/或观察数据和/或自我报告数据。反应数据含有一个或多个数据成分，每个成分来源于单个测量(例如EEG、EMG、EDA、ECG、EOG)、单个观察(例如运动、肤色)或单个自我报告事件，诸如例如上面提及的自我报告的焦虑水平、自我报告的疼痛水平或者自我报告的解离水平。
显然，测量数据是使用相对于受试者布置的一个或多个设备(诸如电极和/或传感器，诸如例如换能器、摄像头、运动传感器……)从受试者获得的数据。然后，观察数据是从受试者的非自我或异体观察中获得的数据。自我报告数据是例如在测量LoA、LoP、DoS和/或治疗之前、期间或之后受试者报告的数据或信息。
根据特定实施方案，反应数据可以包括电活动数据。电活动数据是测量数据。电活动数据是从电极获得的测量结果中导出的任何数据。电极通常放置在皮肤上。通常，数据由至少2个电极(例如2、3、4、5或更多个)捕获。电极捕获数据的实例包括脑电图(EEG)数据、肌电图(EMG)数据、皮肤电活动(EDA)数据、皮肤电反应(GSR)、心电图(ECG)数据、眼电图(EOG)数据。优选的是反应数据至少包括EEG数据。任何电数据成分(例如EEG数据)在用作测量数据和/或反应数据之前可以进行处理或可以不进行处理。
根据特定实施方案，反应数据可以包括生理数据。生理数据是测量数据。生理数据是从通过通常含有换能器、摄像头、运动传感器的设备获得的受试者的测量结果中导出的数据。生理数据不包括上述电活动数据。生理数据的实例包括脉搏率数据、心血管数据(例如心率、心率变异性数据)、血压数据、呼吸(率)数据(例如呼吸率、呼吸率变异性数据)、脑氧合数据、血氧饱和度数据、局部和/或中心血氧饱和度数据、体温数据、光体积描记图(photoplethysmogram，PPG)数据。血氧饱和度可以是例如SpO2、SvO2等。任何生理数据成分(例如脉搏率数据)在用作反应数据之前可以进行处理或可以不进行处理。显然，根据一些实施方案，生理数据可以从电活动数据中导出，诸如例如心血管数据可以例如从ECG数据中导出，等等。
根据其中反应数据还包括心血管数据(诸如例如ECG、心率、心率变异性等)和/或呼吸数据(诸如例如呼吸率、呼吸率变异性等)的示例性实施方案，LoP可以针对这样的反应数据进一步确定，因为在实验期间检测到：
-与休息相比(平均97ms，标准偏差10)，心率变异性在疼痛刺激期间(平均137ms，标准偏差64)显著更高(p值＝0.017)；以及
-与休息相比(平均11.06循环/秒，标准偏差1.16)相比，呼吸率在疼痛刺激期间(平均9.8循环/秒，标准偏差1.2)显著更低(p值＝0.032)。
根据特定实施方案，反应数据可以包括运动跟踪数据。运动跟踪数据是测量数据。运动跟踪数据是从身体或身体的一部分的运动中导出的数据。通常，运动跟踪数据由一个或多个运动传感器(例如2轴或3轴加速计、陀螺仪、一个或多个摄像头)测量。运动跟踪数据可以包括身体跟踪数据(例如头部、四肢(手臂、腿、手)、身体摇晃)和/或眼跟踪数据中的一种或多种。运动可以是自发的和/或作为刺激的结果。
根据特定实施方案，反应数据可以包括面部表情数据。面部表情数据是测量数据。面部表情数据是与情绪和/或疼痛感知有关的数据。通常，面部表情数据由一个或多个对准面部的摄像头(或EMG传感器)测量。
根据特定实施方案，反应数据可以包括观察数据。观察数据是另一个人观察到的关于受试者的数据。观察数据是由用户(例如护理提供者，诸如医生、或医疗助理、或非医疗助理(例如朋友、亲戚、助手))或与用户相关联的利益相关者(例如医院)观察到的数据，或从数据库(例如医疗记录)中获得的数据。观察数据可以包括一个或多个观察数据成分(例如受试者的运动是观察数据成分)。观察数据可以包括以下中的一者或多者：受试者的运动/缺乏运动；程序性事件；临床观察(肤色、呻吟或不适的言语……)；年龄、手术类型、种族、语言；镇静药物的剂量。
根据特定实施方案，反应数据可以包括自我报告数据。自我报告数据是受试者报告的数据。自我报告数据可以例如在治疗环节期间提供。优选地，自我报告数据在治疗环节之前、期间和/或之后提供。自我报告数据可以包括一个或多个自我报告数据成分(例如，测量期间或治疗期间的疼痛水平是自我报告数据成分)。自我报告数据可以包括自我报告的疼痛水平(例如治疗之前、期间和/或之后)，治疗之前、期间和/或之后的自我报告的解离水平，估计的程序持续时间，环节期间的事件的回忆……。
根据实施方案，肌肉活动数据包括EMG测量数据，EMG数据可以使用放置在皮肤上、优选地放置在四肢或面部上的一个、两个或更多个EMG电极来获取EMG数据；或者EMG数据可以从另一个传感器如EEG中导出。其表示来自受试者肌肉组织的电活动数据。其可以包括基于频率的参数，和/或基于相位的参数，和/或基于振幅的参数。然而，显然，根据备选实施方案，EMG测量数据可以例如从任何合适的电极中提取，诸如例如从EEG电极测量的信号中提取。
根据另外的实施方案，以下测量数据可以任选地和/或另外地在上文和/或下文描述的方法的备选实施方案期间被捕获和处理。
心血管测量数据可以使用放置在皮肤上的两个或多个心电图(ECG)电极来获取，所述电极使用外周或心前区放置，或者使用可以导出ECG数据的任何其他放置。ECG检测心脏的电活动。备选地或另外地，可以使用放置在皮肤上的光体积描记图(PPG)传感器来获取心血管数据。PPG检测皮下血管系统的血容量变化。心血管数据可以包括心率、心率变异性、派生度量、基于相位的参数、基于频率的参数。然而，显然，根据备选实施方案，ECG测量数据可以例如从任何合适的电极中提取，诸如例如从EEG电极测量的信号中提取。
呼吸测量数据可以使用一个或多个力/运动换能器(例如胸带)或气压传感器来获取，或者从PPG传感器或从放置在可检测呼吸率的位置处的ECG电极中导出。呼吸数据可以包括呼吸率、呼吸率变异性(也称为呼吸变异性)、吸气压力、呼气压力、呼吸节律、呼吸深度、呼吸模式和派生指数中的一种或多种。例如，呼吸模式的变化也可以指示LoP和/或LoA的变化。呼吸数据在本文中可以被称为呼吸率数据。然而，显然，根据备选实施方案，呼吸测量数据可以例如从任何合适的传感器中提取，诸如例如从2轴或3轴加速计或者陀螺仪测量的信号中提取。
眼运动测量数据或眼跟踪测量数据可以包括瞳孔放大、眼注视、眨眼率或频率、眼EOG、眼运动、眨眼闭合持续时间、眨眼乱动、眼闭合率、眼睑距离变化(相对于正常眼睑距离)中的一个或多个。瞳孔放大可以给出关于以下的信息：蓝斑(coeruleus)中的活动，蓝斑是大脑中去甲肾上腺素(应激激素)合成的主要部位，以及困倦/警觉状态。
眼运动数据，诸如例如眼电图(EOG)测量数据，可以使用放置在眼睛周围(例如，眼睛的上方和下方，或眼睛的左侧和右侧)的皮肤上的两个或更多个EOG电极来获取。EOG基于存在于人眼前部和后部之间的角膜-视网膜静息电位来记录眼运动。EOG数据可以包括眼运动/注视、眨眼、双眼运动的同步。
皮肤电测量数据可以使用放置在皮肤上的两个或更多个电传导测量电极来获取。数据代表皮肤电导率，并且与反映交感神经活动的汗腺活动的变化有关。皮肤电数据可以包括电导率变异性、峰值振幅/潜伏期、趋势。
SpO2测量数据是血氧饱和度的量度。其可以使用多种技术来测量，诸如脉搏血氧定量法。SpO2数据可以包括时间线值。其是麻醉师的一个关键参数，因为其与呼吸功能有关并且反映了组织氧合作用。
身体运动跟踪测量数据(例如，头部、四肢(手臂、腿、手))可以包括身体运动增加或减少的指示。头部运动的变化可以表明在治疗环节的被动“深化”阶段期间任务注意力不集中/沉浸感低/精神涣散。显然，备选实施方案是可能的，例如，当指令和/或治疗环节请求导致身体运动的相互作用时，那么没有检测到这样的身体运动可以是缺乏专注于该任务的指示。
根据特定实施方案的反应数据可以包括测量数据，所述测量数据包括EEG数据以及任选地肌肉活动数据，诸如例如EMG数据，以及心血管数据，诸如例如ECG数据，以及眼运动数据，诸如例如EOG或眼跟踪数据，观察数据，所述观察数据包括患者的观察到的运动或缺乏运动以及接受的药物的剂量，和/或自我报告数据，所述自我报告数据包括自我报告的有意识感知的疼痛水平评级、解离水平评级、任选地健忘评级……。优选地，反应数据包括EEG数据。优选地，自我报告数据(如果存在的话)包括焦虑水平、疼痛水平和任选地状态深度(诸如例如解离水平、专注水平等)的评级。
根据一些实施方案，心血管数据和/或呼吸数据也可以从运动跟踪数据和/或由一个或多个对准面部的摄像头生成的数据中导出。
根据示例性实施方案，反应数据还包括ECG和/或心血管数据和/或呼吸数据和/或肌肉活动数据和/或EOG数据和/或体温数据，从中可以确定LoA。
优选地，测量数据包括EEG数据，所述EEG数据包括从F-EEG电极和/或P-EEG电极和/或C-EEG电极收集的数据，并且第4组指标通过以下方式确定：
-从F-EEG电极数据中提取与θ-α(ta)频率范围内的带相关联的功率(F-功率(ta))；和/或
-从P-EEG电极数据中提取与θ-α(ta)频率范围内的带相关联的功率(P-功率(ta))；和/或
-从C-EEG电极数据中提取与θ-α(ta)频率范围内的带相关联的功率(C-功率(ta))；
其中F-功率(ta)和/或P-功率(ta)和/或C-功率(ta)(第4组指标)一起还进一步指示受试者的感知状态。例如，当受到相同的持续疼痛刺激时，LoP的任何测量变化也是受试者的意识状态的变化的指标。
第4组指标的实施方案：
-F-功率(ta)、P-功率(ta)、C-功率(ta)中的一个或多个
也是受试者的意识状态的指标。特别地，它们指示受试者有意识感知的疼痛水平。换言之，例如，当受到相同的持续疼痛刺激时，LoP的任何测量变化也是受试者的意识状态的变化的指标。
优选地，EEG数据包括从C-EEG电极以及任选地从P-EEG电极以及任选地从F-EEG电极收集的数据，并且所述确定包括：
-从C-EEG电极数据中提取C-功率(ta)，
-任选地从P-EEG电极数据中提取P-功率(ta)，以及
-任选地从F-EEG电极数据中提取F-功率(ta)，
其中C-功率(ta)以及任选地P-功率(ta)以及任选地F-功率(ta)指示受试者的LoP以及任选地意识状态。
优选地，EEG数据包括从C-EEG电极以及从P-EEG电极以及任选地从F-EEG电极收集的数据，并且所述确定包括：
-从C-EEG电极数据中提取C-功率(ta)，
-从P-EEG电极数据中提取P-功率(ta)，以及
-任选地从F-EEG电极数据中提取F-功率(ta)，
其中C-功率(ta)以及P-功率(ta)以及任选地F-功率(ta)指示受试者的LoP以及任选地意识状态。
EEG数据可以包括从C-EEG电极以及P-EEG电极以及F-EEG电极收集的数据，并且所述确定包括：
-从C-EEG电极数据中提取C-功率(ta)，以及
-从P-EEG电极数据中提取P-功率(ta)，以及
-从F-EEG电极数据中提取F-功率(ta)，
其中C-功率(ta)以及P-功率(ta)以及F-功率(ta)的组合指示受试者的LoP以及任选地意识状态。
显然，从一个或多个上述EEG电极和/或至少一个其他EEG电极的任何合适组合收集的EEG数据的备选实施方案是可能的。因此，显然还有第4组指标的另外的实施方案是可能的，其中来自任何合适的头皮位置处的一个或多个电极的EEG电极数据用于提取功率(ta)或者换言之与θ-α频带相关联的功率，其指示受试者有意识经历的LoP。
根据特定实施方案，与参考值相比的功率(ta)值进一步指示受试者经历的LoP。例如，与参考值相比的所述F-功率(ta)值进一步指示受试者经历的LoP，与参考值相比的所述P-功率(ta)值进一步指示受试者经历的LoP，和/或与参考值相比的所述C-功率(ta)值进一步指示受试者经历的LoP。
根据这样的实施方案，与一个或多个相应参考值相比的功率(ta)(例如F-功率(ta)和/或P-功率(ta)和/或C-功率(ta))的增加指示LoP减小，并且反之亦然。
根据这样的实施方案，与参考值相比的功率(ta)(例如F-功率(ta)和/或P-功率(ta)和/或C-功率(ta))的增加还进一步指示受试者的较低的意识状态(例如与较高的解离水平相关联)，和/或反之亦然。
如将在下面进一步详细解释的，这样的参考值或参考数据可以用于缩放和/或指数化测量数据，诸如例如功率(ta)或任何其他测量数据和/或由其确定的参数，诸如例如LoP。根据这样的实施方案，接收参考数据，所述参考数据包括与至少一个预定参考LoP相关的受试者和/或群体的测量数据。例如，其可以是由受试者自身生成的参考数据，诸如类似于实验的校准阶段或正常清醒状态的过程，例如在治疗环节之前。根据备选实施方案，参考数据和相关性可以来自单独且不同的基于受试者或群体的参考测量。然后可以确定至少一个预定参考LoP和从参考数据中提取的至少一个组指标的至少一种相关性。以这种方式，与如上所述类似，例如第4组指标功率(ta)的一个或多个特定值可以与LoP的一个或多个相应特定参考值相关。然后，这些相关性允许缩放和/或指数化这样的组指标的任何后续测量结果，诸如例如第4组指标功率(ta)。显然，与其他组指标类似，可以通过所述至少一种相关性相对于至少一个预定参考LoP缩放和/或指数化随后测量的LoP。
根据特定实施方案，与如上已提及的类似，LoP也基于第3组指标。根据这样的实施方案，优选地，EEG数据包括从C-EEG电极和/或P-EEG电极和/或F-EEG电极收集的数据，并且所述确定包括：
-从C-EEG电极数据中提取平均信号峰-峰振幅(C-MSPA)，和/或
-从P-EEG电极数据中提取平均信号峰-峰振幅(P-MSPA)，和/或
-从F-EEG电极数据中提取平均信号峰-峰振幅(F-MSPA)，
其中第3组指标的实施方案C-MSPA和/或P-MSPA和/或F-MSPA指示受试者的LoP。特别地，它们指示受试者有意识感知多少疼痛。与如上解释的类似，疼痛感知(例如在相同疼痛条件下)也可以是受试者的意识状态的指标。
第3组指标的实施方案：
-C-MSPA、P-MSPA、F-MSPA中的一个或多个
是受试者的LoP的指标。
与如上参考第4组指标所解释的类似，对于第3组指标，也可以使用参考数据来缩放和/或指数化测量数据以确定LoP。例如，所述C-MSPA和/或P-MSPA和/或F-MSPA相比于一个或多个相应参考值的变化指示受试者的LoP的变化。特别地，所述C-MSPA和/或所述P-MSPA和/或所述F-MSPA的减少指示受试者的LoP降低，并且相对于参考值的增加因此指示LoP的增加。与如上参考第4组指标所解释的类似，例如在相同疼痛条件下，LoP的变化也可以指示受试者的意识状态的相应变化。显然，与如上关于第4组指标所述类似，对于第3组指标和/或组指标和/或其他组指标的任何合适组合，也可以通过所述至少一种相关性(其可以是基于受试者的或基于群体的)相对于至少一个预定参考LoP来缩放和/或指数化随后测量的LoP。
根据优选实施方案，EEG数据包括从C-EEG电极以及任选地从P-EEG电极以及任选地从F-EEG电极收集的数据，并且所述确定包括：
-从C-EEG电极数据中提取C-MSPA，
-任选地从P-EEG电极数据中提取P-MSPA，以及
-任选地从F-EEG电极数据中提取F-MSPA，
其中C-MSPA以及任选地P-MSPA以及任选地F-MSPA指示受试者的LoP。
根据另外的实施方案，EEG数据可以包括从C-EEG电极以及从P-EEG电极以及任选地从F-EEG电极收集的数据，并且所述确定包括：
-从C-EEG电极数据中提取C-MSPA，以及
-从P-EEG电极数据中提取P-MSPA，以及
-任选地从F-EEG电极数据中提取F-MSPA，
其中C-MSPA以及P-MSPA以及任选地F-MSPA指示受试者的LoP。
根据另外的实施方案，EEG数据可以包括从C-EEG电极以及P-EEG电极以及F-EEG电极收集的数据，并且所述确定包括：
-从C-EEG电极数据中提取C-MSPA，以及
-从P-EEG电极数据中提取P-MSPA，以及
-从F-EEG电极数据中提取F-MSPA，
其中C-MSPA以及P-MSPA以及F-MSPA的组合指示受试者的LoP。
根据特定实施方案，与如上已提及的类似，LoP也基于第5组指标。根据这样的实施方案，优选地，测量数据还可以包括肌电图EMG数据，例如从一个或多个EMG电极收集的或者从任何其他合适的电极(诸如例如EEG电极)中导出的肌电图EMG数据。可以从EMG数据中提取第5组指标，其例如是平均信号峰-峰振幅或EMG-MSPA，其中EMG-MSPA或第5组指标指示受试者有意识感知的疼痛水平。与如上解释的类似，疼痛感知(例如在相同疼痛条件下)也可以是受试者的意识状态的指标。
第5组指标：
-EMG-MSPA
是受试者有意识感知的疼痛水平或者换言之LoP的指标。
与如上参考第4组指标所解释的类似，对于第5组指标，也可以使用参考数据来缩放和/或指数化测量数据以确定LoP。例如，所述EMG-MSPA相比于参考值的变化进一步指示受试者的LoP的变化。所述EMG-MSPA相比于参考值的减小进一步指示受试者的LoP减小。显然，相比于参考值的增加因此指示LoP的增加。与如上参考第4组指标所解释的类似，例如在相同疼痛条件下，LoP的变化也可以指示受试者的意识状态的相应变化。显然，与如上关于第4组指标所述类似，对于第5组指标和/或组指标和/或其他组指标的任何合适组合，也可以通过所述至少一种相关性(其可以是基于受试者的或基于群体的)相对于至少一个预定参考LoP来缩放和/或指数化随后测量的LoP。
如上已提及的，受试者的疼痛水平或LoP可以根据第4组指标以及任选地第3组指标和/或第5组指标来确定。
特别地，疼痛水平LoP可以根据以下确定：
-功率(ta)，诸如例如C-功率(ta)、P-功率(ta)和F-功率(ta)(第4组指标)中的一个或多个，以及任选地
-MSPA，诸如例如C-MSPA和/或P-MSPA和/或F-MSPA(第3组指标)，和/或
-EMG-MSPA(第5组指标)。
特别地，疼痛水平LoP可以根据以下确定：
-功率(ta)，例如C-功率(ta)、P-功率(ta)、F-功率(ta)(第4组指标)中的一个或多个，
-任选地MSPA，例如C-MSPA以及任选地P-MSPA以及任选地F-MSPA(第3组指标)，以及
-任选地EMG-MSPA(第5组指标)。
特别地，疼痛水平(LoP)可以根据以下确定：
-功率(ta)，例如C-功率(ta)以及任选地P-功率(ta)以及任选地F-功率(ta)(第4组指标)，以及
-MSPA，例如C-MSPA以及任选地P-MSPA以及任选地F-MSPA(第3组指标)，以及
-任选地EMG-MSPA(第5组指标)。
除了关于图1所示的实验500的上述第8组指标以及该实验的结果在图5和6的计算机实施的方法中的应用之外，LoA可以任选地通过另外的指标(诸如例如第6、7、9、10和/或11组指标，如下进一步详细描述的)确定。
根据这样的实施方案，在图1所示的实验的实施方案期间，除了第8组指标之外，例如从测量EEG数据中提取时域中的任何其他合适的组指标，例如通过响应于校准的导致疼痛和/或焦虑的刺激的合适的事件相关电位或ERP，和/或频域中的任何其他合适的组指标，类似于如上所述的。
如下将进一步详细描述的，以及上面已经提到的，第8组指标基于测量数据，所述测量数据包括EEG数据，其可以被称为认知电生理信号，并且与皮质激素信号相关，并且与受试者经历的焦虑水平的认知维度相关。第6、7、9、10和/或11组指标均与非认知生理和/或非认知电生理信号相关，所述信号用于生成测量数据，诸如例如心血管数据、ECG数据、呼吸数据、眼运动数据、EOG数据、肌肉活动数据、EMG数据、体温数据等。因此，显然，用于测量焦虑水平的认知维度的第8组指标与任选地、另外地和/或优选地至少一个非认知生理组指标诸如例如第6、7、9、10和/或11组的组合，如下进一步详细描述的，提供了这种焦虑认知维度与自主维度的组合的测量，从而允许测量受试者经历的焦虑水平的多维度方面。
根据示例性实施方案，测量数据可以包括心血管数据。这样的心血管数据可以例如使用放置在皮肤上的两个或多个心电图(ECG)电极来获取，所述电极使用外周或心前区放置，或者使用可以导出ECG数据的任何其他放置。ECG检测心脏的电活动。备选地或另外地，可以使用放置在皮肤上的光体积描记图(PPG)传感器来获取心血管数据。PPG检测皮下血管系统的血容量变化，从中可以导出例如心率、心率变异性等。心血管数据可以备选地或另外地从至少一个其他合适的电极获取，诸如例如一个或多个EEG电极等，其被配置为检测信号，从其中可以检测和/或提取心血管数据诸如心率、心率变异性……。心血管数据可以包括心率、心率变异性、派生度量、基于相位的参数、基于频率的参数。然而，显然，根据备选实施方案，ECG测量数据可以例如从任何合适的电极中提取，诸如例如从EEG电极测量的信号中提取。通常，并且如下进一步详细描述的，可以从任何合适的心血管数据捕获单元接收这样的心血管数据。
根据这样的实施方案，基于除了P-EEG数据之外还包括心血管数据的接收的测量数据，可以从心血管数据中提取基于心率和/或心率变异性的第7组指标。优选地，如将关于图23和/或图24-图26所示的实施方案进一步详细描述的，优选地使用心率和心率变异性的特定组合来提取第7组指标。随后，基于所述第8组指标和至少第7组指标确定LoA。
提供第7组指标的心率或HR和心率变异性HRV的特定组合之间的相关性在图37中针对上面参考图1解释的实施方案的测量数据而示出。如所示出的，对于HR和HRV的这种特定组合，如下将进一步详细解释的，与自我报告的LoA存在强相关性，其中rs＝0.5并且p值＝0.02。图23详述了一个实施方案，其中使用ECG数据来获得HR和HRV。然而，显然，备选实施方案是可能的，其中HR和HRV通过备选方式确定，和/或存在于直接从实验获得的测量数据中。根据图23的实施方案，示出了ECG信号振幅的实例，随后，通过该ECG信号中的峰值检测，可以检测心率，其被示为每分钟的跳动次数或bpm。检测的心率的变异性然后形成用于计算心率变异性的基础。根据特定实施方案，如图23所示，例如首先对ECG信号进行预处理以移除任何噪声和伪影。随后，可以提取ECG信号的任何有用特性特征，诸如例如表示心房去极化的P波；表示心室去极化的QRS复波；和/或表示心室复极化的T波，如本领域技术人员已知的。根据示出的实施方案，检测每个ECG信号的R峰，并且确定R-R间隔，即两个连续心跳ECG信号的R峰之间的间隔，并且基于该R-R间隔计算心率。随后基于R-R间隔和/或导出的心率，进行时域分析以确定HRV，基于两个相邻R-R间隔之间的差异和/或变异性，和/或与两个相邻心跳相关联的心率。根据特定实施方案，例如可以基于特定时间段中正常RR间隔的标准偏差来确定HRV。
上述实验的实施方案的一名受试者例如在正常清醒阶段530期间提供了4.1的自我报告焦虑水平，在此期间对应的HR＝58bpm，其例如是正常清醒阶段期间的HR的平均值、平均数、加权平均值……。另外，测量HRV＝53ms，作为正常清醒阶段530期间正常R-R间隔的标准偏差。随后在利用催眠治疗环节的第二阶段540期间，受试者提供了1.1的较低自我报告焦虑水平，并且这对应于测量的HR＝51bpm和HRV＝169ms。
为了进一步可视化对HRV的影响，图24示出了焦虑水平高于图25的受试者的示例性心率变异性，并且图25示出了焦虑水平低于图24的受试者的心率变异性。
根据特别有利的实施方案，其中使用第8组指标和第7组指标的组合来确定LoA，使用以下特定公式来计算LoA：
LoAs，t～f4(第8组指标s，t，α1 f1(HRs，[t′，t])+α2 f2(HRVs，[t′，t])+α3 f3(HRs，[t′，t]，HRVs，[t′，t]))
其中：
-LoAs，t是受试者在时间t处的焦虑水平；
-第8组指标s，t是受试者在时间t处的基于P-功率(dt)的上述第8组指标的实施方案；
--α1 f1(HRs，[t′，t])+α2 f2(HRVs，[t′，t])+α3 f3(HRs，[t′，t]，HRVs，[t′，t])是第7组指标的特定有利实施方案。
-αi是针对例如受试者特征、群体特征、群体规模……确定并且例如使用自动机器学习过程确定的参数，其中选择提供与测量数据和/或参考数据(诸如例如基于群体的参考数据)的预定集具有最佳相关性的参数；
-fi是使用类似的自动机器学习过程确定的数学函数，其中选择提供与测量数据和/或参考数据(诸如例如基于群体的参考数据)的预定集具有最佳相关性的函数；
-HRs，[t′，t]是表示从时间t，到时间t的时间段期间受试者s的心率的单个值，例如平均值，然而备选实施方案是可能的，诸如平均数、加权平均值等，
-HRVs，[t′，t]是表示从时间t，到时间t的时间段期间受试者s的HRV的单个值，例如正常R-R间隔的标准偏差，或HRV的任何其他合适的量化。
第7组指标的这个特定实施方案是特别有利的，因为其不仅组合了HR和HRV，而且还包括：α3 f3(HRs，[t′，t]，HRVs，[t′，t])，其可以被称为组合的HR-HRV因子。为了证明这种组合的HR-HRV的令人惊讶的有利效果，图26示出了预测的LoA和实际测量的LoA之间差异的箱线图，基于仅使用包括HR和HRV的组合或者换言之α1 f1(HRs，[t′，t])+α2 f2(HRVs，[t′，t])的函数的模型(用于计算第7组指标)，其被标记为“f(HR，HRV)”。为了进行比较，示出了标记为“f(HR、HRV、组合的HR-HRV因子)”的另外的箱线图，其中组合的HR-HRV因子或者换言之α1 f1(HRs，[t′，t])+α2 f2(HRVs，[t′，t])+α3 f3(HRs，[t′，t]，HRVs，[t′，t])也用于计算第7组指标。我们观察到具有组合的HR-HRV因子的模型的预测准确性更好，因为平均差＝0.36和标准偏差＝1.55，这优于没有组合的HR-HRV因子的模型的平均差＝-1.14和标准偏差＝2.20。
任选地，可以进行HRV的时频分析，以便从HRV信号中提取与呼吸率相关的信号，其也可以用于确定组指标，如下将进一步详细描述的。然而，显然，备选实施方案是可能的，其中可以从测量数据中提取HR和HRV。如图24和图25所示，在HRV信号中呼吸频率具有明显的效果，所述呼吸频率可被识别为具有波峰和波谷的正弦曲线模式，其中一个循环对应于一个呼吸循环。显然，与图25所示的较低焦虑水平相比，当受试者经历如图24所示的较高焦虑水平时，呼吸率不太稳定或包括较高变异性水平。
根据又一个实施方案，提供了一种用于测量焦虑水平的计算机实现的方法300，其包括接收测量数据的进一步步骤，所述测量数据还包括呼吸数据。然后可以从该呼吸数据中提取基于呼吸率和/或呼吸变异性和/或预定呼吸模式和/或氧饱和度的第6组指标。然后，这允许基于第8组指标和至少第6组指标来确定LoA，与上述类似，其提供LoA的多维度测量。
根据来自图1的实验的测量数据，发现呼吸率与自我报告的焦虑水平存在相关性，其中rs＝0.458并且p值＝0.002。换言之，如上已提及的，受试者经历的焦虑水平的增加导致更高的呼吸率。对于来自图1的实验的测量数据，图27示出了自我报告的焦虑与呼吸率(也被称为呼吸频率)之间的相关性。显然，呼吸率或呼吸频率通常是指每分钟的呼吸循环次数。
此外，还发现呼吸率变异性之间的相关性，诸如例如发现循环间间隔或ICI的标准偏差在具有较高LoA的时间段期间显著更高。因此发现与自我报告的焦虑水平的相关性，其中rs＝0.434并且p值＝0.005，即焦虑水平增加导致呼吸模式不太规律。对于来自图1的实验的测量数据，图28示出了这样的自我报告的焦虑水平与呼吸率变异性(也被称为呼吸变异性)之间的相关性。因此，显然，呼吸率变异性，诸如例如确定为ICI的标准偏差，是特定时间段内连续呼吸循环的规律性和/或不规律性测量结果。
进一步地，图29示出了时域呼吸数据信号的示例性实施方案，其例如示出了几个连续呼吸循环期间的流量和/或压力变化，其中呼吸循环包括连续的呼气和吸气的组合。图29示出了在约1分钟的时间段内的这种呼吸数据。如所示出的，可以从这样的呼吸数据中提取参数，诸如呼吸循环持续时间，其是与一个完整呼吸循环相关联的时间段；呼气持续时间，其是与发生呼气的呼吸循环部分相关联的时间段；吸气持续时间，这是与发生吸气的呼吸循环部分相关联的时间段；和/或这样的持续时间的任何比率和/或任何组合；和/或可从这样的时域呼吸数据信号中导出的任何其他参数，诸如例如信号的峰-峰振幅、信号的最小值和最大值和/或这样的信号的变异性等。图30和图31示出了参与图1的实验的示例性受试者的呼吸数据信号。图30示出了受试者在正常清醒状态530期间的呼吸数据信号，在此期间受试者经历自我报告的焦虑水平＝4.6。图31示出了受试者在催眠治疗环节540期间的呼吸数据信号，在此期间受试者经历自我报告的焦虑水平＝2.5。显然，根据图30和图31的比较，当焦虑水平较低时，这与例如较低的呼吸率相关，或者换言之，与较长的呼吸循环持续时间相关。此外，如所示出的，较低焦虑水平也与更规律的呼吸循环相关，换言之，连续呼吸循环的持续时间和/或振幅、连续吸气时间段的持续时间和/或振幅、持续呼气时间段的持续时间和/或振幅等具有较小的变异性。此外，如例如所示出的，在较低焦虑水平下，呼气持续时间长于吸气持续时间，而在较高焦虑水平下，情况不再总是如此。这些参数中的任何参数和/或其任何合适的组合、比率等因此允许基于呼吸数据的合适的第6组指标的另外的实施方案以确定LoA。然而，显然，另外的备选实施方案是可能的。根据这样的备选实施方案，可以例如考虑任何合适的预定呼吸模式的出现，诸如例如不定的呼吸循环的出现，其中不能明确区分呼气和吸气、吸气和/或呼气之间和/或期间暂停的出现、频率和/或持续时间等。然而，显然，备选的预定呼吸模式的备选实施方案是可能的，其可以被考虑用于第6组指标的实施方案。
根据特别有利的实施方案，基于第8组指标，与第6组指标和第7组指标的实施方案组合，计算LoA，或者换言之：
LoA～f(第8组指标,第7组指标,第6组指标)
根据特别有利的实施方案，类似于如上所解释的，关于组合的HR-HRV因子，优选地，另外使用考虑呼吸率或BR对心率和/或心率变异性的影响的组合因子，因此类似于如上所解释的，诸如例如可以在用于计算LoA的公式中包括这样的组合HR-BR因子，诸如例如αifi(HRs,[t′,t]，BRs,[t′,t])和/或αifi(HRVs，[t′，t]，BRs，[t′，t])，例如作为第7组指标和/或第6组指标的一部分。
显然还有用于根据呼吸数据确定第6组指标的另外的备选实施方案，例如可以考虑关于呼吸体积和/或深度的数据，其例如可以直接测量，和/或间接地从涉及氧饱和度的数据中导出，诸如例如通过SpO2传感器，或从呼吸期间的腹部和/或胸部运动量中导出。已经检测到具有较高焦虑水平的人呼吸较浅，呼吸体积减少，然后当受试者正在经历较低焦虑水平时。这例如也在图30和图31的实施方案中示出，其中图31的信号的峰-峰振幅大于图30。然而，显然还有另外的备选实施方案是可能的，诸如例如在吸气和/或呼气期间检测空气流量、体积和/或压力的降低等。
根据又一个实施方案，提供了一种用于测量焦虑水平的计算机实现的方法300，其包括接收涉及自主生理参数的测量数据的进一步步骤，以提供LoA的多维度测量，与上述类似并且如下将更详细地解释的。根据这些实施方案，可以基于第8组指标和第6、7、9、10和/或11组指标中的至少一个或多个来确定LoA。诸如例如
Figure BDA0004113230540000791
根据这样的实施方案，接收的测量数据还包括眼运动数据，并且可以从眼运动数据中提取基于眼运动率和/或眼运动幅度和/或预定眼运动模式的第9组指标。然后，这允许基于第8组指标和至少第9组指标和任选地任何其他合适的自主生理组指标来确定LoA。
根据特定实施方案，眼运动数据作为EOG数据捕获，并且第9组指标基于从眼运动数据检测扫视性眼运动。
图32和图33示出了在图1的实验期间以EOG数据信号形式捕获的单个受试者的眼运动数据的实施方案。图32示出了受试者在催眠治疗环节540期间的EOG数据信号，在此期间受试者经历自我报告的焦虑水平＝2.1。图33示出了受试者在正常清醒状态530期间的EOG数据信号，在此期间受试者经历自我报告的焦虑水平＝6.8。示出的信号的时间段为约30秒。为了确定特定时间段期间扫视性眼运动的频率和/或扫视性眼运动的次数，根据示出的实施方案，可以使用一个或多个阈值，如例如通过图32和图33中的条纹线示意性地表示的。根据这样的实施方案，例如每当EOG信号越过这些阈值之一时，就检测到扫视性眼运动。如图32所示，在自我报告的焦虑水平＝2.1时，在该受试者的EOG信号中未检测到扫视性眼运动。如图33所示，在自我报告的焦虑水平＝6.8时，在该受试者的EOG信号中在约30秒的时间段内检测到9次扫视性眼运动。换言之，当焦虑水平越高时，扫视性眼运动的频率就越高。然而，显然，备选实施方案是可能的，其中扫视性眼运动的次数和/或频率和/或涉及扫视性眼运动的任何其他合适的参数(诸如例如幅度、方向、预定模式等)从眼运动数据(诸如例如EOG数据)中提取，第9组指标的合适的实施方案可以基于其以确定LoA。
图34示出了时间锁定到疼痛刺激(其用作导致焦虑的刺激)的多个受试者平均的EOG数据信号形式的时域眼运动数据的备选示例性实施方案。换言之，示出了在图1的实验期间时间锁定到疼痛刺激的EOG数据信号的事件相关电位或ERP。根据示出的示例性实施方案，例如可以在特定时间窗期间分析时域信号，如通过点条纹框示意性地示出的，其例如为大约2秒，在此期间例如可以确定关于眼运动数据信号的峰值振幅、峰-峰振幅和/或任何其他合适的基于振幅的参数。实线图示出了在图1的实验期间所有受试者在正常清醒状态530期间的平均EOG信号，并且条纹图示出了所有受试者在催眠治疗间接540期间的平均EOG信号。显然，在时间窗中，对于焦虑水平较高的信号，眼运动数据信号的峰-峰振幅较大。进一步地，根据该特定实施方案，具体地，EOG信号的负峰值幅度或者换言之EOG信号在时间窗内的最小值在不同焦虑水平下显示出明显的差异。对于图1的实验，时间窗期间EOG数据信号的振幅平均值例如在正常清醒状态530期间为-17.8mV，这对应于较高焦虑水平，而其在催眠治疗环节540期间仅为-7.6mV。然而，显然，备选实施方案是可能的，其中例如基于眼运动数据的振幅，可以确定第9组指标的合适的实施方案以确定LoA。然而，显然，备选实施方案是可能的，其中从眼运动数据(诸如例如EOG数据)中提取EOG数据的振幅和/或涉及眼运动的任何其他合适的参数，第9组指标的合适的实施方案可以基于其以确定LoA，诸如例如眼运动率、眼运动幅度、预定眼运动模式、扫视性眼运动的检测、扫视性眼运动模式的一个或多个特征，诸如例如频率、幅度、方向和/或预定扫视性眼运动模式。
EOG数据可以通过合适的眼电图传感器捕获，眼电图是一种用于测量存在于人眼前部和后部之间的角膜视网膜静息电位的技术。所得信号被称为眼电图或EOG。EOG允许记录眼运动。
眼运动具有四种基本类型：扫视性眼运动、平稳跟踪性眼运动、聚散性眼运动和前庭眼眼运动。扫视性眼运动是眼睛的快速弹道运动，其会突然改变注视点。已经发现，当受试者经历较高焦虑水平时，扫视性眼运动的预定时间范围内的频率和/或次数增加。
根据这样的另外的实施方案，接收的测量数据还包括肌肉活动数据，诸如例如肌电图EMG数据，从其中可以提取基于肌肉活动诸如例如肌电图EMG活动的第10组指标，其允许基于所述第8组指标和至少第10组指标和任选地任何其他合适的组指标来确定LoA。
图35示出了在图1的实验期间捕获的单个受试者的肌肉活动数据的实施方案(以EMG数据信号的形式，例如乳突肌或任何其他合适的肌肉；在时域中)。点条纹线示出的信号是在正常清醒状态530期间为该受试者捕获的EMG信号，在此期间受试者报告的焦虑水平＝6.8。实线示出的信号是在催眠治疗环节540期间为该受试者捕获的EMG信号，在此期间受试者报告的焦虑水平＝2.1。换言之，点条纹线中的EMG信号与较高焦虑水平相关联，而实线中的EMG信号与较低焦虑水平相关联。显然，根据示出的实施方案，例如EMG信号的峰-峰振幅在较高焦虑水平下是较高的，或者换言之，当受试者经历较高焦虑水平时，肌肉活动较多，和/或肌肉收缩水平较高。因此，显然，例如基于EMG信号的振幅的这种差异，可以确定第10组指标的合适的实施方案以确定LoA。然而，显然，另外的实施方案是可能的，其中第10组指标基于例如从EMG信号中提取的肌肉活动数据的任何合适的参数，诸如例如振幅、频率、变异性、预定模式等。
根据这样的另外的实施方案，接收的测量数据还包括体温数据，从所述体温数据中可以提取基于体温的第11组指标，使得LoA基于所述第8组指标和至少第11组指标或任何其他合适的指标。
与上述类似，根据优选实施方案，用于测量LoA的方法300包括接收受试者的测量数据的步骤，所述测量数据包括从以下EEG电极中的一个或多个收集的脑电图EEG数据：
-额叶(F)EEG电极，其被配置为从对应于受试者的额叶的头皮解剖区域收集F-EEG电极数据，
-顶叶(P)EEG电极，其被配置为从对应于受试者的顶叶的头皮解剖区域收集P-EEG电极数据，
-中央(C)EEG电极，其被配置为从对应于受试者的中央前回和中央后回的头皮解剖区域收集C-EEG电极数据。
这样的EEG数据与大脑靠近头皮的部分(包括皮层)产生的脑电波有关，并且因此与受试者认知地经历和任选地生理地经历的焦虑水平的有关。
根据特定实施方案，与参考值相比的P-功率(dt)值进一步指示受试者经历的LoA。例如，与参考值相比的P-功率(dt)值进一步指示受试者经历的LoA。根据这样的实施方案，与一个或多个相应参考值相比的P-功率(dt)的增加指示LoA增加，并且反之亦然。
如将在下面进一步详细解释的，这样的参考值或参考数据可以用于缩放和/或指数化测量数据，诸如例如P-功率(dt)或任何其他测量数据和/或由其确定的参数，诸如例如LoA。根据这样的实施方案，接收参考数据，所述参考数据包括与至少一个预定参考LoA相关的受试者和/或群体的测量数据。例如，其可以是由受试者自身生成的参考数据，诸如类似于实验的校准阶段或正常清醒状态的过程，例如在治疗环节之前。根据备选实施方案，参考数据和相关性可以来自单独且不同的基于受试者或群体的参考测量。然后可以确定至少一个预定参考LoA和从参考数据中提取的至少一个组指标的至少一种相关性。以这种方式，与如上所述类似，例如第8组指标P-功率(dt)的一个或多个特定值可以与LoA的一个或多个相应特定参考值相关。然后，这些相关性允许缩放和/或指数化这样的组指标的任何后续测量结果，诸如例如第8组指标P-功率(dt)。显然，与其他组指标类似，可以通过所述至少一种相关性相对于至少一个预定参考LoA缩放和/或指数化随后测量的LoA。
与如上参考第8组指标所解释的类似，对于任一个其他组指标，诸如第6、7、9、10和/或11组指标，也可以使用参考数据来缩放和/或指数化测量数据以确定LoA。显然，与如上关于第8组指标所述类似，对于第6、7、9、10和/或11组指标中的任一个和/或组指标和/或其他组指标的任何合适组合，也可以通过所述至少一种相关性(其可以是基于受试者的或基于群体的)相对于至少一个预定参考LoA来缩放和/或指数化随后测量的LoA。
根据优选实施方案，接收参考数据，所述参考数据包括与分别与DoS和/或LoP组合的至少一个预定参考LoA相关的受试者和/或群体的测量数据。根据参考数据，确定分别与DoS和/或LoP组合的至少一个预定参考LoA和提取的至少一个相应组指标的至少一种相关性。通过所述至少一种相应相关性，相对于分别与DoS和/或LoP组合的至少一个预定参考LoA缩放和/或指数化与DoS和/或LoP组合的随后测量的LoA，以及任选地由此确定焦虑水平指数或LoAI和状态深度指数或DoSI和/或疼痛水平指数或LoPI。
本文描述了一种或多种指数，其是指示受试者经历的焦虑水平的标准化指数。通常，与参考相比，指数是标准化或归一化的。如上所提及的，这样的参考例如可以是基于受试者的或基于群体的。
本文所述的指数包括焦虑水平指数(LoAI)。
焦虑水平指数(LoAI)是指示受试者经历的焦虑水平的焦虑水平(LoA)的标准化指数。这样的指数还允许确定与参考状态相比，LoA被例如治疗环节(特别是药理学和/或非药理学治疗环节)改变了多少。
指数(例如LoAI中的一个或多个)可以具有带有第一和第二限度的标度。第一限度可以表示最低焦虑水平，或者备选地与无焦虑相关联的最低焦虑水平，并且第二限度可以表示与参考状态相比时的最高焦虑水平。第一限度可以表示受试者和/或群体的初始状态或参考状态。第一限度可以表示正常焦虑水平，并且第二限度可以表示最高焦虑水平。第一限度可以表示正常焦虑水平，并且第二限度可以表示显著增加的焦虑水平。第一和第二限度可以分别用数字表示，例如0至20、20至0、0至60、60至0、0至100、100至0、0至1、1至0。第二限度可以高于第一限度，或者第一限度可以高于第二限度。为第二限度选择更大的数字可能取决于受试者或用户的观点。麻醉师可能偏好第一限度(例如1、60、100、100％)高于第二限度(例如0、0％)。
例如，具有保持接近第一限度的指数(例如LoAI)的受试者可以安全地进行另外的治疗，例如只要焦虑水平保持足够低。
指数可以具有第一限度至第二限度的标度；标度可以是线性的、对数的或其他的。标度可以是连续的、分类的、离散的、百分比的、比率的。
指数(例如LoAI)可以指示受试者的多个不同焦虑水平或不同LoA。级别数可以是任意的，例如3至10个级别，优选地4至8个级别。可以存在4、6或8个级别。级别可以在第一和第二限度内划分。划分可以是均等的(线性的)、对数的或根据其他方案。最低级别(例如1级)可以与第一限度相关或包含第一限度，最高级别(例如4级)可以与第二限度相关或包含第二限度。当指数为100(第一限度)和0(第二限度)之间的值并且级别数为4时，4个级别可以是100至76(1级)，75至51(2级)，50至26(3级)，25至0(4级)。可以理解，级别的端点可以允许到下一个级别的连续数字标度(不间断)。当指数为100(第一限度)和0(第二限度)之间的值并且级别数为8时，8个级别可以是100至87.5(1级)，87.5至75(2级)，75至62.5(3级)，62.5至50(4级)，50至37.5(5级)，37.5至25(6级)，25至12.5(7级)，12.5至0(8级)。技术人员根据情况将能够确定标度的范围(例如100至0，或60至0)、标度内的级别数(例如4、6或8)、标度类型(例如线性、对数)以及级别之间的界限。
指数可以是基于受试者的指数，其中将每名受试者的状态与受试者本身或一组受试者或一个或多个特定群体的参考状态进行比较。指数可以是基于群体的指数，其中将每名受试者的状态与基于群体的参考进行比较。显然，备选地，指数也可以根据绝对标度进行缩放。显然，可以使用相对、绝对、基于个体和/或基于群体的任何合适的组合来缩放指数。
对于基于受试者的指数，参考状态(例如LoA的参考值)例如在治疗环节之前针对受试者测量。在治疗环节期间或之后，基于包括测量数据的反应数据，测量受试者的一个或多个LoA的实时值。在治疗环节期间，基于参考值和实时LoA值之间的比较，计算一个或多个LoAI的实时值。
对于基于群体的指数，参考状态(例如一个或多个LoA的参考值)例如从数据库中提取。数据库例如包括基于群体研究的参考值。参考值可以根据某些因素(包括年龄、性别、种族、干预特征)而不同，因此参考值可以根据受试者和/或用户而进行调整。在治疗环节期间或之后，基于包括测量数据的反应数据，测量受试者的一个或多个LoA的实时值。在治疗环节期间或之后，基于包括基于群体的参考值的数据库和实时LoA值之间的比较，计算一个或多个LoAI的实时值。
显然，备选地，例如LoA可以根据基于受试者或基于群体的绝对标度进行缩放，使得不需要进一步的参考测量，并且例如测量LoA以确定实时值可以在无需任何治疗环节的情况下进行。换言之，使用基于受试者或基于群体的绝对标度，可以在任何合适的环境中测量LoA和/或LoAI。
可以使用评估协议将反应数据转换成指数，例如转换成LoAI。评估协议可以包括使用数学(例如统计)模型、训练的机器学习模型、数学指标、参考数据中的一种或多种。评估协议将反应数据作为输入，并且输出指数。
评估协议可以包括从反应数据中提取第8组指标和任选地第6、7、9、10和/或11组指标中的一个或多个的步骤。
测量数据可以包括一个或多个数据成分。数据成分归于单个测量数据，例如EEG数据、ECG数据……；单个观察数据，例如运动、肤色……；或单个自我报告事件数据，例如自我报告的焦虑水平……。
评估协议可以对反应数据的数据成分进行相等或不同的加权。赋予数据成分的加权尤其取决于成分的关联性和精确性。例如，评估协议可以赋予EEG数据更高的评级，反映了其高关联性和精确性。评估协议可以使用关联性和精确性较低但仍足以指示情况的数据成分。在某些情况下，反应数据可以包括较少数量的数据成分，所述数据成分具有足以指示情况的高关联性和精确性。在某些情况下，反应数据可以包括较多数量的数据成分，所述数据成分具有足以指示情况的低关联性和精确性。显然，各种实施方案是可能的，其中例如根据一些实施方案，可以调整赋予在整个说明书中提及的用于计算LoA的不同组指标的加权，以取决于例如LoA的不同维度的期望权重和/或效果来调节和/或微调LoA的计算。根据一些实施方案，当在其中LoA的认知维度超过LoA的其他维度的认知维度的背景下测量LoA时，加权可以被配置为向第8组指标提供更大的权重。然而，显然，根据备选实施方案，在其中LoA的认知维度与LoA的其他维度的组合更重要的情况下，第8组指标可以被提供较低的权重，和/或被其他组指标超过。
随着更多受试者使用所述方法进行评估，可以完善评估协议。完善评估协议的方法可以包括：
-接收受试者的反应数据，例如表示受试者对治疗环节的反应，
-接收LoA(I)的独立测量数据，
-使用反应数据和独立测量数据来完善评估协议。
完善评估协议的方法可以包括：
-接收受试者的测量反应数据，例如表示受试者对治疗环节的反应，
-接收LoA(I)的自我报告测量结果和/或观察测量结果；
-接收LoA(I)的独立测量数据，
-使用反应数据、自我报告数据和/或观察数据以及独立测量数据来完善评估协议。
评估协议可以另外地或备选地使用分析学来完善。在一个或多个先前测量和/或一个或多个先前治疗环节之前、期间和/或之后收集的数据可以帮助完善评估协议。
显然，用于创建和/或完善这样的评估协议的这样的方法是指计算机实现的方法，根据一些实施方案，其可以利用合适的人工智能和/或数据挖掘方法，如下面将进一步详细描述的。
随着评估协议的创建和/或完善，显然，反应数据的一个或多个数据成分在测量或者换言之确定和/或监测焦虑水平或例如焦虑水平的改变(通过药理学和/或非药理学治疗(例如涉及焦虑治疗)、涉及改变受试者意识状态的治疗等)方面变得多余。根据优选实施方案，测量数据、观察数据和反应数据中的至少一个(优选地全部)用于创建和/或完善评估协议。根据优选实施方案，在用于测量LoA的方法中仅使用测量数据。
下面给出用于确定LoAI的评估协议的一个实施方案。一般而言，其可以包括例如5个主要步骤：
步骤1：接收并数字化包括EEG数据的反应数据，例如在治疗环节期间。EEG数据可以例如由P-EEG电极以及任选地C-EEG和F-EEG电极中的一个或多个或任何其他合适的EEG电极提供，并且任选地由一个或多个ECG电极提供。根据另外的实施方案，任选地可以提供合适的捕获单元，在适用的情况下包括合适的传感器和/或电极以捕获以下中的一个或多个：心血管数据、呼吸数据、眼运动数据、肌肉活动数据、体温数据等。
步骤2：
从数字化反应数据中生成第8组指标P-功率(dt)，以及任选地第6、7、9、10和/或11组指标。
步骤3：使用例如积分分析生成一个或多个指标值，其意指任何组指标的值，诸如例如来自步骤2)的第8组指标、第6、7、9、10、11组指标或任何其他合适的组指标。
步骤4：将步骤3)的值与参考值(例如基于群体的指数或基于受试者的指数，诸如上述那些)进行比较。
步骤5：从步骤4)获得LoAI指数，例如标度0至20的一个数字，或者一个词，或者类别。显然，如在本说明书中进一步详细解释的，根据一些实施方案，这样的LoAI可以通过合适的图形可视化来提供。
在步骤2中，数字化反应数据可以经历预处理协议，包括重新参考平均参考、带通和/或陷波滤波以排除低频和高频伪影、将信号分割成所谓的出现时间(epoch)(＝多组x秒时间窗)、伪影排除(眼部、肌肉……)和基线调整中的一个或多个。对于EEG、ECG、EMG、EOG、体温……信号的时域分析，通常进行峰值检测以确定峰值、峰值振幅和潜伏期(如果是多个出现时间，则采用时间序列的形式)之间的时间段，并且进行数学转换(例如：如果是多个出现时间，则为均值或变化变量)。用于测量的时间窗可以例如在0.01s至10s的范围内，诸如例如在0.1s至5s的范围内。
对于例如EEG信号的频域分析：通常存在进行频率转换(例如傅立叶变换)的时间，提取相关频带(例如δ-θ(dt))，确定每个频带(以及每个出现时间)的振幅/功率和相位，并且进行数学转换(例如：如果是多个出现时间，则为均值)。
对于时域中分析的信号，可以检测峰值，峰值之间的时间间隔，进行数学转换(例如：如果是多个出现时间，则为均值)。
由此，获得至少一个电极的以下特征中的至少一者：δ-θ频带相关振幅/功率，δ-θ频带相关相位，ECG R-R峰值间隔……。例如，可以存在归一化步骤来校正干预时间，以确保每名受试者的贡献类似。
在步骤3中，使用积分分析生成一个或多个组指标值，例如使用等式：
Figure BDA0004113230540000881
其中αi是随群体规模和特征演变的任选参数，并且可以使用基于反应数据和/或LoA的独立测量数据的学习过程确定，fi是使用基于反应数据和/或LoA的独立测量数据的学习过程确定的函数，Fi，s，[t′，t]是从时间t’到时间t(t’＜t)并且针对受试者的从点2获得的一个或多个特征值。上面提及的[t’-t]区间意指在时间t处的LoA值可以基于从若干Fi，s，t值中提取的特征来计算。例如，基于过去x毫秒取平均值和标准偏差使得更灵敏和更稳健地确定LoA。显然，[t’-t]区间因此是指上面提及的时间窗。
在步骤4中，将值与参考值进行比较。
如果指数是基于受试者的指数(每名受试者都是其自身的对照)，
Figure BDA0004113230540000882
如果指数是基于群体的(绝对)并且受试者s是群体p的一部分，
Figure BDA0004113230540000883
其中S是放大参数，β是使用基于反应数据和/或LoA的独立测量数据的学习过程确定的考虑群体特征(年龄、性别、种族……)的参数，
Figure BDA0004113230540000884
是基于个体/受试者的参考状态，
Figure BDA0004113230540000885
是使用基于反应数据和/或LoA的独立测量数据的学习过程的绝对/基于群体的参考状态，并且K是允许基于用户偏好调整阈值的“转换(translation)”参数。
下文给出了基于实验的步骤1至4的实例，与如上参考图1所描述的类似。在测试阶段520的第二环节540期间对一名特定受试者进行实验，所述第二环节540包括自动催眠治疗环节548，其使用包括虚拟现实头戴设备的系统传送，如上文也将进一步详细地描述的。在实验的该实施方案中，受试者是一名25岁的女性，应用的时间窗是2秒，参考刺激开始从-0.5s到1.5s。
步骤1：根据该实施方案，接收并数字化EEG数据和EMG数据
步骤2：根据该实施方案，存在：
-从P EEG电极生成的第8组指标，如下：P-功率(dt)＝0.24mV2，以及
-从如下心率或HR和心率变异性或HRV数据生成的第7组指标：HR＝55.02bpm，并且HRV＝96.89ms。
步骤3：现在将描述代表模型或评估模型或评估协议的实施方案的上述等式的一个实施方案的实例。该评估协议例如使用配置有人工智能模块的计算系统构建，所述人工智能模块诸如例如机器学习模块，其例如通过诸如例如图1或任何其他合适方式中描述的实验(诸如例如作为临床实践中数据收集的一部分)接收对其进行研究的群体的数字化EEG数据和心血管数据诸如HR和HRV数据，并且计算将该数据与所述群体的受试者报告的LoA相关联的模型，如下：
LoA＝1.31*P-功率(dt)+0.15*HR-0.006HRV–0.00008*HR*HRV＝3.72。
或者换言之，根据该特定实施方案，LoA＝第8组指标+第7组指标，其中：
-第8组指标是P-功率(dt)，并且
-第7组指标是HR、HRV和组合HR-HRV因子，
-数值为上述公式中的αi参数，并且
-fi在该特定实例中是统一的函数。
然而，显然备选实施方案是可能的。进一步地，显然，根据该实施方案，LoA值是在0-10的标度上计算的，以便与受试者在实验期间报告的VAS疼痛量表值的标度相关。
图58示出了示例性的实施方案，其中计算机实现的方法利用人工智能或任何合适的数据挖掘方法来处理来自包括接收数据诸如EEG数据、心血管数据……的数据库的数据，任选地与来自临床观察的数据相组合，诸如例如受试者报告的疼痛水平，以便计算基于将该数据与报告的焦虑水平相关的模型。数据库中的数据和来自临床观察的数据可以例如来自以上图1或任何其他方式中描述的实验，诸如例如作为临床实践中、性能监测期间等的数据收集的一部分。显然，根据上述实例，数据库包括EEG数据、心血管数据等，其涉及利用非药理学镇静、和/或与特别感兴趣的其他形式的治疗组合的非药理学镇静、和/或作用于焦虑的任何其他治疗的实践或实验。以这种方式，AI或数据挖掘的计算机实现的方法能够计算、选择和优化合适的模型，诸如例如基于本说明书中描述的合适的组指标，或者换言之，通过基于来自例如EEG、HR、HRV、EMG、ECG、EOG、呼吸、皮肤电传导……的数据的合适的生物标志物，如例如本说明书中所描述的。显然，以这种方式可以计算、选择和/或优化用于计算例如LoA或从其导出的任何合适指数的合适模型。
步骤4：根据特定实施方案，可以计算基于受试者的指数，其通过上面提及的公式在0-100的标度上呈现。显然，备选实施方案是可能的，其中使用了其他合适的标度。根据这样的实施方案：
-参数S＝10，以允许将步骤3的LoA(根据该实施方案在0-10的标度上计算)缩放到0-100的标度；
-参数β＝1，其意指不存在群体群组，或者换言之，计算了基于受试者的指数；
-参数k＝3.04，以确保计算值的基于用户偏好的转换(translation)，使得计算指数的一个或多个具体值对应于自我报告的焦虑水平的一个或多个具体值。例如，在下面的实例中，例如确定k，使得在0-100的标度上计算的指数为33.04对应于在0-10的标度上自我报告的焦虑水平为2。
-LoA*＝6.76，其是指基于个体/受试者的参考状态。根据一个实施方案，可以基于在实验的校准阶段510期间的接收数据和/或在没有疼痛刺激的时期期间获得的数据，例如通过在步骤3中引用的相同模型，或者以任何其他合适的方式，来计算该参考状态；
-LoA＝3.72，例如参考步骤3如上所描述的计算，
根据上述公式，根据该实施方案得出ΔrLoA＝18.78。
为了证明该实施方案的评估模型的准确性，在图61的箱线图中示出了自我报告的焦虑水平与使用评估协议的该实施方案计算的LoA之间的差异的图表。根据图61的实施方案，模型的该实施方案被应用到实验的一个实施方案的群体的数据，以进行具有12名受试者(或者换言之n＝12)的群体研究。图61中的箱线图表示位于整个研究群体的自我报告LoA和计算LoA之间的测量差异所处的范围。显然，对于该实施方案，如上所述，自我报告和计算的LoA在0-10的标度上。显然，箱线图显示了，对于这种差异：
-最小值(Q0或第0个百分位数)：排除任何异常值的最低数据点。
-最大值(Q4或第100个百分位数)：排除任何异常值的最大数据点。
-中位数(Q2或第50个百分位数)：数据集的中间值。
-第一四分位数(Q1或第25个百分位数)：也被称为下四分位数qn(0.25)，其是数据集的下半部分的中位数。
-第三四分位数(Q3或第75个百分位数)：也被称为上四分位数qn(0.75)，其是数据集的上半部分的中位数。
如所示出的，差异都在约-1至约+1的窄范围内。
图58示出了示例性的实施方案，其中计算机实现的方法利用人工智能或任何合适的数据挖掘方法来处理来自包括接收数据诸如EEG数据、心血管数据……的数据库的数据，任选地与来自临床观察的数据相组合，诸如例如受试者报告的焦虑水平，以便确定一个或多个个体的合适群组，其如例如图59的实施方案所示可以随后用于将该数据与考虑了确定的群组的这些个体的报告焦虑水平相关。
如图59所示，与如上参考图58所讨论的类似，数据库中的数据和来自临床观察的数据可以例如来自以上图1或其他合适方式中描述的实验，诸如例如作为临床实践中、性能监测期间等的数据收集的一部分。显然，根据上述实例，数据库包括EEG数据、心血管数据等，其涉及利用非药理学镇静、和/或与特别感兴趣的其他形式的治疗组合的非药理学镇静、和/或作用于疼痛的任何其他治疗的实践或实验。然而，显然，数据库数据包括与医学领域内外的任何合适的应用相关的任何合适的生理数据是可能的。以这种方式，AI或数据挖掘的计算机实现的方法(也称为CII方法)能够计算、选择和优化与包括至少一个共享特征的个体组有关的合适群组。如所示出的，在确定用于确定群组的特征时可以考虑的示例性因素例如是年龄、性别、状况或任何其他合适的因素。示例性的年龄群组可以例如是儿童、青少年、成人和老年人，诸如例如通过合适的年龄范围确定的。示例性的性别群组可以例如是男性和女性。示例性的状况群组可以例如是：精神状况、神经系统疾病和/或问题、心理状态等。显然，对于用于确定合适群组和/或特定示例性群组的因素，另外的备选实施方案是可能的。如进一步示出的，这样的AI CII方法然后还可以用于例如基于与一个或多个个体有关的数据确定该一个或多个个体属于哪个群组。显然，这些群组也可以被称为群体群组或群体。根据备选实施方案，这样的AI CII方法还可以用于基于来自数据库的数据来选择、计算和/或优化因子，以确定最相关的群组。
如图60所示，并且如涉及上述基于群体的指数的公式的示例性实施方案的，AICII方法可以利用这些群组以基于合适的模型计算合适的输出，诸如例如LoA或从其派生的任何合适的指数。显然，以这种方式，基于来自个体的数据，包括基于来自例如EEG、心血管数据、EMG、ECG、EOG、呼吸、皮肤电传导……的数据的合适的生物标志物，如例如本说明书中描述的，可以计算、选择和/或优化合适的输出，用以计算例如LoA或从其派生的任何合适的指数。
在步骤5中生成LoAI指数。将在步骤4中获得的值与预定义的标度进行比较，所述标度取决于按照上文涉及评估协议的完善的部分中描述的过程(例如使用训练的机器学习模型和/或人工智能，基于反应数据和/或独立测量数据和/或参考数据)确定的受试者/干预特征。显然，评估协议的这样的完善(或者换言之优化)是指计算机实现的方法，其利用与如上关于图58-60所描述的类似的人工智能和/或数据挖掘。如将在下面描述的，根据特定实施方案，LoAI指数或任何备选的合适指数可以以这样的方式生成，即它与一个或多个预定范围和/或阈值相关，所述预定范围和/或阈值例如指示安全水平，并且优选地可以例如通过图形用户界面上的合适的符号或代码来显示。如将在下面进一步详细描述的，这样的安全水平可以例如指示开始、继续和/或停止治疗或任何其他适当动作的安全水平。根据这样的实施方案，因此提供了一种计算机实现的方法，其用于确定LoA或LoAI或任何其他合适的参数和/或指数的一个或多个这样的预定范围和/或阈值。优选地，提供了被配置为显示这样的预定范围和/或阈值的GUI。这些预定范围和/或阈值可以与受试者的安全水平有关。例如，安全水平用于开始、继续、停止治疗、医疗干预、运动表现、训练程序或可能影响受试者安全的任何其他适当动作。
在LoAI中，指数可以是基于群体的指数，或者换言之是绝对标度，其中将受试者与群体和/或任何其他合适的绝对参考进行比较。第一限度可以指示焦虑水平对应于如群体所确定的未经历焦虑或没有任何焦虑。第二限度可以指示焦虑水平对应于如群体所确定的经历最高可能水平的焦虑。中间值表示中等焦虑水平。
在LoAI中，指数可以是基于受试者的指数，或者换言之是相对标度，其中将每名受试者与自身进行比较。第一限度可以指示焦虑水平对应于如受试者本身所确定的未经历焦虑或没有任何焦虑。第二限度可以指示焦虑水平对应于如受试者本身所确定的经历最高可能水平的焦虑。
所述方法和系统可以确定预期的LoAI和/或比率，例如针对治疗环节之前、期间和/或之后的时间点，例如基于治疗环节之前、期间和/或之后已进行的治疗的特定阶段、动作等。例如，如果治疗包括催眠环节，则预期的LoAI可以根据催眠环节的阶段(例如阶段(i)至(iv)中的一个，如将在下面进一步详细描述的)以及例如根据这样的阶段内的位置来确定。例如，如果治疗包括药理学治疗环节，则预期的LoAI可以根据抗焦虑剂的剂量、滴定、施用时间来确定。预期的LoAI可以例如根据群体数据或受试者数据(即根据历史和/或先例数据)来确定。
因为施用的治疗并不总是得到预期的LoA，所以测量的LoA和预期的LoA之间的差异为用户提供了关于治疗的校正措施的指导。
显然还有另外的备选实施方案是可能的，其中提供了一种用于测量或者换言之确定和/或监测受试者的焦虑水平的计算机实现的方法，所述方法包括通过接收受试者的测量数据在受试者上应用根据上述一个或多个实施方案的用于测量焦虑水平的方法。
根据另一个方面，与如上描述的类似，因此还提供了一种用于确定和/或监测受试者在至少两个不同时间点(例如在治疗之前、期间和/或之后)的焦虑水平的方法。根据这样的方法，在至少两个不同时间点测量LoA，例如在治疗之前、期间和/或之后。基于在至少两个不同时间点处测量的至少两个LoA的比较，然后确定和/或监测LoA演变，例如治疗导致的LoA演变。然而，显然，可以进行这样的比较以确定LoA在任何合适的时间段期间的任何合适的演变。另外地和/或备选地，根据一些实施方案，也可以预测LoA。如例如下面关于图12进一步详细描述的，关于LoA的合适的多个历史数据点可以提供合适的趋势分析，例如基于与历史数据点的移动平均数、平均值或任何其他合适趋势相关的趋势，从而允许预测未来、预期或趋势数据点。显然，以这种方式可以完成对LoA演变的预测。历史数据点的预测分析可以通过任何合适的方法来完成，例如基于特定治疗的不同阶段或时间段期间的LoA演变之间的预定相关性，或者通过自学习、自优化算法、人工智能算法等，其已在历史数据集上训练以检测重复和/或可预测模式和/或相关性，从而允许评估测量数据中的可检测模式和/或相关性，从而允许基于测量数据确定当前和预测趋势。显然，历史数据点和/或从LoA测量和/或任何其他合适的测量产生的任何其他合适的数据的备选实施方案是可能的，以实现当前测量的预测分析。预测分析可以基于这样的数据，所述数据可以例如包括来自个体受试者、来自群体的历史数据、LoA演变的预定治疗相关模式等。根据另外的实施方案，另外地和/或备选地，可以基于在至少两个不同时间点处确定的至少两个LoA的汇总来汇总焦虑水平评分或LoAS。这样的与焦虑测量有关的汇总参数(诸如LoAS)可以用于确定慢性疼痛的影响，其中例如在较长时间段内(例如数小时和/或数天)连续测量焦虑水平，并且汇总的LoAS能够提供受试者经历的持续、慢性焦虑水平的影响的指标，而不是瞬时的焦虑峰值。这是有用的，因为即使是中等或低水平的焦虑，当长期经历时，也可能对受试者的生活质量产生很大影响，而例如短暂的、不频繁的焦虑爆发，即使当它们很强烈时，也更容易容忍。显然，这样的汇总形式也可以用于与本说明书中详述的焦虑水平有关的任何参数，和/或其缩放和/或指数化版本，诸如例如LoA(I)等，从而允许对应于这些参数的至少两个值的汇总的这些参数的类似评分。根据特定实施方案，LoA(I)S可以例如包括在预定时间段内LoA(I)值的汇总的任何合适的实施方案，诸如例如总和、平均值、平均数等，并且值可以例如类似于如下所描述的在系统的GUI中呈现，例如呈现汇总值，任选地与在其期间汇总LoA(I)的时间段相关。
根据一些治疗，诸如例如焦虑治疗，其中例如使用药理学和/或非药理学治疗来减少受试者正在经历的特定焦虑水平(例如通过抗焦虑剂)，显然治疗的目标是减少LoA，并且LoA的这种减少(例如在治疗期间和/或之后)对应于期望的治疗导致的LoA演变。然而，根据某些其他治疗，例如在镇静治疗的情况下，例如在外科手术治疗、牙科治疗等之前，可以期望也在治疗期间保留在其中受试者并未进行治疗的正常清醒状态下所经历的LoA。以这种方式，显然，期望的治疗导致的LoA演变是防止LoA增加，或防止LoA增加超过不希望的阈值。显然，根据这样的实施方案，治疗导致的LoA演变可以例如基于治疗之前和期间测量的LoA的比较，或者治疗之前和之后测量的LoA的比较，等等。因此，显然，根据其中治疗是减轻焦虑的治疗的实施方案，这样的焦虑治疗(诸如例如减轻焦虑、控制焦虑、预防焦虑或任何其他合适的焦虑治疗)的功效则可以基于治疗导致的LoA演变来确定和/或监测。换言之，当LoA充分减少时，例如充分减少至低于期望的阈值，或者当LoA并未不期望地增加时，例如并未不期望地增加至超过不期望的阈值。优选地，这种治疗导致的LoA演变允许优化和/或调整焦虑治疗，诸如例如减轻焦虑、控制焦虑、预防焦虑或任何其他合适的焦虑治疗。
还进一步地，显然，基于测量的LoA，可以确定治疗和/或确定对治疗的调整和/或确定治疗的强度。例如，较高的LoA值可能导致较高剂量的镇静剂或抗焦虑剂。根据另一个实例，如果特定的焦虑治疗不会导致LoA的降低，不会防止LoA的增加，那么可以开始备选治疗。药理学焦虑治疗的期望滴定水平或者非药理学治疗的期望强度(诸如例如催眠深度、非药理学焦虑管理治疗的强度)可以例如基于期望的LoA或治疗导致的LoA变化而增加或降低。根据另外的实施方案，基于测量的和/或期望的LoA，可以做出选择和/或调整和/或替换特定焦虑管理治疗和/或焦虑管理治疗的任何组合和/或混合的决定，诸如例如一种或多种药理学和/或非药理学焦虑管理治疗。
本文描述了一种或多种指数，其是指示受试者的疼痛水平或意识状态已被治疗环节改变的水平或程度的标准化指数。通常，与参考相比，指数是标准化或归一化的。如上所提及的，这样的参考例如可以是基于受试者的或基于群体的。
本文所述的指数包括催眠深度指数(DoHI)、状态深度指数(DoSI)、解离深度指数(DoDI)、疼痛水平指数(LoPI)、焦虑水平指数(LoAI)。
焦虑水平指数(LoAI)是指示受试者经历的焦虑水平的焦虑水平(LoA)的标准化指数。这样的指数还允许确定与参考状态相比，LoA被例如治疗环节(特别是药理学和/或非药理学治疗环节)改变了多少。
疼痛水平指数(LoPI)是指示受试者有意识感知的疼痛水平的疼痛水平(LoP)的标准化指数。这样的指数还允许确定与参考状态相比，LoP被例如治疗环节(特别是药理学和/或非药理学治疗环节)改变了多少。
状态深度指数(DoSI)是状态深度(DoS)的标准化指数，其指示与参考状态相比，受试者的意识状态已被例如作为非药理学(例如催眠)治疗环节的治疗环节和/或药理学治疗环节改变的水平或程度。
催眠深度指数(DoHI)是催眠深度(DoH)的标准化指数，其指示与参考状态相比，受试者的意识状态已被非药理学(例如催眠)的治疗环节改变的水平或程度。
解离深度指数(DoDI)是解离深度(DoD)的标准化指数，其指示与参考状态相比，受试者的解离已被治疗环节(特别是非药理学治疗环节)改变的水平或程度。
指数(例如DoHI、DoSI、DoDI、LoPI、LoAI中的一个或多个)可以具有带有第一和第二限度的标度。第一限度可以表示最低疼痛水平，或者备选地与无疼痛或意识的正常清醒状态相关联的最低疼痛水平，并且第二限度可以表示与参考状态相比时的最高疼痛水平或最深的改变的意识状态。第一限度可以表示受试者和/或群体的初始状态或参考状态。第一限度可以表示正常疼痛水平或正常清醒状态或仅轻微改变的意识状态，并且第二限度可以表示最高疼痛水平或完全或深度改变的意识状态。第一限度可以表示正常疼痛水平，并且第二限度可以表示显著增加的疼痛水平。第一限度可以表示轻微恍惚(trance)水平，并且第二限度可以表示深度恍惚水平，或者反之亦然。第一和第二限度可以分别用数字表示，例如0至20、20至0、0至60、60至0、0至100、100至0、0至1、1至0。第二限度可以高于第一限度，或者第一限度可以高于第二限度。为第二限度选择更大的数字可能取决于受试者或用户的观点。麻醉师可能偏好第一限度(例如1、60、100、100％)高于第二限度(例如0、0％)。后者例如在本说明书中关于DoS的一些实施方案中示出，其中正常清醒状态或具有高/增加/最大的意识水平的状态对应于例如100％的DoS，其然后是第一限度的一个实施方案，并且其中深度解离状态/沉浸状态或具有低/降低/最小的意识水平的状态对应于例如0％的DoS，其然后是第二限度的一个实施方案。
例如，当疼痛水平、焦虑水平和/或意识状态的感知被充分改变以获得期望的镇痛、抗焦虑和/或麻醉效果时，具有朝向第二限度的指数(例如DoSI、DoHI、DoDI)以及保持更接近第一限度的LoPI和/或LoAI的受试者可以通过外科手术安全地进行手术。
指数可以具有第一限度至第二限度的标度；标度可以是线性的、对数的或其他的。标度可以是连续的、分类的、离散的、百分比的、比率的。
指数(例如DoHI、DoSI、DoDI、LoPI、LoAI中的一个或多个)可以指示受试者的多个不同意识水平，诸如例如状态深度(DoSI)、解离深度(DoDI)，或者可以指示受试者的多个不同疼痛水平(LoPI)，或者可以指示受试者的多个不同焦虑水平(LoAI)。级别数可以是任意的，例如3至10个级别，优选地4至8个级别。可以存在4、6或8个级别。级别可以在第一和第二限度内划分。划分可以是均等的(线性的)、对数的或根据其他方案。最低级别(例如1级)可以与第一限度相关或包含第一限度，最高级别(例如4级)可以与第二限度相关或包含第二限度。当指数为100(第一限度)和0(第二限度)之间的值并且级别数为4时，4个级别可以是100至76(1级)，75至51(2级)，50至26(3级)，25至0(4级)。可以理解，级别的端点可以允许到下一个级别的连续数字标度(不间断)。当指数为100(第一限度)和0(第二限度)之间的值并且级别数为8时，8个级别可以是100至87.5(1级)，87.5至75(2级)，75至62.5(3级)，62.5至50(4级)，50至37.5(5级)，37.5至25(6级)，25至12.5(7级)，12.5至0(8级)。技术人员根据情况将能够确定标度的范围(例如100至0，或60至0)、标度内的级别数(例如4、6或8)、标度类型(例如线性、对数)以及级别之间的界限。
指数可以是基于受试者的指数，其中将每名受试者的状态与受试者本身或一组受试者或一个或多个特定群体的参考状态进行比较。指数可以是基于群体的指数，其中将每名受试者的状态与基于群体的参考进行比较。显然，备选地，指数也可以根据绝对标度进行缩放。显然，可以使用相对、绝对、基于个体和/或基于群体的任何合适的组合来缩放指数。
对于基于受试者的指数，参考状态(例如LoA、LoP、DoS、DoD、DoH中的一个或多个的参考值)例如在治疗环节之前针对受试者测量。在治疗环节期间或之后，基于包括测量数据的反应数据，测量受试者的一个或多个LoA、LoP、DoS、DoD、DoH的实时值。在治疗环节期间，基于参考值和实时LoA、LoP、DoS、DoD、DoH值之间的比较，计算LoAI、LoPI、DoSI、DoDI、DoHI中的一个或多个的实时值。
对于基于群体的指数，参考状态(例如LoA、LoP、DoS、DoD、DoH中的一个或多个的参考值)例如从数据库中提取。数据库例如包括基于群体研究的参考值。参考值可以根据某些因素(包括年龄、性别、种族、干预特征)而不同，因此参考值可以根据受试者和/或用户而进行调整。在治疗环节期间或之后，基于包括测量数据的反应数据，测量受试者的一个或多个LoA、LoP、DoS、DoD、DoH的实时值。在治疗环节期间或之后，基于包括基于群体的参考值的数据库和实时LoA、LoP、DoS、DoD、DoH值之间的比较，计算LoAI、LoPI、DoSI、DoDI、DoHI中的一个或多个的实时值。
显然，备选地，例如LoP和/或LoA可以根据基于受试者或基于群体的绝对标度进行缩放，使得不需要进一步的参考测量，并且例如测量LoP和/或LoA以确定实时值可以在无需任何治疗环节的情况下进行。换言之，使用基于受试者或绝对和/或基于群体的标度，可以在任何合适的环境中测量LoP和/或LoA。
可以使用评估协议将反应数据转换成指数，例如转换成LoAI、LoPI、DoDI、DoHI、DoSI。评估协议可以包括使用数学(例如统计)模型、训练的机器学习模型、数学指标、参考数据中的一种或多种。评估协议将反应数据作为输入，并且输出指数。
评估协议可以包括从反应数据中提取以下中的一个或多个的步骤：
-第1组指标和任选地第2组指标，用于确定DoS(I)；
-第4组指标和任选地第3组指标和/或第5组指标，用于确定LoP(I)；和/或
-第8组指标和任选地第6组指标、第7组指标、第9组指标、第10组指标和/或第11组指标，用于确定LoA(I)。
测量数据可以包括一个或多个数据成分。数据成分归于单个测量数据，例如EEG数据、EMG数据、肌肉活动数据、EDA数据、ECG数据、心血管数据、呼吸数据、眼运动数据、EOG数据、体温数据……；单个观察数据，例如运动、肤色……；或单个自我报告事件数据，例如自我报告的焦虑水平、自我报告的疼痛感知水平、自我报告的解离水平……。
评估协议可以对反应数据的数据成分进行相等或不同的加权。赋予数据成分的加权尤其取决于成分的关联性和精确性。例如，评估协议可以赋予EEG数据更高的评级，反映了其高关联性和精确性。评估协议可以使用关联性和精确性较低但仍足以指示情况的数据成分。在某些情况下，反应数据可以包括较少数量的数据成分，所述数据成分具有足以指示情况的高关联性和精确性。在某些情况下，反应数据可以包括较多数量的数据成分，所述数据成分具有足以指示情况的低关联性和精确性。
随着更多受试者使用所述方法进行评估，可以完善评估协议。完善评估协议的方法可以包括：
-接收受试者的反应数据，例如表示受试者对治疗环节的反应，
-接收LoA(I)、LoP(I)、DoS(I)、DoD(I)、DoH(I)中的一个或多个的独立测量数据，
-使用反应数据和独立测量数据来完善评估协议。
完善评估协议的方法可以包括：
-接收受试者的测量反应数据，例如表示受试者对治疗环节的反应，
-接收LoA、LoP、DoS、DoH和/或DoD的自我报告测量结果和/或观察测量结果；
-接收LoA(I)、LoP(I)、DoS(I)、DoH(I)和/或DoD(I)的独立测量数据；
-使用反应数据、自我报告数据和/或观察数据以及独立测量数据来完善评估协议。
评估协议可以另外地或备选地使用分析学来完善。在一个或多个先前测量和/或一个或多个先前治疗环节之前、期间和/或之后收集的数据可以帮助完善评估协议。
随着评估协议的创建和/或完善，显然，反应数据的一个或多个数据成分在确定和/或监测疼痛水平或例如疼痛水平的改变(通过药理学和/或非药理学治疗，例如涉及受试者的意识状态的改变)方面变得多余。根据优选实施方案，测量数据、观察数据和反应数据中的至少一个(优选地全部)用于创建和/或完善评估协议。根据优选实施方案，在用于测量LoP的方法中仅使用测量数据。
下面给出用于确定LoPI的评估协议的一个实施方案。一般而言，其可以包括例如5个主要步骤：
步骤1：接收并数字化包括EEG数据的反应数据，例如在治疗环节期间。EEG数据可以例如由C-EEG、P-EEG和F-EEG电极中的一个或多个或任何其他合适的EEG电极提供，并且任选地由一个或多个EMG电极提供。
步骤2：
从数字化反应数据中生成第4组指标功率(ta)，例如C-功率(ta)、P-功率(ta)、F-功率(ta)中的一个或多个，和/或
第3组指标MSPA，例如C-MSPA、P-MSPA、F-MSPA中的一个或多个，和/或
第5组指标EMG，例如EMG-MSPA。
步骤3：使用例如积分分析生成一个或多个指标值，其意指任何组指标的值，诸如例如来自步骤2)的第4组指标、第3组指标、第5组指标或任何其他合适的组指标。
步骤4：将步骤3)的值与参考值(例如基于群体的指数或基于受试者的指数，诸如上述那些)进行比较。
步骤5：从步骤4)获得LoPI指数，例如标度0至20的一个数字，或者一个词，或者类别。
在步骤2中，数字化反应数据可以经历预处理协议，包括重新参考平均参考、带通和/或陷波滤波以排除低频和高频伪影、将信号分割成所谓的出现时间(epoch)(＝多组x秒时间窗)、伪影排除(眼部、肌肉……)和基线调整。对于EEG信号的时域分析，通常进行峰值检测以确定峰值振幅和潜伏期(如果是多个出现时间，则采用时间序列的形式)，并且进行数学转换(例如：如果是多个出现时间，则为均值或变化变量)。对于EEG信号的频域分析：通常存在进行频率转换(例如傅立叶变换)的时间，提取相关频带(例如θ-α(ta))，确定每个频带(以及每个出现时间)的振幅/功率和相位，并且进行数学转换(例如：如果是多个出现时间，则为均值)。根据一个实施方案，例如如果在用于测量MSPA的时间窗中只有单一峰，则MSPA等于信号的峰-峰振幅。根据这样的实施方案，例如如果在用于测量MSPA的时间窗中信号存在多个峰，则MSPA将以信号的这些峰中的多个峰的各个峰-峰振幅的平均值、平均数、加权平均值等计算。根据这样的实施方案，用于测量的时间窗可以例如在0.01s至10s的范围内，诸如例如在0.1s至5s的范围内。
对于每对EMG电极，或每个EMG电极，如果只有一个，(并且每个出现时间)信号在时域中进行分析，检测峰值，确定平均信号峰-峰振幅(MSPA)和MSPA潜伏期，进行数学转换(例如：如果是多个出现时间，则为均值)。
由此，获得至少一个电极的以下特征中的至少一者：MSPA振幅、MSPA功率、MSPA潜伏期、θ-α(ta)频带相关振幅/功率、θ-α(ta)频带相关相位、EMG MSPA、EMG MSPA潜伏期。例如，可以存在归一化步骤来校正干预时间，以确保每名受试者的贡献类似。
在步骤3中，使用积分分析生成一个或多个组指标值，例如使用等式：
Figure BDA0004113230540001011
其中αi是随群体规模和特征演变的任选参数，并且可以使用基于反应数据和/或LoP的独立测量数据的学习过程确定，fi是使用基于反应数据和/或LoP的独立测量数据的学习过程确定的函数，Fi，s，[t′，t]是从时间t’到时间t(t’＜t)并且针对受试者的从点2获得的一个或多个特征值。上面提及的[t’-t]区间意指在时间t处的LoP值可以基于从若干Fi,s,t值中提取的特征来计算。例如，基于过去x毫秒取平均值和标准偏差使得更灵敏和更稳健地确定LoP。显然，[t’-t]区间因此是指上面提及的时间窗。
在步骤4中，将值与参考值进行比较。
如果指数是基于受试者的指数(每名受试者都是其自身的对照)，
Figure BDA0004113230540001021
如果指数是绝对的和/或基于群体的并且受试者s是群体p的一部分，
Figure BDA0004113230540001022
其中S是放大参数，β是使用基于反应数据和/或LoP的独立测量数据的学习过程确定的考虑群体特征(年龄、性别、种族……)的参数，
Figure BDA0004113230540001023
是基于个体/受试者的参考状态，
Figure BDA0004113230540001024
是使用基于反应数据和/或LoP的独立测量数据的学习过程的绝对/基于群体的参考状态，并且K是允许基于用户偏好调整阈值的“转换(translation)”参数。
下文给出了基于实验的用于确定LoP的步骤1至4的实例，与如上参考图1所描述的类似。
在测试阶段520的第二环节540期间对一名特定受试者进行实验，所述第二环节540包括自动催眠治疗环节548，其使用包括虚拟现实头戴设备的系统传送，如上文进一步详细地描述的。在实验的该实施方案中，受试者是一名25岁的女性，应用的时间窗是2秒，参考刺激开始从-0.5s到1.5s。
步骤1：根据该实施方案，接收并数字化EEG数据和EMG数据。
步骤2.根据该实施方案，存在：
-从C、P和F电极生成的第4组指标，如下：C-功率(ta)＝0.25mV2，P-功率(ta)＝0.52mV2，并且F-功率(ta)＝0.19mV2，
-从C、P和F电极生成的第3组指标，如下：C-MSPA＝1.63mV，P-MSPA＝1.28mV，并且F-MSPA＝1.44mV，以及
-生成的第5组指标，如下：EMG-MSPA＝20.25mV。
步骤3：现在将描述代表模型或评估模型或评估协议的实施方案的上述等式的一个实施方案的实例。该评估协议例如使用配置有人工智能模块的计算系统构建，所述人工智能模块诸如例如机器学习模块，其例如通过诸如例如图1或任何其他合适方式中描述的实验(诸如例如作为临床实践中数据收集的一部分)接收对其进行研究的群体的数字化EEG数据和EMG数据，并且计算将该数据与所述群体的受试者报告的LoP相关联的模型。等式的这样的实施方案的一个实例如下所示：
LoP＝0.07*F-MSPA+0.24*C-MSPA+0.024*P-MSPA-10.38*F-功率(ta)-2.64*C-功率(ta)-0.07*P-功率(ta)+0.2*EMG-MSPA＝1.92。或者换言之，根据该特定实施方案，LoP＝第3组指标+第4组指标+第5组指标，其中：
-第3组指标是F-MSPA、C-MSPA和P-MSPA，
-第4组指标是F-功率(ta)、C-功率(ta)、P-功率(ta)；并且
-第5组指标是EMG-MSPA，
-数值为上述公式中的αi参数，并且
-fi在该特定实例中是统一的函数。
然而，显然备选实施方案是可能的。进一步地，显然，根据该实施方案，LoP值是在0-10的标度上计算的，以便与受试者在实验期间报告的VAS疼痛量表值的标度相关联。
图58示出了示例性的实施方案，其中计算机实现的方法利用人工智能或任何合适的数据挖掘方法来处理来自包括接收数据诸如EEG数据、EMG数据……的数据库的数据，任选地与来自临床观察的数据相组合，诸如例如受试者报告的疼痛水平，以便计算基于将该数据与报告的疼痛水平相关的模型。数据库中的数据和来自临床观察的数据可以例如来自以上图1或任何其他方式中描述的实验，诸如例如作为临床实践中、性能监测期间等的数据收集的一部分。显然，根据上述实例，数据库包括EEG数据、EMG数据等，其涉及利用非药理学镇静、和/或与特别感兴趣的其他形式的治疗组合的非药理学镇静、和/或作用于疼痛的任何其他治疗的实践或实验。以这种方式，AI或数据挖掘的计算机实现的方法能够计算、选择和优化合适的模型，诸如例如基于本说明书中描述的合适的组指标，或者换言之，通过基于来自例如EEG、EMG、ECG、EOG、呼吸、皮肤电传导……的数据的合适的生物标志物，如例如本说明书中所描述的。显然，以这种方式可以计算、选择和/或优化用于计算例如LoP或从其导出的任何合适指数的合适模型。
步骤4：根据特定实施方案，可以计算基于受试者的指数，其通过上面提及的公式在0-100的标度上呈现。显然，备选实施方案是可能的，其中使用了其他合适的标度。根据这样的实施方案：
-参数S＝10，以允许将步骤3的LoP(根据该实施方案在0-10的标度上计算)缩放到0-100的标度；
-参数β＝1，其意指不存在群体群组，或者换言之，计算了基于受试者的指数；
-参数k＝-0.22，以确保计算值的基于用户偏好的转换(translation)，使得计算指数的一个或多个具体值对应于自我报告的疼痛水平的一个或多个具体值。例如，在下面的实例中，例如确定k，使得在0-100的标度上计算的指数为18.78对应于在0-10的标度上自我报告的疼痛水平为2
-LoP*＝3.80，其是指基于个体/受试者的参考状态。根据一个实施方案，可以基于在实验的校准阶段510期间的接收数据和/或在没有疼痛刺激的时期期间获得的数据，例如通过在步骤3中引用的相同模型，或者以任何其他合适的方式，来计算该参考状态；
-LoP＝1.92，例如参考步骤3如上所描述的计算，
根据上述公式，根据该实施方案得出ΔrLoP＝18.78。
为了证明该实施方案的评估模型的准确性，在图62的箱线图中示出了自我报告的疼痛水平与使用评估协议的该实施方案计算的LoP之间的差异的图表。根据图62的实施方案，模型的该实施方案被应用到实验的一个实施方案的群体的数据，以进行具有12名受试者(或者换言之n＝12)的群体研究。图62中的箱线图表示位于整个研究群体的自我报告LoP和计算LoP之间的测量差异所处的范围。显然，对于该实施方案，如上所述，自我报告和计算的LoP在0-10的标度上。显然，箱线图显示了，对于这种差异：
-最小值(Q0或第0个百分位数)：排除任何异常值的最低数据点。
-最大值(Q4或第100个百分位数)：排除任何异常值的最大数据点。
-中位数(Q2或第50个百分位数)：数据集的中间值。
-第一四分位数(Q1或第25个百分位数)：也被称为下四分位数qn(0.25)，其是数据集的下半部分的中位数。
-第三四分位数(Q3或第75个百分位数)：也被称为上四分位数qn(0.75)，其是数据集的上半部分的中位数。
如所示出的，差异具有约-0.7至约+1.2的窄四分位距范围。
图58示出了示例性的实施方案，其中计算机实现的方法利用人工智能或任何合适的数据挖掘方法来处理来自包括接收数据诸如EEG数据、EMG数据……的数据库的数据，任选地与来自临床观察的数据相组合，诸如例如受试者报告的疼痛水平，以便确定一个或多个个体的合适群组，其如例如图60的实施方案所示可以随后用于将该数据与这些个体的报告疼痛水平相关(考虑确定的群组)。
如图59所示，与如上参考图58所讨论的类似，数据库中的数据和来自临床观察的数据可以例如来自以上图1或任何其他方式中描述的实验，诸如例如作为临床实践中、性能监测期间等的数据收集的一部分。显然，根据上述实例，数据库包括EEG数据、EMG数据等，其涉及利用非药理学镇静、和/与特别感兴趣的其他形式的治疗组合的非药理学镇静、和/或作用于疼痛的任何其他治疗的实践或实验。然而，显然，数据库数据包括与医学领域内外的任何合适的应用相关的任何合适的生理数据是可能的。以这种方式，AI或数据挖掘的计算机实现的方法(也称为CII方法)能够计算、选择和优化与包括至少一个共享特征的个体组有关的合适群组。如所示出的，在确定用于确定群组的特征时可以考虑的示例性因素例如是年龄、性别、状况或任何其他合适的因素。示例性的年龄群组可以例如是儿童、青少年、成人和老年人，诸如例如通过合适的年龄范围确定的。示例性的性别群组可以例如是男性和女性。示例性的状况群组可以例如是：精神状况、神经系统疾病和/或问题、心理状态等。显然，对于用于确定合适群组和/或特定示例性群组的因素，另外的备选实施方案是可能的。如进一步示出的，这样的AI CII方法然后还可以用于例如基于与一个或多个个体有关的数据确定该一个或多个个体属于哪个群组。显然，这些群组也可以被称为群体群组或群体。根据备选实施方案，这样的AI CII方法还可以用于基于来自数据库的数据来选择、计算和/或优化因子，以确定最相关的群组。
如图60所示，并且如涉及上述基于群体的指数的公式的示例性实施方案的，AICII方法可以利用这些群组以基于合适的模型计算合适的输出，诸如例如LoP或从其派生的任何合适的指数。显然，以这种方式，基于来自个体的数据，包括基于来自例如EEG、EMG、ECG、EOG、呼吸、皮肤电传导……的数据的合适的生物标志物，如例如本说明书中描述的，可以计算、选择和/或优化合适的输出，用以计算例如LoP或从其派生的任何合适的指数。
在步骤5中生成LoPI指数。将在步骤4中获得的值与预定义的标度进行比较，所述标度取决于按照上下文涉及评估协议的完善的部分中描述的过程(例如使用训练的机器学习模型和/或人工智能，基于反应数据和/或独立测量数据和/或参考数据)确定的受试者/干预特征。显然，评估协议的这样的完善(或者换言之优化)是指计算机实现的方法，其利用与如上关于图58-60所描述的类似的人工智能和/或数据挖掘。如将在下面描述的，根据特定实施方案，LoPI指数或任何备选的合适指数可以以这样的方式生成，即它与一个或多个预定范围和/或阈值相关，所述预定范围和/或阈值例如指示安全水平，并且优选地可以例如通过图形用户界面上的合适的符号或代码来显示。如将在下面进一步详细描述的，这样的安全水平可以例如指示开始、继续和/或停止治疗或任何其他适当动作的安全水平。根据这样的实施方案，因此提供了一种计算机实现的方法，其用于确定LoP或LoPI或任何其他合适的参数和/或指数的一个或多个这样的预定范围和/或阈值。优选地，提供了被配置为显示这样的预定范围和/或阈值的GUI。这些预定范围和/或阈值可以与受试者的安全水平有关。例如，安全水平用于开始、继续、停止治疗、医疗干预、运动表现、训练程序或可能影响受试者安全的任何其他适当动作。
在LoPI中，指数可以是基于群体的指数，或者换言之是绝对标度，其中将受试者与群体和/或任何其他合适的绝对参考进行比较。第一限度可以指示疼痛水平对应于如群体所确定的未感知到疼痛或没有任何疼痛。第二限度可以指示疼痛水平对应于如群体所确定的感知到最高可能水平的疼痛。中间值表示中等疼痛水平。
在LoPI中，指数可以是基于受试者的指数，或者换言之是相对标度，其中将每名受试者与自身进行比较。第一限度可以指示疼痛水平对应于如受试者自身所确定的未感知到疼痛或没有任何疼痛。第二限度可以指示疼痛水平对应于如受试者自身所确定的感知到最高可能水平的疼痛。
评估协议可以包括从反应数据中提取第1组指标、第2组指标以确定DoS(I)、DoD(I)和/或DoH(I)的实施方案的步骤。
下面给出用于确定DoDI的评估协议的一个实例。一般而言，其可以包括5个主要步骤：
步骤1：接收并数字化来自F-EEG电极和任选地P-EEG电极的治疗环节期间的反应数据。
步骤2：
从数字化反应数据中生成第1组指标即F-功率(dt)和任选地P-功率(dt)，和/或
第2组指标即F-MSPA。
步骤3：使用例如积分分析生成一个或多个来自步骤2)的指标值。如上关于第1组指标所解释的，当在步骤2中使用P-功率(dt)时，则其总是与F-功率(dt)组合并且具有低于F-功率(dt)的权重。
步骤4：将步骤3)的值与参考值(基于群体的指数或基于受试者的指数)进行比较。
步骤5：从步骤4)获得DoDI指数，例如标度0至20的一个数字，或者一个词，或者类别。
在步骤2中，数字化反应数据可以经历预处理协议，包括重新参考平均参考、带通和/或陷波滤波以排除低频和高频伪影、将信号分割成所谓的出现时间、伪影排除(眼部、肌肉……)和基线调整。分割成出现时间是指其中从连续EEG信号中提取特定时间窗的程度。这些时间窗被称为“出现时间”，并且通常对于事件(例如电刺激)是时间锁定的。基于出现时间测量ERP或MSPA。对于EEG信号的时域分析，通常进行峰值检测以确定峰值振幅和潜伏期(如果是多个出现时间，则采用时间序列的形式)，并且进行数学转换(例如：如果是多个出现时间，则为均值或变化变量)。对于EEG信号的频域分析：通常存在进行频率转换(例如傅立叶变换)的时间，提取相关频带(例如δ-θ(td))，确定每个频带(以及每个出现时间)的振幅/功率和相位，并且进行数学转换(例如：如果是多个出现时间，则为均值)。由此，获得至少一个电极的以下特征中的至少一者：δ-θ(td)频带相关振幅/功率、δ-θ(td)频带相关相位、EEG平均信号峰-峰振幅(MSPA)、EEG MSPA潜伏期。例如，可以存在归一化步骤来校正干预时间，以确保每名受试者的贡献类似。
在步骤3中，使用积分分析生成一个或多个组指标值，例如使用等式：
Figure BDA0004113230540001081
其中αi是随群体规模和特征演变的任选参数，并且可以使用基于反应数据和/或DoD的独立测量数据的学习过程确定，fi是使用基于反应数据和/或DoD的独立测量数据的学习过程确定的函数，Fi，s，[t′，t]是从时间t’到时间t(t’＜t)并且针对受试者的从点2获得的一个或多个特征值。上面的[t’-t]区间意指在时间t处的解离值可以基于从若干Fi,s,t值中提取的特征来计算。例如，基于过去x毫秒取平均值和标准偏差使得更灵敏和更稳健利地确定DoDI。显然，[t’-t]区间因此是指上面提及的时间窗。
在步骤4中，将值与参考值进行比较。
如果指数是基于受试者的指数(每名受试者都是其自身的对照)，
Figure BDA0004113230540001082
如果指数是基于群体的(绝对)并且受试者s是群体p的一部分，
Figure BDA0004113230540001091
其中S是放大参数，β是使用基于反应数据和/或DoD的独立测量数据的学习过程确定的考虑群体特征(年龄、性别、种族……)的参数，
Figure BDA0004113230540001092
是基于个体/受试者的参考状态，
Figure BDA0004113230540001093
是使用基于反应数据和/或DoD的独立测量数据的学习过程确定的绝对/基于群体的参考状态，并且K是允许基于用户偏好调整阈值的“转换(translation)”参数。
在步骤5中生成DoDI指数。将在步骤4中获得的值与预定义的标度进行比较，所述标度取决于按照以下完善协议中描述的过程(使用训练的机器学习模型和/或人工智能，基于收集的测量数据、观察数据和自我报告数据/参考数据)确定的受试者/干预特征。
在DoDI中，指数可以是基于群体的指数_(绝对标度，受试者与群体进行比较)。第一限度可以表示“未解离”，或对于来自实际环境的刺激和/或对于内部事件的全部注意力。第二限度可以表示“最完全解离”，或对于来自实际环境的刺激和/或对于内部事件的完全失去注意力；受试者完全具有存在于另一个现实的感觉。中间值表示中等解离水平，其是对于来自实际环境的刺激和/或对于内部事件的失去注意力的中等水平。
在DoDI中，指数可以是基于受试者的指数(相对标度，每名受试者与自身进行比较)。第一限度可以指示受试者如最初那样解离(参考状态)。受试者对于来自实际环境的刺激和/或对于内部事件的失去注意力的程度与治疗环节之前相同。第二限度可以指示受试者完全解离。受试者对于来自实际环境的刺激和/或对于内部事件的失去注意力的程度是最大的(对于自身)；受试者完全具有存在于另一个现实的感觉。中间值表示中等解离水平，其是对于来自实际环境的刺激和/或对于内部事件的失去注意力的中等水平。
下面给出用于确定DoHI的评估协议的一个实例。在该协议中，步骤1和2从反应数据中生成一个或多个组指标。一般而言，其可以包括5个主要步骤：
步骤1：接收并数字化来自F-EEG电极和任选地P-EEG电极的治疗环节期间的反应数据；
步骤2：生成第1至2组指标中的一个或多个；如上关于第1组指标所解释的，当在步骤2中使用P-功率(dt)时，则其总是与F-功率(dt)组合并且具有低于F-功率(dt)的权重。
步骤3：使用例如积分分析生成一个或多个来自步骤2)的指标值。
步骤4：将步骤3)的值与参考值(基于群体的指数或基于受试者的指数)进行比较。
步骤5：从步骤4)获得DoHI指数，例如标度0至20的一个数字，或者一个词，或者类别。
备选地，用于确定DoHI的评估协议可以基于已经生成的DoDI中的一个或多个。步骤1和2可以替换为获得一个或多个DoDI并且将它们归一化的步骤。
步骤1：获得DoDI；
步骤2：将一个或多个DoDI归一化；
步骤3：使用例如积分分析生成一个或多个来自步骤2)的指标值。
步骤4：将步骤3)的值与参考值(基于群体的指数或基于受试者的指数)进行比较。
步骤5：从步骤4)获得DoHI指数，例如标度0至20的一个数字，或者一个词，或者类别。
在步骤2中，归一化步骤是将一个或多个DoDI带入可比较标度的转换。
在步骤3中，使用积分分析生成一个或多个指标值，例如使用以下等式：
Figure BDA0004113230540001101
其中αi是随群体规模和特征演变的任选参数，并且可以使用基于反应数据和/或计算的DoD、DoH和/或DoD、DoH的独立测量数据的学习过程确定，fi是使用基于反应数据和/或计算的DoD、DoH和/或DoD、DoH的独立测量数据的学习过程确定的函数，Fi，s，[t′，t]是从时间t’到时间t(t’＜t)并且针对受试者的从点2获得的一个或多个特征值。显然，[t’-t]区间因此是指上面提及的时间窗。
在步骤4中，将值与参考值进行比较。
如果指数是基于受试者的指数(每名受试者都是其自身的对照)，
Figure BDA0004113230540001111
如果指数是基于群体的(绝对)并且受试者s是群体p的一部分，
Figure BDA0004113230540001112
其中S是放大参数，β是使用基于反应数据和/或计算的DoD、DoH和/或DoD、DoH的独立测量数据的学习过程确定的考虑群体特征(年龄、性别、种族……)的参数，
Figure BDA0004113230540001113
是基于个体/受试者的参考状态，/>
Figure BDA0004113230540001114
是使用基于反应数据和/或计算的DoD、DoH和/或DoD、DoH的独立测量数据的学习过程确定的绝对/基于群体的参考状态，并且K是允许基于用户偏好调整阈值的“转换(translation)”参数。
在步骤5中生成DoHI指数。将在步骤4中获得的值与预定义的标度进行比较，所述标度取决于按照以下在“完善评估协议”部分中描述的过程(使用训练的机器学习模型和/或人工智能，基于收集的测量数据、观察数据和自我报告数据/参考数据)确定的受试者/干预特征。
在DoHI中，指数可以是基于群体的指数(绝对标度，受试者与群体进行比较)。第一限度可以指示受试者意识水平类似于正常清醒受试者的通常观察到的意识水平。第二限度可以表示最深的改变的意识状态，或完全降低的外周刺激感知和受试者对自我和环境中的自我的感知改变。中间值表示改变的意识状态的中等水平。
在DoHI中，指数可以是基于受试者的指数(相对标度，每名受试者与自身进行比较)。第一限度可以指示与参考状态相比，受试者的意识状态并未(或并未显著)改变；与参考状态相比，受试者的外周刺激感知以及对自我和环境中的自我的感知二者并未改变。第二限度可以指示与参考状态相比，受试者的意识状态完全/深度改变。中间值表示改变的意识状态的中等水平。
下面给出用于确定DoSI的评估协议的一个实例。在该协议中，步骤1和2从反应数据中生成一个或多个组指标1至2。一般而言，其可以包括5个主要步骤：
步骤1：接收并数字化来自F-EEG电极和任选地P-EEG电极的治疗环节期间的反应数据。
步骤2：生成第1至2组指标中的一个或多个；如上关于第1组指标所解释的，当在步骤2中使用P-功率(dt)时，则其总是与F-功率(dt)组合并且具有低于F-功率(dt)的权重。
步骤3：使用例如积分分析生成一个或多个来自步骤2)的指标值。
步骤4：将步骤3)的值与参考值(基于群体的指数或基于受试者的指数)进行比较。
步骤5：从步骤4)获得DoSI指数，例如标度0至20的一个数字，或者一个词，或者类别。
备选地，用于确定DoSI的评估协议可以基于已经生成的DoDI中的一个或多个。步骤1和2可以替换为获得一个或多个DoDI并且将它们归一化的步骤。
步骤1：获得DoDI。
步骤2：将一个或多个DoDI归一化。
步骤3：使用例如积分分析生成一个或多个来自步骤2)的指标值。
步骤4：将步骤4)的值与参考值(基于群体的指数或基于受试者的指数)进行比较。
步骤5：从步骤3)获得DoSI指数，例如标度0至20的一个数字，或者一个词，或者类别。
备选地，用于确定DoSI的评估协议可以基于已经生成的DoDI中的一个或多个。步骤1和2可以替换为获得一个或多个DoDI并且将它们归一化的步骤。
步骤1：获得一个或多个DoDI(药理学诱导的意识状态的测量结果，通过其他治疗诱导的意识状态的测量结果)；
步骤2：归一化一个或多个DoDI(药理学诱导的意识状态的测量结果，通过其他治疗诱导的意识状态的测量结果)；
步骤3：使用例如积分分析生成一个或多个来自步骤2)的指标值。
步骤4：将步骤4)的值与参考值(基于群体的指数或基于受试者的指数)进行比较。
步骤5：从步骤3)获得DoSI指数，例如标度0至20的一个数字，或者一个词，或者类别。
在步骤2中，归一化步骤是将一个或多个DoDI(药理学诱导的意识状态的测量结果，通过其他治疗诱导的意识状态的测量结果)带入可比较标度的转换。
在步骤3中，使用积分分析生成一个或多个组指标值，例如使用等式：
Figure BDA0004113230540001131
其中αi是随群体规模和特征演变的任选参数，使用基于反应数据和/或计算的DoD、DoH、DoS(药理学诱导的意识状态的测量结果，通过其他治疗诱导的意识状态的测量结果)中的一个或多个和/或DoD、DoH、DoS(药理学诱导的意识状态的测量结果，通过其他治疗诱导的意识状态的测量结果)中的一个或多个的独立测量数据的学习过程，fi是使用基于反应数据和/或计算的DoD、DoH、DoS(药理学诱导的意识状态的测量结果，通过其他治疗诱导的意识状态的测量结果)中的一个或多个和/或DoD、DoH(药理学诱导的意识状态的测量结果，通过其他治疗诱导的意识状态的测量结果)中的一个或多个的独立测量数据的学习过程确定的函数，Fi，s，[t′，t]是从时间t’到时间t(t’<t)并且针对受试者的从点2获得的一个或多个特征值。显然，[t’–t]区间因此是指上面提及的时间窗。
在步骤4中，将值与参考值进行比较。
如果指数是基于受试者的指数(每名受试者都是其自身的对照)，
Figure BDA0004113230540001141
如果指数是基于群体的(绝对)并且受试者s是群体p的一部分，
Figure BDA0004113230540001142
其中S是放大参数，β是使用基于反应数据和/或计算的DoD、DoH、DoS(药理学诱导的意识状态的测量结果，通过其他治疗诱导的意识状态的测量结果)和/或DoD、DoH(药理学诱导的意识状态的测量结果，通过其他治疗诱导的意识状态的测量结果)的独立测量数据的学习过程的考虑群体特征(年龄、性别、种族……)的参数，
Figure BDA0004113230540001143
是基于个体/受试者的参考状态，/>
Figure BDA0004113230540001144
是使用基于反应数据和/或计算的DoD、DoH、DoS和/或DoD、DoH、Do的独立测量数据的学习过程确定的绝对/基于群体的参考状态，并且K是允许基于用户偏好调整阈值的“转换(translation)”参数。
如上所述的类似的步骤1至5也适用于—经过必要的修改—从获得的EEG数据中例如通过状态深度或DoS确定解离水平。
下文给出了基于实验的用于确定DoS的步骤1至4的实例，与如上参考图1所描述的类似。在测试阶段520的第二环节540期间对一名特定受试者进行实验，所述第二环节540包括自动催眠治疗环节548，其使用包括虚拟现实头戴设备的系统传送，如上文进一步详细地描述的。在实验的该实施方案中，受试者是一名25岁的女性，应用的时间窗是2秒，参考刺激开始从-0.5s到1.5s。
步骤1：根据该实施方案，接收并数字化EEG数据。
步骤2.根据该实施方案，存在：
-从F和P电极生成的第1组指标，如下：F-功率(dt)＝0.61mV2，P-功率(dt)＝0.24mV2，
-从F电极生成的一个第2组指标，如下：F-MSPA＝10.44mV，
步骤3：现在将描述示出了模型或评估模型或评估协议的实施方案的上述等式的一个实施方案的实例。该评估协议例如使用配置有人工智能模块的计算系统构建，所述人工智能模块诸如例如机器学习模块，其例如通过诸如例如图1或任何其他合适方式中描述的实验(诸如例如作为临床实践中数据收集的一部分)接收对其进行研究的群体的数字化EEG数据，并且计算将该数据与所述群体的受试者报告的LoP相关联的模型。等式的这样的实施方案的一个实例如下所示：
DoS＝0.1*F-MSPA–7.46*F-功率(dt)–2.46*P-功率(dt)＝-4.09。
或者换言之，根据该特定实施方案，DoS＝第2组指标+第1组指标，其中：
-第1组指标是F-功率(dt)和P-功率(dt)；
-第2组指标是F-MSPA；
-数值为上述公式中的αi参数，并且
-fi在该特定实例中是统一的函数。
然而，显然备选实施方案是可能的。进一步地，显然，根据该实施方案，DoS值是在0-10的标度上计算的，以便与受试者在实验期间报告的VAS量表值的标度相关联。
如上已提及的，图58示出了示例性的实施方案，其中计算机实现的方法利用人工智能或任何合适的数据挖掘方法来处理来自包括接收数据诸如EEG数据、EMG数据……的数据库的数据，任选地与来自临床观察的数据相组合，诸如例如受试者报告的解离水平，以便计算基于将该数据与报告的解离水平相关的模型。数据库中的数据和来自临床观察的数据可以例如来自以上图1或任何其他方式中描述的实验，诸如例如作为临床实践中、性能监测期间等的数据收集的一部分。显然，根据上述实例，数据库包括EEG数据、EMG数据等，其涉及利用非药理学镇静、和/或与特别感兴趣的其他形式的治疗组合的非药理学镇静、和/或作用于意识状态的任何其他治疗的实践或实验。以这种方式，AI或数据挖掘的计算机实现的方法能够计算、选择和优化合适的模型，诸如例如基于本说明书中描述的合适的组指标，或者换言之，通过基于来自例如EEG、EMG、ECG、EOG、呼吸、皮肤电传导……的数据的合适的生物标志物，如例如本说明书中所描述的。显然，以这种方式可以计算、选择和/或优化用于计算例如DoS或从其导出的任何合适指数的合适模型。
步骤4：根据特定实施方案，可以计算基于受试者的指数，其通过上面提及的公式在0-100的标度上呈现。显然，备选实施方案是可能的，其中使用了其他合适的标度。根据这样的实施方案：
-参数S＝10，以允许将步骤3的DoS(根据该实施方案在0-10的标度上计算)缩放到0-100的标度；
-参数β＝1，其意指不存在群体群组，或者换言之，计算了基于受试者的指数；
-参数k＝24.43，以确保计算值的基于用户偏好的转换(translation)，使得计算指数的一个或多个具体值对应于自我报告的解离水平的一个或多个具体值。
-DoS*＝1.146，其是指基于个体/受试者的参考状态。根据一个实施方案，可以基于在实验的校准阶段510期间的接收数据和/或在没有疼痛刺激的时期期间获得的数据和/或在正常清醒状态中获得的数据，例如通过在步骤3中引用的相同模型，或者以任何其他合适的方式，来计算该参考状态；
-DoS＝-4.09，例如参考步骤3如上所描述的计算，
根据上述公式，根据该实施方案得出ΔrDoS＝76.86。
为了证明该实施方案的评估模型的准确性，在图63的箱线图中示出了自我报告的解离水平与使用评估协议的该实施方案计算的DoS之间的差异的图表。根据图63的实施方案，模型的该实施方案被应用到实验的一个实施方案的群体的数据，以进行具有12名受试者(或者换言之n＝12)的群体研究。图63中的箱线图表示位于整个研究群体的自我报告解离水平和计算DoS之间的测量差异所处的范围。显然，对于该实施方案，如上所述，自我报告和计算的DoS在0-10的标度上。显然，箱线图显示了，对于这种差异：
-最小值(Q0或第0个百分位数)：排除任何异常值的最低数据点。
-最大值(Q4或第100个百分位数)：排除任何异常值的最大数据点。
-中位数(Q2或第50个百分位数)：数据集的中间值。
-第一四分位数(Q1或第25个百分位数)：也被称为下四分位数qn(0.25)，其是数据集的下半部分的中位数。
-第三四分位数(Q3或第75个百分位数)：也被称为上四分位数qn(0.75)，其是数据集的上半部分的中位数。
如所示出的，差异具有约-1至约+1的窄四分位距范围。
如上已提及的，图58示出了示例性的实施方案，其中计算机实现的方法利用人工智能或任何合适的数据挖掘方法来处理来自包括接收数据诸如EEG数据、EMG数据……的数据库的数据，任选地与来自临床观察的数据相组合，诸如例如受试者报告的疼痛水平，以便确定一个或多个个体的合适群组，其如例如图60的实施方案所示可以随后用于将该数据与考虑了确定的群组的这些个体的报告解离水平相关。
如上已提及的，如图59所示，与如上参考图58所讨论的类似，数据库中的数据和来自临床观察的数据可以例如来自以上图1或其他合适方式中描述的实验，诸如例如作为临床实践中、性能监测期间等的数据收集的一部分。显然，根据上述实例，数据库包括EEG数据、EMG数据等，其涉及利用非药理学镇静、和/或与特别感兴趣的其他形式的治疗组合的非药理学镇静、和/或作用于意识状态的任何其他治疗的实践或实验。然而，显然，数据库数据包括与医学领域内外的任何合适的应用相关的任何合适的生理数据是可能的。以这种方式，AI或数据挖掘的计算机实现的方法(也称为CII方法)能够计算、选择和优化与包括至少一个共享特征的个体组有关的合适群组。如所示出的，在确定用于确定群组的特征时可以考虑的示例性因素例如是年龄、性别、状况或任何其他合适的因素。示例性的年龄群组可以例如是儿童、青少年、成人和老年人，诸如例如通过合适的年龄范围确定的。示例性的性别群组可以例如是男性和女性。示例性的状况群组可以例如是：精神状况、神经系统疾病和/或问题、心理状态等。显然，对于用于确定合适群组和/或特定示例性群组的因素，另外的备选实施方案是可能的。如进一步示出的，这样的AI CII方法然后还可以用于例如基于与一个或多个个体有关的数据确定该一个或多个个体属于哪个群组。显然，这些群组也可以被称为群体群组或群体。根据备选实施方案，这样的AI CII方法还可以用于基于来自数据库的数据来选择、计算和/或优化因子，以确定最相关的群组。
如上已提及的，如图60所示，并且如涉及上述基于群体的指数的公式的示例性实施方案的，AI CII方法可以利用这些群组以基于合适的模型计算合适的输出，诸如例如DoS或从其派生的任何合适的指数。显然，以这种方式，基于来自个体的数据，包括基于来自例如EEG、EMG、ECG、EOG、呼吸、皮肤电传导……的数据的合适的生物标志物，如例如本说明书中描述的，可以计算、选择和/或优化合适的输出，用以计算例如DoS或从其派生的任何合适的指数。
在步骤5中生成DoSI指数。将在步骤4中获得的值与预定义的标度进行比较，所述标度取决于按照上文涉及评估协议的完善的部分中描述的过程(例如使用训练的机器学习模型和/或人工智能，基于反应数据、独立测量数据、观察数据、自我报告数据和/或参考数据)确定的受试者/干预特征。显然，评估协议的这样的完善(或者换言之优化)是指计算机实现的方法，其利用与如上关于图58-60所描述的类似的人工智能和/或数据挖掘。如将在下面描述的，根据特定实施方案，DoSI指数或任何备选的合适指数可以以这样的方式生成，即它与一个或多个预定范围和/或阈值相关，所述预定范围和/或阈值例如指示安全水平，并且优选地可以例如通过图形用户界面上的合适的符号或代码来显示。如将在下面进一步详细描述的，这样的安全水平可以例如指示开始、继续和/或停止治疗或任何其他适当动作的安全水平。根据这样的实施方案，因此提供了一种计算机实现的方法，其用于确定DoS或DoSI或任何其他合适的参数和/或指数的一个或多个这样的预定范围和/或阈值。优选地，提供了被配置为显示这样的预定范围和/或阈值的GUI。这些预定范围和/或阈值可以与受试者的安全水平有关。例如，安全水平用于开始、继续、停止治疗、医疗干预、运动表现、训练程序或可能影响受试者安全的任何其他适当动作。
在DoSI中，指数可以是基于群体的指数，或者换言之是绝对标度，其中将受试者与群体和/或任何其他合适的绝对参考进行比较。第一限度可以指示解离水平对应于正常清醒状态或具有高/增加/最大的意识水平的状态，如通过群体确定的。第一限度可以表示“不存在改变的意识状态”。第一限度可以指示受试者意识水平类似于正常清醒受试者的通常观察到的意识水平。第二限度可以指示解离水平对应于感知最高的可能的解离水平或深度解离状态/沉浸状态或具有低/降低/最小的意识水平的状态，如通过群体确定的。中间值表示中等解离水平。第二限度可以表示最深的改变的意识状态，或完全降低的外周刺激感知和受试者对自我和环境中的自我的感知改变。中间值表示改变的意识状态的中等水平。如其他地方提及的，DoSI可以是DoHI的测量结果，任选地连同药理学诱导的意识状态的测量结果，以及任选地连同通过其他治疗诱导的意识状态的测量结果。
在DoSI中，指数可以是基于受试者的指数，或者换言之是相对标度，其中将每名受试者与自身进行比较。第一限度可以指示与参考状态相比，受试者的意识状态并未(并未显著)改变。与参考状态相比，受试者的外周刺激感知以及对自我和环境中的自我的感知二者并未改变。第一限度可以指示解离水平对应于正常清醒状态或具有高/增加/最大的意识水平的状态，如通过受试者自身确定的。第二限度可以指示与参考状态相比，受试者的意识状态完全/深度改变。中间值表示改变的意识状态的中等水平。如其他地方提及的，DoSI可以是DoHI的测量结果，任选地连同药理学诱导的意识状态的测量结果，以及任选地连同通过其他治疗诱导的意识状态的测量结果。第二限度可以指示解离水平对应于感知最高的可能的解离水平或深度解离状态/沉浸状态或具有低/降低/最小的意识水平的状态，如通过受试者自身确定的。
当已经评估更多受试者时，更多的数据变得可用，其可以用于完善DoDI、DoHI和DoSI中的每一个的评估协议。本文中描述了示例性方式(a)至(c)，其中可以使用测量数据、观察数据和自我报告数据中的至少一个(优选地全部)来完善相应的评估协议。
(a)模型参数的增量
使用数学和/或统计和/或机器学习过程，基于测量数据以及自我报告的或独立测量的DoD(I)、DoH(I)和/或DoSI，评估模型参数(αi，fi，β)。
随着评估协议的完善，显然，反应数据的一个或多个数据成分在确定和/或监测受试者的意识/解离水平方面变得多余。当使用上述方法时，该数据将自动地由(接近)零权重加权αi。
(b)为DoS/DoD/DoH的计算鉴定新的相关特征并且将它们包含在评估协议中。
利用新的引入数据，显然，反应数据的一个或多个数据成分看起来与确定和/或监测受试者的意识/解离水平相关并且应将其包含在评估协议中。新模型的参数应当如上所述相应地改变。
(c)建立基于群体的参考状态/阈值
使用数学和/或统计和/或机器学习过程，基于测量数据和/或观察数据和/或自我报告和/或计算的DoD(I)、DoH(I)、DoS(I)和/或独立测量的DoD(I)、DoH(I)和DoSI，计算基于群体的阈值和/或参考状态。应进一步验证它们的收敛性和稳定性。
使用评估协议将反应数据转换为DoS(I)和/或DoH(I)。评估协议可以包括使用数学(例如统计)模型、训练的机器学习模型、数学指标、参考数据中的一种或多种。评估协议将反应数据作为输入，并且输出DoSI和/或DoHI。
测量数据可以包括一个或多个数据成分。数据成分归于单个测量(例如EEG、EMG、EDA或ECG)、单个观察(例如运动、肤色)或单个自我报告事件。评估协议可以对反应数据的数据成分进行相等或不同的加权。赋予数据成分的加权尤其取决于成分的关联性和精确性。以这种方式，显然，如上关于第1组指标所解释的，当在用于确定DoS(I)、DoD(I)和/或DoH(I)的评估协议中使用P-功率(dt)时，则其总是与F-功率(dt)组合并且具有低于F-功率(dt)的权重。
例如针对治疗环节之前、期间和/或之后的时间点，例如基于治疗环节之前、期间和/或之后已进行的治疗的特定阶段、动作等，所述方法和系统可以确定预期的LoAI、LoPI、DoSI、DoDI或DoHI和/或比率。例如，如果治疗包括催眠环节或备选地改变受试者的意识水平的任何其他治疗，则预期的LoAI、LoPI、DoSI、DoDI和/或DoHI可以根据催眠环节的阶段(例如阶段(i)至(iv)中的一个，如将在下面进一步详细描述的)以及例如根据这样的阶段内的位置来确定。例如，如果治疗包括药理学镇静环节，则预期的LoAI、LoPI、DoSI、DoDI可以根据镇静剂、抗焦虑剂、镇痛剂等的剂量、滴定、施用时间来确定。预期的LoAI、LoPI、DoSI、DoDI和/或DoHI可以例如根据群体数据或受试者数据(即根据历史和/或先例数据)来确定。
因为施用的治疗并不总是得到预期的LoA、LoP、DoS、DoD、DoH，所以测量的LoA、LoP、DoS、DoD、DoH和预期的LoA、LoP、DoS、DoD、DoH之间的差异为用户提供了关于治疗的校正措施的指导。
显然，另外的替代实施方案是可能的，其中提供了一种用于确定和/或监测受试者的焦虑水平和/或疼痛水平的计算机实现的方法，所述方法包括通过接收受试者的测量数据在受试者上应用根据上述一个或多个实施方案的用于测量改变的意识水平和焦虑水平和疼痛水平的方法。
根据另一个方面，与如上描述的类似，因此还提供了一种用于确定和/或监测受试者在治疗之前、期间和/或之后的疼痛水平和/或焦虑水平的方法。根据这样的方法，在治疗之前、期间和/或之后，在至少两个不同时间点测量LoP和/或LoA。基于在至少两个不同时间点测量的至少两个LoP和/或LoA的比较，然后分别测量和/或监测治疗导致的LoP和/或LoA的演变。
根据一些治疗，诸如例如疼痛治疗，其中例如使用药理学和/或非药理学治疗来减少受试者正在经历的特定疼痛水平(例如通过镇静剂)，显然治疗的目标是减少LoP，并且LoP的这种减少(例如在治疗期间和/或之后)对应于期望的治疗导致的LoP演变。然而，根据某些其他治疗，例如在麻醉治疗的情况下，例如在外科手术治疗之前，可以期望也在外科手术治疗期间保留在其中受试者并未进行外科手术治疗的正常清醒状态下所经历的LoP。以这种方式，显然，期望的治疗导致的LoP演变是防止LoP增加，或防止LoP增加超过不希望的阈值或超出预定期望范围。显然，根据这样的实施方案，治疗导致的LoP演变可以例如基于治疗之前和期间测量的LoP的比较，或者治疗之前和之后测量的LoP的比较，等等。因此，显然，根据其中治疗是减轻疼痛的治疗的实施方案，这样的疼痛治疗(诸如例如减轻疼痛、控制疼痛、预防疼痛或任何其他合适的疼痛治疗)的功效则可以基于治疗导致的LoP演变来确定和/或监测。换言之，当LoP充分减少时，例如充分减少至在期望范围内，或者当LoP并未不期望地增加时，例如并未不期望地增加至超出期望的范围。优选地，这种治疗导致的LoP演变允许优化和/或调整疼痛治疗，诸如例如减轻疼痛、控制疼痛、预防疼痛或任何其他合适的疼痛治疗。类似地，对于LoP，还对于焦虑管理治疗，期望的治疗导致的LoA演变的类似实施方案可以例如允许优化和/或调整焦虑管理治疗，诸如例如减轻焦虑、控制焦虑、预防焦虑或任何其他合适的焦虑管理治疗。
还进一步地，显然，基于测量的LoA、LoP和/或DoS，可以确定治疗和/或确定对治疗的调整和/或确定治疗的强度。例如，较高的LoA和/或LoP值可能导致较高剂量的镇静治疗，例如当在对受试者的手术干预期间注意到这样的增加。根据另一个实例，如果特定的焦虑和/或疼痛管理治疗不会导致LoA和/或LoP的降低，不会防止LoA和/或LoP的增加，那么可以开始备选治疗。药理学疼痛和/或焦虑管理治疗的期望滴定水平或者非药理学治疗的期望强度(诸如例如催眠深度、专注水平等)可以例如基于期望的LoA、LoP或治疗导致的LoA、LoP变化而增加或降低。
图36示出了如从测量数据中提取的与DoS相关的第1和2组指标、以及与LoP相关的第3至5组指标、以及与LoA相关的第6至11组指标的示意图。右侧示出了与焦虑的关联和用于确定LoA的用途，与疼痛的关联和用于确定LoP的用途，以及与改变的意识状态(诸如例如解离深度、专注水平等)的关联；根据这样的实施方案，它们都与药理学和/或非药理学诱导的改变的意识状态(SoC)相关联。左侧示出了第1组和第2组指标、第3至5组指标和第6至11组指标与药理学和/或非药理学诱导的改变的意识状态(SoC)之间的关联。根据示出的特定实施方案，在非药理学治疗的情况下，利用催眠的SoC与催眠深度相关联。根据这样的实施方案，状态深度与催眠深度相关联，任选地与药理学诱导的改变的意识状态的测量结果相关联，并且任选地与其他治疗诱导的改变的状态的测量结果相关联。然而，显然，备选实施方案是可能的，其中DoS与备选和/或另外的参数相关联，所述参数被配置为指示改变的意识状态，诸如例如受试者的专注水平等。显然，备选实施方案是可能的，其中LoA、LoP和/或DoS的实施方案的任何合适的组合提供合适的派生指数，例如通过其中每个参数都具有合适的权重的计算，并且其例如可以提供合适的指标或信号，例如执行医疗干预是安全的信号、需要改变当前治疗以保证受试者安全性的信号等。
所述方法和系统可以向图形用户界面(GUI)提供输出。系统可以包括GUI。如将在下面进一步详细描述的，系统可以包括图形用户界面GUI，其被配置为以数字和/或图形方式指示以下中的一个或多个：
-历史的、当前的和/或预期的(N)LoA(I)(S)、(N)LoP(I)(S)和/或DoS(I)(S)；
-在两个不同时间点处测量的(N)LoA(I)(S)、(N)LoP(I)(S)和/或DoS(I)(S)的演变和/或它们之间的比率；
-任选地，测量数据的一个或多个成分，优选地一个或多个EEG数据和任选地ECG数据、心血管数据、呼吸数据、EMG数据、肌肉运动数据、EOG数据、眼运动数据、体温数据……。
-任选地基于在至少两个不同时间点处测量的至少两个LoA或LoAI的汇总的汇总焦虑水平评分或LoAS或LoAIS。
-任选地基于在至少两个不同时间点处测量的至少两个LoP或LoPI的汇总的汇总疼痛水平评分或LoPS或LoPIS。
显然，GUI的备选实施方案是可能的，其中显示另外的数据。
GUI的输出可以另外地或备选地显示一个或多个当前数据成分(例如一个或多个测量数据成分、一个或多个观察数据成分和/或一个或多个自我报告数据成分)。当前数据成分的实例包括本文中其他地方列出的那些，优选地EEG数据、心血管数据、呼吸数据、肌肉活动数据、眼运动数据、体温数据……中的一个或多个。
GUI的输出可以包括图形指示符，其中屏幕上的位置和/或颜色向用户(例如医生)提供受试者状态以及必要时采取的步骤的指示。例如，绿色可以为用户指示患者体验方面的正面状态信号。例如，红色可以为用户指示患者体验方面的负面状态信号。例如，左侧位置可以为用户指示患者体验方面的正面状态信号。例如，右侧位置可以为用户指示患者体验方面的负面状态信号。例如，上部位置可以为用户指示患者体验方面的正面状态信号。例如，下部位置可以为用户指示患者体验方面的负面状态信号。
GUI的输出可以另外地或备选地显示一个或多个派生指数。派生指数是从一个或多个数据成分和/或另一个指数派生的指数。派生指数可以基于LoAI、LoPI和/或DoSI的比率。这些派生指数可以基于对于受试者观察的收集数据，任选地使用分析学(即历史/群体数据)进行完善。
图形输出可以包括时间线和时间线上指示LoAI、NLoAI、LoPI、NLoPI、DoSI、DoDI、DoHI……中的一个或多个和/或其比率的标记。LoAI、NLoAI、LoPI、NLoPI、DoSI、DoDI、DoHI……中的一个或多个和/或其比率可以在具有第一和第二限度的标度上(例如0至1，0至100)。
GUI可以在第一限度至第二限度的一个或多个标度上显示当前LoAI、NLoAI、LoPI、NLoPI、DoSI、DoDI、DoHI中的一个或多个；标度可以是线性的、对数的或其他的。标度可以是连续的、分类的、离散的、百分比的、比率的。
图38至45和图52至54中给出了GUI(200，a至g)的实例。
图38示出了GUI(200，a)，其是作为单独条形图(分别为252/254/255)的DoSI、LoPI和LoAI的当前状态的图形显示。参考DoSI条形图(252)；LoPI条形图(254)和LoAI(255)条形图，其含有等效特征(未标出)。显示的DoSI(y轴)条形图分为4个区：0-25％(224)，26-50％(222)，51-75％(220)，76-100％(218)；这些可以任选地着色以指示安全水平(例如，76-100％-红色，51-75％-橙色，26-50％-浅绿色，0-25％-深绿色。100-76％(218，红色)区域可以指示受试者是有意识的、警觉的、激动的(在被激怒的情况下)：等待催眠环节进行并且任选地施用镇痛剂。75-50％(220，橙色)区域可以指示受试者是有意识的和平静的，但是未解离(尚未准备好)。50-26％(222，浅绿色)区域可以指示受试者处于轻度解离状态(尚未准备好)。0-25％(224，深绿色)区域可以指示受试者处于深度解离状态/沉浸状态。应当理解，0至100％的百分比单位和标度范围是示例性的，并且其他单位(例如无单位)和标度(例如0至1、0至40、0至50、0至60等，线性的，对数的)在本公开的范围内。条(256)的高度指示在指定时间(261)处的DoSI。数字显示(258)也指示DoSI。当前单位(百分比)被指示(260)，其可以用单位按钮(262)改变(例如，改变为无单位和/或其他单位)。向前(264，a)和向后(264，b)按钮允许显示在当前DoSI和先前读数之间来回滚动。LoPI条和LoAI条上的百分比的标度可以分别与如上提及的疼痛标度和/或焦虑标度类似，其中例如0％对应于无疼痛或无焦虑并且100％对应于可能的最严重疼痛或可能的最严重焦虑。参考LoPI条形图(254)和LoAI条形图(255)。显示的LoPI和LoAI(y轴)条形图分为4个区：0-25％(224)，26-50％(222)，51-75％(220)，76-100％(218)；这些可以任选地着色以指示安全水平(例如，76-100％-红色，51-75％-橙色，26-50％-浅绿色，0-25％-深绿色。100-76％(218，红色)区域可以分别指示在其感知中受试者正在经历非常高的、不希望的疼痛或焦虑量，这例如可能表明分别需要任选地施用镇痛剂或抗焦虑剂。75-50％(220，橙色)区域可以指示受试者正在感知不舒适的疼痛或焦虑水平。50-26％(222，浅绿色)区域可以指示受试者正在感知轻微的疼痛或焦虑水平。0-25％(224，深绿色)区域可以指示受试者并未感知任何疼痛或焦虑或者未被感知为不舒适的疼痛或焦虑水平。应当理解，0至100％的百分比单位和标度范围是示例性的，并且其他单位(例如无单位)和标度(例如0至1、0至40、0至50、0至60等，线性的，对数的)在本公开的范围内。条(256)的高度指示在指定时间(261)处的LoPI或LoAI。数字显示(258)也指示LoPI或LoAI。当前单位(百分比)被指示(260)，其可以用单位按钮(262)改变(例如，改变为无单位和/或其他单位)。向前(264，a)和向后(264，b)按钮允许显示在当前LoPI或LoAI和先前读数之间来回滚动。LoPI条或LoAI条上的百分比的标度可以与如上提及的疼痛标度类似，其中例如0％对应于无疼痛并且100％对应于可能的最严重疼痛或焦虑。因此，显然，对应于DoS(I)、LoP(I)或LoA(I)或任何其他合适的指数和/或派生指数(诸如例如NLoA(I)、NLoP(I)、DoD(I)、DoH(I)……)的多个范围并且如GUI上所指示的多个区的这样的实施方案提供了合适且有效的指示符，其可以例如指示开始、继续、改变、停止……治疗和/或干预的安全水平。这些范围的任选颜色编码与相应的安全水平一致是优选的实施方案。
图39A和38B示出了GUI(200，b)，其是作为单独滚动图(分别为266-a、266-b、266-c)的LoPI、LoAI和DoSI的当前状态的图形显示。参考图39A中的LoPI滚动图(266-a)；其他滚动图包含等效功能(未标记)。显示的LoPI滚动图分为4个区：0-25％(224)，26-50％(222)，51-75％(220)，76-100％(218)；这些可以任选地着色以指示安全水平(例如，76-100％-红色，51-75％-橙色，26-50％-浅绿色，0-25％-深绿色，如在图38中。LoPI滚动图(266-a)包含静止时间轴(268)，在指定时间(261)处的LoPI读数(210)沿着该时间轴滑动(向上和向下)。数字显示(258)也指示LoPI。时间轴(268)保持静态，而背景沿时间方向滚动(通常从右到左)。历史或趋势数据点(244)被指示。当前单位(百分比)被指示(260)，其可以用‘单位’按钮(262)改变(例如，改变为无单位和/或其他单位)。向前(264，a)和向后(264，b)按钮允许显示在当前LoPI和先前读数之间来回滚动。按钮面板(272)允许用户从一系列滚动图中进行选择以进行显示：用于LoPI(274)、LoAI(276)和DoSI(280)的按钮被选中(灰色背景)，并且选中的滚动图被显示(分别为266-a、266-b、266-c)。用于EMG(278)和DI-1(派生指数-1，272))的按钮未被选中。
在图39B中，示出了与图39A相同的GUI，并且按钮(270)在图39A中未被选中而在图39B中被选中；按钮(270)打开或关闭叠加在滚动图上的受试者的预期LoPI(216)的显示；当前LoPI(210)和历史LoPI(214)可以在视觉上与预期LoPI(216)进行比较。
图39A和图40B示出了GUI(200，c)，其是治疗环节随时间(x轴)的进展的图形显示。参考图40A中的LoAI图；图40B中的图包含等效功能(未标记)。受试者在当前时间点处的当前LoAI(210)显示为沿着时间轴(212)的圆圈(210)，其在箭头(213)的方向上行进，例如随着治疗环节的进展。显示的LoAI图y轴分为4个区：0-25％(224)，26-50％(222)，51-75％(220)，76-100％(218)；这些可以任选地着色以指示安全水平(例如，76-100％-红色，51-75％-橙色，26-50％-浅绿色，0-25％-深绿色，如在图38中。根据备选实施方案，代替LoAI和/或除了LoAI以外，可以例如在图40A和图40B中表示LoPI。
在治疗环节期间受试者的历史或趋势LoAI显示为虚线(214)。当前单位(百分比)被指示(260)；框(260)也可以用作在不同单位之间循环的按钮(例如循环到无单元和/或其他单元)。在图40B中，示出了与图40A相同的图；按钮(270)在图40A中未被选中而在图40B中被选中。按钮(270)打开或关闭叠加在图上的受试者的预期LoPI(216)的显示；当前LoPI(210)和历史LoPI(214)可以在视觉上与预期LoPI(216)进行比较。
图41示出了GUI(200，d)，其包含显示为指针的受试者的当前LoAI(210)的“速度计”标度。当前单位(百分比)被指示(260)，其可以用单位按钮(262)改变(例如，改变为无单位和/或其他单位)。LoAI速度计标度分为4个：0-25％(224)，26-50％(222)，51-75％(220)，76-100％(218)；这些可以任选地着色以指示安全水平(例如，76-100％-红色，51-75％-橙色，26-50％-浅绿色，0-25％-深绿色，如在图38中。按钮(234、236、238)被显示，用户可以从中选中一个或多个选项以改变GUI的显示并且获得更多信息。
图42示出了GUI(200，d2)，其包含受试者的当前LoAI(230)的数字显示。当前单位(百分比)被指示(260)，其可以用单位按钮(262)改变(例如，改变为无单位和/或其他单位)。按钮(234、236、238)被显示，用户可以从中选中一个或多个选项以改变GUI的显示并且获得更多信息。
图43示出其中表示不同指数的GUI(200，e)。每个轴的尖端(external point)表示该指数的最大标度值。该图给出了不同指数的值的概述。
图44示出了GUI(200，f)，其显示受试者(240)随时间的当前LoAI，例如在治疗环节、麻醉剂、镇痛治疗等期间。还示出了历史或趋势数据点(244)，并且历史或趋势数据点的平均数显示为虚线(242)。
图45示出了GUI(200，g)，其显示例如在治疗环节的同一时间点处与其余群体相比的每个指数(LoPI、DoSI、LoAI)的平均测量结果(分析学)。
类似于图42，图52示出了GUI(200，h)，并且类似的参考已用于指示类似的特征，但是现在示出了含有汇总LoAIS(230)的数字显示的LoAIS，而不是当前LoAI。当前单位(百分比)被指示(260)，其可以用单位按钮(262)改变(例如，改变为无单位和/或其他单位)。按钮(234、236、238)被显示，用户可以从中选中一个或多个选项以改变GUI的显示并且获得更多信息。标记为“总时间”的按钮234可以例如用于输出和/或输入时间指示，在所述时间期间已经汇总LoAI。标记为“总结”的按钮可以例如用于输出图形图表，诸如在其已被汇总的时间段期间的LoA(I)和LoA(I)S的曲线，诸如例如在图54中显示的。
类似于图38的GUI(200，a)的实施方案，图53示出了GUI(200，i)的实施方案，并且类似的要素用类似的附图标记指示。然而，现在该实施方案示出了汇总LoAIS条形图255的图形显示,而不是图38中作为条形图的DoSI、LoPI和LoAI的当前状态的图形显示(分别为252、254、255)。显然，备选实施方案是可能的，类似于图52和图53，其中LoA(I)S、LoP(I)S和/或DoS(I)S中的一个或多个以数字和/或图形方式单独和/或组合显示。与如上解释的类似，显示的LoAIS(y轴)条形图分为4个区：0-25％(224)，26-50％(222)，51-75％(220)，76-100％(218)；这些可以任选地着色以指示安全水平(例如，76-100％-红色，51-75％-橙色，26-50％-浅绿色，0-25％-深绿色。条(256)的高度指示在指定时间段(261)期间汇总的汇总LoAIS。根据示出的实施方案，这意味着在30分钟的时间段内汇总LoAI以计算显示的LoAIS，但是显然备选时间段是可能的。数字显示(258)也指示LoAIS。当前单位(百分比)被指示(260)，其可以用单位按钮(262)改变(例如，改变为无单位和/或其他单位)。
类似于图44，图54示出了GUI(200，j)的实施方案，其例如还示出了例如在其中汇总LoAI以计算LoAIS的时间段或任何其他合适的时间段(诸如例如治疗环节期间、麻醉剂、镇痛治疗等)期间的受试者的测量LoAI(240)。如已提及的，根据一些实施方案，虚线表示LoAI随时间的演变，例如通过历史或趋势数据点(242)的平均值，或通过任何其他合适的实施方案，例如利用LoAI的任何历史、当前或趋势数据点。实线示出了汇总LoAIS 246随时间的演变，其是LoAI在预定时间段内的汇总。根据示出的实施方案，例如，显然，当LoA(I)较高时，LoA(I)S增加得更快，而当LoA(I)较低时，LoA(I)S增加得更慢。显然，用于显示LoP(I)和LoP(I)S或者DoS(I)和DoS(I)S(单独和/或组合)的这样的GUI的类似备选实施方案是可能的。
类似于图52并且类似于图42，图57示出了GUI(200，k)的另外的实施方案，并且类似的附图标记已用于指示类似的特征，但是现在示出了被称为“风险指数”的派生指数，而不是LoAI(S)。如所示出的，根据该实施方案的“风险指数”包含显示，其通过合适的标记和/或类别指示风险水平，例如，用于基于测量的LoA、LoP和/或DoS和/或其任何相关性来参与和/或继续治疗。当前单位(类别)被指示(260)，其可以用单位按钮(262)改变(例如，改变为百分比以示出数值，无单位和/或其他单位)。按钮(234、236、238)被显示，用户可以从中选中一个或多个选项以改变GUI的显示并且获得更多信息。标记为“LoPI”的按钮234可以例如用于输出LoPI的数字或图形指示。标记为“LoAI”的按钮236可以例如用于输出LoAI的数字或图形指示。标记为“LoPI”的按钮238可以例如用于输出LoPI的数字或图形指示。以这种方式，按钮允许以风险指数的形式访问对派生指标的组成成分的更详细分析。然而，显然，备选的派生指标是可能的，诸如例如任何合适的指数，基于LoA(I)(S)、LoP(I)(S)、DoS(I)(S)和/或其任何合适的相关性。根据一些实施方案，这样的派生指数诸如风险指数、舒适度指数等可以提供患者整体舒适度和/或安全性的单一且简单的可视化。这样的派生指数是有利的，因为其向例如麻醉师或任何其他合适的操作人员提供了单一、简单的指标，所述指标将LoA、LoP和/或DoS组合和/或相关，用于测量受试者的更一般状态。这样的涉及一般风险评分、一般舒适度评分等的指标和/或汇总指标将允许麻醉师例如在治疗之前和/或期间了解患者的整体状态。在大多数情况下和/或当需要进行紧急评估时，这样的简单的一般指数可能是足够的。优选地，还向医疗保健专业人员提供例如以限度和/或阈值的形式访问各个成分和/或成分的相应期望范围(诸如LoP、LoA和/或DoS)，诸如例如通过如上所解释的按钮，和/或通过这些成分的同时显示。
如上已提及的，显然，备选实施方案对于这样的派生指数是可能的，其任选地可以是汇总指数。可以基于LoA、LoP和DoS中的一个或多个和/或其任何相关性、汇总、指数化、范围检测、限度检测等来计算这样的派生指数和/或汇总指数，例如通过合适的评估协议。根据实施方案，评估协议可以根据例如相关群体、治疗、干预类型、LoA、LoP和DoS的各个当前值和/或LoA、LoP和DoS的当前演变等以不同的权重对LoA、LoP和DoS进行动态加权。根据特定实例，如果LoA突然增加了超过某个限度或阈值的量，例如由于触发焦虑的事件，那么评估函数可以为LoA赋予更高的权重，用于派生指数和/或汇总指数的当前计算。
根据这样的实施方案，基于LoA、LoP和DoS的在时间t处的派生指数和/或汇总指数可以通过基于以下公式的评估函数来计算：
派生指数t＝S*f(f1，t(LoAt)，f2，t(LoPt)，f3，t(DoSt))+K
其中S和K是放大参数，并且f，J1，t，J2，t，J3，t是任何合适的函数，诸如例如，诸如加权、汇总、限度监测、范围监测……的函数，其例如根据群体、治疗、干预、LoA、LoP和DoS的各个当前值和/或其任何相关性和/或LoA、LoP和DoS的当前演变等而变化。
根据图57示出的实施方案，其中派生指数例如是风险指数，其被配置为示出参与和/或继续治疗的安全性如何。根据这样的实施方案，评估函数可以评估LoA、LoP和DoS是否都在预定义的期望范围内，在所述范围内参与和/或继续治疗是安全的。评价函数可以例如确定是否LoA<2O％、LoP<20％和DoS>80％。基于这些评估，评估函数可以例如输出或确定三个风险水平，或者换言之风险指数的三个类别，风险水平根据这三个类别进行缩放，例如低＝绿色；中＝橙色；高＝红色。显然，备选实施方案是可能的，其中风险指数以图形和/或数字方式显示，类似于上面关于GUI的不同实施方案所解释的。根据图57的实施方案，评估函数然后可以被配置为基于LoA、LoP和/或DoS在其相关联的期望范围之内还是之外来计算风险指数的类别。例如，当LoA、LoP和/或DoS都在其期望范围内时，评估函数确定风险指数＝低，当LoA、LoP和/或DoS之一不在期望范围内时，评估函数确定风险指数＝中，并且当LoA、LoP和/或DoS中的2个或所有不在预期范围内时，评估函数确定风险指数＝高。然而，显然，这样的派生指数和/或汇总指数和/或相应的评估函数的多种备选实施方案是可能的。例如，根据这样的实施方案，可以提供舒适度指数、安全指数……或指示患者舒适度和/或安全性水平的任何其他合适的派生指数(而不是风险指数)，其例如具有与风险指数相反的值和/或类别，诸如例如舒适度指数、安全指数……的三个类别，其中舒适度和/或安全性水平根据这三个类别进行缩放，例如高＝绿色；中＝橙色；低＝红色。显然，备选实施方案是可能的，其中舒适度指数、安全指数或任何其他合适的指数以图形和/或数字方式显示，类似于上面关于GUI的不同实施方案所解释的。
可以提供一种系统，所述系统用于测量和/或监测受试者的与疼痛水平和/或改变的意识状态组合和/或相关的焦虑水平，所述系统包括：
-任选地，媒体渲染器，其被配置为向受试者呈现治疗环节；
-监测装置，其被配置为获得受试者的测量数据；
-控制器模块，其被配置为从监测装置接收测量数据，并且将包括测量数据的反应数据转换为(N)LoA(I)(S)、(N)LoP(I)(S)、DoS(I)(S)、DoDI、DoHI中的一个或多个。评估协议可以包括使用数学(例如统计)模型、训练的机器学习模型、数学指标、参考数据中的一种或多种。
因此，显然，根据一个实施方案，提供了一种系统，所述系统被配置为根据上述的用于测量LoA、LoP和/或DoS的方法来测量与疼痛水平和/或改变的意识状态组合和/或相关的焦虑水平。这样的系统包括监测装置，所述监测装置被配置为获得测量数据，所述测量数据包括从一个或多个合适的电极收集的脑电图EEG数据。EEG数据包括从以下中的一个或多个收集的数据：被配置为从对应于受试者的顶叶的头皮解剖区域中收集P-EEG数据的至少一个顶叶(P)电极；以及被配置为从对应于受试者的额叶的头皮解剖区域中收集F-EEG数据的至少一个额叶(F)电极。其还包括控制器模块，所述控制器模块被配置为接收来自监测装置的测量数据。控制器模块被配置为从收集自P-EEG数据的EEG数据中提取第8组指标，所述第8组指标基于在δ-θ频率范围内与δ-θ频带dt相关联的功率，即P-功率(dt)。任选地，控制器模块还被配置为从EEG数据中提取第1组指标，所述第1组指标基于在从至少一个F-EEG电极数据中提取的δ-θ频率范围内与δ-θ频带dt相关联的功率，即F-功率(dt)；和/或任选地从EEG数据中提取第4组指标，所述第4组指标对应于在θ-α频率范围内与θ-α频带ta相关联的功率，即功率(ta)。控制器模块被配置为基于所述第8组指标确定焦虑水平LoA，其是指示受试者的焦虑水平的值。控制器模块还被配置为基于所述第1组指标确定状态深度DoS，其是指示改变的意识状态的水平的值；和/或基于所述第4组指标确定疼痛水平LoP，其是指示受试者的疼痛水平的值。任选地，显然，根据与如上解释的类似的实施方案，LoP可以进一步通过第3组指标和/或第5组指标来确定。任选地，显然，根据与如上解释的类似的实施方案，LoA可以进一步通过与第8组指标组合的第6、7、9、10和/或11组指标来确定。
优选地，为了获得测量数据，监测装置包括被配置为从对应于受试者的顶叶的头皮解剖区域中收集P-EEG数据的一个或多个顶叶(P)电极，以及被配置为从对应于受试者的额叶的头皮解剖区域中收集F-EEG数据的一个或多个额叶(F)电极。任选地，监测装置包括被配置为从对应于受试者的中央前回和中央后回的头皮解剖区域中收集C-EEG数据的一个或多个中央(C)电极，以及任选地被配置为收集脑电图EEG数据的一个或多个另外的电极。任选地，监测装置包括以下中的一种或多种：呼吸数据捕获单元；心血管数据捕获单元；眼运动数据捕获单元；肌肉活动数据捕获单元；任选地体温数据捕获单元。显然，如将在下面进一步详细解释的，系统的另外的实施方案是可能的。
根据一个实施方案，监测装置可以被配置为捕获受试者的反应数据，特别是受试者的测量数据。监测装置包括一个或多个单元，根据单元的类型，每个单元含有一个或多个捕获测量数据的电极、传感器、摄像头。每个单元的测量数据成分可以由一个或多个电极、传感器、摄像头捕获的信号的处理产生，或者可以不由其产生。
监测装置可以包括脑电图(EEG)捕获单元。反应数据即测量数据包括输出的EEG数据。EEG捕获单元可以包括至少两个(例如2、3、4、5或更多个)、优选地多个电极，其被配置为从受试者的大脑获取电活动数据。电极可以被配置为放置在跨越受试者头部区域的预定位置处；例如额叶、顶叶和/或枕叶区域。示例性的电极配置是相对于头部的2个额叶电极、2个侧叶电极、1个枕叶电极。然而，显然备选实施方案是可能的，其包括在其他头皮位置处的其他电极。
在优选的配置中，EEG捕获单元可以包括至少三个电极：
-额叶EEG电极(F-EEG电极)，其被配置为附接至或接触对应于额叶的头皮解剖区域；
-顶叶EEG电极(P-EEG电极)，其被配置为附接至或接触对应于顶叶的头皮解剖区域；
-中央EEG电极(C-EEG电极)，其被配置为附接至或接触对应于中央前回和中央后回的头皮解剖区域。
EEG捕获单元还可以包括接地电极或参考电极。这远离F-、P-或C-EEG电极放置，以允许空间重构。然而，根据备选实施方案，EEG捕获单元可以例如仅包括用于在单个或两个头皮位置处捕获数据的电极。
电极可以集成到可穿戴设备中，例如可穿戴头戴设备。电极可以固定到可穿戴设备或可从可穿戴设备拆卸。电极可以是干接触电极。电极可以通过重力或通过力(例如通过弹簧或弹性物施加)或通过粘合剂保持在适当位置。电极可以重复使用或一次性使用。电极可以集成到头带或固定带中。电极可以集成到媒体渲染器的面罩部分中，如下进一步详细解释的。脑电图(EEG)捕获单元通常包括放大器，其用于放大检测到的信号。信号被数字化以通过数模转换器处理以供处理单元处理。采样率通常为感兴趣的最高频率的2.5倍高。数模转换器可以是分开的或内置于处理单元中。
根据一个实施方案，监测装置可以包括肌肉运动数据捕获单元，诸如例如肌电图(EMG)捕获单元。反应数据即测量数据包括输出的EMG数据。EMG捕获单元可以包括至少一个(例如1、2、3、4、5或更多个)、优选地多个电极，其被配置为从受试者肌肉组织获取电活动数据。在存在EEG捕获单元的情况下，EMG捕获单元可以与EEG捕获单元共享至少一个电极。类似地，在存在EEG捕获单元的情况下，ECG捕获单元可以与EEG捕获单元共享至少一个电极。电极可以被配置为放置在跨越受试者的颅部和/或面部区域的预定位置处；优选地额叶区域。电极可以集成到可穿戴设备中，例如可穿戴头戴设备。电极可以固定到可穿戴设备或可从可穿戴设备拆卸。电极可以是干接触电极。电极可以通过重力或通过力(例如通过弹簧或弹性物施加)或通过粘合剂保持在适当位置。电极可以重复使用或一次性使用。电极可以集成到头带或固定带中。电极可以集成到媒体渲染器的面罩部分中。EMG捕获单元通常包括放大器，其用于放大检测到的信号。信号被数字化以通过数模转换器处理以供处理单元处理。数模转换器可以是分开的或内置于处理单元中。
根据一个实施方案，监测装置可以包括呼吸数据(RD)捕获单元。反应数据即测量数据包括输出的呼吸数据。RD捕获单元可以包括至少一个(例如1、2、3、4、5或更多个)传感器，其被配置为从受试者获取RD。呼吸数据可以包括呼吸率、呼吸率变异性、吸气压力中的一个或多个。RD捕获单元可以包括一个或多个光体积描记图(PPG)传感器。PPG传感器检测皮下血管系统的血容量变异；传感器通常是光学的。呼吸率和呼吸率变异性可以由PPG传感器确定。PPG传感器可以放置在太阳穴区域和/或前额区域处。呼吸率和呼吸率变异性可以由PPG传感器确定。一个或多个传感器可以被配置为放置在跨越受试者的颅部和/或面部区域的预定位置处。一个或多个传感器可以集成到可穿戴设备中，例如可穿戴头戴设备。一个或多个传感器可以固定到可穿戴设备或可从可穿戴设备拆卸。根据一个实施方案，一个或多个传感器可以是干接触传感器和/或电极。一个或多个传感器可以通过重力或通过力(例如通过弹簧或弹性物施加)或通过粘合剂保持在适当位置。一个或多个传感器可以重复使用或一次性使用。一个或多个传感器可以集成到头带或固定带中。一个或多个传感器可以集成到媒体渲染器的面罩部分中，例如以便将PPG传感器放置在前额和/或太阳穴区域处。RD捕获单元可以包括可穿戴胸带，其含有测量胸部扩张和收缩的力换能器；可以从可穿戴胸带传感器确定呼吸率和呼吸率变异性。RD捕获单元可以包括气道气压检测器，其测量气压(例如在吸气或呼气期间)。RD捕获单元通常包括放大器，其用于放大检测到的信号。信号被数字化以通过数模转换器处理以供处理单元处理。数模转换器可以是分开的或内置于处理单元中。
根据一个实施方案，监测装置可以包括心血管数据捕获单元，其根据一个实施方案例如包括心率(HR)捕获单元。反应数据即测量数据包括输出的HR数据。HR捕获单元可以包括至少一个(例如1、2、3、4、5或更多个)传感器和/或电极，其被配置为从受试者获取心脏数据。HR捕获单元可以包括一个或多个光体积描记图(PPG)传感器，其检测皮下血管系统的血容量变化；传感器通常是光学的。PPG传感器可以放置在太阳穴区域和/或前额区域处。捕获的PPG波的峰可以用于估计心率、心率变异性和心跳间隔，以及血压(两个PPG传感器)。HR捕获单元可以包括一个或多个ECG电极，或被配置为从受试者心脏获取电活动数据的任何其他合适的电极。在存在EEG或EMG捕获单元的情况下，HR捕获单元可以与EEG或EMG捕获单元共享电极。一个或多个传感器和/或一个或多个电极中的一个或多个可以被配置为放置在跨越受试者的颅部和/或面部区域的预定位置处；它们可以两侧放置。在传感器是PPG传感器的情况下，它们可以被配置为放置在前额和/或太阳穴区域处。一个或多个传感器和/或一个或多个电极可以集成到可穿戴设备中，例如可穿戴头戴设备。一个或多个传感器和/或一个或多个电极可以固定到可穿戴设备或可从可穿戴设备拆卸。一个或多个传感器和/或一个或多个电极可以是干接触传感器和/或电极。一个或多个传感器和/或一个或多个电极可以通过重力或通过力(例如通过弹簧或弹性物施加)或通过粘合剂保持在适当位置。一个或多个传感器和/或一个或多个电极可以重复使用或一次性使用。一个或多个传感器和/或一个或多个电极可以集成到头带或固定带中。一个或多个传感器和/或一个或多个电极可以集成到媒体渲染器的面罩部分中，例如以便将PPG传感器放置在前额和/或太阳穴区域处。HR捕获单元通常包括放大器，其用于放大检测到的信号。信号被数字化以通过数模转换器处理以供处理单元处理。数模转换器可以是分开的或内置于处理单元中。
根据一个实施方案，监测装置可以包括眼运动数据捕获单元，其根据一个实施方案包括眼电图(EOG)捕获单元。反应数据即测量数据包括输出的EOG数据。EOG捕获单元可以包括至少一个(例如1、2、3、4、5或更多个)、优选地多个电极，其被配置为从受试者眼睛周围获取电活动数据。在存在EEG或EMG捕获单元的情况下，EOG捕获单元可以与EEG或EMG捕获单元共享电极。一个或多个电极可以被配置为放置在跨越受试者的颅部和/或面部区域的预定位置处；优选地眼睛周围(例如，眼睛的上方和下方，至左侧和右侧)。一个或多个电极可以集成到可穿戴设备中，例如可穿戴头戴设备。一个或多个电极可以固定到可穿戴设备或可从可穿戴设备拆卸。一个或多个电极可以是干接触电极。一个或多个电极可以通过重力或通过力(例如通过弹簧或弹性物施加)或通过粘合剂保持在适当位置。一个或多个电极可以重复使用或一次性使用。一个或多个电极可以集成到头带或固定带中。一个或多个电极可以集成到媒体渲染器的面罩部分中。EOG捕获单元通常包括放大器，其用于放大检测到的信号。信号被数字化以通过数模转换器处理以供处理单元处理。数模转换器可以是分开的或内置于处理单元中。
根据一个实施方案，监测装置可以包括皮肤电活动(EDA)捕获单元。反应数据即测量数据包括输出的EDA数据。EDA捕获单元可以包括至少一个(例如1、2、3、4、5或更多个)、优选地多个电极，其被配置为从受试者皮肤组织获取电活动数据。在存在EEG或EMG捕获单元的情况下，EDA捕获单元可以与EEG或EMG捕获单元共享电极。一个或多个电极可以被配置为放置在跨越受试者的颅部和/或面部区域的预定位置处；优选地额叶区域。
一个或多个电极可以集成到可穿戴设备中，例如可穿戴头戴设备。一个或多个电极可以固定到可穿戴设备或可从可穿戴设备拆卸。一个或多个电极可以通过重力或通过力(例如通过弹簧或弹性物施加)或通过粘合剂保持在适当位置。一个或多个电极可以重复使用或一次性使用。一个或多个电极可以集成到头带或固定带中。一个或多个电极可以集成到媒体渲染器的面罩部分中。EDA捕获单元通常包括放大器，其用于放大检测到的信号。信号被数字化以通过数模转换器处理以供处理单元处理。数模转换器可以是分开的或内置于处理单元中。
根据一个实施方案，EDA捕获单元可以被配置为测量皮肤电反应。反应数据即测量数据包括输出的GSR数据。EDA捕获单元可以包括至少一个(例如1、2、3、4、5或更多个)、优选地多个GSR电极，其被配置为获取皮肤电反应。在存在EEG或EMG捕获单元的情况下，EDA捕获单元可以与EEG或EMG捕获单元共享局部电极或参考电极，以获取皮肤电反应。一个或多个电极可以被配置为放置在跨越受试者的颅部和/或面部区域的预定位置处；优选地额叶或前额区域。一个或多个GSR电极可以集成到可穿戴设备中，例如可穿戴头戴设备。GSR电极可以固定到可穿戴设备或可从可穿戴设备拆卸。GSR电极可以是干接触电极。一个或多个GSR电极可以通过重力或通过力(例如通过弹簧或弹性物施加)或通过粘合剂保持在适当位置。一个或多个GSR电极可以重复使用或一次性使用。一个或多个GSR电极可以集成到头带或固定带中。一个或多个GSR电极可以集成到媒体渲染器的面罩部分中。
根据一个实施方案，监测装置可以包括心电图(ECG)捕获单元。反应数据即测量数据包括输出的心率或ECG数据。ECG捕获单元可以包括至少一个(例如1、2、3、4、5或更多个)、优选地多个电极，其被配置为从受试者心脏获取电活动数据。在存在EEG、EMG或EDA捕获单元的情况下，ECG捕获单元可以与EEG、EMG或EDA捕获单元共享电极。电极被配置为放置在跨越受试者胸部的预定位置处，或放置在可以捕获心脏ECG数据的任何其他合适位置处。电极可以集成到可穿戴设备中，例如可穿戴头戴设备。电极可以固定到可穿戴设备或可从可穿戴设备拆卸。电极可以通过重力或通过力(例如通过弹簧或弹性物施加)或通过粘合剂保持在适当位置。电极可以重复使用或一次性使用。电极可以集成到头带或固定带中。电极可以集成到媒体渲染器的一部分中。
根据一个实施方案，监测装置还可以包括生理监测单元。反应数据即测量数据包括输出的生理数据。生理监测单元可以包括至少一个(例如1、2、3、4或更多个)传感器，其用于获取受试者的生理数据，特别是生理数据的成分。生理数据可以涉及以下中的一个或多个：脉搏率、心率、心率变异、血压、呼吸率、呼吸率变异性、吸气压力、呼气压力、脑氧合、血氧饱和度(SpO2)、局部和/或中心血氧饱和度、皮肤电传导、皮肤电反应、体温。生理数据可以涉及以下中的一个或多个：呼吸率、呼吸率变异性、吸气压力、心率。
根据一个实施方案，监测装置可以包括SpO2捕获单元。反应数据即测量数据包括输出的SpO2数据。SpO2捕获单元捕获单元可以包括至少一个(例如1、2、3、4、5或更多个)传感器，其被配置为从受试者捕获SpO2(血氧饱和度)数据。SpO2数据捕获单元可以包括一个或多个传感器(例如光体积描记图(PPG)传感器)；传感器典型地是光学的。传感器可以放置在太阳穴区域和/或前额区域处。传感器可以被配置为放置在前额和/或太阳穴区域处。一个或多个传感器可以集成到可穿戴设备中，例如可穿戴头戴设备。一个或多个传感器可以固定到可穿戴设备或可从可穿戴设备拆卸。一个或多个传感器可以是干接触传感器。一个或多个传感器可以通过重力或通过力(例如通过弹簧或弹性物施加)或通过粘合剂保持在适当位置。一个或多个传感器可以重复使用或一次性使用。一个或多个传感器可以集成到头带或固定带中。一个或多个传感器可以集成到媒体渲染器的面罩部分中，例如以便将一个或多个传感器放置在前额和/或太阳穴区域处。SpO2捕获单元捕获单元通常包括放大器，其用于放大检测到的信号。信号被数字化以通过数模转换器处理以供处理单元处理。数模转换器可以是分开的或内置于处理单元中。
根据一个实施方案，一个或多个传感器可以集成到可穿戴设备中，例如可穿戴头戴设备。一个或多个传感器可以固定到可穿戴设备或可从可穿戴设备拆卸。一个或多个传感器可以通过重力或通过力(例如通过弹簧或弹性物施加)或通过粘合剂保持在适当位置。一个或多个传感器可以重复使用或一次性使用。一个或多个传感器可以集成到头带中。传感器可以集成到媒体渲染器的面罩部分中，如下进一步详细解释的。
根据一个实施方案，监测装置还可以包括身体运动跟踪单元。反应数据即测量数据包括输出的身体运动跟踪数据。身体运动跟踪单元可以包括至少一个(例如1、2、3、4或更多个)运动传感器，其用于获取受试者的身体运动，特别是身体运动跟踪数据的成分。运动传感器的实例包括2轴或3轴加速计、陀螺仪、一个或多个摄像头、磁/感应换能器。身体运动包括头部、四肢(手臂、腿、手、膝、肘)的运动。身体运动跟踪单元可以是头部运动跟踪单元。
根据一个实施方案，一个或多个运动传感器可以集成到可穿戴设备中，例如可穿戴头戴设备。一个或多个运动传感器可以固定到可穿戴设备或可从可穿戴设备拆卸。一个或多个运动传感器可以通过重力或通过力(例如通过弹簧或弹性物施加)或通过粘合剂保持在适当位置。一个或多个运动传感器可以重复使用或一次性使用。一个或多个运动传感器可以集成到头带中。运动传感器可以集成到媒体渲染器的面罩部分中。
根据一个实施方案，监测装置还可以包括眼跟踪单元。反应数据即测量数据包括输出的眼跟踪数据。眼跟踪单元可以包括至少一个(例如1、2、3、4或更多个)摄像头，其用于监视受试者的一只或两只眼睛的运动。眼跟踪单元可以包括至少一个光源(例如可见光、红外线)，其被配置为照射眼睛。捕获的图像可以使用眼跟踪软件进行分析，以确定受试者的注意力焦点、困倦、意识或其他精神状态。
根据一个实施方案，一个或多个摄像头可以集成到可穿戴设备中，例如可穿戴头戴设备。一个或多个摄像头可以固定到可穿戴设备或可从可穿戴设备拆卸。一个或多个摄像头可以集成到媒体渲染器的面罩部分中。
根据一个实施方案，监测装置还可以包括面部表情捕获单元。反应数据即测量数据包括输出的面部表情数据—例如情绪、伤害感受。面部表情捕获单元可以包括至少一个(例如1、2、3、4或更多个)摄像头，其用于监视受试者的面部表情。面部表情捕获单元可以包括至少一个光源(例如可见光、红外线)，其被配置为照射面部。捕获的图像可以使用面部表情识别软件进行分析以确定受试者的面部表情和反应，例如疼痛或(不)舒适。一个或多个摄像头可以集成到可穿戴设备中，例如可穿戴头戴设备。一个或多个摄像头可以固定到可穿戴设备或可从可穿戴设备拆卸。一个或多个摄像头可以集成到媒体渲染器的一部分中。
根据一个实施方案，监测装置可以包括EEG捕获单元、EMG捕获单元、EDA捕获单元、ECG捕获单元、生理监测单元、头部跟踪单元、眼跟踪单元和面部捕获单元。监测装置可以包括EEG捕获单元、EMG捕获单元、HR捕获单元和/或呼吸数据捕获单元。
根据其中在非药理学治疗环节期间使用所述系统的特定实施方案，所述系统还可以包括向受试者呈现治疗环节的媒体渲染器。治疗环节可以包含催眠和/或其他循证心理和/或心身干预。媒体渲染器可以包括在其上显示活动图像的屏幕(例如LED、LCD、投影仪)。图像使受试者的注意力沉浸和/或控制受试者的体验和生理反应。媒体渲染器可以包括向其传递音频(例如音乐、对话、音效)的声换能器(例如耳机、头戴受话器、扬声器)。
优选地，媒体渲染器集成为可穿戴设备，例如头戴设备。媒体渲染器可以作为虚拟现实头戴设备、增强现实头戴设备或混合现实头戴设备提供。最优选地，将媒体渲染器集成到提供虚拟/增强/混合现实等的可穿戴设备中；其通常包括显示器或投影仪、立体声(单声道、立体声、多维)和头部运动跟踪传感器(例如陀螺仪、加速计、结构光系统等)。合适的头戴设备的实例包括Oculus(例如Oculus Rift、Oculus Go)、Pico(例如G2 4K、G2 Pro)、LGelectronics(例如LG 360VR)、HTC(例如HTC Vive)、Samsung(例如Samsung Gear VR)、Google(例如Google Cardboard)、Microsoft(Hololens)供应的那些，以及其他现成或定制的设计。媒体渲染器也可以通过渲染体感内容来扩展，所述体感内容诸如振动(例如配备在座椅中的振动模块)和/或嗅觉内容(例如将一种或多种香味释放到鼻腔中)。任选地，媒体渲染器可以配备有用于执行或播放数据的计算单元，或者其可以从外部媒体服务器接收数据(即流式传输)。
如前所提及的，媒体渲染器可以集成到可穿戴设备中，例如头戴设备。监测装置可以集成到可穿戴设备中。监测装置的一个或多个电极和/或一个或多个传感器和/或一个或多个摄像头可以集成到可穿戴设备中。
图46、图47和图48给出了可穿戴设备的示例性实施方案。图46描绘了包括集成到虚拟现实查看器(104)中的媒体渲染器的可穿戴设备(100)的实施方案。可穿戴设备(100)还包括多个松紧带(102，a、b、c)，它们将支撑虚拟现实查看器和头戴受话器(104)的眼罩(104)保持在受试者的头部(120)的适当位置。然而，显然可穿戴设备(100)的备选实施方案是可能的，其例如不包括诸如例如图49示出的眼罩和/或诸如例如图50示出的头戴受话器，而是只有电极和传感器。松紧带(102，a、b、c)还将多个电极和传感器保持在受试者的头部(120)上的适当位置。描绘了用于测量EEG数据的电极(110，a(中央(C)EEG电极)，b(顶叶(P)EEG电极)，c(颞叶)，d(额叶(F)EEG电极))；用于测量心率、心率变异性、SPO2的传感器(112)；以及用于捕获眼运动和面部表情的摄像头(114)。图47是设置有用于测量EEG数据的电极(116，a、b、c、d)；用于测量皮肤电传导的电极(118)的面罩的实施方案的面部接触边缘的视图。图19是面罩(104)的实施方案的面部接触边缘的视图，所述面罩(104)设置有
-用于测量EEG数据的额叶(F)EEG电极(110e)；
-用于测量EMG数据的EMG电极(111a至111d)；
-用于测量呼吸数据、心率数据、血压、spO2的PPG传感器(113a、113b)；
-用于测量EOG数据的EOG电极(115a至115e)；
-用于测量GSR数据的GSR电极(117)；
-接地电极(119)，其可以与EEG(110e)、EMG(111a至111d)、EOG(115a至115e)、GSR(117)电极中的一个或多个组合作为参考/接地电极。
然而，显然系统和/或可穿戴设备可以利用EEG电极的任何其他合适的配置和/或布置，诸如例如包括一个或多个电极(例如布置在国际10-20体系中提及的一个或多个头皮位置处的两个、三个、四个或更多个电极)的设备，或包括一个或多个EEG电极的任何其他合适的设备。仍进一步地，显然，系统和/或可穿戴设备可以利用任何其他和/或另外的合适的传感器和/或电极(诸如例如体温传感器、呼吸数据传感器等)的配置和/或布置。
根据一个实施方案，控制器模块可以被配置为从监测装置接收测量数据，并且将包括测量数据的反应数据转换为(N)LoA(I)(S)、(N)LoP(I)(S)、DoS(I)(S)、DoD(I)、DoH(I)……中的一个或多个。评估协议可以包括使用数学(例如统计)模型、训练的机器学习模型、数学指标、参考数据中的一种或多种。
根据一个实施方案，控制器模块可以被配置为从监测装置接收测量数据，并且使用如上所描述的评估协议将包括测量数据的反应数据转换成LoA(其是受试者经历的焦虑水平)、LoPI(其表示受试者感知的疼痛水平)和/或DoSI、DoDI和/或DoHI(其表示受试者的药理学地和/或药理学地改变的意识状态的测量结果)。评估协议可以例如包括使用数学(例如统计)模型、训练的机器学习模型、数学指标、参考数据中的一种或多种。
根据一个实施方案，控制器模块通常包括被配置为执行处理步骤的电路(例如微处理器)和存储器。控制器模块可以集成到可穿戴设备中，或者可以不集成到可穿戴设备中。
所述方法可以是计算机实现的方法。
还提供了一种计算设备或系统，其被配置为执行如本文所述的方法。
提供了一种具有指令的计算机程序或计算机程序产品，所述指令在由计算设备或系统执行时使计算设备或系统执行如本文所述的方法。
提供了一种其上存储有指令的计算机可读介质，所述指令在由计算设备或系统执行时使计算设备或系统执行如本文所述的方法。
提供了一种代表具有指令的计算机程序或计算机程序产品的数据流，所述指令在由计算设备或系统执行时使计算设备或系统执行如本文所述的方法。
本文所述的方法和系统使得治疗师能够量化患者焦虑水平、受试者有意识感知的疼痛水平和任选地意识状态、催眠状态……和/或使得能够对镇痛剂、麻醉剂、抗焦虑剂……催眠剂的初始剂量进行最佳的和潜在个体化的滴定；和/或优化药理学和/或非药理学镇静(VR疗法滴定)；和/或通过量化、可视化、趋势化和潜在地预测患者在临床、医疗、手术或治疗干预期间的生理反应/有意识感知的疼痛水平来提供更安全的进展；和/或提高受试者安全性；和/或提高受试者对医疗干预的遗忘。
还提供了本文所述的计算机实现的方法的应用，其用于确定药理学和/或非药理学诱导的受试者的镇静水平。镇静可以用于例如手术干预和/或例如用非药理学麻醉剂代替和/或补充药理学麻醉剂。
应当理解，本发明不限于所描述的特定系统和方法或组合，因为这样的系统和方法以及组合当然可以变化。还应当理解，本文使用的术语不旨在是限制性的，因为本发明的范围由所附权利要求确定。
如本文中使用的，除非上下文另有明确指明，否则单数形式“一个(a)”、“一种(an)”和“所述(the)”包括单数和复数指代二者。
如本文中使用的术语“包含(comprising/comprises/comprised of)”与“包括(including/includes)”或“含有(containing/contains)”同义，并且是包含性的或开放式的，并且不排除另外的未记载的成员、要素或方法步骤。应当理解，如本文中使用的术语“包含(comprising/comprises/comprised of)”包括术语“由……组成(consisting of/consists/consists of)”。
由端点表述的数值范围包括包含在各自范围内的所有数字和分数，以及所列举的端点。
当提及诸如参数、量、时距等的可测量值时，如本文中使用的术语“约”或“大约”意指涵盖从指定值开始的+/-10％以下、优选地+/-5％以下、更优选地+/-1％以下并且还更优选地+/-0.1％以下的变化，只要这样的变化适合于在所公开的发明中进行。应当理解，修饰语“约”或“大约”所指的值本身也是具体地且优选地公开的。
尽管术语“一个或多个”或“至少一个”(诸如一组成员中的一个或多个成员或者至少一个成员)本身是清楚的，但是通过进一步举例的方式，该术语尤其涵盖指代所述成员中的任何一个，或者所述成员中的任何两个或更多个，诸如例如所述成员中的任何≥3个、≥4个、≥5个、≥6个或≥7个等，以及多达所有所述成员。
本说明书中引用的所有文献都通过引用整体结合于此。特别地，本文中具体提及的所有文献的教导通过引用并入。
除非另外限定，否则公开本发明所使用的所有术语(包括技术和科学术语)具有本发明所属领域中的普通技术人员通常理解的含义。通过进一步的指导，包括术语定义以更好地理解本发明的教导。
在以下段落中，更详细地定义了本发明的不同方面。除非明确相反地指明，否则如此定义的每个方面可以与任何其他方面或多个方面组合。特别地，指示为优选或有利的任何特征可以与指示为优选或有利的任何其他特征或多个特征组合。
在本说明书通篇中提及的“一个实施方案”或“一种实施方案”意指关于该实施方案描述的特定特征、结构或特性包括在本发明的至少一个实施方案中。因此，在本说明书通篇中在各个地方出现的短语“在一个实施方案中”或“在实施方案中”不必然都指代相同的实施方案，但是可以指代相同的实施方案。此外，在一个或多个实施方案中，特定特征、结构或特性可以以任何合适的方式组合，如本领域技术人员从本公开中显而易见的。此外，虽然本文描述的一些实施方案包括一些特征而非包括在其他实施方案中的其他特征，但是不同实施方案的特征的组合旨在在本发明的范围内，并且形成不同的实施方案，如本领域技术人员将理解的。例如，在所附权利要求中，任何要求保护的实施方案可以以任何组合使用。
在本发明的本说明书中，参考作为其一部分的附图，并且其中仅通过举例说明的方式显示了可以实践本发明的具体实施方案。附加到各个要素的带括号或粗体的参考数字仅通过示例的方式例示要素，其并不旨在限制各个要素。应当理解，在不脱离本发明的范围的情况下，可以利用其它实施方案并且可以进行结构或逻辑改变。因此，以下详细描述不应被理解为限制性意义，并且本发明的范围由所附权利要求限定。
本发明人首次发现：例如在改变受试者的意识状态的药理学和/或非药理学治疗环节期间，反应数据(特别是从至少一个EEG电极(诸如例如额叶EEG电极、顶叶EEG电极和中央EEG电极中的至少一个)收集的测量数据)与受试者的LoP之间的强关联以及来自顶叶-EEG电极的数据与LoA之间的关联以及额叶-EEG电极与改变的意识水平之间的关联。首次可以实时确定受试者的疼痛水平和/或焦虑水平的客观测量结果。这适用于许多情况，例如，当受试者在药理学和/或非药理学镇静或任何备选地可用的情况下经历通过外科手术的侵入性程序时。特别地，这是第一次可以通过这样的反应数据进行LoA、LoP和/或DoS的组合测量，特别是在非药理学治疗(诸如例如催眠)期间。
意识状态是指受试者的觉醒和/或自我觉察以及环境觉察的测量结果，其确定受试者的存在感、唤醒能力(情绪反应)和对内部或外部刺激物或刺激的(身体)反应，特征在于生理活动和/或神经学特征。
在特定的改变的意识状态下，例如在意识水平相对于正常清醒状态是不同的或改变的时，受试者例如更放松、感知较少疼痛或未感知疼痛、经历较少焦虑或未经历焦虑、更加解离、更易于暗示和/或任选地被镇静。在这样的特定的改变的意识状态下，受试者的认知功能可能专注于特定的任务，并且通常一起发生的大脑过程会被分开。创建受试者经历减少的焦虑或未经历焦虑的这种特定状态(其例如是包括对特定任务的较高专注和/或注意力水平的状态、解离状态或其中意识水平相对于正常清醒状态不同或改变的任何其他合适状态)允许对周围刺激的感知减少以及受试者对自我和环境中的自我的感知改变。根据这样的改变的意识状态的一些实施方案，受试者的生理机能通常会改变(不自主运动(即吞咽、四肢运动、眨眼)更少、生命体征稳定性更高、呼吸模式更大以及氧合率提高……)。在这样的焦虑减少或未经历焦虑的特定状态(诸如例如改变的意识状态)下，受试者可以经历出现部分或全部强直性昏厥以及与环境脱节(即无法听到/响应号令)。根据需要，感官可以是激活不足的/过度激活的。然而，根据焦虑减少或未经历焦虑的特定状态(例如涉及改变的意识状态)的备选实施方案，受试者可以被吸引到和/或使其注意力引至特定任务，或者换言之在较高专注和/或注意力水平的状态。甚至另外的实施方案是可能的，其中例如受试者经受例如心身锻炼等，或任何其他合适的生理干预，其中受试者经受例如纯心理治疗，诸如例如认知行为疗法等。例如，可以诱导受试者进入这样的特定的改变的意识状态，其中解离状态充分抑制了焦虑体验和/或疼痛的有意识感知，使得可以安全地进行医学干预，诸如例如手术干预、利用局部麻醉剂的医学干预等。
非药理学诱导的意识状态可以根据治疗环节期间受试者的一种或多种解离深度(DoD)来确定，如下文稍后讨论的。
根据一个实施方案，向受试者施加治疗环节以改变受试者的意识状态。治疗环节可以包括催眠和/或其他循证心理和/或心身干预(即非药理学治疗)、活性药理成分的使用(即药理学治疗)、其他治疗(例如针灸、机械治疗、其他非药理学治疗)。优选地，其包括催眠。受试者的意识状态已被催眠改变的程度可以被称为催眠深度(DoH)。受试者的意识状态已被催眠或任何其他合适的非药理学治疗和/或任选地活性药理学成分和任选地其他治疗改变的程度可以被称为状态深度(DoS)。
特别地，非药理学治疗包括例如催眠，但是也包括用于强化催眠环节和/或提高解离/改变的专注水平、改变的意识状态/治疗影响、心身干预等的其他治疗。显然，备选的非药理学治疗环节是可能的。药理学治疗环节的实例可以包括麻醉剂、镇痛剂和/或抗焦虑剂的施用。麻醉剂的实例包括：
-吸入剂，诸如地氟烷(Desflurane)、恩氟烷(Enflurane)、氟烷(Halothane)、异氟烷(Isoflurane)、甲氧氟烷(Methoxyflurane)、氧化亚氮(Nitrous oxide)、七氟烷(Sevoflurane)(吸入)
-静脉注射剂，诸如巴比妥类药物(Barbiturates)、异戊巴比妥(Amobarbital)、美索比妥(Methohexital)、硫戊巴比妥(Thiamylal)、硫喷妥(Thiopental)、苯二氮
Figure BDA0004113230540001451
类药物(Benzodiazepines)、地西泮(Diazepam)、劳拉西泮(Lorazepam)、咪达唑仑(Midazolam)、依托咪酯(Etomidate)、氯胺酮(Ketamine)、丙泊酚(Propofol)。
抗焦虑剂的实例包括：巴比妥类药物(Barbiturates)、苯并二氮杂
Figure BDA0004113230540001452
类药物(Benzodiazepines)、氨基甲酸酯类药物(Carbamates)、抗组胺剂(Antihistamines)、阿片类药物(Opioids)、抗抑郁剂(Antidepressants)、交感神经阻滞剂(Sympatholytics)等。
如本文中使用的，术语“受试者”是指治疗环节的受益人。“用户”是指操作所述方法或系统的一个人或多个人。用户可以是受试者的护理提供者，诸如医生、或医疗助理，或非医疗助理(例如朋友、亲戚、助手)。在某些情况下，例如，在家中自行施用治疗的情况下，用户可以是受试者。
催眠是一种诱导受试者的改变的意识状态的方法。催眠疗法可以是医学(临床)催眠疗法，或家庭催眠疗法，或在任何护理或健康环境中提供的催眠疗法。催眠疗法可以是护理机构不提供(即诊所、医院、护理中心不提供)的机构以外的催眠疗法。当沉浸在改变的意识状态中时，受试者的自我感知和周围觉察会受到影响，从而改变受试者对他/她的感觉、意识和思维的体验，并且使受试者倾向于遵循暗示。受试者被吸引并且与现实解离。
催眠治疗环节的实施方案通常包括4个连续阶段，如图51中所例示的，即(i)诱导阶段、(ii)深化阶段、(iii)过渡阶段和/或(iv)重新警觉阶段。当沉浸在治疗环节中时，受试者的自我感知和周围觉察会受到影响，沉浸深度在(i)阶段期间增加并且在(ii)阶段期间达到最大值。受试者在(ii)阶段期间变得易于受到暗示性控制，在此期间受试者可以被镇静、诱导放松等。之后，受试者通过经过(iii)和(iv)阶段恢复到正常意识状态。
下面详细描述了这些阶段，即：
(i)诱导阶段，其中受试者准备沉浸到改变的状态中。在这个阶段中，受试者通常被提供对于受试者而言舒适、安全和放松的感觉。
(ii)深化阶段，其中受试者处于改变的意识状态。这种状态的典型特征是与现实完全解离，以及缺乏或减少运动，除非在疗法中明确建议。
(iii)过渡阶段，其中受试者暴露于暗示性信息，这可能有助于记住或忘记疗法的特定事件和/或解决一个或多个受试者具体问题(也被称为催眠后暗示)。
(iv)重新警觉阶段，其中受试者恢复到正常意识状态。在这个阶段中，受试者通常恢复了他/她的感觉，并且解离状态结束。
催眠治疗环节可以由催眠师提供，更优选地，其使用媒体渲染器(诸如虚拟现实头戴设备)来呈现，以获得完全沉浸的效果，如下面更详细地描述的。可以通过媒体渲染器播放存储的催眠治疗环节，所述治疗环节的内容可以针对治疗目标而具有特异性。
在这样的改变的意识状态下(例如通过治疗或导致较高专注和/或注意力水平的活动诱导的、通过催眠诱导的或者通过任何其他合适的治疗或备选地不一定涉及改变的意识状态的任何其他合适的治疗诱导的)时，受试者可以更好地管理焦虑和/或疼痛以及其他症状/问题。受试者可以例如在不存在或存在较低剂量的药理学药剂(麻醉剂/镇痛剂/抗焦虑剂)的情况下经历医学干预(例如侵入性程序)。

Claims (15)

1.一种用于测量与改变的意识状态的水平和/或疼痛水平组合和/或相关的焦虑水平的计算机实现的方法，其中所述方法包括以下步骤：
-接收测量数据，所述测量数据包括从以下中的至少一者收集的EEG数据：
-至少一个顶叶(P)电极，其被配置为从对应于受试者的顶叶的头皮解剖区域收集顶叶EEG(P-EEG)数据；
-至少一个额叶(F)电极，其被配置为从对应于受试者的额叶的头皮解剖区域收集额叶EEG(F-EEG)数据；
以及任选地肌电图EMG数据；以及
-从收集自P-EEG数据的EEG数据中提取第8组指标，所述第8组指标基于在δ-θ频率范围内与δ-θ频带dt相关联的功率，即P-功率(dt)；连同
-从收集自F-EEG数据的EEG数据中提取第1组指标，所述第1组指标基于在δ-θ频率范围内与δ-θ频带dt相关联的功率，即F-功率(dt)；
-以及任选地从收集自F-EEG数据的EEG数据中提取基于平均信号峰-峰振幅的第2组指标F-MSPA；
和/或
-从EEG数据中提取第4组指标，所述第4组指标对应于在θ-α频率范围内与θ-α频带ta相关联的功率，即功率(ta)；
-以及任选地从EEG数据中提取对应于平均信号峰-峰振幅的第3组指标MSPA；
-以及任选地从EMG数据中提取对应于平均信号峰-峰振幅的第5组指标EMG-MSPA；以及
-基于所述第8组指标确定焦虑水平LoA，其是指示所述受试者的焦虑水平的值；连同
-基于所述第1组指标和任选地所述第2组指标确定状态深度DoS，其是指示所述受试者的改变的意识状态的水平的值；和/或
-基于所述第4组指标和任选地所述第3组指标和/或第5组指标，确定疼痛水平LoP，其是指示所述受试者的疼痛水平的值。
2.根据权利要求1所述的方法，其中所述方法包括以下步骤：
-使多个LoA、LoP和/或DoS测量相关联和/或确定多个LoA、LoP和/或DoS测量之间的相关性；
-确定来自测量数据的不同DoS下的多个LoA和/或确定包括LoA和DoS的同时测量的测量数据；和/或
-通过评估不同DoS下的LoA演变和/或来自测量数据的相对于DoS演变的LoA演变，确定DoS对LoA的调节。
3.根据权利要求1或2所述的方法，其中所述方法包括以下步骤：
-确定来自测量数据的不同DoS和/或LoA下的多个LoP和/或确定包括LoA和DoS的同时测量的测量数据；和/或
-通过评估不同DoS和/或LoA下的LoP演变和/或来自测量数据的相对于DoS和/或LoA演变的LoP演变，确定DoS和/或LoA对LoP的调节。
4.根据前述权利要求中任一项所述的方法，其中所述方法包括以下的另外的步骤：
-基于所述DoS将所述LoA调整为归一化焦虑水平NLoA，其是指示所述受试者在预定参考DoS下的焦虑水平的值；和/或
-基于所述LoP将所述LoA调整为归一化焦虑水平NLoA，其是指示所述受试者在预定参考LoP下的焦虑水平的值；
-基于所述DoS和/或LoA将所述LoP调整为归一化疼痛水平NLoP，其是指示所述受试者在预定参考DoS和/或预定参考LoA下的疼痛水平的值；
-基于所述LoA和/或所述LoP，计算所述DoS的至少一个限度和/或范围DoSLimit，其指示当所述受试者经历所述LoA和/或所述LoP时可达到的意识水平的改变的至少一个限度和/或范围；和/或
-基于所述LoA和/或DoS，计算所述LoP的至少一个限度和/或范围LoPLimit，其指示当所述受试者经历所述LoA和/或DoS时可达到的疼痛水平的至少一个限度和/或范围；和/或
-基于所述LoP，计算所述LoA的至少一个限度和/或范围LoALimit，其指示当所述受试者经历所述LoP时可达到的疼痛水平的至少一个限度和/或范围。
5.一种用于优选地在治疗之前、期间和/或之后测量和/或监测和/或预测和/或汇总受试者中与改变的意识状态的水平和/或疼痛水平组合和/或相关的焦虑水平的计算机实现的方法，其中所述方法包括以下步骤：
-优选地在所述治疗之前、期间和/或之后，在至少两个不同时间点处测量根据前述权利要求中任一项所述的与DoS和/或LoP组合的LoA；
-基于与在至少两个不同时间点处测量的至少两个DoS和/或至少两个LoP组合和/或相关的至少两个LoA的相应比较，测量和/或监测和/或预测与DoS和/或LoP组合的LoA的演变、优选地治疗导致的演变；和/或
-基于在至少两个不同时间点处和/或在一定时间段内测量的至少两个LoA和/或至少两个DoS和/或至少两个LoP的汇总，汇总焦虑水平评分或LoAS和/或状态深度评分或DoSS和/或疼痛水平评分或LoPS。
6.根据前述权利要求中任一项所述的方法，其中所述方法包括以下步骤：
-基于在治疗期间和/或之后确定的与DoS和/或LoP组合的LoA与在治疗之前确定的与DoS和/或LoP组合的LoA的相应比较，确定与DoS和/或LoP组合的LoA的治疗导致的演变。
7.根据权利要求5或6所述的方法，其中：
-所述治疗是疼痛管理治疗，并且所述方法包括以下步骤：
-当LoP和/或LoA超出预定范围时和/或直到LoP和/或LoA在预定范围内，将所述疼痛管理治疗替换为焦虑管理治疗和/或与焦虑管理治疗组合；
-所述治疗是焦虑管理治疗，并且所述方法包括以下步骤：
-当LoP和/或LoA超出预定范围时和/或直到LoP和/或LoA在预定范围内，将所述焦虑管理治疗替换为疼痛管理治疗和/或与疼痛管理治疗组合；
-所述治疗是焦虑管理治疗，并且所述方法包括以下步骤：
-当DoS和/或LoA超出预定范围时和/或直到DoS和/或LoA在预定范围内，将所述焦虑管理治疗替换为改变意识水平的治疗和/或与改变意识水平的治疗组合；和/或
-所述治疗是改变意识状态的治疗，并且所述方法包括以下步骤：
-当LoP和/或LoA和/或DoS超出预定范围时和/或直到LoP和/或LoA和/或DoS在预定范围内，将所述改变意识状态的治疗替换为减轻焦虑和/或疼痛的治疗和/或与减轻焦虑和/或疼痛的治疗组合。
8.根据权利要求6或7所述的方法，当引用权利要求4(NLoA)时，其中所述治疗是减轻焦虑的治疗，并且所述方法包括以下步骤：
-基于治疗导致的NLoA演变，确定和/或监测减轻焦虑的治疗的功效。
9.根据权利要求6或7所述的方法，其中所述治疗是用于减轻焦虑的改变意识状态的治疗，并且所述方法包括以下步骤：
-在改变意识状态的治疗之前、期间和/或之后，在至少两个不同时间点处测量DoS；和/或
-基于在改变意识状态的治疗期间和/或之后测量的DoS和/或LoA与在改变意识状态的治疗之前测量的DoS和/或LoA的比较，确定DoS和/或LoA的治疗导致的演变。
10.一种用于确定治疗和/或确定对治疗的调整和/或确定治疗的强度和/或确定治疗的功效和/或确定治疗的选择的计算机实现的方法，其中所述方法包括以下步骤：
-根据权利要求4所述测量和/或监测和/或预测和/或汇总受试者的NLoA和/或NLoP和/或DoSLimit和/或LoPLimit和/或LoALimit；和
-基于测量的和/或监测的和/或预测的和/或汇总的NLoA和/或NLoP和/或DoSLimit和/或LoPLimit和/或LoALimit，确定治疗和/或确定对治疗的调整和/或确定治疗的强度和/或确定治疗的功效和/或确定治疗的选择。
11.根据前述权利要求中任一项所述的方法，其中所述方法包括以下步骤：
-接收参考数据，所述参考数据包括与分别与DoS和/或LoP组合的至少一个预定参考LoA相关的受试者和/或群体的测量数据；
-确定分别与DoS和/或LoP组合的至少一个预定参考LoA和从参考数据中提取的至少一个相应组指标的至少一种相关性；以及
-通过所述至少一种相应相关性，相对于分别与DoS和/或LoP组合的至少一个预定参考LoA缩放和/或指数化随后测量的与DoS和/或LoP组合的LoA，以及任选地由此确定焦虑水平指数或LoAI和状态深度指数或DoSI和/或疼痛水平指数或LoPI。
12.根据前述权利要求中任一项所述的方法，其中所述θ-α频带ta包括以下中的一者或多者：
-涵盖θ和α脑电波二者的频带；
-从6Hz扩展至高达并包括12Hz的频带；和/或
-至少2Hz的带宽和至少包括从6Hz扩展至高达并包括8Hz的快θ波的频带，和/或
其中所述θ-α频率范围：
-包括涵盖θ和α脑电波二者的频率范围；和/或
-从4Hz扩展至高达并包括12Hz，和/或
其中δ-θ(dt)频带dt包括以下中的一者或多者：
-涵盖δ和θ脑电波二者的频带；
-从0Hz扩展至高达并包括8Hz的频带；
-至少2Hz的带宽和至少包括从3Hz扩展至高达并包括6Hz的慢θ脑电波的频带；和/或
其中δ-θ频率范围：
-包括涵盖δ和α脑电波二者的频率范围；和/或
-从1Hz扩展至高达并包括6Hz。
13.根据前述权利要求中任一项所述的方法，所述方法包括以下步骤：
-接收测量数据，所述测量数据还包括心血管数据
-从心血管数据中提取：
-第7组指标，所述第7组指标基于来自心血管数据的心率和/或心率变异性，优选地心率和心率变异性的组合；以及
-基于所述第8组指标和至少第7组指标确定LoA；
和/或以下步骤：
-接收测量数据，所述测量数据还包括呼吸数据；
-从呼吸数据中提取：
-第6组指标，所述第6组指标基于来自呼吸数据的呼吸率和/或呼吸变异性和/或氧饱和度和/或预定呼吸模式；
-基于所述第8组指标和至少第6组指标确定LoA；
和/或以下步骤：
-接收测量数据，所述测量数据还包括
-眼运动数据；
-从所述眼运动数据中提取：
-第9组指标，所述第9组指标基于来自所述眼运动数据的眼运动率和/或眼运动幅度和/或预定眼运动模式；
-基于所述第8组指标和至少第9组指标确定LoA；
和/或以下任选步骤：
-所述眼运动数据包括EOG数据；和/或
-第9组指标基于从所述眼运动数据中检测扫视性眼运动以及任选地扫视性眼运动的一个或多个特征；
和/或以下步骤：
-接收测量数据，所述测量数据还包括：
-肌肉活动数据；
-从所述肌肉活动数据中提取：
-第10组指标，所述第10组指标基于来自所述肌肉活动数据的肌肉活动；
-基于所述第8组指标和至少第10组指标确定LoA；
和/或以下任选步骤：
-肌肉活动数据包括肌电图EMG数据；和/或
-第10组指标基于来自EMG数据的肌电图EMG活动；
和/或以下步骤：
-接收测量数据，所述测量数据还包括
-体温数据；
-从所述体温数据中提取：
-第11组指标，所述第11组指标基于来自所述体温数据的体温；
-基于所述第8组指标和至少第11组指标确定LoA。
14.一种系统，所述系统被配置为按照根据前述权利要求中任一项所述的方法来测量与DoS和/或LoP组合和/或相关的LoA，所述系统包括：
-监测装置，所述监测装置被配置为获得测量数据，所述测量数据包括EEG数据，所述EEG数据包括从以下中的至少一者收集的数据：
-至少一个顶叶(P)电极，其被配置为从对应于受试者的顶叶的头皮解剖区域收集P-EEG数据；
-至少一个额叶(F)电极，其被配置为从对应于受试者的额叶的头皮解剖区域收集F-EEG数据，
-所述测量数据任选地还包括肌电图EMG数据；以及
-控制器模块，所述控制器模块被配置为：
-从所述监测装置接收所述测量数据；
-进行这样的提取：
-从收集自所述P-EEG数据的EEG数据中提取第8组指标，所述第8组指标基于在δ-θ频率范围内与δ-θ频带dt相关联的功率，即P-功率(dt)；以及
-进行这样的提取：
-从所述EEG数据中提取第1组指标，所述第1组指标基于在从至少一个F-EEG电极数据中提取的δ-θ频率范围内与δ-θ频带dt相关联的功率，即F-功率(dt)；
-以及任选地从收集自所述F-EEG数据的EEG数据中提取基于平均信号峰-峰振幅的第2组指标F-MSPA；
和/或
-从所述EEG数据中提取第4组指标，所述第4组指标对应于在θ-α频率范围内与θ-α频带ta相关联的功率，即功率(ta)；
-以及任选地从所述EEG数据中提取对应于平均信号峰-峰振幅的第3组指标MSPA；
-以及任选地从所述EMG数据中提取对应于平均信号峰-峰振幅的第5组指标EMG-MSPA；
-基于所述第8组指标确定焦虑水平LoA，其是指示所述受试者的焦虑水平的值；以及
-进行这样的确定：
-基于所述第1组指标和任选地所述第2组指标确定状态深度DoS，其是指示改变的意识状态的水平的值；和/或
-基于所述第4组指标和任选地所述第3组指标和任选地所述第5组指标确定疼痛水平LoP，其是指示所述受试者的疼痛水平的值。
15.根据权利要求14所述的系统，其中为了获得测量数据，所述监测装置包括以下中的一者或多者：
-一个或多个电极，其被配置为收集脑电图EEG数据，包括：
-一个或多个顶叶(P)电极，其被配置为从对应于所述受试者顶叶的头皮解剖区域收集P-EEG数据，
-一个或多个额叶(F)电极，其被配置为从对应于所述受试者额叶的头皮解剖区域收集F-EEG数据，
-任选地，一个或多个中央(C)电极，其被配置为从对应于所述受试者中央前回和中央后回的头皮解剖区域收集C-EEG数据，
-任选地，一个或多个另外的电极，其被配置为收集脑电图EEG数据；
-任选地呼吸数据捕获单元；
-任选地心血管数据捕获单元；
-任选地眼运动数据捕获单元；
-任选地肌肉活动数据捕获单元；
-任选地体温数据捕获单元；和/或
其中所述系统还包括图形用户界面GUI，其被配置为以数字和/或图形方式指示以下中的一个或多个：
-分别在不同时间点处测量的至少两个LoA、DoS和/或LoP，优选地历史的、当前的和/或预期的LoA、DoS和/或LoP；
-在不同时间点处测量的至少两个LoA、DoS和/或LoP的演变和/或它们之间的比率和/或它们的汇总；
-任选地，所述测量数据的一个或多个成分，优选地一个或多个EEG数据和任选地EMG数据、呼吸数据、心血管数据、肌肉活动数据、眼运动数据和/或体温数据；和/或
-任选地任何(N)LoA(I)(S)、(N)LoP(I)(S)和/或DoS(I)(S)、LoALimit、LoPLimit和/或DoSlimit。
CN202180055284.2A 2020-08-13 2021-08-13 用于测量与改变的意识状态水平和/或疼痛水平组合和/或相关联的焦虑水平的方法和系统 Pending CN116250043A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP20191014.8A EP3955257A1 (en) 2020-08-13 2020-08-13 A method and system for measurement of a level of anxiety combined with and/or correlated with a level of a modified state of consciousness and/or a level of pain
EP20191014.8 2020-08-13
PCT/EP2021/072568 WO2022034205A1 (en) 2020-08-13 2021-08-13 A method and system for measurement of a level of anxiety combined with and/or correlated with a level of a modified state of consciousness and/or a level of pain

Publications (1)

Publication Number Publication Date
CN116250043A true CN116250043A (zh) 2023-06-09

Family

ID=72266101

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180055284.2A Pending CN116250043A (zh) 2020-08-13 2021-08-13 用于测量与改变的意识状态水平和/或疼痛水平组合和/或相关联的焦虑水平的方法和系统

Country Status (6)

Country Link
US (1) US20230248294A1 (zh)
EP (2) EP3955257A1 (zh)
JP (1) JP2023537996A (zh)
KR (1) KR20230051194A (zh)
CN (1) CN116250043A (zh)
WO (1) WO2022034205A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117257303A (zh) * 2023-11-21 2023-12-22 北京视友科技有限责任公司 一种焦虑检测方法、装置、电子设备及存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116269392B (zh) * 2023-05-22 2023-07-18 华南理工大学 一种多参数耦合的应激水平评估方法及其系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117257303A (zh) * 2023-11-21 2023-12-22 北京视友科技有限责任公司 一种焦虑检测方法、装置、电子设备及存储介质
CN117257303B (zh) * 2023-11-21 2024-02-06 北京视友科技有限责任公司 一种焦虑检测方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
EP4196990A1 (en) 2023-06-21
US20230248294A1 (en) 2023-08-10
WO2022034205A1 (en) 2022-02-17
EP3955257A1 (en) 2022-02-16
JP2023537996A (ja) 2023-09-06
KR20230051194A (ko) 2023-04-17

Similar Documents

Publication Publication Date Title
Tsai et al. Efficacy of paced breathing for insomnia: enhances vagal activity and improves sleep quality
US6067467A (en) EEG operative and post-operative patient monitoring method
EP1495715B1 (en) A method and apparatus based on combination of three phsysiological parameters for assessment of analgesia during anesthesia or sedation
US8574156B2 (en) Determination of the clinical state of a subject
Mai et al. Interoception is associated with heartbeat-evoked brain potentials (HEPs) in adolescents
Telles et al. Hemisphere specific EEG related to alternate nostril yoga breathing
US20230248294A1 (en) A method and system for measurement of a level of anxiety combined with and/or correlated with a level of a modified state of consciousness and/or a level of pain
US20230233121A1 (en) A method and system for measuring a level of anxiety
US20230293100A1 (en) A method and system for monitoring a level of pain
US20210100491A1 (en) System for use in improving cognitive function
US20220104751A1 (en) A method and system for monitoring a level of non-pharmacologically-induced modified state of consciousness
da Cunha-Martins et al. Short-term usage of three non-invasive ventilation interfaces causes progressive discomfort in healthy adults
US20230284961A1 (en) A method and system for monitoring a level of modified consciousness and a level of pain
RU2807285C1 (ru) Способ оценки адекватности анестезии
Wyckoff et al. Sleep better, live better
Molisso Neurophysiological and neuropsychological evaluation of stress on health care professionals during Covid-19 emergency
Cruz-Molina Identifying a cross-correlation between heart rate variability and skin conductance using pain intensity on healthy college students

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination