Summary

Berechnung der Herzfrequenzvariabilität aus EKG-Daten von Jugendlichen mit Zerebralparese während aktiver Videospielsitzungen

Published: June 05, 2019
doi:

Summary

Dieses Protokoll beschreibt eine Methode zur Berechnung der Herzfrequenzvariabilität (HRV) aus Elektrokardiogramm-Wellenformen (EKG). Wellenformen von kontinuierlichen Herzfrequenzaufnahmen (HR) während aktiver Videospielsitzungen (AVG) wurden verwendet, um die aerobe Leistung von Jugendlichen mit Zerebralparese (CP) zu messen.

Abstract

Ziel dieser Studie war es, eine Methode zur Berechnung der Herzfrequenzvariabilität (HRV) aus Elektrokardiogramm-Wellenformen (EKG) zu generieren. Die Wellenformen wurden von einem HR-Monitor aufgezeichnet, den Teilnehmer (Jugendliche mit Zerebralparese (CP)) während aktiver Videospielsitzungen (AVG) trugen. Die AVG-Sitzungen wurden entwickelt, um körperliche Aktivität und Fitness (aerobe Leistung) bei den Teilnehmern zu fördern. Ziel war es, die Machbarkeit von AVGs als Interventionsstrategie für physikalische Therapie (PT) zu bewerten. Die maximale HR (mHR) wurde für jeden Teilnehmer ermittelt und die Zielherzfrequenzzone (THRZ) wurde für jede der drei Übungsphasen in der 20 min AVG-Sitzung berechnet: (Aufwärmen bei 40-60% mHR, Konditionierung bei 60-80% mHR und Abkühlung bei 40-60% mHR). Jeder Teilnehmer spielte drei 20-Min-Spiele während der AVG-Session. Alle Spiele wurden auf einer Bank gespielt, weil viele Jugendliche mit CP nicht für längere Zeit stehen können. Jede Spielbedingung unterschied sich mit Teilnehmern, die nur Handsymbole, Hand- und Fußsymbole zusammen oder Fußsymbole nur zum Sammeln von Objekten verwenden. Das Ziel des Spiels (genannt KOLLECT) ist es, Objekte zu sammeln, um Punkte zu sammeln und Gefahren zu vermeiden, um keine Punkte zu verlieren. Gefahren wurden in den Aufwärm- und Abkühlphasen nur verwendet, um eine langsamere, kontrollierte Bewegung zu fördern, um die HR in der Zielherzfrequenzzone (THRZ) aufrechtzuerhalten. Es gab keine Gefahren in der Konditionierungsphase, um höhere Niveaus und intensivere körperliche Aktivität zu fördern. Analytische Methoden wurden verwendet, um HRV (ausgewählte Zeit-Domain- und Frequenz-Domain-Maßnahmen) aus EKG-Daten zu generieren, um aerobe Arbeitsbelastung zu untersuchen. Jüngste Anwendungen von HRV deuten darauf hin, dass kurzfristige Messungen (5 min Bouts) angemessen sind und dass HRV-Biofeedback dazu beitragen kann, die Symptome und die Lebensqualität in einer Vielzahl von gesundheitlichen Bedingungen zu verbessern. Obwohl HR eine gut akzeptierte klinische Maßnahme zur Untersuchung der aeroben Leistung und Intensität von PT-Interventionen ist, kann HRV Während aVG-Sitzungen Informationen über die Funktionen des autonomen Systems, die Erholung und Anpassung liefern.

Introduction

Zerebralparese (CP) ist die häufigste körperliche Behinderung der Kindheit1. CP wird durch eine neurologische Beleidigung des sich entwickelnden Gehirns verursacht und ist mit motorischen Beeinträchtigungen wie Muskelschwäche, Spastik, Dekonditionierung und verminderter Motorkontrolle und Balanceverbunden 2,3. CP ist eine nicht-progressive Erkrankung, aber mit dem Alter werden Kinder weniger körperlich aktiv und sitzender im Vergleich zu ihren Altersgenossen mit typischer Entwicklung (TD) vor allem wegen der erhöhten Anforderungen an Wachstum an ihre kompromittierte neuromuskuläre und Muskel-Skelett-Systeme4.

Jugendliche mit CP erhalten in der Regel Physiotherapie (PT) Dienstleistungen zur Verbesserung der funktionellen Beweglichkeit und Förderung der körperlichen Aktivität und Fitness (z.B. Aerobe und Muskelausdauer)2. Oftmals gibt es nur begrenzten Zugriff auf PT-Dienste und Community-Ressourcen, um diese PT-Ziele zu erreichen und zu erhalten5,6. Aktive Videospiele (AVGs) können eine praktikable Strategie bei aktivitätsbasierten PT-Interventionen in Klinik-, Heim- oder Gemeinschaftseinstellungen7,8sein. Kommerzielle AVGs haben begrenzte Flexibilität, um das Spiel anzupassen und die spezifischen Bedürfnisse und PT-Ziele für Jugendliche mit CP9zu erfüllen. Allerdings bieten maßgeschneiderte AVGs flexible Spielparameter, um Jugendliche mit CP herauszufordern und gleichzeitig körperliche Aktivität und Fitness zu fördern10.

Unser Team hat ein maßgeschneidertes AVG (kollECT) entwickelt, um die Reaktionen von Jugendlichen auf Bewegung (z. B. körperliche Aktivität und aerobe Fitness) zu untersuchen. Das Spiel verwendet einen Bewegungssensor, um Jugendbewegungen während des Spiels zu verfolgen. Das Ziel des Spiels ist es, so viele Objekte wie möglich für eine hohe Punktzahl zu “sammeln” und die Gefahren zu vermeiden, um Punkte zu verlieren. Objekte können mit Hand- und/oder Fußsymbolen gesammelt werden, wie vom Therapeuten in den flexiblen Spielparametern festgelegt.

Das Entwerfen aktivitätsbasierter PT-Interventionen, die die Intensität der körperlichen Aktivität dosieren, um die aerobe Fitness zu fördern, ist für Jugendliche mit CP11von entscheidender Bedeutung. Benutzerdefinierte AVGs können eine effektive Strategie sein, um Intensität zu dosieren und Jugendliche in körperliche Aktivität zu engagieren, um Fitness zu fördern10. Herzfrequenz-Monitore (HR) werden häufig in der klinischen PT-Praxis verwendet, um aerobe Leistung und Aktivitätsintensität zu bestimmen. Daher werden HR-Monitore helfen, die Durchführbarkeit von AVGs bei der Dosierung der körperlichen Aktivitätsintensität zu bestimmen, um aerobe Fitness zu fördern9. EKG-Daten, die aus einem HR-Monitor generiert werden, können zur Berechnung der Herzfrequenzvariabilität (HRV) verwendet werden. Analytische Methoden wurden verwendet, um HRV aus EKG-Daten zu generieren, um aerobe Arbeitsbelastung zu untersuchen. Jüngste Anwendungen von HRV deuten darauf hin, dass kurzfristige Messungen (5 min Bouts) angemessen sind und dass HRV-Biofeedback dazu beitragen kann, die Symptome und die Lebensqualität in einer Vielzahl von gesundheitlichen Bedingungen zu verbessern32,33,34 . Die Anwendung kurzfristiger HRV-Maßnahmen ist ein geeignetes Mittel zur Beurteilung der Herz-Kreislauf-Funktion während AVG-Sitzungen. Da HRV aus dem R-R-Intervall eines EKG abgeleitet ist, haben wir ausgewählte Zeit-Domain- und Frequenz-Domain-Maßnahmen verwendet. Zeit-Domänen-Messung von HRV quantifiziert die Variablität in den Interbeat-Intervallen, die die Zeit zwischen aufeinanderfolgenden Herzschlägen darstellt. Wir verwendeten AVNN (durchschnittliches NN-Intervall), RMSSD (Wurzelmittelquadrat der aufeinanderfolgenden Unterschiede), SDNN (Standardabweichung des NN-Intervalls), NN50 (Anzahl der NN-Intervalle >50 ms) und PNN50 (Prozentsatz der NN-Intervalle). Frequenzbereichsmessungen schätzen die Verteilung der absoluten oder relativen Leistung in möglicherweise vier Frequenzbänder, die wir speziell auf zwei Frequenzbänder, Niederfrequenz-(LF)-Leistung und Hochfrequenzleistung (HF) zusammen mit dem LF/HF-Verhältnis angesprochen haben. Obwohl HR eine gut akzeptierte klinische Maßnahme ist, kann HRV nützlich sein, da es Informationen über autonome Systemfunktion, Wiederherstellung, Anpassung und eine Schätzung der aeroben Arbeitsbelastung während einer AVG-Sitzung28bereitstellt.

Ziel dieser Studie war es, die Durchführbarkeit der Anwendung von AVG-Strategien zur Förderung von körperlicher Aktivität und Fitness zu untersuchen. Ein zweiter Zweck bestand darin, das AVG-Datenerfassungsprotokoll und die Methodik zur Berechnung der HRV aus EKG-Daten, die über einen HR-Monitor gewonnen wurden, vorzustellen. Diese Maßnahmen und dieses Protokoll können sich für Ärzte als relevant erweisen, um PT-Interventionssitzungen zu überwachen und zu dosieren.

Protocol

Die Zustimmung des Institutional Review Board wurde eingeholt. Alle Jugendlichen erteilten ihre schriftliche Zustimmung und die Eltern gaben vor der Teilnahme ihre Zustimmung. 1. AVG-Datenerfassungssitzungen Die AVG-Spielsitzung In dieser Studie, lassen Sie Jugendliche mit CP an einer AVG-Sitzung teilnehmen, die aus drei 20-min-Spielen besteht. Siehe Tabelle 5 für die demografische Jugend. Es wurde erwartet, dass insgesamt 30 Spiele gespielt werden; Allerdings wurden 29 Spiele a…

Representative Results

Diese Methode liefert Daten zur Analyse der Auswirkungen einer neu entwickelten Methode auf die Herzfrequenzvariabilität (HRV) des Themas. Dazu wird der R-Teil der QRS-Wellenform der EKG-Daten eines Subjekts, wie in Abbildung 6dargestellt, lokalisiert und daraus verschiedene HRV-Werte berechnet. Wenn der PERSONALmonitor ordnungsgemäß mit dem Betreffenden in Kontakt tritt, werden die Daten einheitlich sein, was den Bedarf an Korrekturen erheblich verringert…

Discussion

Zehn Jugendliche mit CP nahmen an dieser Studie teil (Mittelwert + SD) [ Alter (Jahre) = 15,53 x 3,57 ; Höhe (cm) 154,8 x 12,6; Gewicht (kg) 50,69 x 11,1; Body-Mass-Index (BMI) 50,46 x 29,2; mHR 9 bpm) = 186,8 x 12,4]. Siehe Tabelle 5 für patienten demografie.

Es gibt einige Überlegungen für den Einsatz von HR-Monitoren und die damit verbundenen Maßnahmen von HR und HRV, die sich auf Modifikationen und Fehlerbehebung beziehen. Zwei Fragen, die offensichtlich sind, unabhä…

Offenlegungen

The authors have nothing to disclose.

Acknowledgements

Die Autoren danken den Teilnehmern und ihren Familien für ihre Zeit und Mühe, die sie für die Teilnahme an der Studie aufgewendet haben. Die Autoren würdigen dr. Yichuan Liu und Dr. Hasan Ayaz für ihre Unterstützung bei der Zeitberechnung der PERSONALüberwachung und Dr. Paul Diefenbach bei der Entwicklung der SOFTWARE KOLLECT Active Video Gaming. Die Finanzierung dieser Arbeit wurde von coulter Foundation Grants #00006143 (ONeil; Diefenbach, PIs) und #00008819 (ONeil; Diefenbach, PIs).

Materials

BioHarness Bluetooth Module (Electronics sensor)  Zephyr 9800.0189 Detects Heart Rate, Resiration Rate, Posture, and Skin Temperature.
BioHarness Chest Strap Zephyr 9600.0189, 9600.0190 Sizes Small XS-M, Large M-XL
BioHarness Charge Cradle & USB Cable Zephyr 9600.0257 Used to Transfer Data from the Module to a Computer for Analysis.
BioHarness Echo Gateway Zephyr 9600.0254 Allows for Realtime Viewing of Subject's Heart Rate.
MATLAB R2016a Mathworks 1.7.0_.60 Used for All Programming.

Referenzen

  1. Winter, S., Autry, A., Boyle, C., Yeargin-Allsopp, M. Trends in the prevalence of cerebral palsy in a population-based study. Pediatrics. 110 (6), 1220-1225 (2002).
  2. Fowler, E., et al. Promotion of physical fitness and prevention of secondary conditions for children with cerebral palsy: Section on Pediatrics Research Summit Proceedings. Physical Therapy. 87 (11), 1495-1510 (2007).
  3. Rosenbaum, P., Paneth, N., Leviton, A., Goldstein, M., Bax, M. A report: The definition and classification of cerebral palsy: April 2006. Developmental Medicine & Child Neurology. 49 (s109), 8-14 (2007).
  4. Hanna, S., et al. Stability and decline in gross motor function among children and youth with cerebral palsy aged 2 to 21 years. Developmental Medicine & Child Neurology. 51 (4), 295-302 (2009).
  5. Rimmer, J., Rowland, J. Health promotion for people with disabilities: Implications for empowering the person and promoting disability-friendly environments. American Journal of Lifestyle Medicine. 2 (5), 409-420 (2008).
  6. Feehan, K., et al. Factors influencing physical activity in children and youth with special health care needs: A pilot study. International Journal of Pediatrics. , (2012).
  7. Fehlings, D., Switzer, L., Findlay, B., Knights, S. Interactive computer play as motor therapy for individuals with cerebral palsy. Seminars in Pediatric Neurology. 20 (2), 127-138 (2013).
  8. Sandlund, M., Dock, K., Hager, C., Waterworth, E. Motion interactive video games in home training for children with cerebral palsy: parents’ perceptions. Disability & Rehabilitation. 34 (11), 925-933 (2012).
  9. Howcroft, J., et al. Active video game play in children with cerebral palsy: Potential for physical activity promotion and rehabilitation therapies. Archives of Physical Medicine and Rehabilitation. 93 (8), 1448-1456 (2012).
  10. Bilde, P., Kliim-Due, M., Rasmussen, B., Petersen, L., Petersen, T., Nielsen, J. Individualized, home-based interactive training of cerebral palsy children delivered through the Internet. BMC Neurology. 11, 32 (2011).
  11. Kolobe, T., et al. Research Summitt III proceedings on dosing in children with an injured brain or cerebral palsy. Physical Therapy. 94 (7), 907-920 (2014).
  12. Schipke, J., Pelzer, M., Arnold, G. Effect of respiration rate on short-term heart rate variability. Journal of Clinical and Basic Cardiology. 2 (1), 92-95 (1999).
  13. Ernst, G. Heart rate variability. Heart Rate Variability. , 1-336 (2014).
  14. Francis, J., et al. Association between symptoms of depression and anxiety with heart rate variability in patients with implantable cardioverter defibrillators. Psychosomatic Medicine. 71 (8), 821-827 (2009).
  15. Mendes, R., et al. Is applying the same exercise-based inpatient program to normal and reduced left ventricular function patients the best strategy after coronary surgery? A focus on autonomic cardiac response. Disability and Rehabilitation: An International Multidisciplinary Journal. 36 (2), 155-162 (2014).
  16. Muralikrishnan, K., Balakrishnan, B., Balasubramanian, K., Visnegarawla, F. Measurement of the effect of Isha Yoga on cardiac autonomic nervous system using short-term heart rate variability. Journal of Ayurveda and Integrative Medicine. 33 (2), 279-283 (2012).
  17. Yadav, R. K., Gupta, R., Deepak, K. K. A pilot study on short term heart rate variability & its correlation with disease activity in Indian patients with rheumatoid arthritis. Indian Journal of Medical Research. 136 (4), 593-598 (2012).
  18. Thuraisingham, R. A. Preprocessing RR interval time series for heart rate variability analysis and estimates of standard deviation of RR intervals. Computer Methods and Programs in Biomedicine. 83 (1), 78-82 (2006).
  19. Alamili, M., Rosenberg, J., Gögenur, I. Day-night variation in heart rate variability changes induced by endotoxaemia in healthy volunteers. Acta Anaesthesiologica Scandinavica. 59 (4), 457-464 (2015).
  20. Pal, G., et al. Preference for salt contributes to sympathovagal imbalance in the genesis of prehypertension. European Journal of Clinical Nutrition. 67 (6), 586-591 (2013).
  21. Telles, S., Raghavendra, B. R., Naveen, K. V., Manjunath, N. K., Kumar, S., Subramanya, P. Changes in autonomic variables following two meditative states described in yoga texts. Journal of Alternative and Complementary Medicine. 19 (1), 35-42 (2013).
  22. Kičmerová, D. . Methods for Detection and Classification in ECG Analysis. Doctoral thesis. , (2009).
  23. Murai, K., Hayashi, Y. Evaluation of mental workload for ship handling using physiological indices. , 604-608 (2009).
  24. Taelman, J., Vandeput, S., Spaepen, A., Van Huffel, S. Influence of mental stress on heart rate and heart rate variability. Heart. 29 (1), 1366-1369 (2009).
  25. Durantin, G., Gagnon, J. F., Tremblay, S., Dehais, F. Using near infrared spectroscopy and heart rate variability to detect mental overload. Behavioural Brain Research. 259, 16-23 (2014).
  26. Buchheit, M. Monitoring training status with HR measures: Do all roads lead to Rome?. Frontiers in Physiology. 5, (2014).
  27. Achten, J., Jeukendrup, A. Heart rate monitoring: Applications and limitations. Sports Medicine. 33 (8), 517-538 (2012).
  28. Amichai, T., Katz-Leurer, M. Heart rate variability with cerebral palsy: Review of literature and meta-analysis. NeuroRehabilitation. 35, 113-122 (2014).
  29. Billman, G., Haikuri, H., Sacha, J., Trimmel, K. An introduction to heart rate variability: Methodological considerations and clinical applications. Frontiers in Physiology. 6, (2015).
  30. Beffara, B., Bret, A., Vermeulen, N., Mermillod, M. Resting high frequency heart rate variability selectively predicts cooperative behavior. Physiology & Behavior. 164, 417-428 (2016).
  31. Fogt, D., Cooper, P., Freeman, C., Kalns, J., Cooke, W. Heart rate variability to assess combat readiness. Military Medicine. 174, 491-495 (2009).
  32. Kerppers, I. L., Arisawa, E. A. L., Oliveira, L. V. F., Sarmpaio, L. M. M., Oliverira, C. S. Heart rate variability in individual with cerebral palsy. Archives of Medical Science. 5, 45-50 (2009).
  33. Giggins, O. M., Persson, U. M., Caulfield, B. Biofeedback in Rehabilitation. Journal of Neuroengineering and Rehabilitation. 10, (2013).
  34. Shaffer, F., Ginsberg, J. P. An overview of heart rate variability metrics and norms. Frontiers in Public Health. 5, 258 (2017).
  35. Shaffer, F., McCarty, R., Zeir, C. L. A healthy heart is not a metronome: an integrative review of the heart’s anatomy and heart rate variability. Frontiers in Psychology. 5, 1040 (2014).

Play Video

Diesen Artikel zitieren
Landis, C., O’Neil, M. E., Finnegan, A., Shewokis, P. A. Calculating Heart Rate Variability from ECG Data from Youth with Cerebral Palsy During Active Video Game Sessions. J. Vis. Exp. (148), e59230, doi:10.3791/59230 (2019).

View Video