Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.

Methodenartikel

Psychologische und schlafbezogene Veränderungen bei vorausgewählten Mitgliedern des Polar Inland Expedition Teams während des schnellen Aufstiegstrainings in großer Höhe

303 Ansichten

⸱

DOI:

10.3791/68599

⸱

6. März 2026

 ,  ,  ,  ,  ,  , 
1Naval Medical University, 2Polar Research Institute of China

* These authors contributed equally

In diesem Artikel

Zusammenfassung

Diese Studie zeigt, dass vorläufige und Ersatzmitglieder der antarktischen Binnenexpeditionsteams unter Hochlagen signifikant erhöhte Angstniveaus, präfrontale neuroplastische Kompensation (Aktivierung des linken vorderen präfrontalen Kortex) und Schlaffragmentierung (Wake After Sleep Onset WASO) zeigten. Diese Ergebnisse bilden eine empirische Grundlage für die Entwicklung adaptiver Trainingsprotokolle für extreme Umgebungen.

Zusammenfassung

Diese Studie etablierte und implementierte ein multidimensionales Bewertungsprotokoll, um systematisch neurobehaviorale Veränderungen bei 30 vorläufigen und Ersatzmitgliedern des antarktischen Inland-Expeditionsteams zu untersuchen, die ein schnelles Höhentraining absolvierten. Das Protokoll integriert psychometrische Skalen (BFI-44, DASS-21, PSQI), Verhaltensparadigmen (N-Back-Aufgabe), funktionelle Nahinfrarotspektroskopie (fNIRS) und Handgelenksaktigraphie, um neurobehaviorale Anpassungen über unterschiedliche Höhen (0 m über dem Meeresspiegel / 3.700 m über dem Meeresspiegel / 4.300 m über dem Meeresspiegel) über einen 8-Tage-Zyklus zu bewerten. Das Kerndesign umfasst die Basistests vor dem Aufstieg; synchronisierte kognitive fNIRS-Messungen in Zielhöhen; 24/8 Schlafüberwachung (einschließlich 8-Stunden-nächtlicher Aktigraphie). Dieser multimodale Rahmen ermöglicht eine quantitative Charakterisierung präfrontaler kompensatorischer Aktivierung, Schlaffragmentierungsdynamik und höheninduzierter Angstschwankungen. Die Ergebnisse zeigen, dass die Teilnehmer im Vergleich zu chinesischen normativen Daten signifikant erhöhte Verständlichkeit (t=3,940, P<0,001) und Gewissenhaftigkeit (t=9,736, P<0,001) sowie eine reduzierte Neurotizismus (t=-14,087, P<0,001) aufwiesen. Akute Hypoxie verschlimmerte die Angst (Z=-4,098, P<0,001), mit höherer Schwere bei ethnischen Minderheiten (H=6,405, P=0,011). Die Aktigraphie zeigte eine höhenabhängige Schlaffragmentierung (WASO: 4.300 m ü. M. im Verlauf von Ausgangswert, P=0,028). N-Back-Aufgaben bestätigten das erhaltene Arbeitsgedächtnis bei 3.700 m ü. Chr. (Genauigkeit P=0,027), vermittelt durch kompensatorische präfrontale Aktivierung (L-aPFC-Aktivierung P=0,043). Diese Daten legen evidenzbasierte Auswahlkriterien für polarwissenschaftliche Expeditionen in Hochgebirge fest und definieren neuroplastische Resilienzschwellenwerte unter hypoxischem Stress.

Einleitung

Mitglieder der Polarexpedition müssen sich an die koexistierenden physiologischen und psychologischen Herausforderungen in extremen Umgebungen anpassen1. Die Höhenbedingungen im Inneren der Antarktis (Höhe > 4000 m über dem Meeresspiegel) können hypoxiebedingte kognitive Beeinträchtigungen und Schlafstörungen hervorrufen. Obwohl nur Dome A (>4000 m über dem Meeresspiegel) eine dauerhafte Hochgebirgsforschungsstation in der Antarktis ist, erfordern die Überquerungen zu Binnenstandorten wie Dome A und Dome F eine längere Exposition (1–2 Wochen) in Höhen von über 3000–4000 m über dem Meeresspiegel 2,3. Außerdem ist Hypoxie ein wichtiger Stressfaktor, der sowohl während dieser Durchquerungen als auch in Dome A selbst auftritt, was die in diesem Trainingsprotokoll simulierten Bedingungen widerspiegelt. Daher ist das Verständnis der neurobehavioralen Anpassung an Hypoxie unerlässlich für die Personalauswahl und die Optimierung der Ausbildung für Teams im Inland Traverse und Kuppel-A-Operatoren, um Sicherheit und Leistung in diesen logistisch kritischen und wissenschaftlich wertvollen Missionen zu gewährleisten. Das übergeordnete Ziel dieser Methode ist es, ein multimodales Bewertungsprotokoll zu etablieren, das systematisch neurobehaviorale Anpassungen während der schnellen Höhenakklimatisierung quantifiziert und psychologische, kognitive, neurovaskuläre und Schlafparameter in einen einheitlichen Rahmen integriert. Diese Technik wurde als Reaktion auf kritische Einschränkungen in der bestehenden Forschung entwickelt, die überwiegend psychologische oder physiologische Parameter isoliert untersucht 4,5,6,7. Die Vorteile dieser multimodalen Technik gegenüber herkömmlichen Methoden umfassen:

Ökologische Validität: Simultane fNIRS-Verhaltenskopplung erfasst Echtzeit-neurokognitive Anpassungen 8,9 und überwindet rückblickende Verzerrungen, die in Scale-only-Bewertungen enthalten sind7

Umfassende Profilierung: Die Integration von Aktigraphie mit validierten Skalen (PSQI) bietet eine objektive Verifikation subjektiver Schlafberichte10,11

Dynamisches Tracking: Wiederholte Messungen über Höhen hinweg zeigen zeitliche Anpassungsmuster, die durch Einzelpunktbewertungen nicht erreichbar sind4

Innerhalb der breiteren Literatur adressiert dieses Protokoll die steigenden operativen Anforderungen der antarktischen Forschung12, indem es den ersten standardisierten Rahmen bereitstellt, der: Präfrontale kompensatorische Mechanismen durch fNIRS während kognitiver Belastung unter Hypoxie quantifiziert 8,13; korreliert Persönlichkeitsmerkmale (BFI-44) mit höheninduzierten Angstdynamiken (DASS-21)14,15; synchronisiert objektive Schlaffragmentierung (Aktigraphie) mit neurobehavioralen Ergebnissen16,17.

Diese Methode ist für Forscher und Praktiker geeignet, die Personalauswahlsysteme für Hochaltitude-Polaroperationen, die Validierung neuroplastischer Resilienzschwellenwerte unter hypoxischem Stress (>3.700 m ü.t.M.) und objektive Biomarker (z. B. L-aPFC-Aktivierung) benötigen, um die Leistungsverschlechterung der Aufgabe vorherzusagen. Umsetzungsaspekte: Empfohlen für Erwachsene im Alter von 25-45 Jahren ohne kardiopulmonale Begleiterkrankungen, erfordert eine 3-tägige Akklimatisierung pro Höhenstufe (3.700 m ü. M.M. bis 4.300 m ü.M.M.), technische Einschränkungen: fNIRS-Optodenplatzierung begrenzt die gleichzeitige Nutzung von Kopfbedeckungen. Mit zunehmenden antarktischen Forschungsstationen und vielfältigen wissenschaftlichen Missionenbietet dieses Protokoll evidenzbasierte Lösungen zur Optimierung adaptiver Ausbildung in extremen Umgebungen.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

1. Studienteilnehmer

  1. Teilnehmerauswahl
    1. Stichprobenmethode: Als Untersuchungsteilnehmer wurde eine Cluster-Stichprobe von 30 vorausgewählten und alternativen Teammitgliedern des antarktischen Binnenexpeditionsteams durchgeführt.
    2. Studienobjekte: Beziehen alle vorausgewählten Kandidaten und Reservemitglieder des chinesischen Antarktis-Inland-Expeditionsteams ein. Schließen Sie Personen aus, die das Trainingsprogramm während des Trainingszeitraums nicht absolvieren können (z. B. solche, die den Trainingsplan aufgrund von Krankheit, körperlicher Beschwerden oder anderen Gründen nicht absolviert haben).
  2. Datenerhebung
  3. Demografische Dokumentation: Erfassen Sie umfassende soziodemografische Daten, einschließlich Alter, Bildungsabschluss und bisherige Polarexpeditionserfahrungen (Tabelle 1).
  4. Stellen Sie sicher, dass strenge Anonymisierungsmaßnahmen für alle psychometrischen Daten durchgesetzt werden, einschließlich: Zuweisung eindeutiger anonymisierter IDs (z. B. EXP##) zum Ersatz persönlicher Identifikatoren, Entfernung direkter Identifikatoren (z. B. Namen, Adressen) aus Datensätzen, Speicherung identifizierbarer Daten (z. B. Einwilligungsformulare) in passwortgeschützten, verschlüsselten Dateien, die von Forschungsdaten getrennt sind.
n=30N%
Ethnizität
Han-Chinesen2893.3
Ethnische Minderheit (Tibeter und Mandschu)26.67
Höchster Bildungsabschluss
Oberstufe und darunter13.3
Hochschul- oder Bachelor-Abschluss1136.7
Masterabschluss826.7
Doktortitel1033.3
Einzelkind
Ja1653.3
Nein1446.7
Familienstand
Unverheiratet1550
Verheiratet1550
Anzahl der beteiligten wissenschaftlichen Expeditionen
Nicht teilgenommen2480
1 Time26.7
2 oder mehr Mal413.3
Alter: 32,72±7,73

Tabelle 1: Demografische Daten. (A) Diese Tabelle zeigt die ethnische Zusammensetzung, das Bildungsniveau, den Einzelkindstatus, den Familienstand und die Häufigkeit der Forschungsbeteiligung für die Stichprobe, wobei die letzte Zeile Altersdaten (Durchschnitt ± SD) zeigt. (B) N: Stichprobenanzahl; %: Prozentsatz relativ zur Gesamtstichprobengröße (n=30), Daten zeigen den Durchschnitt ± SD.

2. Erstellung psychologischer und schlafbezogener Instrumente

  1. Standardisierte psychometrische Skalen: Führen Sie eine vom Forscher durchgeführte, fragebogenbasierte Bewertung in einem standardisierten Interviewformat durch, um das Verständnis zu gewährleisten und Selbstberichterstattungsfehler zu minimieren. Führen die Teilnehmer mündlich durch jeden Punkt, wobei bei Bedarf Klarstellungen gegeben werden.
    1. Big Five Inventar-44 (BFI-44)14
      1. Wählen Sie den 44-Item-Fragebogen BFI-44 aus, um fünf Persönlichkeitsdimensionen zu bewerten. Weist die Teilnehmer an, Aussagen mit einer 5-Punkte-Likert-Skala zu bewerten (1=Stark widersprechend bis 5=Stark zustimmend).
      2. Berechnen Sie Domänenwerte für Extraversion, Freundlichkeit, Neurotizismus, Offenheit und Gewissenhaftigkeit. Höhere Werte deuten auf eine stärkere Expression entsprechender Merkmale hin. Die Skala umfasst 28 positiv abgestimmte Gegenstände.
    2. Depression, Angst, Stressskalen-21 (DASS-21)15
      1. Führe das 21-Item-DASS-21 mit einer 4-Punkte-Likert-Skala an (1= Für mich überhaupt nicht zutreffend bis 4=Sehr für mich angewandt). Zeichnen Sie Subskalenwerte für Depression, Angst und Stress auf. Erhöhte Werte spiegeln eine größere Schwere emotionaler Störungen wider.
    3. Pittsburgh Schlafqualitätsindex (PSQI)10
      1. Verteilen Sie 18-Item-PSQI-Fragebögen an die Teilnehmer. Instruktionsabschluss innerhalb von 10 Minuten mit 0-3 Wertung pro Bereich: Subjektive Schlafqualität, Schlaflatenz, Schlafstörungen, Anwendung von hypnotischen Medikamenten, Tagesfunktionsstörungen. Berechnen Sie globale Punktzahlen (Skala 0-21). Höhere Gesamtwerte im PSQI deuten auf eine insgesamt schlechtere Schlafqualität hin.
  2. Schlafüberwachung
    HINWEIS: Das hier für die Handgelenksaktigraphie verwendete Gerät war der ActiGraph wGT3X-BT16.
    1. Initialisieren Sie Geräte mit der Software und standardisierten Zeitstempeln.
    2. Starte ActiLife v6.15.0. Klicken Sie auf Gerät > initialisieren > setzen. Stellen Sie die Abtastrate ein: 60 Hz, Startzeit: YYYY-MM-DD HH:MM:SS (synchronisiert mit der Atomuhr), Subjekt-ID: EXP## (anonymisiertes Format).
    3. Setzen Sie einen Kontrollpunkt ein, um zu überprüfen, dass das Initialisierungsprotokoll Initialisierung erfolgreich anzeigt.
    4. Kalibrieren Sie die Software nach der Platzierung am nicht-dominanten Handgelenk mit Herstellerprotokollen. Stecken Sie das Gerät in die USB-Docking. Klicken Sie auf Kalibrieren und folgen Sie dann dem Screen-Protokoll für den Gravitationsvektortest.
    5. Sammeln Sie 24/8-Aktivitätsdaten mit einer Abtastrate von 60 Hz. Führen Sie einen visuellen Checkpoint durch und bestätigen, dass die grüne Status-LED alle 15 Sekunden blinkt (normaler Betrieb).
    6. Führen Sie Datenerfassung durch. Nach der Bereitstellung stecken Sie das Gerät in die Dockingstation. Wählen Sie ActiLife. Klicken Sie auf Download > RAW-.gt3x-Format > Process mit dem Cole-Kripke-Algorithmus. Verwenden Sie den Cole-Kripke-Algorithmus für die Schlaf-Wach-Klassifikation. Validierung von geräteabgeleiteten Schlafparametern über Teilnehmer-Schlaftagebücher17.
    7. Abtastung mit kontinuierlicher 24/8-Aufnahme bei 60 Hz durchführen (Abstand zwischen Wert/Einheit sicherstellen: 60 Hz)

3. Kognitive Bewertung und fNIRS-Erwerb

  1. Brief N-zurück Aufgabe8,9
    1. Mit der E-Prime 2.0-Software werden Großbuchstaben zufällig in der Mitte eines 16-Zoll-LCD-Monitors angezeigt. Die Teilnehmer müssen Urteile treffen: Drücken Sie die F-Taste, wenn der aktuelle Buchstabe mit dem zuvor präsentierten N Positionen übereinstimmt, oder drücken Sie die J-Taste, wenn er nicht übereinstimmt (N=1, 1-Rückseite; N=2, 2-Rücken; N=3, 3-Rücken).
    2. Erfassungsgenauigkeit (ACC) und Reaktionszeit (RT) für 50 Versuche pro Schwierigkeitsgrad.
    3. In den Ausgabeeinstellungen des E-Prime konfigurieren Sie die DataFile.Name als "EXP##Nback.edat2". Für die Einsetzzeit des Reizes wählen Sie die Variablen aus: ACC (Richtig = 1 / Falsch = 0) und RT (in Millisekunden). Klicken Sie auf Exportieren > Excel-Format.
    4. Klicken Sie auf Analysieren > allgemeines lineares Modell > wiederholte MessungenInnerhalb des Themen: N-Niveau(1,2,3). Setze Checkpoints bei Rohdaten: 50 Versuche/Level = insgesamt 150 Versuche.
    5. Für die Übungsphase in E-Prime klicken Sie auf BlockProc > Übungseigenschaften. Setze maximale Prüfungen: 10, Feedback-Bildschirm: Richtig! (grün) / Falsch (rot) und Fortschreiten: Drücken Sie die 'Q'-Taste, um die Übungsphase zu wiederholen, drücken Sie die 'P'-Taste, um mit dem formellen Experiment fortzufahren. Ein Kontrollpunkt wird eingerichtet, der die Übungsphase auf maximal 3 Wiederholungen begrenzt (Abbildung 1).

Abbildung 1
Abbildung 1: Buchstaben-N-Rückseiten-Paradigma. Dieses Schema veranschaulicht das Paradigma der Buchstaben n-rückwärts über drei Schwierigkeitsgrade (1-rück, 2-rück und 3-rück). Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

  1. fNIRS-Datenerfassung
    HINWEIS: Hier wurde der NirScan-500C, Huichuang, Danyang verwendet.
    1. Führen Sie die Optode-Konfiguration durch. Positionieren Sie ein 48-Kanal-fNIRS-Kopfstück gemäß dem internationalen System 10-20.
    2. Räumliche Anordnung mit Quelle und Detektor Abstand auf 30 mm setzen, Abdeckung: Präfrontalkortex (PFC) und bilaterale temporale Regionen sowie Optodenmatrix: 15 Quelloptoden + 16 Detektoroptoden (Tabelle 2, Tabelle 3, Abbildung 2).
    3. Signalerfassungsparameter
      1. Stellen Sie die Signalaufnahmeparameter mit der NirScan-500C-Software ein. Wählen Sie Nahinfrarotlicht mit zwei Wellenlängen: Stellen Sie die Wellenlängen auf 730 nm ± 5 nm und 850 nm ± 5 nm ein.
      2. Abtastrate konfigurieren: Stellen Sie auf 11 Hz ein, indem Sie auf Einstellungen > Erfassungsrate klicken. Aktivieren Sie Task-Event-Synchronisation: Aktivieren Sie Hardware-Trigger, indem Sie Sync > External Trigger auswählen.
      3. Erfassen Sie die Änderungen der rohen optischen Intensität für die spätere Umwandlung in sauerstoffreiche/sauerstoffgeschwächte Hämoglobinkonzentrationen unter Verwendung des modifizierten Beer-Lambert-Gesetzes. Überprüfen Sie die Parametereinstellungen im Softwareprotokoll (z. B. Wellenlängen: 730/850 nm, Rate: 11 Hz).

Abbildung 2
Abbildung 2: Kanalanordnung, Position und Konfiguration der fNIRS-Sonde. (A) Rote Kreise stehen für Lichtquellen, blaue Quadrate für Detektoren und nummerierte Bereiche für die nächstgelegenen Quell-Detektor-Paare (Kanäle) zur Messung der Gehirnaktivitäten. (B) Ko-registrierte Positionen der Optoden in einem Standard-Gehirnatlas. Die anatomische Position jedes Kanals im Gehirnatlas ist in Tabelle 1 detailliert angegeben. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

KanalBrodmann-GebietAnatomischer BereichAbdeckungsquote
KAPITEL 121Mitteltemporalgyrus97.44%
KAPITEL 222Gyrus superior temporalis43.21%
KAPITEL 338Zeitropolares Gebiet51.84%
KAP447Inferiorer präfrontaler Gyrus100.00%
Kap 547Inferiorer präfrontaler Gyrus56.35%
KAPITEL 610Frontopolarer Bereich62.75%
Kap 710Frontopolarer Bereich51.96%
CH810Frontopolarer Bereich100.00%
CH911Orbitofrontaler Bereich59.66%
CH1011Orbitofrontaler Bereich46.67%
CH1110Frontopolarer Bereich98.66%
CH1238Zeitropolares Gebiet57.25%
CH1321Mitteltemporalgyrus98.63%
CH1422Gyrus superior temporalis43.46%
CH1521Mitteltemporalgyrus92.79%
CH1621Mitteltemporalgyrus75.85%
CH1722Gyrus superior temporalis62.67%
CH1843Subzentraler Bereich36.79%
CH1944Pars opercularis_ Teil des Broca-Gebiets57.05%
CH206Vormotorischer und ergänzender motorischer Kortex73.08%
CH2110Frontopolarer Bereich49.10%
CH2246Dorsolateraler präfrontaler Kortex78.62%
CH2310Frontopolarer Bereich93.20%
CH249,46Dorsolateraler präfrontaler Kortex77.95%
CH2510Frontopolarer Bereich87.63%
CH2610Frontopolarer Bereich100.00%
CH2710Frontopolarer Bereich100.00%
CH2810Frontopolarer Bereich99.65%
CH2947Inferiorer präfrontaler Gyrus58.95%
CH3010Frontopolarer Bereich92.46%
CH3145pars triangularis Brocas Gebiet64.19%
CH3246Dorsolateraler präfrontaler Kortex86.52%
CH3321Mitteltemporalgyrus56.73%
CH3422Gyrus superior temporalis53.70%
CH3542Primärer und auditiver Assoziationskortex64.69%
CH3643Subzentraler Bereich46.23%
CH379,46Dorsolateraler präfrontaler Kortex60.54%
CH389Dorsolateraler präfrontaler Kortex52.09%
CH399,46Dorsolateraler präfrontaler Kortex92.77%
CH4010Frontopolarer Bereich89.88%
CH419,46Dorsolateraler präfrontaler Kortex91.08%
CH429Dorsolateraler präfrontaler Kortex84.34%
CH4310Frontopolarer Bereich92.46%
CH449Dorsolateraler präfrontaler Kortex83.67%
CH459,46Dorsolateraler präfrontaler Kortex90.37%
CH4645pars triangularis Brocas Gebiet39.27%
CH479,46Dorsolateraler präfrontaler Kortex98.16%
CH486Vormotorischer und ergänzender motorischer Kortex80.97%

Tabelle 2: Hirnregionverteilung des fNIRS-Messkanals nach der Kalibrierung mit einem 3D-Lokalisator. (A) Räumliche Verteilungsmerkmale von 48 fNIRS-Kanälen, die durch ein 3D-Positionierungssystem über Brodmann-Bereiche und entsprechende anatomische Hirnregionen kalibriert werden. Der Abdeckungsprozentsatz gibt den effektiven Signalaufnahmeanteil aus den Zielhirnregionen an. (B) Kanal: fNIRS optische Messkanalnummer (CH1-CH48); Brodmann-Bereich: Brodmann-Flächenzahl (z. B. 22 = Auditory Association Cortex); Anatomischer Bereich: Standardterminologie gemäß Terminologia Anatomica (1998); Abdeckungs%: Effektiver Abdeckungsprozentsatz der Optodenpaare für die Ziel-Gehirnregion.

Anatomischer BereichKanal
L-aPFC11,25,27,28,30,43
R-aPFC6,7,8,21,23,26,40
L-DLPFC32,44,45,47
R-DLPFC22,24,37,38,39,41,42

Tabelle 3: Interessensgebiete von Interesse. (A) Darstellung der Kanalkonfigurationsverteilung spezifischer funktioneller Hirnregionen im fNIRS-Messsystem, einschließlich des vorderen präfrontalen Cortex (aPFC) und des dorsolateralen präfrontalen Cortex (DLPFC) sowohl in der linken als auch der rechten Hemisphäre. (B) Abkürzungen: L = Linke Hemisphäre; R = Rechte Hemisphäre; aPFC = vordere präfrontale Kortex; DLPFC = Dorsolateraler präfrontaler Cortex.

4. Datenerfassung

  1. Umsetzung psychologischer Diagnostik
    HINWEIS: Die Teammitglieder starteten vom Meeresspiegel (Shanghai, 0 m über dem Meeresspiegel) und unternahmen einen kommerziellen Flug (etwa 8 Stunden) nach Lhasa, das sich auf 3.700 m über dem Meeresspiegel befindet, wo sie eine 72-stündige (3-tägige) wissenschaftliche Forschungsausbildung absolvierten. Anschließend verlagerte das Team den Bodentransport (etwa 2 Stunden) nach Yangbajain in 4.300 m über dem Meeresspiegel, um eine weitere 72-stündige (3-tägige) wissenschaftliche Forschungsausbildung fortzusetzen. Die Datenerhebung erfolgte unmittelbar nach Ankunft des Teams auf jeder der drei genannten Höhen (Abbildung 3).
    1. Führen Sie eine standardisierte Verwaltung durch: Führen Sie Vorbewertungsgruppen-Briefing-Sitzungen ein. Führen Sie Fragebögen mit einer Zeitvorgabe von 30 Minuten durch.
    2. Verzerrung von Verzerrungen: Lesen Sie standardisierte Anweisungen aus geskripteten Protokollen. Beseitigen Sie suggestive Formulierungen, indem Sie vorab genehmigtem Text folgen.
    3. Multimodale Daten synchronisieren: Synchronisation zwischen kognitiven Aufgaben und fNIRS-Erfassung ermöglichen. Zeitsperren Sie Reize zu fNIRS-Triggern, indem Sie E-Prime auswählen > Trigger-Einstellungen > Synchronisieren mit fNIRS.
    4. Stellen Sie sicher, dass alle Sitzungen identische Skripte und Zeitvorgaben einhalten.
  2. Überwachung von Schlafparametern
    1. Implementierung des kontinuierlichen Aktigraphieprotokolls: Sammeln Sie 24 H/8 Stunden Handgelenksaktigraphiedaten. Gleichzeitig das Schlaftagebuch aufnehmen.
    2. Sicherstellen Sie die Datenintegrität: Führen Sie tägliche Batterieprüfungen um 07:00 bis 08:00 Uhr durch, indem Sie auf Gerät > Status > Batterie klicken. Validieren Sie die Datenkontinuität, indem Sie auf ActiLife > Tools > Data Integrity Check klicken.

Abbildung 3
Abbildung 3: Psychologisches Bewertungs-Flussdiagramm. (A) Dieses Flussdiagramm zeigt ein dreistufiges psychometrisches Bewertungsprotokoll über graduierte Höhenexpositionen: Niedrige Höhe (0–2 m ü. M.M.): Basismessungen in Shanghai (Tag 1–2), Mittlere Höhe (3650 m über dem Meeresspiegel): Akklimatisierungsphasenmessungen in Lhasa (Tag 3–5), Hochaltitude (4300 m ü.M.M.): Hochexpositionsmessungen in Yangbajing (Tag 6–8). (B) Identische Bewertungsmodule werden in jeder Stufe implementiert: Kognitive Aufgabe: Buchstabe N hinten (3 Schwierigkeitsgrade); Psychologische Skalen: Depression Anxiety Stress Scale (DASS-21), Pittsburgh Sleep Quality Index (PSQI); Schlafüberwachung: Subjektiv (Schlaftagebuch), Objektiv (Aktigraphie). Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

5. Datenanalyse und Statistik

  1. Für die Datenvorverarbeitung in einer Tabelle wenden Sie Ausschlusskriterien an, um unvollständige Datensätze mit >10 % fehlenden Antworten zu entfernen, indem Sie Daten > Filter > fehlende Werte auswählen. Filtere kognitive Daten, um RT-Ausreißer (<150 ms oder> Mittelwert ±2,5 SD) mit Data > Sort & Filter > Advanced zu verwerfen, und berechnen Sie den HitRT (in Millisekunden) und den RejRT (in Millisekunden). Verwalten Sie fehlende Daten, um mehrere Imputationen in SPSS 29.0 zu implementieren, indem Sie auf Transformieren > Mehrfachimputation (5 Iterationen) klicken.
  2. fNIRS-Signalverarbeitung
    HINWEIS: Dies wurde mit NirSpark v1.8.8, Huichuang, Danyang gemacht.
    1. Konvertiere rohe Signale in optische Dichte (OD). Klicken Sie auf Datei > Import Raw > Wählen Sie die .nirs-Datei aus. Wählen Sie Convert to Optical Density und wenden Sie den Algorithmus an: OD = -log10(I/I0). Überprüfen Sie den OD-Bereich 0,1–1,2 AU in View > Channel Metrics. Kanale mit OD >1.5 (schlechter Kontakt) ablehnen, indem du Tools > Kanäle ablehnen wählst.
    2. Berechnen Sie hämodynamische Änderungen. Navigieren Sie zu Analyse > hämodynamischen > Parametern. Setzen Sie Law als modifizierte Beer-Lambert, DPF auf 66 und Bildmodus auf adult_head_template. Führen Sie die Berechnung durch als [HbO, HbR] = mBLL(OD, [730.850], [6,6]) und HbT = HbO + HbR. Bestätigen Sie, dass der DPF-Wert mit dem Teilnehmeralter übereinstimmt (z. B. 6,0 für 25-45 Jahre).
    3. Denoise-Signale, indem man auf Preprocessing > Filter > Einstellungen klickt. Wählen Sie Bandpass Butterworth 4. Ordnung und stellen Sie den Bereich auf 0–0,2 Hz ein. Führen Sie die Bewegungskorrektur über die automatische Erkennung (std_thr=6, amp_thr=0,5) und die Spline-Interpolationsmethode durch und setzen Sie die Artefakt-Ablehnungsschwelle auf SD >±6. Überprüfen Sie die SNR-Verbesserung >10 dBin, indem Sie auf Vor-/Post-Vergleich anzeigen > klicken.
    4. Quantifizieren Sie die Aktivierung wie folgt. Definieren Sie den Baseline als mittleres HbO während der gesamten Aufgabenperiode nach dem Stimulus. Berechnen Sie die Antwort der Aufgabe als mittleres HbO innerhalb von 2-20 Sekunden nach dem Reiz. Erstellen Sie ROI-Durchschnitte, indem Sie Analyse > ROI-Masken > anatomische Vorlagen auswählen.
  3. Berechnung der Schlafeffizienz
    1. Importieren und vorverarbeiten Sie Daten, indem Sie auf Datei klicken > Importieren > .gt3x-Datei auswählen. Stellen Sie die Epoche auf 60 Sekunden ein und validieren Sie die Verschleißzeit, indem Sie Tools > Wear Time Validation > Choi-Algorithmus auswählen. Um Aktigraphie und Schlaftagebuch-Synchronisation durchzuführen, klicken Sie auf Werkzeuge > Schlaf > Schlafphasen erkennen. Dann kalibrieren Sie die Aktigraphiedaten mit dem Schlaftagebuch. Stellen Sie sicher, dass die Zeitstempel des Schlaftagebuchs innerhalb ± 5 Minuten der Aktigraphiedaten liegen.
    2. Parameter wie folgt extrahieren. Navigiere zu Berichten > Schlafbericht. Wähle Parameter aus: Latenz, TIB, TST, WASO. Berechnen Sie die Schlafeffizienz = (TST / TIB) x 100, indem Sie Optionen > Formeln auswählen. Ergebnisse exportieren, indem Sie auf Excel exportieren > klicken .xlsx > Dateiname: EXP##_SleepEfficiency.xlsx. Bestätigen Sie, dass das Aktogramm ≥3 klare Schlaf-/Wachzyklen anzeigt.
  4. Statistische Tests
    1. Führen Sie beschreibende Statistiken durch. Melden Sie normalverteilte Daten als Mittelwert ± SD und nicht-normale Daten als Median [IQR].
    2. Führe parametrische Tests aus. Führen Sie Einstichproben-T-Tests durch, indem Sie auf Analysieren > Vergleichsmittel > Einstichproben-T-Test klicken. Führen Sie RM-ANOVA durch, indem Sie auf Analyze > General Linear Model > Repeated Measures klicken. Wenden Sie die Greenhouse-Geisser-Korrektur bei Verstößen gegen die Sphärizität an.
    3. Wenden Sie bei Bedarf nichtparametrische Alternativen an. Verwenden Sie nichtparametrische Tests auf verwandten Beispielen für Wilcoxon-Signed-Rank-Tests. Die Kontrolle kovariiert durch Auswahl von Analyze > General Linear Model > ANCOVA. Setzen Sie die Signifikanzschwelle durch Anwendung von α=0,05 (zweiseitig) mit Bonferroni-Korrektur für Mehrfachvergleiche.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

Persönlichkeitsmerkmale

Die Persönlichkeitsmerkmale der vorausgewählten Mitglieder der polaren Binnenexpedition wurden mit dem Big Five Inventory (BFI) bewertet. Im Vergleich zu denchinesischen Normen 18 für Bachelorstudierende zeigten die Kandidaten (Tabelle 4) signifikant höhere Werte in Angenehmkeit (t=3,940, P<0,001) und Gewissenhaftigkeit (t=9,736, P<0,001); ein deutlich niedrigerer Wert bei Neurot...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

Die Persönlichkeitsmerkmale vorausgewählter Mitglieder der Polar-Inland-Expedition unterscheiden sich erheblich von den chinesischen Normen

Gemessen durch das Big Five Inventory-44 (BFI-44) zeigten die Kandidaten eine erhöhte Umgänglichkeit und Gewissenhaftigkeit sowie eine reduzierte Neurotizismus im Vergleich zu den Normen für Bachelorstudierende (Tabelle 3). Diese durch Triade gesteigerte soziale Kooperation, aufgabenorient...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

Die Autoren erklären keine konkurrierenden Interessen.

Danksagungen

Die Autoren sprechen der Chinesischen Arktis- und Antarktisverwaltung (Chinese Polar Research Center) ihren aufrichtigen Dank aus, die während dieser Studie wichtige logistische Unterstützung und den Zugang der Teilnehmer gewährleistet hat. Wir erkennen ausdrücklich ihre Koordination der Trainingsprotokolle in großer Höhe und der Beteiligung der Expeditionsteams an. Der Datensatz wird vom National Arctic and Antarctic Data Center (https://datacenter.chinare.org.cn) bereitgestellt.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
AktigraphAktigraphwGT3X-BTAmerika
ActiLifeAktigraph6.15.0Amerika
E-PrimePsychologie-Softwaretools2.0Amerika
IBM SPSS StatistikIBM29Amerika
Microsoft Office  Microsoft Corporation2021Amerika
NirScanHuichuang Medizinische Ausrüstung500°CDanyang, China
NirSparkHuichuang Medizinische Ausrüstung1.8.8Danyang, China

Referenzen

  1. Wang, Z. J., et al. Applied research on low-altitude wind field using coherent Doppler wind lidar at Zhongshan Station, Antarctic. Chinese J Polar Res. 34 (1), 11-19 (2022).
  2. Wang, T., et al. Assessment of solar photovoltaic power potential at Kunlun Station, Antarctica. Chinese J Polar Res. 34 (3), 292-302 (2022).
  3. Liu, X. Y., Wang, Y. Y., Lu, Z. H. Effects of different altitudes on sleep and cognitive function. J Air Force Med Uni. , https://www.fmmu.edu.cn/en/Resources1.htm (2024).
  4. Guo, Z. M., Huang, F. M., Lu, H., Zu, S. Y., Xu, C. L. Effects of Different Altitudes on Cardiac Hemodynamics and Electrocardiogram in Healthy Adult Males. Chinese J Appl Physiol. 28 (1), 1-4 (2012).
  5. Lu, Y. H., Xiong, Y. L., Fang, L., Chen, N., Xu, C. L. Comparative Effects of Rapid versus Gradual Tibetan Acclimatization on Cardiovascular Function and Stress Biomarkers in Kunlun Station Pre-Selection Candidates. Chinese J Appl Physiol. 36 (5), 419-424 (2020).
  6. Huang, F. M., et al. Screening for Hypoxia Susceptibility in Dome A Antarctic Expedition Candidates Using Pulmonary Function Indices. Basic Clin Med. 31 (4), 400-403 (2011).
  7. Xiaopei, W., et al. Different physiopsychological changes between AMS-susceptible and AMS-resistant pre-selected Antarctic expeditioners in Tibet. Adv Polar Sci. 32 (3), 239-247 (2021).
  8. Owen, A. M., McMillan, K. M., Laird, A. R., Bullmore, E. N-back working memory paradigm: a meta-analysis of normative functional neuroimaging studies. Human Brain Map. 25 (1), 46-59 (2005).
  9. Owen, A. M., et al. Putting brain training to the test. Nature. 465 (7299), 775-778 (2010).
  10. Buysse, D. J., Reynolds, C. F., Monk, T. H., Berman, S. R., Kupfer, D. J. The Pittsburgh Sleep Quality Index: a new instrument for psychiatric practice and research. Psychiatry Res. 28 (2), 193-213 (1989).
  11. Carney, C. E., et al. The Consensus Sleep Diary: Standardizing Prospective Sleep Self-Monitoring. Sleep. 35 (2), 287-302 (2012).
  12. Liu, Y. Comprehensive Assessment of Antarctic Operational Capabilities Among Major Polar Expedition Nations. , (2024).
  13. Virués-Ortega, J., Buela-Casal, G., Garrido, E., Alcázar, B. Neuropsychological functioning associated with high-altitude exposure. Neuropsychol Rev. 14 (4), 197-224 (2004).
  14. John, O. P., Donahue, E. M., Kentle, R. L. The Big-Five Inventory. Uni California Berkeley. 18 (5), 367-385 (1991).
  15. Gong, X., Xie, X. Y., Xu, R., Luo, Y. J. Psychometric Validation of the Depression Anxiety Stress Scales-21 (DASS-21) Simplified Chinese Version in Chinese University Students. Chinese J Clin Psychol. 18 (4), 443-446 (2010).
  16. Dong, J., et al. Anxiety correlates with somatic symptoms and sleep status at high altitudes. Physiol Behav. 112, 23-31 (2013).
  17. Carney, C. E., et al. The Consensus Sleep Diary: Standardizing Prospective Sleep Self-Monitoring. Sleep. 35 (2), 287-302 (2012).
  18. Eng, Y., Yue, C. Z. Exploring the Relationship Between Big Five Personality Self-Assessment, Reflective Evaluation, and Mental Health in University Students. Health Med Res Pract. 14 (1), 28-32 (2017).
  19. Yan, G. G., Ye, Q. Psychological Research in Polar Environments. Adv Psychol Sci. 17 (1), 227-232 (2009).
  20. Kious, B. M., et al. Altitude and risk of depression and anxiety: findings from the intern health study. Int Rev Psychiat. 31 (7-8), 637-645 (2019).
  21. Chen, N., et al. Alterations in Circadian Rhythms, Sleep Patterns, and Psychological States Among Overwintering Crew Members During Prolonged Residence at Zhongshan Station, Antarctica. Adv Psychol Sci. , https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=IPFD&dbname=IPFDLAST2015&filename=OGSF201406001161 (2014).
  22. Jaeggi, S. M., Buschkuehl, M., Perrig, W. J., Meier, B. The concurrent validity of the N-back task as a working memory measure. Memory. 18 (4), 394-412 (2010).
  23. Greenberg, K., Zheng, R. Cognitive load theory and its measurement: a study of secondary tasks in relation to working memory. J Cognitive Psychol. 34 (4), 497-515 (2022).
  24. Jenkins, J. R., Salmon, O. F., Smith, C. M. Cognitive function is unaffected during acute hypoxic exposure but was improved following exercise. Int J Exerc Sci. 15 (5), 1481-1491 (2022).
  25. Yan, X., Zhang, J., Gong, Q., Weng, X. Adaptive influence of long-term high altitude residence on spatial working memory: an fMRI study. Brain Cognit. 77 (1), 53-59 (2011).
  26. Zhang, X., Zhang, J. The human brain in a high altitude natural environment: a review. Front Human Neurosci. 16, 915995(2022).
  27. Ji, X., et al. EEG and fNIRS datasets based on stroop task during two weeks of high-altitude exposure in new immigrants. Sci Data. 11 (1), 350(2024).
  28. Duncan, J., Owen, A. M. Common regions of the human frontal lobe recruited by diverse cognitive demands. Trends Neurosci. 23 (10), 475-483 (2000).
  29. Burgess, P. W., Dumontheil, I., Gilbert, S. J. The gateway hypothesis of rostral prefrontal cortex (area 10) function. Trends Cognitive Sci. 11 (7), 290-298 (2007).
  30. Curtis, C. E., D'Esposito, M. Persistent activity in the prefrontal cortex during working memory. Trends Cognitive Sci. 7 (9), 415-423 (2003).
  31. Minamoto, T., Kawakami, N., Tsujimoto, T. Robustness of the self-referential process under normobaric hypoxia: an fNIRS study using the GLM and homologous cortical functional connectivity analyses. Front Human Neurosci. 18, 1337798(2024).
  32. Wang, L., et al. Effects of acute high-altitude exposure on working memory: a functional near-infrared spectroscopy study. Brain Behav. 12 (12), e2776(2022).
  33. Deary, I. J., Strand, S., Smith, P., Fernandes, C. Intelligence and educational achievement. Intelligence. 35 (1), 13-21 (2007).
  34. Jaeggi, S. M., Buschkuehl, M., Jonides, J., Perrig, W. J. Improving fluid intelligence with training on working memory. Proc Natl Acad Sci. 105 (19), 6829-6833 (2008).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Schlagwörter

Neurobehaviorale Ver nderungenSchlaffragmentierungkognitive Bewertungfunktionelle NaherinfrarotspektroskopieHandgelenk AktigraphieN Back Aufgabepsychometrische Skalenpr frontale Aktivierunghypoxischer Stress
Kontakt
Rückmeldung an Ihre Bibliothek

Datenschutz

Nutzungsbedingungen

Richtlinien

Copyright © 2026 MyJoVE Corporation. Alle Rechte vorbehalten.