מאמר שיטה

חישוב השתנות קצב לב מנתוני א מ נוער עם שיתוק מוחין במהלך הפעלות משחקי וידאו פעילים

20.1K צפיות

⸱

DOI:

10.3791/59230

⸱

5 ביוני 2019

 ,  ,  , 
1School of Biomedical Engineering, Science and Health Systems, Drexel University, 2Department of Physical Therapy and Rehabilitation Sciences, Drexel University, 3College of Nursing and Health Professions, Drexel University, 4Department of Nutrition Sciences, Drexel University

במאמר זה

סיכום

פרוטוקול זה מתאר שיטה לחישוב השתנות קצב לב (HRV) מטפסי גל של אלקטרוג (א). צורות גל מתוך הקלטות קצב לב מתמשך (HR) במהלך משחק וידאו פעיל (AVG) הפעלות שימשו כדי למדוד את הביצועים האירובית של בני נוער עם שיתוק מוחין (CP).

תקציר

מטרת המחקר הזה הייתה ליצור שיטה לחישוב שינויים בקצב הלב (HRV) מתוך צורות גל של אלקטרוג (א). צורות גל נרשמו על ידי צג משאבי אנוש המשתתפים (נוער עם שיתוק מוחין (CP)) לבשו במהלך משחק וידאו פעיל (AVG) הפעלות. הפעלות AVG נועדו לקדם פעילות גופנית וכושר (ביצועים אירוביים) במשתתפים. המטרה הייתה להעריך את הכדאיות של AVGs כאסטרטגיית התערבות פיזית (PT). מקסימום HR (mHR) נקבע עבור כל משתתף ואזור קצב הלב של היעד (טרז) מחושב עבור כל אחד משלושת שלבי התרגול ב-20 דקות AVG הפעלה: (חימום ב 40-60% mHR, התניה ב 60-80% mHR, ולהתקרר ב 40-60% mHR). כל משתתף שיחק 3 20 min משחקים במהלך ההפעלה AVG. כל המשחקים שיחקו בעת שישבו על ספסל, כי בני נוער רבים עם CP לא יכולים לעמוד לפרקי זמן ארוכים. כל תנאי משחק שונה עם משתתפים באמצעות סמלי יד בלבד, יד וכפות הרגליים סמלים יחד או כפות רגליים סמלים רק כדי לאסוף חפצים. מטרת המשחק (נקרא KOLLECT) היא לאסוף חפצים כדי לצבור נקודות ולהימנע מסכנות לא לאבד נקודות. סכנות שימשו בשלבים חימום-up וקריר למטה רק כדי לקדם תנועה איטית ומבוקרת כדי לשמור על משאבי אנוש באזור קצב הלב של היעד (טרז). לא היו מפגעים בשלב המיזוג כדי לקדם רמות גבוהות יותר ופעילות גופנית אינטנסיבית יותר. שיטות אנליטיות שימשו כדי לייצר HRV (מחשבים הזמן שנבחרו מדדים בתחום התדרים) מתוך נתוני א ' ל לבחון את עומס העבודה האירובי. יישומים האחרונים של HRV מצביעים על כך לטווח קצר מדידות (5 דקות התקפי) מתאימים, כי הביופידבק HRV עשוי לעזור לשפר את הסימפטומים ואת איכות החיים במגוון של מצבים בריאותיים. למרות HR הוא אמצעי קליני מקובל היטב לבחון ביצועים ועוצמה אירובית בהתערבות PT, HRV עשוי לספק מידע של פונקציות המערכת האוטונומית, שחזור והסתגלות במהלך הפעלות AVG.

מבוא

שיתוק מוחין (CP) הוא הנכות הפיזית השכיחה ביותר של ילדות1. CP נגרמת על ידי עלבון נוירולוגי למוח המתפתח והוא קשור לליקויים מוטוריים כגון חולשת שרירים, ספסטיות, פירוק, וירידה בקרת מנוע ואיזון2,3. CP הוא מצב לא מתקדם, אבל עם גיל, ילדים הופכים להיות פעילים יותר פיזית יותר בהשוואה לעמיתים שלהם עם פיתוח אופייני (TD) בעיקר בגלל הדרישות המוגבר של הצמיחה על שלהם בסיכון העצבי ו מערכות שריר-שלד4.

הנוער עם CP בדרך כלל לקבל טיפול פיזי (PT) שירותי לשפר ניידות תפקודית ולקדם פעילות גופנית וכושר (כגון סיבולת אירובית ושרירים)2. לעתים קרובות, יש גישה מוגבלת שירותי pt ומשאבים קהילתיים כדי להשיג ולקיים את המטרות pt אלה5,6. משחקי וידאו פעילים (avgs) עשויים להיות אסטרטגיה אפשרית בהתערבות מבוססת על פעילות במרפאה, בבית או בהגדרות הקהילה7,8. AVGs מסחרי יש גמישות מוגבלת כדי להתאים את המשחק ולענות על הצרכים הספציפיים ואת יעדי PT לנוער עם CP9. עם זאת, AVGs מותאם אישית מספקים פרמטרים גמישים המשחקים כדי לאתגר את הנוער עם CP תוך קידום פעילות גופנית וכושר10.

הצוות שלנו פיתח AVG מותאם אישית (שנקרא KOLLECT) כדי לבחון את התגובות לפעילות הנוער (למשל, פעילות גופנית וכושר אירובי). המשחק משתמש חיישן תנועה כדי לעקוב אחר תנועת הנוער במהלך המשחק. המטרה של המשחק היא "לאסוף" אובייקטים רבים ככל האפשר עבור ניקוד גבוה כדי למנוע את הסכנות כדי למנוע אובדן נקודות. ניתן לאסוף חפצים בעזרת סמלי יד ו/או כפות רגליים כפי שנקבע על-ידי המטפל בפרמטרי המשחק הגמישים.

עיצוב מבוסס על פעילות התערבויות PT כי המינון האינטנסיביות בפעילות גופנית כדי לקדם את הכושר האירובי הוא קריטי לנוער עם CP11. AVGs מותאם אישית עשוי להיות אסטרטגיה יעילה לאינטנסיביות במינון ולעסוק הנוער בפעילות גופנית כדי לקדם את הכושר10. צגי דופק (HR) משמשים לעתים קרובות בתרגול PT קליני כדי לקבוע ביצועים ועוצמת פעילות אירובית. לכן, צגים משאבי אנוש יסייעו לקבוע את הכדאיות של AVGs בעוצמת פעילות גופנית מינון כדי לקדם כושר אירובי9. ניתן להשתמש בנתוני ה-א שנוצרו בצג HR כדי לחשב שינויים בקצב הלב (HRV). שיטות אנליטיות שימשו כדי לייצר HRV מתוך נתוני א לבחון את עומס העבודה האירובי. היישומים האחרונים של hrv לציין כי מדידות לטווח קצר (5 דקות התקפי) מתאימים, כי ביופידבק hrv עשוי לעזור לשפר את הסימפטומים ואת איכות החיים במגוון של מצבים בריאותיים32,33,34 . היישום של צעדים לטווח קצר HRV הוא אמצעי המתאים להערכת תפקוד לב וכלי דם במהלך הפעלות AVG. בהינתן כי HRV נגזר ממרווח ה-R-r של א. ג. א, השתמשנו באמצעים שנבחרו בתחום הזמן ובתחום התדרים. זמן תחום מידה של HRV לכמת את כמות משתנים במרווחי זמן interbeat המייצגת את הזמן בין פעימות לב רצופות. השתמשנו ב-AVNN (מרווח NN ממוצע), הפקודה RMSSD (כיכר השורש של הבדלים רצופים), SDNN (סטיית תקן של מרווח NN), NN50 (מספר מרווחי NN > 50 אלפיות השני) ו-PNN50 (אחוז מרווחי NN). מדדים בתחום התדר מעריכים את מערך החיווט המוחלט או היחסי לארבע להקות תדר, אנו מתייחסות באופן ספציפי לשתי להקות, כוח בתדר נמוך (LF) וכוח תדר גבוה (HF) יחד עם יחס LF/HF. למרות HR הוא אמצעי קליני מקובל היטב, HRV עשוי להיות שימושי משום שהוא מספק מידע על תפקוד מערכת אוטונומית, שחזור, הסתגלות, ומספק הערכה של עומס עבודה אירובית במהלך הפעלה AVG28.

מטרת מחקר זה הייתה לבחון את הכדאיות של שימוש באסטרטגיות AVG כדי לקדם פעילות גופנית וכושר. מטרה שנייה הייתה להציג את פרוטוקול האיסוף של נתוני ה-AVG ואת המתודולוגיה לחישוב HRV מנתוני ה-א שהושגו באמצעות צג משאבי אנוש. אמצעים אלה ופרוטוקול זה עשויים להוכיח רלוונטיות לרופאים לפקח ומינון הפעלות התערבות PT.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

אישור מועצת הסקירה המוסדי התקבל. כל הצעירים שסופקו בכתב שנשלחו והורים סיפקו הסכמה לפני ההשתתפות.

1. AVG הפעלות איסוף נתונים

  1. הפעלת משחק AVG
    1. במחקר זה, יש נוער עם CP להשתתף בפגישה AVG אשר מורכב של 3 20 דקות משחקים. ראו שולחן 5 למען הנוער הדמוגרפיה. זה היה צפוי כי סך של 30 משחקים יהיה שיחק; עם זאת, 29 משחקים הושלמו כי נושא אחד רק שיחק 2 משחקים במושב AVG שלו.
    2. האם הנושאים לובשים צג משאבי אנוש במהלך המפגש כדי להקליט את התגובות HR ו-אק.
    3. ב הפעלה AVG, יש נוער לשחק כל AVG בעת שישב על ספסל עם כפות רגליים שטוחות על הרצפה הברכיים והירכיים מ90 מעלות (90/90 לשבת) עבור תמיכה ויציבות הפוסט.
    4. השתמש בשלושת תנאי המשחק הבאים עבור אובייקטי אוסף: 1) בלבד; 2) הרגליים סמלים בלבד; ו-3) כפות ידיים ורגליים. השתמש בסדר מאוזן כנגד בין נושאים. בחר שלושה תנאים אלה כדי לקבוע איזה יעיל יותר בקידום פעילות גופנית וכושר ולא תובענית מדי לגרום לעייפות מוקדמת ומיותרת.
      הערה: כל משחק תוכנן באמצעות שלבי המרשם הגופני: חימום, התניה וקריר. [נא לראות את הטבלה 1]. בנוסף, היה שלב מנוחה לפני תחילת המשחק החלה לתעד את הבסיס HR ושלב התאוששות לאחר המשחק כדי לתעד את הזמן כדי לחזור משאבי אנוש בסיסית.
    5. אפשר לנבדקים תקופת מנוחה בין משחקים עבור HR כדי לחזור לרמה הבסיסית.
  2. חישוב HRV מנתוני א
    1. ארגן נתונים לתוך 5 מרווחי זמן מסוימים כדי להבטיח נתונים דומים עבור כל שלב. לכן, היו 6 שלבים שהוגדרו עבור חישובים אלה: 1) מנוחה; 2) חימום; 3) מיזוג 1 (הראשון 5 דקות); 4) התניה 2 (השני 5 דקות); 5) קריר-למטה (5 דקות) ו-6) התאוששות. חלוקת שלב המיזוג לשני שלבים של 5 דקות מאפשרת בחינה של ביצועים אירוביים במרווחי זמן קצרים יותר לצורך מעקב אחר עייפות בעקבות פירוק 12 (טבלה 4).
    2. כדי לחשב כראוי את הצעדים hrv עבור כל קטע של ההפעלה של הנושא, לבצע זיהוי R-שיא על האות הגולמי10,13. השתמש באות הגולמי כדי למנוע מניפולציות שעלולות להטות את הנתונים.
    3. כדי לעבד את הנתונים, השג את שעות ההתחלה של כל הפעלה של הקלטה והמרה ממשתני ' תאריך ושעה ' (MM/DD/YYYY HH: MM: SS. SS) לשניות. אף אחת מההפעלות לא התרחשה על פני יומיים שאפשרו התעלמות מהחלק MM/DD/YYYY במהלך חישובים אלה. השג את שעת ההתחלה של משחק הריבית מטבלת התזמון כדי לאתר כל הפעלה של משחק בתוך קובץ האלקטרואק (אק ג); הפעם הומרה לשניות לאחר שהוא חולץ מקובץ התזמון. קובץ התזמון הכיל זמני התחלה עבור כל שלב של המשחק, כמו גם את סוף תקופת ההחלמה (שולחן 2).
    4. לחשב את תקופת המנוחה כמו 5 דקות לפני תחילת המשחק ואת שלב ההחלמה כמו 5 דקות לאחר הסוף של שלב Cooldown. לאחר שעות אלה התקבלו, השג את מיקומם של שלב המשחק של העניין בתוך קובץ ה-א באמצעות המשוואה הבאה:
      figure-protocol-1(1) הוראות המשך
      כאשר השלב מוגדר כמנוחה, חימום, מיזוג 1, מיזוג 2, Cooldown, או שחזור; הזמן היה מחולק על-ידי 1/תדר לחשבון עבור שיעור דגימת א. א. צג משאבי האנוש היה בעל קצב דגימה של 250 Hz ולכן הכיל מדד כל 4 אלפיות שהיא.
      1. שנה מספר זה על-ידי שינוי קצב הדגימה באמצעות ההנחיה הראשונה מהתוכנית Peak_Detection. m כדי לחשבון את השימוש בהתקני הקלטה חלופיים. בחר את המקטע 5 דקות לעבודה עם הפעלת תוכנית החשיפה לשיא. הדבר נעשה באמצעות בקשה למשתמש. קבע את זמן הסיום ל-5 דקות לאחר שעת ההתחלה ולאחר מכן קח את התדירות של התקן ההקלטה לשיקול.
    5. לאחר סעיף 5 דקות נבחר, לחשב סף לגילוי השיא בהתבסס על סטיית הממוצע והתקן של צורת הגל.
      1. הגדר את הסף figure-protocol-2 , אך ניתן להגדילו בתוכנית אם הנתונים אחידים כדי להפחית את הזיהוי החיובי-שווא מפסגות T שגבוהות מפסגות ה-R המקבילות שלהן. דוגמאות לתוצאות חיוביות כוזבות אלה ניתן לראות באיור 1.
      2. יחד עם גובה מינימלי של שיא R, להקצות מרחק מינימלי בין הפסגות כדי למזער את הזיהוי של פסגות שגויות סביב R הרצוי. Set ערך זה כדי 75 אשר התכתב עם 0.3 s בין פסגות או 200 פעימות לדקה (bpm) (ערך זה משתנה עם תדירות). הערך של 200 bpm הוא גבוה יותר מאשר כל משאבי אנוש שהושגו על ידי הנושאים במחקר זה וניתן לשנות בהתבסס על האוכלוסייה הנלמדת.
    6. לאחר הסף היה מחושב, לתת את התוכנית לרוץ דרך צורת הגל ולנסות להבחין את כל R של מרווח RR ו-HRV חישובים. צור מזימה ראשונית כך שהמשתמש יוכל לסקור אותו בחריגות כגון אלה המוצגות באיור 1 או באיור 2.
      1. תקן את החריגות הללו ידנית על ידי עריכת משתנה זיהוי המכיל את הקריאה microvolt ולט (μV) של השיא בטור 1 ואת המיקום בהפעלה המשחק הנוכחי (s/0.004) בעמודה השנייה. ברוב המקרים הפסגות R מתאים ניתן למצוא בקלות על ידי התקרבות למיקום הבעייתי כפי שנראה באיור 1. הפעלות נתונים רבות הן אחידה למדי כפי שמוצג באיור 3 ולכן ידרשו רק כמה תיקונים. חלק מהמקרים, אולם הם די מבולגן ודורשים זמן רב יותר כדי לסקור ולקבל מיקומים R הנכון.
      2. אם התנודות בצורת גל לעשות את זה קשה מוגזמת כדי לאתר כראוי שיא, התעלם מקטעים קטנים ~ 1-2 s ותכונה לפעימות חוץ רחמי אשר לא נעשה שימוש בחישובי HRV12.
    7. לאחר המיקום של R, הפעל את תוכנית HRV_Measures . חישוב מרווחי RR הראשון כפי שהם הבסיס של האמצעים HRV המשמשים במחקר זה12.
      1. להשיג מטריצה של מרווחי זמן ולהתעלם כל מרווח גדול מ 1.5 s (40 bpm) כפי שהיה בשל פעימות חוץ רחמי לעיל הוסרו מן החישובים. שמור מרווחי RR אלה לחישובים נוספים ולאימות נתונים. השתמש במרווחי זמן אלה כדי לחשב את ריבוע ממוצע השורש של ההבדלים הרצופים (RMSSD) עם המשוואה הבאה:
        figure-protocol-3הפקודה RMSSD = (2)
        כאשר N = מספר מרווחי RR (R-R)i = מרווח בין שורה Qrs פסגות (R-r)i + 1 = מרווח בין קבוצה עוקבת של פסגות
    8. בחר משתנה זה כפי שהוא הוכח להיות יעיל במרווחי זמן החל מ 1 דקות עד 24 h באורך13,14,15,16,17 ולכן ניתן להשתמש כדי להעריך אלה 5 דקות מרווחים בשלבי המשחק. יחד עם rmssd, לקבל את סטיית התקן של מרווחי NN למדוד שינויים HR במהלך השלב14,16,18.
    9. השתמש במרווחי הזמן של RR כדי לחשב NN50, את מספר המרווחים השונים מהמרווח הקודם על-ידי יותר מ-50 ms12 שנעשה בו שימוש גם במרווחי זמן הנעים מדקה אחת עד 24 h16,17,19, 20,21.
      1. חשב את המשתנה NN50 באמצעות פונקציה ספירה פשוטה שנבדקה אם ההפרש בין אורכי מרווח של RR רצופים היה גדול מ-50 ms. לאחר NN50 הושג באופן זה, הפרד במספר הכולל של מרווחי זמן כדי לחשב pNN50 שהוא אחוז מרווחי הזמן הנבדלים ביותר מ-50 ms. חישוב זה איפשר לנתונים שנמדדו להיות מושווים על-פני נושאים, משחקים ואפילו מפגשים באורכים שונים כפי שהוא משתנה ליחידה פחות13,14, מיכל בן 16 , . שבע עשרה
    10. חישוב אורך של מרווח RR ממוצע עבור כל שלב ונושא בתור מדידה hrv נפרד16,17,19,22,23,24. השתמש במדידה זו כדי לחשב ממוצע משאבי אנוש על-ידי חלוקת מרווח ה-RR הממוצע ב-60 s. שני מדדים אלה הם בקלות להשוות בין הפעלות המשחק כדי לבחון את המגמה של פעילות הנושא16,17,19,22,23, . עשרים וארבע
    11. ברגע שצעדים אלה חושבו, לחשב את תדר נמוך וצפיפות גבוהה בתדר ספקטרלי (PSD) לשני הג הגולמי של מרווח 5 דקות ואת מטריצת מרווח RR על ידי קבלת PSD מ-מהיר פורייה המרות13,14 , מיכל בן 17 , מיכל בן 19 , 25. כל הנתונים האלה אוחסנו לאחר מכן בטבלה, דוגמה של אשר מוצג בטבלה 4.

2. רכישת נתוני א מהמטופל

  1. הכן את רצועת החזה של צג ה-HR ואת מודול ה-Bluetooth עבור יישום לנושא.
    1. ודא שמודול ה-Bluetooth חויב במלואו (3 שעות) באמצעות עריסת הטעינה.
    2. חבר את המודול למחשב הנתונים באמצעות עריסת הטעינה ופתח את הכלי config. הזן שם למטרות רישום.
    3. בחר בהתקן משאבי אנוש, לחץ על כרטיסיית השעה ובחר באפשרות הגדרת תאריך/שעה כדי לסנכרן את המודול לשעה ולתאריך הנכונים. כעת ניתן להסיר את ההתקן מעריסת הטעינה.
    4. מויסטן האזורים המוליך (בז ') על רצועת החזה של משאבי אנוש על ידי הצבת יד במים ושפשוף האזורים המוליך.
    5. מניחים את צג משאבי אנוש מודול Bluetooth לתוך רצועת החזה עם משטחים מוליך של המודול מסודרים עם אלה של רצועת החזה: זה יהיה ללחוץ למקום.
    6. לחץ והחזק את הלחצן במודול עד להבזק הנוריות. המודול מופעל כעת ומקליט.
    7. החל את רצועת החזה של צג HR (עם מודול Bluetooth) לנגן עם מודול מיושר עם קו באמצע בית השחי השמאלי ואת הרצועה רק מתחת לשרירי החזה. לאחר שיקום כראוי, הדק את ההתקן כך שלא יזוז במהלך ההפעלה אך לא יהיה נוח לנגן.
  2. השג אות והצג את ההזנה החיה.
    1. חבר את המחבר ליציאת ה-USB של המחשב שישמש להצגת הנתונים.
    2. פתח את התוכנית ' תצוגה חיה ' והזן את ' מצב הגדרה ' על-ידי לחיצה על הסמל עם מפתח הברגים והמברג.
    3. בחר שחקן מהרשימה במידת הצורך או הוסף נושא חדש עם הלחצן החדש בפינה השמאלית התחתונה של המסך.
    4. הזן מידע אודות נושא לפי הצורך לצורך זיהוי (שם, גיל, מין, גובה, משקל).
    5. לחץ על הכרטיסייה חומרה ובחר את הנושא הנוכחי.
    6. לחץ על הקצה בתחתית הכרטיסיה ובחר את ההתקן הנוכחי (הרשום כ-01 אם לא קיימים התקנים אחרים). לאחר מכן לחץ על הקצה בתיבה הנפתחת.
    7. לחץ על הכרטיסייה צוות . האר את הנושא ולאחר מכן לחץ על לחצן החץ הימני כדי למקם את הנגן בצוות A.
    8. לחץ על הכרטיסיה פריסה ולאחר מכן הזז את הצוות החדש שנוצר אל הכרטיסיה הראשונה.
    9. פתח את הכרטיסייה ' מצב חי ' על-ידי לחיצה על הסמל Wi-Fi הכחול בפינה השמאלית העליונה.
    10. השתמש בכרטיסיה מצב Live כדי לפקח על HR, קצב הנשימה והיציבה של הנושא בזמן אמת.
      הערה: עוצמת אות, כוח סוללה וביטחון של המידות ניתן לראות גם.
    11. הקלטת תזמון מדויק (MM/DD/YYYY HH: MM: SS) של ההתחלה והסוף של כל הפעלה ושלב לעיבוד.
  3. הורד את נתוני ה-א ממוניטור משאבי אנוש.
    1. הסר את הרצועה מהנגן בסוף ההפעלה והסר את מודול ה-Bluetooth מרצועת החזה.
    2. הצב את המודול בעריסה הטעינה וחבר אותו למחשב כאשר תוכנת התוכנה מותקנת.
    3. . פתח את היומן
    4. בחר את ההתקן מהתפריט הנפתח. כל ההפעלות הנמצאות כעת בהתקן מוצגות עם תאריכים ושעות.
    5. בטל את סימון התיבה המציינת שימוש במיקום שמירה המהווה ברירת מחדל ובחר מיקום שמירה חדש.
    6. לחץ על שמור. לאחר מכן יופיע מד התקדמות. שמירה עשויה להימשך עד שעה בהתאם לאורך ההפעלה.
    7. שנה את שם התאריך, לאחר שנשמר.

3. ניתוח נתונים וחישוב של צעדים לשינויים בקצב הלב

  1. הכן קבצים לעיבוד.
    1. שם קובץ א ' KOLLECT_Subject _ AVG4 ' (לדוגמה, KOLLECT_01_AVG4. csv ').
    2. צור טבלת תזמון בתבנית משתנה מופרדת באמצעות פסיקים (. csv) כדי לשרטט נתוני תזמון ממהלך עיבוד נתונים. ראה טבלה 1 לדוגמה לתבנית הנכונה.
    3. יבא את נתוני תאריך-שעה מקובץ ה-. csv ולחץ לחיצה ימנית על שם המשתנה החדש שנוצר ושנה אותו ל'תזמון '.מחצלת.
  2. . גילוי שיא ראשוני
    1. פתח והפעל שיא _ זיהוי . מ'.
    2. הזן את התדירות של התקן הקלטה א כשתתבקש על-ידי התוכנית.
    3. הזן את מספר הנגן כדי לנתח את הנתונים כשתתבקש.
      הערה: חלק מהשחקנים לא להשלים משחק וידאו פעיל 4 (AVG4) ולכן רק שחקנים 1-10 משמשים למחקר זה. מספרים אחרים יספקו הודעת שגיאה.
    4. הזן את מספר המשחק שיש לנתח (1, 2, או 3) כשתתבקש.
    5. הזן את השלב שיש לנתח (לנוח, חימום (WU), מיזוג (Con), מנוחה או שחזור).
      1. הזן היסט בדקות במידת הצורך, או הזן 0 ללא היסט.
    6. בחרו בכלי המגדלת ובחרו אזור בעלילה המהווה פלט ליצירת חלון בעל רוחב של כ-2,000 (s/0.004) וגובה שיציג את צורת הגל המלאה כפי שמוצג באיור 3. התקרבות או התרחקות אם החלון אינו נבדק בקלות באופן חזותי.
    7. בדוק באופן חזותי את הגרף כדי להעריך אם הפסגות זוהו מסומנות כהלכה. ראה איור 1 לדוגמה של פסגות לא מזוהות שנגרמו כתוצאה מנתוני אק ג חריגים (איור 2).
  3. תיקון שיא
    1. תקן את הפסגות שזוהו או חסרים באופן שגוי על-ידי איתור משתנה הזיהוי ולחיצה כפולה בסביבת העבודה.
    2. לנצל את הכלי הסמן נתונים על העלילה של ה-א. א. א. כדי לקבל את הקואורדינטות x ו-y של הפסגה השגויה; X (זמן * תדירות) היא העמודה הראשונה בזיהוי. mat ו- Y (מתח) היא העמודה השניה (איור 3).
      1. לחץ לחיצה ימנית על תיבת הטקסט שמופיעה ולחץ על בחר פונקציית עדכון הסמן.
      2. בחר כלים Tipupdate. m מהתיקיה המכילה את הקבצים המשמשים לניתוח זה. פעולה זו תאפשר לתיאור הכלי להציג ערכים מדויקים יותר.
    3. אם הנקודה היא חיובית שגויה, הסר אותה מהמערך על-ידי לחיצה על השורה שלה במשתנה האיתור. mat והקש על הפקד והמקש חיסור . דוגמה לזיהוי חיובי כוזב ניתן לראות באיור 3.
    4. עריכת פסגות שסומנו באופן שגוי הסמוכות לפסגות לא מסומנות, כפי שמוצג על-ידי שתי פסגות ה-T המסומנות כ-R באיור 1, על-ידי שינוי ערכיהם כך שיתאימו לזה של השיא הלא מסומן.
    5. ניתן להשיג את הערך של השיא שהחמצת באמצעות הכלי סמן נתונים .
    6. הוסף שורות נוספות לזיהוי. mat באמצעות שליטה מפתח פלוס עבור פסגות החמיץ עקב רמות מתח נמוך.
    7. הזן את הערכים בסדר מספרי כדי להימנע מערכים שליליים במהלך תהליך החישוב (כלומר, להוסיף את השיא הנמצא ב11000 בין הפסגות ב 10908 ו-11167) (איור 5).
    8. ודא שהערכים מוזנים כראוי לפני שתמשיך בהפעלה המלאה כאשר מספרים נחתכים מעת לעת בעת הזנתם.
    9. חזור על שלב 2.3 עד שכל הפסגות ייבדקו ו/או תוקנו.
      הערה: לקבצים מסוימים יש שינויים מוגבלים בשרעת צורת גל ומהירים יותר לבדיקה, כפי שניתן לראות באיור 4 ואילו אחרים משתנים יותר ועשויים לדרוש זום קרוב יותר כדי לאתר במדויק את הפסגות במהלך בדיקה חזותית.
  4. השג חישובי מדידה של HRV.
    1. שמור את ההתוויה המקורית שנוצרה מ -Peak_Detection. m לקבלת הפניה מאוחרת יותר.
    2. הפעל את HRV_Measures. m כדי ליצור את ההתוויה עם תווית נכונה. דגימה של נתונים מתוקנים מוצגת באיור 6.
      1. שנה את כותרת ההתוויה באמצעות הוסף | כותרת על חלון העלילה ושינוי אותו לכותרת הרצויה.
      2. בדוק את החלון לפלט, התוכנית תודיע למשתמש על המיקום באופן שגוי נתונים אם קיים.
    3. שמור את מרווח הזמן הנקוב במשתנה.
    4. פתח את המשתנה שכותרתו HRV מחלון סביבת העבודה כדי להציג RR ממוצע (ms), ממוצע HR (bpm), rmssd (ms), sdnn (ms), NN50 (ספירה), pNN50 (%), תדר נמוך (LF)/תדר גבוה (HF), LF/HF RR, תדר נמוך של כוח RR, וחשמל בתדר גבוה (RR)). שמור את ערכי h של משתנה זה לטבלה כגון האחת המוצגת בטבלה 4.
    5. חזור על סעיפים 3.2-3.4 עבור כל המקטעים, ההפעלות והנושאים האחרים הזקוקים לניתוח.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

שיטה זו מספקת נתונים לשימוש בניתוח האפקט ששיטה חדשה שפותחה נמצאת בשינויי קצב הלב של הנושא (HRV). הוא מבצע זאת על-ידי איתור החלק R בצורת ה-QRS של נתוני אק ג של הנושא, כפי שמוצג באיור 6, ועל-ידי חישוב ערכי hrv שונים ממנו. אם צג ה-HR מבצע קשר מתאים עם הנושא, הנתונים יהיו אחידים, ומפחיתים באופן משמעותי את הצורך בתיקונים (כפי שניתן לראות באיור 4).

יש להגדיר את ספי הנתונים כך...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

עשרה נוער עם CP השתתפו במחקר זה (ממוצע + SD) [גיל (בענף) = 15.53 ± 3.57; גובה (cm) 154.8 ± 12.6; משקל (ק"ג) 50.69 ± 11.1; מדד מסת הגוף (BMI) 50.46 ± 29.2; mHR 9 bpm) = 186.8 ± 12.4]. נא לראות את שולחן 5 לדמוגרפיה של המטופל.

ישנם כמה שיקולים לשימוש בצגי HR ובאמצעים המשויכים ל-HR ו-HRV המתייחסים לשינויים ולפתרון בעיות. שתי סוגיות בבירור, ללא קשר לטכנולוגיה המועסקים לרכוש את הנתונים הם: 1) ממצאים התנועה 2) פעימות חוץ רחמי. הבעיות שעולות מחפצים בתנועה ופעימות חוץ רחמי מטופלות בדרך...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

בשלב זה, המחברים (CL ו-PAS) אין מה לחשוף. ד ר אוניל הוא מייסד משותף של enAbleGames, LLC ו Kollect הוא אחד המשחקים המוצעים על ידי החברה הזאת מבוססת-אינטרנט. enAbleGames הוא בשלב פיתוח המשחק והוא לא חברה ציבורית בשלב זה (www.enAbleGames.com).

תודות

המחברים מודים למשתתפים ולמשפחותיהם על זמנם ומאמציו להשתתף במחקר. כמו כן, המחברים מכירים ד ר ייצ'ואן ליו וד ר חסן אייז על עזרתם בחישוב העיתוי של ניטור HR ו ד ר פול Diefenbach לפיתוח התוכנה KOLLECT Active משחקי וידאו. המימון לעבודה זו סופק על ידי מענקי קרן קולטר00006143 (הו'ניל; דיפנבאך, פיס) ו00008819 (הו,ניל; דיפנבאך, פיס).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
מודול Bluetooth BioHarness (חיישן אלקטרוניקה) Zephyr9800.0189מזהה דופק, קצב חידוש, יציבה וטמפרטורת העור.
רצועת חזה BioHarnessZephyr9600.0189, 9600.0190גדלים קטנים XS-M, עריסת טעינה גדולה M-XL
BioHarness & כבל USBZephyr9600.0257המשמש להעברת נתונים מהמודול למחשב לצורך ניתוח.
BioHarness Echo GatewayZephyr9600.0254מאפשר צפייה בזמן אמת בדופק של הנבדק.
MATLAB R2016aMathworks1.7.0_.60משמש לכל התכנות.

מקורות

  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. , Article ID 583249 (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. , Department of Biomedical Engineering. BRNO University of Technology. Czech Republic. (2009).
  23. Evaluation of mental workload for ship handling using physiological indices. Murai, K., Hayashi, Y. 2009 Second International Conference on Emerging Trends in Engineering & Technology, October, , 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).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

בקש הרשאה לשימוש חוזר בטקסט או באיורים של מאמר JoVE זה

בקש הרשאה

תגיות

ECGRMATLAB

מאמרים קשורים