Connettività dello stato di riposo e neuroimaging dell'attività della corteccia prefrontale durante una pratica di asana yoga a blocchi con fNIRS

Sommario

Questo studio ha utilizzato la spettroscopia funzionale nel vicino infrarosso (fNIRS) per misurare l'attività della corteccia prefrontale durante una sequenza di asana yoga a blocchi di 23 minuti con 27 adulti. La connettività dello stato di riposo è stata registrata prima e dopo l'allenamento. I risultati evidenziano l'efficacia di fNIRS nella ricerca basata sul movimento e forniscono approfondimenti neurologici sugli effetti delle asana yoga.

Abstract

Questo studio mirava a utilizzare la tecnologia di neuroimaging mobile della spettroscopia funzionale nel vicino infrarosso (fNIRS) per esaminare i cambiamenti nell'attività della corteccia prefrontale (PFC) prima, durante e dopo le asana yoga (posture yoga fisiche). Un totale di 27 adulti sani ha partecipato a una sessione di asana yoga di 23 minuti utilizzando un design a blocchi. Prima e dopo la sequenza, i partecipanti hanno completato due stati di riposo indipendenti dal compito di 6 minuti. L'attività della PFC è stata registrata continuamente utilizzando lo strumento fNIRS, posizionato sull'area frontale del cranio. La sessione comprendeva una postura di controllo alternata a tre posture attive. Ogni postura attiva è stata mantenuta per 30 s, seguita da un intervallo di 25-30 s di postura di controllo e ripetuta otto volte. Questo design a blocchi ha portato a 25 intervalli di postura di controllo e 24 ripetizioni di ciascuna postura attiva. L'analisi ha incluso la pre-elaborazione dei dati fNIRS grezzi per calcolare le concentrazioni di ossiemoglobina (HbO) e deossiemoglobina (HbR), la correzione degli artefatti da movimento e la valutazione statistica utilizzando ANOVA con correzioni di Bonferroni. Le analisi della connettività hanno esaminato le correlazioni interemisferiche e intraemisferiche nella corteccia prefrontale. In conclusione, questo studio dimostra l'utilità dell'fNIRS in contesti reali basati sul movimento e fornisce approfondimenti neurologici sugli effetti delle asana yoga.

Introduzione

Lo yoga è un'antica pratica indiana che integra posture fisiche (asana), esercizi di respirazione (pranayama), meditazione e principi etici per promuovere il benessere fisico e mentale olistico. Negli ultimi anni, lo yoga è diventato sempre più riconosciuto come un intervento complementare per le condizioni di salute mentale, supportato da un crescente corpo di ricerca scientifica. Numerosi studi hanno dimostrato che la pratica regolare dello yoga può ridurre significativamente i sintomi di ansia, depressione e stress, migliorando al contempo l'umore, la regolazione emotiva e la resilienza psicologica generale ^1,2,3. Meta-analisi e studi randomizzati controllati hanno ulteriormente confermato l'efficacia dello yoga come terapia aggiuntiva per la depressione e il disturbo da stress post-traumatico, con prove che suggeriscono anche un miglioramento della qualità della vita e della funzione cognitiva 4,5,6,7,8.

Nonostante questa promettente base di prove, i meccanismi neurali alla base delle pratiche yoga basate sul movimento, in particolare le posture fisiche (asana), rimangono poco compresi ^9,10. Questa lacuna nella conoscenza ha ostacolato gli sforzi per integrare lo yoga nei modelli neurocognitivi di intervento. L'obiettivo del presente studio è quello di indagare l'attività cerebrale associata alla pratica delle asana yoga in tempo reale, contribuendo così a una comprensione meccanicistica di come le pratiche contemplative basate sul movimento influenzino la funzione corticale.

Per raggiungere questo obiettivo, abbiamo impiegato la spettroscopia funzionale nel vicino infrarosso (fNIRS), una tecnica di neuroimaging portatile non invasiva che misura le risposte emodinamiche nella corteccia cerebrale¹¹. La logica per l'utilizzo di fNIRS è radicata nella sua capacità di monitorare l'attività cerebrale durante il movimento naturale ed eretto, un approccio non possibile con i metodi di imaging convenzionali come la fMRI o la PET, che richiedono ai partecipanti di rimanere immobili^{in ambienti artificiali}. Rispetto a queste alternative, fNIRS offre diversi vantaggi: è silenzioso, tollerante al movimento e consente lo studio di compiti ecologicamente validi in ambienti del mondo reale¹³. Di conseguenza, è stato ampiamente utilizzato negli studi sull'apprendimento motorio, sul carico di lavoro cognitivo, sullo sviluppo infantile, sull'andatura e sull'equilibrio e sulle pratiche di consapevolezza, producendo intuizioni affidabili sull'attività della corteccia prefrontale durante condizioni statiche e dinamiche 14,15,16,17,18. La sua applicazione in contesti naturalistici, in particolare durante il movimento, ha aperto nuove strade per lo studio della cognizione incarnata e dei substrati neurali degli interventi di salute integrativa.

Tuttavia, pochi studi hanno applicato questa tecnica alle asana yoga in modo specifico, e ancora meno lo hanno fatto nell'intero arco temporale di una sessione - dal pre al durante al post-pratica - con un campione rappresentativo della popolazione. Per affrontare questo problema, l'attuale studio ha utilizzato un protocollo di progettazione a blocchi che utilizza fNIRS per esaminare l'attività corticale e la connettività dello stato di riposo prima, durante e dopo una sequenza strutturata di asana yoga. Lo studio è stato condotto in un contesto naturalistico e ha incluso 27 partecipanti nativi di lingua spagnola provenienti dal Messico, colmando così una lacuna significativa nella letteratura riguardante gli effetti dello yoga nelle popolazioni di lingua latino-spagnola. I partecipanti avevano un'età compresa tra i 18 e i 65 anni e comprendevano sia uomini che donne con un'ampia gamma di esperienze di yoga, dai principianti assoluti ai praticanti con un massimo di 15 anni di pratica regolare. Tutti i partecipanti non hanno riportato gravi condizioni psicologiche o fisiologiche che avrebbero impedito loro di completare la sessione di yoga di 23 minuti. Sono stati esclusi gli individui con gravi disturbi psichiatrici o condizioni fisiche limitanti la mobilità. Sebbene i partecipanti non siano stati sottoposti a screening per patologie mediche specifiche come l'ipertensione o il diabete, è stato chiaramente spiegato prima della sessione che potevano fermarsi in qualsiasi momento se si sentivano male o a disagio. E' stato concordato in anticipo che eventuali sessioni incomplete sarebbero state escluse dall'analisi.

Dei 30 partecipanti originali, nessuno si è ritirato a causa del disagio durante la pratica dello yoga. Tuttavia, tre sono stati esclusi dall'analisi finale a causa dell'eccessivo rumore del segnale probabilmente causato da interferenze hardware o malfunzionamenti tecnici del software. Includendo un campione demograficamente diversificato e rappresentativo e consentendo l'imaging in tempo reale e tollerante al movimento, questo studio migliora sia la validità ecologica che la generalizzabilità dei risultati. I ricercatori e i clinici che cercano di studiare le dinamiche neurali delle pratiche contemplative basate sul movimento possono trovare questo metodo particolarmente rilevante per le applicazioni nelle neuroscienze cognitive, nelle scienze della riabilitazione e nella ricerca integrativa sulla salute mentale.

Protocollo

Le procedure sperimentali sono state eseguite in conformità con la Dichiarazione di Helsinki, esaminata e approvata dalla Coordinación para la Innovación y la Aplicación de la Ciencia y la Tecnología (CIACYT), Universidad Autónoma de San Luis Potosí Ethics Committee Institutional Review Board [CIACYT-CEI-003]. Tutti i partecipanti hanno fornito il consenso informato firmato.

1. Reclutamento dei partecipanti e dati demografici

1. Recluta i partecipanti attraverso il passaparola e le piattaforme dei social media, tra cui Facebook e Instagram. Informare i potenziali partecipanti sugli obiettivi dello studio, sui requisiti e sul loro diritto di recesso in qualsiasi momento senza penalità.
2. Raccogli informazioni demografiche auto-riferite, tra cui età, peso, altezza, sesso biologico, istruzione ed esperienza di yoga con interviste di persona (Tabella 1). Assegna a ciascun partecipante un codice numerico univoco per garantire l'anonimato e registra le sue informazioni in un foglio di calcolo crittografato.
3. Includi partecipanti di età compresa tra i 18 e i 65 anni con vari livelli di esperienza di asana yoga. Escludere le persone con condizioni neurologiche o psichiatriche o coloro che non sono in grado di eseguire posizioni yoga a causa di limitazioni fisiche. Questo studio ha incluso partecipanti di età compresa tra 18 e 65 anni con vari livelli di esperienza di asana yoga, escludendo individui con condizioni neurologiche o psichiatriche note, nonché quelli con limitazioni fisiche che impedirebbero loro di eseguire in sicurezza le posture yoga. Attualmente, il protocollo non include variazioni per i partecipanti esclusi, sebbene l'esplorazione di tali adattamenti rappresenti una direzione preziosa per la ricerca futura.
4. Garantire che tutte le procedure siano conformi alle linee guida etiche istituzionali e siano conformi alla Dichiarazione di Helsinki. Tutti i partecipanti forniscono il consenso informato firmato. Informare i partecipanti che non riceveranno alcun compenso finanziario e che possono terminare l'esperimento in qualsiasi momento.

2. Procedura sperimentale

1. Utilizzare il dispositivo fNIRS portatile per la raccolta dei dati. Il dispositivo funziona con doppie lunghezze d'onda di 760 nm e 850 nm, fornendo luce nel vicino infrarosso a onda continua per la valutazione delle variazioni delle concentrazioni di emoglobina ossigenata (HbO) e deossigenata (HbR). Il sistema supporta fino a 27 canali e registra a una frequenza di campionamento di 50 Hz, consentendo un rilevamento affidabile dell'attivazione corticale durante le attività naturalistiche.
   1. Preparare la configurazione fNIRS posizionando le sorgenti luminose (S) e i rivelatori (D) nei supporti del tappo secondo il layout della corteccia prefrontale bilaterale (PFC) fornito dal produttore (vedere la Figura 1). Garantire una distanza sorgente-rivelatore (S-D) di 3,0 cm per ottimizzare il rilevamento del segnale corticale.
   2. Inoltre, includere due canali di separazione corti (1,0 cm) per tenere conto e far regredire i segnali emodinamici superficiali, come il flusso sanguigno del cuoio capelluto, che possono confondere le misurazioni corticali. L'uso di canali di separazione corta è un metodo convalidato per migliorare la specificità del segnale isolando le risposte emodinamiche corticali dalla contaminazione extracerebrale¹⁹.
2. Seleziona quattro asana yoga per questo studio che sono posture fondamentali comunemente praticate in tutti gli stili di Hatha Yoga. Costituiscono il nucleo della famosa sequenza Surya Namaskar (Saluto al Sole), che è riconosciuta a livello mondiale e praticata ogni anno il 21 giugno durante la Giornata Internazionale dello Yoga²⁰. Queste posizioni sono state scelte intenzionalmente non solo per la loro accessibilità e standardizzazione tra le tradizioni yoga, ma anche per consentire un'indagine specifica sugli effetti delle inversioni (posture in cui la testa è sotto il cuore) e delle estensioni della schiena sull'attività cerebrale, due forme fisiche spesso raccomandate nei protocolli terapeutici dello yoga per la depressione e i disturbi dell'umore^21,22.
3. Progetta la presentazione durante l'esperimento in formato PowerPoint, che è anche una guida visiva e uditiva per i partecipanti. Assicurati che ogni diapositiva mostri la foto e il nome di una postura, scritta nella lingua madre del partecipante (spagnolo) con il nome originale in sanscrito tra parentesi: Postura A (Tadasana), Postura B (Uttanasana), Postura C (Adho Mukha Svanasana) e Postura D (Urdhva Mukha Svanasana).
4. Ciclica la presentazione attraverso le immagini delle posture B, C e D automaticamente ogni 30 secondi in ordine casuale, mentre lo sperimentatore contemporaneamente chiamava ad alta voce il nome della postura per rafforzare il segnale.
5. Organizza in modo casuale le asana attive, assicurandoti che la postura di base sia intervallata tra una e l'altra. Questa disposizione fornisce una sequenza bilanciata mantenendo un intervallo interstimolo variabile per ridurre i potenziali effetti della pratica e dell'assuefazione.
6. Per la gestione e la coerenza dei dati, standardizza tutti i materiali visivi, comprese le immagini e i caratteri, in base alle dimensioni e allo stile dei partecipanti. Ridimensiona le immagini delle posizioni yoga in modo appropriato con alta risoluzione ed etichette chiare sia nei loro nomi nativi spagnoli che nel loro sanscrito tradizionale.
7. Assicurati che ogni partecipante possa leggere e vedere chiaramente il prompt della presentazione prima di iniziare. Le asana attive e le asana di base da eseguire sono descritte di seguito:
   Tadasana - Posizione della montagna (postura di base): una postura eretta e neutra.
   Uttanasana - Piegamento in avanti (postura attiva): una piega in avanti dai fianchi con la testa sotto il cuore.
   Adho Mukha Svanasana - Cane rivolto verso il basso (postura attiva): una posizione a V rovesciata, con mani e piedi a terra e fianchi sollevati.
   Urdhva Mukha Svanasana - Cane rivolto verso l'alto (postura attiva): Petto sollevato in un'estensione posteriore con lo sguardo spostato verso l'alto.
8. Prepara l'area sperimentale allestendo un tappetino da yoga, un sistema di corde da yoga montato a parete (vedi Tabella dei materiali) e uno schermo di presentazione posizionato di fronte al partecipante, abbastanza vicino da consentire una chiara visibilità delle posture, ma abbastanza lontano da evitare di ostacolare il movimento. La configurazione è illustrata nella Figura 2. Confermare la visibilità e la leggibilità dello schermo prima di iniziare la sessione.
9. Calibra il sistema fNIRS assicurandoti che tutti i componenti, inclusi il cappuccio, gli optodi e il software di registrazione, siano completamente carichi, funzionanti e compatibili con il sistema di acquisizione dati. Per calibrare, posizionare accuratamente gli optodi sul cuoio capelluto del partecipante secondo il sistema internazionale 10-20, garantendo un targeting anatomico coerente delle regioni prefrontali. Regola il cappuccio e i supporti degli optodi per adattarli alle forme della testa e alla densità dei capelli, riducendo al minimo l'attenuazione della luce e gli artefatti da movimento. Utilizzare l'interfaccia di qualità del segnale del sistema (ad es. rapporto segnale/rumore e indice di accoppiamento del cuoio capelluto) per verificare che ciascun canale soddisfi le soglie consigliate.
   NOTA: Questo processo è essenziale per garantire misurazioni emodinamiche affidabili e riproducibili e per ridurre al minimo la perdita di dati o l'interpretazione errata dovuta a uno scarso contatto del sensore o alla perdita di segnale 16,23,24,25.
10. Con il partecipante seduto su una sedia, assicurati che i suoi piedi siano appoggiati a terra, le mani appoggiate delicatamente in grembo e la schiena leggermente sostenuta dalla sedia. Confermare verbalmente che il partecipante sia seduto comodamente prima di procedere.
11. Utilizza un digitalizzatore 3D, un dispositivo di tracciamento ottico progettato per catturare la posizione spaziale degli optodi sul cuoio capelluto, per registrare il posizionamento del cappuccio. Questo processo genera le coordinate del Montreal Neurological Institute (MNI), che le utilizzano per identificare e standardizzare le regioni anatomiche del cervello alla base di ciascun canale di misurazione.
    NOTA: La digitalizzazione accurata garantisce la coerenza tra i partecipanti e consente una mappatura precisa dei dati fNIRS sulle strutture corticali per l'analisi a livello di gruppo.
12. Fissare il cappuccio dell'optodo utilizzando il sottogola e regolare manualmente ciascun optodo separando delicatamente i capelli con un bastoncino di bambù per garantire il contatto diretto con il cuoio capelluto (Figura 3A). La Figura 3B mostra i peli che ostruiscono l'optodo, mentre la Figura 3C illustra la riuscita rimozione dell'ostruzione utilizzando un bastoncino di bambù. Utilizzare il modulo del valore DAQ nel software di acquisizione per valutare la qualità del segnale. Conferma sempre il comfort del partecipante chiedendo se c'è dolore o disagio e regola le posizioni degli optodi secondo necessità per ottimizzare la chiarezza del segnale senza compromettere il comfort.
    NOTA: Sulla base delle osservazioni empiriche durante il processo di misurazione, questo passaggio può richiedere fino a 30 minuti, a seconda del tipo di capelli del partecipante. Gli individui con capelli folti, scuri o ricci spesso richiedono più tempo e regolazioni per garantire un corretto contatto optodo-cuoio capelluto. In questi casi, il fissaggio del cappuccio fNIRS con una benda chirurgica si è rivelato efficace nel mantenere stabile il posizionamento degli optodi. I partecipanti che sono arrivati con il gel nei capelli hanno presentato ulteriori sfide, poiché il prodotto interferiva con l'aderenza agli optodi. Attraverso tentativi ed errori, abbiamo osservato che creare una coda di cavallo stretta o usare forcine per tenere i capelli in posizione era più efficace che fare affidamento su qualsiasi tipo di fissativo per capelli. Queste regolazioni hanno migliorato significativamente la qualità del segnale e l'affidabilità dei dati.

3. Stato di riposo, progettazione del blocco di asana yoga e pratica di misurazione

NOTA: Come illustrato nella Figura 4, ciascuna delle posture dinamiche (B, C, D) è stata mantenuta per 30 s e interlacciata con la postura A come condizione di base, mantenuta per 25-30 s. Questa linea di base è servita come punto di riferimento fisiologico per isolare e confrontare l'attività cerebrale specifica per le altre posizioni. Per ridurre al minimo l'affaticamento e garantire che lo studio si concentrasse sulla forma piuttosto che sullo sforzo, i partecipanti sono stati supportati in ogni postura utilizzando le corde Kurunta, un metodo terapeutico dell'Iyengar Yoga che consente di mantenere le posture senza sforzo. Inoltre, le misurazioni dello stato di riposo sono state registrate per 6 minuti sia prima che dopo la sequenza di asana, durante i quali i partecipanti sono stati seduti con gli occhi chiusi per catturare la connettività cerebrale prima e dopo la pratica.

1. Collega il tappo fNIRS al software tramite Bluetooth per monitorare l'acquisizione del segnale in tempo reale durante gli stati pre e post riposo, nonché durante la pratica delle asana yoga.
2. Con il cappuccio fNIRS tenuto saldamente in posizione mentre i partecipanti si siedono su una sedia, esegui la misurazione dello stato di riposo pre-asana. Chiedi ai partecipanti di rilassarsi con i piedi per terra, le mani in grembo e di stare seduti con gli occhi chiusi per 6 minuti. Raccogli dati fNIRS a 25 Hz.
   1. Per garantire un movimento minimo e assicurarsi che le misurazioni siano dello stato di riposo e non di uno stato di sonno, informare i partecipanti di non alzare le sopracciglia o grattarsi il viso durante lo stato di riposo. Inoltre, chiedi loro di evitare di addormentarsi e ricontrolla se ciò si è verificato chiedendo loro se si sono addormentati dopo aver completato lo stato di riposo.
3. Dopo aver completato il primo stato di riposo, rimuovere la sedia e far alzare i partecipanti e assicurarsi che ci sia ancora un segnale chiaro. Istruisci i partecipanti a seguire ed eseguire la presentazione pre-programmata con le istruzioni del paradigma mentre procede automaticamente.
4. Fornisci una guida verbale ai partecipanti durante la presentazione e registra manualmente i marcatori di postura predeterminati, etichettati A, B, C e D, durante le transizioni di ogni diapositiva. Questi marcatori corrispondono a fasi specifiche della sequenza yoga e sono stati utilizzati per segmentare i dati fNIRS per l'analisi: A indica la postura di base (Tadasana), mentre B, C e D rappresentano le successive posture attive (Uttanasana, Adho Mukha Svanasana e Urdhva Mukha Svanasana, rispettivamente), come delineato nella Figura 4. I marcatori sono stati registrati manualmente utilizzando la funzione di annotazione degli eventi nel software di acquisizione (OxySoft, Artinis Medical Systems) nel momento in cui ogni diapositiva di postura è stata presentata e il partecipante è passato alla postura. Questa marcatura manuale degli eventi è stata ampiamente utilizzata e convalidata negli studi fNIRS per facilitare l'analisi delle risposte emodinamiche bloccate dallo stimolo 23,24,25.
5. Dopo la misurazione, verificare che siano stati utilizzati i marcatori corretti durante il processo di misurazione abbinando i timestamp contrassegnati manualmente con i timestamp di presentazione automatica per garantire un'etichettatura accurata dei dati.
6. Assicurati che il tappo fNIRS sia ancora tenuto saldamente in posizione e che il segnale sia ancora chiaro, chiedi ai partecipanti di sedersi su una sedia per eseguire la misurazione dello stato di riposo post-asana. Chiedi ai partecipanti di rilassarsi con i piedi per terra, le mani in grembo e di stare seduti con gli occhi chiusi per 6 minuti. Raccogli dati fNIRS a 25 Hz.
7. Possono essere necessari 2-5 minuti dopo l'asana per assicurarsi che la configurazione fNIRS sia calibrata correttamente senza interferenze di segnale prima di eseguire lo stato di riposo post-asana. Fornire ai partecipanti le stesse istruzioni della misurazione dello stato di pre-riposo per garantire il minimo movimento e assicurarsi che le misurazioni siano dello stato di riposo e non di uno stato di sonno.

4. Analisi dei dati fNIRS della funzione di risposta emodinamica durante le asana yoga

NOTA: La spettroscopia funzionale nel vicino infrarosso (fNIRS) misura i cambiamenti nell'emodinamica corticale attraverso due parametri primari: emoglobina ossigenata (HbO) ed emoglobina deossigenata (HbR). Questi biomarcatori sono correlati vascolari dell'attività neurale mediati dal principio dell'accoppiamento neurovascolare. L'aumento dell'attivazione neuronale si traduce in un aumento del tasso di consumo di ossigeno, sovracompensato da un elevato flusso sanguigno cerebrale regionale, che in genere si traduce in un concomitante aumento di HbO e una diminuzione di HbR. In questo studio, entrambi i parametri sono stati registrati utilizzando un sistema fNIRS multicanale per quantificare le risposte emodinamiche durante la pratica delle asana yoga. La misurazione dei valori medi di HbO fornisce un indicatore robusto e affidabile dell'attivazione, in particolare durante le attività basate sul movimento, in quanto è meno sensibile al rumore e alle ipotesi di modellazione rispetto ai coefficienti beta ²⁶ derivati dal modello. Tuttavia, mentre l'HbO è spesso prioritario a causa del suo rapporto segnale/rumore più elevato, l'incorporazione dell'HbR è fondamentale per migliorare l'interpretazione fisiologica dei dati. I segnali HbR completano l'HbO offrendo informazioni sulla risposta metabolica del cervello e sulle dinamiche di estrazione dell'ossigeno²⁷. L'analisi simultanea di HbO e HbR aiuta a evitare un'eccessiva semplificazione e rafforza la validità dei modelli neurali osservati ²⁸.

1. Per valutare la funzione di risposta emodinamica (HRF) durante le asana yoga, inizia convertendo i dati grezzi della spettroscopia funzionale nel vicino infrarosso (fNIRS) in densità ottica (O.D.) ed elaborali utilizzando il toolbox HOMER 3 (RRID:SCR_009586). Utilizzare la legge di Beer-Lambert modificata (MBLL) per calcolare le variazioni delle concentrazioni di HbO e HbR, secondo l'equazione ²⁹.
   
   La MBLL tiene conto delle proprietà di scattering dei tessuti biologici e mette in relazione le variazioni dell'assorbimento della luce (ΔA) con le variazioni della concentrazione dei cromofori (Δμ_a), consentendo la quantificazione della dinamica dell'emoglobina dall'intensità della luce misurata. r_sd indica la distanza sorgente-rivelatore e DPF è il fattore di lunghezza del percorso differenziale. Questa approssimazione lineare consente di stimare le variazioni di concentrazione relative nell'emoglobina ossigenata e deossigenata. Includere la regressione a canale corto per ridurre al minimo l'influenza dell'attività vascolare superficiale e isolare meglio i segnali corticali.
2. Analizza i dati in MATLAB. Calcola le medie dei blocchi per ogni partecipante, canale e condizione per mantenere la coerenza. Iniziate il controllo di qualità escludendo le letture con fluttuazioni significative della densità ottica, bassi rapporti segnale/rumore (SNR) o grandi distanze sorgente-rivelatore. Utilizzare la funzione hmrR_PruneChannels e impostare parametri come un intervallo valido da 1 x ^10-7 a 1 x 10⁷, una soglia SNR di 2 e una distanza sorgente-rivelatore da 0,45 mm a 45 mm.
3. Rileva gli artefatti di movimento per ogni canale con la funzione hmrR_MotionArtifactByChannel. Contrassegnare i segmenti se l'ampiezza del segnale supera 0,5 (AMPthresh) o se la deviazione standard aumenta di oltre un fattore di 15 (SDthresh) entro una finestra temporale di 1 s (tMotion). Escludi i segmenti contrassegnati, ciascuno della durata di 1 s (tMask).
4. Applicare un modello lineare generale (GLM) con una finestra temporale che va da 2 s prima a 23 s dopo l'inizio dello stimolo. Il GLM è un metodo statistico utilizzato per spiegare la variazione in un insieme di dati osservati modellandolo come una combinazione di una o più variabili note (predittori) e un termine di errore. Stima quanto ciascun predittore contribuisce al risultato osservato, consentendo ai ricercatori di isolare gli effetti di interesse tenendo conto del rumore. In questo contesto, utilizzare il GLM per applicare regressori a breve intervallo (SS) ai canali a lungo intervallo (LS) per ridurre il rumore fisiologico sistemico e isolare più accuratamente l'attività cerebrale per la stima della funzione di risposta emodinamica (HRF) 19,30,31,32,33,34.
5. Risolvi il GLM usando i normali minimi quadrati. Per risolvere ulteriormente gli artefatti di movimento, applicare l'analisi di correlazione canonica (TCCA) incorporata regolarizzata con i dati dello stato di riposo dei partecipanti (30-210 s) come regressore³⁵. Successivamente, stima le HRF per ogni canale, condizione e partecipante, garantendo stime affidabili della risposta neurale con un migliore rapporto segnale/rumore.
6. Utilizzare Origine per eseguire un'ANOVA di misure ripetute unidirezionali. Valutare le differenze nei valori medi di HbO tra i canali lunghi confrontando la postura di base A (Tadasana), una posizione eretta neutra che promuove l'allineamento e la stabilità, con la postura B (Uttanasana), una piega in avanti in piedi in cui la testa è posizionata sotto il cuore, classificandola come un'inversione; postura C (Adho Mukha Svanasana), comunemente nota come Cane Rivolto verso il Basso, una posizione semi-invertita che allunga la colonna vertebrale e attiva la parte superiore del corpo; e la postura D (Urdhva Mukha Svanasana), o Cane rivolto verso l'alto, un'estensione della schiena che apre il torace e rafforza la catena posteriore.
7. Valutare le differenze tra le posture B, C e D. Verificare la normale distribuzione dei dati utilizzando il test di Shapiro-Wilk. Eseguire confronti a coppie post-hoc con correzioni di Bonferroni per più test, utilizzando una soglia del valore p di <0,05 per la significatività. Calcola le dimensioni dell'effetto per differenze significative nella risposta all'HbO utilizzando d^36,37 di Cohen.

5. Analisi dei dati fNIRS della connettività funzionale in stato di riposo

1. Per analizzare la connettività funzionale allo stato di riposo (rsFC), valutare la connettività all'interno di ciascun emisfero (intraemisferico) e tra gli emisferi (interemisferico) per ciascun partecipante. Basare questo sulla dipendenza statistica tra le serie temporali, che riflette la co-attivazione delle regioni cerebrali.
   NOTA: La misurazione della rsFC fornisce informazioni sull'organizzazione funzionale intrinseca del cervello in assenza di stimoli esterni ed è sempre più riconosciuta come uno strumento prezioso per identificare sottili alterazioni neurali e biomarcatori di funzione o disfunzione. Ricerche precedenti hanno dimostrato che i modelli rsFC sono stati proposti come biomarcatori predittivi della risposta al trattamento antidepressivo in pazienti con disturbo depressivo maggiore³⁸, sottolineando l'utilità dell'analisi dello stato di riposo nel catturare firme neurali simili a tratti. Valutando sia la connettività intra che quella interemisferica, questo approccio consente una comprensione più completa dell'integrazione funzionale e della lateralizzazione del cervello, in particolare nel contesto di interventi come lo yoga, che possono modulare queste reti di stato di riposo^38,39.
2. Selezionare un periodo di stato di riposo di 6 minuti per l'analisi, poiché questo rientra nell'intervallo comunemente accettato di 5-10 minuti, con rsFC sufficiente tipicamente raggiunto dopo 5 minuti 26,27,28,35. Sfrutta i livelli di rumore ridotti durante le misurazioni in stato di riposo rispetto alle asana attive per valutare le concentrazioni di HbO, HbR e HbT 34,40,41.
3. Inizia identificando e correggendo gli artefatti di movimento nei dati. Una volta corretto, applicare un filtro passa-banda (0,009-0,08 Hz) alle serie temporali per isolare l'intervallo di frequenza della connettività funzionale, quindi convertire i segnali filtrati in concentrazioni di emoglobina utilizzando la legge di Bouguer-Beer-Lambert modificata per ulteriori analisi 40,42,43. Concentrarsi sui punti temporali privi di artefatti di movimento (utilizzando la funzione MotionArtifactByChannel) per preservare l'integrità della connettività interemisferica⁴⁴.
4. Per tenere conto delle fluttuazioni spontanee comuni a tutti i canali, applicare la regressione del segnale del canale di separazione breve (SSC). Inizia calcolando l'andamento temporale medio in tutti gli SSC, quindi fai regredire il segnale SSC dalle serie temporali fNIRS misurate utilizzando il metodo di regolarizzazione di Tikhonov⁴².
5. Utilizzare le serie temporali residue risultanti per costruire matrici di connettività calcolando le correlazioni di Pearson tra tutte le coppie di canali.
6. Per la connettività intraemisferica, calcolare separatamente i coefficienti di correlazione medi tra i canali all'interno dell'emisfero sinistro e all'interno dell'emisfero destro. Per la connettività interemisferica, calcolare le correlazioni medie tra ciascun canale e la sua controparte controlaterale³⁹.
7. Quando si esegue l'analisi statistica, trasformare i valori r di Pearson in punteggi z di Fisher prima di eseguire i test di Wilcoxon-Mann-Whitney. Correggere più confronti utilizzando il metodo del tasso di false scoperte (FDR).
   NOTA: Il codice e i dati utilizzati in questo studio sono disponibili in Zenodo⁴⁵ all https://zenodo.org/records/11098997 con DOI: 10.5281/zenodo.11098996.

Risultati

L'analisi preliminare dei canali attivi ha rivelato differenze significative tra la postura di controllo A e le posture B e C (Figura 5A-B). È stata quindi eseguita un'ANOVA a misure ripetute unidirezionali per valutare le differenze statistiche nei valori medi di HbO della funzione di risposta emodinamica stimata (HRF) tra i canali utilizzando il pacchetto software Origin (Pro), versione 2018. L'ipotesi di normalità è stata valutata utilizzando il test di S...

Discussione

Questo studio ha utilizzato fNIRS per valutare l'attività della PFC durante una pratica strutturata di asana yoga, sottolineando le considerazioni metodologiche chiave e i progressi nel neuroimaging del mondo reale. Gli elementi critici del protocollo includevano il posizionamento preciso degli optodi fNIRS, con una spaziatura ottimale tra sorgente e rivelatore (3,0 cm) e un corretto accoppiamento optodo-cuoio capelluto per garantire un'acquisizione accurata del segnale. Un design a bloc...

Materiali

Elenco dei materiali utilizzati in questo articolo

Nome	Azienda	Numero di catalogo	Commenti
Digitalizzatore 3D	Artinis Medical	DGT-456	Utilizzato per il posizionamento dei tappi e la mappatura delle regioni
Dispositivo fNIRS Brite MKII	Artinis Medical	BR-MK2	Strumento fNIRS portatile per dati PFC
Tappetino yoga Harmony 3/16" (5 mm) di spessore 68" (173 cm)	Giada	HAR368	Superficie stabile per praticare le asana
HOMER 3 Software	Centro di neurofotonica dell'Università di Boston (open source)	Omero v1.54	Per la pre-elaborazione dei dati fNIRS
Software Origin (Pro)	Laboratorio Originato	ORG-2023	Analisi statistica dei dati
Oxysoft Software	Artinis Medical	OXY-001	Acquisizione del segnale in tempo reale
Piola Corde in Cotone 12mm	Forniture per teloni	N/A	Parte del sistema di corde yoga a parete
Configurazione della presentazione di PowerPoint	Valentina	N/A	Per immagini didattiche
Gancio in acciaio inossidabile	Omeomio	liuxi-050	Parte del sistema di corde yoga a parete
Sistema di corde yoga a parete	Su misura	N/A	Aiuto per le posizioni yoga