Summary
该协议描述了一种从心电图(ECG)波形计算心率变异性(HRV)的方法。在活动视频游戏 (AVG) 会话期间,连续心率 (HR) 记录产生的波形用于测量脑瘫青年 (CP) 的有氧表现。
Abstract
本研究的目的是从心电图(ECG)波形中生成一种计算心率变异性(HRV)的方法。参与者(脑瘫青年(CP))在活动视频游戏(AVG)会话期间佩戴的HR监视器记录了波形。AVG 课程旨在促进参与者的体育活动和健身(有氧表演)。目标是评估AvGs作为物理治疗(PT)干预策略的可行性。为每个参与者确定了最大 HR (mHR),在 20 分钟的 AVG 会话中,针对三个锻炼阶段中的每一个计算目标心率区 (THRZ):(在 40-60% mHR 下预热,在 60-80% mHR 调节,在 40-60% mHR 下冷却)。在AVG会话期间,每个参与者玩了三个20分钟的游戏。所有比赛都是坐在板凳上进行的,因为许多有CP的青年不能长时间站立。每个游戏条件不同,参与者只使用手图标,手和脚图标在一起,或脚图标只收集对象。游戏的目标(称为 KOLLECT)是收集对象来获得积分,并避免不失分的危险。在预热和冷却阶段使用危险,只能促进更慢、可控的运动,以保持目标心率区 (THRZ) 中的 HR。在调理阶段没有危险,以促进更高水平的和更剧烈的体力活动。使用分析方法从ECG数据生成HRV(选定的时域和频域测量),以检查有氧工作负载。HRV最近的应用表明,短期测量(5分钟)是适当的,HRV生物反馈可能有助于改善各种健康状况的症状和生活质量。虽然 HR 是一种公认的临床测量,用于检查 PT 干预中的有氧运动表现和强度,但 HRV 可能在 AVG 会话期间提供自主系统功能、恢复和适应的信息。
Introduction
脑瘫(CP)是儿童期最常见的身体残疾。CP是由神经性侮辱对发育的大脑造成的,与运动损伤有关,如肌肉无力、痉挛、去功能减退、运动控制和平衡下降2,3。CP 是一种非渐进性疾病,但随着年龄的增长,儿童与具有典型发育 (TD) 的同龄人相比,身体活动较少,久坐不动,这主要是因为他们受损的神经肌肉和肌肉骨骼系统4.
患有CP的青少年通常接受物理治疗(PT)服务,以提高功能流动性,促进身体活动和健身(如有氧和肌肉耐力)2。通常,获得 PT 服务和社区资源的机会有限,以实现和维持这些 PT 目标5、6 。主动视频游戏(AVG)可能是一个可行的策略,在临床,家庭或社区设置7,8基于活动的PT干预。商业APG在适应游戏游戏和满足CP9青少年的特定需求和PT目标的灵活性有限。然而,定制的AvG提供灵活的游戏参数,挑战青少年与CP,同时促进体育活动和健身10。
我们的团队开发了定制的AVG(称为KOLLECT),用于检查青少年运动反应(例如,体育活动和有氧健身)。游戏使用运动传感器来跟踪游戏期间的青年运动。游戏的目标是"收集"尽可能多的对象,以取得高分,并避免危险,避免失去分数。对象可以收集手和/或脚图标由治疗师在灵活的游戏参数确定。
设计基于活动的PT干预,通过身体活动强度促进有氧健身,对于CP11的青少年至关重要。自定义APG可能是一个有效的策略,剂量强度和青年参与体育活动,以促进健身10。心率 (HR) 监测器通常用于临床 PT 实践,以确定有氧运动表现和活动强度。因此,HR监测器将帮助确定AvG在给给体力活动强度方面的可行性,以促进有氧健身9。从 HR 监视器生成的心电图数据可用于计算心率变异性 (HRV)。使用分析方法从心电图数据生成HRV,以检查有氧工作量。HRV最近的应用表明,短期测量(5分钟)是适当的,HRV生物反馈可能有助于改善各种健康状况的症状和生活质量32、33、34.应用短期HRV措施是评估AVG会议期间心血管功能的适当手段。鉴于 HRV 派生自 ECG 的 R-R 间隔,我们使用选定的时域和频域度量。HRV 的时域测量量化了连续心跳之间的连续间隔中的变异性量。我们使用 AVNN(平均 NN 间隔)、RMSSD(连续差的根均平方)、SDNN(NN 间隔的标准偏差)、NN50(NN 间隔数 >50 ms)和 PNN50(NN 间隔的百分比)。频域测量估计绝对功率或相对功率分布为可能四个频段,我们专门针对两个频段,低频(LF)功率和高频(HF)功率以及LF/HF比。虽然HR是一个公认的临床措施,HRV可能是有用的,因为它提供了有关自主系统功能,恢复,适应的信息,并提供AVG会议28期间的有氧工作量的估计。
本研究的目的是研究使用AVG策略促进体育活动和健身的可行性。第二个目的是介绍AVG数据收集协议和通过HR监视器获得的ECG数据计算HRV的方法。这些措施和该协议可能证明与临床医生监测和剂量PT干预会议相关。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
机构审查委员会获得批准。所有青年提供书面同意,父母在参与前表示同意。
1. AVG数据收集会议
- AVG 游戏会话
- 在这项研究中,让CP的青年参加由三个20分钟游戏组成的AVG课程。见青年人口统计表5。预计将总共进行30场比赛;然而,29场比赛已经完成,因为一个主题只打了2场比赛在他的AVG会话。
- 让受试者在整个课程期间佩戴 HR 监视器,以记录 HR 和 ECG 响应。
- 在AVG会话中,让年轻人玩每个AVG,而坐在长凳上,双脚平放在地板上,膝盖和臀部弯曲到90度(90/90坐),以姿势支持和稳定性。
- 对收集对象使用以下三个游戏条件:1) 仅限手图标;2)仅脚图标;和3)手和脚图标。在主体之间使用平衡顺序。选择这三个条件,以确定哪些是更有效地促进身体活动和健身,而不是太苛刻,导致早期,过度疲劳。
注:每场比赛都是使用运动处方的阶段设计的:热身、调理和冷却。[请参见表1]。此外,游戏开始前有一个休息阶段,以记录基线 HR,并在游戏播放后进入恢复阶段,以记录返回到基线 HR 的时间。 - 允许受试者在游戏之间的休息时间,让 HR 返回到基线级别。
- 从心电图数据计算 HRV
- 将数据组织成 5 分钟的时间间隔,以确保每个阶段的数据具有可比性。因此,为这些计算定义了 6 个阶段:1) 休息;2) 热身;3) 调节 1 (前 5 分钟);4) 调理 2 (秒 5 分钟);5) 冷却(5 分钟)和 6) 恢复。将调理阶段分成两个5分钟阶段,可以缩短时间间隔检查受试者有氧表现,以考虑到因去理而疲劳12(表4)。
- 要正确计算受试者会话中每个部分的HRV测量值,在原始心电图信号12、13上执行R峰值检测。使用原始信号以避免可能扭曲数据的操作。
- 要处理数据,获取每个录制会话的开始时间,并从"日期时间"变量 (MM/DD/YYYY HH:MM:SS) 进行转换。SS)到秒。在两天内没有一个会话发生,使得 MM/DD/YYYY 部分在这些计算过程中被忽略。从计时表中获取感兴趣的游戏的开始时间,以在心电图 (ECG) 文件中查找每个游戏会话;此时间在从计时文件中提取后转换为秒。计时文件包含游戏每个阶段的开始时间以及恢复期的结束(表 2)。
- 将休息时间计算为游戏开始前 5 分钟,恢复阶段计算为冷却阶段结束后的 5 分钟。获得这些时间后,通过以下等式获得 ECG 文件中感兴趣的游戏阶段的位置 (S):
(1)
其中相位设置为"静止、预热、调理 1"、调节 2、冷却或恢复;时间除以1/频率,以考虑ECG采样率。HR 监视器的采样率为 250 Hz,因此每 4 毫秒包含一个测量值。- 通过使用Peak_检测.m程序的第一个提示更改采样速率来更改此数字,以说明备用录制设备的使用。选择运行峰值检测程序时要使用 5 分钟段。这是通过提示用户完成的。将结束时间设置为开始时间后的 5 分钟,并考虑录制设备的频率。
- 选择 5 分钟部分后,根据波形的平均偏差和标准偏差计算峰值检测阈值。
- 将阈值设置为,但如果数据是均匀的,以减少来自高于其相应 R 峰值的 T 峰值的误报检测,则可以在程序中增加此阈值。这些误报的例子见图1。
- 除了 R 峰值的最小高度外,在峰值之间分配最小距离,以尽量减少对所需 R 周围不正确峰值的检测。 将此值设置为 75,该值对应于峰值之间的 0.3 秒或每分钟 200 次 (bpm)(此值随频率)。200 bpm 的值高于本研究中受试者获得的任何 HR 值,并且可根据所研究的人口进行更改。
- 计算阈值后,让程序在波形中运行,并尝试识别 RR 间隔和 HRV 计算的所有 R。生成一个初步图,以便用户可以查看其是否存在违规行为,如图1或图2所示。
- 通过编辑检测变量手动纠正这些不规则现象,该变量包含第 1 列中峰值的微伏 (μV) 读数和第二列中当前游戏会话 (s/0.004) 中的位置。在大多数情况下,通过放大问题位置可以很容易地找到正确的 R 峰值,如图1所示。许多数据会话相当均匀,如图3所示,因此只需要进行一些更正。然而,有些情况相当混乱,需要更多时间来审查和获取适当的 R 位置。
- 如果波形的波动使得正确定位峰值变得过于困难,请忽略小段 =1-2 s,并归因于 HRV 计算12中未使用的异位节拍。
- 找到 R 后,运行HRV_度量程序。首先计算RR间隔,因为它们是本研究12中使用的HRV度量值的基础。
- 获取间隔矩阵,并忽略大于 1.5 s (40 bpm) 的任何间隔,因为上述异位节拍从计算中删除。保存这些 RR 间隔以进一步计算和验证数据。使用这些间隔使用以下公式计算连续差异 (RMSD) 的根均值平方:
RMSSD = (2)
其中 N = RR 间隔数 (R-R)i = 相邻 QRS 峰值 (R-R)i=1 之间的间隔 = 后续峰值集之间的间隔
- 获取间隔矩阵,并忽略大于 1.5 s (40 bpm) 的任何间隔,因为上述异位节拍从计算中删除。保存这些 RR 间隔以进一步计算和验证数据。使用这些间隔使用以下公式计算连续差异 (RMSD) 的根均值平方:
- 选择这个变量,因为它已被证明是有效的间隔范围从1分钟到24小时的长度13,14,15,16,17,因此可以用来评估这5分钟在游戏阶段的时间间隔。与 RMSSD 一起,获取 NN 间隔的标准偏差,以测量整个阶段 14、16、18 中 HR 的变化。
- 使用 RR 间隔计算 NN50,该间隔数与前一个间隔相差超过 50 ms12的间隔数,该间隔也用于从 1 分钟到 24 小时16、17、19 的间隔。 20,21.
- 通过一个简单的计数函数计算 NN50 变量,该函数检查连续 RR 间隔长度之间的差异是否大于 50 ms。 以这种方式获取 NN50 后,除以间隔总数来计算 pNN50,即间隔的百分比相差超过50毫秒。 此计算允许对受试者、游戏,甚至不同长度的会话进行比较测量数据,因为它是一个无单位变量13、14。16,17.
- 计算每个阶段的平均RR间隔长度,并作为单独的HRV测量值16,17,19,22,23,24。使用此度量值通过将平均 RR 间隔除以 60 秒来计算平均 HR。这两种指标在游戏会话中很容易比较,以观察受试者的活动趋势16、17、19、22、2324.
- 计算后,通过从 Fast-Fourier 变换13、14中获取 PSD,计算 5 分钟间隔的原始 ECG 和 RR 间隔矩阵的低频和高频功率光谱密度 (PSD),17,19,25.然后,所有这些数据存储在表中,表4中显示了一个示例。
2. 从患者获取心电图数据
- 准备 HR 监视器胸带和蓝牙模块,以便应用于主题。
- 确保使用充电底座已为蓝牙模块充满电 (3 小时)。
- 通过充电底座将模块插入数据计算机并打开配置工具。输入用于日志记录的名称。
- 选择 HR 设备,单击"时间"选项卡并选择"设置日期/时间"以将模块同步到正确的时间和日期。现在可以从充电底座上卸下设备。
- 将手放在水中并摩擦导电区域,润湿 HR 监视器胸带上的导电区域(米色)。
- 将 HR 监视器蓝牙模块放入胸带中,模块的导电表面与胸带的导电表面对齐:它将卡入到位。
- 按住模块上的按钮,直到指示灯闪烁。模块现已打开并录制。
- 将 HR 监视器胸带(带蓝牙模块)涂抹到播放器上,该模块与左中支线对齐,表带正好位于胸肌下方。正确定位后,拧紧设备,使其在会话期间不会移动,但不会使玩家感到不舒服。
- 获取信号并查看实时馈送。
- 将连接器插入用于查看数据的计算机的 USB 端口。
- 打开实时查看程序,通过单击扳手和螺丝刀的图标进入设置模式。
- 如果合适,从列表中选择一个播放器,或者在屏幕左下角使用"新建"按钮添加新主题。
- 根据需要输入主题信息以进行识别(姓名、年龄、性别、身高、体重)。
- 单击"硬件"选项卡并选择当前主题。
- 单击选项卡底部的"分配",然后选择当前设备(如果没有其他设备,则列为 01)。然后单击"在弹出框中分配"。
- 单击"团队"选项卡。突出显示主题,然后单击右箭头按钮将玩家放在团队A上。
- 单击"部署"选项卡,然后将新创建的团队移到第一个选项卡。
- 单击左上角的蓝色Wi-Fi符号,打开"实时模式"选项卡。
- 使用"实时模式"选项卡实时监控受试者的 HR、呼吸速率和姿势。
注:还可以查看测量的信号强度、电池功率和置信度。 - 记录每个会话的开始和结束以及处理阶段的准确计时 (MM/DD/YYYY HH:MM:SS)。
- 从 HR 监视器下载 ECG 数据。
- 在会议结束时从播放器上取下表带,然后从胸带上取下蓝牙模块。
- 将模块放在充电架中,并将其插入安装了软件程序的计算机。
- 打开日志。
- 从下拉菜单中选择设备。设备上当前的所有会话都显示日期和时间。
- 取消选中显示"使用默认保存位置"并选择新的保存位置的复选框。
- 单击"保存"。然后将显示一个进度栏。根据会话的长度,保存最多可能需要一个小时。
- 保存日期后,重命名该日期。
3. 心率变异性测量的数据分析与计算
- 准备文件进行处理。
- 将 ECG 文件命名为"KOLLECT_主题_AVG4"(例如,KOLLECT_01_AVG4.csv")。
- 以逗号分隔变量 (.csv) 格式生成计时表,以在数据处理期间从中绘制计时数据。有关正确格式的示例,请参阅表1。
- 从 .csv 文件导入日期时间数据,右键单击新创建的变量的名称并将其更改为"Time.mat"。
- 初步 R 峰值检测。
- 打开并运行峰值+检测。m. .
- 当程序提示时,输入 ECG 记录设备的频率。
- 输入提示时要分析的数据的玩家编号。
注:某些玩家没有完成活动视频游戏4(AVG4),因此本研究只使用玩家1-10。其他数字将提供错误消息。 - 输入提示时要分析的游戏编号(1、2 或 3)。
- 输入要分析的阶段(休息、预热 (WU)、调节 (Con)、静止或恢复)。
- 如果需要,输入偏移量(以分钟数表示)或输入0表示无偏移量。
- 选择放大工具并选择输出的绘图区域,以创建宽度约为 2,000 (s/0.004) 且高度将显示完整波形的窗口,如图3所示。如果窗口不容易直观地检查,则放大或缩小。
- 目视检查图形以评估检测到的峰值是否正确标记。参见图1,例如错误检测和错过由不规则心电图数据导致的峰值(图 2)。
- 峰值校正
- 通过在工作区中定位"检测"变量和双击来更正错误检测或缺少的峰值。
- 利用ECG波形图上的数据光标工具获得错误峰的x和y坐标;X(时间+频率)是检测第一列,Y(电压)是第二列(图3)。
- 右键单击显示的文本框,然后单击"选择光标更新功能"。
- 从包含用于此分析的文件的文件夹中选择TooltipUpdate.m。这将允许工具提示显示更精确的值。
- 如果点是误报,则通过单击"检测.mat"变量中的行并将其从数组中删除,然后按"控制"和"减号"键。如图3所示,可以看出误报检测的例子。
- 通过更改其值以匹配未标记的峰值,编辑与未标记峰值相邻的错误标记的峰值,如图1中标记为 R 的两个 T 峰值所示。
- 使用数据光标工具可以获取缺失峰值的值。
- 向"检测"添加其他行。垫使用控制和加键的峰值错过由于低电压水平。
- 输入数值,以避免在计算过程中出现负值(即,在 10908 和 11167 的峰值之间添加位于 11000 的峰值)(图 5)。
- 在继续完成整个会话之前,请确保正确输入值,因为输入时偶尔会剪切数字。
- 重复步骤 2.3,直到检查和/或纠正所有峰值。
注: 某些文件在波形振幅上具有有限的可变性,并且检查速度更快,如图4所示,而其他文件则更具可变性,可能需要更近距离的缩放才能在目视检查期间准确定位峰值。
- 获取 HRV 测量计算。
- 保存从峰值检测.m生成的原始绘图,以供以后参考。
- 运行HRV_度量.m以生成正确标记的绘图。修正后的数据示例如图6所示。
- 使用"插入 |绘图窗口中的标题并将其更改为所需的标题。
- 检查窗口的输出,程序将通知用户位置错误地输入的数据(如果有)。
- 保存变量命名间隔。
- 从工作区窗口打开标题为 HRV 的变量,查看平均 RR (ms)、平均 HR (bpm)、RMSSD (ms)、SDNN (ms)、NN50(计数)、pNN50 (%)、低频 (LF)/高频 (HF)(ECG)、LF/HF RR、低频功率 RR 和高频功率 (RR)。将这些变量的 h 值保存到表,如表 4所示的表。
- 对需要分析的所有其他段、会话和主题重复第 3.2 - 3.4 节。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
该方法提供数据,用于分析新开发的方法对受试者心率可变性 (HRV) 的影响。它通过定位主体心电图数据的QRS波形的R部分(如图6所示)和计算其各种HRV值来达到这一点。如果 HR 监视器与主体进行适当接触,数据将一致,大大减少了更正的需要(如图4所示)。
阈值应设置为处理混乱和不规则的数据,如图1和图2所示。如果由于 HR 监视器皮肤接触的瞬时变化,数据具有足够的可变性,则初始分析可能会错误地标记峰值,如图3所示。此错误可以通过手动更正值或输入额外的数据点来纠正,如协议第 3 节所述。更改阈值级别和峰值之间的最短时间还有助于清理检测值并生成调整图,如图5所示。
一旦获得数据并分析差异,就可以用于计算 HRV 值进行统计分析。ECG数据的分析可用于量化会议期间为评估目的所作的观察。
图 1.在表示"混乱"数据的预热会话期间,跨时间(x 轴(s 中的 x 轴)的连续 HR(y 轴)的代表图形,用于主题一游戏 3。杂乱的数据:在此部分 R 峰值小于波形的 T 部分。这可能导致峰值检测问题。
图 2.一些心电图 (ECG) 不规则波形模式的示例。不规则波形模式:由于运动而与主体接触的变化可能导致电压变化,降低波形的均匀性。请点击此处查看此图的较大版本。
图 3.心电图 (ECG) 输出的示例,其峰值 HR 标记错误峰值。在图的顶部附近,电压尖峰会导致部分波形被检测为与R模式匹配。它还可能导致由于邻近性(如在 (9924、 2074) 中突出显示的接近而忽略附近的 R 模式。
图 4.跨时间(x 轴(s)清洁心电图 (ECG) 波形的连续 HR(y 轴)的代表性图。清洁波形:具有相对均匀的波形和电压电平的一段均匀心电图数据的示例。
图 5.清洁前,在 μv 中跨越原始心电图 (ECG) 的时间(x 轴(x 轴(s)的连续 HR(y 轴)的代表性图。清洁前的数据:在调节阶段显示主题 01 游戏 3 的 ECG 数据 30 秒段。由于高电压可变性,一些峰值已丢失,有些峰值标记不正确。请点击此处查看此图的较大版本。
图 6.clearning 后原始心电图 (ECG) 跨时间(x 轴(s)的连续 HR(y 轴)的代表性图。数据后清理:在主题 01 游戏 3 正确标记后,从主题 01 游戏 3 的相同 30 秒的 ECG 数据,如协议第 3 节所述。请点击此处查看此图的较大版本。
相 | 时间 | THR 区域 | 游戏功能 |
休息 | 5分钟 | 基线休息 | 那 |
热身 | 5分钟 | 40-60% mHR | 4 个对象 + 4 个危险;较慢的速度 |
调节 | 10分钟 | 60-80% mHR | 8 个对象 = 0 个危险;更快的速度 |
冷却 | 5分钟 | 40-60% mHR | 4 个对象 + 4 个危险;较慢的速度 |
恢复 | 5分钟 | 基线休息 | 那 |
关键: THR = 目标心率; NA = 不适用 |
表 1.活动视频游戏 (AVG) 游戏阶段。关键:目标心率(THR);NA(不适用)。
主题 | Avg | 游戏 | 预热启动 | 调理启动 | 冷却开始 | 恢复开始 |
(MM/DD/YYYY) | (MM/DD/YYYY) | (MM/DD/YYYY) | (MM/DD/YYYY) | |||
(HH:MM:SS) | (HH:MM:SS) | (HH:MM:SS) | (HH:MM:SS) | |||
1 | 4 | 1 | 2015/11/25 | 2015/11/25 | 2015/11/25 | 2015/11/25 |
1 | 4 | 1 | 16:33:53 | 16:39:03 | 16:49:04 | 16:54:09 |
1 | 4 | 2 | 2015/11/25 | 2015/11/25 | 2015/11/25 | 2015/11/25 |
1 | 4 | 2 | 17:27:47 | 17:32:57 | 17:43:01 | 17:48:03 |
1 | 4 | 3 | 2015/11/25 | 2015/11/25 | 2015/11/25 | 2015/11/25 |
1 | 4 | 3 | 18:25:22 | 18:30:33 | 18:40:35 | 18:45:38 |
2 | 4 | 1 | 2016/4/10 | 2016/4/10 | 2016/4/10 | 2016/4/10 |
2 | 4 | 1 | 11:59:19 | 12:04:29 | 12:14:36 | 12:19:50 |
2 | 4 | 2 | 2016/4/10 | 2016/4/10 | 2016/4/10 | 2016/4/10 |
2 | 4 | 2 | 12:40:25 | 12:45:37 | 12:55:44 | 13:00:53 |
2 | 4 | 3 | 2016/4/10 | 2016/4/10 | 2016/4/10 | 2016/4/10 |
2 | 4 | 3 | 13:19:57 | 13:25:02 | 13:35:04 | 13:40:11 |
3 | 4 | 1 | 2015/11/18 | 2015/11/18 | 2015/11/18 | 2015/11/18 |
3 | 4 | 1 | 17:08:10 | 17:13:20 | 17:23:21 | 17:28:28 |
3 | 4 | 2 | 2015/11/18 | 2015/11/18 | 2015/11/18 | 2015/11/18 |
3 | 4 | 2 | 17:59:46 | 18:04:48 | 18:14:54 | 18:19:55 |
3 | 4 | 3 | 2015/11/18 | 2015/11/18 | 2015/11/18 | 2015/11/18 |
3 | 4 | 3 | 18:42:03 | 18:47:03 | 18:57:04 | 19:02:02 |
表2.定时文件密钥:AVG + 活动视频游戏
ID_AVG_游戏 | AVNN (s) | 平均人力资源(bpm) | RMSSD (毫秒) | SDNN (毫秒) | NN50 | pNN50 (%) | LF / 高频 (ECG) | LF / 高频 (RR) | LFP (RR) | 高频(RR) | ||
03_AVG4_G1_Rest | 719.875 | 83.347 | 29.827 | 55.604 | 35 | 8.393 | 1.328 | 0.602 | 0.123 | 0.204 | ||
03_AVG4_G1_WU | 656.373 | 91.411 | 26.52 | 50.372 | 28 | 5.932 | 1.288 | 0.675 | 0.125 | 0.185 | ||
03_AVG4_G1_Con 1 -5 | 557.772 | 107.57 | 20.651 | 43.932 | 4 | 0.743 | 1.187 | 0.76 | 0.119 | 0.157 | ||
03_AVG4_G1_Con 6 10 | 532.483 | 112.679 | 27.771 | 33.481 | 9 | 1.599 | 1.244 | 0.809 | 0.118 | 0.146 | ||
03_AVG4_G1_Con 2 - 7 | 538.546 | 111.41 | 20.389 | 34.351 | 6 | 1.077 | 1.198 | 0.819 | 0.118 | 0.144 | ||
03_AVG4_G1_Con 3 - 8 | 530.761 | 113.045 | 27.756 | 34.26 | 8 | 1.413 | 1.192 | 0.826 | 0.118 | 0.143 | ||
03_AVG4_G1_冷却 | 597.019 | 100.499 | 31.806 | 41.96 | 16 | 3.181 | 1.281 | 0.712 | 0.120 | 0.169 | ||
03_AVG4_G1_恢复 | 665.511 | 90.156 | 42.136 | 70.698 | 57 | 12.639 | 1.301 | 0.636 | 0.122 | 0.191 | ||
AVNN = 平均 NN 间隔;平均 HR = 平均心率;RMSSD = 连续差异的根均方;SDNN - NN间隔的标准偏差;NN50 = NN 间隔数 > 50 ms;pNN50 = NN 间隔的百分比 > 50 ms;LF = 低频功率;高频 = 高频功率;LF/HF = 低频 - 高频比。 bpm = 每分钟节拍;毫秒 = 毫秒;心电图 + 心电图 - 包含 QRS 复合物; RR = 其中 R 是与 ECG 波的 QRS 复合点关联的点,RR 是连续 R 点之间的间隔; |
表 3.心率变异性 (HRV) 主题 03 游戏 01 的数据
表4.每个游戏不同阶段运动心率变异性测量的描述性统计数据 请点击这里下载此表。
性别 | GMFCS 级别 | 临床诊断 | 运动障碍 | 占主导地位的一侧 | 高度(厘米) | 重量(公斤) | 体重指数(公斤/平方米) | BMI 百分位数 |
男孩 | 2 | 迪莱吉亚 | 肌 张力 障碍 | 对 | 161.20 | 47.60 | 18.32 | 17.00 |
男孩 | 3 | 迪莱吉亚 | 痉挛 | 离开 | 141.17 | 49.20 | 24.70 | 95.00 |
男孩 | 2 | 左偏瘫 | 痉挛 | 对 | 165.80 | 50.50 | 18.40 | 13.00 |
男孩 | 3 | 迪莱吉亚 | 痉挛 | 对 | 154.30 | 57.00 | 23.90 | 83.00 |
女孩 | 2 | 左偏瘫 | 痉挛 | 对 | 161.20 | 60.30 | 22.86 | 71.00 |
女孩 | 2 | 左偏瘫 | 痉挛 | 对 | 146.40 | 40.80 | 19.00 | 30.00 |
女孩 | 2 | 右直胸痛 | 痉挛 | 离开 | 154.60 | 64.00 | 26.80 | 85.00 |
女孩 | 3 | 左偏瘫 | 痉挛 | 对 | 166.10 | 61.20 | 22.20 | 42.00 |
男孩 | 2 | 左偏瘫 | 痉挛 | 对 | 168.10 | 49.70 | 17.60 | 51.00 |
男孩 | 3 | 迪莱吉亚 | 痉挛 | 对 | 135.00 | 29.80 | 16.00 | 43.00 |
关键:GMFCS=总电机功能分类系统; BMI= 身体质量指数 |
表5.患者人口统计
Subscription Required. Please recommend JoVE to your librarian.
Discussion
10名患有CP的青年参加了这项研究(平均= SD)= 年龄(岁) = 15.53 ± 3.57;身高(厘米) 154.8 ± 12.6;体重(公斤) 50.69 ± 11.1;身体质量指数 (BMI) 50.46 ± 29.2;mHR 9 bpm = 186.8 ± 12.4°*有关患者人口统计数据,请参阅表5。
使用 HR 监视器以及 HR 和 HRV 的相关措施需要考虑一些与修改和故障排除相关的措施。无论使用何种技术来获取数据,两个问题显而易见:1) 运动伪影和 2) 异位节拍。运动伪影和异位节拍引起的问题通常通过获取 RR 间隔 12、13、18、22之后的后处理活动来解决,26.对后处理操作的故障排除需要考虑 HR 中突出呼吸道正心的时态波动,以及计算规范化的 HRV 值,以便区分HRV13、27、29 的生理和数学介导变化。
HRV测量的限制最初通过应用频谱分析技术(即频域测量)13、27、29确定。有生理因素,包括呼吸道正心性腺,心血管漂移,水化状态和环境因素(如温度,热,冷,海拔)与HR 27中的日常变化相关 ,29.数学考虑涉及时域度量(例如,SDNN、r-MSSD、pNN-50 索引)以及最近包含的非线性动态分析技术 13、27、29 。为了正确解释各种HRV措施,我们需要考虑身体是处于休息状态还是处于压力状态。通常,当身体休息时,我们期望寄生影响,这增加了反应的变异性,导致更高的HRV,而在压力期间,我们期望同情的影响,减少变异性,有较低的HRV措施。HRV测量的局限性会影响精度自主平衡假设与LF/HF比相关。该假设假设交感神经系统和寄生神经系统在竞争,以调节SA节点发射。作者指出,LF/HR比率需要谨慎解释,同时注意获取信息和审查LF和HF值的背景。关于在HR测量和HRV的短期事件中将LF/HF比应用于AVG游戏,高LF/HF比率可能表明在应对需要努力的挑战时观察到的交感活动较高,并增加同情神经系统激活35。
重要的是使用最佳措施,以确定有氧运动表现和能力的青少年与CP,以检查适当的干预给给和有效性6,11。临床护理标准通常包括测量HR以确定干预给药(强度)6,11。然而,人力资源措施的内在变异性使得难以确定有氧训练12、13、22、27的实际工作。因此,这种从人力资源监测仪ECG数据中计算HRV的方法提供了一个更准确的衡量标准,以评估干预结果27,28 。此外,HRV 措施还提供了关于 AVG 练习12、13、29、34、35期间自主神经系统反应、适应和恢复的新信息.我们认为,在短期耐久运动中应用HRV措施,可以提供有关基于Kerppers及其同事工作改善生理系统的信息,为期32年。
这里需要注意的是,在锻炼绩效期间,我们相对于人力资源监控和 HRV 测量的现有应用所做的重要应用。该方法允许用户在青少年与 CP 进行游戏体育活动期间从 ECG 波形中提取 RR 间隔和 HRV 测量值。该方法目前针对特定游戏中的 AVG 会话量身定制,但可以轻松适应其他协议和 ECG 设备,以便将来进行实验。如果数据是统一的,并且 ECG 记录设备与主体配合良好,则此协议将允许以用户最少的输入进行快速数据处理。但是,对于信号振幅变化较大的非均匀数据,协议将要求用户输入正确标记缺失的峰值并从数据集中删除误报。将来,可以使用更强大的检测方法改进此方法,以减少用户对峰值检测和校正的辅助(例如,非线性动态分析技术29)。
在整个协议执行过程中,执行以下关键步骤至关重要。确保在整个数据收集会话中具有高水平的信号置信非常重要,以减少所需的处理和峰值校正时间。通过确保 ECG 记录设备在每次会话之前与主题进行适当接触,可以改进这一点。在会话期间保持导电触点湿润也很重要,可以通过在每个会话前重新润湿记录器来完成。同时,在收集数据后,处理后活动需要通过时域度量、频域测量、非线性动态分析以及计算规范化的 HRV 值来区分方法方面的考虑在HRV12、13、29的生理推导和数学介导变化之间。
今后工作的考虑包括为参与不同强度和身体姿势的儿童和青少年应用HRV测量方法6、7、8、 9,10,17,23,26,29,认知具有挑战性的游戏和心理工作量24,25 26,27 ,虚拟和模拟类型体验, 过度训练评估23,31,睡眠质量评估13,26,27,31、慢性疲劳、身体疲惫和战备31以及HR与大脑之间关于亲社会行为的血管连接30。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
目前,提交人(CL和PAS)没有什么可透露的。O'Neil 博士是 enAbleGames, LLC 的联合创始人,Kollect 是这家基于网络的公司提供的游戏之一。enAbleGames 处于游戏开发阶段,目前不是上市公司 (www.enAbleGames.com)。
Acknowledgments
作者感谢参与者及其家属为参与研究所花费的时间和精力。同样,作者还感谢刘一川博士和海山·阿亚兹博士协助进行HR监测的时间计算,保罗·迪芬巴赫博士负责开发KOLLECT主动视频游戏软件。这项工作的资金由库尔特基金会赠款#00006143(O' Neil;迪芬巴赫,皮斯)和#00008819(奥尼尔;迪芬巴赫,皮斯)。
Materials
Name | Company | Catalog Number | Comments |
BioHarness Bluetooth Module (Electronics sensor) | Zephyr | 9800.0189 | Detects Heart Rate, Resiration Rate, Posture, and Skin Temperature. |
BioHarness Chest Strap | Zephyr | 9600.0189, 9600.0190 | Sizes Small XS-M, Large M-XL |
BioHarness Charge Cradle & USB Cable | Zephyr | 9600.0257 | Used to Transfer Data from the Module to a Computer for Analysis. |
BioHarness Echo Gateway | Zephyr | 9600.0254 | Allows for Realtime Viewing of Subject's Heart Rate. |
MATLAB R2016a | Mathworks | 1.7.0_.60 | Used for All Programming. |
References
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Ernst, G.
Heart rate variability. Heart Rate Variability. , 1-336 (2014). - 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Kičmerová, D. Methods for Detection and Classification in ECG Analysis. Doctoral thesis. , Department of Biomedical Engineering. BRNO University of Technology. Czech Republic. (2009).
- 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).
- 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).
- 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).
- Buchheit, M. Monitoring training status with HR measures: Do all roads lead to Rome? Frontiers in Physiology. 5, (2014).
- Achten, J., Jeukendrup, A. Heart rate monitoring: Applications and limitations. Sports Medicine. 33 (8), 517-538 (2012).
- Amichai, T., Katz-Leurer, M. Heart rate variability with cerebral palsy: Review of literature and meta-analysis. NeuroRehabilitation. 35, 113-122 (2014).
- Billman, G., Haikuri, H., Sacha, J., Trimmel, K. An introduction to heart rate variability: Methodological considerations and clinical applications. Frontiers in Physiology. 6, (2015).
- Beffara, B., Bret, A., Vermeulen, N., Mermillod, M. Resting high frequency heart rate variability selectively predicts cooperative behavior. Physiology & Behavior. 164, 417-428 (2016).
- Fogt, D., Cooper, P., Freeman, C., Kalns, J., Cooke, W. Heart rate variability to assess combat readiness. Military Medicine. 174, 491-495 (2009).
- 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).
- Giggins, O. M., Persson, U. M., Caulfield, B.
Biofeedback in Rehabilitation. Journal of Neuroengineering and Rehabilitation. 10, (2013). - Shaffer, F., Ginsberg, J. P. An overview of heart rate variability metrics and norms. Frontiers in Public Health. 5, 258 (2017).
- 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).