Methodenartikel

Hartslagvariabiliteit berekenen van ECG-gegevens van jongeren met cerebrale parese tijdens actieve video game sessies

20.1K weergaven

⸱

DOI:

10.3791/59230

⸱

5 juni 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

In dit artikel

Samenvatting

Dit protocol beschrijft een methode voor het berekenen van de hartslagvariabiliteit (HRV) van het elektrocardiogram (ECG) golfvormen. Golfvormen van continue hartslag (HR) opnames tijdens actieve video game (AVG) sessies werden gebruikt om de aërobe prestaties van de jeugd met cerebrale parese (CP) te meten.

Samenvatting

Het doel van deze studie was om een methode te genereren voor het berekenen van de hartslagvariabiliteit (HRV) van het elektrocardiogram (ECG) golfvormen. De golfvormen werden opgenomen door een HR-monitor die deelnemers (jeugd met cerebrale parese (CP)) droeg tijdens actieve video game (AVG) sessies. De AVG-sessies zijn ontworpen om fysieke activiteit en fitness (aërobe prestaties) in deelnemers te bevorderen. Het doel was om de haalbaarheid van Avg's als een fysiotherapie (PT) interventiestrategie te evalueren. De maximale HR (mHR) werd voor elke deelnemer bepaald en de doel hartslag zone (THRZ) werd berekend voor elk van de drie trainings fases in de 20 min AVG sessie: (warming-up bij 40-60% mHR, conditionering bij 60-80% mHR, en afkoelen bij 40-60% mHR). Elke deelnemer speelde 3 20 min spellen tijdens de AVG sessie. Alle spellen werden gespeeld terwijl ze op een bankje zaten omdat veel jongeren met CP niet langdurig kunnen staan. Elke spel voorwaarde verschaf met deelnemers alleen hand pictogrammen, hand en voeten pictogrammen samen of voeten pictogrammen alleen voor het verzamelen van objecten. Het doel van het spel (KOLLECT genoemd) is om objecten te verzamelen om punten te winnen en gevaren te vermijden om geen punten te verliezen. De gevaren werden alleen gebruikt in de opwarm-en afkoel fases om een langzamere, gecontroleerde beweging te bevorderen om HR in de doel hartslagzone (THRZ) te houden. Er waren geen gevaren in de conditionerings fase om hogere niveaus en intensere lichamelijke activiteit te bevorderen. Analytische methoden werden gebruikt voor het genereren van HRV (geselecteerde tijd-domein en frequentie-domein maatregelen) van ECG-gegevens om aërobe werklast te onderzoeken. Recente toepassingen van HRV geven aan dat korte-termijn metingen (5 min Bouts) geschikt zijn en dat HRV biofeedback kan helpen bij het verbeteren van de symptomen en de kwaliteit van het leven in een verscheidenheid van veterinairrechtelijke voorschriften. Hoewel HR een goed geaccepteerde klinische maat is om de aërobe prestaties en intensiteit in PT-interventies te onderzoeken, kan HRV informatie verschaffen over de autonome systeemfuncties, herstel en aanpassing tijdens AVG-sessies.

Inleiding

Cerebrale parese (CP) is de meest voorkomende lichamelijke handicap van de kindertijd1. CP wordt veroorzaakt door een neurologische belediging van de ontwikkelende hersenen en is geassocieerd met motorische beperkingen zoals spierzwakte, spasticiteit, deconditionering, en verminderde motorische controle en balans2,3. CP is een niet-progressieve aandoening, maar met de leeftijd, kinderen worden minder fysiek actief en meer sedentaire in vergelijking met hun leeftijdsgenoten met typische ontwikkeling (TD) vooral vanwege de toegenomen eisen van de groei op hun gecompromitteerde neuromusculaire en musculoskeletale systemen4.

Jongeren met CP krijgen meestal fysiotherapie (PT) diensten om functionele mobiliteit te verbeteren en fysieke activiteit en fitness te bevorderen (bijv. aërobe en gespierd uithoudingsvermogen)2. Vaak is er beperkte toegang tot de PT-diensten en de communautaire middelen om deze PT-doelstellingen te bereiken en te ondersteunen:5,6. Actieve video games (avg's) kunnen een haalbare strategie zijn in activiteiten-based PT interventies in kliniek, huis of Gemeenschap instellingen7,8. Commerciële Avg's hebben beperkte flexibiliteit om het spel aan te passen en te voldoen aan de specifieke behoeften en PT-doelen voor jongeren met CP9. Aangepaste Avg's bieden echter flexibele spel parameters om jongeren met CP uit te dagen terwijl ze fysieke activiteit en fitness10promoten.

Ons team heeft een aangepaste AVG (genaamd KOLLECT) ontwikkeld om reacties op de jeugd oefening te onderzoeken (bijv. lichamelijke activiteit en aërobe geschiktheid). Het spel maakt gebruik van een bewegingssensor om jeugdbeweging te volgen tijdens het gamen. Het doel van het spel is om zoveel mogelijk objecten te ' verzamelen ' voor een hoge score en om de gevaren te vermijden om verlies van punten te voorkomen. Objecten kunnen worden verzameld met hand-en/of voeten iconen zoals bepaald door de therapeut in de flexibele spel parameters.

Het ontwerpen van op activiteit gebaseerde PT-interventies die de intensiteit van de fysieke activiteit van de dosis om aërobe fitness te bevorderen is essentieel voor jongeren met CP11. Aangepaste Avg's kunnen een effectieve strategie voor dosisintensiteit zijn en jongeren betrekken bij lichamelijke activiteit om fitness10te bevorderen. Hartslagmeter (HR) monitors worden vaak gebruikt in klinische PT praktijk om aërobe prestaties en intensiteit van de activiteit te bepalen. Daarom helpt HR-monitoren de haalbaarheid van Avg's bij het doseren van de intensiteit van de fysieke activiteit te bepalen om de aerobe conditie9te bevorderen. ECG-gegevens gegenereerd op basis van een HR-monitor kunnen worden gebruikt om hartslagvariabiliteit (HRV) te berekenen. Analytische methoden werden gebruikt om HRV van ECG-gegevens te genereren om aërobe werklast te onderzoeken. Recente toepassingen van HRV geven aan dat korte-termijn metingen (5 min Bouts) geschikt zijn en dat HRV biofeedback kan helpen bij het verbeteren van de symptomen en de kwaliteit van leven in een verscheidenheid van veterinairrechtelijke voorschriften32,33,34 . De toepassing van kortdurende HRV-maatregelen is een geschikt middel om de cardiovasculaire functie te beoordelen tijdens AVG-sessies. Gezien het feit dat HRV is afgeleid van het R-R-interval van een ECG, hebben we geselecteerde tijdsdomein-en frequentiedomein maatregelen gebruikt. Tijddomein maat van HRV kwantificeren de hoeveelheid variabel in de interbeat-intervallen die de tijd tussen opeenvolgende hartslagen representeert. We gebruikten de AVNN (gemiddelde NN-interval), RMSSD (root mean Square van opeenvolgende verschillen), SDNN (standaarddeviatie van NN interval), NN50 (aantal NN intervallen > 50 MS) en PNN50 (percentage van NN intervallen). Frequentiedomein maatregelen schatten het distributievan absolute of relatieve macht in mogelijk vier frequentiebanden, we specifiek gericht op twee bands, lage frequentie (LF) vermogen en hoge frequentie (HF) vermogen, samen met de LF/HF verhouding. Hoewel HR een goed geaccepteerde klinische maat is, kan HRV nuttig zijn omdat het informatie verschaft over de autonome systeemfunctie, het herstel, de aanpassing en een schatting van de aërobe werklast tijdens een AVG Session28.

Het doel van deze studie was om de haalbaarheid van het gebruik van AVG-strategieën te onderzoeken om lichamelijke activiteit en fitness te bevorderen. Een tweede doel was het AVG-protocol voor gegevensverzameling en de methodologie voor het berekenen van HRV van ECG-gegevens die via een HR-monitor zijn verkregen, te presenteren. Deze maatregelen en dit protocol kunnen voor clinici relevant blijken om de interventie sessies te monitoren en te dosis PT.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

De goedkeuring van de institutionele beoordelings Raad werd verkregen. Alle jongeren verstrekte schriftelijke instemming en ouders hebben toestemming gegeven voorafgaand aan deelname.

1. AVG-gegevens verzamelings sessies

  1. De AVG-gamesessie
    1. In deze studie, hebben jongeren met CP deelnemen aan een AVG sessie die bestaat uit 3 20 min games. Zie tabel 5 voor demografische gegevens over jongeren. Er werd verwacht dat in totaal 30 wedstrijden zouden worden gespeeld; echter, 29 games werden voltooid omdat een onderwerp slechts 2 games speelde in zijn AVG-sessie.
    2. Laat de proefpersonen tijdens de sessie een HR-monitor dragen om HR-en ECG-reacties op te nemen.
    3. In de AVG sessie, hebben jongeren spelen elke AVG terwijl zittend op een bank met voeten plat op de vloer en knieën en heupen gebogen tot 90 graden (90/90 zittend) voor houdings ondersteuning en stabiliteit.
    4. Gebruik de volgende drie spel voorwaarden voor verzamelobjecten: 1) hand pictogrammen alleen; 2) alleen voeten iconen; en 3) beide hand-en voeten iconen. Gebruik een tegengebalanceerde volgorde tussen onderwerpen. Kies deze drie voorwaarden om te bepalen welke is effectiever in het bevorderen van lichamelijke activiteit en fitness en niet te veeleisend om te veroorzaken vroegtijdige, overmatige vermoeidheid.
      Opmerking: elk spel is ontworpen met behulp van de fasen van oefening recept: warming-up, conditionering en afkoelen. [Zie tabel 1]. Daarnaast was er een rustfase voordat het spel begon met het documenteren van Baseline HR en een herstelfase na het spelen van de tijd om terug te keren naar basislijn HR.
    5. Toestaan dat onderwerpen een rustperiode tussen games voor HR om terug te keren naar basislijn niveau.
  2. HRV berekenen van ECG-gegevens
    1. Organiseer gegevens in 5 min tijdsintervallen om te zorgen voor vergelijkbare gegevens voor elke fase. Daarom zijn er 6 fasen gedefinieerd voor deze berekeningen: 1) rust; 2) warming-up; 3) conditionering 1 (eerste 5 min); 4) conditionering 2 (tweede 5 min); 5) afkoelen (5 min) en 6) herstel. Door de conditionerings fase in twee fasen van 5 minuten te verdelen, kan het onderwerp aërobe prestaties in kortere intervallen worden onderzocht om vermoeidheid te voorkomen als gevolg van deconditionering 12 (tabel 4).
    2. Om HRV-metingen correct te berekenen voor elk segment van de sessie van een onderwerp, voert u R-piek detectie uit op het onbewerkte ECG-signaal12,13. Gebruik het onbewerkte signaal om manipulaties te voorkomen die de gegevens kunnen scheeftrekken.
    3. Om de gegevens te verwerken, moet u de begintijden van elke opnamesessie verkrijgen en converteren van ' datetime ' variabelen (MM/DD/JJJJ HH: MM: SS. SS) tot seconden. Geen van de sessies heeft plaatsgevonden over twee dagen waardoor het MM/DD/JJJJ-gedeelte tijdens deze berekeningen kon worden genegeerd. Verkrijg de starttijd van het spel van belang van de timing tabel om elke gamesessie binnen het elektrocardiogram (ECG) bestand te lokaliseren; deze tijd werd geconverteerd naar seconden nadat deze was geëxtraheerd uit de timing bestand. Het timing bestand bevatte starttijden voor elke fase van het spel en het einde van de herstelperiode (tabel 2).
    4. Bereken de rustperiode als de 5 min voorafgaand aan de start van het spel en de herstelfase als de 5 min na het einde van de Afkoel fase. Zodra deze tijden zijn verkregen, verkrijgt u de locatie (S) van de spelfase van belangstelling binnen het ECG-bestand met behulp van de volgende vergelijking:
      figure-protocol-1(1)
      waar de fase is ingesteld op rust, opwarming, conditionering 1, conditionering 2, afkoeling of herstel; de tijd werd gedeeld door 1/frequentie om rekening te kunnen maken met de ECG samplefrequentie. De HR-monitor had een samplingfrequentie van 250 Hz en bevatte daarom elke 4 MS een maat.
      1. Wijzig dit nummer door de bemonsteringsfrequentie te wijzigen met de eerste prompt van het programma Peak_Detection. m om rekening te kunnen maken met het gebruik van alternatieve opnameapparaten. Kies welke 5 min-segment om mee te werken tijdens het uitvoeren van het Peak Detection Program. Dit gebeurde via een prompt aan de gebruiker. Stel de eindtijd in op 5 min na de starttijd en neem de frequentie van het opnameapparaat in overweging.
    5. Zodra de 5 min sectie was gekozen, bereken een drempelwaarde voor piek detectie gebaseerd op de gemiddelde en standaarddeviatie van de golfvorm.
      1. Stel de drempel in figure-protocol-2 , maar dit kan worden verhoogd in het programma als de gegevens uniform zijn om vals-positieve detectie te verminderen van T-pieken die hoger zijn dan de overeenkomstige R-pieken. Voorbeelden van deze fout-positieven kunnen worden gezien in afbeelding 1.
      2. Samen met een minimale hoogte voor de R-piek, wijs een minimale afstand tussen pieken om te minimaliseren van de detectie van onjuiste pieken rond de gewenste R. Stel deze waarde in op 75 die overeenstemde met 0,3 s tussen pieken of 200 beats per min (BPM) (deze waarde verandert met frequentie). De waarde van 200 BPM is hoger dan elke HR die wordt bereikt door de proefpersonen in deze studie en kan worden gewijzigd op basis van de populatie die wordt bestudeerd.
    6. Nadat de drempel is berekend, laat u het programma door de golfvorm lopen en probeert u alle R-intervallen voor RR-interval en HRV-berekeningen te onderscheiden. Genereer een voorlopig plot zodat de gebruiker het kan controleren op onregelmatigheden zoals weergegeven in Figuur 1 of Figuur 2.
      1. Corrigeer deze onregelmatigheden handmatig door het bewerken van de detectie variabele die de micro volt (μV) lezing van de piek in kolom 1 en de locatie in de huidige gamesessie (s/0.004) in de tweede kolom bevat. In de meeste gevallen kunnen de juiste R-pieken gemakkelijk worden gevonden door in te zoomen op de probleem locatie zoals te zien in Figuur 1. Veel gegevens sessies zijn vrij uniform zoals weergegeven in Figuur 3 en zullen daarom slechts enkele correcties vereisen. Sommige gevallen zijn echter behoorlijk rommelig en vereisen meer tijd om de juiste R-locaties te bekijken en te verkrijgen.
      2. Als de schommelingen in de golfvorm het buitensporig moeilijk maken om een piek goed te lokaliseren, negeert u kleine segmenten ~ 1-2 s en kenmerk aan buitenbaarmoederlijke beats die niet worden gebruikt in HRV-berekeningen12.
    7. Nadat de R is gevestigd, voert u het programma HRV_Measures uit. Bereken RR-intervallen eerst omdat ze de basis vormen van de HRV-maatregelen die in deze studie zijn gebruikt12.
      1. Verkrijg een matrix van intervallen en negeer een interval groter dan 1,5 s (40 BPM) als gevolg van de bovengenoemde buitenbaarmoederlijke beats die uit de berekeningen worden verwijderd. Sla deze RR-intervallen op voor verdere berekeningen en verificatie van gegevens. Gebruik deze intervallen om het basis gemiddelde van de opeenvolgende verschillen (RMSSD) te berekenen met de volgende vergelijking:
        figure-protocol-3RMSSD = (2)
        Waarbij N = aantal RR-intervallen (R-R)i = interval tussen de naburige QRS-pieken (R-r)i + 1 = interval tussen de volgende reeks pieken
    8. Kies deze variabele omdat het effectief is gebleken op intervallen variërend van 1 min tot 24 h in lengte13,14,15,16,17 en kan daarom worden gebruikt om deze 5 minuten te beoordelen intervallen in de spel fasen. Verkrijg samen met rmssd de standaarddeviatie van nn-intervallen om veranderingen in HR te meten gedurende de fase14,16,18.
    9. Gebruik de RR-intervallen om NN50 te berekenen, het aantal intervallen dat afwijkt van het vorige interval met meer dan 50 MS12 , dat ook is gebruikt op intervallen variërend van een min tot 24h 16,17,19, 20,21.
      1. Bereken de variabele NN50 via een eenvoudige telfunctie die heeft gecontroleerd of het verschil tussen opeenvolgende RR-interval lengten groter was dan 50 MS. Zodra NN50 op deze manier werd verkregen, verdeelt u het totale aantal intervallen om pNN50 te berekenen het percentage intervallen dat met meer dan 50 MS verschilt. met deze berekening konden de gemeten gegevens worden vergeleken tussen onderwerpen, games en zelfs sessies van verschillende lengtes, omdat het een eenheid-minder variabele13,14, 16 , 17.
    10. Bereken de gemiddelde RR-interval lengte voor elke fase en onderwerp als een afzonderlijke HRV-maatregel16,17,19,22,23,24. Gebruik deze meting om gemiddelde HR te berekenen door het gemiddelde RR-interval te delen door 60 s. Beide maatregelen zijn gemakkelijk te vergelijken tussenspel sessies om de trend van de activiteit van het onderwerp te observeren16,17,19,22,23, 24.
    11. Bereken zodra deze maatregelen werden berekend de lage frequentie en de hoogfrequente energie spectrale dichtheid (PSD) voor zowel de onbewerkte ECG van het interval van 5 minuten als de RR-interval matrix door PSD te verkrijgen uit Fast-Fourier-transformaties13,14 , 17 , 19 , 25. al deze gegevens werden vervolgens opgeslagen in een tabel, waarvan een voorbeeld wordt weergegeven in tabel 4.

2. ECG-gegevens van de patiënt verkrijgen

  1. Bereid de HR-monitor borstband en Bluetooth-module voor om het onderwerp te kunnen aanbrengen.
    1. Zorg ervoor dat de Bluetooth-module volledig is opgeladen (3 uur) met behulp van de oplaadhouder.
    2. Sluit de module via de oplaadhouder aan op de data computer en open de config tool. Voer een naam in voor registratiedoeleinden.
    3. Selecteer het HR-apparaat, klik op het tabblad tijd en selecteer datum/tijd instellen om de module te synchroniseren met de juiste tijd en datum. Het apparaat kan nu uit de oplaadhouder worden verwijderd.
    4. Bevochtig de geleidende gebieden (beige) op de borstband van de HR-monitor door een hand in water te plaatsen en de geleidende gebieden te wrijven.
    5. Plaats de HR monitor Bluetooth module in de borstband met de geleidende oppervlakken van de module bekleed met die van de borstband: het zal op zijn plaats klikken.
    6. Houd de knop op de module ingedrukt totdat de lampjes knipperen. De module is nu aan en opname.
    7. Breng de HR monitor borstband (met Bluetooth module) aan op de speler met de module uitgelijnd met de linker mid-axillaire lijn en de band net onder de borstspieren. Eenmaal goed gepositioneerd, draai het apparaat, zodat het niet beweegt tijdens de sessie, maar is niet ongemakkelijk voor de speler.
  2. Verkrijg een signaal en Bekijk de live feed.
    1. Sluit de connector aan op de USB-poort van de computer die wordt gebruikt om de gegevens te bekijken.
    2. Open het Live View -programma en voer de instelmodus in door op het pictogram met de moersleutel en schroevendraaier te klikken.
    3. Kies indien van toepassing een speler uit de lijst of Voeg een nieuw onderwerp toe met de knop Nieuw in de linkerbenedenhoek van het scherm.
    4. Voer de Onderwerpgegevens naar wens in voor identificatiedoeleinden (naam, leeftijd, geslacht, lengte, gewicht).
    5. Klik op het tabblad Hardware en selecteer het huidige onderwerp.
    6. Klik op toewijzen onder aan het tabblad en selecteer het huidige apparaat (vermeld als 01 als er geen andere apparaten aanwezig zijn). Klik vervolgens op toewijzen in het pop-upvenster.
    7. Klik op het tabblad team . Markeer het onderwerp en klik vervolgens op de pijl naar rechts om de speler op Team Ate plaatsen.
    8. Klik op het tabblad implementatie en verplaats het zojuist gemaakte team naar het eerste tabblad.
    9. Open het tabblad Live-modus door op het blauwe Wi-Fi- symbool in de linkerbovenhoek te klikken.
    10. Gebruik het tabblad Live-modus om in real-time de HR, de ademhalingsfrequentie en de houding van het onderwerp te bewaken.
      Opmerking: de signaalsterkte, de batterijstroom en het vertrouwen van de maatregelen kunnen ook worden bekeken.
    11. Nauwkeurige timing vastleggen (MM/DD/JJJJ uu: MM: SS) van het begin en einde van elke sessie en fase voor verwerking.
  3. Download de ECG-gegevens van de HR-monitor.
    1. Verwijder de band van de speler aan het einde van de sessie en verwijder de Bluetooth-module van de borstband.
    2. Plaats de module in de oplaadhouder en sluit deze aan op een computer waarop het geïnstalleerde softwareprogramma is geïnstalleerd.
    3. Open het logboek.
    4. Selecteer het toestel in het dropdown menu. Alle sessies die momenteel op het apparaat staan, worden weergegeven met datums en tijden.
    5. Schakel het selectievakje standaardopslag locatie gebruiken uit en kies een nieuwe opslaglocatie.
    6. Klik op Opslaan. Er wordt dan een voortgangsbalk weergegeven. Het opslaan kan een uur duren, afhankelijk van de duur van de sessie.
    7. Wijzig de naam van de datum nadat deze is opgeslagen.

3. gegevensanalyse en berekening van de hartslagvariabiliteit maatregelen

  1. Bestanden voorbereiden voor verwerking.
    1. Noem ECG-bestanden als ' KOLLECT_Subject # _AVG4 ' (bijv. KOLLECT_01_AVG4. csv ').
    2. Genereer een timing tabel in een door komma's gescheiden variabele (. CSV)-indeling om timinggegevens te tekenen tijdens de gegevensverwerking. Zie tabel 1 voor een voorbeeld van de juiste indeling.
    3. Importeer de datum-tijdgegevens uit het CSV-bestand en klik met de rechtermuisknop op de naam van de nieuw gecreëerde variabele en verander deze in 'timing. mat '.
  2. Voorlopige R piek detectie.
    1. Open en voer Peak _ Detection uit. m.
    2. Voer de frequentie van het ECG-opnameapparaat in wanneer dit door het programma wordt gevraagd.
    3. Voer het spelers nummer in voor de gegevens die moeten worden geanalyseerd wanneer hierom wordt gevraagd.
      Opmerking: sommige spelers hebben geen actieve video game 4 (AVG4) voltooid en daarom worden alleen spelers 1-10 gebruikt voor deze studie. Andere nummers zullen een foutmelding geven.
    4. Voer het nummer in van het spel dat moet worden geanalyseerd (1, 2 of 3) wanneer hierom wordt gevraagd.
    5. Voer de te analyseren fase in (rust, opwarming (WU), conditionering (CON), rust of herstel).
      1. Voer desgewenst een verschuiving in minuten in of Voer 0 in voor geen verschuiving.
    6. Selecteer het vergroot gereedschap en selecteer een gebied van het plot dat wordt uitgevoerd om een venster te maken met een breedte van ongeveer 2.000 (s/0.004) en een hoogte die de volledige golfvorm zal tonen, zoals weergegeven in Figuur 3. Zoom in of uit als het venster niet gemakkelijk visueel wordt geïnspecteerd.
    7. Inspecteer de grafiek visueel om te evalueren of de gedetecteerde pieken correct zijn gelabeld. Zie Figuur 1 voor voorbeeld van verkeerd gedetecteerde en gemiste pieken veroorzaakt door onregelmatige ECG-gegevens (Figuur 2).
  3. Piek correctie
    1. Corrigeer de onjuist gedetecteerde of ontbrekende pieken door de detectie variabele te lokaliseren en dubbel te klikken in de werkruimte.
    2. Gebruik de Data cursor tool op het plot van de ECG-golfvorm om de x-en y-coördinaten van de onjuiste piek te verkrijgen; X (tijd * frequentie) is de eerste kolom in detectie. mat en Y (voltage) is de tweede kolom (Figuur 3).
      1. Klik met de rechtermuisknop op het tekstvak dat verschijnt en klik op Selecteer cursor update functie.
      2. Selecteer Tooltipupdate. m in de map met de bestanden die voor deze analyse zijn gebruikt. Hierdoor kunnen de tooltip meer exacte waarden weergeven.
    3. Als het punt vals-positief is, verwijdert u het uit de array door op de rij te klikken in de variabele Detection. mat en de toets Control en de minsleutel . Een voorbeeld van vals-positieve detectie kan worden gezien in Figuur 3.
    4. Onjuist gemarkeerde pieken bewerken die grenzen aan niet-gemarkeerde pieken, zoals blijkt uit de twee T-pieken die zijn gemarkeerd als R in Figuur 1, door hun waarden te wijzigen zodat deze overeenkomen met die van de niet-gemarkeerde piek.
    5. Verkrijg de waarde van de gemiste piek kan worden verkregen met de Data cursor gereedschap.
    6. Voeg extra rijen toe aan de detectie. mat met behulp van controle en de plustoets voor pieken gemist als gevolg van lage spanningsniveaus.
    7. Voer de waarden in numerieke volgorde in om negatieve waarden tijdens het berekeningsproces te voorkomen (dat wil zeggen, voeg de piek op 11000 toe tussen de pieken bij 10908 en 11167) (Figuur 5).
    8. Controleer of de waarden correct zijn ingevoerd voordat u doorgaat met de volledige sessie, aangezien getallen af en toe worden afgekapt wanneer ze worden ingevoerd.
    9. Herhaal stap 2,3 totdat alle pieken zijn gecontroleerd en/of gecorrigeerd.
      Opmerking: sommige bestanden hebben een beperkte variabiliteit in de amplitude van de golfvorm en zijn sneller te controleren, zoals te zien in Figuur 4 , terwijl andere meer variabel zijn en mogelijk nauwere zoom nodig hebben om nauwkeurig pieken te lokaliseren tijdens visuele inspectie.
  4. Verkrijg HRV-meet berekeningen.
    1. Sla de oorspronkelijke plot gegenereerd op basis van Peak_Detection. m voor latere referentie.
    2. Voer HRV_Measures. m uit om de correct gelabelde plot te genereren. Een voorbeeld van gecorrigeerde gegevens wordt weergegeven in Figuur 6.
      1. De plot titel wijzigen met behulp van invoegen | Titel in het plot venster en wijzigt u deze in de gewenste titel.
      2. Controleer het venster voor uitvoer, het programma zal de gebruiker op de hoogte van de locatie onjuist ingevoerde gegevens indien aanwezig.
    3. Sla de variabele met de naam interval op.
    4. Open de variabele HRV in het venster werkruimte om de Mean RR (MS) te bekijken. gemiddelde HR (BPM), rmssd (MS), sdnn (MS), NN50 (Count), pNN50 (%), lage frequentie (LF)/hoge frequentie (HF) (ECG), LF/HF RR, Low-Frequency Power RR en High Frequency Power (RR)). Sla de h-waarden van deze variabele op in een tabel zoals weergegeven in tabel 4.
    5. Herhaal de secties 3,2-3,4 voor alle andere segmenten, sessies en onderwerpen die moeten worden geanalyseerd.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

Deze methode biedt gegevens voor gebruik bij het analyseren van het effect dat een nieuw ontwikkelde methode heeft op de hartslagvariabiliteit (HRV) van het onderwerp. Dit gebeurt door het R-gedeelte van de QRS-golfvorm van de ECG-gegevens van een onderwerp te lokaliseren, zoals weergegeven in Figuur 6, en door verschillende HRV-waarden te berekenen. Als de HR-monitor goed contact maakt met het onderwerp, zullen de gegevens uniform zijn, waardoor de noodzaak ...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

Tien jongeren met CP deden mee aan deze studie (gemiddelde + SD) [leeftijd (jaar) = 15,53 ± 3,57; hoogte (cm) 154,8 ± 12,6; gewicht (kg) 50,69 ± 11,1; body mass index (BMI) 50,46 ± 29,2; mHR 9 BPM) = 186,8 ± 12,4]. Raadpleeg tabel 5 voor demografische gegevens van patiënten.

Er zijn enkele overwegingen voor het gebruik van HR-monitoren en de bijbehorende maatregelen van HR en HRV die betrekking hebben op wijzigingen en het oplossen van problemen. Twee problemen die duidelijk z...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

Op dit moment hebben de auteurs (CL en PAS) niets te onthullen. Dr. O'Neil is mede-oprichter van enAbleGames, LLC en Kollect is een van de spellen die worden aangeboden door dit web-based bedrijf. enAbleGames is in Game Development fase en is niet een openbaar bedrijf op dit moment (www.enAbleGames.com).

Dankbetuigingen

De auteurs danken de deelnemers en hun familie voor hun tijd en inspanning voor deelname aan de studie. Ook erkennen de auteurs Dr. Yichuan Liu en Dr. Hasan Ayaz voor hun hulp bij de timing berekening van de HR monitoring en Dr. Paul Diefenbach voor de ontwikkeling van de KOLLECT Active video gaming software. De financiering van dit werk werd verstrekt door Coulter Foundation Grants #00006143 (O'Neil; Diefenbach, Pi's) en #00008819 (O'Neil; Diefenbach, Pi's).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
BioHarness Bluetooth Module (Elektronische sensor) Zephyr9800.0189Detects Hartslag, Ademhalingsfrequentie, Houding en Huidtemperatuur.
BioHarness BorstbandZephyr9600.0189, 9600.0190Maten Klein XS-M, Groot M-XL
BioHarness Laadstandaard & USB-kabelZephyr9600.0257Wordt gebruikt om gegevens van de module over te zetten naar een computer voor analyse.
BioHarness Echo GatewayZephyr9600.0254Maakt realtime weergave van de hartslag van de proefpersoon mogelijk.
MATLAB R2016aMathworks1.7.0_.60Wordt gebruikt voor alle programmeringen.

Referenties

  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).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Toestemming aanvragen om de tekst of afbeeldingen van dit JoVE-artikel te hergebruiken

Toestemming aanvragen

Trefwoorden

ECG data analysecerebrale parese bij jongerenactieve videogamesfysiotherapie interventieR piekdetectietijdsdomeinmatenfrequentiedomeinmatenstreefhartslagzoneMATLAB verwerking

Gerelateerde artikelen