Artykuł metodologiczny

Obliczanie zmienności tętna na podstawie danych EKG od młodzieży z porażeniem mózgowym podczas aktywnych sesji gier wideo

DOI:

10.3791/59230

⸱

5 czerwca 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

W tym artykule

Podsumowanie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ten protokół opisuje metodę obliczania zmienności rytmu serca (HRV) na podstawie przebiegów elektrokardiogramu (EKG). Kształty fal z ciągłych zapisów tętna (HR) podczas aktywnych sesji gier wideo (AVG) wykorzystano do pomiaru wydolności tlenowej młodzieży z porażeniem mózgowym (CP).

Streszczenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Celem tego badania było wygenerowanie metody obliczania zmienności rytmu serca (HRV) na podstawie przebiegów elektrokardiogramu (EKG). Kształty fal zostały zarejestrowane przez monitor tętna, który uczestnicy (młodzież z porażeniem mózgowym (CP)) nosili podczas aktywnych sesji gier wideo (AVG). Sesje AVG zostały zaprojektowane tak, aby promować aktywność fizyczną i sprawność fizyczną (wydolność aerobową) u uczestników. Celem była ocena wykonalności AVG jako strategii interwencji fizjoterapeutycznej (PT). Maksymalne tętno (mHR) określono dla każdego uczestnika, a docelową strefę tętna (THRZ) obliczono dla każdej z trzech faz ćwiczeń w 20-minutowej sesji AVG: (rozgrzewka przy 40-60% mHR, kondycjonowanie przy 60-80% mHR i schłodzenie przy 40-60% mHR). Każdy uczestnik rozegrał trzy 20-minutowe gry podczas sesji AVG. Wszystkie mecze były rozgrywane siedząc na ławce rezerwowych, ponieważ wielu młodych ludzi z CP nie może stać przez dłuższy czas. Każdy warunek gry różnił się tym, że uczestnicy używali tylko ikon rąk, ikon dłoni i stóp razem lub ikon stóp tylko do zbierania przedmiotów. Celem gry (zwanej KOLLECT) jest zbieranie przedmiotów, aby zdobywać punkty i unikać zagrożeń, aby nie stracić punktów. Hazardy były stosowane w fazach rozgrzewki i schładzania tylko po to, aby promować wolniejszy, kontrolowany ruch w celu utrzymania tętna w docelowej strefie tętna (THRZ). W fazie kondycjonowania nie było żadnych zagrożeń, które promowałyby wyższy poziom i bardziej intensywną aktywność fizyczną. Metody analityczne wykorzystano do wygenerowania HRV (wybranych pomiarów w dziedzinie czasu i częstotliwości) na podstawie danych EKG w celu zbadania obciążenia tlenowego. Ostatnie zastosowania HRV wskazują, że pomiary krótkoterminowe (5-minutowe ataki) są odpowiednie, a biofeedback HRV może pomóc w poprawie objawów i jakości życia w różnych schorzeniach. Chociaż HR jest dobrze akceptowaną miarą kliniczną do badania wydolności i intensywności aerobowej w interwencjach PT, HRV może dostarczyć informacji o funkcjach układu autonomicznego, regeneracji i adaptacji podczas sesji AVG.

Wprowadzenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Porażenie mózgowe (CP) jest najczęstszą niepełnosprawnością fizyczną wieku dziecięcego1. CP jest spowodowany neurologicznym uszkodzeniem rozwijającego się mózgu i wiąże się z zaburzeniami motorycznymi, takimi jak osłabienie mięśni, spastyczność, dekondycjonowanie oraz zmniejszona kontrola motoryczna i równowaga2,3. MPD nie jest stanem postępującym, ale z wiekiem dzieci stają się mniej aktywne fizycznie i prowadzą bardziej siedzący tryb życia w porównaniu z rówieśnikami z typowym rozwojem (TD), głównie z powodu zwiększonych wymagań wzrostu dla ich upośledzonego układu nerwowo-mięśniowego i mięśniowo-szkieletowego4.

Młodzież z CP zazwyczaj korzysta z usług fizjoterapii (PT) w celu poprawy funkcjonalnej mobilności oraz promowania aktywności fizycznej i sprawności fizycznej (np. wytrzymałości aerobowej i mięśniowej)2. Często dostęp do usług PT i zasobów społeczności jest ograniczony, aby osiągnąć i utrzymać te cele PT5,6. Aktywne gry wideo (AVG) mogą być wykonalną strategią w interwencjach PT opartych na aktywności w warunkach klinicznych, domowych lub środowiskowych7,8. Komercyjne AVG mają ograniczoną elastyczność w dostosowywaniu rozgrywki i spełnianiu specyficznych potrzeb oraz celów PT dla młodzieży z CP9. Jednak spersonalizowane AVG zapewniają elastyczne parametry gry, aby rzucić wyzwanie młodzieży z CP, jednocześnie promując aktywność fizyczną i fitness10.

Nasz zespół opracował spersonalizowany AVG (o nazwie KOLLECT) do badania reakcji młodzieży na ćwiczenia (np. aktywność fizyczna i wydolność aerobowa). Gra wykorzystuje czujnik ruchu do śledzenia ruchu młodzieży podczas gry. Celem gry jest "zebranie" jak największej liczby przedmiotów, aby uzyskać wysoki wynik i unikanie zagrożeń, aby uniknąć utraty punktów. Przedmioty mogą być zbierane za pomocą ikon rąk i/lub stóp, zgodnie z ustaleniami terapeuty w elastycznych parametrach gry.

Projektowanie interwencji PT opartych na aktywności, które dozują intensywność aktywności fizycznej w celu promowania sprawności aerobowej, jest kluczowe dla młodzieży z CP11. Niestandardowe AVG mogą być skuteczną strategią dawkowania intensywności i angażowania młodzieży w aktywność fizyczną w celu promowania fitness10. Monitory tętna (HR) są często używane w praktyce klinicznej PT do określania wydolności tlenowej i intensywności aktywności. W związku z tym monitory tętna pomogą określić wykonalność AVG w dawkowaniu intensywności aktywności fizycznej w celu promowania wydolności aerobowej9. Dane EKG wygenerowane z monitora tętna można wykorzystać do obliczenia zmienności rytmu serca (HRV). Metody analityczne wykorzystano do wygenerowania HRV na podstawie danych EKG w celu zbadania obciążenia tlenowego. Ostatnie zastosowania HRV wskazują, że pomiary krótkoterminowe (5-minutowe ataki) są odpowiednie i że biofeedback HRV może pomóc w poprawie objawów i jakości życia w różnych stanach zdrowotnych32,33,34. Zastosowanie krótkoterminowych pomiarów HRV jest odpowiednim sposobem oceny funkcji układu sercowo-naczyniowego podczas sesji AVG. Biorąc pod uwagę, że HRV jest wyprowadzane z interwału R-R EKG, użyliśmy wybranych pomiarów w dziedzinie czasu i częstotliwości. Miara HRV w dziedzinie czasu określa ilościowo wielkość zmienności w interwałach między uderzeniami, które reprezentują czas między kolejnymi uderzeniami serca. Użyliśmy AVNN (średni interwał NN), RMSSD (średnia kwadratowa kolejnych różnic), SDNN (odchylenie standardowe przedziału NN), NN50 (liczba interwałów NN >50 ms) i PNN50 (procent interwałów NN). Miary w dziedzinie częstotliwości szacują rozkład mocy bezwzględnej lub względnej na możliwie cztery pasma częstotliwości, w szczególności zajęliśmy się dwoma pasmami, mocą niskiej częstotliwości (LF) i mocą wysokiej częstotliwości (HF) wraz ze stosunkiem LF / HF. Chociaż HR jest dobrze akceptowaną miarą kliniczną, HRV może być przydatne, ponieważ dostarcza informacji o funkcjonowaniu układu autonomicznego, regeneracji, adaptacji i zapewnia oszacowanie obciążenia aerobowego podczas sesji AVG28.

Celem tego badania było zbadanie możliwości wykorzystania strategii AVG do promowania aktywności fizycznej i sprawności. Drugim celem było przedstawienie protokołu zbierania danych AVG oraz metodologii obliczania HRV na podstawie danych EKG uzyskanych za pomocą monitora tętna. Te środki i niniejszy protokół mogą okazać się istotne dla klinicystów w celu monitorowania i dawkowania sesji interwencyjnych PT.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Uzyskano zgodę Instytucjonalnej Komisji Rewizyjnej. Wszyscy młodzi ludzie wyrazili pisemną zgodę, a rodzice wyrazili zgodę przed uczestnictwem.

1. Sesje zbierania danych AVG

  1. Sesja gry AVG
    1. W tym badaniu poproś młodzież z MPD o udział w sesji AVG, która składa się z trzech 20-minutowych gier. Tabela 5 przedstawia dane demograficzne młodzieży. Spodziewano się, że w sumie rozegranych zostanie 30 meczów; jednak 29 gier zostało ukończonych, ponieważ jeden badany rozegrał tylko 2 gry w swojej sesji AVG.
    2. Poproś uczestników, aby nosili monitor tętna przez całą sesję, aby rejestrować odpowiedzi HR i EKG.
    3. W sesji AVG niech młodzież zagra w każdy AVG, siedząc na ławce ze stopami płasko na podłodze i kolanami i biodrami zgiętymi pod kątem 90 stopni (90/90 w pozycji siedzącej), aby zapewnić wsparcie postawy i stabilność.
    4. Użyj następujących trzech warunków gry dla obiektów kolekcjonerskich: 1) tylko ikony rąk; 2) tylko ikony stóp; oraz 3) ikony dłoni i stóp. Stosuj zrównoważoną kolejność między tematami. Wybierz te trzy warunki, aby określić, który z nich jest bardziej skuteczny w promowaniu aktywności fizycznej i sprawności fizycznej i nie jest zbyt wymagający, aby powodować wczesne, nadmierne zmęczenie.
      UWAGA: Każda gra została zaprojektowana z wykorzystaniem faz zalecanych ćwiczeń: rozgrzewka, kondycja i schładzanie. [Patrz Tabela 1]. Dodatkowo przed rozpoczęciem gry była faza odpoczynku w celu udokumentowania podstawowego tętna oraz faza regeneracji po rozegraniu meczu, aby udokumentować czas na powrót do wyjściowego tętna.
    5. Pozwól badanym na okres odpoczynku między grami, aby HR powrócił do poziomu wyjściowego.
  2. Obliczanie HRV na podstawie danych EKG
    1. Uporządkuj dane w 5-minutowych przedziałach czasowych, aby zapewnić porównywalność danych dla każdej fazy. W związku z tym dla tych obliczeń zdefiniowano 6 faz: 1) Odpoczynek; 2) Rozgrzewka; 3) Kondycja 1 (pierwsze 5 min); 4) Kondycja 2 (druga 5 min); 5) Ochładzanie (5 min) i 6) Regeneracja. Podzielenie fazy kondycjonowania na dwie 5-minutowe fazy pozwala na zbadanie wydolności tlenowej badanego w krótszych odstępach czasu w celu uwzględnienia zmęczenia spowodowanego dekondycjonowaniem 12 (Tabela 4).
    2. Aby prawidłowo obliczyć pomiary HRV dla każdego segmentu sesji badanego, wykonaj detekcję szczytu R na surowym sygnale EKG12,13. Użyj nieprzetworzonego sygnału, aby uniknąć manipulacji, które mogłyby zniekształcić dane.
    3. Aby przetworzyć dane, uzyskaj czasy rozpoczęcia każdej sesji nagraniowej i przekonwertuj je ze zmiennych "data/godzina" (MM/DD/RRRR HH:MM:SS. SS) do sekund. Żadna z sesji nie miała miejsca w ciągu dwóch dni, co pozwoliło na zignorowanie części MM/DD/RRRR podczas tych obliczeń. Uzyskaj czas rozpoczęcia interesującej Cię gry z tabeli czasu, aby zlokalizować każdą sesję gry w pliku elektrokardiogramu (EKG); Ten czas został przekonwertowany na sekundy po wyodrębnieniu go z pliku chronometrażu. Plik z chronometrażem zawierał godziny rozpoczęcia każdej fazy gry, a także koniec okresu rekonwalescencji (tabela 2).
    4. Okres odpoczynku należy obliczyć jako 5 minut przed rozpoczęciem gry, a fazę regeneracji jako 5 minut po zakończeniu fazy odnawiania. Po uzyskaniu tych czasów uzyskaj lokalizację (S) interesującej Cię fazy gry w pliku EKG za pomocą następującego równania:
      figure-protocol-1 (1)
      gdzie Faza jest ustawiona na Odpoczynek, Rozgrzewkę, Kondycjonowanie 1, Kondycjonowanie 2, Ochłodzenie lub Regenerację; czas podzielono przez 1/częstotliwość, aby uwzględnić częstotliwość próbkowania EKG. Monitor tętna miał częstotliwość próbkowania 250 Hz i dlatego zawierał pomiar co 4 ms.
      1. Zmień tę liczbę, zmieniając częstotliwość próbkowania za pomocą pierwszego monitu z programu Peak_Detection.m, aby uwzględnić użycie alternatywnych urządzeń rejestrujących. Wybierz 5-minutowy segment, z którym chcesz pracować podczas uruchamiania programu wykrywania szczytów. Odbywało się to za pomocą monitu dla użytkownika. Ustaw czas zakończenia na 5 minut po czasie rozpoczęcia i weź pod uwagę częstotliwość urządzenia rejestrującego.
    5. Po wybraniu 5-minutowego odcinka oblicz próg wykrywania piku na podstawie średniej i odchylenia standardowego przebiegu.
      1. Ustaw próg jako figure-protocol-2ale można go zwiększyć w programie, jeśli dane są jednolite, aby zmniejszyć liczbę fałszywych alarmów wykrywanych przez piki T, które są wyższe niż odpowiadające im piki R. Przykłady tych fałszywych alarmów można zobaczyć na stronie Rysunek 1.
      2. Wraz z minimalną wysokością piku R, przypisz minimalną odległość między pikami, aby zminimalizować wykrywanie nieprawidłowych pików wokół żądanego R. Ustaw tę wartość na 75, co odpowiada 0,3 s między szczytami lub 200 uderzeń na minutę (bpm) (ta wartość zmienia się wraz z częstotliwością). Wartość 200 uderzeń na minutę jest wyższa niż jakiekolwiek HR osiągnięte przez uczestników tego badania i może ulec zmianie w zależności od badanej populacji.
    6. Po obliczeniu progu pozwól programowi przebiec przez przebieg i spróbuj dostrzec wszystkie R dla interwału RR i obliczeń HRV. Wygeneruj wstępny wykres, aby użytkownik mógł go przejrzeć pod kątem nieprawidłowości, takich jak te pokazane na Rysunek 1 lub Rysunek 2.
      1. Skoryguj te nieprawidłowości ręcznie, edytując zmienną Wykrywanie, która zawiera odczyt piku w mikrowoltach (μV) w kolumnie 1 i lokalizację w bieżącej sesji gry (s/0,004) w drugiej kolumnie. W większości przypadków właściwe piki R można łatwo znaleźć, powiększając lokalizację problemu, jak pokazano na Rysunek 1. Wiele sesji danych jest dość jednorodnych, jak pokazano w Rysunek 3 i dlatego będą wymagały tylko kilku poprawek. Niektóre przypadki są jednak dość niechlujne i wymagają więcej czasu na przejrzenie i uzyskanie odpowiednich lokalizacji R.
      2. Jeśli fluktuacje w przebiegu nadmiernie utrudniają prawidłowe zlokalizowanie szczytu, zignoruj małe segmenty ~1-2 s i przypisz do nich uderzenia ektopowe, które nie są używane w obliczeniach HRV12.
    7. Po zlokalizowaniu liter R uruchom program HRV_Measures. Najpierw oblicz interwały RR, ponieważ są one podstawą miar HRV używanych w tym badaniu12.
      1. Uzyskaj macierz interwałów i zignoruj każdy interwał większy niż 1,5 s (40 uderzeń na minutę), ponieważ było to spowodowane usunięciem z obliczeń wyżej wymienionych uderzeń ektopowych. Zachowaj te interwały RR w celu dalszych obliczeń i weryfikacji danych. Za pomocą tych przedziałów można obliczyć średnią kwadratową kolejnych różnic (RMSSD) za pomocą następującego równania:
        figure-protocol-3 RMSSD = (2)
        Gdzie N = liczba interwałów RR (R-R)i = interwał między sąsiednimi pikami QRS (R-R)i+1 = odstęp między kolejnymi zestawami pików
    8. Wybierz tę zmienną, ponieważ wykazano, że jest skuteczna w interwałach o długości od 1 minuty do 24 godzin13,14,15,16,17 i dlatego może być używana do oceny tych 5-minutowych interwałów w fazach gry. Wraz z RMSSD uzyskaj odchylenie standardowe interwałów NN, aby zmierzyć zmiany tętna w całej fazie14,16,18.
    9. Interwały RR służą do obliczania NN50, liczby interwałów, które różnią się od poprzedniego interwału o więcej niż 50 ms12, który był również używany w interwałach od jednej minuty do 24 h16,17,19,20,21.
      1. Oblicz zmienną NN50 za pomocą prostej funkcji zliczającej, która sprawdzała, czy różnica między kolejnymi długościami interwałów RR jest większa niż 50 ms. Po uzyskaniu w ten sposób NN50 podziel przez całkowitą liczbę interwałów, aby obliczyć pNN50, czyli procent interwałów różniących się o więcej niż 50 ms. Obliczenia te pozwoliły na porównanie zmierzonych danych między badanych, grami, a nawet sesjami o różnej długości, ponieważ jest to zmienna bez jednostek13,14,16,17.
    10. Oblicz średnią długość interwału RR dla każdej fazy i tematu jako oddzielną miarę HRV16,17,19,22,23,24. Użyj tej miary, aby obliczyć średnie tętno, dzieląc średni interwał RR przez 60 s. Obie te miary można łatwo porównać między sesjami gry, aby obserwować trend aktywności podmiotu16,17,19,22,23,24.
    11. Po obliczeniu tych miar oblicz gęstość widmową mocy niskiej i wysokiej częstotliwości (PSD) zarówno dla surowego EKG w interwale 5-minutowym, jak i macierzy interwału RR, uzyskując PSD z transformacji Fasta-Fouriera13,14,17,19,25. Wszystkie te dane zostały następnie zapisane w tabeli, której przykład przedstawiono w tabeli 4.

2. Pobieranie danych EKG od pacjenta

  1. Przygotuj pasek na klatkę piersiową monitora tętna i moduł Bluetooth do zastosowania na obiekcie.
    1. Upewnij się, że moduł Bluetooth został w pełni naładowany (3 godziny) za pomocą podstawki ładującej.
    2. Podłącz moduł do komputera danych za pomocą podstawki ładującej i otwórz narzędzie konfiguracyjne. Wprowadź nazwę na potrzeby rejestrowania.
    3. Wybierz urządzenie HR, kliknij kartę Czas i wybierz opcję Ustaw datę/godzinę, aby zsynchronizować moduł z odpowiednią godziną i datą. Urządzenie można teraz wyjąć z podstawki ładującej.
    4. Zwilż obszary przewodzące (beżowe) na pasku piersiowym monitora tętna, umieszczając dłoń w wodzie i pocierając obszary przewodzące.
    5. Umieść moduł Bluetooth monitora tętna w pasku piersiowym tak, aby powierzchnie przewodzące modułu były wyrównane z powierzchniami paska na klatkę piersiową: zatrzaśnie się na swoim miejscu.
    6. Naciśnij i przytrzymaj przycisk na module, aż kontrolki zaczną migać. Moduł jest teraz włączony i nagrywa.
    7. Przyłóż pasek na klatkę piersiową monitora tętna (z modułem Bluetooth) do gracza tak, aby moduł był wyrównany z lewą linią środkową pachy, a pasek znajdował się tuż pod mięśniami piersiowymi. Po prawidłowym ustawieniu dokręć urządzenie tak, aby nie poruszało się podczas sesji, ale nie było niewygodne dla gracza.
  2. Zdobądź sygnał i view kanał na żywo.
    1. Podłącz złącze do portu USB komputera, który będzie używany do view dane.
    2. Otwórz program Live View i wejdź w tryb konfiguracji, klikając ikonę z kluczem i śrubokrętem.
    3. W razie potrzeby wybierz gracza z listy lub dodaj nowy temat za pomocą przycisku Nowy w lewym dolnym rogu ekranu.
    4. Wprowadź informacje o obiekcie zgodnie z potrzebami w celu identyfikacji (imię i nazwisko, wiek, płeć, wzrost, waga).
    5. Kliknij kartę Sprzęt i wybierz bieżący temat.
    6. Kliknij przycisk Przypisz u dołu karty i wybierz bieżące urządzenie (oznaczone numerem 01, jeśli nie ma innych urządzeń). Następnie kliknij przypisz w wyskakującym okienku.
    7. Kliknij zakładkę Drużyna. Zaznacz temat, a następnie kliknij przycisk strzałki w prawo, aby umieścić gracza w Drużynie A.
    8. Kliknij kartę Deployment, a następnie przenieś nowo utworzony zespół na pierwszą kartę.
    9. Otwórz kartę Tryb na żywo, klikając niebieski symbol Wi-Fi w lewym górnym rogu.
    10. Użyj karty Tryb na żywo, aby monitorować tętno, częstość oddechów i postawę obiektu w czasie rzeczywistym.
      UWAGA: Siła sygnału, moc baterii i pewność środków mogą być również viewed
    11. Zapisz dokładny czas (MM/DD/RRRR HH:MM:SS) początku i końca każdej sesji i fazy przetwarzania.
  3. Pobierz dane EKG z monitora tętna.
    1. Zdejmij pasek z odtwarzacza po zakończeniu sesji i zdejmij moduł Bluetooth z paska na klatkę piersiową.
    2. Umieść moduł w podstawce ładującej i podłącz go do komputera z zainstalowanym oprogramowaniem.
    3. Otwórz dziennik.
    4. Wybierz urządzenie z menu rozwijanego. Wszystkie sesje aktualnie zainstalowane na urządzeniu są wyświetlane z datami i godzinami.
    5. Usuń zaznaczenie pola Użyj domyślnej lokalizacji zapisywania i wybierz nową lokalizację zapisywania.
    6. Kliknij Zapisz. Pojawi się pasek postępu. Zapisywanie może potrwać do godziny, w zależności od długości sesji.
    7. Zmień nazwę daty, gdy zostanie zapisana.

3. Analiza danych i obliczanie miar zmienności tętna

  1. Przygotuj pliki do przetworzenia.
    1. Nazwij pliki EKG jako "KOLLECT_Subject#_AVG4" (np. KOLLECT_01_AVG4.csv").
    2. Wygeneruj tabelę chronometrażu w formacie zmiennej oddzielonej przecinkami (.csv), z której zostaną pobrane dane chronometrażu podczas przetwarzania danych. W tabeli 1 przedstawiono przykład prawidłowego formatu.
    3. Zaimportuj dane daty i godziny z pliku .csv i kliknij prawym przyciskiem myszy nazwę nowo utworzonej zmiennej i zmień ją na 'Timing.mat'.
  2. Wstępna detekcja piku R.
    1. Otwórz i uruchom Peak _ Detection . m.
    2. Wprowadź częstotliwość urządzenia rejestrującego EKG, gdy zostaniesz o to poproszony przez program.
    3. Wprowadź numer gracza, aby dane miały być analizowane po wyświetleniu monitu.
      UWAGA: Niektórzy gracze nie ukończyli aktywnej gry wideo 4 (AVG4) i dlatego w tym badaniu wykorzystano tylko graczy 1-10. Inne numery będą zawierać komunikat o błędzie.
    4. Wprowadź numer gry, która ma być analizowana (1, 2 lub 3), gdy zostaniesz o to poproszony.
    5. Wprowadź fazę, która ma być analizowana (odpoczynek, rozgrzewka (WU), kondycjonowanie (kondycjonowanie), odpoczynek lub regeneracja).
      1. W razie potrzeby wprowadź przesunięcie w minutach lub wprowadź wartość 0 w przypadku braku przesunięcia.
    6. Wybierz narzędzie powiększające i wybierz obszar wykresu, który jest wyprowadzany, aby utworzyć okno o szerokości około 2,000 (s/0,004) i wysokości, która pokaże pełny przebieg, jak pokazano na Rysunek 3. Powiększ lub pomniejsz, jeśli okno nie jest łatwe do sprawdzenia wizualnego.
    7. Sprawdź wzrokowo wykres, aby ocenić, czy wykryte piki są poprawnie oznaczone. Zobacz Rysunek 1, na przykład nieprawidłowo wykryte i pominięte piki spowodowane nieregularnymi danymi EKG (Rysunek 2).
  3. Korekcja wartości szczytowej
    1. Popraw nieprawidłowo wykryte lub brakujące szczyty, lokalizując zmienną Detection i klikając dwukrotnie w obszarze roboczym.
    2. Użyj narzędzia Kursor danych na wykresie krzywej EKG, aby uzyskać współrzędne x i y nieprawidłowego szczytu; X (czas*częstotliwość) to pierwsza kolumna w Detection.mat, a Y (Napięcie) to druga kolumna (Rysunek 3).
      1. Kliknij prawym przyciskiem myszy wyświetlone pole tekstowe i kliknij Wybierz funkcję aktualizacji kursora.
      2. Wybierz TooltipUpdate.m z folderu zawierającego pliki używane do tej analizy. Umożliwi to wyświetlanie dokładniejszych wartości w etykiecie.
    3. Jeśli punkt jest fałszywie dodatni, usuń go z tablicy, klikając jego wiersz w zmiennej Detection.mat i naciskając Control oraz Minus. Przykład wykrywania fałszywie dodatniego można zobaczyć w Rysunek 3.
    4. Edytuj nieprawidłowo oznaczone szczyty, które sąsiadują z nieoznaczonymi szczytami, jak pokazano na przykładzie dwóch szczytów T oznaczonych jako R w Rysunek 1, zmieniając ich wartości tak, aby odpowiadały wartości nieoznaczonego szczytu.
    5. Wartość pominiętego piku można uzyskać za pomocą narzędzia Kursor danych.
    6. Dodaj dodatkowe wiersze do sekcji Wykrywanie. Mat za pomocą sterowania i plus dla szczytów pominiętych z powodu niskiego poziomu napięcia.
    7. Wprowadź wartości w kolejności numerycznej, aby uniknąć wartości ujemnych podczas procesu obliczania (tj. dodaj pik znajdujący się na 11000 między szczytami na 10908 i 11167) (Rysunek 5).
    8. Upewnij się, że wartości zostały wprowadzone poprawnie przed kontynuowaniem pełnej sesji, ponieważ liczby są czasami przycinane podczas wprowadzania.
    9. Powtarzaj krok 2.3, aż wszystkie piki zostaną sprawdzone i/lub skorygowane.
      UWAGA: Niektóre pliki mają ograniczoną zmienność amplitudy przebiegu i są szybsze do sprawdzenia, jak widać na Rysunek 4, podczas gdy inne są bardziej zmienne i mogą wymagać bliższego powiększenia, aby dokładnie zlokalizować piki podczas oględzin.
  4. Uzyskaj obliczenia miary HRV.
    1. Zapisz oryginalny wykres wygenerowany na podstawie Peak_Detection.m do późniejszego wykorzystania.
    2. Uruchom polecenie HRV_Measures.m, aby wygenerować poprawnie oznaczony wykres. Próbka poprawionych danych jest pokazana w Rysunek 6.
      1. Zmienianie tytułu działki za pomocą polecenia Wstaw | Tytuł w oknie wydruku i zmieniając go na żądany tytuł.
      2. Sprawdź okno do wyjść, program powiadomi użytkownika o nieprawidłowo wprowadzonych danych lokalizacji, jeśli takie istnieją.
    3. Zapisz zmienną o nazwie interwał.
    4. Otwórz zmienną o nazwie HRV w oknie Obszar roboczy, aby wyświetlić średnią wartość względną (ms), średnią wartość tętna (bpm), RMSSD (ms), SDNN (ms), NN50 (liczba), pNN50 (%), niską częstotliwość (LF)/ wysoką częstotliwość (HF) (EKG), LF/HF RR, moc niskiej częstotliwości RR i moc wysokiej częstotliwości (RR)). Zapisz wartości h tych zmiennych w tabeli, takiej jak ta pokazana w tabeli 4.
    5. Powtórz sekcje 3.2–3.4 dla wszystkich innych segmentów, sesji i tematów, które wymagają analizy.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ta metoda dostarcza danych do wykorzystania w analizie wpływu, jaki nowo opracowana metoda wywiera na zmienność tętna (HRV) badanego. Odbywa się to poprzez zlokalizowanie części R krzywej QRS danych EKG pacjenta, jak pokazano na Rysunek 6, i obliczając na jej podstawie różne wartości HRV. Jeśli monitor tętna nawiązuje prawidłowy kontakt z podmiotem, dane będą jednolite, co znacznie zmniejszy potrzebę korekt (jak widać na Rysunek 4).<...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

W badaniu wzięło udział dziesięciu młodych ludzi z MPD (średnia + SD) [wiek (lata) = 15,53 ± 3,57; wzrost (cm) 154,8 ± 12,6; waga (kg) 50,69 ± 11,1; wskaźnik masy ciała (BMI) 50,46 ± 29,2; mHR 9 uderzeń na minutę) = 186,8 ± 12,4]. Tabela 5 zawiera dane demograficzne pacjentów.

Istnieją pewne zagadnienia dotyczące korzystania z monitorów HR i powiązanych miar HR i HRV, które odnoszą się do modyfikacji i rozwiązywania problemów. Dwa problemy, które są oczywiste, niezależnie od t...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

W tej chwili autorzy (CL i PAN) nie mają nic do ujawnienia. Dr O'Neil jest współzałożycielem enAbleGames, LLC, a Kollect jest jedną z gier oferowanych przez tę firmę internetową. enAbleGames jest w fazie tworzenia gry i nie jest obecnie spółką publiczną (www.enAbleGames.com).

Podziękowania

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy dziękują uczestnikom i ich rodzinom za czas i wysiłek włożony w udział w badaniu. Autorzy dziękują również dr Yichuan Liu i dr Hasanowi Ayazowi za pomoc w obliczaniu czasu monitorowania tętna oraz dr Paulowi Diefenbachowi za opracowanie oprogramowania KOLLECT Active Video Gaming. Fundusze na tę pracę zostały zapewnione przez Coulter Foundation Grants #00006143 (O'Neil; Diefenbach, PIs) i #00008819 (O'Neil; Diefenbach, PIs).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Moduł Bluetooth BioHarness (czujnik elektroniczny) Zephyr9800.0189wykrywa tętno, częstość odczuwania, postawę i temperaturę skóry.
Pasek na klatkę piersiową BioHarnessZephyr9600.0189, 9600.0190Rozmiary Mały XS-M, Duży M-XL
BioHarness Charge Cradle & USBZephyr9600.0257Służy do przesyłania danych z modułu do komputera w celu analizy.
BioHarness Echo GatewayZephyr9600.0254pozwala na podgląd tętna obiektu w czasie rzeczywistym.
MATLAB R2016aMathworks1.7.0_.60Używany do całego programowania.

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  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).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Analiza danych EKGm odzie z m zgowym pora eniemaktywne gry wideointerwencja z zakresu fizjoterapiidetekcja za amka Rmiary w dziedzinie czasumiary w dziedzinie cz stotliwo cidocelowa strefa t tnaprzetwarzanie w programie MATLAB

Powiązane artykuły