Conectividade em estado de repouso e neuroimagem da atividade do córtex pré-frontal durante uma prática de Yoga Asana com design de blocos usando fNIRS

Resumo

Este estudo usou espectroscopia funcional de infravermelho próximo (fNIRS) para medir a atividade do córtex pré-frontal durante uma sequência de asana de ioga de 23 minutos com 27 adultos. A conectividade em estado de repouso foi registrada antes e depois da prática. As descobertas destacam a eficácia do fNIRS na pesquisa baseada em movimento e fornecem insights neurológicos sobre os efeitos dos asanas de ioga.

Resumo

Este estudo teve como objetivo usar a tecnologia de neuroimagem móvel de espectroscopia funcional de infravermelho próximo (fNIRS) para examinar as mudanças na atividade do córtex pré-frontal (PFC) antes, durante e depois do yoga asana (posturas físicas de yoga). Um total de 27 adultos saudáveis participaram de uma sessão de yoga asana de 23 minutos usando um design de bloco. Antes e depois da sequência, os participantes completaram dois estados de repouso independentes da tarefa de 6 minutos. A atividade do PFC foi registrada continuamente usando o instrumento fNIRS, posicionado na área frontal do crânio. A sessão incluiu uma postura de controle alternada com três posturas ativas. Cada postura ativa foi mantida por 30 s, seguida por um intervalo de postura de controle de 25 a 30 s, e repetida oito vezes. Este delineamento de blocos resultou em 25 intervalos de postura de controle e 24 repetições de cada postura ativa. A análise incluiu o pré-processamento de dados brutos de fNIRS para calcular as concentrações de oxihemoglobina (HbO) e desoxihemoglobina (HbR), correção de artefatos de movimento e avaliação estatística usando ANOVA com correções de Bonferroni. As análises de conectividade examinaram as correlações inter-hemisféricas e intra-hemisféricas no córtex pré-frontal. Em conclusão, este estudo demonstra a utilidade do fNIRS em contextos baseados em movimento do mundo real e fornece insights neurológicos sobre os efeitos do yoga asana.

Introdução

Yoga é uma antiga prática indiana que integra posturas físicas (asana), exercícios respiratórios (pranayama), meditação e princípios éticos para promover o bem-estar físico e mental holístico. Nos últimos anos, a ioga tornou-se cada vez mais reconhecida como uma intervenção complementar para condições de saúde mental, apoiada por um crescente corpo de pesquisas científicas. Numerosos estudos mostraram que a prática regular de ioga pode reduzir significativamente os sintomas de ansiedade, depressão e estresse, ao mesmo tempo em que melhora o humor, a regulação emocional e a resiliência psicológica geral ^1,2,3. Metanálises e ensaios clínicos randomizados comprovaram ainda mais a eficácia da ioga como terapia adjuvante para depressão e transtorno de estresse pós-traumático, com evidências também sugerindo melhora na qualidade de vida e na função cognitiva 4,5,6,7,8.

Apesar dessa base de evidências promissora, os mecanismos neurais subjacentes às práticas de ioga baseadas no movimento, particularmente as posturas físicas (asana), permanecem pouco compreendidos ^9,10. Essa lacuna no conhecimento tem dificultado os esforços para integrar o yoga aos modelos neurocognitivos de intervenção. O objetivo do presente estudo é investigar a atividade cerebral associada à prática de yoga asana em tempo real, contribuindo assim para uma compreensão mecanicista de como as práticas contemplativas baseadas em movimento afetam a função cortical.

Para isso, empregamos espectroscopia funcional de infravermelho próximo (fNIRS), uma técnica de neuroimagem portátil e não invasiva que mede as respostas hemodinâmicas no córtex cerebral¹¹. A justificativa para o uso do fNIRS está enraizada em sua capacidade de monitorar a atividade cerebral durante o movimento naturalista e ereto - uma abordagem que não é possível com métodos convencionais de imagem, como fMRI ou PET, que exigem que os participantes permaneçam imóveis^{em ambientes artificiais}. Comparado a essas alternativas, o fNIRS oferece várias vantagens: é silencioso, tolerante ao movimento e permite o estudo de tarefas ecologicamente válidas em ambientes do mundo real¹³. Consequentemente, tem sido amplamente utilizado em estudos de aprendizagem motora, carga de trabalho cognitiva, desenvolvimento infantil, marcha e equilíbrio e práticas de atenção plena, produzindo insights confiáveis sobre a atividade do córtex pré-frontal durante condições estáticas e dinâmicas 14,15,16,17,18. Sua aplicação em ambientes naturalistas, particularmente durante o movimento, abriu novos caminhos para estudar a cognição corporificada e os substratos neurais das intervenções integrativas de saúde.

No entanto, poucos estudos aplicaram essa técnica especificamente ao yoga asana, e menos ainda o fizeram em todo o arco temporal de uma sessão - do pré ao durante e ao pós-treino - com uma amostra representativa da população. Para resolver isso, o estudo atual empregou um protocolo de design de blocos usando fNIRS para examinar a atividade cortical e a conectividade do estado de repouso antes, durante e depois de uma sequência estruturada de asana de ioga. O estudo foi conduzido em um ambiente naturalista e incluiu 27 participantes nativos de língua espanhola do México, abordando assim uma lacuna significativa na literatura sobre os efeitos da ioga em populações de língua latina e espanhola. Os participantes tinham idades entre 18 e 65 anos e incluíam indivíduos do sexo masculino e feminino com uma ampla gama de experiência em ioga, desde iniciantes completos até praticantes com até 15 anos de prática regular. Todos os participantes não relataram condições psicológicas ou fisiológicas graves que os impedissem de completar a sessão de ioga de 23 minutos. Foram excluídos indivíduos com transtornos psiquiátricos graves ou condições físicas limitantes da mobilidade. Embora os participantes não tenham sido rastreados para patologias médicas específicas, como hipertensão ou diabetes, foi claramente explicado antes da sessão que eles poderiam parar a qualquer momento caso se sentissem mal ou desconfortáveis. Foi acordado previamente que quaisquer sessões incompletas seriam excluídas da análise.

Dos 30 participantes originais, ninguém desistiu devido ao desconforto durante a prática de ioga. No entanto, três foram excluídos da análise final devido ao ruído excessivo do sinal, provavelmente causado por interferência de hardware ou mau funcionamento técnico do software. Ao incluir uma amostra demograficamente diversificada e representativa e permitir imagens tolerantes ao movimento em tempo real, este estudo aumenta a validade ecológica e a generalização dos resultados. Pesquisadores e clínicos que buscam investigar a dinâmica neural de práticas contemplativas baseadas em movimento podem achar esse método especialmente relevante para aplicações em neurociência cognitiva, ciência da reabilitação e pesquisa integrativa em saúde mental.

Protocolo

Os procedimentos experimentais foram realizados de acordo com a Declaração de Helsinque, revisada e aprovada pela Coordenação para a Inovação e a Aplicação da Ciência e da Tecnologia (CIACYT), Comitê de Ética em Pesquisa Institucional da Universidad Autónoma de San Luis Potosí [CIACYT-CEI-003]. Todos os participantes assinaram o termo de consentimento livre e esclarecido.

1. Recrutamento de participantes e dados demográficos

1. Recrute participantes por meio de plataformas boca a boca e de mídia social, incluindo Facebook e Instagram. Informe os participantes em potencial sobre os objetivos do estudo, requisitos e seu direito de desistir a qualquer momento sem penalidade.
2. Colete informações demográficas auto-relatadas, incluindo idade, peso, altura, sexo biológico, educação e experiência em ioga com entrevistas pessoais (Tabela 1). Atribua a cada participante um código numerado exclusivo para anonimato e registre suas informações em um arquivo de planilha criptografado.
3. Inclua participantes com idades entre 18 e 65 anos com níveis variados de experiência em yoga asana. Exclua indivíduos com condições neurológicas ou psiquiátricas ou incapazes de realizar poses de ioga devido a limitações físicas. Este estudo incluiu participantes de 18 a 65 anos com níveis variados de experiência em yoga asana, excluindo indivíduos com condições neurológicas ou psiquiátricas conhecidas, bem como aqueles com limitações físicas que os impediriam de realizar com segurança as posturas de yoga. Atualmente, o protocolo não inclui variações para participantes excluídos, embora explorar tais adaptações represente uma direção valiosa para pesquisas futuras.
4. Garantir que todos os procedimentos estejam em conformidade com as diretrizes éticas institucionais e estejam de acordo com a Declaração de Helsinque. Todos os participantes fornecem consentimento informado assinado. Informe aos participantes que eles não receberão compensação financeira e que podem encerrar o experimento a qualquer momento.

2. Procedimento experimental

1. Use o dispositivo fNIRS portátil para coleta de dados. O dispositivo opera com comprimentos de onda duplos de 760 nm e 850 nm, fornecendo luz infravermelha próxima de onda contínua para a avaliação de alterações nas concentrações de hemoglobina oxigenada (HbO) e desoxigenada (HbR). O sistema suporta até 27 canais e grava a uma taxa de amostragem de 50 Hz, permitindo a detecção confiável da ativação cortical durante tarefas naturalísticas.
   1. Prepare a configuração do fNIRS posicionando fontes de luz (S) e detectores (D) nos porta-tampas de acordo com o layout do córtex pré-frontal bilateral (PFC) fornecido pelo fabricante (consulte a Figura 1). Garanta uma separação fonte-detector (SD) de 3,0 cm para otimizar a detecção do sinal cortical.
   2. Além disso, inclua dois canais de separação curta (1,0 cm) para contabilizar e regredir os sinais hemodinâmicos superficiais, como o fluxo sanguíneo do couro cabeludo, que podem confundir as medidas corticais. O uso de canais de separação curta é um método validado para melhorar a especificidade do sinal, isolando as respostas hemodinâmicas corticais da contaminação extracerebral¹⁹.
2. Selecione quatro asanas de ioga para este estudo que são posturas fundamentais comumente praticadas em todos os estilos de Hatha Yoga. Eles formam o núcleo da amplamente conhecida sequência Surya Namaskar (Saudação ao Sol), que é mundialmente reconhecida e praticada anualmente em 21 de junho durante o Dia Internacional do Yoga²⁰. Essas posturas foram intencionalmente escolhidas não apenas por sua acessibilidade e padronização entre as tradições de ioga, mas também para permitir uma investigação específica sobre os efeitos das inversões (posturas em que a cabeça está abaixo do coração) e extensões das costas na atividade cerebral - duas formas físicas frequentemente recomendadas em protocolos terapêuticos de ioga para depressão e transtornos de humor^21,22.
3. Projete a apresentação durante o experimento no formato PowerPoint, que também é um guia visual e auditivo para os participantes. Certifique-se de que cada slide exiba a foto e o nome de uma postura, escrita na língua nativa do participante (espanhol) com o nome original em sânscrito entre parênteses: Postura A (Tadasana), Postura B (Uttanasana), Postura C (Adho Mukha Svanasana) e Postura D (Urdhva Mukha Svanasana).
4. Percorra a apresentação através de imagens das posturas B, C e D automaticamente a cada 30 s em ordem aleatória, enquanto o experimentador simultaneamente chama o nome da postura em voz alta para reforçar a deixa.
5. Organize aleatoriamente os asanas ativos, garantindo que a postura básica seja intercalada entre cada um. Esse arranjo fornece uma sequência equilibrada, mantendo um intervalo interestímulo variável para reduzir os efeitos potenciais da prática e da habituação.
6. Para gerenciamento e consistência de dados, padronize todos os materiais visuais, incluindo imagens e fontes, em tamanho e estilo entre os participantes. Imagens de tamanho das posturas de ioga adequadamente com alta resolução e rótulos claros em seus nomes nativos espanhóis e em seu sânscrito tradicional.
7. Certifique-se de que cada participante possa ler e ver o prompt da apresentação claramente antes de começar. Os asanas ativos e os asanas basais a serem realizados são descritos abaixo:
   Tadasana - Postura da montanha (postura de linha de base): Uma postura ereta e neutra.
   Uttanasana - Flexão para a frente (postura ativa): Uma dobra para a frente a partir dos quadris com a cabeça abaixo do coração.
   Adho Mukha Svanasana - Cão Voltado para Baixo (Postura Ativa): Uma posição em V invertido, com as mãos e os pés no chão e os quadris elevados.
   Urdhva Mukha Svanasana - Cão voltado para cima (postura ativa): Peito levantado em uma extensão das costas com o olhar movido para cima.
8. Prepare a área experimental montando um tapete de ioga, um sistema de corda de ioga montado na parede (consulte a Tabela de Materiais) e uma tela de apresentação posicionada na frente do participante - perto o suficiente para uma visibilidade clara das posturas, mas longe o suficiente para evitar obstruir o movimento. A configuração é ilustrada na Figura 2. Confirme a visibilidade e a legibilidade da tela antes de iniciar a sessão.
9. Calibre o sistema fNIRS garantindo que todos os componentes, incluindo a tampa, os optódios e o software de gravação, estejam totalmente carregados, funcionais e compatíveis com o sistema de aquisição de dados. Para calibrar, posicione com precisão os optódios no couro cabeludo do participante de acordo com o sistema internacional 10-20, garantindo um direcionamento anatômico consistente das regiões pré-frontais. Ajuste os suportes de tampa e optode para acomodar formatos de cabeça individuais e densidade de cabelo, minimizando a atenuação da luz e os artefatos de movimento. Use a interface de qualidade de sinal do sistema (por exemplo, relação sinal-ruído e índice de acoplamento do couro cabeludo) para verificar se cada canal atende aos limites recomendados.
   NOTA: Este processo é essencial para garantir medições hemodinâmicas confiáveis e reprodutíveis e para minimizar a perda de dados ou má interpretação devido ao mau contato do sensor ou queda de sinal 16,23,24,25.
10. Com o participante sentado em uma cadeira, certifique-se de que seus pés estejam apoiados no chão, as mãos apoiadas suavemente no colo e as costas levemente apoiadas na cadeira. Confirme verbalmente se o participante está sentado confortavelmente antes de prosseguir.
11. Use um digitalizador 3-D, um dispositivo de rastreamento óptico projetado para capturar a localização espacial dos optódios no couro cabeludo, para registrar a colocação do gorro. Este processo gera coordenadas do Instituto Neurológico de Montreal (MNI), use-as para identificar e padronizar as regiões anatômicas do cérebro subjacentes a cada canal de medição.
    NOTA: A digitalização precisa garante consistência entre os participantes e permite o mapeamento preciso dos dados fNIRS em estruturas corticais para análise em nível de grupo.
12. Prenda a tampa do optodo usando a tira do queixo e ajuste manualmente cada optodo separando suavemente o cabelo com uma vara de bambu para garantir o contato direto com o couro cabeludo (Figura 3A). A Figura 3B mostra o cabelo obstruindo o optódio, enquanto a Figura 3C ilustra a remoção bem-sucedida da obstrução usando uma vara de bambu. Use o módulo de valor DAQ no software de aquisição para avaliar a qualidade do sinal. Sempre confirme o conforto do participante perguntando se há alguma dor ou desconforto e ajuste as posições do optodo conforme necessário para otimizar a clareza do sinal sem comprometer o conforto.
    NOTA: Com base em observações empíricas durante o processo de medição, esta etapa pode levar até 30 minutos, dependendo do tipo de cabelo do participante. Indivíduos com cabelos grossos, escuros ou cacheados geralmente requerem mais tempo e ajustes para garantir o contato adequado com o couro cabeludo. Nesses casos, a fixação da tampa do fNIRS com um curativo cirúrgico foi considerada eficaz na manutenção da colocação estável do optode. Os participantes que chegaram com gel no cabelo apresentaram mais desafios, pois o produto interferiu na adesão do optode. Por tentativa e erro, observamos que criar um rabo de cavalo apertado ou usar grampos de cabelo para manter o cabelo no lugar era mais eficaz do que confiar em qualquer tipo de fixador de cabelo. Esses ajustes melhoraram significativamente a qualidade do sinal e a confiabilidade dos dados.

3. Estado de repouso, design de bloco de ioga asana e prática de medição

NOTA: Conforme ilustrado na Figura 4, cada uma das posturas dinâmicas (B, C, D) foi mantida por 30 s e intercalada com a Postura A como condição inicial, mantida por 25-30 s. Essa linha de base serviu como um ponto de referência fisiológico para isolar e comparar a atividade cerebral específica das outras poses. Para minimizar a fadiga e garantir que o estudo se concentrasse na forma e não no esforço, os participantes foram apoiados em cada postura usando cordas Kurunta, um método do Iyengar Yoga terapêutico que permite manter posturas sem esforço. Além disso, as medições do estado de repouso foram registradas por 6 minutos antes e depois da sequência de asana, durante a qual os participantes estavam sentados com os olhos fechados para capturar a conectividade cerebral pré e pós-prática.

1. Conecte a tampa fNIRS ao software usando Bluetooth para monitorar a aquisição de sinal em tempo real durante os estados pré e pós-repouso, bem como durante toda a prática de yoga asana.
2. Com a tampa fNIRS mantida firmemente no lugar enquanto os participantes se sentam em uma cadeira, faça a medição do estado de repouso pré-asana. Instrua os participantes a relaxar com os pés no chão, as mãos no colo e a sentar-se quietos com os olhos fechados por 6 minutos. Colete dados fNIRS a 25 Hz.
   1. Para garantir o mínimo de movimento e garantir que as medições sejam do estado de repouso e não do estado de sono, informe os participantes para não levantarem as sobrancelhas ou coçarem o rosto durante o estado de repouso. Além disso, peça-lhes que evitem adormecer e verifique novamente se isso ocorreu, perguntando se adormeceram após completar o estado de repouso.
3. Depois de completar o primeiro estado de repouso, remova a cadeira e peça aos participantes que se levantem e certifiquem-se de que ainda haja um sinal claro. Instrua os participantes a seguir e realizar a apresentação pré-programada com as instruções do paradigma à medida que ela progride automaticamente.
4. Forneça orientação verbal aos participantes durante a apresentação e registre manualmente os marcadores de postura predeterminados - rotulados como A, B, C e D - à medida que cada slide faz a transição. Esses marcadores correspondem a fases específicas da sequência de ioga e foram usados para segmentar os dados fNIRS para análise: A indica a postura basal (Tadasana), enquanto B, C e D representam as posturas ativas subsequentes (Uttanasana, Adho Mukha Svanasana e Urdhva Mukha Svanasana, respectivamente), conforme descrito na Figura 4. Os marcadores foram registrados manualmente usando o recurso de anotação de eventos no software de aquisição (OxySoft, Artinis Medical Systems) no momento em que cada slide de postura foi apresentado e o participante fez a transição para a postura. Essa marcação manual de eventos tem sido amplamente utilizada e validada em estudos de fNIRS para facilitar a análise de respostas hemodinâmicas bloqueadas por estímulo 23,24,25.
5. Após a medição, verifique se os marcadores corretos foram usados durante o processo de medição, combinando os carimbos de data/hora marcados manualmente com os carimbos de data/hora de apresentação automática para garantir a rotulagem precisa dos dados.
6. Certifique-se de que a tampa fNIRS ainda esteja bem presa no lugar e que o sinal ainda esteja claro, peça aos participantes que se sentem em uma cadeira para realizar a medição do estado de repouso pós-asana. Instrua os participantes a relaxar com os pés no chão, as mãos no colo e a sentar-se quieto com os olhos fechados por 6 minutos. Colete dados fNIRS a 25 Hz.
7. Pode levar de 2 a 5 minutos após o asana para garantir que a configuração do fNIRS esteja calibrada corretamente sem interferência de sinal antes de executar o estado de repouso pós-asana. Forneça aos participantes as mesmas instruções que na medição do estado de repouso para garantir o mínimo de movimento e certifique-se de que as medições sejam do estado de repouso e não do estado de sono.

4. Análise de dados fNIRS da função de resposta hemodinâmica durante o yoga asana

NOTA: A espectroscopia funcional de infravermelho próximo (fNIRS) mede as alterações na hemodinâmica cortical por meio de dois parâmetros primários: hemoglobina oxigenada (HbO) e hemoglobina desoxigenada (HbR). Esses biomarcadores são correlatos vasculares da atividade neural mediada pelo princípio do acoplamento neurovascular. O aumento da ativação neuronal resulta em um aumento da taxa de consumo de oxigênio, supercompensado por um fluxo sanguíneo cerebral regional elevado, normalmente resultando em um aumento simultâneo de HbO e uma diminuição de HbR. Neste estudo, ambos os parâmetros foram registrados usando um sistema fNIRS multicanal para quantificar as respostas hemodinâmicas durante a prática de yoga asana. A medição dos valores médios de HbO fornece um indicador robusto e confiável de ativação, particularmente durante tarefas baseadas em movimento, pois é menos sensível a ruídos e suposições de modelagem do que os coeficientes beta derivados do modelo ²⁶. No entanto, embora a HbO seja frequentemente priorizada devido à sua maior relação sinal-ruído, a incorporação da HbR é fundamental para melhorar a interpretação fisiológica dos dados. Os sinais de HbR complementam a HbO, oferecendo informações sobre a resposta metabólica do cérebro e a dinâmica de extração de oxigênio²⁷. A análise simultânea de HbO e HbR ajuda a evitar a simplificação excessiva e fortalece a validade dos padrões neurais observados ²⁸.

1. Para avaliar a função de resposta hemodinâmica (HRF) durante o yoga asana, comece convertendo dados brutos de espectroscopia funcional de infravermelho próximo (fNIRS) em densidade óptica (OD) e processe-os usando a caixa de ferramentas HOMER 3 (RRID:SCR_009586). Use a lei de Beer-Lambert modificada (MBLL) para calcular as mudanças nas concentrações de HbO e HbR, de acordo com a equação ²⁹.
   
   O MBLL é responsável pelas propriedades de espalhamento do tecido biológico e relaciona as mudanças na absorção de luz (ΔA) com as mudanças na concentração de cromóforos (Δμ_a), permitindo a quantificação da dinâmica da hemoglobina a partir da intensidade de luz medida. r_sd denota a distância fonte-detector e DPF é o fator diferencial de comprimento do caminho. Essa aproximação linear permite estimar as mudanças relativas de concentração na hemoglobina oxigenada e desoxigenada. Inclua regressão de canal curto para minimizar a influência da atividade vascular superficial e isolar melhor os sinais corticais.
2. Analise os dados no MATLAB. Calcule as médias dos blocos para cada participante, canal e condição para manter a consistência. Comece o controle de qualidade excluindo leituras com flutuações significativas de densidade óptica, baixas relações sinal-ruído (SNR) ou grandes distâncias entre fonte e detector. Use a função hmrR_PruneChannels e defina parâmetros como uma faixa válida de 1 x ^10-7 a 1 x 10⁷, um limite SNR de 2 e uma distância fonte-detector de 0.45 mm a 45 mm.
3. Detecte artefatos de movimento para cada canal com a função hmrR_MotionArtifactByChannel. Sinalize segmentos se a amplitude do sinal exceder 0,5 (AMPthresh) ou se o desvio padrão aumentar em mais de um fator de 15 (SDthresh) dentro de uma janela de tempo de 1 s (tMotion). Exclua segmentos sinalizados, cada um com duração de 1 s (tMask).
4. Aplique um Modelo Linear Geral (GLM) com uma janela de tempo que abrange de 2 s antes a 23 s após o início do estímulo. O GLM é um método estatístico usado para explicar a variação em um conjunto de dados observados, modelando-o como uma combinação de uma ou mais variáveis conhecidas (preditores) e um termo de erro. Ele estima o quanto cada preditor contribui para o resultado observado, permitindo que os pesquisadores isolem os efeitos de interesse enquanto contabilizam o ruído. Nesse contexto, use o GLM para aplicar regressores de curto alcance (SS) a canais de longo alcance (LS) para reduzir o ruído fisiológico sistêmico e isolar com mais precisão a atividade cerebral para estimativa da função de resposta hemodinâmica (HRF) 19,30,31,32,33,34.
5. Resolva o GLM usando mínimos quadrados ordinários. Para abordar ainda mais os artefatos de movimento, aplique a Análise de Correlação Canônica (TCCA) incorporada regularizada com os dados do estado de repouso dos participantes (30-210 s) como um regressor³⁵. Depois disso, estime HRFs para cada canal, condição e participante, garantindo estimativas confiáveis de resposta neural com uma relação sinal-ruído aprimorada.
6. Use o Origin para executar uma ANOVA de medidas repetidas unidirecionais. Avalie as diferenças nos valores médios de HbO em canais longos, comparando a postura basal A (Tadasana), uma postura neutra em pé que promove alinhamento e estabilidade, com a postura B (Uttanasana), uma dobra para frente em pé na qual a cabeça é posicionada abaixo do coração, classificando-a como uma inversão; postura C (Adho Mukha Svanasana), comumente conhecido como Cão Voltado para Baixo, uma postura semi-invertida que alonga a coluna e ativa a parte superior do corpo; e postura D (Urdhva Mukha Svanasana), ou Cão Voltado para Cima, uma extensão das costas que abre o peito e fortalece a cadeia posterior.
7. Avalie as diferenças entre as posturas B, C e D. Verifique a distribuição normal dos dados usando o teste de Shapiro-Wilk. Realize comparações post-hoc em pares com correções de Bonferroni para vários testes, usando um limite de valor de p de <0,05 para significância. Calcule os tamanhos de efeito para diferenças significativas na resposta de HbO usando o d ^36,37 de Cohen.

5. Análise de dados fNIRS da conectividade funcional em estado de repouso

1. Para analisar a conectividade funcional em estado de repouso (rsFC), avalie a conectividade dentro de cada hemisfério (intra-hemisférico) e entre os hemisférios (inter-hemisférico) para cada participante. Baseie isso na dependência estatística entre séries temporais, refletindo a co-ativação de regiões cerebrais.
   NOTA: A medição do rsFC fornece informações sobre a organização funcional intrínseca do cérebro na ausência de estímulos externos e é cada vez mais reconhecida como uma ferramenta valiosa para identificar alterações neurais sutis e biomarcadores de função ou disfunção. Pesquisas anteriores demonstraram que os padrões rsFC foram propostos como biomarcadores preditivos da resposta ao tratamento antidepressivo em pacientes com transtorno depressivo maior³⁸, ressaltando a utilidade da análise do estado de repouso na captura de assinaturas neurais semelhantes a traços. Ao avaliar a conectividade intra e inter-hemisférica, essa abordagem permite uma compreensão mais abrangente da integração funcional e lateralização do cérebro, particularmente no contexto de intervenções como ioga, que podem modular essas redes de estado de repouso^38,39.
2. Selecione um período de estado de repouso de 6 minutos para a análise, pois isso se enquadra na faixa comumente aceita de 5 a 10 minutos, com rsFC suficiente normalmente alcançado após 5 minutos 26,27,28,35. Aproveite os níveis de ruído reduzidos durante as medições em estado de repouso em comparação com os asanas ativos para avaliar as concentrações de HbO, HbR e HbT 34,40,41.
3. Comece identificando e corrigindo artefatos de movimento nos dados. Uma vez corrigido, aplique um filtro passa-banda (0,009-0,08 Hz) à série temporal para isolar a faixa de frequência de conectividade funcional e, em seguida, converta os sinais filtrados em concentrações de hemoglobina usando a lei de Bouguer-Beer-Lambert modificada para análise posterior 40,42,43. Concentre-se em pontos de tempo livres de artefatos de movimento (usando a função MotionArtifactByChannel) para preservar a integridade da conectividade inter-hemisférica⁴⁴.
4. Para levar em conta as flutuações espontâneas comuns em todos os canais, aplique a regressão de sinal do canal de separação curta (SSC). Comece calculando o curso de tempo médio em todos os SSCs e, em seguida, regrida o sinal SSC da série temporal fNIRS medida usando o método de regularização Tikhonov⁴².
5. Use a série temporal residual resultante para construir matrizes de conectividade calculando as correlações de Pearson entre todos os pares de canais.
6. Para conectividade intra-hemisférica, calcule os coeficientes médios de correlação entre os canais no hemisfério esquerdo e no hemisfério direito separadamente. Para conectividade inter-hemisférica, calcule as correlações médias entre cada canal e sua contraparte contralateral³⁹.
7. Ao realizar a análise estatística, transforme os valores r de Pearson em escores z de Fisher antes de realizar os testes de Wilcoxon-Mann-Whitney. Corrija para várias comparações usando o método de taxa de descoberta falsa (FDR).
   NOTA: O código e os dados que foram usados neste estudo estão disponíveis abertamente em Zenodo⁴⁵ em https://zenodo.org/records/11098997 com DOI: 10.5281/zenodo.11098996.

Resultados

A análise preliminar dos canais ativos revelou diferenças significativas entre a postura de controle A e as posturas B e C (Figura 5A-B). Uma ANOVA de medidas repetidas unidirecionais foi então realizada para avaliar as diferenças estatísticas nos valores médios de HbO da função de resposta hemodinâmica estimada (HRF) entre os canais usando o pacote de software Origin(Pro), versão 2018. A suposição de normalidade foi avaliada por meio do teste de Shapiro-Wil...

Discussão

Este estudo utilizou fNIRS para avaliar a atividade do PFC durante uma prática estruturada de yoga asana, enfatizando as principais considerações metodológicas e avanços na neuroimagem do mundo real. Os elementos críticos do protocolo incluíram o posicionamento preciso do optodo fNIRS, com espaçamento ideal entre fonte e detector (3,0 cm) e acoplamento optodo-couro cabeludo adequado para garantir a aquisição precisa do sinal. Um delineamento de blocos casualizados, alternando entre postu...

Materiais

Lista de materiais utilizados neste artigo

Nome	Empresa	Número de catálogo	Comentários
Digitalizador 3D	Artinis Médico	DGT-456	Usado para posicionamento de tampa e mapeamento de região
Dispositivo Brite MKII fNIRS	Artinis Médico	BR-MK2	Instrumento fNIRS portátil para dados PFC
Tapete de ioga Harmony 3/16" (5mm) de espessura 68 "(173cm)	Jade	HAR368	Superfície estável para praticar asana
HOMER 3 Software	Centro de Neurofotônica da Universidade de Boston (código aberto)	Homer v1.54	Para pré-processamento de dados fNIRS
Software Origin (Pro)	Laboratório de Origem	ORG-2023	Análise estatística dos dados
Oxysoft Software	Artinis Médico	OXY-001	Aquisição de sinal em tempo real
Cordas de algodão Piola 12mm	Suprimentos de lona	N/A	Parte do sistema de corda de ioga montado na parede
Configuração de apresentação do PowerPoint	Microsoft	N/A	Para visuais instrucionais
Gancho de aço inoxidável	Homheal	Liuxi-050	Parte do sistema de corda de ioga montado na parede
Sistema de corda de ioga montado na parede	Feito sob medida	N/A	Ajuda para posturas de ioga