Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Behavior

활성 비디오 게임 세션 동안 뇌성 마비청소년의 심전도 데이터에서 심박수 변동성 계산

doi: 10.3791/59230 Published: June 5, 2019

Summary

이 프로토콜은 심전도(ECG) 파형에서 심박수 변동성(HRV)을 계산하는 방법을 설명합니다. 활성 비디오 게임(AVG) 세션 동안 연속 심박수(HR) 기록으로부터의 파형은 뇌성 마비(CP)를 가진 청소년의 호기성 성능을 측정하는 데 사용되었다.

Abstract

이 연구의 목적은 심전도(ECG) 파형에서 심박수 변동성(HRV)을 계산하는 방법을 생성하는 것이었습니다. 파형은 참가자 (뇌성 마비를 가진 청소년 (CP)) 활성 비디오 게임 (AVG) 세션 동안 착용 HR 모니터에 의해 기록되었다. AVG 세션은 참가자의 신체 활동과 피트니스 (에어로빅 성능)를 촉진하기 위해 설계되었습니다. 목표는 물리 치료 (PT) 내정간섭 전략으로 AVGs의 타당성을 평가하는 것이었습니다. 최대 HR(mHR)은 각 참가자에 대해 결정되었고 목표 심박수 영역(THRZ)은 20분 AVG 세션에서 3가지 운동 단계 각각에 대해 계산되었다: (40-60% mHR에서 워밍업, 60-80% mHR에서 컨디셔닝, 40-60% mHR에서 냉각). 각 참가자는 AVG 세션 동안 세 20 분 게임을했다. CP를 가진 많은 청소년들이 장시간 서있을 수 없기 때문에 모든 경기가 벤치에 앉아있는 동안 재생되었습니다. 각 게임 조건은 손 아이콘만 사용하는 참가자, 손과 발 아이콘을 함께 사용하거나 발 아이콘을 사용하여 개체를 수집하는 데만 차이가 있습니다. 게임의 목적 (KOLLECT라고함)은 포인트를 얻고 포인트를 잃지 않는 위험을 피하기 위해 개체를 수집하는 것입니다. 위험은 목표 심박수 영역(THRZ)에서 HR을 유지하기 위해 더 느리고 제어된 움직임을 촉진하기 위해서만 예열 및 냉각 단계에서 사용되었습니다. 더 높은 수준과 더 강렬한 신체 활동을 촉진 하는 컨디셔닝 단계에서 아무 위험이 없었다. 분석 방법을 사용하여 ECG 데이터에서 HRV(선택한 시간 영역 및 주파수 도메인 측정값)를 생성하여 에어로빅 워크로드를 검사했습니다. HRV의 최근 응용 프로그램은 단기 측정 (5 분 시합)이 적절하고 HRV 바이오 피드백이 다양한 건강 상태의 증상과 삶의 질을 개선하는 데 도움이 될 수 있음을 나타냅니다. HR은 PT 개입에서 호기성 성능과 강도를 검사하기 위해 잘 받아들여진 임상 조치이지만, HRV는 AVG 세션 동안 자율 시스템 기능, 회복 및 적응에 대한 정보를 제공할 수 있습니다.

Introduction

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

뇌성 마비 (CP)는 어린 시절의 가장 흔한신체 장애1 . CP는 발달하는 뇌에 대한 신경학적 모욕에 의해 발생하며 근육 약화, 경련, 컨디셔닝 및 감소된 운동 조절 및 균형2,3과같은 운동 장애와 관련이 있다. CP는 비 진보적인 상태 이지만 나이, 아이 들 덜 신체적으로 활동 적이 고 일반적인 개발 (TD)와 그들의 동료에 비해 더 앉아 있는 그들의 손상 된 신경 근육에 성장의 증가 요구 때문에 주로 근골격계4.

CP를 가진 청소년은 일반적으로 기능적 이동성을 개선하고 신체 활동 및 체력 (예 : 유산소 및 근육 지구력)을 촉진하기 위해 물리 치료 (PT) 서비스를받습니다2. 종종 이러한 PT 목표를 달성하고 유지하기 위해 PT 서비스 및 지역 사회 자원에 대한 액세스가 제한되어있습니다5,6. 액티브 비디오 게임(AVGs)은 클리닉, 가정 또는 커뮤니티 설정에서 활동 기반PT 개입에서 실행 가능한 전략일 수 있음 7,8. 상용 AVG는 CP 9를 통해 청소년을 위한 특정 요구사항과 PT 목표를 충족하고 게임 플레이를 조정할 수 있는 유연성이 제한되어 있습니다. 그러나 맞춤형 AVG는 신체 활동 및 피트니스10을촉진하면서 CP로 청소년에게 도전할 수 있는 유연한 게임 매개 변수를 제공합니다.

우리 팀은 청소년 운동 반응 (예 : 신체 활동 및 에어로빅 피트니스)을 검사하기 위해 맞춤형 AVG (KOLLECT)를 개발했습니다. 이 게임은 모션 센서를 사용하여 게임 플레이 중 청소년 의 움직임을 추적합니다. 게임의 목표는 높은 점수에 대한 가능한 한 많은 개체를 '수집'하고 포인트를 잃지 않도록 위험을 방지하는 것입니다. 개체는 유연한 게임 매개 변수에서 치료사에 의해 결정된 대로 손 및/또는 발 아이콘으로 수집될 수 있습니다.

유산소 체력을 증진하기 위해 신체 활동 강도를 투여하는 활동 기반 PT 중재를 설계하는 것은 CP11을가진 청소년에게 매우 중요합니다. 사용자 정의 AVG는 강도를 투여하고 피트니스를 촉진하기 위해 신체 활동에 청소년을 참여하는 효과적인 전략이 될 수있다10. 심박수(HR) 모니터는 호기성 성능 및 활동 강도를 결정하기 위해 임상 PT 실습에서 종종 사용됩니다. 따라서 HR 모니터는 에어로빅 피트니스를 촉진하기 위해 신체 활동 강도를 배분하는AVG의 타당성을 결정하는 데 도움이 됩니다 9. HR 모니터에서 생성된 심전도 데이터를 사용하여 심박수 변동성(HRV)을 계산할 수 있습니다. 분석 방법을 사용하여 ECG 데이터에서 HRV를 생성하여 에어로빅 워크로드를 검사했습니다. HRV의 최근 응용 프로그램은 단기 측정 (5 분 시합)이 적절하고 HRV 바이오 피드백이 다양한 건강 상태의 증상과 삶의 질을 개선하는 데 도움이 될 수 있음을 나타냅니다32,33,34 . 단기 HRV 측정의 적용은 AVG 세션 도중 심장 혈관 기능을 평가하는 적당한 수식입니다. HRV가 ECG의 R-R 간격에서 파생된다는 점을 감안할 때, 우리는 선택한 시간 영역 및 주파수 도메인 측정값을 사용했습니다. HRV의 시간 도메인 측정은 연속적인 하트비트 사이의 시간을 나타내는 중간 비트 간격의 variablility 양을 정량화합니다. AVNN(평균 NN 간격), RMSSD(연속적인 차이의 근평균 제곱), SDNN(NN 간격의 표준 편차), NN50(NN 간격 및 gt;50 ms의 수) 및 PNN50(NN 간격의 백분율)을 사용했습니다. 주파수 도메인 측정은 가능한 4개의 주파수 대역으로 절대 또는 상대 전력의 분포를 추정하며, 특히 LF/HF 비율과 함께 두 개의 대역, 저주파(LF) 전력 및 고주파(HF) 전력을 다루었습니다. HR은 잘 받아들여지는 임상 척도이지만, HRV는 자율 시스템 기능, 회복, 적응에 대한 정보를 제공하고, AVG세션(28)동안 에어로빅 워크로드의 추정치를 제공하기 때문에 유용할 수 있다.

이 연구의 목적은 신체 활동과 피트니스를 촉진하기 위해 AVG 전략을 사용하는 타당성을 조사하는 것이었습니다. 두 번째 목적은 HR 모니터를 통해 얻은 ECG 데이터로부터 HRV를 계산하는 AVG 데이터 수집 프로토콜 및 방법론을 제시하는 것이었습니다. 이 측정 및 이 프로토콜은 PT 내정간섭 세션을 감시하고 복용량하는 임상의와 관련이 있다는 것을 증명할 수 있습니다.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

기관 심사위원회의 승인을 얻었습니다. 모든 청소년은 서면 동의서를 제공했으며 부모는 참여하기 전에 동의를 제공했습니다.

1. AVG 데이터 수집 세션

  1. AVG 게임 세션
    1. 이 연구에서는 CP가 있는 청소년이 3개의 20분 게임으로 구성된 AVG 세션에 참여합니다. 청소년 인구 통계에 대한 5를 참조하십시오. 총 30경기가 예상됐다. 그러나 한 과목이 AVG 세션에서 2 경기만 치렀기 때문에 29 경기가 완료되었습니다.
    2. 피험자가 세션 내내 HR 모니터를 착용하여 HR 및 심전도 응답을 기록하게 한다.
    3. AVG 세션에서는 청소년이 자세 지지와 안정성을 위해 바닥과 무릎과 엉덩이가 90도 (90/90 앉아)로 구부러진 채 벤치에 앉아있는 동안 각 AVG를 연주하게하십시오.
    4. 수집 객체에 대해 다음 세 가지 게임 조건을 사용하십시오: 1) 손 아이콘만; 2) 피트 아이콘만; 3) 손과 발 아이콘 모두. 피사체 간에 균형 잡힌 순서를 사용합니다. 신체 활동 및 피트 니스를 촉진 하 고 너무 일찍 발생 하는 요구 하지 결정 하는 이 세 가지 조건을 선택, 과도 한 피로.
      참고 : 각 게임은 운동 처방의 단계를 사용하여 설계되었습니다 : 워밍업, 컨디셔닝 및 쿨 다운. 【 표 1】을 참조 하십시오. 또한 게임 플레이가 시작되기 전에 기본 HR과 게임 플레이 후 복구 단계를 문서화하여 기본 HR로 돌아가는 시간을 문서화하는 휴식 단계가 있었습니다.
    5. HR이 기준 수준으로 돌아갈 수 있도록 게임 사이에 휴식 기간을 허용합니다.
  2. 심전도 데이터에서 HRV 계산
    1. 데이터를 5분 간격으로 구성하여 각 단계에 대해 비교 가능한 데이터를 보장합니다. 따라서 이러한 계산에 대해 정의된 6단계가 있었습니다: 1) 나머지; 2) 워밍업; 3) 컨디셔닝 1 (처음 5 분); 4) 컨디셔닝 2 (초 5 분); 5) 쿨 다운 (5 분) 및 6) 복구. 컨디셔닝 단계를 두 개의 5분 단계로 나누면 컨디셔닝 감소로 인한 피로를 고려하여 짧은 간격으로 피험자 호기성 성능을 검사할 수 있습니다(표 4).
    2. 피사체 세션의 각 세그먼트에 대한 HRV 측정값을 올바르게 계산하려면 원시 심전도 신호12,13에서R-피크 감지를 수행합니다. 원시 신호를 사용하여 데이터를 왜곡할 수 있는 조작을 방지합니다.
    3. 데이터를 처리하려면 각 레코딩 세션의 시작 시간을 가져오고 'datetime' 변수(MM/DD/YYYY HH:SS)에서 변환합니다. SS)를 초단위로 이러한 계산 중에 MM/DD/YYYY 부분을 무시할 수 있는 세션이 이틀 동안 발생하지 않았습니다. 상기 심전도(ECG) 파일 내에서 각 게임 세션을 찾는 타이밍 테이블에서 관심 있는 게임의 시작 시간을 획득하는 것; 이 시간은 타이밍 파일에서 추출된 후 초로 변환되었습니다. 타이밍 파일에는 게임의 각 단계에 대한 시작 시간과 복구 기간의끝이 포함되어 있습니다(표 2).
    4. 경기 시작 5분 전의 휴식 기간을 재사용 대기시간 단계 종료 후 5분으로 계산합니다. 이 시간이 확보되면 다음 방정식을 통해 ECG 파일 내에서 관심 있는 게임 단계의 위치(S)를 얻습니다.
      Equation 1(1)
      위상이 휴식, 워밍업, 컨디셔닝 1, 컨디셔닝 2, 쿨다운 또는 회복으로 설정된 경우; 시간은 심전도 샘플 속도를 고려하여 1/Frequency로 분할되었습니다. HR 모니터의 샘플링 속도는 250Hz이므로 4ms마다 측정값이 포함되어 있습니다.
      1. 대체 기록 장치의 사용을 고려하여 Peak_Detection.m 프로그램의 첫 번째 프롬프트로 샘플링 속도를 변경하여 이 번호를 변경합니다. 피크 감지 프로그램을 실행하는 동안 작업할 5분 세그먼트를 선택합니다. 이 작업은 사용자에게 프롬프트를 통해 수행되었습니다. 종료 시간을 시작 시간 후 5분으로 설정하고 녹음 장치의 주파수를 고려합니다.
    5. 5분 단면도가 선택되면 파형의 평균 및 표준 편차를 기준으로 피크 감지임계값을 계산합니다.
      1. 임계값을 설정하지만 Equation 2 데이터가 균일한 경우 해당 R 피크보다 높은 T 피크에서 가양성 검출을 줄일 수 있습니다. 이러한 거짓 긍정의 예는 그림1에서 볼 수 있습니다.
      2. R 피크에 대한 최소 높이와 함께, 원하는 R. 주위에 잘못된 피크의 검출을 최소화하기 위해 피크 사이의 최소 거리를 할당 75 피크 사이에 0.3 s 또는 200 분당 200 비트 (bpm)에 해당 (이 값은 변경 주파수)를 참조하십시오. 200 bpm의 값은 이 연구 결과에 있는 과목에 의해 달성된 어떤 HR 보다는 더 높고 공부되는 인구에 근거하여 변경될 수 있습니다.
    6. 임계값이 계산되면 프로그램이 파형을 통해 실행되고 RR 간격 및 HRV 계산에 대한 모든 R을 분별하도록 합니다. 사용자가 그림 1 또는 그림 2에 표시된 것과 같은 부정행위를 검토할 수 있도록 예비 플롯을 생성합니다.
      1. 열 1의 피크 의 마이크로볼트(μV) 판독값과 두 번째 열의 현재 게임 세션(s/0.004)의 위치를 포함하는 감지 변수를 편집하여 이러한 요철을 수동으로 수정합니다. 대부분의 경우 그림1과 같이 문제 위치를 확대하여 적절한 R 피크를 쉽게 찾을 수 있습니다. 많은 데이터 세션은 그림 3과 같이 상당히 균일하므로 몇 가지 수정만 필요합니다. 그러나 어떤 경우에는 상당히 지저분하며 적절한 R 위치를 검토하고 얻는 데 더 많은 시간이 필요합니다.
      2. 파형의 변동이 피크를 제대로 찾기가 지나치게 어렵게 만드는 경우, 작은 세그먼트 ~1-2 s를 무시하고 HRV 계산에 사용되지 않는 자궁 외 비트에 속성12.
    7. R이 있는 후 HRV_Measures 프로그램을 실행합니다. RR 간격을 먼저 계산하는 것은 이 연구에 사용된 HRV 측정값의 기초가 되기 때문에12.
      1. 간격의 행렬을 얻고 계산에서 제거되는 전술 한 자궁 외 비트로 인해 1.5 s (40 bpm)보다 큰 간격을 무시합니다. 추가 계산 및 데이터 확인을 위해 이러한 RR 간격을 저장합니다. 다음 방정식을 사용하여 이러한 간격을 사용하여 연속차이(RMSSD)의 근평균 제곱을 계산합니다.
        Equation 3RMSSD = (2)
        여기서 N = RR 간격(R-R)i = 인접한 QRS 피크(R-R)i+1 사이의 간격 = 후속 피크 세트 사이의 간격
    8. 이 변수를 선택하면 길이13,14,15,16,17에서 1분에서 24시간 사이의 간격으로 효과적인 것으로 나타났기 때문에 이 5분동안 평가할 수 있습니다. 게임 단계의 간격을 결정합니다. RMSSD와 함께 NN 간격의 표준 편차를 얻어14,16,18단계 전반에 걸쳐 HR의 변화를 측정합니다.
    9. RR 간격을 사용하여 NN50, 1분에서 24h16,19까지의간격으로 사용되어 온 50 ms12 이상으로 이전 간격과 다른 간격수를 계산합니다. 20,21.
      1. 연속적인 RR 간격 길이의 차이가 50 ms보다 큰지 여부를 확인한 간단한 카운트 함수를 통해 NN50 변수를 계산한 후 NN50이 이러한 방식으로 얻어지면 pNN50을 계산하기 위해 총 간격 수로 나누어 계산합니다. 50 ms. 이상이 다른 간격의 백분율이 계산은 단위없는 변수13,14,이 처럼 다양한 길이의 주제, 게임, 심지어 세션에 걸쳐 측정 된 데이터를 비교할 수있었습니다. 16세 , 17.
    10. 별도의 HRV 측정16,17,19,22,23,24로각 단계 및 주제에 대한 평균 RR 간격 길이를 계산합니다. 이 측정값을 사용하여 평균 RR 간격을 60초로 나누어 평균 HR을 계산합니다. 이 두 측정은 모두 피사체의 활동 추세를 관찰하기 위해 게임 세션 전반에 걸쳐 쉽게 비교할 수 있습니다16,17,19,22,23, 24.
    11. 이러한 측정값을 계산한 후 Fast-Fourier 변환13,14에서 PSD를 획득하여 5분 간격의 원시 심전도 및 RR 간격 매트릭스 모두에 대해 저주파 및 고주파 전력 스펙트럼 밀도(PSD)를 계산합니다. , 17세 , 19세 , 25. 이러한 모든 데이터는 테이블에 저장된 다음, 그 예는 4에 나와 있습니다.

2. 환자로부터 심전도 데이터 획득

  1. 피사체에 적용하기 위해 HR 모니터 가슴 스트랩과 블루투스 모듈을 준비합니다.
    1. 충전 크래들(charge cradle)을 사용하여 Bluetooth 모듈이 완전히 충전되었는지(3시간)에 있는지 확인합니다.
    2. 충전 거치대를 통해 모듈을 데이터 컴퓨터에 연결하고 구성 도구를 엽니다. 로깅을 위해 이름을 입력합니다.
    3. HR 장치를 선택하고 시간 탭을 클릭하고 날짜/시간 설정을 선택하여 모듈을 올바른 시간과 날짜에 동기화합니다. 이제 충전 거치대에서 장치를 제거할 수 있습니다.
    4. 손에 손을 물에 넣고 전도성 부위를 문지르면 HR 모니터 가슴 스트랩의 전도성 영역(베이지색)을 적십니다.
    5. HR 모니터 블루투스 모듈을 가슴 스트랩과 함께 모듈의 전도성 표면이 가슴 스트랩과 함께 가슴 스트랩에 넣습니다.
    6. 표시등이 깜박일 때까지 모듈의 버튼을 길게 누릅니다. 모듈이 켜지고 기록중입니다.
    7. 왼쪽 중간 겨드라인과 가슴 근육 바로 아래에 있는 스트랩으로 HR 모니터 가슴 스트랩(Bluetooth 모듈)을 플레이어에 적용합니다. 일단 제대로 배치되면, 세션 중에 움직이지 않지만 플레이어가 불편하지 않도록 장치를 조입니다.
  2. 신호를 획득하고 라이브 피드를 봅니다.
    1. 커넥터를 데이터를 보는 데 사용할 컴퓨터의 USB 포트에 연결합니다.
    2. 렌치 및 드라이버가 있는 아이콘을 클릭하여 라이브 뷰 프로그램을 열고 설치 모드로 들어갑니다.
    3. 적절한 경우 목록에서 플레이어를 선택하거나 화면 왼쪽 하단에 버튼이 있는 새 피사체를 추가합니다.
    4. 식별 목적(이름, 연령, 성별, 신장, 체중)을 위해 원하는 대로 주제 정보를 입력합니다.
    5. 하드웨어 탭을 클릭하고 현재 주제를 선택합니다.
    6. 탭 하단에 있는 할당을 클릭하고 현재 장치를 선택합니다(다른 장치가 없는 경우 01로 표시됨). 그런 다음 팝업 상자에서 할당을 클릭합니다.
    7. 탭을 클릭합니다.
    8. 배포 탭을 클릭한 다음 새로 만든 팀을 첫 번째 탭으로 이동합니다.
    9. 왼쪽 상단 모서리에 있는 파란색 Wi-Fi 기호를 클릭하여 라이브 모드 탭을 엽니다.
    10. 라이브 모드 탭을 사용하여 피사체의 HR, 호흡률 및 자세를 실시간으로 모니터링할 수 있습니다.
      참고: 신호 강도, 배터리 전원 및 측정값의 신뢰도도 볼 수 있습니다.
    11. 처리를 위한 각 세션및 단계의 시작과 끝의 정확한 타이밍(MM/DD/YYYY HH:MM:SS)을 기록합니다.
  3. HR 모니터에서 심전도 데이터를 다운로드합니다.
    1. 세션이 끝날 때 플레이어에서 스트랩을 제거하고 가슴 스트랩에서 블루투스 모듈을 제거합니다.
    2. 모듈을 충전 거치대에 넣고 소프트웨어 프로그램이 설치된 컴퓨터에 연결합니다.
    3. 로그를 엽니다.
    4. 드롭다운 메뉴에서 장치를 선택합니다. 현재 기기에 있는 모든 세션은 날짜와 시간으로 표시됩니다.
    5. 기본 저장 위치 사용을 말하고 새 저장 위치를 선택하라는 확인란의 선택을 취소합니다.
    6. 저장을클릭합니다. 그러면 진행률 표시줄이 나타납니다. 저장은 세션 의 길이에 따라 최대 1시간이 걸릴 수 있습니다.
    7. 날짜가 저장되면 이름을 바꿉니다.

3. 심박수 변동성 측정값의 데이터 분석 및 계산

  1. 처리를 위해 파일을 준비합니다.
    1. ECG 파일의 이름을 'KOLLECT_Subject#_AVG4'(예: KOLLECT_01_AVG4.csv')로 지정합니다.
    2. 데이터 처리 중에 타이밍 데이터를 그리는 쉼표 분리 변수(.csv) 형식으로 타이밍 테이블을 생성합니다. 올바른 형식의 예는 1을 참조하십시오.
    3. .csv 파일에서 날짜 시간 데이터를 가져오고 새로 만든 변수의 이름을 마우스 오른쪽 버튼으로 클릭하고'Timing.mat'로변경합니다.
  2. 예비 R 피크 감지.
    1. 피크 _ 감지를 열고 실행합니다. m.
    2. 프로그램에 의해 메시지가 표시될 때 심전도 기록 장치의 주파수를 입력합니다.
    3. 메시지가 표시되면 분석할 데이터의 플레이어 번호를 입력합니다.
      참고: 일부 플레이어는 활성 비디오 게임 4(AVG4)를 완료하지 않았기 때문에 이 연구에는 1-10명의 플레이어만 사용됩니다. 다른 번호는 오류 메시지를 제공합니다.
    4. 메시지가 표시되면 분석할 게임 수(1, 2 또는 3)를 입력합니다.
    5. 분석할 단계(휴식, 워밍업(WU), 컨디셔닝(Con), 나머지 또는 복구 단계를 입력합니다.
      1. 원하는 경우 분 으로 오프셋을 입력하거나 오프셋없음에 대해 0을 입력합니다.
    6. 돋보기 도구를 선택하고 출력되는 플롯의 영역을 선택하여 그림3과 같이 폭이 약 2,000(s/0.004)인 창과 전체 파형을 표시하는 높이를 작성합니다. 창을 시각적으로 쉽게 검사하지 않으면 확대 또는 축소합니다.
    7. 그래프를 시각적으로 검사하여 감지된 피크가 올바르게 레이블이 지정되었는지 평가합니다. 불규칙한 심전도 데이터로 인해 잘못 감지되고 누락된 피크에 대한 예는 그림 1을 참조하십시오(그림 2).
  3. 피크 보정
    1. 검색 변수를 찾아 작업 공간에서 두 번 클릭하여 잘못 감지되거나 누락된 피크를 수정합니다.
    2. 심전도 파형의 플롯에 데이터 커서 도구를 사용하여 잘못된 피크의 x 및 y 좌표를 구합니다. X(시간*주파수)는 Detection.mat의 첫 번째 열이고 Y(전압)는 두 번째 열입니다(그림 3).
      1. 나타나는 텍스트 상자를 마우스 오른쪽 버튼으로 클릭하고 커서 업데이트 기능 선택을클릭합니다.
      2. 이 분석에 사용된 파일이 포함된 폴더에서 TooltipUpdate.m을 선택합니다. 이렇게 하면 도구 설명에 더 정확한 값이 표시됩니다.
    3. 점이 거짓 긍정인 경우 Detection.mat 변수에서 행을 클릭하고 컨트롤마이너스 키를 눌러 배열에서 해당 점을 제거합니다. 오탐지의 예는 그림3에서 볼 수 있다.
    4. 그림1에서 R로 표시된 두 개의 T 피크에 표시된 것처럼 표시되지 않은 피크에 인접한 잘못 표시된 피크를 편집하여 표시되지 않은 피크의 피크와 일치하도록 값을 변경합니다.
    5. 데이터 커서 도구를 사용하여 얻을 수 있는 놓친 피크의 값을 얻을 수 있습니다.
    6. 검색에 행을 추가합니다. 제어 및 낮은 전압 레벨로 인해 놓친 피크에 대한 플러스 키를 사용하는 매트.
    7. 계산 프로세스 중에 음수 값을 피하기 위해 숫자 순서로 값을 입력합니다(즉, 피크(10908과 11167) 사이에 있는 피크를추가합니다(그림 5).
    8. 입력할 때 숫자가 때때로 잘리기 때문에 전체 세션을 계속하기 전에 값이 올바르게 입력되었는지 확인합니다.
    9. 모든 피크가 확인 및/또는 수정될 때까지 2.3단계를 반복합니다.
      참고: 일부 파일은 파형 진폭의 가변성이 제한되어 있으며 그림 4에서 볼 수 있듯이 더 빠르게 확인할 수 있으며, 다른 파일은 더 가변적이며 육안 검사 중에 피크를 정확하게 찾기 위해 더 가까운 줌이 필요할 수 있습니다.
  4. HRV 측정 계산을 가져옵니다.
    1. 나중에 참조할 수 위해 Peak_Detection.m에서 생성된 원래 플롯을 저장합니다.
    2. HRV_Measures.m을 실행하여 올바르게 레이블이 지정된 플롯을 생성합니다. 수정된 데이터의 샘플은 그림6에 나와 있습니다.
      1. 삽입 |을 사용하여 플롯 제목 변경 플롯 창의 제목을 원하는 제목으로 변경합니다.
      2. 출력에 대한 창을 확인, 프로그램이 있는 경우 잘못 입력 된 위치의 사용자에게 알립니다.
    3. 명명된 변수 간격을 저장합니다.
    4. 작업 영역 창에서 HRV라는 제목의 변수를 열어 평균 RR(ms), 평균 HR(bpm), RMSSD(ms), SDNN(ms), NN50(개수), pNN50(%), 저주파(LF)/고주파(HF)(ECG), LF/HF RR, 저주파 전력 RR 및 고주파 전력(RR)을 볼 수 있습니다. 이러한 변수의 h 값을 4에 표시된 것과 같은 테이블에 저장합니다.
    5. 분석이 필요한 다른 모든 세그먼트, 세션 및 주제에 대해 섹션 3.2 - 3.4를 반복합니다.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

이 방법은 새로 개발된 방법이 피험자의 심박수 변동성(HRV)에 미치는 영향을 분석하는 데 사용할 데이터를 제공합니다. 그림6과 같이 피험자의 심전도 데이터의 QRS 파형의 R 부분을 찾아서 다양한 HRV 값을 계산하여 이를 수행합니다. HR 모니터가 피사체와 적절하게 접촉하는 경우 데이터가 균일하여 수정의 필요성이 크게 줄어듭니다(그림 4참조).

그림 1 및 그림2에 설명된 대로 지저분하고 불규칙한 데이터를 처리하도록 임계값을 설정해야 합니다. HR 모니터 스킨 접촉의 순간적인 변화로 인해 데이터가 충분히 가변적인 경우, 초기 분석은 그림3에 나타난 바와 같이 피크에 잘못 레이블을 지정할 수 있습니다. 이 오류는 프로토콜의 섹션 3에 설명된 대로 값을 수동으로 수정하거나 추가 데이터 포인트를 입력하여 수정할 수 있습니다. 임계값 수준과 피크 사이의 최소 시간을 변경하면 감지 값을 정리하고 그림 5에서 그림 6과 같은 조정된 플롯을 생성하는 데 도움이 될 수 있습니다.

데이터가 불일치에 대해 가져오고 분석되면 통계 분석을 위해 HRV 값을 계산하는 데 사용할 수 있습니다. 심전도 데이터의 분석은 평가 목적으로 세션 중에 수행된 관측값을 정량화하는 데 사용할 수 있습니다.

Figure 1
그림 1 . '지저분한' 데이터를 나타내는 워밍업 세션 동안 피사체 1게임 3에 대한 시간(x축)에 걸쳐 μv의 연속 HR(y축)의 대표 그래프. 지저분한 데이터: 이 섹션에서 R 피크는 파형의 T 부분보다 작습니다. 이로 인해 최대 검색에 문제가 발생할 수 있습니다.

Figure 2
그림 2 . 일부 심전도 (ECG) 불규칙한 파형 패턴의 예. 불규칙한 파형 패턴: 움직임으로 인해 피사체와 접촉하는 변화는 전압 변동으로 인해 파형의 균일성을 감소시킬 수 있습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Figure 3
그림 3 . 심전도(ECG) 출력의 예로, 잘못 레이블이 지정된 피크 HR 잘못 레이블이 지정된 피크입니다. 도면 상단에 전압이 급격히 상승하면 파형의 일부가 R 패턴과 일치하는 것으로 감지됩니다. 또한 (9924, 2074)에서 강조 표시된 것과 같은 근접성으로 인해 근처의 R 패턴이 무시될 수 있습니다.

Figure 4
그림 4 . μv의 연속 HR(y축)의 대표적인 그래프(x축)를 통해 깨끗한 심전도(ECG) 파형을 제공합니다. 클린 파형: 비교적 균일한 파형 및 전압 레벨을 가진 균일한 심전도 데이터 섹션의 예입니다.

Figure 5
그림 5 . 세척 전에 원시 심전도(ECG)의 시간(x축)에 걸쳐 μv의 연속 HR(y축)의 대표적인 그래프. 정리 전 데이터: 컨디셔닝 단계에서 주제 01 Game 3의 심전도 데이터의 30초 세그먼트가 표시됩니다. 일부 피크는 누락되었으며 일부는 고전압 가변성으로 인해 잘못 레이블이 지정되었습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Figure 6
그림 6 . 계학 후 원시 심전도(ECG)의 시간(x축)에 걸쳐 μv의 연속 HR(y축)의 대표적인 그래프. 데이터 포스트 청소: 프로토콜의 섹션 3에 설명된 대로 적절하게 레이블이 지정된 후 주제 01 Game 3의 동일한 30초의 심전도 데이터. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

단계 시간 THR 존 게임 기능
휴식 약 5분 기준선 나머지 Na
워밍업 약 5분 40-60% mHR 물체 4개 + 위험 요소 4개; 느린 속도
컨디셔닝 약 10분 60-80% mHR 8 개 개체 + 0 위험; 더 빠른 속도
쿨 다운 약 5분 40-60% mHR 물체 4개 + 위험 요소 4개; 느린 속도
복구 약 5분 기준선 나머지 Na
키: THR = 목표 심박수;  NA = 해당되지 않음

표 1. 활성 비디오 게임 (AVG) 게임 단계. 키: 목표 심박수 (THR); NA(해당되지 않음).

제목 평균 게임 워밍업 시작 컨디셔닝 스타트 대기 중대기중 시작 복구 시작
(MM/DD/YYY) (MM/DD/YYY) (MM/DD/YYY) (MM/DD/YYY)
(HH:MM:SS) (HH:MM:SS) (HH:MM:SS) (HH:MM:SS)
1개 4개 1개 2015년 11월 25일 2015년 11월 25일 2015년 11월 25일 2015년 11월 25일
1개 4개 1개 16:33:53 16:39:03 16:49:04 16:54:09
1개 4개 2개 2015년 11월 25일 2015년 11월 25일 2015년 11월 25일 2015년 11월 25일
1개 4개 2개 17:27:47 17:32:57 17:43:01 17:48:03
1개 4개 3개 2015년 11월 25일 2015년 11월 25일 2015년 11월 25일 2015년 11월 25일
1개 4개 3개 18:25:22 18:30:33 18:40:35 18:45:38
2개 4개 1개 2016년 4월 10일 2016년 4월 10일 2016년 4월 10일 2016년 4월 10일
2개 4개 1개 11:59:19 12:04:29 12:14:36 12:19:50
2개 4개 2개 2016년 4월 10일 2016년 4월 10일 2016년 4월 10일 2016년 4월 10일
2개 4개 2개 12:40:25 12:45:37 12:55:44 13:00:53
2개 4개 3개 2016년 4월 10일 2016년 4월 10일 2016년 4월 10일 2016년 4월 10일
2개 4개 3개 13:19:57 13:25:02 13:35:04 13:40:11
3개 4개 1개 2015년 11월 18일 2015년 11월 18일 2015년 11월 18일 2015년 11월 18일
3개 4개 1개 17:08:10 17:13:20 17:23:21 17:28:28
3개 4개 2개 2015년 11월 18일 2015년 11월 18일 2015년 11월 18일 2015년 11월 18일
3개 4개 2개 17:59:46 18:04:48 18:14:54 18:19:55
3개 4개 3개 2015년 11월 18일 2015년 11월 18일 2015년 11월 18일 2015년 11월 18일
3개 4개 3개 18:42:03 18:47:03 18:57:04 19:02:02

표 2. 타이밍 파일 키 : AVG = 활성 비디오 게임

ID_AVG_게임 AVNN (들) 평균 HR (bpm) RMSSD (ms) SDNN (ms) NN50 pNN50 (%) LF / HF (심전도) LF / HF (RR) LFP (RR) HFP(RR)
03_AVG4_G1_Rest 719.875 83.347 29.827 55.604 35세 8.393 1.328 0.602 0.123 0.204
03_AVG4_G1_WU 656.373 91.411 26.52 50.372 28세 5.932 1.288 0.675 0.125 0.185
03_AVG4_G1_Con 1-5 557.772 107.57 20.651 43.932 4개 0.743 1.187 0.76 0.119 0.157
03_AVG4_G1_Con 6 10 532.483 112.679 27.771 33.481 9개 1.599 1.244 0.809 0.118 0.146
03_AVG4_G1_Con 2 - 7 538.546 111.41 20.389 34.351 6개 1.077 1.198 0.819 0.118 0.144
03_AVG4_G1_Con 3 - 8 530.761 113.045 27.756 34.26 8개 1.413 1.192 0.826 0.118 0.143
03_AVG4_G1_쿨 597.019 100.499 31.806 41.96 16세 3.181 1.281 0.712 0.120 0.169
03_AVG4_G1_복구 665.511 90.156 42.136 70.698 57세 12.639 1.301 0.636 0.122 0.191
AVNN = 평균 NN 간격; 평균 HR = 평균 심박수; RMSSD = 연속적인 차이의 루트 평균 제곱; SDNN - NN 간격의 표준 편차; NN50 = NN 간격 의 수 > 50 ms; pNN50 = NN 간격의 %> 50 ms; LF = 저주파 전력; HF = 고주파 전력; LF /HF = 저주파 - 고주파 비율.  bpm = 분당 비트; ms = 밀리초; 심전도 = 심전도- QRS 복합체를 포함하는;  RR = R이 심전도 파및 RR의 QRS 복합체의 피크와 연관된 지점은 연속적인 R점 사이의 간격;

표 3. 심박수 변동성(HRV) 피험자 03 게임 01에 대한 데이터

표 4. 각 게임에 대한 다양한 운동 단계에 대한 심박수 변동성 측정에 대한 설명 통계는 이 표를 다운로드하려면 여기를 클릭하십시오. 

성별 GMFCS 레벨 임상 진단 운동 장애 지배적 인 측면 높이(cm) 무게 (kg) BMI (kg/m2) BMI 백분위수
소년 2개 디플레기아 근긴장 이상 오른쪽 161.20 47.60 18.32 17.00
소년 3개 디플레기아 경축 왼쪽 141.17 49.20 24.70 95.00
소년 2개 왼쪽 반두개 경축 오른쪽 165.80 50.50 18.40 13.00
소년 3개 디플레기아 경축 오른쪽 154.30 57.00 23.90 83.00
소녀 2개 왼쪽 반두개 경축 오른쪽 161.20 60.30 22.86 71.00
소녀 2개 왼쪽 반두개 경축 오른쪽 146.40 40.80 19.00 30.00
소녀 2개 오른쪽 반측절 경축 왼쪽 154.60 64.00 26.80 85.00
소녀 3개 왼쪽 반두개 경축 오른쪽 166.10 61.20 22.20 42.00
소년 2개 왼쪽 반두개 경축 오른쪽 168.10 49.70 17.60 51.00
소년 3개 디플레기아 경축 오른쪽 135.00 29.80 16.00 43.00
키: GMFCS= 총 모터 기능 분류 시스템;  BMI= 체질량 지수

표 5. 환자 인구 통계

Subscription Required. Please recommend JoVE to your librarian.

Discussion

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

CP를 가진 10명의 청소년은 본 연구에 참여하였다(평균+ SD) [연령(세) = 15.53±3.57; 신장(cm) 154.8±12.6; 체중(kg) 50.69±11.1; 체질량 지수(BMI) 50.46±29.2; mHR 9 bpm) = 186.8±4±4±4±4±. 환자 인구 통계는 5를 참조하십시오.

HR 모니터 의 사용과 수정 및 문제 해결과 관련된 HR 및 HRV의 관련 조치에 대한 몇 가지 고려 사항이 있습니다. 데이터를 획득하는 데 사용되는 기술에 관계없이 명백한 두 가지 문제는 1) 모션 아티팩트 및 2) 자궁 외 비트입니다. 동작 아티팩트 및 자궁 외 비트에서 발생하는 문제는 일반적으로 RR 간격12,13,18,22의 획득 후 사후 처리 활동을 통해 해결됩니다. , 26. 문제 사후 처리 조작은 호흡부비누스 를 강조하는 HR의 시간적 변동을 고려하고 정규화 된 HRV 값을 계산하여 차별화 할 수 있어야합니다. 생리학적으로 그리고 수학적으로 중재된 HRV13,27,29.

HRV 측정의 한계는 처음에 스펙트럼 분석 기술(즉, 주파수 도메인 측정)의 적용으로 확인되었으며,13,27,29. HR 27의 일상적인 변화와 관련된 호흡기 부비동 아리스미아, 심혈관 드리프트, 수화 상태 및 환경 요인(예: 온도, 열, 감기, 고도)을 포함하는 생리적 고려 사항이 있습니다. ,29. 수학적 고려 사항은 시간 영역 측정(예를 들어, SDNN, r-MSSD, pNN-50 인덱스)뿐만 아니라 비선형 동적 분석 기법13,27,29의최근 포함을 포함한다. 다양한 HRV 조치를 올바르게 해석하려면 신체가 휴식 또는 스트레스 상태에 있는지 여부를 고려해야합니다. 일반적으로 우리는 신체가 휴식 될 때 부교감 영향을 기대 하는 응답에 가변성을 증가 하 고 스트레스 동안 더 높은 HRV 결과 우리는 가변성을 감소 하 고 낮은 HRV 측정을 가지고 교감 영향을 기대. HRV 측정의 한계는 LF/HF 비율과 관련된 정확도 자율 균형 가설에 영향을 미칠 수 있습니다. 이 가설은 교감 신경계와 부교감 신경계가 SA 노드 발사를 조절하기 위해 경쟁하고 있다고 가정합니다. 저자는 LF/HR 비율을 주의 깊게 해석해야 하며, 정보를 얻고 LF 및 HF 값을 검토하는 맥락을 지적해야 합니다. HR 측정 및 HRV의 단기 에피소드에서 AVG 게임에 LF/HF 비율을 적용하는 것과 관련하여, 높은 LF/HF 비율은 노력이 필요한 과제를 충족할 때 관찰될 수 있는 더 높은 동정 활성을 나타낼 수 있으며, 공감력을 높일 수 있습니다. 신경계 활성화35.

CP를 가진 청소년의 호기성 성능 및 용량을 결정하기 위해 최적의 측정을 사용하여적절한 개입 주입 및 효과를 검사하는 것이 중요합니다 6,11. 치료의 임상 표준은 가장 자주 개입 내약 (강도)6,11을결정하기 위해 HR을 측정 포함. 그러나 HR 측정의 본질적인 가변성은 에어로빅 교육12,13,22,27에서실제 작업을 결정하기 어렵게 만듭니다. 따라서 HR 모니터에서 심전도 데이터로부터 HRV를 계산하는 이 방법은 개입 결과27,28을평가하기 위한 보다 정확한 측정값을 제공한다. 또한, HRV 대책은 AVG 운동12,13,29,34,35 동안 자율 신경계 반응, 적응 및 회복에 대한 새로운 정보를 제공합니다. . 우리는 짧은 durration 운동 도중 HRV 측정의 응용이 짧은 기간32를가진 Kerppers 및 동료에 의하여 일을 기초로 생리적인 시스템의 개선에 정보를 제공할 수 있다는 것을 자세합니다.

여기에 언급 된 우리가 운동 성능 동안 HR 모니터링 및 HRV 조치의 기존 응용 프로그램에 비해 만든 중요 한 응용 프로그램. 이 방법론을 통해 사용자는 CP를 사용하여 청소년의 신체 활동을 하는 동안 ECG 파형에서 RR 간격 및 HRV 측정값을 추출할 수 있습니다. 이 방법은 현재 특정 게임의 AVG 세션에 맞게 조정되었지만 향후 실험을 위해 다른 프로토콜 및 ECG 장치에 쉽게 적응할 수 있습니다. 데이터가 균일하고 ECG 기록 장치가 피사체에 잘 맞는 경우이 프로토콜은 사용자의 최소한의 입력으로 빠른 데이터 처리를 허용합니다. 그러나 신호 진폭에 차이가 큰 균일하지 않은 데이터의 경우 프로토콜은 누락된 피크에 올바르게 레이블을 지정하고 데이터 집합에서 거짓 긍정을 제거하기 위해 사용자 입력이 필요합니다. 앞으로 이 방법은 피크 검출 및 보정을 위한 사용자 지원을 감소시키기 위한 보다 강력한 검출 방법으로 개선될 수 있다(예를 들어, 비선형 동적 분석 기법29).

프로토콜을 실행하는 동안 다음과 같은 중요한 단계를 수행해야 합니다. 필요한 처리 및 피크 보정 시간을 줄이기 위해 데이터 수집 세션 전체에서 높은 수준의 신호 신뢰도를 보장하는 것이 중요합니다. 이는 심전도 기록 장치가 각 세션 전에 피사체와 적절하게 접촉하도록 함으로써 개선될 수 있다. 또한 각 세션 전에 레코더를 다시 적어 수행 할 수있는 세션 중에 전도성 접점은 촉촉하게 유지하는 것이 중요합니다. 또한, 데이터를 수집한 후, 사후 처리 활동은 시간 영역 측정, 주파수 도메인 측정, 비선형 동적 분석뿐만 아니라 정규화된 HRV 값을 계산하여 방법론적 고려 사항을 해결해야 합니다. HRV12,13,29에서생리적으로 파생되고 수학적으로 중재된 변화 사이.

향후 작업에 대한 고려 사항은 다른 강도와 신체 위치 6,7,8의 신체적 도전 활동에 관련된 어린이와 성인을위한 HRV 측정의 응용 프로그램을 포함한다. 9,10,17,23,26,29, 인지적으로 어려운 게임과 정신 적 작업 부하24,25, 26,27,가상 및 시뮬레이션 유형 경험, 과교육 평가23,31,수면 평가의 질13,26,27 , 31, 만성 피로, 육체적 피로 및 전투 준비31뿐만 아니라 친사회적 행동에 관한 HR과 뇌 사이의 vagal 연결30.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

이때 저자(CL 및 PAS)는 공개할 것이 없다. O'Neil 박사는 enAbleGames, LLC 및 Kollect의 공동 창립자이며이 웹 기반 회사가 제공하는 게임 중 하나입니다. enAbleGames는 게임 개발 단계에 있으며 현재 상장 회사가 아닙니다 (www.enAbleGames.com).

Acknowledgments

저자는 연구 참여에 대한 시간과 노력에 대한 참가자와 그 가족에게 감사드립니다. 또한, 저자는 KOLLECT 액티브 비디오 게임 소프트웨어의 개발을위한 HR 모니터링 및 박사 폴 디펜바흐의 타이밍 계산에 대한 자신의 도움에 대한 박사 이춘 리우 박사와 하산 아야즈 를 인정합니다. 이 사업에 대한 기금은 콜터 재단 보조금#00006143 (O' 닐; 디펜바흐, 피스) 및 #00008819(O' 닐; 디펜바흐, 피스).

Materials

Name Company Catalog Number Comments
BioHarness Bluetooth Module (Electronics sensor)  Zephyr 9800.0189 Detects Heart Rate, Resiration Rate, Posture, and Skin Temperature.
BioHarness Chest Strap Zephyr 9600.0189, 9600.0190 Sizes Small XS-M, Large M-XL
BioHarness Charge Cradle & USB Cable Zephyr 9600.0257 Used to Transfer Data from the Module to a Computer for Analysis.
BioHarness Echo Gateway Zephyr 9600.0254 Allows for Realtime Viewing of Subject's Heart Rate.
MATLAB R2016a Mathworks 1.7.0_.60 Used for All Programming.

DOWNLOAD MATERIALS LIST

References

  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).
활성 비디오 게임 세션 동안 뇌성 마비청소년의 심전도 데이터에서 심박수 변동성 계산
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Landis, C., O'Neil, M. E., Finnegan, A., Shewokis, P. A. Calculating Heart Rate Variability from ECG Data from Youth with Cerebral Palsy During Active Video Game Sessions. J. Vis. Exp. (148), e59230, doi:10.3791/59230 (2019).More

Landis, C., O'Neil, M. E., Finnegan, A., Shewokis, P. A. Calculating Heart Rate Variability from ECG Data from Youth with Cerebral Palsy During Active Video Game Sessions. J. Vis. Exp. (148), e59230, doi:10.3791/59230 (2019).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
simple hit counter