Summary
Denne protokollen beskriver en metode for å beregne hjertefrekvensvariasjon fra elektro (EKG) bølgeformer. Bølgeformer fra kontinuerlig hjertefrekvens (HR) innspillinger under aktive videospill (AVG) økter ble brukt til å måle aerob ytelse av ungdom med cerebral parese (CP).
Abstract
Målet med denne studien var å generere en metode for beregning av hjertefrekvensvariasjon fra elektro (EKG) bølgeformer. Bølgeformene ble registrert av en HR-skjerm som deltakere (ungdom med cerebral parese (CP)) hadde på seg under aktiv videospill (AVG) økter. AVG-øktene ble utformet for å fremme fysisk aktivitet og kondisjon (aerob ytelse) hos deltakerne. Målet var å evaluere muligheten for AVGs som en fysisk terapi (PT) intervensjon strategi. Den maksimale HR (mHR) ble bestemt for hver deltaker og målet hjertefrekvenssone (THRZ) ble beregnet for hver av tre øvelsen faser i 20 min AVG Session: (oppvarming på 40-60% mHR, condition på 60-80% mHR, og kjøle ned på 40-60% mHR). Hver deltaker spilte 3 20 min spill under AVG økten. Alle spill ble spilt mens du sitter på en benk fordi mange unge med CP ikke kan stå i lengre perioder. Hvert spill tilstand skilte med deltakerne ved hjelp av hånd ikoner bare, hånd og føtter ikoner sammen eller føtter ikoner bare å samleobjekter. Målet med spillet (kalt KOLLECT) er å samleobjekter for å få poeng og unngå farer for ikke å miste poeng. Farene ble brukt i oppvarmings-og kjøle fasene bare for å fremme langsommere, kontrollert bevegelse for å opprettholde HR i pulssonen (THRZ). Det var ingen farer i condition-fasen for å fremme høyere nivåer og mer intens fysisk aktivitet. Analytiske metoder ble brukt til å generere PULSVARIASJON (valgte tids domene-og frekvens domene mål) fra EKG-data for å undersøke aerob arbeidsmengde. Nylige anvendelser av PULSVARIASJON indikerer at kortsiktige målinger (5 min kamper) er hensiktsmessige og at puls variasjons biofeedback kan bidra til å forbedre symptomer og livskvalitet i en rekke helsemessige forhold. Selv om HR er et godt akseptert klinisk tiltak for å undersøke aerob ytelse og intensitet i PT-intervensjoner, kan puls variasjons gi informasjon om det autonome System funksjoner, gjenoppretting og tilpasning under AVG-sesjoner.
Introduction
Cerebral parese (CP) er den vanligste fysiske funksjonshemming av barndommen1. CP er forårsaket av en nevrologiske fornærmelse mot å utvikle hjernen og er forbundet med motoriske nedskrivninger som muskelsvakhet, spastisitet, deconditioning, og redusert motor kontroll og balanse2,3. CP er en ikke-progressiv tilstand, men med alderen, barn blir mindre fysisk aktiv og mer stillesittende i forhold til sine jevnaldrende med typisk utvikling (TD) mest på grunn av økt krav til vekst på sine kompromittert nevromuskulær og muskel-og skjelett systemer4.
Ungdom med CP får vanligvis fysioterapi (PT) tjenester for å forbedre funksjonell mobilitet og fremme fysisk aktivitet og egnethet (f. eks aerob og muskuløs utholdenhet)2. Ofte er det begrenset tilgang til PT tjenester og ressurser i samfunnet for å oppnå og opprettholde disse PT mål5,6. Aktive videospill (AVGs) kan være en mulig strategi i aktivitet-baserte PT intervensjoner i klinikk, hjem eller samfunn innstillinger7,8. Kommersiell AVGs har begrenset fleksibilitet til å tilpasse spillet og møte de spesifikke behov og PT mål for ungdom med CP9. Men tilpassede AVGs gi fleksible spill parametre for å utfordre ungdom med CP mens fremme fysisk aktivitet og fitness10.
Vårt team har utviklet en tilpasset AVG (kalt KOLLECT) for å undersøke ungdom utøve respons (for eksempel fysisk aktivitet og aerobic fitness). Spillet bruker en bevegelsessensor til å spore ungdom bevegelse under spilling. Målet med spillet er å "samle" så mange gjenstander som mulig for en høy poengsum og for å unngå farer for å unngå å miste poeng. Objekter kan samles med hånden og/eller føtter ikoner som bestemmes av terapeuten i det fleksible spillet parametere.
Designing aktivitetsbasert PT intervensjoner som dose fysisk aktivitet intensitet for å fremme aerobic fitness er kritisk for ungdom med CP11. Custom AVGs kan være en effektiv strategi for å dose intensitet og engasjere ungdom i fysisk aktivitet for å fremme fitness10. Pulsmålere brukes ofte i klinisk PT-praksis for å bestemme aerob ytelse og aktivitets intensitet. Derfor vil HR-skjermer bidra til å bestemme muligheten for AVGs i dosering fysisk aktivitet intensitet for å fremme aerobic fitness9. EKG-data som er generert fra en pulsmåler, kan brukes til å beregne hjertefrekvensvariasjon. Analytiske metoder ble brukt til å generere PULSVARIASJON fra EKG-data for å undersøke aerob arbeidsmengde. Nylige anvendelser av pulsvariasjon indikerer at kortsiktige målinger (5 min kamper) er hensiktsmessige og at puls variasjons biofeedback kan bidra til å forbedre symptomer og livskvalitet i en rekke helsetilstander32,33,34 . Anvendelsen av kortsiktige puls variasjons tiltak er en hensiktsmessig måte å vurdere kardiovaskulær funksjon på i løpet av AVG-øktene. Gitt at PULSVARIASJON er avledet fra R-R-intervallet til et EKG, brukte vi valgte tids domene-og frekvens domene mål. Tids domene måling av PULSVARIASJON kvantifisere mengden av variablility i interbeat intervallene som representerer tiden mellom etterfølgende hjerteslag. Vi brukte AVNN (gjennomsnittlig NN intervall), RMSSD (root Mean Square av suksessive forskjeller), SDNN (standardavvik av NN intervall), NN50 (antall NN intervaller > 50 MS) og PNN50 (prosent av NN intervaller). Frekvens domene tiltak anslår at distributionof absolutte eller relative strøm til muligens fire frekvensbånd, vi spesielt adressert på to band, lav frekvens (LF) kraft og høy frekvens (HF) kraft sammen med LF/HF ratio. Selv om HR er et godt akseptert klinisk tiltak, kan PULSVARIASJON være nyttig fordi det gir informasjon om autonom systemfunksjon, gjenoppretting, tilpasning, og gir et anslag over aerob arbeidsmengde under en AVG-økt28.
Hensikten med denne studien var å undersøke muligheten for å bruke AVG strategier for å fremme fysisk aktivitet og egnethet. En annen hensikt var å presentere AVG datainnsamlings protokoll og metodikken for å beregne PULSVARIASJON fra EKG-data innhentet via en HR-Monitor. Disse tiltakene og denne protokollen kan vise seg å være relevante for klinikere for å overvåke og dose PT intervensjon økter.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Institusjonell gjennomgang styret godkjenning ble innhentet. Alle ungdommer leverte skriftlig samtykke og foreldre gitt samtykke før deltakelse.
1. AVG datainnsamling økter
- Det AVG lek samling
- I denne studien, har ungdom med CP delta i en AVG sesjon som består av 3 20 min spill. Se tabell 5 for demografi for ungdom. Det var forventet at totalt 30 kamper skulle spilles; Imidlertid, 29 spillene var fullført fordi ettall motiv bare spillt 2 spillene inne hans AVG samling.
- La fagene ha en HR-skjerm gjennom hele økten for å registrere HR-og EKG-svar.
- Inne det AVG samling, ha ungdom lek hver AVG stund sittende opp på en benk med feet leilighet på gulvet og kne og HIPS flexed å 90 gradene (90/90 sittende) for postural oppbacking og stabilitet.
- Bruk følgende tre spill betingelser for samlings objekter: 1) bare hånd ikoner; 2) feet ikoner bare; og 3) både hånd og føtter ikoner. Bruk en balansert rekkefølge mellom fagene. Velg disse tre betingelsene for å finne ut hvilke som er mer effektive for å fremme fysisk aktivitet og egnethet og ikke for krevende å forårsake tidlig, unødig tretthet.
Merk: hvert spill ble designet ved hjelp av faser av øvelsen resept: oppvarming, condition og nedkjøling. [Vennligst se tabell 1]. I tillegg var det en hvile fase før spillet begynte å dokumentere Baseline HR og en utvinning fase etter at spillet spille for å dokumentere tid til å gå tilbake til Baseline HR. - Tillat en hvileperiode mellom spill for HR å gå tilbake til Baseline nivå.
- Beregne PULSVARIASJON fra EKG-data
- Organiser data i 5 min tidsintervaller for å sikre sammenlignbare data for hver fase. Derfor var det 6 faser definert for disse beregningene: 1) Rest; 2) oppvarming; 3) condition 1 (første 5 min); 4) condition 2 (andre 5 min); 5) nedkjøling (5 min) og 6) gjenvinning. Dele condition fase i to 5 min faser tillater undersøkelse av faget aerob ytelse i kortere intervaller å gjøre rede for tretthet på grunn av deconditioning 12 (Tabell 4).
- For å beregne riktig pulsmåling for hvert segment i økten til et emne, må du utføre R-peak Detection på det rå EKG-signalet12,13. Bruk det rå signalet for å unngå manipulasjoner som kan forskyve dataene.
- Hvis du vil behandle dataene, må du hente starttidspunktene for hver Innspillings økt og konvertere fra "datetime"-variabler (MM/DD/åååå HH: MM: SS. SS) til sekunder. Ingen av øktene skjedde over to dager som tillot MM/DD/åååå-delen skal ignoreres i løpet av disse beregningene. Skaff deg starttidspunktet for spillet av interesse fra timing tabellen for å finne hver spill økt i elektro (ECG) fil; Denne gangen ble konvertert til sekunder etter at den hadde blitt Hentet fra timing filen. Timing filen inneholdt starttider for hver fase av spillet samt slutten av utvinningen perioden (tabell 2).
- Beregn hvileperioden som 5 minutter før spillet starter og gjenopprettings fasen som 5 min etter utløpet av nedkjøling fase. Når disse tidene ble innhentet, få plasseringen (e) av spillets fase av interesse i EKG-filen gjennom følgende ligning:
(1)
der fase er satt til enten hvile, oppvarming, condition 1, condition 2, nedkjøling, eller Recovery; tiden var delt på 1/frekvens å gjøre rede for EKG samplingsfrekvensen. HR-monitoren hadde en samplingsfrekvens på 250 Hz, og inneholdt derfor et mål hver 4 MS.- Endre dette nummeret ved å endre samplingsfrekvensen med den første meldingen fra Peak_Detection. m- programmet til å ta høyde for bruk av alternative opptaksenheter. Velg hvilket 5 min segment du vil arbeide med mens du kjører topp gjenkjennings programmet. Dette ble gjort via en forespørsel til brukeren. Angi sluttids tidspunktet til 5 min etter starttidspunktet, og ta hensyn til hyppigheten av opptaksenheten.
- Når 5 min delen hadde blitt valgt, beregne en terskel for Peak-deteksjon basert på gjennomsnittet og standardavvik av bølgeform.
- Angi terskelen som
, men dette kan økes i programmet hvis dataene er ensartet for å redusere falsk positiv deteksjon fra T topper som er høyere enn de tilsvarende R topper. Eksempler på disse falske positiver kan sees i figur 1. - Sammen med en minimum høyde for R peak, tilordne en minste avstand mellom toppene for å minimere påvisning av feil topper rundt ønsket R. sett denne verdien til 75 som tilsvarte 0,3 s mellom topper eller 200 slag per min (bpm) (denne verdien endres med frekvens). Verdien av 200 BPM er høyere enn noen HR oppnådd av fagene i denne studien, og kan endres basert på at befolkningen blir studert.
- Angi terskelen som
- Når terskelen ble beregnet, la programmet kjøre gjennom bølgeformen og forsøke å skjelne alle R ' s for RR intervall og puls variasjons beregninger. Generer et foreløpig plott slik at brukeren kan gå gjennom den for uregelmessigheter som de som vises i figur 1 eller figur 2.
- Korriger disse uregelmessigheter manuelt ved å redigere oppdagelsen variabelen som inneholder microvolt (μV) lesing av toppen i kolonne 1 og plasseringen i den gjeldende spilløkten (s/0.004) i den andre kolonnen. I de fleste tilfeller kan de riktige R-toppene lett bli funnet ved å zoome inn på problem plasseringen som vist i figur 1. Mange dataøkter er ganske ensartet som vist i Figur 3 og vil derfor bare kreve noen korreksjoner. Noen tilfeller er imidlertid ganske rotete og krever mer tid til å vurdere og få riktig R steder.
- Hvis svingningene i bølgeformen gjør det uforholdsmessig vanskelig å riktig finne en topp, ignorerer små segmenter ~ 1-2 s og attributt til svangerskap utenfor livmoren som ikke brukes i puls variasjons beregninger12.
- Etter R ' s har blitt plassert, kjøre HRV_Measures programmet. Beregn RR intervallene først, da de er grunnlaget for puls variasjons tiltakene som brukes i denne studien12.
- Få en matrise av intervaller og ignorere eventuelle intervall større enn 1,5 s (40 BPM) som det var på grunn av de nevnte svangerskap utenfor livmoren blir fjernet fra beregningene. Lagre disse RR intervallene for ytterligere beregninger og verifisering av data. Bruk disse intervallene til å beregne roten Mean Square av påfølgende forskjeller (RMSSD) med følgende ligning:
RMSSD = (2)
Hvor N = antall RR intervaller (R-R)i = intervall mellom nærliggende QRS Peaks (R-r)i + 1 = intervall mellom etterfølgende sett med topper
- Få en matrise av intervaller og ignorere eventuelle intervall større enn 1,5 s (40 BPM) som det var på grunn av de nevnte svangerskap utenfor livmoren blir fjernet fra beregningene. Lagre disse RR intervallene for ytterligere beregninger og verifisering av data. Bruk disse intervallene til å beregne roten Mean Square av påfølgende forskjeller (RMSSD) med følgende ligning:
- Velg dennevariabelen som det har vist seg å være effektiv i intervaller fra 1 min til 24 h i lengde13,14,15,16,17 og kan derfor brukes til å vurdere disse 5 min intervaller i spillets faser. Sammen med RMSSD, få standard avviket av nn intervaller for å måle endringer i HR gjennom hele fase14,16,18.
- Bruk RR intervallene til å beregne NN50, antall intervaller som avviker fra det forrige intervallet med mer enn 50 MS12 , som også har blitt brukt i intervaller fra én min til 24 h16,17,19, 20,21.
- Beregn NN50 variabelen via en enkel tellefunksjon som sjekket om forskjellen mellom påfølgende RR intervall lengder var større enn 50 MS. Når NN50 ble innhentet på denne måten, dividere med det totale antall intervaller for å beregne pNN50 som er prosentandelen av intervaller som avviker med mer enn 50 MS. denne beregningen gjorde at de målte dataene kunne sammenlignes på tvers av emner, spill og til og med økter med varierende lengder ettersom det er en enhet-mindre variabel13,14, 16 flere , 17av dem.
- Beregn gjennomsnittlig RR intervall lengde for hver fase og emne som en separat pulsmåler16,17,19,22,23,24. Bruk dette tiltaket til å beregne gjennomsnittlig HR ved å dele det gjennomsnittlige RR intervallet med 60 s. Begge disse tiltakene er lett sammenlignbare på tvers av spilløkter for å observere utviklingen av faget aktivitet16,17,19,22,23, 24.
- Når disse tiltakene ble beregnet, beregne lav frekvens og høy frekvens effekt Spectral Density (PSD) for både rå EKG av 5-min intervall og RR intervall matrise ved å skaffe PSD fra Fast-Fourier forvandler13,14 , 17 i , 19 andre priser , 25. alle disse dataene ble deretter lagret i en tabell, et eksempel som er vist i Tabell 4.
(1)
, men dette kan økes i programmet hvis dataene er ensartet for å redusere falsk positiv deteksjon fra T topper som er høyere enn de tilsvarende R topper. Eksempler på disse falske positiver kan sees i figur 1.
RMSSD = (2)2. innhente EKG-data fra pasienten
- Forbered HR Monitor brystbelte og Bluetooth-modul for søknad til faget.
- Kontroller at Bluetooth-modulen er fulladet (3 timer) ved hjelp av ladeholderen.
- Plugg modulen inn i datamaskinen via ladeholderen og Åpne konfigurasjonsverktøyet. Skriv inn et navn for logging formål.
- Velg HR-enheten, klikk kategorien klokkeslett og velg Angi dato/klokkeslett for å synkronisere modulen til riktig tid og dato. Enheten kan nå fjernes fra ladeholderen.
- Fukt de ledende områdene (beige) på HR-skjermens brystbelte ved å plassere en hånd i vann og gni de ledende områdene.
- Plasser pulsmåleren Bluetooth-modulen inn i brystremmen med de ledende overflatene på modulen stilt opp med de av brystremmen: den vil klikke på plass.
- Trykk og hold knappen på modulen til lysene blinker. Modulen er nå på og innspilling.
- Påfør HR Monitor brystbelte (med Bluetooth-modul) til spilleren med modulen på linje med venstre mid-aksillær linje og stroppen like under pectoral musklene. Når riktig plassert, stram enheten slik at den ikke vil bevege seg i løpet av økten, men er ikke ubehagelig for spilleren.
- Skaff deg et signal og se live feed.
- Plugg kontakten inn i USB-porten på datamaskinen som skal brukes til å vise dataene.
- Åpne Live View -programmet og gå inn i oppsettmodus ved å klikke på ikonet med skiftenøkkelen og skrutrekkeren.
- Velg en spiller fra listen hvis det er hensiktsmessig, eller Legg til et nytt emne med ny -knappen nederst i venstre hjørne av skjermen.
- Angi emneinformasjon etter behov for identifikasjonsformål (navn, alder, kjønn, høyde, vekt).
- Klikk på kategorien maskinvare og velg gjeldende emne.
- Klikk Tilordne nederst i kategorien, og velg gjeldende enhet (oppført som 01 hvis ingen andre enheter er til stede). Klikk deretter tilordne i popup-boksen.
- Klikk på team tab. markere motivet og deretter klikke på høyre piltast for å plassere spilleren på lag A.
- Klikk kategorien distribusjon , og flytt deretter det nyopprettede teamet til den første kategorien.
- Åpne Live Mode -fanen ved å klikke på det blå Wi-Fi- symbolet øverst i venstre hjørne.
- Bruk kategorien Live Mode til å overvåke puls, respirasjonsfrekvens og holdning av motivet i sanntid.
Merk: signal styrke, batteristrøm og tillit til tiltakene kan også sees. - Ta opp nøyaktig timing (MM/DD/åååå HH: MM: SS) av starten og slutten av hver økt og fase for behandling.
- Last ned EKG-data fra HR-monitoren.
- Fjern stroppen fra spilleren på slutten av økten, og fjern Bluetooth-modulen fra brystremmen.
- Plasser modulen i ladeholderen og koble den til en datamaskin med programmet installert.
- Åpne loggen.
- Velg enheten fra rullegardinmenyen. Alle øktene som er på enheten, vises med datoer og klokkeslett.
- Uncheck boksen det sier Bruk retten bevare plasseringen og valgte en ny bevare plasseringen.
- Klikk Lagre. En fremdriftslinje vises. Lagring kan ta opptil en time, avhengig av lengden på økten.
- Gi nytt navn til datoen, når den er lagret.
3. data analyse og beregning av hjertefrekvens variasjons tiltak
- Klargjør filer for behandling.
- Navngi EKG-filer som ' KOLLECT_Subject # _AVG4 ' (f.eks. KOLLECT_01_AVG4. csv ').
- Generer en tids beregnings tabell i formatet kommadelt (CSV) for å tegne tidsmålingsdata fra under databehandling. Se tabell 1 for et eksempel på riktig format.
- Importer dato-tid data fra CSV-filen og høyreklikk på navnet på den nyopprettede variabelen og endre den tiltiming. mat '.
- Foreløpig R topp deteksjon.
- Åpne og Kjør peak _ deteksjon . m.
- Angi hyppigheten av enheten for EKG-opptak når du blir bedt om det av programmet.
- Skriv inn spillernummeret for dataene som skal analyseres når du blir bedt om det.
Merk: noen spillere har ikke fullført aktive videospill 4 (AVG4) og derfor bare spillere 1-10 brukes til denne studien. Andre tall vil gi en feilmelding. - Skriv inn nummeret på spillet som skal analyseres (1, 2 eller 3) når du blir bedt om det.
- Angi fasen som skal analyseres (rest, oppvarming (WU), condition (con), Rest, eller Recovery).
- Angi en forskyvning i minutter om ønskelig, eller skriv inn 0 for ingen forskyvning.
- Velg forstørrelses verktøyet og velg et område av plottet som er utgang for å lage et vindu med en bredde på ca 2 000 (s/0.004) og en høyde som vil vise full bølgeform som vist i Figur 3. Zoom inn eller ut hvis vinduet ikke er lett inspisert visuelt.
- Undersøk grafen visuelt for å evaluere om de oppdagede toppene er korrekt merket. Se figur 1 for eksempel på feil oppdagede og ubesvarte topper forårsaket av uregelmessig EKG-data (figur 2).
- Topp korreksjon
- Rett opp de feil oppdagede eller manglende toppene ved å finne gjenkjennings variabelen og dobbeltklikke i arbeidsområdet.
- Bruk data markøren verktøyet på TOMTEN av EKG bølgeform å få x og y koordinater for feil peak; X (time * frekvens) er den første kolonnen i Detection. mat og Y (Voltage) er den andre kolonnen (Figur 3).
- Høyreklikk tekstboksen som vises, og klikk Velg markør Oppdater funksjon.
- Velg TooltipUpdate. m fra mappen som inneholder filene som brukes til denne analysen. Dette gjør at verktøytipset kan vise mer nøyaktige verdier.
- Hvis punktet er et falskt positivt, fjerner du det fra matrisen ved å klikke på raden i gjenkjenning. mat -variabelen og trykke på kontroll og minus -tasten. Et eksempel på falsk positiv deteksjon kan sees i Figur 3.
- Redigere feil merkede topper som ligger ved siden av umerkede topper, som vist av de to T-toppene merket som R i figur 1, ved å endre verdiene slik at de samsvarer med den umerkede toppen.
- Få verdien av den ubesvarte peak kan fås med data markør verktøyet.
- Legg til flere rader for gjenkjenning. matte med kontroll og pluss tasten for topper savnet på grunn av lavspennings nivå.
- Skriv inn verdiene i numerisk rekkefølge for å unngå negative verdier under beregningsprosessen (dvs. legge toppen ligger på 11000 mellom toppene på 10908 og 11167) (figur 5).
- Kontroller at verdiene er skrevet inn riktig før du fortsetter gjennom hele økten som tall blir av og til avkuttet når de skrives inn.
- Gjenta trinn 2,3 til alle toppene er kontrollert og/eller korrigert.
Merk: noen filer har begrenset variasjon i bølgeform amplitude og er raskere å sjekke, som vist i Figur 4 , mens andre er mer variable og kan kreve nærmere Zoom for å nøyaktig finne topper under visuell inspeksjon.
- Oppnå beregninger for puls variasjons måling.
- Lagre den opprinnelige plottet generert fra Peak_Detection. m for senere referanse.
- Kjør HRV_Measures. m for å generere riktig merket plott. Et eksempel på korrigerte data vises i figur 6.
- Endre plottet tittelen ved hjelp av INSERT | Tittel på plottet vinduet og endre den til ønsket tittel.
- Sjekk vinduet for utgang, vil programmet varsle brukeren av plasseringen feilaktig angitt data hvis det finnes.
- Lagre variabelen navngitte intervallet.
- Åpne variabelen med tittelen PULSVARIASJON fra arbeidsområde vinduet for å vise Mean RR (MS), gjennomsnittlig HR (bpm), RMSSD (MS), SDNN (MS), NN50 (antall), pNN50 (%), lav frekvens (LF)/høy frekvens (HF) (EKG), LF/HF RR, lav frekvens strøm RR og høy frekvens strøm (RR)). Lagre h-verdiene til denne variabelen i en tabell, for eksempel den som vises i Tabell 4.
- Gjenta avsnitt 3,2-3,4 for alle andre segmenter, økter og emner som trenger analyse.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Denne metoden gir data som skal brukes til å analysere effekten en nylig utviklet metode har på emnet hjertefrekvensvariasjon (puls VARIASJONS). Den gjør dette ved å finne R-delen av QRS-bølgeformen til et subjekt EKG-data, som vist i figur 6, og ved å beregne ulike puls variasjons verdier fra den. Hvis HR-monitoren gjør riktig kontakt med motivet, vil dataene være ensartede, noe som reduserer behovet for korrigeringer (som vist i Figur 4).
Terskler bør settes til å håndtere rotete og uregelmessige data som avbildet i figur 1 og figur 2. Hvis dataene er tilstrekkelig variable på grunn av midlertidige endringer i pulsmåleren hudkontakt, kan den første analysen feilaktig merke topper som vist i Figur 3. Denne feilen kan rettes opp ved å korrigere verdier manuelt eller angi ekstra datapunkter som forklart i del 3 av protokollen. Endring av terskelen nivåer og minimum tid mellom toppene kan også bidra til å rydde opp i deteksjons verdiene og produsere en justert plott som figur 6 fra Figure5.
Når dataene er innhentet og analysert for avvik, kan de brukes til å beregne puls variasjons verdier for statistisk analyse. Analysen av EKG-data kan brukes til å kvantifisere observasjoner som er gjort under økter for evalueringsformål.
Figur 1 . Representativ graf over kontinuerlig HR (y-akse) i μv) over tid (x-aksen i s) for emne ett spill 3 under oppvarming økten representerer "rotete" data. Rotete data: i denne delen R topper er mindre enn T-delen av bølgeformen. Dette kan forårsake problemer med topp deteksjon.
Figur 2 . Et eksempel på noen elektro (EKG) uregelmessig bølgeform mønstre. Uregelmessig bølgeform mønstre: endringer i kontakt med motivet på grunn av bevegelse kan føre til spenningsvariasjoner som reduserer ensartethet av bølgeformen. Vennligst klikk her for å se en større versjon av dette tallet.
Figur 3 . Et eksempel på en elektro (EKG) utgang med en feilmerket peak HR feilmerket peak. Nær toppen av figuren en topp i spenning forårsaker en del av bølgeform som skal oppdages som samsvarer med R mønster. Det kan også føre til at nærliggende R mønstre å bli ignorert på grunn av nærhet som den uthevede på (9924, 2074).
Figur 4 . Representativ graf over kontinuerlig HR (y-akse) i μv) over tid (x-aksen i s) ren elektro (EKG) bølgeform. Ren bølgeform: et eksempel på en del av ENSARTEDE EKG-data med en relativt jevn bølgeform og spenningsnivå.
Figur 5 . Representativ graf over kontinuerlig HR (y-akse) i μv) over tid (x-aksen i s) av en rå elektro (EKG) før rengjøring. Data før rengjøring: et 30 sek segment av EKG-data fra Subject 01 spill 3 under condition-fasen vises. Noen topper har gått glipp av, og noen er feilaktig merket på grunn av høyspennings variasjon. Vennligst klikk her for å se en større versjon av dette tallet.
Figur 6 . Representativ graf over kontinuerlig HR (y-akse) i μv) over tid (x-akse in s) av en rå elektro (EKG) etter clearning. Data post rengjøring: de samme 30 sek av EKG-data fra Subject 01 spill 3 etter at den er riktig merket som beskrevet i punkt 3 av protokollen. Vennligst klikk her for å se en større versjon av dette tallet.
| Fase | Tid | THR sone | Spillfunksjoner |
| Hvile | 5 min | Hvile grunnlinje | Na |
| Oppvarmingstid | 5 min | 40-60% mHR | 4 objekter + 4 farer; langsommere hastighet |
| Condition | 10 min | 60-80% mHR | 8 objekter + 0 farer; raskere hastighet |
| Avkjølt | 5 min | 40-60% mHR | 4 objekter + 4 farer; langsommere hastighet |
| Utvinning | 5 min | Planlagt hvile | Na |
| Nøkkel: THR = Target hjertefrekvens; Na = ikke anvendelig | |||
Tabell 1. Aktiv videospill (AVG) spillet faser. NØKKEL: Target hjertefrekvens (THR); NA (ikke aktuelt).
| Emnet | Avg | Spillet | Oppvarming Start | Condition Start | Avkjøling Start | Gjenoppretting Start |
| (MM/DD/ÅÅÅÅ) | (MM/DD/ÅÅÅÅ) | (MM/DD/ÅÅÅÅ) | (MM/DD/ÅÅÅÅ) | |||
| (TT: MM: SS) | (TT: MM: SS) | (TT: MM: SS) | (TT: MM: SS) | |||
| 1 | 4 | 1 | 11/25/2015 | 11/25/2015 | 11/25/2015 | 11/25/2015 |
| 1 | 4 | 1 | 16:33:53 | 16:39:03 | 16:49:04 | 16:54:09 |
| 1 | 4 | 2 | 11/25/2015 | 11/25/2015 | 11/25/2015 | 11/25/2015 |
| 1 | 4 | 2 | 17:27:47 | 17:32:57 | 17:43:01 | 17:48:03 |
| 1 | 4 | 3 | 11/25/2015 | 11/25/2015 | 11/25/2015 | 11/25/2015 |
| 1 | 4 | 3 | 18:25:22 | 18:30:33 | 18:40:35 | 18:45:38 |
| 2 | 4 | 1 | 4/10/2016 | 4/10/2016 | 4/10/2016 | 4/10/2016 |
| 2 | 4 | 1 | 11:59:19 | 12:04:29 | 12:14:36 | 12:19:50 |
| 2 | 4 | 2 | 4/10/2016 | 4/10/2016 | 4/10/2016 | 4/10/2016 |
| 2 | 4 | 2 | 12:40:25 | 12:45:37 | 12:55:44 | 13:00:53 |
| 2 | 4 | 3 | 4/10/2016 | 4/10/2016 | 4/10/2016 | 4/10/2016 |
| 2 | 4 | 3 | 13:19:57 | 13:25:02 | 13:35:04 | 13:40:11 |
| 3 | 4 | 1 | 11/18/2015 | 11/18/2015 | 11/18/2015 | 11/18/2015 |
| 3 | 4 | 1 | 17:08:10 | 17:13:20 | 17:23:21 | 17:28:28 |
| 3 | 4 | 2 | 11/18/2015 | 11/18/2015 | 11/18/2015 | 11/18/2015 |
| 3 | 4 | 2 | 17:59:46 | 18:04:48 | 18:14:54 | 18:19:55 |
| 3 | 4 | 3 | 11/18/2015 | 11/18/2015 | 11/18/2015 | 11/18/2015 |
| 3 | 4 | 3 | 18:42:03 | 18:47:03 | 18:57:04 | 19:02:02 |
Tabell 2. Timing fil nøkkel: AVG = Aktiv videospill
| ID_AVG_Game | AVNN (er) | Gj.sn. puls (bpm) | RMSSD (MS) | SDNN (MS) | NN50 | pNN50 (%) | LF/HF (EKG) | LF/HF (RR) | LFP (RR) | HFP (RR) | ||
| 03_AVG4_G1_Rest | 719,875 | 83,347 | 29,827 | 55,604 | 35 | 8,393 | 1,328 | 0,602 | 0,123 | 0,204 | ||
| 03_AVG4_G1_WU | 656,373 | 91,411 | 26,52 | 50,372 | 28 | 5,932 | 1,288 | 0,675 | 0,125 | 0,185 | ||
| 03_AVG4_G1_Con 1 -5 | 557,772 | 107,57 | 20,651 | 43,932 | 4 | 0,743 | 1,187 | 0,76 | 0,119 | 0,157 | ||
| 03_AVG4_G1_Con 6 10 | 532,483 | 112,679 | 27,771 | 33,481 | 9 | 1,599 | 1,244 | 0,809 | 0,118 | 0,146 | ||
| 03_AVG4_G1_Con 2-7 | 538,546 | 111,41 | 20,389 | 34,351 | 6 | 1,077 | 1,198 | 0,819 | 0,118 | 0,144 | ||
| 03_AVG4_G1_Con 3-8 | 530,761 | 113,045 | 27,756 | 34,26 | 8 | 1,413 | 1,192 | 0,826 | 0,118 | 0,143 | ||
| 03_AVG4_G1_Cool | 597,019 | 100,499 | 31,806 | 41,96 | 16 | 3,181 | 1,281 | 0,712 | 0,120 | 0,169 | ||
| 03_AVG4_G1_Recovery | 665,511 | 90,156 | 42,136 | 70,698 | 57 | 12,639 | 1,301 | 0,636 | 0,122 | 0,191 | ||
| AVNN = gjennomsnittlig NN intervall; Gj.sn. puls = Gjennomsnittlighjertefrekvens; RMSSD = root Mean Square av suksessive forskjeller; SDNN-standard avvik av NN intervall; NN50 = antall NN intervaller > 50 MS; pNN50 =% av NN intervaller > 50 MS; LF = lav frekvens strøm; HF = høy frekvens kraft; LF/HF = lav frekvens-høy frekvens forhold. BPM = slag per minutt; MS = millisekunder; EKG = elektro-som inneholder QRS-komplekset; RR = der R er et punkt assosiert med en topp av QRS-komplekset av EKG-bølgen og RR er intervallet mellom etterfølgende R poeng; | ||||||||||||
Tabell 3. Hjertefrekvensvariasjon (puls VARIASJONS) data for emne 03 spill 01
Tabell 4. Beskrivende statistikk for hjertefrekvensvariasjon tiltak for ulike faser av øvelsen for hvert spill Vennligst klikk her for å laste ned denne tabellen.
| Kjønn | GMFCS-nivå | Klinisk diagnose | Bevegelse Disorder | Dominerende side | Høyde (cm) | Vekt (kg) | BMI (kg/m2) | BMI persentil |
| gutt | 2 | Diplegia | Dystoni | Høyre | 161,20 | 47,60 | 18,32 | 17,00 |
| gutt | 3 | Diplegia | Spastisitet | Venstre | 141,17 | 49,20 | 24,70 | 95,00 |
| gutt | 2 | venstre hemiplegia | Spastisitet | Høyre | 165,80 | 50,50 | 18,40 | 13,00 |
| gutt | 3 | Diplegia | Spastisitet | Høyre | 154,30 | 57,00 | 23,90 | 83,00 |
| jente | 2 | venstre hemiplegia | Spastisitet | Høyre | 161,20 | 60,30 | 22,86 | 71,00 |
| jente | 2 | venstre hemiplegia | Spastisitet | Høyre | 146,40 | 40,80 | 19,00 | 30,00 |
| jente | 2 | høyre hemiplegia | Spastisitet | Venstre | 154,60 | 64,00 | 26,80 | 85,00 |
| jente | 3 | venstre hemiplegia | Spastisitet | Høyre | 166,10 | 61,20 | 22,20 | 42,00 |
| gutt | 2 | venstre hemiplegia | Spastisitet | Høyre | 168,10 | 49,70 | 17,60 | 51,00 |
| gutt | 3 | Diplegia | Spastisitet | Høyre | 135,00 | 29,80 | 16,00 | 43,00 |
| Nøkkel: GMFCS= brutto motorisk funksjon klassifisering system; BMI= Body Mass Index | ||||||||
Tabell 5. Demografi for pasient
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Ti ungdom med CP deltok i denne studien (gjennomsnittlig + SD) [alder (år) = 15,53 ± 3,57; høyde (cm) 154,8 ± 12,6; vekt (kg) 50,69 ± 11,1; Body Mass Index (BMI) 50,46 ± 29,2; mHR 9 BPM) = 186,8 ± 12,4]. Se tabell 5 for demografi for pasienter.
Det er noen hensyn for bruk av HR-skjermer og tilhørende tiltak for HR og PULSVARIASJON som er relatert til modifikasjoner og feilsøking. To problemer som er åpenbare, uavhengig av teknologien ansatt for å erverve dataene er: 1) bevegelse gjenstander og 2) svangerskap utenfor livmoren. Problemene som oppstår fra bevegelse artefakter og svangerskap utenfor livmoren er vanligvis adressert gjennom post-prosessering aktiviteter etter oppkjøpet av RR intervall12,13,18,22 , 26. feilsøking etter prosessering manipulasjoner krever vurdering av den timelige FLUCTATIONS i HR som markere respiratoriske sinus arrythmias samt beregning av normalisert puls variasjons verdier slik differentiations kan gjøres mellom fysiologisk og matematisk mediert endringer i pulsvariasjon13,27,29.
Begrensningene i pulsmåling ble først identifisert med bruk av Spectral analyse teknikker (dvs. frekvens domene tiltak)13,27,29. Det er fysiologiske betraktninger som inkluderer åndedretts sinus arrythmias, kardiovaskulær drift, hydration status og miljømessige faktorer (f. eks, temperatur, varme, kulde, høyde) som er knyttet til dag-til-dag variasjoner i HR27 ,29. Matematiske hensyn innebære tid domene tiltak (f. eks SDNN, r-MSSD, pNN-50 Index) samt den nylige inkludering av ikke-lineære dynamisk analyse teknikker13,27,29. For å tolke de ulike puls variasjons tiltakene på riktig måte må vi vurdere om kroppen er i hviletilstand eller stress. Vi forventer vanligvis parasympatiske påvirkninger når kroppen er uthvilt, noe som øker variasjonen i responsen og resulterer i høyere PULSVARIASJON, mens under stress forventer vi sympatiske påvirkninger som reduserer variasjon og har lavere puls variasjons tiltak. Begrensningene i puls variasjons målinger kan påvirke hypotesen om nøyaktigheten i den autonome balansen, som er forbundet med LF/HF-forholdet. Denne hypotesen forutsetter at det sympatiske nervesystemet og parasympatiske nervesystemet er i konkurranse for å regulere SA node avfyring. Forfatterne oppmerksom tha/HR ratio må tolkes med forsiktighet mens merke sammenheng med å innhente informasjon, samt gjennomgår LF og HF verdier. Når det gjelder anvendelsen av LF/HF-forhold til AVG-spill i kortsiktige episoder av HR-målinger og PULSVARIASJON, kan et høyt LF/HF-forhold indikere høyere sympatisk aktivitet som kan observeres når man møter en utfordring som krever innsats og øker det sympatiske nervesystemet aktivisering35.
Det er viktig å bruke optimale tiltak for å bestemme aerob ytelse og kapasitet i ungdom med CP for å undersøke passende intervensjon dosering og effektivitet6,11. Kliniske standarder for omsorg oftest inkluderer måling HR å bestemme intervensjon dosering (intensitet)6,11. Men den iboende variasjonen i HR-tiltak gjør det vanskelig å fastslå faktisk workoad i aerob trening12,13,22,27. Derfor gir denne metoden for å beregne pulsvariasjon fra EKG-data fra en pulsmåler et mer nøyaktig mål for å vurdere resultatene fra intervensjon27,28. Variasjons tiltakene gir også ny informasjon om svarene på det autonome nervesystemet, tilpasning og gjenoppretting under AVG-øvelsen12,13,29,34,35 . Vi posit at bruk av puls variasjons tiltak under kort durration trening kan gi informasjon om forbedring av de fysiologiske systemene basert på arbeid fra Kerppers og kolleger med en kort varighet på32.
Her er de viktigste applikasjonene vi har gjort i forhold til eksisterende anvendelser av HR-overvåkning og puls variasjons tiltak under trenings ytelsen. Denne metoden gjør det mulig for brukeren å trekke ut RR-intervaller og puls variasjons tiltak fra EKG-kurver under spill fysiske aktiviteter i ungdom med CP. Metoden er for tiden skreddersydd mot AVG-sesjoner i et spesifikt spill, men kan enkelt tilpasses andre protokoller og EKG-enheter for fremtidige eksperimenter. I tilfeller der dataene er ensartede og EKG-opptaket er godt tilpasset motivet, vil denne protokollen tillate rask databehandling med minimal input fra brukeren. Men i tilfelle av ikke-uniform data med store variasjoner i signal amplitude protokollen vil kreve brukerinndata til riktig etikett ubesvarte topper og fjerne falske positiver fra datasettet. I fremtiden kan denne metoden forbedres med en mer robust gjenkjennings metode for å redusere brukerstøtten for topp deteksjon og korrigering (for eksempel ikke-lineære dynamiske analyse teknikker29).
Gjennom utførelsen av protokollen er det viktig at følgende kritiske trinn utføres. Det er viktig å sikre et høyt nivå av signal sikkerhet gjennom datainnsamlings økter for å redusere behandlingen og den maksimale korrigerings tiden som kreves. Dette kan forbedres ved å sikre at enheten for EKG-opptak gjør riktig kontakt med motivet før hver økt. Det er også viktig å holde ledende kontakter fuktig under øktene som kan gjøres ved rewetting opptakeren før hver økt. Etter at dataene er samlet inn, må post behandlingsaktivitetene også ta for seg metodisk vurderinger med tids domene tiltak, frekvens domene tiltak, ikke-lineære dynamiske analyser og beregning av normalisert puls variasjons verdier for å skille mellom fysiologisk avledede og matematisk mediert endringer i pulsvariasjon12,13,29.
Hensynet til fremtidig arbeid omfatter bruk av pulsmåling for barn og voksne som er involvert i fysisk utfordrende aktiviteter med ulik intensitet og kroppsstilling6,7,8, 9,10,17,23, 26,29, kognitivt utfordrende spill og mental arbeidsmengde24,25, 26,27, virtuelle og simulering type erfaringer, vurdering av overtrening23,31, kvaliteten på søvn vurderinger13,26,27 , 31, Kronisk tretthet, fysisk utmattelse og bekjempe beredskap31 samt vagal forbindelse mellom HR og hjernen om prosocial oppførsel30.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
På denne tiden, forfatterne (CL og PAS) har ingenting å avsløre. Dr. O ' Neil er en av grunnleggerne av enAbleGames, LLC og Kollect er et av spillene som tilbys av denne web-baserte selskapet. enAbleGames er i spillet utviklingsfasen og er ikke et offentlig selskap på dette tidspunktet (www.enAbleGames.com).
Acknowledgments
Forfatterne takker deltakerne og deres familier for sin tid og innsats brukt for deltakelse i studien. I tillegg, forfatterne erkjenner Dr. Yichuan Liu og Dr. Hasan Ayaz for deres hjelp med timing beregning av HR overvåking og Dr. Paul Diefenbach for utvikling av KOLLECT Active video gaming programvare. Finansiering for dette arbeidet ble gitt av Coulter Foundation Grants #00006143 (O'Neil; Diefenbach, PIs) og #00008819 (O'Neil; Diefenbach, PIs).
Materials
| Name | Company | Catalog Number | Comments |
| BioHarness Bluetooth Module (Electronics sensor) | Zephyr | 9800.0189 | Detects Heart Rate, Resiration Rate, Posture, and Skin Temperature. |
| BioHarness Chest Strap | Zephyr | 9600.0189, 9600.0190 | Sizes Small XS-M, Large M-XL |
| BioHarness Charge Cradle & USB Cable | Zephyr | 9600.0257 | Used to Transfer Data from the Module to a Computer for Analysis. |
| BioHarness Echo Gateway | Zephyr | 9600.0254 | Allows for Realtime Viewing of Subject's Heart Rate. |
| MATLAB R2016a | Mathworks | 1.7.0_.60 | Used for All Programming. |
References
- Winter, S., Autry, A., Boyle, C., Yeargin-Allsopp, M. Trends in the prevalence of cerebral palsy in a population-based study. Pediatrics. 110 (6), 1220-1225 (2002).
- Fowler, E., et al. Promotion of physical fitness and prevention of secondary conditions for children with cerebral palsy: Section on Pediatrics Research Summit Proceedings. Physical Therapy. 87 (11), 1495-1510 (2007).
- Rosenbaum, P., Paneth, N., Leviton, A., Goldstein, M., Bax, M. A report: The definition and classification of cerebral palsy: April 2006. Developmental Medicine & Child Neurology. 49 (s109), 8-14 (2007).
- Hanna, S., et al. Stability and decline in gross motor function among children and youth with cerebral palsy aged 2 to 21 years. Developmental Medicine & Child Neurology. 51 (4), 295-302 (2009).
- Rimmer, J., Rowland, J. Health promotion for people with disabilities: Implications for empowering the person and promoting disability-friendly environments. American Journal of Lifestyle Medicine. 2 (5), 409-420 (2008).
- Feehan, K., et al. Factors influencing physical activity in children and youth with special health care needs: A pilot study. International Journal of Pediatrics. , Article ID 583249 (2012).
- Fehlings, D., Switzer, L., Findlay, B., Knights, S. Interactive computer play as motor therapy for individuals with cerebral palsy. Seminars in Pediatric Neurology. 20 (2), 127-138 (2013).
- Sandlund, M., Dock, K., Hager, C., Waterworth, E. Motion interactive video games in home training for children with cerebral palsy: parents’ perceptions. Disability & Rehabilitation. 34 (11), 925-933 (2012).
- Howcroft, J., et al. Active video game play in children with cerebral palsy: Potential for physical activity promotion and rehabilitation therapies. Archives of Physical Medicine and Rehabilitation. 93 (8), 1448-1456 (2012).
- Bilde, P., Kliim-Due, M., Rasmussen, B., Petersen, L., Petersen, T., Nielsen, J. Individualized, home-based interactive training of cerebral palsy children delivered through the Internet. BMC Neurology. 11, 32 (2011).
- Kolobe, T., et al. Research Summitt III proceedings on dosing in children with an injured brain or cerebral palsy. Physical Therapy. 94 (7), 907-920 (2014).
- Schipke, J., Pelzer, M., Arnold, G. Effect of respiration rate on short-term heart rate variability. Journal of Clinical and Basic Cardiology. 2 (1), 92-95 (1999).
- Ernst, G. Heart rate variability. Heart Rate Variability. , 1-336 (2014).
- Francis, J., et al. Association between symptoms of depression and anxiety with heart rate variability in patients with implantable cardioverter defibrillators. Psychosomatic Medicine. 71 (8), 821-827 (2009).
- Mendes, R., et al. Is applying the same exercise-based inpatient program to normal and reduced left ventricular function patients the best strategy after coronary surgery? A focus on autonomic cardiac response. Disability and Rehabilitation: An International Multidisciplinary Journal. 36 (2), 155-162 (2014).
- Muralikrishnan, K., Balakrishnan, B., Balasubramanian, K., Visnegarawla, F. Measurement of the effect of Isha Yoga on cardiac autonomic nervous system using short-term heart rate variability. Journal of Ayurveda and Integrative Medicine. 33 (2), 279-283 (2012).
- Yadav, R. K., Gupta, R., Deepak, K. K. A pilot study on short term heart rate variability & its correlation with disease activity in Indian patients with rheumatoid arthritis. Indian Journal of Medical Research. 136 (4), 593-598 (2012).
- Thuraisingham, R. A. Preprocessing RR interval time series for heart rate variability analysis and estimates of standard deviation of RR intervals. Computer Methods and Programs in Biomedicine. 83 (1), 78-82 (2006).
- Alamili, M., Rosenberg, J., Gögenur, I. Day-night variation in heart rate variability changes induced by endotoxaemia in healthy volunteers. Acta Anaesthesiologica Scandinavica. 59 (4), 457-464 (2015).
- Pal, G., et al. Preference for salt contributes to sympathovagal imbalance in the genesis of prehypertension. European Journal of Clinical Nutrition. 67 (6), 586-591 (2013).
- Telles, S., Raghavendra, B. R., Naveen, K. V., Manjunath, N. K., Kumar, S., Subramanya, P. Changes in autonomic variables following two meditative states described in yoga texts. Journal of Alternative and Complementary Medicine. 19 (1), 35-42 (2013).
- Kičmerová, D. Methods for Detection and Classification in ECG Analysis. Doctoral thesis. , Department of Biomedical Engineering. BRNO University of Technology. Czech Republic. (2009).
- Evaluation of mental workload for ship handling using physiological indices. Murai, K., Hayashi, Y. 2009 Second International Conference on Emerging Trends in Engineering & Technology, October, , 604-608 (2009).
- Taelman, J., Vandeput, S., Spaepen, A., Van Huffel, S. Influence of mental stress on heart rate and heart rate variability. Heart. 29 (1), 1366-1369 (2009).
- Durantin, G., Gagnon, J. F., Tremblay, S., Dehais, F. Using near infrared spectroscopy and heart rate variability to detect mental overload. Behavioural Brain Research. 259, 16-23 (2014).
- Buchheit, M. Monitoring training status with HR measures: Do all roads lead to Rome? Frontiers in Physiology. 5, (2014).
- Achten, J., Jeukendrup, A. Heart rate monitoring: Applications and limitations. Sports Medicine. 33 (8), 517-538 (2012).
- Amichai, T., Katz-Leurer, M. Heart rate variability with cerebral palsy: Review of literature and meta-analysis. NeuroRehabilitation. 35, 113-122 (2014).
- Billman, G., Haikuri, H., Sacha, J., Trimmel, K. An introduction to heart rate variability: Methodological considerations and clinical applications. Frontiers in Physiology. 6, (2015).
- Beffara, B., Bret, A., Vermeulen, N., Mermillod, M. Resting high frequency heart rate variability selectively predicts cooperative behavior. Physiology & Behavior. 164, 417-428 (2016).
- Fogt, D., Cooper, P., Freeman, C., Kalns, J., Cooke, W. Heart rate variability to assess combat readiness. Military Medicine. 174, 491-495 (2009).
- Kerppers, I. L., Arisawa, E. A. L., Oliveira, L. V. F., Sarmpaio, L. M. M., Oliverira, C. S. Heart rate variability in individual with cerebral palsy. Archives of Medical Science. 5, 45-50 (2009).
- Giggins, O. M., Persson, U. M., Caulfield, B. Biofeedback in Rehabilitation. Journal of Neuroengineering and Rehabilitation. 10, (2013).
- Shaffer, F., Ginsberg, J. P. An overview of heart rate variability metrics and norms. Frontiers in Public Health. 5, 258 (2017).
- Shaffer, F., McCarty, R., Zeir, C. L. A healthy heart is not a metronome: an integrative review of the heart’s anatomy and heart rate variability. Frontiers in Psychology. 5, 1040 (2014).
