Login processing...

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

Behavior

Расчет изменчивости сердечного приступа с помощью данных ЭКГ от молодежи с дцпподого во время активных сеансов видеоигр

doi: 10.3791/59230 Published: June 5, 2019

Summary

Этот протокол описывает метод расчета изменчивости сердечного приступа (HRV) из волн электрокардиограммы (ЭКГ). Waveforms от непрерывной частоты сердечных приступов (HR) записи во время активных видео игры (AVG) сессий были использованы для измерения аэробной работы молодежи с церебральным параличом (CP).

Abstract

Целью данного исследования было создание метода расчета изменчивости сердечного приступа (HRV) из волн электрокардиограммы (ЭКГ). Волновые формы были записаны HR-монитором, который участники (молодежь с ДЦП) носили во время активных сеансов видеоигр (AVG). Занятия AVG были разработаны для содействия физической активности и фитнесу (аэробной производительности) у участников. Цель состояла в том, чтобы оценить осуществимость АВГ в качестве стратегии физической терапии (ПТ) вмешательства. Максимальный HR (mHR) был определен для каждого участника, и целевая зона частоты сердечных приступов (THR) была рассчитана для каждого из трех этапов упражнений в 20 мин СЕССИи AVG: (разминка на уровне 40-60% мчч, кондиционирование на 60-80% мhr, и остыть на 40-60% мhr). Каждый участник сыграл три 20 мин игры во время сессии AVG. Все игры были сыграны, сидя на скамейке, потому что многие молодые люди с CP не может стоять в течение длительных периодов времени. Каждое условие игры отличалось с участниками, использующими только значки рук, значки рук и ног вместе или значки для ног только для сбора предметов. Цель игры (так называемый KOLLECT) состоит в том, чтобы собрать объекты, чтобы набрать очки и избежать опасностей, чтобы не потерять очки. Опасности использовались на этапах разогрева и охлаждения только для содействия более медленному, контролируемому движению для поддержания HR в зоне частоты сердечных приступов (THR). Не было никаких опасностей на этапе кондиционирования для повышения уровня и более интенсивной физической активности. Аналитические методы использовались для генерации HRV (выбранных мер тайм-домена и частотного домена) из данных ЭКГ для изучения аэробной рабочей нагрузки. Недавние применения HRV показывают, что краткосрочные измерения (5 мин приступов) являются уместными и что биологическая обратная связь HRV может помочь улучшить симптомы и качество жизни в различных состояниях здоровья. Хотя HR является общепринятой клинической мерой для изучения аэробной производительности и интенсивности в ПТ-вмешательствах, HRV может предоставить информацию о функциях вегетативной системы, восстановления и адаптации во время сессий AVG.

Introduction

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

ДЦП (КП) является наиболее распространенной физической инвалидностью детства1. CP вызвано неврологическим оскорблением развивающегося мозга и связано с двигательными нарушениями, такими как мышечная слабость, спастичность, декондиционирование, и снижение двигательного контроля и баланса2,3. CP является непрогрессивным состоянием, но с возрастом, дети становятся менее физически активными и более сидячими по сравнению со своими сверстниками с типичным развитием (TD) в основном из-за повышенных требований роста на их скомпрометированных нервно-мышечной и опорно-скатные системы4.

Молодежь с CP обычно получают услуги физической терапии (PT) для улучшения функциональной мобильности и содействия физической активности и фитнеса (например, аэробной и мышечной выносливости)2. Часто, есть ограниченный доступ к услугам PT и общинных ресурсов для достижения и поддержания этих PT целей5,6. Активные видеоигры (AVGs) могут быть осуществимой стратегией в деятельности на основе PT мероприятий в клинике, дома или в общине настройки7,8. Коммерческие AVGs имеют ограниченную гибкость, чтобы адаптировать игру и удовлетворить конкретные потребности и PT целей для молодежи с CP9. Тем не менее, индивидуальные AVGs обеспечивают гибкие игровые параметры, чтобы бросить вызов молодежи с CP, продвигая физическую активность и фитнес10.

Наша команда разработала индивидуальный AVG (называется KOLLECT) для изучения реакции молодежи упражнения (например, физическая активность и аэробные фитнес). Игра использует датчик движения для отслеживания движения молодежи во время игры. Цель игры состоит в том, чтобы "собрать" как можно больше объектов, как это возможно для высокого балла и избежать опасностей, чтобы избежать потери очков. Объекты могут быть собраны с помощью значков для рук и/или ног, как это определено терапевтом в гибких игровых параметрах.

Проектирование деятельности на основе PT мероприятий, что доза интенсивности физической активности для содействия аэробной фитнес имеет решающее значение для молодежи с CP11. Пользовательские AVGs может быть эффективной стратегией для интенсивности дозы и привлечь молодежь в физической активности для содействия фитнес10. Мониторы частоты сердечных приступов (HR) часто используются в клинической практике PT для определения аэробной производительности и интенсивности активности. Таким образом, HR мониторы помогут определить осуществимость AVGs в дозирования интенсивности физической активности для содействия аэробной фитнес9. Данные ЭКГ, полученные с монитора HR, могут использоваться для расчета изменчивости сердечного приступа (HRV). Для генерации HRV из данных ЭКГ использовались аналитические методы для изучения аэробной рабочей нагрузки. Недавние применения HRV показывают, что краткосрочные измерения (5 мин приступы) являются целесообразными и что HRV биологической обратной связи может помочь улучшить симптомы и качество жизни в различных условиях здоровья32,33,34 . Применение краткосрочных мер HRV является подходящим средством оценки сердечно-сосудистой функции во время сеансов AVG. Учитывая, что HRV происходит от интервала R-R ЭКГ, мы использовали выбранные измерения тайм-домен и частотно-домен. Измерение времени домена HRV количественно количественно количество вариаблилитности в интервалах интербита, которое представляет время между последовательными сердцебиениями. Мы использовали AVNN (средний интервал NN), RMSSD (корня средней площади последовательных различий), SDNN (стандартное отклонение интервала NN), NN50 (количество интервалов NN ,gt;50 ms) и PNN50 (процент интервалов NN). Частота домена измеряет распределение абсолютной или относительной мощности в, возможно, четыре частотных диапазона, мы специально рассмотрели на двух диапазонах, низкочастотной (LF) власти и высокой частоты (HF) власть вместе с соотношением LF / HF. Хотя HR является общепринятой клинической мерой, HRV может быть полезна, поскольку она предоставляет информацию о функции вегетативной системы, восстановления, адаптации, и обеспечивает оценку аэробной рабочей нагрузки во время сессии AVG28.

Цель этого исследования заключалась в изучении возможности использования стратегий AVG для содействия физической активности и фитнесу. Вторая цель заключалась в представлении протокола сбора данных АВГ и методологии расчета HRV на данных ЭКГ, полученных с помощью кадрового монитора. Эти меры и этот протокол могут оказаться актуальными для врачей для мониторинга и дозы PT сессий вмешательства.

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

Было получено одобрение Совета по институциональному обзору. Все молодые люди предоставили письменное согласие, а родители дали согласие до их участия.

1. Сеансы сбора данных AVG

  1. Игровая сессия AVG
    1. В этом исследовании, есть молодежь с CP участвовать в сессии AVG, которая состоит из трех 20 мин игры. Смотрите таблицу 5 для молодежной демографии. Ожидалось, что будет сыграно в общей сложности 30 игр; однако, 29 игр были завершены, потому что один субъект сыграл только 2 игры в своей сессии AVG.
    2. Поимеете испытуемых наносить HR-монитор на протяжении всего сеанса для записи ответов на HR и ЭКГ.
    3. В сессии AVG, у молодежи играть каждый AVG, сидя на скамейке с ногами плашмя на полу и коленях и бедрасогнуты до 90 градусов (90/90 сидя) для постуральной поддержки и стабильности.
    4. Используйте следующие три игровых условия для коллекционных объектов: 1) значки для рук; 2) значки ног только; и 3) иконки как рук, так и ног. Используйте уравновешенный порядок между субъектами. Выберите эти три условия, чтобы определить, что является более эффективным в продвижении физической активности и фитнеса и не слишком требовательным, чтобы вызвать раннюю, неоправданную усталость.
      ПРИМЕЧАНИЕ: Каждая игра была разработана с использованием фаз упражнений рецепта: разминка, кондиционирование и охлаждение. «Пожалуйста, см. таблицу1. Кроме того, был этап отдыха, прежде чем игра начала документировать базовый HR и фазы восстановления после игры, чтобы документировать время, чтобы вернуться к базовому HR.
    5. Разрешить субъектам период отдыха между играми для HR, чтобы вернуться к базовому уровню.
  2. Расчет HRV по данным ЭКГ
    1. Организуйте данные в интервалы времени в 5 минут, чтобы обеспечить сопоставимые данные для каждого этапа. Таким образом, было определено 6 этапов для этих расчетов: 1) Отдых; 2) Разминка; 3) Кондиционирование 1 (первые 5 мин); 4) Кондиционирование 2 (второй 5 мин); 5) Cool-Down (5 мин) и 6) Восстановление. Разделение фазы кондиционирования на две фазы 5 мин позволяет изучить аэробную производительность объекта в более короткие промежутки времени, чтобы объяснить усталость из-за декондиционирования 12 (Таблица4).
    2. Чтобы правильно рассчитать показатели HRV для каждого сегмента сеанса субъекта, выполните r-пиковое обнаружение на необработанном сигнале ЭКГ12,13. Используйте необработанный сигнал, чтобы избежать манипуляций, которые могут исказить данные.
    3. Для обработки данных получите время начала каждого сеанса записи и преобразуйте из переменных «дата времени» (MM/DD/YYYY HH:MM:SS. СС) до секунд. Ни одна из сессий не проходила в течение двух дней, что позволило игнорировать часть MM/DD/YYYY во время этих расчетов. Приобрести время начала игры интерес от таблицы времени, чтобы найти каждую игру сессии в файлэлектрокардиограммы (ЭКГ); это время было преобразовано в секунды после того, как оно было извлечено из файла синхронизации. Файл времени содержал время начала для каждого этапа игры, а также конец периода восстановления(таблица 2).
    4. Рассчитайте период отдыха в качестве 5 минут до начала игры и фазы восстановления в качестве 5 мин после окончания фазы охлаждения. После того, как эти времена были получены, получить расположение (S) игровой фазы интереса в файле ЭКГ через следующее уравнение:
      Equation 1(1)
      где фаза установлена либо отдых, разминка, кондиционирование 1, Кондиционирование 2, Охлаждение, или Восстановление; время было разделено на 1/Частота для учета коэффициента выборки ЭКГ. HR-монитор имел частоту выборки 250 Гц и поэтому содержал меру каждые 4 мс.
      1. Измените это число, изменив частоту выборки с помощью первого запроса из программы Peak-Detection.m для учета использования альтернативных записывающих устройств. Выберите, с каким сегментом 5 мин для работы при запуске программы обнаружения пиков. Это было сделано через запрос для пользователя. Установите время окончания до 5 минут после начала времени и принять частоту записывающего устройства во внимание.
    5. После того, как раздел 5 мин был выбран, вычислите порог для обнаружения пика на основе среднего и стандартного отклонения формы волны.
      1. Установите порог, как, Equation 2 но это может быть увеличено в программе, если данные являются единообразными, чтобы уменьшить ложно-положительное обнаружение от Пиков T, которые выше, чем их соответствующие пики R. Примеры этих ложных срабатываний можно увидеть на рисунке 1.
      2. Наряду с минимальной высотой для пика R, назначить минимальное расстояние между пиками, чтобы свести к минимуму обнаружение неправильных пиков вокруг желаемого R. Установите это значение до 75, которое соответствовало 0,3 с между пиками или 200 ударов в минуту (bpm) (это значение меняется с частота). Значение 200 bpm выше, чем любой HR, достигнутый субъектами в этом исследовании и может быть изменен на основе исследуемого населения.
    6. После того, как порог был рассчитан, пусть программа проходит через форму волны и попытаться различить все R для RR интервал и HRV расчетов. Создайте предварительный участок, чтобы пользователь мог просмотреть его на нарушения, такие как те, которые показаны на рисунке 1 или рисунке2.
      1. Исправьте эти нарушения вручную, редактируя переменную Detection, которая содержит считывание пика в столбце 1 и расположение в текущей игровой сессии (s/0.004) во второй колонке. В большинстве случаев правильные пики R можно легко найти путем увеличения в проблемное место, как видно на рисунке 1. Многие сеансы данных достаточно однородны, как показано на рисунке 3, и поэтому потребуют лишь нескольких исправлений. Некоторые случаи, однако, довольно грязный и требуют больше времени для рассмотрения и получения надлежащего R местах.
      2. Если колебания в волновой форме делают его чрезмерно трудно правильно найти пик, игнорировать небольшие сегменты 1-2 с и атрибут эктопических ударов, которые не используются в расчетах HRV12.
    7. После того, как R были расположены, запустите программу HRV-Measures. Рассчитайте интервалы RR сначала, поскольку они являются основой мер HRV, используемых в данном исследовании12.
      1. Получить матрицу интервалов и игнорировать любой интервал больше, чем 1,5 с (40 bpm), как это было связано с вышеупомянутыми эктопическими ударами удаляются из расчетов. Сохраните эти интервалы RR для дальнейших расчетов и проверки данных. Используйте эти интервалы для расчета исходной средней площади последовательных различий (RMSSD) со следующим уравнением:
        Equation 3RMSSD (2)
        В тех случаях, когда N - Количество RR Интервалов (R-R)i - Интервал между соседними пиками RS (R-R)i'1 - Интервал между последующим набором пиков
    8. Выберите эту переменную, как было показано, что эффективность на интервалы от 1 мин до 24 ч в длину13,14,15,16,17 и поэтому могут быть использованы для оценки этих 5 мин интервалы в фазах игры. Наряду с RMSSD, получить стандартное отклонение интервалов NN для измерения изменений в HR на протяжении фазы14,16,18.
    9. Используйте интервалы RR для расчета NN50, количество интервалов, которые отличаются от предыдущего интервала более чем на 50 мс12, который также был использован на интервалы от одной минуты до 24 ч16,17,19, 20,21.
      1. Рассчитайте переменную NN50 с помощью простой функции подсчета, которая проверяла, является ли разница между последовательными интервалами RR больше 50 мс. После того, как NN50 был получен таким образом, делится на общее количество интервалов для расчета pNN50, который процент интервалов, которые отличаются более чем на 50 ms. Этот расчет позволил измеренные данные, которые будут сравниваться между субъектами, игры, и даже сессий различной длины, как это единица менее переменной13,14, 16 Год , 17.
    10. Рассчитайте среднее длину интервала RR для каждого этапа и предмета в виде отдельной меры HRV16,17,19,22,23,24. Используйте эту меру для расчета среднего HR, разделив средний интервал RR на 60 с. Обе эти меры легко сопоставимы между игровыми сессиями, чтобы наблюдать тенденцию деятельности субъекта16,17,19,22,23, 24.
    11. После того, как эти меры были рассчитаны, вычислить низкочастотной и высокой частоты мощности спектральной плотности (PSD) как для сырья ЭКГ 5-мин интервал и RR интервал матрицы путем получения PSD от Fast-Fourier преобразует13,14 , 17 Лет , 19 лет , 25. Все эти данные затем хранились в таблице, пример которой показан в таблице 4.

2. Получение данных ЭКГ у пациента

  1. Подготовьте ремешок груди монитора HR и модуль Bluetooth для применения к этому вопросу.
    1. Убедитесь, что модуль Bluetooth был полностью заряжен (3 ч) с помощью колыбели заряда.
    2. Подключите модуль к компьютеру данных через колыбель заряда и откройте инструмент конфигурации. Введите имя для целей ведения журнала.
    3. Выберите HR-устройство, щелкните вкладку Time и выберите Установить Дату/Время для синхронизации модула с правильным временем и датой. Теперь устройство можно удалить из колыбели заряда.
    4. Смочите проводящие области (бежевые) на грудном ремешке HR-монитора, поместив руку в воду и протирая проводящие области.
    5. Поместите модуль Bluetooth-мониторHR в ремешок груди с проводящими поверхностями модуля, выстроившихся с теми из ремня груди: он будет щелкать на место.
    6. Нажмите и удерживайте кнопку на модуле до вспышки света. Модуль в настоящее время и записи.
    7. Нанесите на грудную ремешок HR-монитора (с модулем Bluetooth) к игроку с модулем, выровневшимся с левой средней подмышечной линией, и ремешок омичи прямо под грудными мышцами. После правильного расположения, затяните устройство так, чтобы оно не двигалось во время сеанса, но не было неудобно для игрока.
  2. Приобретите сигнал и просмотрите живой канал.
    1. Подключите разъем в USB-порт компьютера, который будет использоваться для просмотра данных.
    2. Откройте программу Live View и введите режим настройки, нажав на значок с гаечным ключом и отверткой.
    3. Выберите игрока из списка, если это необходимо, или добавьте новый предмет с новой кнопкой в левом нижнем углу экрана.
    4. Введите информацию субъекта по желанию для целей идентификации (имя, возраст, пол, рост, вес).
    5. Нажмите на вкладку Hardware и выберите текущий объект.
    6. Нажмите Назначь В нижней части вкладки и выберите текущее устройство (перечисленное как 01, если нет других устройств). Затем нажмите назначать в всплывающем окне.
    7. Нажмите на вкладку команды. Выделите тему, а затем нажмите кнопку правой стрелки, чтобы поместить игрока в командуA.
    8. Нажмите на вкладку Развертывание, а затем переместите вновь созданную команду на первую вкладку.
    9. Откройте вкладку Live Mode, нажав на синий символ Wi-Fi в левом верхнем углу.
    10. Используйте вкладку Live Mode для мониторинга HR, частоты дыхания и осанки предмета в режиме реального времени.
      ПРИМЕЧАНИЕ: Сила сигнала, мощность батареи, и уверенность в мерах также могут быть просмотрены.
    11. Запись точного времени (MM/DD/YYYY HH:MM:SS) начала и окончания каждой сессии и фазы для обработки.
  3. Скачать данные ЭКГ с монитора HR.
    1. Снимите ремень с плеера в конце сеанса и снимите модуль Bluetooth с ремня на груди.
    2. Поместите модуль в колыбель заряда и подключите его к компьютеру с установленной программой.
    3. Откройте журнал.
    4. Выберите устройство из меню выпадения. Все сеансы, которые в настоящее время находятся на устройстве, отображаются с датами и временем.
    5. Отоверьте окно, в которое говорится, что использовать местоположение сохранения по умолчанию и выбрало новое место сохранения.
    6. Нажмите Сохранить. Затем появится панель прогресса. Экономия может занять до часа в зависимости от продолжительности сеанса.
    7. Переименуй дату, как только она была сохранена.

3. Анализ данных и расчет показателей изменчивости сердечного приступа

  1. Подготовка файлов к обработке.
    1. Название ЭКГ-файлов как "KOLLECT"Субъект" AVG4'( например, KOLLECT-01-AVG4.csv').
    2. Создание таблицы синхронизации в формате comma separated (.csv) для рисования данных о времени при обработке данных. На примере правильного формата можно ознакомиться в таблице 1.
    3. Импортируйте данные о времени дат из файла .csv и нажмите правое нажатие на имя недавно созданной переменной и измените ее на'Timing.mat'.
  2. Предварительное обнаружение пика R.
    1. Откройте и запустите Пик и Обнаружение . м.
    2. Введите частоту ЗАПИСывающего устройства ЭКГ по запросу программы.
    3. Введите номер игрока для анализа данных по запросу.
      ПРИМЕЧАНИЕ: Некоторые игроки не завершили активную видеоигру 4 (AVG4), и поэтому только игроки 1-10 используются для этого исследования. Другие номера предоставят сообщение об ошибке.
    4. Введите номер игры, который будет проанализирован (1, 2 или 3) по запросу.
    5. Введите фазу для анализа (Rest, Warmup (WU), Кондиционирование (Con), Отдых или Восстановление).
      1. Введите смещение в течение нескольких минут, если это необходимо, или введите 0 без смещения.
    6. Выберите увеличительное средство и выберите область участка, которая выводится для создания окна шириной около 2000 (s/0.004) и высотой, которая покажет полную форму волны, как показано на рисунке 3. Увеличьте или вытесите, если окно не легко осматривается визуально.
    7. Визуально проинспектируйте график, чтобы оценить, правильно ли помечены обнаруженные пики. См. Рисунок 1, например, неправильно обнаруженных и пропущенных пиков, вызванных нерегулярными данными ЭКГ (рисунок2).
  3. Пик коррекции
    1. Исправьте неправильно обнаруженные или отсутствующие пики, найдя переменную Detection и дважды щелкнув в рабочем пространстве.
    2. Используйте инструмент Data Cursor на участке формы волны ЭКГ для получения координат x и y неправильного пика; X (время) — первая колонка в Detection.mat, а Y (Voltage) — вторая колонка(рисунок 3).
      1. Право нажмите текстовое окно, которое появляется и нажмите Выберите функция обновления cursor.
      2. Выберите TooltipUpdate.m из папки, содержащей файлы, используемые для этого анализа. Это позволит инструментарию отображать более точные значения.
    3. Если точка является ложным срабатыванием, удалите его из массива, нажав на его строку в переменной Detection.mat и нажав Control и ключ минуса. Пример обнаружения ложноположительных данных можно увидеть на рисунке 3.
    4. Отображайте неправильно отмеченные пики, которые примыкают к немаркированным пикам, как показано на двух пиках T, отмеченных как R на рисунке 1, путем изменения их значений в соответствии с значениями немаркированных пиков.
    5. Получить значение пропущенного пика можно с помощью инструмента Data Cursor.
    6. Добавьте дополнительные строки в Detection. коврик с использованием контроля и плюс ключ для пиков пропустили из-за низкого уровня напряжения.
    7. Введите значения в численном порядке, чтобы избежать отрицательных значений в процессе расчета (т.е. добавьте пик, расположенный на 11000 между пиками на 10908 и 11167)(рисунок 5).
    8. Убедитесь, что значения вводятся правильно, прежде чем продолжить через полный сеанс, поскольку числа иногда отрезаются при входе.
    9. Повторите шаг 2.3 до тех пор, пока все пики не будут проверены и/или исправлены.
      ПРИМЕЧАНИЕ: Некоторые файлы имеют ограниченную изменчивость в амплитуде волновой формы и быстрее проверяются, как видно на рисунке 4, в то время как другие являются более переменными и могут потребовать более близкого масштабирования, чтобы точно определить сяосматривание пиков во время визуального осмотра.
  4. Получить расчеты HRV измерения.
    1. Сохранить исходный участок, созданный из Peak-Detection.m для последующей ссылки.
    2. Выполнить HRV-Measures.m для создания правильно обозначенного участка. Образец исправленных данных показан на рисунке 6.
      1. Измените название сюжета, используя Insert Название на окне сюжета и изменение его на желаемое название.
      2. Проверьте окно на наличие вывода, программа уведомит пользователя о неправильно введенных данных о местоположении, если таковые имеются.
    3. Сохранить интервал переменной, названный.
    4. Откройте переменную, озаглавленную HRV из окна Рабочего пространства для просмотра Средней RR (ms), Среднего HR (bpm), RMSSD (ms), SDNN (ms), NN50 (счет), pNN50 (%), низкой частоты (LF)/ высокой частоты (HF) (HCG), LF/HF RR, низкочастотной мощности RR и высокочастотной мощности (RR)). Сохранить значения h этих переменных к таблице, например, той, которая показана в таблице4.
    5. Повторите разделы 3.2 - 3.4 для всех других сегментов, сессий и предметов, которые нуждаются в анализе.

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

Этот метод предоставляет данные для использования при анализе влияния недавно разработанного метода на изменчивость сердечного приступа субъекта (HRV). Он делает это путем размещения R часть формы волны ЗРС данных ЭКГ субъекта, как показано на рисунке 6, и путем расчета различных значений HRV от него. Если HR-монитор делает надлежащий контакт с субъектом, данные будут единообразными, что существенно снижает потребность в коррекции (как видно на рисунке 4).

Пороги должны быть установлены для обработки грязных и нерегулярных данных, как показано на рисунке 1 и рисунке 2. Если данные достаточно изменчивы из-за сиюминутных изменений в контакте кожи HR-монитора, первоначальный анализ может неправильно маркировать пики, как показано на рисунке 3. Эта ошибка может быть исправлена путем ручной коррекции значений или ввода дополнительных точек данных, как это объясняется в разделе 3 протокола. Изменение пороговых уровней и минимального времени между пиками также может помочь очистить значения обнаружения и создать скорректированный участок, такой как рисунок 6 с рисунка 5.

После получения и анализа данных на предмет расхождений их можно использовать для расчета значений HRV для статистического анализа. Анализ данных ЭКГ может быть использован для количественной оценки наблюдений, сделанных во время сессий для целей оценки.

Figure 1
Рисунок 1 . Представительный график непрерывного HR (y-axis) в МВ во времени (x-оси в s) для предмета 1 игры 3 во время сеанса разминки, представляющего "грязные" данные. Грязные данные: В этом разделе Пики R меньше, чем часть Волны T. Это может вызвать проблемы с обнаружением пика.

Figure 2
Рисунок 2 . Пример некоторых электрокардиограмм (ЭКГ) нерегулярных моделей формы волны. Нерегулярные шаблоны формы волны: Изменения в контакте с субъектом из-за движения могут вызвать колебания напряжения, уменьшающие однородность волновой формы. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Figure 3
Рисунок 3 . Пример выхода электрокардиограммы (ЭКГ) с неправильно обозначенным пиком HR Неправильно приклеенный пик. В верхней части фигуры всплеск напряжения вызывает часть волновой формы, которая должна быть обнаружена как соответствующая шаблону R. Это также может привести к тому, что близлежащие R-шаблоны будут проигнорированы из-за близости, такой как выделенный на (9924, 2074).

Figure 4
Рисунок 4 . Представительный график непрерывной HR (y-оси) в МВ) во времени (x-оси в s) чистой электрокардиограммы (ЭКГ) волновой формы. Чистая волна: пример раздела единых данных ЭКГ с относительно ровным уровнем волны и напряжения.

Figure 5
Рисунок 5 . Представительный график непрерывного HR (y-оси) в мВ во времени (x-оси в s) сырой электрокардиограммы (ЭКГ) до очистки. Данные до очистки: показан 30-секундный сегмент данных ЭКГ из предмета 01 Game 3 на этапе кондиционирования. Некоторые пики были пропущены, а некоторые неправильно помечены из-за высокой изменчивости напряжения. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Figure 6
Рисунок 6 . Представительный график непрерывного HR (y-оси) в мВ во времени (x-оси в s) сырой электрокардиограммы (ЭКГ) после обучения. Очистка почты данных: те же 30 сек данных ЭКГ из subject 01 Game 3 после того, как они были должным образом помечены как описано в разделе 3 протокола. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Фазы Время Зона THR Особенности игры
Отдыха 5 мин. Базовый отдых Na
Разминка 5 мин. 40-60% мч.р. 4 объекта и 4 опасности; более низкая скорость
Кондиционирования 10 мин. 60-80% мч/ч 8 объектов и 0 опасностей; более быстрая скорость
Охлаждение вниз 5 мин. 40-60% мч.р. 4 объекта и 4 опасности; более низкая скорость
Восстановления 5 мин. Базовый отдых Na
KEY: THR - целевая частота сердечных приступов;  NA - Не применимо

Таблица 1. Активные фазы видеоигр (AVG). KEY: Целевая частота сердечных приступов (THR); NA (Не применимо).

Тема Средняя Игра Разминка Запуск Начало кондиционирования Начало охлаждения Начало восстановления
(MM/DD/YyYy) (MM/DD/YyYy) (MM/DD/YyYy) (MM/DD/YyYy)
(HH:MM:SS) (HH:MM:SS) (HH:MM:SS) (HH: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

Таблица 2. Сроки файлА KEY: AVG - Активная видеоигра

Id-AVG-Игра AVNN (ы) Avg HR (bpm) RMSSD (ms) SDNN (ms) NN50 pNN50 (%) LF / HF (ECG) LF / HF (RR) LFP (RR) HFP (RR)
03-AVG4-G1-Rest 719.875 83.347 29.827 55.604 35 лет 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 До 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 Для того, 8 1.413 1.192 0,826 0,118 0,143
03-AVG4-G1-Cool 597.019 100.499 31.806 41,96 16 Год 3.181 1.281 0,712 0,120 0,169
03-AVG4-G1-Восстановление 665.511 90.156 Г. 42.136 70.698 57 12.639 1.301 0,636 0,122 0,191
AVNN - Средний NN Интервал; Avg HR - Средняя частота сердечных приступов; RMSSD - Коренная средняя площадь последовательных различий; SDNN - Стандартное отклонение NN Интервал; NN50 - Количество NN Интервалы pNN50 - % интервалов NN LF - низкочастотная мощность; HF - высокочастотная мощность; LF/HF - Низкая частота - высокочастотное соотношение.  bpm и удары в минуту; мс и миллисекунды; ЭКГ - Электрокардиограмма, которая содержит комплекс ЗРС;  RR - где R - это точка, связанная с пиком комплекса ЗРС волны ЭКГ, а RR - это интервал между последовательными точками R;

Таблица 3. Вариативность сердечного приступа (HRV) Данные для предмета 03 Игра 01

Таблица 4. Описательная статистика мер по вариативности сердечного приступа для различных фаз упражнений для каждой игры, пожалуйста, нажмите здесь, чтобы загрузить эту таблицу. 

Гендерного Уровень GMFCS Клиническая диагностика Расстройство движения Доминирующая сторона Высота (см) Вес (кг) ИМТ (кг/м2) ИМТ-процентиль
Мальчик 2 диплегия Дистония Правильно 161.20 47.60 Для 18.32 Для того, чтобы 17.00 (17.00)
Мальчик 3 диплегия Spasticity Левой 141.17 49.20 04.04.20.20. 24.70 02.04.03.201 95.00 До 20.00
Мальчик 2 левой гемиплегии Spasticity Правильно 165.80 50.50 Для того, чтобы 18.40 Для того, чтобы 13.00 До 13.00
Мальчик 3 диплегия Spasticity Правильно 154.30 (154.30) 57.00 До 17.00 23.90 03.03.20.201 83.00 (03.00)
Девушка 2 левой гемиплегии Spasticity Правильно 161.20 60.30 Для того, чтобы 22.86 71.00 07.06.2017
Девушка 2 левой гемиплегии Spasticity Правильно 146.40 (146.40) 40.80 04.04.03.20. 19.00 До 19.00 30.00 До 10.00
Девушка 2 право гемиплегии Spasticity Левой 154.60 64.00 04.00 26.80 02.08.20.201 85.00 (05.00)
Девушка 3 левой гемиплегии Spasticity Правильно 166.10 61.20 Г. 22.20 02.03.2016 По с 42.00 До 14.00
Мальчик 2 левой гемиплегии Spasticity Правильно 168.10 49.70 09.70 03.04.2 17.60 Для того, чтобы 51.00 До 10.00
Мальчик 3 диплегия Spasticity Правильно 135.00 (135.00) 29.80 Для того, чтобы 16.00 До 16.00 43.00 До 15.00
KEY: GMFCS- система классификации валовых моторных функций;  ИМТ- Индекс массы тела

Таблица 5. Демография пациентов

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

Десять молодых людей с CP приняли участие в этом исследовании (средний SD) Возраст (yrs) - 15,53 и 3,57; высота (см) 154,8 й 12,6; вес (кг) 50,69 - 11,1; индекс массы тела (ИМТ) 50,46 - 29,2; мHR 9 бм) Пожалуйста, см. Таблица 5 для пациентов демографии.

Есть некоторые соображения для использования HR-мониторов и связанных с этим мер HR и HRV, которые связаны с модификациями и устранением неполадок. Две проблемы, которые очевидны, независимо от технологии, используемой для получения данных: 1) артефакты движения и 2) эктопические удары. Проблемы, возникающие в связи с артефактами движения и эктопическими ударами, как правило, решаются через пост-обработку деятельности после приобретения интервала RR12,13,18,22 , 26. Слежение за постобработкой манипуляций требует рассмотрения временных флюктов в HR, которые подчеркивают респираторные синусовые арритмии, а также расчет нормализованных значений HRV, чтобы дифференциации могли быть сделаны между физиологически и математически опосредовано изменения в HRV13,27,29.

Ограничения в измерениях HRV были первоначально определены с применением методов спектрального анализа (т.е. частотных показателей домена)13,27,29. Существуют физиологические соображения, которые включают респираторные аритмии, сердечно-сосудистые дрейф, состояние гидратации и факторы окружающей среды (например, температура, жара, холод, высота), которые связаны с повседневными колебаниями в HR27 ,29. Математические соображения включают в себя временные меры домена (например, SDNN, r-MSSD, индекс pNN-50), а также недавнее включение нелинейных методов динамического анализа13,27,29. Чтобы правильно интерпретировать различные меры HRV мы должны рассмотреть вопрос о том, тело находится в состоянии покоя или стресса. Обычно мы ожидаем парасимпатического влияния, когда тело отдыхает, что увеличение изменчивости в ответах и приводит к более высокой HRV в то время как во время стресса мы ожидаем симпатической влияний, которые уменьшают изменчивость и имеют более низкие меры HRV. Ограничения в измерениях HRV могут влиять на гипотезу вегетативного баланса точности, связанную с соотношением LF/HF. Эта гипотеза предполагает, что симпатической нервной системы и парасимпатической нервной системы находятся в конкуренции для регулирования SA узла стрельбы. Авторы отмечают, что соотношение LF/HR следует интерпретировать с осторожностью, отмечая при этом контекст получения информации, а также пересмотра значений LF и HF. Что касается применения соотношения LF/HF к играм AVG в краткосрочных эпизодах HR измерений и HRV, то высокое соотношение LF/HF может указывать на более высокую симпатическую активность, которая может наблюдаться при выполнении задачи, требующей усилий и увеличивает симпатическое отношение активация нервной системы35.

Важно использовать оптимальные меры для определения аэробной производительности и способности молодежи с CP для изучения соответствующего дозирования вмешательства и эффективности6,11. Клинические стандарты ухода чаще всего включают измерение HR для определения дозирования вмешательства (интенсивность)6,11. Однако присущая вариативность в HR меры затрудняют определение фактической workoad в аэробной подготовки12,13,22,27. Таким образом, эта методология расчета HRV из данных ЭКГ с помощью HR-монитора обеспечивает более точную меру для оценки результатов вмешательства27,28. Кроме того, меры HRV предоставляют новую информацию о вегетативных реакций нервной системы, адаптации и восстановления во время упражнения AVG12,13,29,34,35 . Мы считаем, что применение мер HRV во время короткого упражнения durration может предоставить информацию о совершенствовании физиологических систем на основе работы Керпперс и коллег с короткой продолжительностью32.

Здесь отмечены важные приложения, которые мы сделали по сравнению с существующими приложениями мониторинга HR и МЕР HRV во время выполнения упражнений. Эта методология позволяет пользователю извлекать RR интервалы и HRV меры из ЭКГ волновые формы во время игровых физических нагрузок в молодости с CP. Метод в настоящее время адаптирован к AVG сессий в конкретной игре, но может быть легко адаптирована к другим протоколам и ЭКГ устройств для будущих экспериментов. В тех случаях, когда данные являются однородными и устройство записи ЭКГ хорошо приспособлены к объекту съемки, этот протокол позволит быстро обрабатывать данные с минимальным входом от пользователя. Однако в случае неоднородных данных с большими отклонениями в амплитуде сигнала протокол потребует от пользователя ввода для правильной маркировки пропущенных пиков и удаления ложных срабатываний из набора данных. В будущем этот метод может быть усовершенствован с помощью более надежного метода обнаружения для уменьшения помощи пользователям для обнаружения пика и коррекции (например, нелинейные методы динамического анализа29).

На протяжении всего выполнения протокола важно, чтобы были выполнены следующие критические шаги. Важно обеспечить высокий уровень достоверности сигналов на протяжении всего сеансов сбора данных, чтобы сократить требуемое время обработки и пиковой коррекции. Это может быть улучшено, гарантируя, что устройство записи ЭКГ делает надлежащий контакт с предметом до каждой сессии. Важно также, чтобы проводящие контакты влажные во время сессий, которые могут быть сделаны путем повторного увлажнения диктофон перед каждой сессией. Кроме того, после сбора данных, пост-обработка деятельности необходимо решать методологические соображения с временем доменных мер, частотных показателей домена, нелинейный динамический анализ, а также расчет нормализованных значений HRV, чтобы различать между физиологически производными и математически опосредованным изменениями в HRV12,13,29.

Рассмотрение будущей работы включает применение измерений HRV для детей и взрослых, участвующихв физически сложных видах деятельности различной интенсивности и положения тела 6,7,8, 9,10,17,23,26,29, когнитивно сложные игры и умственная нагрузка24,25, 26,27, виртуальный и моделирования типа опытом, оценка перетренированности23,31, качество сна оценки13,26,27 , 31, хроническая усталость, физическое истощение и боеготовность31, а также неаправной связи между HR и мозгом в отношении просоциального поведения30.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

На данный момент авторам (CL и PAS) нечего раскрывать. Д-р О'Нил является соучредителем enAbleGames, LLC и Kollect является одной из игр, предлагаемых этой веб-компании. enAbleGames находится в стадии разработки игры и в настоящее время не является публичной компанией (www.enAbleGames.com).

Acknowledgments

Авторы благодарят участников и членов их семей за то, что они приложили время и усилия, затраченные на участие в исследовании. Кроме того, авторы признают д-р Yichuan Лю и д-р Гасан Аяз за их помощь в расчете сроков мониторинга HR и д-р Пол Diefenbach для разработки программного обеспечения KOLLECT Active Video Gaming. Финансирование этой работы было предоставлено Фондом Коултера Гранты #00006143 (O'Neil; Дифенбах, ИП) и#00008819 (О' Нил; Дифенбах, ИП).

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).
Расчет изменчивости сердечного приступа с помощью данных ЭКГ от молодежи с дцпподого во время активных сеансов видеоигр
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