Login processing...

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

Behavior

Aktif video oyun oturumları sırasında serebral palsi ile gençlerin EKG verilerinden kalp hızı değişkenliğinin hesaplanması

doi: 10.3791/59230 Published: June 5, 2019

Summary

Bu protokol, kalp hızı değişkenliğini (HRV) elektrokardiyogram (EKG) dalga formlarından hesaplamak için bir yöntem açıklanmaktadır. Aktif video oyunu (AVG) oturumları sırasında sürekli kalp hızı (hr) kayıtlarından dalga formları serebral palsi (CP) ile gençlerin aerobik performansını ölçmek için kullanılmıştır.

Abstract

Bu çalışmanın amacı, kalp hızı değişkenliğini (HRV) elektrokardiyogram (EKG) dalga formlarından hesaplamak için bir yöntem oluşturmadır. Dalga formları, katılımcılar (serebral palsi (CP) ile gençlik) aktif video oyunu (AVG) oturumları sırasında giydiği bir HR monitörü tarafından kaydedildi. AVG oturumları, katılımcılara fiziksel aktivite ve Fitness (aerobik performansı) tanıtmak için tasarlanmıştır. Amaç, AVGs 'in fizibilitesini fizyoterapi (PT) müdahale stratejisi olarak değerlendirmektir. Her katılımcı için maksimum HR (mHR) belirlendi ve hedef kalp hızı bölgesi (THRZ), 20 dakika AVG oturumunda üç egzersiz aşamasının her biri için hesaplanır: (% 40-60 mHR 'de ısınma,% 60-80 mHR 'de klima ve% 40-60 mHR 'de soğuması). Her katılımcı AVG oturumunda 3 20 dk oyunları oynadı. Tüm Oyunlar CP ile birçok gençlik uzun süre dayanamaz çünkü bir bankta otururken oynandı. Her oyun koşulu sadece el simgeleri kullanarak katılımcılar ile farklı, el ve ayak simgeleri birlikte veya ayak simgeleri sadece nesneleri toplamak için. Oyunun amacı (KOLLECT denilen) puan kazanmak ve puan kaybetmek değil tehlikeleri önlemek için nesneleri toplamak için. Isınma ve soğutmaya yönelik fazlar sadece hedef kalp hızı bölgesinde (THRZ) HR korumak için daha yavaş, kontrollü hareket tanıtmak için tehlikeler kullanılmıştır. Daha yüksek seviyeleri ve daha yoğun fiziksel aktivite tanıtmak için klima aşamasında herhangi bir tehlike vardı. EKG verilerinden, aerobik iş yükünü incelemek için HRV (seçilen zaman alanı ve frekans etki alanı önlemleri) oluşturmak için analitik yöntemler kullanılmıştır. HRV son uygulamalar kısa vadeli ölçümler (5 dakika nöbetleri) uygun olduğunu ve HRV biofeedback belirtileri ve sağlık koşullarında çeşitli yaşam kalitesini iyileştirmek yardımcı olabilir gösterir. HR, PT girişimlerinde aerobik performansını ve yoğunluğunu incelemek için iyi kabul görmüş bir klinik önlem olmasına rağmen, AVG oturumları sırasında otonjik sistem fonksiyonları, kurtarma ve adaptasyon bilgilerini sağlayabilir.

Introduction

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

Serebral palsi (CP) çocukluk çağında en yaygın fiziksel engeldir1. CP gelişmekte olan beynin nörolojik bir hakaret neden olur ve kas zayıflık gibi motor bozuklukları ile ilişkilidir, spastisite, deconditioning, ve azalma motor kontrolü ve denge2,3. CP ilerici olmayan bir durumdur, ancak yaş, çocuklar daha az fiziksel olarak aktif ve daha fazla sedanter tipik gelişimi ile eşlerine kıyasla (TD) çoğunlukla nedeniyle onların tehlikeye nöromüsküler üzerinde büyüme artan talepleri ve Kas-iskelet sistemleri4.

CP ile gençlik genellikle fonksiyonel hareketlilik geliştirmek için fiziksel terapi (PT) hizmetleri almak ve fiziksel aktivite ve fitness teşvik (örneğin aerobik ve Kas dayanıklılık)2. Oftentimes, PT Hizmetleri ve topluluk kaynaklarına ulaşmak ve bu PT hedefleri5,6sürdürmek için sınırlı erişim vardır. Aktif video oyunları (AVGs) klinik, ev veya topluluk ayarları7,8aktivite tabanlı PT müdahalelerde uygulanabilir bir strateji olabilir. Ticari AVGs oyun uyum ve CP9ile gençlik için özel IHTIYAÇLARı ve PT hedefleri karşılamak için sınırlı esneklik vardır. Ancak, özelleştirilmiş AVGs fiziksel aktivite ve fitness10TEŞVIK ederken CP ile gençlik meydan esnek oyun parametreleri sağlar.

Ekibimiz, gençlik egzersizi yanıtlarını (örn. fiziksel aktivite ve aerobik Fitness) incelemek için özelleştirilmiş bir AVG (KOLLECT olarak adlandırılır) geliştirdi. Oyun oyun sırasında gençlik hareketini izlemek için bir hareket sensörü kullanır. Oyunun amacı, yüksek bir puan için mümkün olduğunca çok sayıda nesne toplamak ve puan kaybetme önlemek için tehlikeleri önlemek için. Nesneler, esnek oyun parametrelerinde terapist tarafından belirlenen el ve/veya ayak simgeleri ile toplanabilir.

Aerobik Fitness teşvik etmek için doz fiziksel aktivite yoğunluğu, CP11ile gençlik için önemlidir aktıvıte tabanlı PT girişimler tasarlama. Özel AVGs yoğunluk doz ve fitness teşvik etmek için fiziksel aktivite gençlik meşgul etkili bir strateji olabilir10. Kalp hızı (HR) monitörler genellikle klinik PT uygulamada aerobik performans ve aktivite yoğunluğu belirlemek için kullanılır. Bu nedenle, HR monitörler Aerobik Fitness teşvik etmek için fiziksel aktivite yoğunluğu dozlama AVGs fizibilite belirlemek yardımcı olacaktır9. Bir HR monitörden oluşturulan EKG verileri, kalp hızı değişkenliğini (HRV) hesaplamak için kullanılabilir. Aerobik iş yükünü incelemek için EKG verilerinden HRV üretmek için analitik yöntemler kullanılmıştır. HRV son uygulamalar kısa vadeli ölçümler (5 dakika nöbetleri) uygun olduğunu ve HRV biofeedback sağlık koşullarında çeşitli belirtiler ve yaşam kalitesini artırmak yardımcı olabilir gösterir32,33,34 . Kısa süreli HRV önlemlerinin uygulanması, AVG oturumları sırasında kardiyovasküler fonksiyonun değerlendirilmesi için uygun bir araç olur. HRV 'nin bir EKG 'nin R-R aralığından türetildiği göz önüne alındığında, seçilen zaman alanı ve frekans etki alanı önlemlerini kullandık. HRV 'nin zaman alan ölçümü, ardışık kalp atışı arasındaki süreyi temsil eden interbeat aralıklarla kestirilmesi miktarını ölçmek. Biz AVNN (ortalama NN aralığı), RMSSD (ardışık farklılıklar kök ortalama kare), SDNN (NN aralığı standart sapması), NN50 (nn aralıkları sayısı > 50 MS) ve PNN50 (NN aralıkları yüzdesi) kullanılır. Frekans etki alanı önlemleri büyük olasılıkla dört frekans bantları içine mutlak veya göreceli güç dağıtımının tahmin, biz özellikle iki bantları, düşük frekans (LF) güç ve LF/HF oranı ile birlikte yüksek frekans (HF) güç ele. HR iyi kabul edilen bir klinik tedbir olmasına rağmen, HRV, otonjik sistem fonksiyonu, kurtarma, adaptasyon hakkında bilgi sağlar ve bir AVG oturumu28sırasında aerobik iş yükü tahmin sağlar çünkü yararlı olabilir.

Bu çalışmanın amacı, fiziksel aktivite ve fitness teşvik AVG stratejileri kullanarak fizibilite incelemek oldu. İkinci amaç, AVG veri toplama protokolünü ve bir HR monitörü ile elde edilen EKG verilerinden HRV hesaplamak için metodoloji sunmak oldu. Bu önlemler ve bu protokol, klinisyenler için PT müdahale oturumları izlemek ve doz ilgili olabilir.

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

Kurumsal Inceleme Kurulu onayı alındı. Tüm Gençlik ve ebeveynlere katılım önce onay sağlanan yazılı güvence sağladı.

1. AVG veri toplama oturumları

  1. AVG oyun oturumu
    1. Bu çalışmada, CP ile gençlik 3 20 dk oyunlarından oluşan bir AVG oturumuna katılır. Bkz. Tablo 5 gençlik demografi için. Toplam 30 oyun çalınacak bekleniyordu; Ancak, bir konu sadece onun AVG oturumunda 2 oyun oynadı çünkü 29 Oyunlar tamamlanmıştır.
    2. IK ve EKG yanıtlarını kaydetmek için oturum boyunca konularda bir HR monitörü giyebilir.
    3. AVG oturumunda, gençlik her AVG oynamak var ayak düz zemin ve diz ve kalça ile bir tezgah üzerinde otururken 90 derece (90/90 oturma) postural destek ve istikrar için esnek.
    4. Koleksiyon nesneleri için aşağıdaki üç oyun koşullarını kullanın: 1) yalnızca el simgeleri; 2) ayak simgeleri sadece; ve 3) hem el hem de ayaklar simgeleri. Konular arasında karşı dengeli bir sipariş kullanın. Fiziksel aktivite ve fitness teşvik daha etkili olduğunu belirlemek için bu üç koşulları seçin ve çok erken, gereksiz yorgunluk neden talep değil.
      Not: her oyun egzersiz reçetesi aşamaları kullanılarak tasarlanmıştır: ısınma, Klima ve serin-aşağı. [Lütfen Tablo 1] konusuna bakın. Ayrıca, oyun öncesi temel HR belgesini almaya başlamadan önce bir dinlenme aşaması vardı ve oyun bittikten sonra bir kurtarma aşaması, baz HR 'e geri dönmek için zaman belgelemek için başladı.
    5. Konular, HR için oyunlar arasında bir dinlenme süresi temel düzeye dönmek için izin verin.
  2. EKG verilerinden HRV hesaplanması
    1. Her aşama için karşılaştırılabilir verileri sağlamak üzere verileri 5 dk zaman aralıklarında düzenleyin. Bu nedenle, bu hesaplamalar için tanımlanan 6 faz vardı: 1) Rest; 2) ısınma; 3) Klima 1 (ilk 5 dakika); 4) Klima 2 (ikinci 5 dk); 5) cool-down (5 dk) ve 6) kurtarma. Klima aşamasının iki 5 dk. aşamasına bölünmesi, konu aerobik performansının daha kısa aralıklarla incelenmesine izin veren 12 ' ye bağlı yorgunluk nedeniyle yorgunluğu dikkate alır (Tablo 4).
    2. Bir konunun oturumunun her segmenti için HRV önlemlerini düzgün bir şekilde hesaplamak için RAW EKG sinyali12,13' te R-Peak algılaması gerçekleştirin. Verileri eğriltme manipülasyonları önlemek için ham sinyali kullanın.
    3. Verileri işlemek için her kayıt oturumunun başlangıç saatlerini edinin ve ' DateTime ' değişkenlerinden (AA/GG/YYYY HH: DD: SS. SS) saniye. Bu hesaplamalar sırasında MM/DD/YYYY bölümünün göz ardı edilmesine izin verilen iki gün boyunca oturumların hiçbiri gerçekleşmedi. Elektrokardiyogram (EKG) dosyası içinde her oyun oturumunu bulmak için zamanlama tablosundan ilgi oyunun başlangıç saatini edinin; Bu süre, zamanlama dosyasından ayıklandıktan sonra saniyeye dönüştürülmüştür. Zamanlama dosyası, oyun her aşaması için başlangıç süreleri yanı sıra kurtarma dönemi (Tablo 2) sonuna dahil.
    4. Dinlenme süresini, oyun başlangıcına 5 dakika önce ve dolum süresi bitişi 5 dakika olarak kurtarma aşamasına kadar hesaplayın. Bu kez elde edildi sonra, aşağıdaki denklem aracılığıyla EKG dosyası içinde ilgi oyun aşaması konumunu (S) elde:
      Equation 1(1)
      Faz Rest, ısınma, Klima 1, Klima 2, dolum süresi veya kurtarma olarak ayarlanır; EKG numune hızı için zaman 1/frekansa bölünmüştür. HR monitör 250 Hz bir örnekleme oranı vardı ve bu nedenle her 4 MS bir ölçü içeriyor.
      1. Bu sayıyı, diğer kayıt cihazlarının kullanımını hesaba eklemek için Peak_Detection. m programından ilk istem ile örnekleme hızını değiştirerek değiştirin. En yüksek algılama programını çalıştırırken hangi 5 dk segmente çalışacağı seçin. Bu kullanıcıya bir istem aracılığıyla yapıldı. Bitiş saatini başlangıç saatinde 5 dakika olarak ayarlayın ve kayıt cihazının sıklığını dikkate alın.
    5. 5 dk bölümü seçildikten sonra, dalga formunun ortalama ve standart sapmasını temel alan en yüksek algılama için bir eşik hesaplayın.
      1. Eşik olarak Equation 2 ayarlayın ancak veri kendi karşılık gelen R doruklarına daha yüksek T doruklarından yanlış pozitif algılama azaltmak için uniform ise bu programda artırılabilir. Şekil 1' de bu yanlış pozitibi örnekleri görülebilir.
      2. R tepesi için minimum yükseklikle birlikte, istenen R 'nin çevresindeki yanlış zirvelerin algılanmasını en aza indirmek için zirveler arasında en az bir uzaklık atayın. bu değeri 75 için,% 200 0,3 ' e bağlı olan en az (BPM) (Bu değer ile değişir frekans). 200 BPM 'nin değeri, bu çalışmada bulunan konularda elde edilen herhangi bir HR 'den daha yüksektir ve incelenmekte olan nüfusun temelinde değiştirilebilir.
    6. Eşik hesaplandıktan sonra, program dalga formu ile çalışacak ve RR aralığı ve HRV hesaplamaları için tüm R 's ayırt girişiminde izin. Kullanıcı Şekil 1 veya Şekil 2' de gösterildiği gibi düzensizlikler için gözden geçirmeniz için bir ön çizim oluşturun.
      1. Bu düzensizlikleri, sütun 1 ' de en yüksek olan Mikrovolt (μV) okuması ve ikinci sütundaki geçerli oyun oturumunda (s/0.004) konumu içeren algılama değişkenini düzenleyerek el ile düzeltin. Çoğu durumda uygun R zirveleri, Şekil 1' de görüldüğü gibi sorun konumuna yakınlaştırarak kolayca bulunabilir. Birçok veri oturumları Şekil 3 ' te gösterildiği gibi oldukça üniforma ve bu nedenle sadece birkaç düzeltmeler gerektirir. Bazı durumlarda, ancak oldukça dağınık ve incelemek ve uygun R konumları elde etmek için daha fazla zaman gerektirir.
      2. Eğer dalga dalgalanmaları düzgün bir zirve bulmak için aşırı zor yaparsanız, küçük segmentleri görmezden ~ 1-2 s ve HRV hesaplamalar12kullanılmaz ektopik Beats için öznitelik.
    7. R 's bulunduktan sonra, HRV_Measures programını çalıştırın. Bu çalışmada kullanılan HRV önlemlerinin temeli olarak ilk olarak RR aralıklarını hesaplayın12.
      1. Aralıkları bir matris elde ve 1,5 s (40 BPM) daha büyük herhangi bir aralığı yoksay hesaplamalardan kaldırılmış olduğu bahsedilen ektopik Beats nedeniyle olduğu gibi. Verilerin hesaplanması ve doğrulanması için bu RR aralıklarını kaydedin. Aşağıdaki denklemle art arda farklılıklar (RMSSD) kök ortalama Meydanı hesaplamak için bu aralıkları kullanın:
        Equation 3RMSSD = (2)
        Nerede N = RR aralıkları sayısı (R-R)i = komşu QRS doruklarının (R-r)ı + 1 arasındaki Aralık = sonraki zirveler kümesi arasında Aralık
    8. Uzunluğu13,14,15,16,17 ve bu nedenle bu 5 dk değerlendirmek için kullanılabilir 1 dk 24 h arasında değişen aralıklarla etkili olduğu gösterilmiştir olarak bu değişkeni seçin oyun aşamalarında aralıkları. Rmssd ile birlikte, evre14,16,18boyunca HR değişiklikleri ölçmek için nn aralıkları standart sapması elde.
    9. NN50 hesaplamak için RR aralıkları kullanın, daha fazla 50 ms12 daha önceki aralıktan farklı aralıklar sayısı bir dakika arasında değişen aralıklarla kullanılmıştır 24 h16,17,19, 20,21.
      1. NN50 değişkenini, ardışık RR aralığı uzunlukları arasındaki farkın 50 MS 'den büyük olup olmadığını kontrol eden basit bir Count işlevi aracılığıyla hesaplayın. bu şekilde NN50 elde edildikten sonra, pNN50 hesaplamak için toplam aralığa göre Böl 50 MS 'den fazla farklılık gösteren aralıkların yüzdesi bu hesaplama, birim daha az değişken13,14 olduğu için ölçülen verilerin konular, Oyunlar ve hatta değişen uzunlukları arasında karşılaştırılmasına izin verdi 16 , 17 yaşında.
    10. Her faz ve konu için Ortalama RR aralığı uzunluğunu ayrı bir HRV ölçümü olarak hesaplayın16,17,19,22,23,24. Ortalama RR aralığını 60 s 'ye bölerek Average HR 'yi hesaplamak için bu ölçümü kullanın. Bu tedbirlerin her ikisi de, konunun aktivitesinin trendini gözlemlemek için oyun oturumları arasında kolayca karşılaştırılabilir16,17,19,22,23, 24oldu.
    11. Bu önlemler hesaplandıktan sonra, Hızlı Fourier dönüşümlerinden PSD 'yi elde ederek, 5-min aralığı ve RR aralığı matrisinin ham EKG 'si için düşük frekans ve yüksek frekanslı güç spektral yoğunluğu (PSD) hesaplayın13,14 , 17 , 19 , 25. tüm bu veriler daha sonra bir tabloda, Tablo 4' te gösterilen bir örnek saklanır.

2. hastanın EKG verilerini edinme

  1. IK monitörü göğüs askısı ve Bluetooth modülünü konuya uygulama için hazırlayın.
    1. Şarj yuvasını kullanarak Bluetooth modülünün tamamen şarj edilmiş olduğundan emin olun (3 saat).
    2. Modülü Şarj beşiği üzerinden veri bilgisayarına takın ve yapılandırma aracını açın. Günlüğe kaydetme amacıyla bir ad girin.
    3. HR aygıtını seçin, zaman sekmesini tıklatın ve modülü doğru saat ve tarihe eşitlemek için Tarih/saat kümesini seçin. Cihaz artık şarj beşiğinden kaldırılabilir.
    4. Su içine bir el koyarak ve iletken alanları ovuşturarak HR monitör göğüs askısı iletken alanları (bej) nemlendirin.
    5. HR monitörü Bluetooth modülünü, göğüs kayışı ile sıralı modülün iletken yüzeyleri ile göğüs kayışının içine yerleştirin: yerine tıklayacaktır.
    6. Işıklar yanıp sönene kadar modüldeki düğmeyi basılı tutun. Modül şimdi ve kayıt.
    7. HR monitör göğüs askısı (Bluetooth modülü ile), modülün sol orta aksiller hattı ve pektoral kasların hemen altında kayış ile hizalanan oyuncu için uygulayın. Bir kez düzgün konumlandırılmış, böylece oturum sırasında hareket edecek ama oyuncu için rahatsız değildir cihazı sıkın.
  2. Bir sinyal edinin ve canlı yayını görüntüleyin.
    1. Bağlayıcıyı, verileri görüntülemek için kullanılacak USB bağlantı noktasına takın.
    2. Canlı görünüm programını açın ve anahtar ve tornavidayı içeren simgeyi tıklayarak Kurulum moduna girin.
    3. Uygunsa listeden bir oyuncu seçin veya ekranın sol alt köşesindeki Yeni düğmeyle yeni bir konu ekleyin.
    4. Tanımlama amaçları (ad, yaş, cinsiyet, yükseklik, ağırlık) için konu bilgilerini istediğiniz gibi girin.
    5. Donanım sekmesine tıklayın ve geçerli konuyu seçin.
    6. Sekmenin altındaki ata 'yı tıklatın ve geçerli aygıtı seçin (başka aygıt yoksa 01 olarak listelenir). Sonra açılır kutuda ata 'yı tıklatın.
    7. Takım sekmesini tıklatın. konuyu vurgulayın ve ardından oyuncunun A takımınayerleştirmek için sağ ok düğmesini tıklatın.
    8. Dağıtım sekmesini tıklatın ve sonra yeni oluşturulan takım ilk sekmeye taşıyın.
    9. Sol üst köşedeki mavi Wi-Fi sembolünü tıklatarak canlı mod sekmesini açın.
    10. Gerçek zamanlı olarak ık, solunum hızı ve konunun duruş izlemek için canlı mod sekmesini kullanın.
      Not: sinyal gücü, pil gücü ve tedbirlerin güveni de görülebilir.
    11. Kayıt doğru zamanlama (AA/GG/YYYY HH: DD: SS) başlangıç ve bitiş her oturum ve faz işleme için.
  3. EKG verilerini HR monitörden indirin.
    1. Oturumunuzun sonunda oynatıcının kemerini çıkarın ve Bluetooth modülünü göğüs kayışından çıkarın.
    2. Modülü şarj yuvasına yerleştirin ve yazılım programı yüklü olan bir bilgisayara takın.
    3. Günlüğü açın.
    4. Açılır menüden cihazı seçin. Şu anda cihazda bulunan tüm oturumlar tarihler ve saatler ile görüntülenir.
    5. Varsayılan kaydetme konumunu kullan ve yeni bir kaydetme konumu seçtiğini belirten kutunun işaretini kaldırın.
    6. Kaydet'e tıklayın. Daha sonra bir ilerleme çubuğu görünecektir. Kaydetme, oturumun uzunluğuna bağlı olarak bir saate kadar sürebilir.
    7. Kaydedildikten sonra tarihi yeniden adlandırın.

3. kalp hızı değişkenlik ölçümlerinin veri analizi ve hesaplanması

  1. Dosyaları işleme için hazırlayın.
    1. EKG dosyalarını ' KOLLECT_Subject # _AVG4 ' (örn., KOLLECT_01_AVG4. csv ') olarak adlandırın.
    2. Veri işleme sırasında zamanlama verilerini çizmek için virgülle ayrılmış değişken (. csv) biçiminde bir zamanlama tablosu oluşturun. Doğru biçime örnek için Tablo 1 ' e bakın.
    3. . Csv dosyasından tarih-saat verilerini içe aktarın ve yeni oluşturulan değişkenin adını sağ tıklatın ve 'zamanlama. mat 'olarak değiştirin.
  2. Ön R tepe algılama.
    1. Tepe _ algılaması açın ve çalıştırın. m.
    2. Program tarafından istendiğinde EKG kayıt aygıtının sıklığını girin.
    3. İstendiğinde analiz edilecek verilerin oyuncu numarasını girin.
      Not: bazı oyuncular aktif video oyunu 4 (AVG4) tamamlamak vermedi ve bu nedenle sadece oyuncular 1-10 Bu çalışma için kullanılır. Diğer sayılar bir hata iletisi verecektir.
    4. İstendiğinde analiz edilecek oyunun numarasını girin (1, 2 veya 3).
    5. Analiz edilecek aşaması girin (REST, ısınma (WU), Klima (con), Rest, veya Recovery).
      1. İsterseniz dakika cinsinden bir uzaklık girin veya offset yok için 0 girin.
    6. Büyüteç aracını seçin ve yaklaşık 2.000 (s/0.004) genişliğine sahip bir pencere ve Şekil 3' te gösterildiği gibi tam dalga formunu gösterecek bir yükseklik oluşturmak için çıkış olan bir çizim alanı seçin. Zoom veya pencere kolayca görsel olarak denetlenmez eğer.
    7. Algılanan zirveler doğru etiketli olup olmadığını değerlendirmek için grafiği görsel olarak inceleyin. Düzensiz EKG verilerinden kaynaklanan yanlış algılanan ve cevapsız zirveler örneğin Şekil 1 ' i görün (Şekil 2).
  3. Tepe Düzeltme
    1. Algılama değişkenini bulup çalışma alanına çift tıklayarak yanlış algılanan veya eksik zirveleri düzeltin.
    2. Yanlış zirvede x ve y koordinatlarını elde etmek için EKG dalga formunun arsa üzerinde veri imleç aracını kullanın; X (zaman * frekansı), Detection. mat ve Y (gerilim) içindeki ilk sütundur (Şekil 3).
      1. Görüntülenen metin kutusunu sağ tıklatın ve Imleç güncelleştirme Işlevi Seç'i tıklatın.
      2. Bu analiz için kullanılan dosyaları içeren klasörden Tooltipupdate. m öğesini seçin. Bu araç ipucu daha kesin değerleri görüntülemek için izin verir.
    3. Nokta yanlış pozitif ise, Detection. mat değişkenindeki satırını tıklatarak ve Control ve eksi tuşuna basarak dizinden kaldırın. Şekil 3' te yanlış pozitif algılama örneği görülebilir.
    4. İşaretli olmayan zirveler için bitişik olan yanlış işaretlenmiş zirveleri, Şekil 1' de R olarak Işaretlenmiş iki T zirvesinde gösterildiği gibi, değerlerini işaretlenmemiş zirve ile eşleşecek şekilde değiştirerek düzenleyin.
    5. Cevapsız zirve değerini elde veri imleç aracı ile elde edilebilir.
    6. Algılamaiçin ek satırlar ekleyin. mat kontrolü kullanarak ve zirveler için artı anahtarı düşük voltaj seviyeleri nedeniyle cevapsız.
    7. Hesaplama işlemi sırasında negatif değerleri önlemek için değerleri sayısal düzende girin (örn. 11000 adresinde bulunan zirveleri 10908 ve 11167) (Şekil 5) arasında yer alan zirveler arasında ekleyin.
    8. Sayılar bazen girildiğinde kapalı olarak kırpılır gibi tam oturum devam etmeden önce değerlerin doğru girildiğinden emin olun.
    9. Tüm doruklarına işaretli ve/veya düzeltilinceye kadar adım 2,3 yineleyin.
      Not: bazı dosyalar dalga şekli genlik sınırlı değişkenlik var ve kontrol etmek daha hızlıdır, Şekil 4 ' te görüldüğü gibi diğerleri daha değişken ve doğru görsel muayene sırasında doruklarına bulmak için daha yakın zoom gerektirebilir.
  4. HRV ölçü hesaplamaları alın.
    1. Sonraki başvuru için Peak_Detection. m öğesinden oluşturulan özgün çizimi kaydedin.
    2. Doğru etiketli çizimi oluşturmak için HRV_Measures. m çalıştırın. Düzeltilmiş veri örneği Şekil 6' da gösterilir.
      1. Çizim başlığını kullanarak değiştirme Ekle | Başlık Çizim penceresinde ve istenen başlığa değiştirerek.
      2. Çıktı için pencereyi kontrol edin, program varsa Kullanıcı konumu yanlış girilen verileri bildirir.
    3. Aralık adlı değişkeni kaydedin.
    4. Mean RR (MS) görüntülemek için çalışma alanı penceresinden HRV başlıklı değişkeni açın, ortalama HR (BPM), rmssd (MS), SDNN (MS), NN50 (count), pNN50 (%), düşük frekans (LF)/yüksek frekans (HF) (EKG), LF/HF RR, düşük FREKANSLı güç RR ve yüksek frekans gücü (RR)). Bu değişkenin h değerlerini Tablo 4' te gösterilen bir tabloya kaydedin.
    5. Diğer tüm segmentler, oturumlar ve analizler gereken konular için 3,2-3,4 yineleyin.

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

Bu yöntem, yeni geliştirilen bir yöntemin konunun kalp hızı değişkenliği (HRV) üzerinde olduğu etkiyi analiz etmek için veri sağlar. Bunu, Şekil 6' da gösterildiği gibi, BIR konunun EKG verilerinin QRS dalga formunun R kısmını bulup, çeşitli HRV değerlerini hesaplayarak yapar. HR monitörü konu ile uygun bir şekilde temas ederse, veriler üniforma olacak, düzeltmeler ihtiyacını önemli ölçüde azaltır ( Şekil 4' te görüldüğü gibi).

Eşikler, Şekil 1 ve Şekil 2' de tasvir edilen dağınık ve düzensiz verileri işlemek için ayarlanmalıdır. Veri HR monitör cilt kişisinin anlık değişiklikler nedeniyle yeterince değişkendir, ilk analiz yanlış tepe Şekil 3' te gösterildiği gibi etiketleyebilirsiniz. Bu hata, el ile değerleri düzeltme veya protokolün Bölüm 3 ' te açıklandığı gibi ekstra veri noktalarını girerek düzeltilebilir. Eşik seviyeleri ve zirveler arasında en az zaman değiştirme de algılama değerlerini temizlemek ve Şekil 6 gibi ayarlanmış bir arsa üretmek için yardımcı olabilir Figure5.

Veri elde edilmiş ve uyuşmazlıklar için analiz edildikten sonra, istatistiksel analiz için HRV değerlerini hesaplamak için kullanılabilir. EKG verilerinin analizi, oturum sırasında yapılan gözlemleri değerlendirme amacıyla ölçmek için kullanılabilir.

Figure 1
Şekil 1 . ' Dağınık ' verileri temsil eden ısınma oturumu sırasında bir oyun 3 ' ü için zaman içinde (x ekseni) SÜREKLI HR (y-ekseni) (μV) temsili grafik. Dağınık veriler: Bu bölümde R zirveleri dalga formunun T kısmından daha küçüktür. Bu, en yüksek algılama sorunlarına neden olabilir.

Figure 2
Şekil 2 . Bazı elektrokardiyogram (EKG) düzensiz dalga formları örneği. Düzensiz dalga şekli: hareket nedeniyle konu ile temas halinde yapılan değişiklikler, dalga formunun tekdüzasyonunu azaltan voltaj değişkenlerine neden olabilir. Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız.

Figure 3
Şekil 3 . Bir elektrokardiyogram (EKG) çıktısı, yanlış etiketli en yüksek HR yanlış etiketli tepe ile bir örnektir. Rakamın üst kısmına yakın bir voltajda bir artış, dalga formunun bir kısmının R deseniyle eşleşen olarak tespit edilmesine neden olur. Ayrıca yakın R desenleri (9924, 2074) olarak vurgulanan gibi yakınlık nedeniyle yoksayılacak neden olabilir.

Figure 4
Şekil 4 . Zaman içinde (x ekseni) temiz elektrokardiyogram (EKG) dalga formunda, μV 'de sürekli HR (y-ekseni) temsili grafik. Temiz dalga formu: nispeten hatta dalga şekli ve voltaj seviyesi ile UNIFORM EKG verilerinin bir bölümü örneği.

Figure 5
Şekil 5 . Temizleme işleminden önce ham Elektrokardiyogramın (EKG) zaman içinde (x ekseni) zaman içinde μV 'de sürekli HR (y ekseni) temsili grafik. Temizleme öncesinde veriler: Klima aşaması sırasında Subject 01 Game 3 ' ten EKG verilerinin 30 saniye segmenti gösterilir. Bazı doruklarına cevapsız ve bazı yanlış yüksek voltaj değişkenliği nedeniyle etiketlenmiştir. Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız.

Figure 6
Şekil 6 . Bir ham Elektrokardiyogramın (EKG) zaman içinde (x ekseni) zaman içinde μV 'de sürekli HR (y ekseni) temsili grafik. Veri sonrası Temizleme: konu 01 Game 3 ' ten sonra, protokolün Bölüm 3 ' te açıklandığı gibi düzgün etiketlendikten sonra aynı 30 saniye EKG verisi. Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız.

Aşama Zaman THR bölgesi Oyun özellikleri
Dinlenme 5 dk. Temel dinlenme Na
ısınma 5 dk. 40-60% mHR 4 nesne + 4 tehlike; daha yavaş hız
Klima 10 dak. 60-80% mHR 8 nesne + 0 tehlike; hızlı hız
Serinlemek 5 dk. 40-60% mHR 4 nesne + 4 tehlike; daha yavaş hız
Kurtarma 5 dk. Temel dinlenme Na
Anahtar: THR = hedef kalp hızı;  Na = uygulanamaz

Tablo 1. Aktif video oyunu (AVG) oyun aşamaları. ANAHTAR: hedef kalp hızı (THR); NA (uygulanamaz).

Konu Avg Oyun Isınma başlangıcı Klima başlatma Dolum süresi başlangıç Kurtarma başlangıcı
(MM/GG/YYYY) (MM/GG/YYYY) (MM/GG/YYYY) (MM/GG/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

Tablo 2 ' ye. Zamanlama dosya anahtarı: AVG = aktif video oyunu

ID_AVG_Game AVNN (lar) AVG HR (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 = ortalama NN aralığı; AVG HR = ortalama kalp hızı; RMSSD = ardışık farklılıklar kök ortalama kare; SDNN-NN Aralık standart sapması; NN50 = NN aralıkları sayısı > 50 MS; pNN50 = NN aralıklarının% > 50 MS; LF = düşük frekans gücü; HF = yüksek frekans gücü; LF/HF = düşük frekans-yüksek frekans oranı.  BPM = dakika başına vuruş; MS milisaniye =; EKG = elektrokardiyogram-QRS kompleksini içerir;  RR = R, EKG dalgasının QRS kompleksinin Zirvesi ile ilişkili bir nokta ve RR, ardışık R noktaları arasındaki aralıktır;

Tablo 3. Konu 03 oyun 01 için kalp hızı değişkenliği (HRV) veri

Tablo 4. Her oyun için egzersiz çeşitli aşamaları için kalp hızı değişkenlik önlemleri açıklayıcı Istatistikler Bu tabloyu indirmek için lütfen buraya tıklayın. 

Cinsiyet GMFCS seviyesi Klinik tanı Hareket bozukluğu Dominant yan Yükseklik (cm) Ağırlık (kg) BMı (kg/m2) BMı yüzdelik
Çocuk 2 dipleji Distoni Doğru 161,20 47,60 18,32 17,00
Çocuk 3 dipleji Spastisite Sol 141,17 49,20 24,70 95,00
Çocuk 2 Sol hemipleji Spastisite Doğru 165,80 50,50 18,40 13,00
Çocuk 3 dipleji Spastisite Doğru 154,30 57,00 23,90 83,00
Kız 2 Sol hemipleji Spastisite Doğru 161,20 60,30 22,86 71,00
Kız 2 Sol hemipleji Spastisite Doğru 146,40 40,80 19,00 30,00
Kız 2 sağ hemipleji Spastisite Sol 154,60 64,00 26,80 85,00
Kız 3 Sol hemipleji Spastisite Doğru 166,10 61,20 22,20 42,00
Çocuk 2 Sol hemipleji Spastisite Doğru 168,10 49,70 17,60 51,00
Çocuk 3 dipleji Spastisite Doğru 135,00 29,80 16,00 43,00
Anahtar: GMFCS= brüt motor fonksiyon sınıflandırma sistemi;  BMI= vücut kitle indeksi

Tablo 5. Hasta demografik bilgiler

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

Bu araştırmaya CP ile on gençlik katıldı (ortalama + SD) [yaş (yıl) = 15,53 ± 3,57; yükseklik (cm) 154,8 ± 12,6; ağırlık (kg) 50,69 ± 11,1; vücut kitle indeksi (BMı) 50,46 ± 29,2; mHR 9 BPM) = 186,8 ± 12,4]. Lütfen hasta demografik bilgileri için Tablo 5 ' i görün.

HR monitörlerinin kullanımı ve değişiklikler ve sorun giderme ile ilgili HR ve HRV 'nin ilişkili önlemleri için bazı hususlar vardır. Verileri elde etmek için kullanılan teknoloji ne olursa olsun, belirgin iki sorunlar şunlardır: 1) hareket eserler ve 2) ektopik Beats. Hareket eserler ve ektopik Beats kaynaklanan sorunlar genellikle post-processing faaliyetleri RR aralığı12,13,18,22 satın alma sonrasında ele alınmıştır , 26. sorun giderme sonrası işleme manipülasyonları, respiratuar sinüs aritmilerin yanı sıra normalleştirilmiş HRV değerlerinin hesaplanmasında, farklılaşmaların arasında yapılabilmesi için HR 'de temporal şekerindeki dikkate alınması gerekir fizyolojik ve matematiksel olarak HRV13,27,29değişiklikler.

HRV ölçümlerindeki sınırlamalar başlangıçta spektral analiz tekniklerinin (örn. frekans etki alanı önlemleri)13,27,29uygulaması ile tespit edilmiştir. Isı 27 ' de günlük varyasyonları ile ilişkili respiratuar sinüs aritmiler, kardiyovasküler drift, hidrasyon durumu ve çevre faktörleri (örn. sıcaklık, sıcak, soğuk, yükseklik) içeren fizyolojik hususlar vardır. ,29. Matematiksel hususlar zaman etki alanı önlemleri (örn., SDNN, r-mssd, PNN-50 endeksi) ve doğrusal olmayan dinamik analiz teknikleri13,27,29son eklenmesini içerir. Doğru çeşitli HRV önlemleri yorumlamak için biz vücudun dinlenme veya stres bir durumda olup olmadığını dikkate almak gerekir. Genellikle, vücudun ne zaman tepki ve daha yüksek HRV sonuçlarında değişkenlik artmış zaman stres sırasında biz varyasyon azaltmak ve daha düşük HRV önlemler sempatik etkiler bekliyoruz dinlenmiş parasempatik etkiler bekliyoruz. HRV ölçümlerinde sınırlamalar doğruluğu otonjik denge hipotezi etkileyebilir LF/HF oranı ile ilişkilidir. Bu hipotez, sempatik sinir sistemi ve parasempatik sinir sistemi SA düğüm ateş düzenleyen rekabet olduğunu varsayar. Yazarların LF/HR oranının, LF ve HF değerlerini gözden geçirmenin yanı sıra bilgi edinme bağlamı belirterek dikkatli bir şekilde yorumlanması gerektiğini unutmayın. HR ölçümlerinin ve HRV 'nin kısa süreli bölümlerinde bulunan AVG oyunlarına LF/HF oranının uygulanması ile ilgili olarak, yüksek LF/HF oranı, çaba gerektiren bir zorluk ile karşılaşırken gözlenen daha yüksek sempatik aktivitesi gösterebilir ve sempatik sinir sistemi aktivasyon35.

Uygun müdahale dozajı ve etkinliğini incelemek için CP ile gençlerin aerobik performansını ve kapasitesini belirlemek için optimum önlemler kullanmak önemlidir6,11. Klinik bakım standartları en sık müdahale dozajı (yoğunluk)6,11belirlemek için HR ölçümü içerir. Ancak HR önlemleri kalıtsal değişkenlik zor Aerobik Eğitim12,13,22,27gerçek workoad belirlemek için yapmak. Bu nedenle, bir HR monitörden EKG verilerinden HRV hesaplanması Bu metodoloji müdahale sonuçları değerlendirmek için daha doğru bir tedbir sağlar27,28. Ayrıca, HRV önlemler otonjik sinir sistemi tepkiler yeni bilgiler sağlar, adaptasyon ve iyileşme sırasında AVG egzersiz12,13,29,34,35 . Biz kısa durrasyon egzersiz sırasında HRV önlemleri uygulama varsaymak, kısa bir süre32ile kerppers ve meslektaşları tarafından çalışmaya dayalı fizyolojik sistemlerin iyileştirilmesi hakkında bilgi verebilir.

Burada, egzersiz performansı sırasında HR izleme ve HRV önlemlerinin mevcut uygulamalarına göre yaptığımız önemli uygulamalar belirtilmiştir. Bu metodoloji, kullanıcının CP ile gençlerde oyun fiziksel faaliyetleri sırasında EKG dalga formlarından RR aralıkları ve HRV önlemleri ayıklamak için izin verir. Yöntem şu anda belirli bir oyunda AVG oturumlarına yönelik olarak uyarlanmış ancak gelecekteki deneyler için kolayca diğer protokollere ve EKG cihazlara adapte edilebilir. Verilerin üniforma olduğu ve EKG kayıt cihazının konuya iyi takılabileceği durumlarda, bu protokol kullanıcıdan en az giriş ile hızlı veri işleme sağlar. Ancak, sinyal genliği büyük farklılılar ile Tekdüzen olmayan veri durumunda protokol doğru cevapsız zirveleri etiket ve veri kümesi yanlış pozitif kaldırmak için Kullanıcı girdisi gerektirir. Gelecekte bu yöntem, en yüksek algılama ve düzeltme (örn. doğrusal olmayan dinamik analiz teknikleri29) için Kullanıcı yardımını azaltmak için daha sağlam bir algılama yöntemiyle iyileştirilebilir.

Protokolün yürütülmesi boyunca, aşağıdaki kritik adımların gerçekleştirilmesi esastır. İşlem ve en yüksek düzeltme süresini azaltmak için veri toplama oturumları boyunca üst düzey sinyal güveni sağlamak önemlidir. Bu, EKG kayıt cihazının her seans öncesinde konu ile uygun temas kurmasını sağlayarak iyileştirilebilir. Her seans öncesinde kaydedici rewetting tarafından yapılabilir oturumları sırasında iletken kontakları nemli tutmak da önemlidir. Ayrıca, veri toplandıktan sonra, post-processing etkinlikleri zaman etki alanı önlemleri, frekans etki alanı önlemleri, doğrusal olmayan dinamik analizler ve ayırt etmek için normalleştirilmiş HRV değerleri hesaplamak ile metodolojik hususlar ele almak gerekir fizyolojik olarak türetilmiş ve matematiksel olarak HRV12,13,29değişiklikler arasında.

Gelecekteki çalışma için hususlar, çocuklar ve yetişkinler için farklı yoğunlukları ve vücut pozisyonlarının fiziksel zorlu faaliyetleri dahil HRV ölçümleri uygulama dahil6,7,8, 9,10,17,23,26,29, bilişsel zorlu oyunlar ve zihinsel iş yükü24,25, 26,27, sanal ve simülasyon türü deneyimler, overtraining değerlendirilmesi23,31, uyku değerlendirmeleri kalitesi13,26,27 , 31, kronik yorgunluk, fiziksel tükenme ve mücadele hazırlık31 yanı sıra HR ve beyin prososyal davranış ile ilgili arasında vagal bağlantı30.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Şu anda, yazarlar (CL ve PAS) açıklamak için hiçbir şey var. Dr. o 'Neil, enAbleGames, LLC ve Kollect 'in kurucusudur ve bu Web tabanlı şirket tarafından sunulan oyunlardan biridir. enAbleGames oyun geliştirme aşamasında ve şu anda bir kamu şirketi değildir (www.enAbleGames.com).

Acknowledgments

Yazarlar, katılımcılarına ve ailelerine zaman ve çaba için teşekkür etmek için çalışma katılımı için harcanan. Ayrıca yazarlar, Dr. Yichuan Liu ve Dr. hasan ayaz 'ı, KOLLECT Active video Gaming yazılımının geliştirilmesi için HR izleme ve Dr. Paul Diefenbach 'ın zamanlama hesaplamasına yardım etmeleri için kabul etmiştir. Bu çalışma için finansman Coulter Vakfı Hibe tarafından sağlanan #00006143 (O'Neil; Diefenbach, PIS) ve #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.

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).
Aktif video oyun oturumları sırasında serebral palsi ile gençlerin EKG verilerinden kalp hızı değişkenliğinin hesaplanması
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