Bu içeriği görüntülemek için JoVE aboneliğiniz gereklidir. Giriş yapın veya ücretsiz denemenizi bugün başlatın.

Yöntem makalesi

Hızlı Yükseliş Yüksek İrtifa Eğitimi sırasında Polar Inland Expedition Ekibinin önceden seçilmiş üyelerinde psikolojik ve uyku değişiklikleri

306 görüntüleme

⸱

DOI:

10.3791/68599

⸱

6 Mart 2026

 ,  ,  ,  ,  ,  , 
1Naval Medical University, 2Polar Research Institute of China

* These authors contributed equally

Bu makalede

Özet

Bu çalışma, ön ve yedek Antarktika iç keşif ekibi üyelerinin yüksek irtifa koşullarında anksiyete seviyeleri, prefrontal nöroplastik kompensasyon (sol ön prefrontal korteks aktivasyonu) ve uyku parçalanması (Uyanık Uyku Başlangıcı WASO) gösterdiğini ortaya koymaktadır. Bu bulgular, aşırı ortamlar için uyarlanabilir eğitim protokollerinin geliştirilmesi için ampirik bir temel sağlar.

Özet

Bu çalışma, hızlı irtifa eğitimi alan Antarktika iç karamı keşif ekibinin 30 ön ve yedek üyesi arasında nörodavranışsal değişiklikleri sistematik olarak incelemek için çok boyutlu bir değerlendirme protokolü oluşturmuş ve uygulamıştır. Protokol, psikometrik ölçekleri (BFI-44, DASS-21, PSQI), davranışsal paradigmaları (N-back görevi), fonksiyonel yakın kızılötesi spektroskopisi (fNIRS) ve bilek aktigrafisini entegre ederek 8 günlük bir döngü boyunca deniz seviyesinden 0 m yüksekliklerde (0 m deniz seviyesinden (a.s.l) / 3.700 m yükseklikte / 4.300 m yükseklikte nörodavranışsal adaptasyonları değerlendirir. Çekirdek tasarım, yükseliş öncesi temel testlerden oluşuyor; hedef irtifalarda senkronize bilişsel fNIRS ölçümleri; 24/8 uyku izleme (8 saat gece aktigrafisi dahil). Bu çok modlu çerçeve, prefrontal telafi aktivasyonun, uyku parçalanma dinamiklerinin ve irtifadan kaynaklanan kaygı dalgalanmalarının nicel olarak karakterizasyonunu sağlar. Bulgular, Çin normatif verilerine kıyasla katılımcıların belirgin şekilde yüksek uyumluluk (t=3.940, P<0.001) ve vicdanlılık (t=9.736, P<0.001) ile birlikte nörotikliğin azaldığını (t=-14.087, P<0.001) gösterdiğini ortaya koymaktadır. Akut hipoksi, etnik azınlık üyelerinde daha şiddetli anksiyeteyi artırdı (Z=-4.098, P<0.001). Aktigrafi, irtifaya bağlı uyku parçalanması gösterdi (WASO: 4.300 m bıçağa göre, P=0.028). N-back görevleri, 3.700 m yükseklikte (doğruluk P=0.027) korunan çalışma hafızasını telafi prefrontal aktivasyonun aracılığı (L-aPFC aktivasyonu P=0.043) doğruladı. Bu veriler, yüksek irtifa ortamlarında kutup bilimi keşifleri için kanıta dayalı seçim kriterleri oluşturur ve hipoksik stres altında nöroplastik dayanıklılık eşiklerini belirler.

Giriş

Kutup keşif üyeleri, aşırı ortamlarda birlikte var olan fizyolojik ve psikolojik zorluklara uyum sağlamalıdır1. Antarktika'nın iç bölgesinin yüksek rakımlı koşulları (yükseklikteki 4000 m > yükseklik) hipoksi ile ilişkili bilişsel bozukluk ve uyku bozulmalarına yol açabilir. Yalnızca Dome A (>4000 m yükseklik) kalıcı yüksek rakımlı bir Antarktika araştırma istasyonu olmasına rağmen, Dome A ve Dome F gibi iç bölgelere geçişler, 3000-4000 myüksekliklerin üzerinde 2,3 rakımlara uzun süreli (1-2 hafta) maruz kalma gerektirir. Ayrıca, hipoksi hem bu geçişlerde hem de Dome A'da karşılaşılan temel bir stres faktörüdür ve bu eğitim protokolünde simüle edilen koşulları yansıtır. Bu nedenle, hidroksiye nörodavranışsal uyumun anlaşılması, iç bölge geçiş ekipleri ve Dome A operatörleri için personel seçimi ve eğitim optimizasyonu için gereklidir; bu lojistik açıdan kritik ve bilimsel açıdan değerli görevlerde güvenlik ve performansı garanti altına almaktır. Bu yöntemin genel amacı, hızlı irtifa uyumu sırasında nörodavranışsal adaptasyonları sistematik olarak niceleyen çok modlu bir değerlendirme protokolü oluşturmaktır; psikolojik, bilişsel, nörovasküler ve uyku parametrelerini birleşik bir çerçeve içinde entegre etmektir. Bu teknik, ağırlıklı olarak psikolojik veya fizyolojik parametreleri izole şekilde inceleyen mevcut araştırmalardaki kritik sınırlamalara yanıt olarak geliştirilmiştir 4,5,6,7. Bu çoklu modal tekniğin geleneksel yöntemlere göre avantajları şunlardır:

Ekolojik geçerlilik: Eşzamanlı fNIRS-davranışsal eşleşme, gerçek zamanlı nörobilişseladaptasyonları yakalar 8,9, yalnızca ölçekli değerlendirmelerde bulunan geriye dönük önyargılarıaşar 7

Kapsamlı profilleme: Aktigrafiyi doğrulanmış ölçeklerle (PSQI) entegre etmek, öznel uyku raporlarının nesnel doğrulanmasınısağlar 10,11

Dinamik takip: Yükseklikler arasında tekrarlanan ölçümler, tek noktalı değerlendirmelerle ulaşılamayacak zamansal adaptasyon kalıplarınıortaya koyar 4

Daha geniş literatürde, bu protokol Antarktika araştırmalarının artan operasyoneltaleplerini ele alır ve ilk standartlaştırılmış çerçeveyi sunar: Hipoksi altında bilişsel yük sırasında fNIRS ile prefrontal telafimekanizmalarını nicelikle ölçür 8,13; kişilik özelliklerini (BFI-44) irtifaya bağlı anksiyete dinamikleri (DASS-21) ile ilişkilendirir; Nesnel uyku parçalanmasını (aktigrafi) nörodavranışsal sonuçlarlasenkronize eder 16,17.

Bu yöntem, yüksek irtifa kutup operasyonları için personel seçim sistemleri, hipoksik stres altında nöroplastik dayanıklılık eşiklerinin doğrulanması (>3.700 m yükseklik) ve görev performansı bozulmasını tahmin etmek için nesnel biyobelirteçler (örneğin, L-aPFC aktivasyonu) gerektiren araştırmacılar ve uygulayıcılar için uygundur. Uygulama konuları: 25-45 yaş arası kardiyopulmoner eşzamanlı hastalıkları olmayan yetişkinler için önerilir, irtifa seviyesi başına 3 günlük aklimatizasyon gerektirir (3.700 m ile 4.300 m yükseklik), teknik kısıtlamalar: fNIRS optode yerleşimi eşzamanlı başlık kullanımını sınırlar. Antarktika araştırma istasyonlarının sayısının artması ve bilimsel görevlerin çeşitlendirilmesiylebirlikte, bu protokol aşırı ortamlarda uyarlanabilir eğitimi optimize etmek için kanıta dayalı çözümler sunar.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

1. Çalışma katılımcıları

  1. Katılımcı seçimi
    1. Örnekleme yöntemi: Antarktika iç keşif ekibinden önceden seçilmiş ve alternatif ekip üyelerinden oluşan 30 küme örnekleme deneği olarak alındı.
    2. Çalışma konuları: Çin Antarktika İç Keşif Ekibi'nden önceden seçilmiş tüm adaylar ve yedek üyeler dahil edilsin. Eğitim süresi boyunca eğitim programını tamamlayamayan kişiler (örneğin, hastalık, fiziksel rahatsızlık veya başka nedenlerle eğitim planını tamamlayamayanlar) hariç tutulun.
  2. Veri toplama
  3. Demografik dokümantasyon: Yaş, eğitim düzeyi ve önceki kutup keşif deneyimi dahil olmak üzere kapsamlı sosyodemografik verileri kaydedin (Tablo 1).
  4. Tüm psikometrik veriler için sıkı anonimleştirme önlemlerinin uygulandığından emin olmak; bunlar arasında: kişisel tanımlayıcıların yerine benzersiz anonimleştirilmiş kimliklerin (örneğin, EXP##) ataması, veri setlerinden doğrudan tanımlayıcıların (örneğin isimler, adresler) kaldırılması, tanımlanabilir verilerin (örneğin, rıza formları) araştırma verilerinden ayrı şifreli ve şifreli dosyalarda saklanması.
n=30N%
Etnik köken
Han Çinlileri2893.3
Etnik Azınlık (Tibet ve Mançu)26.67
En yüksek eğitim seviyesi
Lise ve alt okul13.3
Kolej veya Lisans Derecesi1136.7
Yüksek Lisans Derecesi826.7
Doktora Derecesi1033.3
Tek Çocuk
Evet1653.3
Hayır1446.7
Medeni Durum
Evlenmemiş1550
Evli1550
Katılan Bilimsel Sefer Sayısı
Katılmadı2480
1 Time26.7
2 veya daha fazla kez413.3
Yaş: 32.72±7.73

Tablo 1: Demografik veriler. (A) Bu tablo, örneklem için etnik bileşim, eğitim seviyesi, tek çocuk durumu, medeni durum ve araştırma katılım sıklığını sunarken, son satırda yaş verileri (Ortalama ± SD) gösterilir. (B) N: Örnek sayısı; %: Toplam örneklem büyüklüğüne göre yüzde (n=30), veriler Ortalama ± SD'yi gösteriyor.

2. Psikolojik ve uyku değerlendirme araçlarının hazırlanması

  1. Standartlaştırılmış psikometrik ölçekler: Araştırmacı tarafından yürütülen anket tabanlı bir değerlendirmeyi standartlaştırılmış mülakat formatında gerçekleştirerek anlaşılmayı sağlamak ve kendi kendini bildirme yanlılığını en aza indirmek. Katılımcıları her madde hakkında sözlü olarak yönlendirin, gerektiğinde açıklamalar sağlanır.
    1. Büyük beş envanter-44 (BFI-44)14
      1. Beş kişilik boyutunu değerlendirmek için 44 maddelik BFI-44 anketini seçin. Katılımcılara, ifadeleri 5 puanlık bir Likert ölçeğiyle değerlendirmeleri için talimat verin (1=5'e kesinlikle katılmıyor=Kesinlikle katılıyorum).
      2. Dışa Dönüklük, Uyumluluk, Nörotiklik, Açıklık ve Vicdanlılık puanlarını hesaplayın. Daha yüksek puanlar, karşılık gelen özelliklerin daha güçlü bir şekilde ifade edildiğini gösterir. Terazide 28 pozitif anahtarlı öğe yer alır.
    2. Depresyon anksiyetesi stres ölçekleri-21 (DASS-21)15
      1. 21 maddelik DASS-21'i 4 puanlık bir Likert ölçeğiyle uygula (1= Benim için hiç geçerli değil, 4=Bana çok uygulandı). Depresyon, Anksiyete ve Stres için alt ölçek puanlarını kaydedin. Yükselmiş puanlar, duygusal rahatsızlıkların daha şiddetli olduğunu gösterir.
    3. Pittsburgh Uyku Kalite Endeksi (PSQI)10
      1. 18 maddelik PSQI anketlerini katılımcılara dağıtın. Her alan için 0-3 puanlama ile 10 dakika içinde tamamlamayı belirtin: Öznel uyku kalitesi, Uyku gecikmesi, Uyku bozuklukları, hipnotik ilaç kullanımı, gündüz işlev bozukluğu. Küresel puanları hesaplayın (0-21 aralığı). PSQI'deki daha yüksek toplam puanlar, genel uyku kalitesinin daha düşük olduğunu gösterir.
  2. Uyku izleme
    NOT: Burada bilek aktigrafisi için kullanılan cihaz ActiGraph wGT3X-BT16'ydı.
    1. Yazılımı standart zaman damgalarıyla cihazları başlatın.
    2. ActiLife v6.15.0'ı başlatın. Cihaz üzerine tıklayın > > seti başlatın. Örnekleme hızını ayarlayın: 60 Hz, Başlangıç zamanı: YYYY-MM-DD HH:MM:SS (atom saatiyle senkronize edilmiş), Konu Kimliği: EXP## (anonimleştirilmiş format).
    3. Başlatma günlüğünün Başlatma Başarılı'nı gösterdiğini doğrulamak için bir kontrol noktası ayarlayın.
    4. Yazılımı, baskın olmayan bileğe yerleştirildikten sonra üretici protokolleriyle kalibre edin. Cihazı USB Dock'a takın. Calibrate'e tıklayın ve ardından ekrandaki yerçekimi vektör test protokolünü takip edin.
    5. 60 Hz örnekleme hızında 24/8 etkinlik verisi toplayın. Görsel bir kontrol noktası yapın ve yeşil durum LED'inin her 15 saniyede bir yanıp söndüğünü doğrulayın (normal çalışma).
    6. Veri toplama işlemlerini gerçekleştirin. Dağıtımdan sonra, cihazı dock'a takın. ActiLife'ı seçin. RAW .gt3x formatını İndir> Cole-Kripke algoritmasını kullanarak > İşlem et. Uyku-uyanık sınıflandırması için Cole-Kripke algoritmasını kullanın. Katılımcı uyku günlükleriyle cihazdan türetilen uyku parametrelerini doğrulama17.
    7. 60 Hz'de sürekli 24/8 kayıt ile örnekleme yapın (değer/birim arasındaki boşluk: 60 Hz)

3. Bilişsel değerlendirme ve fNIRS edinimi

  1. N-harfi geri görev8,9
    1. E-Prime 2.0 yazılımı kullanılarak, 16 inçlik bir LCD monitörün ortasında rastgele büyük harfler sunulur. Katılımcıların karar vermesi gerekiyor: mevcut harf N sıra önce sunulan harfle eşleşiyorsa F tuşuna basın veya eşleşmezse J tuşuna basın (N=1, 1-geri; N=2, 2-back; N=3, 3-back).
    2. Her zorluk seviyesi için 50 deneme için doğruluk (ACC) ve tepki süresi (RT) metriklerini kaydedin.
    3. E-Prime çıkış ayarlarında, DataFile.Name "EXP##Nback.edat2" olarak yapılandırın. Uyarıcının başlangıç süresi için değişkenleri seçin: ACC (Doğru = 1 / Yanlış = 0) ve RT (milisaniye cinsinden). Excel formatına > Dışa Aktar'a tıklayın.
    4. Genel Doğrusal >Modeli Analiz > Genel Doğrusal Modeli Analiz Et' Konu İçin Faktörler: N-Level(1,2,3) seçeneğine tıklayın. Ham veri olarak kontrol noktaları belirleyin: 50 deneme/seviye = toplamda 150 deneme.
    5. Uygulama aşaması için, E-Prime'da BlockProc > Practice Properties'e tıklayın. Maksimum deneme sayısını ayarla: 10, Geri Bildirim Ekranı: Doğru! (yeşil) / Yanlış (kırmızı) ve İlerleme: Pratik aşamasını tekrarlamak için 'Q' tuşuna basın, resmi deneye geçmek için 'P' tuşuna basın. Bir kontrol noktası belirlenir ve uygulama aşaması maksimum 3 tekrarla sınırlanır (Şekil 1).

Şekil 1
Şekil 1: N-geri harfi paradigması. Bu şema, üç zorluk seviyesinde (1-geri, 2-geri ve 3-geri) n-geri harfi görev paradigmasını gösterir. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

  1. fNIRS veri toplama
    NOT: Burada NirScan-500C, Huichuang, Danyang kullanılmıştır.
    1. Optode konfigürasyonunu gerçekleştirin. 48 kanallı fNIRS başlığını 10-20 uluslararası sistemine göre konumlandırın.
    2. Kaynak-detektör mesafesi 30 mm, kapsam: Prefrontal korteks (PFC) ve çift taraflı temporal bölgeler, optod matrisi ise 15 kaynak optodu + 16 dedektör optodu ile mekânsal düzenleme ayarlanır (Tablo 2, Tablo 3, Şekil 2).
    3. Sinyal Alma Parametreleri
      1. Sinyal alım parametrelerini NirScan-500C yazılımı ile ayarlayın. Çift dalga boylu yakın kızılötesi ışığı seçin: Dalga boylarını 730 nm ± 5 nm ve 850 nm ± 5 nm olarak ayarlayın.
      2. Örnekleme hızını yapılandırmak: Ayarlar > Erişim Hızı tuşuna tıklayarak 11 Hz'e ayarlayın. Görev-olay senkronizasyonunu etkinleştirin: Donanım tetikleyicilerini Dış Tetikleyici Senkronize > seçerek etkinleştirin.
      3. Modifiye edilmiş Beer-Lambert yasası kullanılarak oksijenli/oksijensizleştirilmiş hemoglobin konsantrasyonlarına dönüşüm için ham optik yoğunluk değişikliklerini kaydedin. Yazılım günlüğünde parametre ayarlarını doğrulayın (örneğin, Dalga Boyları: 730/850 nm, Hız: 11 Hz).

Şekil 2
Şekil 2: fNIRS probun kanal düzeni, konumu ve konfigürasyonu. (A) Kırmızı daireler ışık kaynaklarını, mavi kareler dedektörleri, numaralandırılmış alanlar ise beyin aktivitelerini ölçmek için en yakın kaynak-detektör çiftlerini (kanalları) temsil eder. (B) Standart beyin atlasında optodların ortak kayıtlı konumları. Beyin atlasındaki her kanalın anatomik konumu Tablo 1'de ayrıntılı olarak bildirilmiştir. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

KanalBrodmann bölgesiAnatomik alanKapsama yüzdesi
CH121Orta Temporal Girus97.44%
CH222Üst Temporal Girus43.21%
CH338Temporopolar alan51.84%
CH447Inferior prefrontal girus100.00%
CH547Inferior prefrontal girus56.35%
CH610Frontopolar alan62.75%
CH710Frontopolar alan51.96%
CH810Frontopolar alan100.00%
CH911Orbitofrontal alan59.66%
CH1011Orbitofrontal alan46.67%
CH1110Frontopolar alan98.66%
CH1238Temporopolar alan57.25%
CH1321Orta Temporal Girus98.63%
CH1422Üst Temporal Girus43.46%
CH1521Orta Temporal Girus92.79%
CH1621Orta Temporal Girus75.85%
CH1722Üst Temporal Girus62.67%
CH1843Alt merkez bölgesi36.79%
CH1944pars opercularis_ Broca bölgesinin bir parçası57.05%
CH206Pre-Motor ve Ek Motor Korteks73.08%
CH2110Frontopolar alan49.10%
CH2246Dorsolateral prefrontal korteks78.62%
CH2310Frontopolar alan93.20%
CH249,46Dorsolateral prefrontal korteks77.95%
CH2510Frontopolar alan87.63%
CH2610Frontopolar alan100.00%
CH2710Frontopolar alan100.00%
CH2810Frontopolar alan99.65%
CH2947Inferior prefrontal girus58.95%
CH3010Frontopolar alan92.46%
CH3145pars üçgen, Broca'nın bölgesidir64.19%
CH3246Dorsolateral prefrontal korteks86.52%
CH3321Orta Temporal Girus56.73%
CH3422Üst Temporal Girus53.70%
CH3542Birincil ve İşitme Derneği Korteks64.69%
CH3643Alt merkez bölgesi46.23%
CH379,46Dorsolateral prefrontal korteks60.54%
CH389Dorsolateral prefrontal korteks52.09%
CH399,46Dorsolateral prefrontal korteks92.77%
CH4010Frontopolar alan89.88%
CH419,46Dorsolateral prefrontal korteks91.08%
CH429Dorsolateral prefrontal korteks84.34%
CH4310Frontopolar alan92.46%
CH449Dorsolateral prefrontal korteks83.67%
CH459,46Dorsolateral prefrontal korteks90.37%
CH4645pars üçgen, Broca'nın bölgesidir39.27%
CH479,46Dorsolateral prefrontal korteks98.16%
CH486Pre-Motor ve Ek Motor Korteks80.97%

Tablo 2: 3D lokator ile kalibrasyondan sonra fNIRS ölçüm kanalının beyin bölgesi dağılımı. (A) Brodmann bölgeleri ve ilgili anatomik beyin bölgeleri arasında 3D konumlandırma sistemi ile kalibre edilen 48 fNIRS kanalının mekansal dağılım özellikleri. Kapsama yüzdesi, hedef beyin bölgelerinden etkili sinyal alım oranını gösterir. (B) Kanal: fNIRS optik ölçüm kanal numarası (CH1-CH48); Brodmann alanı: Brodmann alan numarası (örneğin, 22 = İşitme Derneği Korteksi); Anatomik alan: Terminologia Anatomica (1998) için standart terminoloji; Kapsama %: Hedef beyin bölgesi için optod çiftlerinin etkili kapsama yüzdesi.

Anatomik alanKanal
L-aPFC11,25,27,28,30,43
R-aPFC6,7,8,21,23,26,40
L-DLPFC32,44,45,47
R-DLPFC22,24,37,38,39,41,42

Tablo 3: İlgi alanları ilgi alanları. (A) fNIRS ölçüm sistemindeki belirli fonksiyonel beyin bölgeleri için kanal konfigürasyon dağılımını, hem sol hem de sağ yarımkürede ön Prefrontal Korteks (aPFC) ve Dorsolateral Prefrontal Korteks (DLPFC) dahil olmak üzere. (B) Kısaltmalar: L = Sol yarımküre; R = Sağ yarımküre; aPFC = ön Prefrontal Korteks; DLPFC = Dorsolateral Prefrontal Korteks.

4. Veri Toplama

  1. Psikolojik değerlendirme uygulaması
    NOT: Ekip üyeleri deniz seviyesinden (Şanghay, deniz seviyesinden 0 m yükseklikte) kalktı ve yaklaşık 8 saat süren ticari bir uçuşla 3.700 m yükseklikte bulunan Lhasa'ya ulaştı; burada 72 saat (3 gün) bilimsel araştırma beceri eğitimi yaptılar. Daha sonra, ekip, yaklaşık 2 saat boyunca deniz seviyesinden 4.300 m yükseklikteki Yangbajain'e kara taşımacılığı ile 72 saat (3 gün) bilimsel araştırma becerileri eğitimine devam etti. Ekip, yukarıda bahsedilen üç irtifaya varış sonrası hemen veri toplama işlemi yapılmıştır (Şekil 3).
    1. Standartlaştırılmış yönetimi yürütün: Ön değerlendirme grup bilgilendirme oturumları başlatın. 30 dakikalık zaman kısıtlamasıyla anketler uygulayın.
    2. Önyargıyı azaltmak: Script edilmiş protokollerden standart komutları okuyun. Önden onaylanmış metni takip ederek önerici ifadeleri ortadan kaldırın.
    3. Çok modlu verileri senkronize edin: Bilişsel görevler ile fNIRS edinimi arasında senkronizasyonu etkinleştirin. E-Prime seçerek tetikleyicilere zaman kilitli uyarıları > Tetik Ayarları > Sync ile fNIRS ile senkronize edin.
    4. Tüm oturumların aynı beneklere ve zamanlama kısıtlamalarına uyduğundan emin olun.
  2. Uyku parametre izleme
    1. Sürekli aktigrafi protokolünü uygulayın: 24 saat/8 saat bilek aktigrafisi verisi toplayın. Aynı anda uyku günlüğünü kaydediyorum.
    2. Veri bütünlüğünden emin olun: Cihaz > Durum > Batarya düğmelerine tıklayarak günlük 07:00-08:00 arası pil kontrolleri yapın. Veri sürekliliğini doğrulamak için ActiLife > Tools > Data Integrity Check'e tıklayın.

Şekil 3
Şekil 3: Psikolojik değerlendirme akış şeması. (A) Bu akış şeması, dereceli irtifa maruziyetleri arasında üç aşamalı psikometrik değerlendirme protokolünü göstermektedir: Alçak irtifa (0-2 m yükseklik): Şanghay'da temel ölçümler (1-2. gün), orta irtifa (3650 m yükseklikte): Lhasa'da aklimatizasyon aşaması ölçümleri (3-5. gün), Yüksek irtifa (4300 m yüksek); Yangbajing'de yüksek maruziyet ölçümleri (6-8. gün). (B) Her aşamada uygulanan aynı değerlendirme modülleri: Bilişsel Görev: N-geri harfi (3 zorluk seviyesi); Psikolojik Ölçekler: Depresyon Anksiyete Stres Ölçeği (DASS-21), Pittsburgh Uyku Kalite Endeksi (PSQI); Uyku İzleme: Öznel (Uyku günlüğü), Objektif (Aktigrafi). Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

5. Veri analizi ve istatistikler

  1. Bir elektronik tabloda veri ön işleme için, %10 eksik yanıtlara sahip eksik veri >setlerini kaldırmak için Veri > Filtre > Eksik Değerler seçeneğini seçerek dışlama kriterleri uygulayın. Data > Sort & Filter > Advanced ile RT outlier'larını (<150 >ms veya ±2.5 SD) atmak için bilişsel verileri filtreleyin ve HitRT'yi (milisaniye cinsinden) ve rejRT'yi (milisaniye cinsinden) hesaplayın. SPSS 29.0'da çoklu emputasyon uygulamak için eksik veriyi yönetin, Çoklu Imputation > Transform (5 iterasyon) seçeneğine tıklayarak ulaşın.
  2. fNIRS sinyal işleme
    NOT: Bu, NirSpark v1.8.8, Huichuang, Danyang kullanılarak yapıldı.
    1. Ham sinyalleri optik yoğunluğa (OD) dönüştürün. File > Raw İçe Aktar > .nirs dosyasını seçin. Optik Yoğunluğa Dönüştür seçeneğini seçin ve algoritmayı uygula: OD = -log10(I/I0). View > Channel Metrics'te 0.1-1.2 AU aralığını doğrulayın. OD >1.5 (kötü temas) ile kanalları Tools > Reject Channels seçerek reddedin.
    2. Hemodinamik değişiklikleri hesaplayın. Hemodinamik > Parametreleri Analizi > sayfasına gidin. Kanunu modifiye bira-lambert, DPF'yi 66 olarak ve görüntü modunu adult_head_template olarak ayarlayın. Hesaplamayı [HbO, HbR] = mBLL(OD, [730,850], [6,6]) ve HbT = HbO + HbR olarak yürütün. DPF değerinin katılımcı yaşına uyduğunu doğrulayın (örneğin, 25-45 yaş için 6.0).
    3. Sinyalleri Ön İşleme > Filtre > Ayarlar'a tıklayarak sinyalleri azaltın. Bant geçişli Butterworth 4. dereceyi seçin ve aralığı 0-0.2 Hz olarak ayarlayın. Otomatik algılama (std_thr=6, amp_thr=0,5) ve spline interpolasyon yöntemiyle hareket düzeltmesi yapın ve artefakt reddetme eşiğini SD >±6 olarak ayarlayın. SNR >10 dBin'i Gör > Karşılaştırmadan Önce ve Sonrası Karşılaştırma seçeneğine tıklayarak doğrulayabilirsiniz.
    4. Aktivasyonu aşağıdaki şekilde niceliklendirin. Temel çizgiyi, tüm uyarılma sonrası görev dönemi boyunca Ortalama HbO olarak tanımlayın. Uyarı sonrası 2-20 saniye boyunca Ortalama HbO olarak görev yanıtı hesaplayın. Analiz > ROI Maskeleri > Anatomik Şablonlar seçerek yatırım getirisi ortalamaları oluşturun.
  3. Uyku verimliliği hesaplaması
    1. Verileri içe aktarın ve ön işleyin; Dosya > İçe Aktar > .gt3x dosyasını seçin. Epoch'u 60'lara ayarlayın ve aşınma süresini Tools > Wear Time Validation > Choi algoritmasını seçerek doğrulayın. Aktigrafi ve uyku günlüğü senkronizasyonunu gerçekleştirmek için Uyku Dönemleri > Algılama > Araçlar'a tıklayın. Sonra, aktigrafi verilerini uyku günlüğüyle kalibre edin. Uyku günlüğü zaman damgalarının aktigrafi verilerinden ± 5 dakika içinde olduğundan emin olun.
    2. Parametreleri aşağıdaki gibi çıkarın. Raporlar > Uyku Raporu bölümlerine gidin. Parametreleri seçin: Gecikme, TIB, TST, WASO. Seçenekler > Formüller seçerek Uyku Verimliliği = (TST / TIB) x 100 hesaplayın. Sonuçları Excel'> Gönder .xlsx > Dosya Adı: EXP##_SleepEfficiency.xlsx Üzerine tıklayarak ihracat edin. Aktogram göstergelerini ≥3 temiz uyku/uyanık döngüsü doğrulayın.
  4. İstatistiksel test
    1. Betimleyici istatistikler yapın. Normal dağılımlı verileri ortalama SD ± ve normal olmayan verileri medyan olarak [IQR] bildirin.
    2. Parametrik testler yürütün. Tek örnek t-testleri çalıştırın, Ortalamaları Analiz > Karşılaştır > Tek Örnek T Testi tuşuna tıklayın. Genel Doğrusal Modeli Tekrar > Analiz > RM-ANOVA tuşuna tıklayarak gerçekleştirin. Sferiklik ihlalleri için Greenhouse-Geisser düzeltmesini uygulayın.
    3. Gerektiğinde parametrik olmayan alternatifler uygulayın. Wilcoxon işaretli sıralama testleri için ilgili örneklerde Parametrik Olmayan Testler Kullanın. Kontrol kovaryantları Analiz > Genel Doğrusal Modeli ANCOVA > seçilerek yapılır. Birden fazla karşılaştırma için Bonferroni düzeltmesi ile α=0.05 (iki kuyruklu) uygulanarak anlamlılık eşiğini belirleyin.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

Kişilik özellikleri

Önceden seçilmiş kutup iç keşif keşif üyelerinin kişilik özellikleri, Büyük Beş Envanteri (BFI) kullanılarak değerlendirildi. Çin lisansnormları 18 ile karşılaştırıldığında, adaylar (Tablo 4) Uyumluluk (t=3.940, P<0.001) ve Vicdanlılık (t=9.736, P<0.001) alanlarında anlamlı derecede yüksek puanlar gösterdi; Nörotiklik alanında belirgin şekilde daha düşük bir puan (t=−14.078, P<0.001)...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

Önceden seçilmiş kutup iç keşif keşif üyelerinin kişilik özellikleri Çin normlarından önemli ölçüde farklıdır

Big Five Inventory-44 (BFI-44) ile ölçüldüğünde, adaylar lisans normlarına kıyasla daha yüksek uyumluluk ve vicdanlılık ile birlikte daha düşük nevrotiklik göstermiştir (Tablo 3). Bu üçlü güçlendirilmiş sosyal işbirliği, görev odaklı titizlik ve duygusal istikrar, Antarktika keşiflerinin psikososyal talepleriyle örtüşü...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

Yazarlar rekabet eden çıkarlar belirtmemektedir.

Teşekkürler

Yazarlar, bu çalışma boyunca kritik lojistik destek ve katılımcı erişimi sağladığı için Çin Arktik ve Antarktika İdaresi'ne (Çin Kutup Araştırma Merkezi) içten teşekkürlerini sunarlar. Yüksek irtifa eğitim protokolleri ve keşif ekibi katılımını koordine ettiklerini özellikle takdir ediyoruz. Veri seti, Ulusal Arktik ve Antarktika Veri Merkezi (https://datacenter.chinare.org.cn) tarafından sağlanmaktadır.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
AktigrafAktigrafwGT3X-BTAmerika
ActiLifeAktigraf6.15.0Amerika
E-PrimePsikoloji Yazılım Araçları2.0Amerika
IBM SPSS İstatistikleriIBM29Amerika
Microsoft Office  Microsoft Corporation2021Amerika
NirScanHuichuang Tıbbi Ekipmanları500CDanyang, Çin
NirSparkHuichuang Tıbbi Ekipmanları1.8.8Danyang, Çin

Kaynaklar

  1. Wang, Z. J., et al. Applied research on low-altitude wind field using coherent Doppler wind lidar at Zhongshan Station, Antarctic. Chinese J Polar Res. 34 (1), 11-19 (2022).
  2. Wang, T., et al. Assessment of solar photovoltaic power potential at Kunlun Station, Antarctica. Chinese J Polar Res. 34 (3), 292-302 (2022).
  3. Liu, X. Y., Wang, Y. Y., Lu, Z. H. Effects of different altitudes on sleep and cognitive function. J Air Force Med Uni. , https://www.fmmu.edu.cn/en/Resources1.htm (2024).
  4. Guo, Z. M., Huang, F. M., Lu, H., Zu, S. Y., Xu, C. L. Effects of Different Altitudes on Cardiac Hemodynamics and Electrocardiogram in Healthy Adult Males. Chinese J Appl Physiol. 28 (1), 1-4 (2012).
  5. Lu, Y. H., Xiong, Y. L., Fang, L., Chen, N., Xu, C. L. Comparative Effects of Rapid versus Gradual Tibetan Acclimatization on Cardiovascular Function and Stress Biomarkers in Kunlun Station Pre-Selection Candidates. Chinese J Appl Physiol. 36 (5), 419-424 (2020).
  6. Huang, F. M., et al. Screening for Hypoxia Susceptibility in Dome A Antarctic Expedition Candidates Using Pulmonary Function Indices. Basic Clin Med. 31 (4), 400-403 (2011).
  7. Xiaopei, W., et al. Different physiopsychological changes between AMS-susceptible and AMS-resistant pre-selected Antarctic expeditioners in Tibet. Adv Polar Sci. 32 (3), 239-247 (2021).
  8. Owen, A. M., McMillan, K. M., Laird, A. R., Bullmore, E. N-back working memory paradigm: a meta-analysis of normative functional neuroimaging studies. Human Brain Map. 25 (1), 46-59 (2005).
  9. Owen, A. M., et al. Putting brain training to the test. Nature. 465 (7299), 775-778 (2010).
  10. Buysse, D. J., Reynolds, C. F., Monk, T. H., Berman, S. R., Kupfer, D. J. The Pittsburgh Sleep Quality Index: a new instrument for psychiatric practice and research. Psychiatry Res. 28 (2), 193-213 (1989).
  11. Carney, C. E., et al. The Consensus Sleep Diary: Standardizing Prospective Sleep Self-Monitoring. Sleep. 35 (2), 287-302 (2012).
  12. Liu, Y. Comprehensive Assessment of Antarctic Operational Capabilities Among Major Polar Expedition Nations. , (2024).
  13. Virués-Ortega, J., Buela-Casal, G., Garrido, E., Alcázar, B. Neuropsychological functioning associated with high-altitude exposure. Neuropsychol Rev. 14 (4), 197-224 (2004).
  14. John, O. P., Donahue, E. M., Kentle, R. L. The Big-Five Inventory. Uni California Berkeley. 18 (5), 367-385 (1991).
  15. Gong, X., Xie, X. Y., Xu, R., Luo, Y. J. Psychometric Validation of the Depression Anxiety Stress Scales-21 (DASS-21) Simplified Chinese Version in Chinese University Students. Chinese J Clin Psychol. 18 (4), 443-446 (2010).
  16. Dong, J., et al. Anxiety correlates with somatic symptoms and sleep status at high altitudes. Physiol Behav. 112, 23-31 (2013).
  17. Carney, C. E., et al. The Consensus Sleep Diary: Standardizing Prospective Sleep Self-Monitoring. Sleep. 35 (2), 287-302 (2012).
  18. Eng, Y., Yue, C. Z. Exploring the Relationship Between Big Five Personality Self-Assessment, Reflective Evaluation, and Mental Health in University Students. Health Med Res Pract. 14 (1), 28-32 (2017).
  19. Yan, G. G., Ye, Q. Psychological Research in Polar Environments. Adv Psychol Sci. 17 (1), 227-232 (2009).
  20. Kious, B. M., et al. Altitude and risk of depression and anxiety: findings from the intern health study. Int Rev Psychiat. 31 (7-8), 637-645 (2019).
  21. Chen, N., et al. Alterations in Circadian Rhythms, Sleep Patterns, and Psychological States Among Overwintering Crew Members During Prolonged Residence at Zhongshan Station, Antarctica. Adv Psychol Sci. , https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=IPFD&dbname=IPFDLAST2015&filename=OGSF201406001161 (2014).
  22. Jaeggi, S. M., Buschkuehl, M., Perrig, W. J., Meier, B. The concurrent validity of the N-back task as a working memory measure. Memory. 18 (4), 394-412 (2010).
  23. Greenberg, K., Zheng, R. Cognitive load theory and its measurement: a study of secondary tasks in relation to working memory. J Cognitive Psychol. 34 (4), 497-515 (2022).
  24. Jenkins, J. R., Salmon, O. F., Smith, C. M. Cognitive function is unaffected during acute hypoxic exposure but was improved following exercise. Int J Exerc Sci. 15 (5), 1481-1491 (2022).
  25. Yan, X., Zhang, J., Gong, Q., Weng, X. Adaptive influence of long-term high altitude residence on spatial working memory: an fMRI study. Brain Cognit. 77 (1), 53-59 (2011).
  26. Zhang, X., Zhang, J. The human brain in a high altitude natural environment: a review. Front Human Neurosci. 16, 915995(2022).
  27. Ji, X., et al. EEG and fNIRS datasets based on stroop task during two weeks of high-altitude exposure in new immigrants. Sci Data. 11 (1), 350(2024).
  28. Duncan, J., Owen, A. M. Common regions of the human frontal lobe recruited by diverse cognitive demands. Trends Neurosci. 23 (10), 475-483 (2000).
  29. Burgess, P. W., Dumontheil, I., Gilbert, S. J. The gateway hypothesis of rostral prefrontal cortex (area 10) function. Trends Cognitive Sci. 11 (7), 290-298 (2007).
  30. Curtis, C. E., D'Esposito, M. Persistent activity in the prefrontal cortex during working memory. Trends Cognitive Sci. 7 (9), 415-423 (2003).
  31. Minamoto, T., Kawakami, N., Tsujimoto, T. Robustness of the self-referential process under normobaric hypoxia: an fNIRS study using the GLM and homologous cortical functional connectivity analyses. Front Human Neurosci. 18, 1337798(2024).
  32. Wang, L., et al. Effects of acute high-altitude exposure on working memory: a functional near-infrared spectroscopy study. Brain Behav. 12 (12), e2776(2022).
  33. Deary, I. J., Strand, S., Smith, P., Fernandes, C. Intelligence and educational achievement. Intelligence. 35 (1), 13-21 (2007).
  34. Jaeggi, S. M., Buschkuehl, M., Jonides, J., Perrig, W. J. Improving fluid intelligence with training on working memory. Proc Natl Acad Sci. 105 (19), 6829-6833 (2008).

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Etiketler

N rodavran sal De i imlerUyku FragmantasyonuBili sel De erlendirmeFonksiyonel Yak n K z l tesi SpektroskopisiBilek AktigrafisiN Back G reviPsikometrik l eklerPrefrontal AktivasyonHipoksik Stres
Bize ulaşın
Kütüphaneye tavsiye et

Gizlilik

Kullanım Şartları

İlkeler

Telif hakkı © 2026 MyJoVE Corporation. Tüm hakları saklıdır.