心率是目前最常用的運動負荷評價指標, 通常將運動心率與目標心率進行比較。然而, 心率實際上只反映了心血管系統對運動負荷響應的心臟節律信息, 尚需更豐富的指標來獲得心臟對運動負荷的動態響應。基于"靜息-負荷"交替模式, 本文從心電節律與心電波形指標中篩選對運動負荷敏感的指標, 包含心率變異性時域參數(4個)與頻域參數(4個)、心電波形形態相似性參數(3個)以及心電高頻噪聲強度(2個)共13個參數。研究表明, RR間期指標(心率指標)是運動強度實時監測的可靠指標, 與負荷強度有較強的線性關系。心電波形相關性指標、心率變異性指標可輔助評價運動負荷。
引用本文: 李延軍, 余新明, 胡勇才, 曹中平. 基于“靜息-負荷”交替模式的心電運動敏感指標的篩選. 生物醫學工程學雜志, 2015, 32(2): 249-255. doi: 10.7507/1001-5515.20150046 復制
引言
運動狀態較之靜息狀態,機體新陳代謝水平升高,心率、呼吸率、血壓通常均增加。適宜強度的運動有助于增強運動者的身體素質,運動過度則可能使機體受到損傷,如極限運動時心肌細胞可能在短時間內過度凋亡[1]。當前運動負荷評價主要有生化指標與生理指標兩類。生化指標(如肌乳酸、血乳酸和尿乳酸)為事后分析,無法應用于連續不間斷的運動負荷監測場合,且生化檢測多為有創方法。較之生化檢測,生理信號監測的侵擾性更低、易用性更強,例如實際工作中常用心率實時監測運動負荷[2]。在中等強度或亞極限強度運動過程中,心率與運動強度保持著良好的線性關系[1]。運動競技或體能鍛煉中,可以通過心率實時監測運動負荷強度,及時提示運動者進行休息,防止負荷強度過大引發機體器質性損傷甚至是猝死。
基于實時心率的運動負荷監測簡單、準確、易用,可實現對生理負荷的連續監測[3]。然而,使用心率測量運動負荷的手段比較單一,因為心率只是心臟電活動的整體節律信息,更豐富的心電信息蘊含在心電波形中,而心電波形與運動負荷的相關信息尚有待挖掘。本文比較了心率變異性時域參數、心率變異性頻域參數、心電波形形態相似度和心電高頻噪聲強度四類參數對運動負荷的敏感性。
1 方法
1.1 數據采集
使用牛津儀器(Oxford Instrument)Medilog AR12采集了20位男性健康受試者(年齡25.33歲±2.92歲)在跑步機上靜息(靜立)與運動(行走及跑步)兩種狀態的肢體導聯Ⅱ(MLⅡ)心電數據。時間采樣率為1 024 Hz,16位A/D轉化,幅度分辨率為0.3μV。表 1為試驗情況,試驗過程為“靜立3 min-運動3 min”循環6輪,最后再靜立3 min,因此每個志愿者的心電數據時長為39 min。

1.2 指標計算
本文采用匹配濾波與三角形特征分析相結合的方法[4]進行QRS波群檢測,再對心率圖上的“孤立點”[5]進行人工判別與糾正。然后分別計算了以下四類指標。
1.2.1 心率變異性時域參數
心率變異性時域參數分別計算了RR間期均值(RRM)、相鄰RR間期差值的均方根值(RMSSD)、RR間期與相鄰RR間期差值絕對值乘積的均方根值(RPIAD)、RR間期標準差(SDNN),其計算公式分別如下:
${\rm{RRM}}=\frac{1}{N}\sum\limits_{i=1}^N {{\rm{R}}{{\rm{R}}_i}} $ |
${\rm{RMSSD=}}\sqrt {\frac{1}{N}\sum\limits_{i=1}^{\rm{N}} {\left({{\rm{R}}{{\rm{R}}_{i + 1}}-{\rm{R}}{{\rm{R}}_i}} \right)} } $ |
${\rm{RPIAD}}=\sqrt {{\rm{R}}{{\rm{R}}_i}*\left| {{\rm{R}}{{\rm{R}}_i}-{\rm{R}}{{\rm{R}}_{i-1}}} \right|} $ |
${\rm{SDNN=}}\sqrt {\frac{1}{N}\sum\limits_{i=1}^{\rm{N}} {{{\left({{\rm{R}}{{\rm{R}}_i}-{\rm{RRM}}} \right)}^2}} } $ |
1.2.2 心率變異性頻域參數
數據平穩是心率變異性頻域分析的前提。首先對RR間期進行中值濾波,對于濾波結果與原值相差大于30%的RR間期值,以濾波結果代替該值,從而降低了RR間期的非平穩性。其次以4 Hz頻率重采樣RR間期序列,得到均勻采樣序列[6]。然后將均勻RR間期序列分解成平穩分量(“零均值”分量)與非平穩分量(“漂移”分量),僅對平穩分量進行頻域分析[6]。分別計算了高頻段(HF, 0.15~0.40 Hz)能量、低頻段(LF, 0.04~0.15 Hz)能量、低頻段能量與高頻段能量之比(LF/HF)、高低頻段能量之和(TF, 0.04~0.40 Hz)。
1.2.3 心電波形形態相似度
心電PQRST波形可看成一系列有相關性的“準周期”波形,通過均值模板構造算法[7],從靜息期心電波形中分別篩選出QRS波群模板、P-T間期模板與T波模板;計算逐個心拍相應波形與對應均值模板的相關系數r,分別記為QRSr、PTr與Twr。
1.2.4 心電高頻噪聲參數
運動狀態下,體表心電往往受較強的肌電干擾與運動偽跡的影響,因此運動心電的高頻成分通常比靜息心電的高頻成分更多。心電高頻噪聲強度是本文運動負荷敏感指標的待選對象,因此,預處理階段未進行噪聲抑制處理。ST-T段主要為10 Hz以下的低頻成分,TP段理論上為“零電位”。運動負荷下肌電、運動偽跡均為高頻成分,ST-T段與TP段的二階差分的均方根值反映了肌電、運動偽跡的能量強度。通常運動負荷越大,肌電與運動偽跡則越強烈,因此ST-T段與TP段的高頻成分就越多,這就是利用心電高頻噪聲評估運動負荷的理論基礎。運動狀態下心電噪聲通常增強,此時QRS波群的準確定位尚且存在難度,T波與P波的起點、終點的精確定位就更困難了。因此,本文基于R波峰點位置粗略估算ST-T段和TP段的起點、終點位置。用心電幅值的二階差分的均方根值來估計ST-T段高頻段噪聲強度STTN和TP段高頻段噪聲強度TPN。
1.3 統計分析
1.3.1 統計值比較
首先計算逐心拍的心電波形形態相似度、心電高頻噪聲參數,再以3 min時長分段,統計這些參數的均值。以3 min時長對RR間期序列進行分段,計算每個志愿者的心率變異性時域與頻域參數。39 min數據以3 min時長分段后,得到13個時段,如表 1。
為削弱志愿者個體差異對統計結果造成的影響,一般多采用“相對比值”或“相對差值”來進行統計分析。“相對比值”采用除法,多用于兩者均為正值且相差不大的情況,當除數為“0”或接近“0”時,計算結果容易發散;“相對差值”與原值有相同的量綱,且計算結果的穩定性更好。本文采用“相對差值”與“零向量”比較來抑制個體差異的影響,這里“零向量”是以數值“0”為元素而構成的向量。分別計算同一個周期內的負荷期和靜息期的各參數差值、相鄰負荷期各參數差值、相鄰靜息期各參數差值,并采用方差分析(ANOVA)比較各參數差值與零向量的差異,P<0.01時為差異有統計學意義。
1.3.2 參數關聯性分析
視走路或跑步的速率作為外部負荷水平,定義各負荷階段(W1, W2, …, W6)的負荷向量為LW,如公式(5);定義試驗全程的負荷向量為LA,如公式(6)。分別計算各指標與RR間期、負荷向量LW及LA之間的相關系數。
${{\rm{L}}_{\rm{W}}}=\left[{\begin{array}{*{20}{c}} {2.5} & 5 & 7 & 8 & 9 & {10} \end{array}} \right]$ |
${{\rm{L}}_{\rm{A}}}=\left[{\begin{array}{*{20}{c}} 0 & {2.5} & 0 & 5 & 0 & 7 & 0 & 8 & 0 & 9 & 0 & {10} \end{array}} \right]$ |
1.3.3 參數變化趨勢分析
分析指標的變化趨勢,并通過差值來削弱志愿者個體差異造成的統計偏差:首先以1 min時長對心率變異性時域參數、心電波形形態相似度、心電高頻噪聲強度三類參數進行分段,計算參數每分鐘的均值,然后計算相鄰均值的差值,采用方差分析比較參數差值與零向量的差異,P<0.01時為差異有統計學意義。
2 結果
2.1 同周期的負荷期與靜息期的比較
利用心率圖[5]完成了QRS波檢測結果的人工判別與糾正。心率變異性時域參數RR與RPIAD、心電波形形態相似度QRSr、PTr與Twr、心電高頻噪聲水平STTN與TPN共7個參數為逐拍參數;其它6個參數均為統計參數。圖 1為某位志愿者的逐拍參數,負荷期較之靜息期,RR、RPIAD、Twr與PTr均減小,STTN增大,負荷之后的靜息期各參數有所恢復。

表 2為同一周期內的負荷期與靜息期的差值,心率變異性時域參數ΔRR與ΔRPIAD均小于零向量(P<0.001);心率變異性頻域參數ΔHF、ΔLF與ΔTF均小于零向量(P<0.001);心電波形形態相似度參數ΔPTr(P<0.01)與ΔTwr(P<0.001)均小于零向量。這表明,負荷期較之靜息期,心率變異性時域參數RR與RPIAD均減小;心率變異性頻域參數HF、LF與TF均減小;心電波形形態相似度參數PTr與Twr均減小。

2.2 相鄰負荷期的比較
表 3為相鄰兩次運動負荷的差值,心率變異性時域參數ΔRR小于零向量(P<0.001);除了W6-W5,其它階段ΔRPIAD小于零向量(P<0.01)。這表明,隨著負荷強度的增大,RR間期減小(心率增大),RPIAD減小(心率變異性減小)。

2.3 相鄰靜息期的比較
表 4為相鄰兩次靜息期的差值,除了R2-R1與R7-R6外,其它階段ΔRR均小于零向量(P<0.01);除了R7-R6外,ΔPTr與ΔTwr均小于零向量(P<0.01)。這表明,負荷強度越大,負荷后的靜息階段RR間期越小(心率越大),P-T間期及T波的波形與相應基準期波形的相似度越小。

2.4 參數關聯性
圖 2與圖 1的數據來自同一位志愿者,由圖 2可見負荷期較之靜息期,RR、RMSSD、RPIAD、PTr與Twr均減小,STTN與TPN均增大。由表 5可見與RR間期相關性最強的是心率變異性時域參數RPIAD(r=0.95),其次為波形相關性指標Twr(r=0.94)。與負荷向量LW相關性最強的是RR間期(r=-0.98),其次為RPIAD(r=-0.93)。各參數與負荷向量LA的相關系數均小于0.9。


2.5 參數各時段的變化趨勢
圖 3與圖 1、圖 2的數據均選自同一位志愿者,圖 3為數據按1 min分段的結果。負荷期中,RR、RMSSD、RPIAD、PTr與Twr均有下降趨勢;靜息期中,RR、RMSSD、RPIAD、PTr與Twr均有上升趨勢。除心率變異性頻率參數外,其它參數的變化趨勢(各階段參數斜率)見表 6。基準期(R1)各參數均無規律性變化趨勢。W1與R2階段,由于負荷水平較低,這兩個時段各參數也均無規律性變化趨勢。


變化趨勢規律性最強的參數是RR,它在負荷時段W2、W3、W4、W5、W6均下降(P<0.001),在靜息時段R3、R4、R5、R6、R7均上升(P<0.001)。其它變化趨勢規律性較強的參數有Twr、RPIAD與PTr。Twr在負荷時段W2、W3、W4、W6均下降(P<0.001),在靜息時段R3、R4、R5、R6、R7均上升(P<0.001)。RPIAD與PTr在負荷時段W3、W4、W5、W6均下降(P<0.001),在靜息時段R4、R5、R6、R7均上升(P<0.001)。
3 討論
運動負荷對機體的影響是多方面的,尤其對呼吸系統與心血管系統均產生顯著影響,因此同步采集呼吸、心電、脈搏、心音等多道生理參數并進行融合分析,可獲得運動負荷下的心肺交互信息[8]。呼吸系統對心血管系統有調控作用,隨著呼吸率的降低,呼吸系統對心血管系統的反射調控作用逐漸增加,提示可通過改變呼吸模式來改善心血管系統的功能[9]。除了心率,第1心音對第2心音的幅值比值(S1/S2)也可用于運動負荷評估,S1/S2在運動初期上升,力竭時下降[10]。本文研究運動負荷對心電信號的節律與波形形態的影響,探討了心率變異性時域參數(4個)、心率變異性頻域參數(4個)、心電波形形態相似度(3個)、心電高頻噪聲水平(2個)共13個參數受“靜息-負荷”交替模式的影響。
運動負荷與運動疲勞緊密關聯。運動疲勞又稱體力疲勞或肌肉疲勞,是機體的運動能力與其承擔負荷不相適應而出現的機體無法維持特定運動水平的現象[11]。疲勞也是身體為防止“過勞”而產生的具有自我保護特性的生理反饋,它提醒機體:負荷已超過身體能承受的限度,應當及時休息,從而避免機體功能的過度耗損[11]。生命活動是主動性的、可自我調控、多層次、有負反饋特性和有適應性調節能力的復雜運動形式,機體的疲勞過程和“抗疲勞”的生理響應過程相互交織,是同一過程,兩者無法徹底分離。負荷為不受主觀影響的客觀量,身心對負荷的生理響應為應激,則機體無法維持高效工作的生理反饋現象即為疲勞[11]。
心電節律與心電波形的運動負荷敏感指標必然隨“靜息-負荷”模式交替而發生起伏變化,因此“靜息-負荷”交替模式有利于運動負荷敏感指標的篩選。如圖 1所示,在每個3 min運動階段的同一強度負荷(恒速走路或跑步)的持續作用下,由于疲勞累積效應,RR、Twr與PTr均逐步減小。休息階段疲勞逐步緩解,RR、Twr與PTr均逐步回升。心率本身不能區分靜息與運動狀態,但心率的變化趨勢能夠區分靜息與運動狀態。圖 1中,在同一強度運動負荷下,RR有下降趨勢(心率上升),表明了運動疲勞的累積效應;運動負荷后的靜息階段中RR有上升趨勢(心率下降),表明運動疲勞的消除與生理功能儲備(心率儲備)的恢復是同一過程。表 5中RR均值與外部負荷強度有較強的線性關系。
HRV頻域分析以信號的平穩性為前提,可以直接對靜息、睡眠等平穩心率序列進行頻域分析,但“靜息-負荷”模式下的心率序列往往是非平穩的(比如,心率可能在數十秒內從靜息心率70次/min上升到運動期心率150次/min),所以直接對運動心率序列進行譜分析是不合理的。本文將RR間期序列分解成平穩分量(“零均值”分量)與非平穩分量(“漂移”分量),僅對平穩分量進行頻域分析[6],此時的心率變異性頻域參數HF、LF與TF均通過“零均值”分量計算得來。由于“零均值”分量類似于RR間期的細節分量,而“漂移”分量類似于RR間期的趨勢分量,此時基于RR間期細節分量的心率變異性頻域參數HF、LF與TF主要表征心率序列的高頻成分,與傳統的基于RR間期的心率變異性頻域參數有本質的不同,這就是負荷期心率變異性頻域參數HF、LF與TF較之靜息期均減小的可能機制,即負荷期心率高頻成分較之靜息期減小。這與前期研究結果一致:相比安靜狀態,運動過程中RR間期的平均值、HRV時域參數明顯減低[11];運動負荷強度越高,往往運動應激水平也越高、運動疲勞程度越大,與之相應地,HR升高,HRV降低[11]。
心率變異性時域參數RR間期與RPIAD對運動負荷的敏感性最強,與負荷向量的相關系數的絕對值均大于0.9;隨“靜息-負荷”模式交替而發生明顯起伏變化的主要有心率變異性時域參數RR間期與RPIAD,心率變異性頻域參數HF、LF與TF,以及心電波形相似度PTr與Twr。心率(心率=60/RR間期)是當前運動負荷強度實時監測的最常用指標,心率加快(RR間期減小)是心血管系統對運動的即時反應[12]。運動過程中,心率隨運動量增加而加快,心率增加與心臟負荷及耗氧量呈線性相關[12]。本文把RR間期作為運動負荷敏感指標的參照,從心率變異性時域及頻域參數、心電波形形態相似度、心電高頻噪聲水平中篩選運動負荷敏感指標。隨著負荷強度增大,RR間期減小(P<0.001),RPIAD減小(P<0.01)。與負荷向量相關性最強的是RR間期(r=-0.98),其次為RPIAD(r=-0.93)。RR間期、RPIAD、Twr、PTr在負荷時段內有下降趨勢(P<0.001),在靜息時段有上升趨勢(P<0.001)。
四類指標中,心率變異性時域參數直接由RR間期計算而來,最為實用,準確性高、計算復雜度低、生理意義明確;心率變異性頻域參數需要RR間期濾波、均勻間隔重采樣、平穩分量與非平穩分量分離、平穩分量的頻譜計算、頻域參數計算等多個步驟,其計算復雜度高、時間成本較高,且這些指標的運動敏感性低于時域指標;運動期較之靜息期,心電波形形態變化主要發生于ST段與T波,少量受試者的T波較小甚至低平,T波峰點很難定位,此時T波形態變化較難追蹤,且波形形態相似性本質上是相關系數計算,計算量較大,時間成本高;心電高頻噪聲水平為心電ST-T段與TP段波形的二階差分的均方根值,計算簡單,但它是是四類指標中對運動負荷最不敏感的。
心率變異性評價運動負荷的研究較多,心電波形特征評價運動負荷的研究較少。心率變異性主要通過交感、迷走神經張力變化及兩者之間的平衡程度來評價運動負荷,有較強的理論基礎。運動負荷對心電波形的影響主要源于兩方面:一方面,運動過程中肌電干擾、運動偽跡增強,心電噪聲增大;另一方面,運動中心臟負荷增大,引起ST-T段有一定程度的形態改變,導致運動心電波形與靜息期參考波形的相似度降低。本文研究結果表明,RR間期指標(心率指標)是運動強度實時監測的可靠指標,與負荷強度有較強的線性關系;心電波形相關性指標、心率變異性指標可輔助評價運動負荷;心電高頻噪聲對運動負荷的敏感性較低。
引言
運動狀態較之靜息狀態,機體新陳代謝水平升高,心率、呼吸率、血壓通常均增加。適宜強度的運動有助于增強運動者的身體素質,運動過度則可能使機體受到損傷,如極限運動時心肌細胞可能在短時間內過度凋亡[1]。當前運動負荷評價主要有生化指標與生理指標兩類。生化指標(如肌乳酸、血乳酸和尿乳酸)為事后分析,無法應用于連續不間斷的運動負荷監測場合,且生化檢測多為有創方法。較之生化檢測,生理信號監測的侵擾性更低、易用性更強,例如實際工作中常用心率實時監測運動負荷[2]。在中等強度或亞極限強度運動過程中,心率與運動強度保持著良好的線性關系[1]。運動競技或體能鍛煉中,可以通過心率實時監測運動負荷強度,及時提示運動者進行休息,防止負荷強度過大引發機體器質性損傷甚至是猝死。
基于實時心率的運動負荷監測簡單、準確、易用,可實現對生理負荷的連續監測[3]。然而,使用心率測量運動負荷的手段比較單一,因為心率只是心臟電活動的整體節律信息,更豐富的心電信息蘊含在心電波形中,而心電波形與運動負荷的相關信息尚有待挖掘。本文比較了心率變異性時域參數、心率變異性頻域參數、心電波形形態相似度和心電高頻噪聲強度四類參數對運動負荷的敏感性。
1 方法
1.1 數據采集
使用牛津儀器(Oxford Instrument)Medilog AR12采集了20位男性健康受試者(年齡25.33歲±2.92歲)在跑步機上靜息(靜立)與運動(行走及跑步)兩種狀態的肢體導聯Ⅱ(MLⅡ)心電數據。時間采樣率為1 024 Hz,16位A/D轉化,幅度分辨率為0.3μV。表 1為試驗情況,試驗過程為“靜立3 min-運動3 min”循環6輪,最后再靜立3 min,因此每個志愿者的心電數據時長為39 min。

1.2 指標計算
本文采用匹配濾波與三角形特征分析相結合的方法[4]進行QRS波群檢測,再對心率圖上的“孤立點”[5]進行人工判別與糾正。然后分別計算了以下四類指標。
1.2.1 心率變異性時域參數
心率變異性時域參數分別計算了RR間期均值(RRM)、相鄰RR間期差值的均方根值(RMSSD)、RR間期與相鄰RR間期差值絕對值乘積的均方根值(RPIAD)、RR間期標準差(SDNN),其計算公式分別如下:
${\rm{RRM}}=\frac{1}{N}\sum\limits_{i=1}^N {{\rm{R}}{{\rm{R}}_i}} $ |
${\rm{RMSSD=}}\sqrt {\frac{1}{N}\sum\limits_{i=1}^{\rm{N}} {\left({{\rm{R}}{{\rm{R}}_{i + 1}}-{\rm{R}}{{\rm{R}}_i}} \right)} } $ |
${\rm{RPIAD}}=\sqrt {{\rm{R}}{{\rm{R}}_i}*\left| {{\rm{R}}{{\rm{R}}_i}-{\rm{R}}{{\rm{R}}_{i-1}}} \right|} $ |
${\rm{SDNN=}}\sqrt {\frac{1}{N}\sum\limits_{i=1}^{\rm{N}} {{{\left({{\rm{R}}{{\rm{R}}_i}-{\rm{RRM}}} \right)}^2}} } $ |
1.2.2 心率變異性頻域參數
數據平穩是心率變異性頻域分析的前提。首先對RR間期進行中值濾波,對于濾波結果與原值相差大于30%的RR間期值,以濾波結果代替該值,從而降低了RR間期的非平穩性。其次以4 Hz頻率重采樣RR間期序列,得到均勻采樣序列[6]。然后將均勻RR間期序列分解成平穩分量(“零均值”分量)與非平穩分量(“漂移”分量),僅對平穩分量進行頻域分析[6]。分別計算了高頻段(HF, 0.15~0.40 Hz)能量、低頻段(LF, 0.04~0.15 Hz)能量、低頻段能量與高頻段能量之比(LF/HF)、高低頻段能量之和(TF, 0.04~0.40 Hz)。
1.2.3 心電波形形態相似度
心電PQRST波形可看成一系列有相關性的“準周期”波形,通過均值模板構造算法[7],從靜息期心電波形中分別篩選出QRS波群模板、P-T間期模板與T波模板;計算逐個心拍相應波形與對應均值模板的相關系數r,分別記為QRSr、PTr與Twr。
1.2.4 心電高頻噪聲參數
運動狀態下,體表心電往往受較強的肌電干擾與運動偽跡的影響,因此運動心電的高頻成分通常比靜息心電的高頻成分更多。心電高頻噪聲強度是本文運動負荷敏感指標的待選對象,因此,預處理階段未進行噪聲抑制處理。ST-T段主要為10 Hz以下的低頻成分,TP段理論上為“零電位”。運動負荷下肌電、運動偽跡均為高頻成分,ST-T段與TP段的二階差分的均方根值反映了肌電、運動偽跡的能量強度。通常運動負荷越大,肌電與運動偽跡則越強烈,因此ST-T段與TP段的高頻成分就越多,這就是利用心電高頻噪聲評估運動負荷的理論基礎。運動狀態下心電噪聲通常增強,此時QRS波群的準確定位尚且存在難度,T波與P波的起點、終點的精確定位就更困難了。因此,本文基于R波峰點位置粗略估算ST-T段和TP段的起點、終點位置。用心電幅值的二階差分的均方根值來估計ST-T段高頻段噪聲強度STTN和TP段高頻段噪聲強度TPN。
1.3 統計分析
1.3.1 統計值比較
首先計算逐心拍的心電波形形態相似度、心電高頻噪聲參數,再以3 min時長分段,統計這些參數的均值。以3 min時長對RR間期序列進行分段,計算每個志愿者的心率變異性時域與頻域參數。39 min數據以3 min時長分段后,得到13個時段,如表 1。
為削弱志愿者個體差異對統計結果造成的影響,一般多采用“相對比值”或“相對差值”來進行統計分析。“相對比值”采用除法,多用于兩者均為正值且相差不大的情況,當除數為“0”或接近“0”時,計算結果容易發散;“相對差值”與原值有相同的量綱,且計算結果的穩定性更好。本文采用“相對差值”與“零向量”比較來抑制個體差異的影響,這里“零向量”是以數值“0”為元素而構成的向量。分別計算同一個周期內的負荷期和靜息期的各參數差值、相鄰負荷期各參數差值、相鄰靜息期各參數差值,并采用方差分析(ANOVA)比較各參數差值與零向量的差異,P<0.01時為差異有統計學意義。
1.3.2 參數關聯性分析
視走路或跑步的速率作為外部負荷水平,定義各負荷階段(W1, W2, …, W6)的負荷向量為LW,如公式(5);定義試驗全程的負荷向量為LA,如公式(6)。分別計算各指標與RR間期、負荷向量LW及LA之間的相關系數。
${{\rm{L}}_{\rm{W}}}=\left[{\begin{array}{*{20}{c}} {2.5} & 5 & 7 & 8 & 9 & {10} \end{array}} \right]$ |
${{\rm{L}}_{\rm{A}}}=\left[{\begin{array}{*{20}{c}} 0 & {2.5} & 0 & 5 & 0 & 7 & 0 & 8 & 0 & 9 & 0 & {10} \end{array}} \right]$ |
1.3.3 參數變化趨勢分析
分析指標的變化趨勢,并通過差值來削弱志愿者個體差異造成的統計偏差:首先以1 min時長對心率變異性時域參數、心電波形形態相似度、心電高頻噪聲強度三類參數進行分段,計算參數每分鐘的均值,然后計算相鄰均值的差值,采用方差分析比較參數差值與零向量的差異,P<0.01時為差異有統計學意義。
2 結果
2.1 同周期的負荷期與靜息期的比較
利用心率圖[5]完成了QRS波檢測結果的人工判別與糾正。心率變異性時域參數RR與RPIAD、心電波形形態相似度QRSr、PTr與Twr、心電高頻噪聲水平STTN與TPN共7個參數為逐拍參數;其它6個參數均為統計參數。圖 1為某位志愿者的逐拍參數,負荷期較之靜息期,RR、RPIAD、Twr與PTr均減小,STTN增大,負荷之后的靜息期各參數有所恢復。

表 2為同一周期內的負荷期與靜息期的差值,心率變異性時域參數ΔRR與ΔRPIAD均小于零向量(P<0.001);心率變異性頻域參數ΔHF、ΔLF與ΔTF均小于零向量(P<0.001);心電波形形態相似度參數ΔPTr(P<0.01)與ΔTwr(P<0.001)均小于零向量。這表明,負荷期較之靜息期,心率變異性時域參數RR與RPIAD均減小;心率變異性頻域參數HF、LF與TF均減小;心電波形形態相似度參數PTr與Twr均減小。

2.2 相鄰負荷期的比較
表 3為相鄰兩次運動負荷的差值,心率變異性時域參數ΔRR小于零向量(P<0.001);除了W6-W5,其它階段ΔRPIAD小于零向量(P<0.01)。這表明,隨著負荷強度的增大,RR間期減小(心率增大),RPIAD減小(心率變異性減小)。

2.3 相鄰靜息期的比較
表 4為相鄰兩次靜息期的差值,除了R2-R1與R7-R6外,其它階段ΔRR均小于零向量(P<0.01);除了R7-R6外,ΔPTr與ΔTwr均小于零向量(P<0.01)。這表明,負荷強度越大,負荷后的靜息階段RR間期越小(心率越大),P-T間期及T波的波形與相應基準期波形的相似度越小。

2.4 參數關聯性
圖 2與圖 1的數據來自同一位志愿者,由圖 2可見負荷期較之靜息期,RR、RMSSD、RPIAD、PTr與Twr均減小,STTN與TPN均增大。由表 5可見與RR間期相關性最強的是心率變異性時域參數RPIAD(r=0.95),其次為波形相關性指標Twr(r=0.94)。與負荷向量LW相關性最強的是RR間期(r=-0.98),其次為RPIAD(r=-0.93)。各參數與負荷向量LA的相關系數均小于0.9。


2.5 參數各時段的變化趨勢
圖 3與圖 1、圖 2的數據均選自同一位志愿者,圖 3為數據按1 min分段的結果。負荷期中,RR、RMSSD、RPIAD、PTr與Twr均有下降趨勢;靜息期中,RR、RMSSD、RPIAD、PTr與Twr均有上升趨勢。除心率變異性頻率參數外,其它參數的變化趨勢(各階段參數斜率)見表 6。基準期(R1)各參數均無規律性變化趨勢。W1與R2階段,由于負荷水平較低,這兩個時段各參數也均無規律性變化趨勢。


變化趨勢規律性最強的參數是RR,它在負荷時段W2、W3、W4、W5、W6均下降(P<0.001),在靜息時段R3、R4、R5、R6、R7均上升(P<0.001)。其它變化趨勢規律性較強的參數有Twr、RPIAD與PTr。Twr在負荷時段W2、W3、W4、W6均下降(P<0.001),在靜息時段R3、R4、R5、R6、R7均上升(P<0.001)。RPIAD與PTr在負荷時段W3、W4、W5、W6均下降(P<0.001),在靜息時段R4、R5、R6、R7均上升(P<0.001)。
3 討論
運動負荷對機體的影響是多方面的,尤其對呼吸系統與心血管系統均產生顯著影響,因此同步采集呼吸、心電、脈搏、心音等多道生理參數并進行融合分析,可獲得運動負荷下的心肺交互信息[8]。呼吸系統對心血管系統有調控作用,隨著呼吸率的降低,呼吸系統對心血管系統的反射調控作用逐漸增加,提示可通過改變呼吸模式來改善心血管系統的功能[9]。除了心率,第1心音對第2心音的幅值比值(S1/S2)也可用于運動負荷評估,S1/S2在運動初期上升,力竭時下降[10]。本文研究運動負荷對心電信號的節律與波形形態的影響,探討了心率變異性時域參數(4個)、心率變異性頻域參數(4個)、心電波形形態相似度(3個)、心電高頻噪聲水平(2個)共13個參數受“靜息-負荷”交替模式的影響。
運動負荷與運動疲勞緊密關聯。運動疲勞又稱體力疲勞或肌肉疲勞,是機體的運動能力與其承擔負荷不相適應而出現的機體無法維持特定運動水平的現象[11]。疲勞也是身體為防止“過勞”而產生的具有自我保護特性的生理反饋,它提醒機體:負荷已超過身體能承受的限度,應當及時休息,從而避免機體功能的過度耗損[11]。生命活動是主動性的、可自我調控、多層次、有負反饋特性和有適應性調節能力的復雜運動形式,機體的疲勞過程和“抗疲勞”的生理響應過程相互交織,是同一過程,兩者無法徹底分離。負荷為不受主觀影響的客觀量,身心對負荷的生理響應為應激,則機體無法維持高效工作的生理反饋現象即為疲勞[11]。
心電節律與心電波形的運動負荷敏感指標必然隨“靜息-負荷”模式交替而發生起伏變化,因此“靜息-負荷”交替模式有利于運動負荷敏感指標的篩選。如圖 1所示,在每個3 min運動階段的同一強度負荷(恒速走路或跑步)的持續作用下,由于疲勞累積效應,RR、Twr與PTr均逐步減小。休息階段疲勞逐步緩解,RR、Twr與PTr均逐步回升。心率本身不能區分靜息與運動狀態,但心率的變化趨勢能夠區分靜息與運動狀態。圖 1中,在同一強度運動負荷下,RR有下降趨勢(心率上升),表明了運動疲勞的累積效應;運動負荷后的靜息階段中RR有上升趨勢(心率下降),表明運動疲勞的消除與生理功能儲備(心率儲備)的恢復是同一過程。表 5中RR均值與外部負荷強度有較強的線性關系。
HRV頻域分析以信號的平穩性為前提,可以直接對靜息、睡眠等平穩心率序列進行頻域分析,但“靜息-負荷”模式下的心率序列往往是非平穩的(比如,心率可能在數十秒內從靜息心率70次/min上升到運動期心率150次/min),所以直接對運動心率序列進行譜分析是不合理的。本文將RR間期序列分解成平穩分量(“零均值”分量)與非平穩分量(“漂移”分量),僅對平穩分量進行頻域分析[6],此時的心率變異性頻域參數HF、LF與TF均通過“零均值”分量計算得來。由于“零均值”分量類似于RR間期的細節分量,而“漂移”分量類似于RR間期的趨勢分量,此時基于RR間期細節分量的心率變異性頻域參數HF、LF與TF主要表征心率序列的高頻成分,與傳統的基于RR間期的心率變異性頻域參數有本質的不同,這就是負荷期心率變異性頻域參數HF、LF與TF較之靜息期均減小的可能機制,即負荷期心率高頻成分較之靜息期減小。這與前期研究結果一致:相比安靜狀態,運動過程中RR間期的平均值、HRV時域參數明顯減低[11];運動負荷強度越高,往往運動應激水平也越高、運動疲勞程度越大,與之相應地,HR升高,HRV降低[11]。
心率變異性時域參數RR間期與RPIAD對運動負荷的敏感性最強,與負荷向量的相關系數的絕對值均大于0.9;隨“靜息-負荷”模式交替而發生明顯起伏變化的主要有心率變異性時域參數RR間期與RPIAD,心率變異性頻域參數HF、LF與TF,以及心電波形相似度PTr與Twr。心率(心率=60/RR間期)是當前運動負荷強度實時監測的最常用指標,心率加快(RR間期減小)是心血管系統對運動的即時反應[12]。運動過程中,心率隨運動量增加而加快,心率增加與心臟負荷及耗氧量呈線性相關[12]。本文把RR間期作為運動負荷敏感指標的參照,從心率變異性時域及頻域參數、心電波形形態相似度、心電高頻噪聲水平中篩選運動負荷敏感指標。隨著負荷強度增大,RR間期減小(P<0.001),RPIAD減小(P<0.01)。與負荷向量相關性最強的是RR間期(r=-0.98),其次為RPIAD(r=-0.93)。RR間期、RPIAD、Twr、PTr在負荷時段內有下降趨勢(P<0.001),在靜息時段有上升趨勢(P<0.001)。
四類指標中,心率變異性時域參數直接由RR間期計算而來,最為實用,準確性高、計算復雜度低、生理意義明確;心率變異性頻域參數需要RR間期濾波、均勻間隔重采樣、平穩分量與非平穩分量分離、平穩分量的頻譜計算、頻域參數計算等多個步驟,其計算復雜度高、時間成本較高,且這些指標的運動敏感性低于時域指標;運動期較之靜息期,心電波形形態變化主要發生于ST段與T波,少量受試者的T波較小甚至低平,T波峰點很難定位,此時T波形態變化較難追蹤,且波形形態相似性本質上是相關系數計算,計算量較大,時間成本高;心電高頻噪聲水平為心電ST-T段與TP段波形的二階差分的均方根值,計算簡單,但它是是四類指標中對運動負荷最不敏感的。
心率變異性評價運動負荷的研究較多,心電波形特征評價運動負荷的研究較少。心率變異性主要通過交感、迷走神經張力變化及兩者之間的平衡程度來評價運動負荷,有較強的理論基礎。運動負荷對心電波形的影響主要源于兩方面:一方面,運動過程中肌電干擾、運動偽跡增強,心電噪聲增大;另一方面,運動中心臟負荷增大,引起ST-T段有一定程度的形態改變,導致運動心電波形與靜息期參考波形的相似度降低。本文研究結果表明,RR間期指標(心率指標)是運動強度實時監測的可靠指標,與負荷強度有較強的線性關系;心電波形相關性指標、心率變異性指標可輔助評價運動負荷;心電高頻噪聲對運動負荷的敏感性較低。