發(fā)布時間：所屬分類：醫(yī)學論文瀏覽：1次
摘 要： 摘要：目的探索穿戴式生理參數(shù)監(jiān)測系統(tǒng)在軍事作業(yè)醫(yī)學中的應用價值。方法在某新兵訓練基地搭建了基于隨行監(jiān)護系統(tǒng)的中央監(jiān)測系統(tǒng)，并分別于2018和2019年度采集新兵入伍3個月軍事訓練中30人(210人次)，50人(600人次)的連續(xù)(24h)生理數(shù)據(jù)，包括兩晚的夜間睡眠
摘要：目的探索穿戴式生理參數(shù)監(jiān)測系統(tǒng)在軍事作業(yè)醫(yī)學中的應用價值。方法在某新兵訓練基地搭建了基于隨行監(jiān)護系統(tǒng)的中央監(jiān)測系統(tǒng)，并分別于2018和2019年度采集新兵入伍3個月軍事訓練中30人(210人次)，50人(600人次)的連續(xù)(≥24h)生理數(shù)據(jù)，包括兩晚的夜間睡眠、日間訓練、業(yè)余活動等，通過信號質(zhì)量算法和人工判讀篩選可用信號。隨機選取2019年度新兵40例，按3km跑的考核成績進行排序，將排名前20和后20名新兵分為成績高與低兩組，比較兩組夜間睡眠和運動指標的差異，探索訓練成績和生理指標變化間的關(guān)系。結(jié)果采集數(shù)據(jù)的平均時長為(36.2±12.0)h，信號質(zhì)量評估結(jié)果顯示，心電和呼吸信號質(zhì)量好和中等所占的比例均大于80%，系統(tǒng)能夠有效采集新兵軍事訓練過程中心電、呼吸、體位/體動等數(shù)據(jù)，實現(xiàn)實時監(jiān)測和作業(yè)效能評估等功能。監(jiān)測數(shù)據(jù)顯示：成績高組相比于成績低組，睡眠分期中的深睡比例更多(16.24%±5.62%vs12.19%±4.95%，P=0.042)，運動后心率恢復差值(1min、2min)下降更快[(37.89±5.53)次/分vs(31.97±6.20)次/分，P=0.003]、[(60.89±6.61)次/分vs(49.30±4.76)次/分，P=0.000]。結(jié)論可穿戴隨行監(jiān)護系統(tǒng)能夠在軍事作業(yè)環(huán)境下有效采集新兵的生理數(shù)據(jù)，該系統(tǒng)通過連續(xù)生理監(jiān)測與分析能夠捕捉到更多新兵身體狀態(tài)變化的信息，為評估軍事作業(yè)效能提供了新的技術(shù)手段。
關(guān)鍵詞：隨行監(jiān)護系統(tǒng);生理監(jiān)測;睡眠;心率恢復;軍事作業(yè)醫(yī)學
軍事作業(yè)醫(yī)學是在各種環(huán)境下保護軍人健康，提高體能、技能和作業(yè)效能的軍事醫(yī)學分支學科[1-4]。在現(xiàn)代軍事作業(yè)環(huán)境中，存在許多復雜因素，可引起士兵嚴重的生理和心理應激反應，從而導致軍人的作業(yè)能力降低[5]。對單兵生理狀態(tài)連續(xù)實時監(jiān)測與分析，可以客觀的評估作業(yè)能力，從而指導科學訓練和減少訓練傷發(fā)生[6-7]。一些發(fā)達國家研制出了多種軍用的可穿戴監(jiān)測設(shè)備，例如美軍的SmartT-Shirt[8]，LifeGuard[9]，C-WHMS[10]，Zephyr系統(tǒng)[11]和英國Equivital公司的“BlackGhost”軍事監(jiān)測系統(tǒng)[12]，實現(xiàn)心電、呼吸、體溫、體位/體動的生理參數(shù)遠程監(jiān)測和狀態(tài)預警，同時基于系統(tǒng)可以深入研究軍人訓練過程中的生理參數(shù)變化、效能評估方法等。比較而言，我軍在該領(lǐng)域的研究的相對薄弱，起步相對較晚。在穿戴式生理信號檢測技術(shù)方面，很多高校、研究機構(gòu)以及企業(yè)都在開展該領(lǐng)域的研究工作[13-16]，但缺少能夠真正用于軍事作業(yè)醫(yī)學研究的設(shè)備，對連續(xù)生理數(shù)據(jù)在軍事醫(yī)學應用研究中的可行性和應用模式和價值研究的不足。可穿戴設(shè)備在軍事作業(yè)醫(yī)學中具有極其重要的應用前景，但目前尚未大規(guī)模應用到軍事訓練中，收集的連續(xù)生理數(shù)據(jù)未被充分挖掘、分析、利用。為解決此問題，本文提出了用于軍事作業(yè)醫(yī)學研究可穿戴設(shè)備中的隨行監(jiān)護系統(tǒng)(SensEcho)[17]，分析了該系統(tǒng)在真實軍事作業(yè)訓練中采集生理數(shù)據(jù)的效果，為軍事作業(yè)醫(yī)學研究提供新的技術(shù)方法和手段。
對象和方法
1研究對象 系統(tǒng)自2018年度在某新兵訓練基地部署，每年度收集9-12月新兵訓練3個月的軍事訓練數(shù)據(jù)，進行軍事作業(yè)醫(yī)學研究。隨機選取2019年度新兵40人，均為男性，年齡(20.35±1.70)歲，身高(175.13±5.12)cm，體重(69.75±7.95)kg，按照3km越野考核成績進行排序，選擇前后各20人，分為成績高(組1)和成績低(組2)兩組進行各參數(shù)比較分析。
相關(guān)知識推薦：醫(yī)學外科核心期刊有哪些，期刊表
2隨行監(jiān)護系統(tǒng) SensEcho系統(tǒng)由監(jiān)測終端、無線組網(wǎng)和數(shù)據(jù)傳輸以及中央監(jiān)測系統(tǒng)三部分組成。系統(tǒng)終端為柔性背心，內(nèi)嵌有心電、呼吸、體位/體動傳感器，如圖1所示，實現(xiàn)生理信號長時、連續(xù)、低負荷的獲取。信號采集存儲、無線傳輸電路在可拆卸記錄盒內(nèi)，該盒內(nèi)集成有采樣頻率25Hz三軸加速度傳感器，用于記錄體位和體動信息，并可以實現(xiàn)身體姿勢和活動信息的捕捉和記錄。該系統(tǒng)采用的是導電性能良好的織物電極，可以獲取頻率為200Hz單導聯(lián)心電信號;呼吸信號檢測采用呼吸感應體積描記技術(shù)，頻率為25Hz;設(shè)備信號記錄盒(設(shè)備主機)可以通過藍牙與第三方傳感器連接，采集其他生理信號。無線生理信號傳輸單元為基于Wi-Fi技術(shù)的組網(wǎng)系統(tǒng)，包括超低功耗Wi-Fi模塊和WLAN系統(tǒng)，采用多個路由器，能夠?qū)崿F(xiàn)區(qū)域內(nèi)多個士兵的移動監(jiān)護、無線組網(wǎng)和漫游數(shù)據(jù)傳輸。
3中央監(jiān)測系統(tǒng) 中央監(jiān)測系統(tǒng)實現(xiàn)所有隨行生理參數(shù)監(jiān)測終端數(shù)據(jù)的顯示和士兵集中管理，能夠?qū)崟r地顯示每一位士兵的心電、呼吸、體位、體動生理波形，歷史趨勢，活動狀態(tài)(臥床/活動)以及是否在線。中央監(jiān)測系統(tǒng)設(shè)計有后臺數(shù)據(jù)服務器和算法服務器，與傳統(tǒng)的中央監(jiān)測系統(tǒng)不同，所有監(jiān)測終端的數(shù)據(jù)都先發(fā)送到數(shù)據(jù)和算法服務器，在算法服務器經(jīng)過分析處理后將結(jié)果推送到中央監(jiān)測系統(tǒng)。算法服務器能夠?qū)B續(xù)生理數(shù)據(jù)進行深度的分析處理，例如心率變異性(heartratevariability，HRV)分析、活動量分析、多尺度熵(multiscaleentropy，MSE)分析[18-19]、睡眠質(zhì)量分析、應激-響應分析等，通過士兵當前的精神-心理狀態(tài)、睡眠情況、運動-恢復水平，綜合分析士兵的作業(yè)能力。監(jiān)測示意圖如圖2所示。
4軍事作業(yè)過程中監(jiān)測與評估指標 1)睡眠質(zhì)量分析：通過基于心電和呼吸信號的睡眠分期算法[20]，分析士兵夜間睡眠情況和整體睡眠質(zhì)量，包括睡眠總時間、睡眠分期情況、睡眠呼吸事件發(fā)生時間和頻率等。2)HRV分析：通過HRV時域指標、頻域指標和非線性指標對士兵全天的HRV分析并總結(jié)。3)整體健康度分析：通過心率的MSE分析量化時間序列復雜度，反應人體系統(tǒng)的整體功能狀態(tài)，監(jiān)護軍事作業(yè)中士兵的生命體征。4)活動量分析：通過三軸加速度傳感器判斷士兵當前的活動狀態(tài)，統(tǒng)計每天各種活動類型的占比。5)短時應激響應：對跑步過程中的心率和呼吸頻率時序信號進行分析，如運動過程中最大心率，最大呼吸率，運動后心率恢復(30s，1min，2min)情況[21]。6)長時應激響應：對每日的心率、三軸加速度時序信號進行分析，通過三軸加速度選擇靜止狀態(tài)，計算靜息心率、靜息心率變異性，代表士兵整天的身體基線水平。
5信號質(zhì)量評估 由于采集的心電和呼吸信號來自于真實世界，存在著噪聲的干擾，故信號是否可以用于下一步的數(shù)據(jù)分析需要提前進行判斷[22]，對軍事訓練中采集的數(shù)據(jù)集進行信號質(zhì)量的標注，得到人工標注有標簽的數(shù)據(jù)集;其次，心電(呼吸)信號通過30s(10s)時間窗提取特征，采用孤立森林模型，獲得該時間段信號的評分;最后，將模型得到的評分映射到三分類的信號質(zhì)量評估結(jié)果上，得到信號質(zhì)量好、中、差的結(jié)果，分別標記為1、2、3。
6試驗方法 受試士兵選擇日常訓練的1~2天，穿戴隨行監(jiān)護系統(tǒng)，受制于士兵的實際意愿和部隊訓練任務，實驗中士兵每周佩戴1次設(shè)備，每次采集的總時間24~48h。實驗中記錄的士兵基本信息通過環(huán)境監(jiān)測設(shè)備測量環(huán)境的溫度、濕度、光照強度、風速、噪聲等。
7分析指標 1)對采集的心電和呼吸信號的質(zhì)量進行分析，統(tǒng)計信號質(zhì)量好中差所占的比例。2)通過采集新兵的3km測試成績，選取成績好與差的兩組士兵各20名，計算兩組的睡眠質(zhì)量(睡眠效率，睡眠總時間，睡眠潛伏期，每個睡眠分期占比)，3km測試過程中和運動后恢復指標(最大心率，最大呼吸率，心率恢復時間)。
8統(tǒng)計學方法 采用Python3.6軟件進行統(tǒng)計分析，數(shù)據(jù)均為計量資料，符合正態(tài)分布，以表示，兩組對比采用獨立樣本t檢驗，不符合正態(tài)分布，以Md(IQR)表示，兩組對比采用Kruskal-Wallis秩和檢驗，P<0.05為差異有統(tǒng)計學意義。
結(jié) 果
1信號質(zhì)量評估 如表1所示，心電信號質(zhì)量好和中所占比例分別為72.52%±6.38%和9.99%±1.16%，呼吸信號質(zhì)量好和中所占比例為52.26%±2.48%和32.36%±1.79%，系統(tǒng)采集的心電與呼吸信號質(zhì)量好和中所占比例均在80%以上，表明系統(tǒng)可高質(zhì)量采集新兵軍事訓練過程中的數(shù)據(jù)。圖3分別展示了心電信號和呼吸信號質(zhì)量好、中、差的示例。對于心電信號，在信號質(zhì)量好時，算法可以準確地檢測出波峰的位置;而信號質(zhì)量差時，由于運動偽跡對R波檢測會造成影響，部分波峰位置難以判斷。呼吸信號在夜間質(zhì)量好時波形很平穩(wěn)，沒有基線的漂移(圖3D)，但由于其自主性較強，個人的呼吸模式對呼吸信號的波動產(chǎn)生較大影響(圖3E)。圖3F是在低強度活動中的呼吸信號，由于信號中存在運動偽跡，對質(zhì)量算法判斷的準確率影響較大。
2軍事作業(yè)中實時生理狀態(tài)監(jiān)測 應用SensEcho監(jiān)測系統(tǒng)共采集了連續(xù)生理數(shù)據(jù)810人次(2018年210人次，2019年600人次)，采集的數(shù)據(jù)平均時長為(36.24±12.01)h。一個中央臺系統(tǒng)可同時監(jiān)測64名士兵，一個界面可以同時顯示16名士兵的生理信號。圖4中展示的是在安靜狀態(tài)和運動狀態(tài)下中央臺實時監(jiān)測的界面。可以看出，在安靜狀態(tài)下，采集的信號較穩(wěn)定，無運動偽跡的干擾;在運動狀態(tài)下，雖然存在著運動偽跡干擾，即使是在心率達到160次/min的高強度運動狀態(tài)下，系統(tǒng)也能準確的監(jiān)測士兵的生理數(shù)據(jù)。圖5顯示的是真實3km運動過程中一名士兵的生理參數(shù)變化，圖中信號自上而下分別為體位體動、心率、呼吸率在3km測試前中后的變化趨勢。
3兩組生理參數(shù)比較 如表2所示，兩組士兵的年齡，身高，體重等基本信息無統(tǒng)計學差異(P>0.05)。從睡眠指標可以看出兩組的睡眠效率都較高，睡眠質(zhì)量好，各睡眠分期占比在正常范圍內(nèi)。組1的深睡比例高于組2(16.24%±5.62%vs12.19%±4.95%，P<0.05)，提示睡眠指標中深睡時間與第2天運動表現(xiàn)相關(guān)。組1運動后心率恢復差值(1min、2min)下降快于組2[(37.89±5.53)次/分vs(31.97±6.20)次/分，P<0.001、(60.89±6.61)次/分vs(49.30±4.76)次/分，P<0.001]，反應出運動表現(xiàn)與運動后的心率恢復之間有較強的關(guān)系。
討 論
本文介紹了隨行生理參數(shù)監(jiān)測系統(tǒng)在軍事作業(yè)醫(yī)學的應用模式，對采集的連續(xù)生理數(shù)據(jù)可用性進行了分析，并基于連續(xù)生理數(shù)據(jù)對軍事作業(yè)醫(yī)學研究方法進行了探索，總結(jié)了連續(xù)生理數(shù)據(jù)客觀評估作業(yè)效能的方法，在新兵軍事訓練數(shù)據(jù)中進行了初步驗證。該系統(tǒng)不僅可以實現(xiàn)實時、長程、低負荷的生理狀態(tài)監(jiān)測，滿足在不影響士兵訓練的同時監(jiān)測生理信號，并通過信號質(zhì)量評估、信號處理、數(shù)據(jù)挖掘、數(shù)據(jù)分析的方法發(fā)現(xiàn)軍事訓練過程中的連續(xù)生理數(shù)據(jù)隱含的有價值的信息。進一步，通過機器學習、深度學習的方法基于大樣本軍事訓練數(shù)據(jù)建立軍事作業(yè)效能的評估方法，對我軍軍事作業(yè)醫(yī)學中生理狀態(tài)監(jiān)測、軍事作業(yè)能力評估具有重要的意義。我們的研究中亦存在著一些不足。首先，現(xiàn)階段的研究是基于單一群體，不能完全滿足針對不同軍事作業(yè)群體、類型、強度、環(huán)境下作業(yè)能力評估，由于作業(yè)環(huán)境的差異，對士兵的生理-心理、睡眠情況、運動能力等會產(chǎn)生不同的影響，故需進一步探索其他場景下方法的適用性。其次，在高強度運動過程中，運動偽跡較難去除，心電信號檢波、信號質(zhì)量評估需繼續(xù)優(yōu)化。最后，本文對基于連續(xù)生理數(shù)據(jù)軍事作業(yè)效能的評估方法進行了初步探索，重點針對運動和睡眠中的指標進行分析，下一步我們將繼續(xù)探索表征士兵作業(yè)效能的其他生理參數(shù)，并將方法應用在大樣本軍事訓練數(shù)據(jù)集上驗證其有效性和準確性。——論文作者：趙 靜1，王 釗2，張 健2，范 勇3，梁 洪3，張政波3