第3章救援人员的远程心理监测

3.1心率变异性在生理及心理学上的应用心率变异性(Heart RateVariability，HRV)指的是瞬时心率或瞬时心动随时间发生的周期性的、不断波动的微小变化。由于HRV产生于临床需求的背景下，其相关文献主要探究与临床心血管疾病以及自主神经活动等相关的疾病。此外，心理活动以大脑为物质基础。情绪研究等心理活动的生理机制和自主神经活动有着密切关系。因此，在情绪生理心理学研究中，心率变异性具有较强的应用价值。3.1.1心率变异性的生理学含义虽然HRV谱中，LF和HF成分的生理意义已初步确定。二者也被视为观察心迷走神经、交感神经的传出活动及其均衡性的定量指标。随着研究的不断深入，以往较为简化和模糊的概念及解释日益显露。首先，LF和HF对于心脏自主神经传出活动的某种特性有所反映。例如Malk和Camm认为(M Malik et al.，1996a; M Malik et al.，1993)，HRV谱LF、HF反映的并非是“紧张度水平”，而仅仅是心脏自主神经对于心率的“调制程度”或“调制活动”。具体来说，HRV谱成分反映的并非是神经冲动的平均水平，而仅仅是由心脏自主神经向窦房结的神经冲动传动的波动变化。一些其他研究者将此种现象与海水进行比喻，他们认为神经冲动的水平可以看作“海水的深度”，而其波动变化则可看作“水面的涟漪”。RR间期波动所反映的即是后者(D L Eckberg,1997)。此观点也被后续的研究所支持(S Akselrod,1995; J J Goldberger et al.,1994)。因而在压力反射性心迷走活动逐渐增强，发放频率接近饱和值时，HRV的HF功率反而降低的现象也可以由此很好地解释。但另一方面，心脏自主神经传出活动的波动变化和其水平变化之间的相互关系有待进一步研究及阐述。呼吸活动通过心迷走神经纤维传导的调制作用所引起的心率波动变化即“呼吸性心律不齐”可以通过HRV的HF成分反映出来(M Malik et al.,1996a; S Akselrod,1995; R Hainsworth,1995)。呼吸活动对心率的调制作用可以从中枢机制与机械性影响两个途径产生。HRV的HF成分的峰高与心迷走传出活动对心率的调制程度有着显著的相关性。可以为其带来有效证明的是Atropine阻滞时HRV的HF呈剂量依赖性降低并直到消失。但与引起中枢性迷走亢进作用有关，小剂量的Atropine也可使HF增强。因而可以通过该方法对一些药物的“拟迷走”或“解除迷走”影响的副作用进行评价。此外，研究表明，HF对于呼吸的频率和深度具有极强的敏感性(S Akselrod,1995)。较深且缓慢呼吸时虽然不会改变平均RR间期，但却使得HRV的HF显著增大。这一现象可能是由于呼吸频率过高，造成窦房结处Ach的动力学过程难以完成。在一定的呼吸频率下，血压的中度变动可能使得RR间期随着舒张压产生线性变化。但这一过程不会引起HRV的HF的明显变化(D L Eckberg,1997)。因此，HRV实验常采用固定呼吸频率的方式进行。例如，在进行自发性呼吸实验时，需要考虑对呼吸频率的监测分析(M Malik et al.,1996a)。然而，在自然状态下，心脏的自主神经调节可能也会受到自身呼吸控制的额外干扰(A Malliani et al.,1998)。综上所述，作为测量心迷走神经活动的指标，对于HRV的HF与呼吸两者之间关系的解释需要慎重。

HRV的LF成分常被称为“中频成分”(Middle Frequency，MF)。在采用AR算法时，多数文献将0.1Hz附近的波动定定义为LF(M Malik et al.,1996a)。一般来讲，HRV的LF的产生过程是由血压0.1Hz节律(也称Mayer波)引起的，具体表现为通过压力反射的反馈调节，经心脏迷走以及β交感传出纤维传导的神经冲动作用于窦房结共同对其自律性活动进行调制，故此过程也被称为“Mayer波关联的心律不齐”(MayerWaveRelated Sinus Arrhythmia，MWSA)。这一过程也得到了很多现象的直接或间接性证明：①LF的频率与压力反射回路的时间常数一致; ②当主动脉内气囊根据压力反射频率进行血管的周期性扩张时，HRV LF的功率谱随之增大; ③在恢复移植心脏的交感神经的支配后，HRV出现了非呼吸性的LF; ④在人们由仰卧位转为站立位时，LF会随之增大。但是就现有研究来看，在HRV LF的发生过程中，心迷走与心交感活动的贡献大小尚不分明且无法区分，这可能是由于LF反映的波动变化主要来自于心迷走所传导的神经冲动(D L Eckberg，1997; SAkselrod，1995)。在目前，虽然作为监测心交感神经活动的重要方式，但心肌去甲肾上腺素(NE)溢出率(spillover)与HRV LF间的显著关系迄今尚未能得到证实(B A Kingwell et al., 1994)。Pagani(M Pagani et al.，1997)等人指出，HRV谱的LFnorm与肌肉交感神经发放活动(Muscle Sympathetic Nerve Activity，MSNA)的变异性的关系紧密。此外，在数理统计中，RR间期、SBP、呼吸、MSNA波动之间的相关性也是较为显著的。基于一定的先验知识，我们可以引入一定的干预操作，从而确切了解HF的变化，并评估LF变化是否反映了心交感活动水平变化。需要注意的是，上述方法的采用需要慎重(D L Eckberg，1997)。因此，在这种困惑下，Malliani小组、Pagani等人(D L Eckberg，1997; AMalliani et al.，1998)将LF/HF比值作为评价心交感迷走均衡性或者心交感活动(Sympathovagal Balance)的定量指标，现已被广泛采用。近年来，这一经验指标受到了一些质疑(D L Eckberg，1997)。首先，在共同调制窦房结的过程中，心迷走与心交感并没有采用类似屈肌、伸肌“此抑彼扬”的活动方式。在安静状态下，心迷走对心率的微调机制决定心率的调节及HRV的TP，在这一过程中，心交感的作用尚不清楚。在生理扰动下，两者也可产生一致性平行变化，例如面部浸水时心搏徐缓和MSNA的同时增强，或者迷走和交感活动在CO2化学感受器刺激减少情况下的同时减低。因此，“均衡性”的概念本身过于简化。而且，该指标与具体生理机理不相符。例如，由于心迷走影响的逐步撤除，会导致HRVHF的相应减小，从而引起心交感迷走均衡性，在头高位倾斜时，随倾斜角度线性增大，在这一过程中并未引起交互式的HRV LF升高。与之相同的是，在由安静转为轻度运动状态时，也并无同步的心交感激活(D L Eckberg，1997)。此外，LF/HF的计算失去了明确意义，这是因为HRV HF、LF功率成分与心迷走、心交感活动水平影响因素复杂，其关系并不是简单的线性。，心交感迷走均衡性指标的适用性有限，例如在心衰、高血压、睡眠的研究中即存在不适性。总体来说，需要尽量在符合先验知识前提下，透彻理解HF、LF变化及其意义，弥补LF/HF在生理学中依据不足的问题，只是将其作为一个经验性指标慎重采用。为此，Goldberger提出迷走交感效应(VagalSympathetic Effect，VSE)或RR间期作为交感迷走均衡性的指标。在其提出的VSE=RR/RR0式中，在阻断心脏自主神经作用的情况下，RR0(固有RR间期)可通过测量获取。

以往研究表明，HRV的LF和HF升高所需的条件不同。例如，健康人群在倾斜90°、直立、心理应激以及适度运动等时，清醒状态下的动物在中度高血压、躯体运动、冠状动脉或颈动脉闭塞时，其HRV LF均会升高(A Malliani et al.，1991; ORimoldi et al.，1990)。而控制呼吸及面部冷刺激以及旋转刺激等方式，会使得HRVHF升高(A Malliani et al.，1991; M V Kamath et al.,1992)。

在现有研究中，虽然有关HRV LF和HF生理意义的研究结果尚未达成统一，但迷走活性对HRVHF的贡献逐渐被视为主要部分。此外，学者对于LF成分也有着较大的争议。一些学者将规范化得出的LF作为交感调制的定量标志，也有研究认为LF可以同时反映交感活性以及迷走活性。因此，一些学者赞同通过LF/HF比率反映交感迷走均衡性或交感调制程度(M Malik et al.,1996a)。

3.1.2HRV在情绪心理学中的应用HRV在临床疾病研究中的重要地位在前文已经进行阐述，其在生理心理学研究中的应用价值也逐渐凸显。由于临床疾病大多会引发自主神经系统功能障碍，进而使人们的自主神经系统功能与常人有所差异和改变。因而在现有的生理心理学研究中，HRV的应用常与临床疾病所伴随的焦虑、恐怖等心理活动有关。但目前正常人群进行HRV与情绪活动等方面的研究仍然较少。

植物神经系统活动与情绪外周神经机制关系密切相关。以往研究表明，对于不同的个体，其植物神经系统活动的平衡性也会有显著差异。交感神经和副交感的神经活动，在不同的水平下，也可以表现出不同的情绪活动特性。一方面，交感神经占优势者(SNS)容易表现情绪紧张、遇事不镇静、操作性疲劳的状态。然而，副交感神经活动占优势者(PNS)却表现出自控能力强，有耐心等特点，遇事往往不易激动。因此，评价情绪活动的重要指标之一即为交感副交感神经活动的水平和平衡状态。

HRV指标能够反映心脏交感神经与迷走神经活性，以及两者之间的平衡协调关系。当迷走神经活性增强(如电刺激迷走神经)且交感神经活性降低时，HRV会增大; 反之，在迷走神经活性降低(如切断神经)且交感神经活性增强(如刺激神经)时，HRV则减小。

3.2心率变异性的概念及分析方法HRV是反映心脏交感神经与迷走神经活性及其平衡协调关系的指标，其不论是在临床还是在生理情绪、体力活动疲劳程度等方面都有广泛的应用，它是衡量健康的一个重要参数(I Antelmi et al,2004； M Warnanggal et al,2011)，高HRV意味着少病、长寿及高认知能力； 相反，低HRV则预示着心肌梗死、心脏性猝死及全因性死亡的概率增高(R M Carney et al,2001； R AblonskytéDūdoniené et al,2012)。同时、HRV是衡量自主神经系统平衡态的重要指标。Ada H. Zohar等人也通过对一组人性格特征与HRV中Ln (LF/HF)的相关度进行实验，发现两者高度相关，相关度为r=-0.224(A H Zohar et al,2013)。目前，主要采用的HRV分析方法是时域分析法和频域分析法。3.2.1心率变异性的时域分析法在各类方法中，时域法(Time Domain Analysis Methods)由于其在临床应用中的重要价值，成为了最早使用且至今仍被广泛使用的方法。该方法主要针对长时程(24小时)HRV信号进行分析。可通过某段时间窦性心律的RR间期(NormaltoNormal(NN)Intervals)或瞬时心率数据计算求得。

与心率变异性的时域分析法相关的统计学指标及其定义主要包含以下几个方面： ①SDNN：全部正常窦性心搏(NN)间期的标准差，是对HRV的整体估计，其单位为ms。②SDANN：将全程以5分钟为一个测量单位进行划分并计算其NN间期平均值，再计算所有平均值的标准差，其单位为ms。③RMSSD： 全程相邻NN间期之差的均方根值，是HRV短时程成分的估计值，其单位为ms。④SDNNIndex： 将全程以5分钟为一个测量单位进行划分并计算其NN间期标准差，再计算标准差的平均值，其单位为ms。⑤SDSD： 全部相邻NN间期之差的标准差，其单位为ms。⑥NN50： 全部的相邻NN间期之差大于50ms的心搏数，其单位为个。⑦PNN50： 即NN50/NN100，其单位为%。

常用的时域统计参数如表3.1所示。

表3.1常用的HRV时域统计参数

参 数 名 称参 数 定 义参 数 意 义

均值(MEAN)MEAN=RR=∑Ni=1RRi/N反映RR间期的平均水平续表

参 数 名 称参 数 定 义参 数 意 义

总体标准差(SDNN)SDNN=1N∑Ni=1(RRi-RR)2评估24小时长程HRV的总体变化均值标准差(SDANN)SDANN=∑Ni=1(RRi-RR)2N反映HRV中的慢变化成分

标准差均值(SDNNi)SDNN indexi=∑288i=1SDNNi288反映短程(5min)心率的平均变异程度差值均方的平方根(rMSSD)r-MSSD=1N-1∑n-1i=1(RRi 1-RRi)2反映HRV中的快变化成分相邻间期差值>50ms

的百分比(PNN50)PNN50=NN50TotalNN×反映RR间期的突然变化，能敏感反映迷走神经的活动

注： RRi为第i个5minRR间期的均值，RR5min为288个RRi的均值。

3.2.2心率变异性的频域分析法频域法(Frequency Domain Analysis Methods)是将心搏间期变化进行频谱分析，通过频域法将复杂的心率波动信号分解成不同频率与幅度的周期波动成分，从而求出隐藏在时间序列内的特殊节律，以便于进一步阐明其生理意义与发生机理(陈明杰,2002)。计算功率谱密度(Power Spectral Density，PSD)常用的方法有周期图法、BT法(自相关法)及自回归模型法(AutoRegressive model，AR)。周期图法可直接使用快速傅里叶变换法(Fast Fourier Transform，FFT)进行计算，具有算法简单，计算快速的优点，但谱估计方差大，分辨率低，目测效果不好。BT法主要是通过对HRV信号自相关加延迟窗后再进行FFT计算从而得到较平滑的谱密度，虽然弥补了周期图法的一些弱点，但仍存在分辨率较低的问题。周期图法与BT均属经典谱估计方法，AR模型法属于现代谱估计方法，可用于短程数据的谱分析，有较高的谱分辨率及平滑的谱估计曲线，目测效果好，但如何确定模型的阶数则是决定谱估计质量的关键(陈明杰,2002)。

频谱成分和频段常进行如下划分： ①总功率(Total Power，TP)： 频段≤0.4Hz。②超低频功率(Ultra Low Frequency，ULF)： 频段≤0.003Hz。③极低频功率(Very Low Frequency，VLF)： 0.003Hz≤频段≤0.04Hz。④低频功率(Low Frequency，LF)： 0.04Hz≤频段≤0.15Hz。⑤高频功率(High Frequency，HF)： 0.15≤频段≤0.4Hz。对于PSD单位的选取方式，常包括通过ms2/Hz反映RR间期变异、通过beat2/Hz反映瞬间心率变化两种方式。其中，一般推荐采用敏感性较高的前者。

值得注意的是，总功率会直接影响LF及HF等各频段的数值产生过程。例如进行短时程分析时，不同状态下会表现出不同的总功率和LF、HF值，若以值进行比较则会产生错误的结论。在此种情形下应在分别进行标准化后再进行比较。

此外，归一化低频功率(LFnorm)和归一化高频功率(HFnorm)作为HRV频谱分析中的两个相关指标，其计算公式为如式(3.1)所示，单位为nU。即

L(H)fnorm=LF(或HF)总功率TP-VLF×(3.1)

针对2~5min短时程的分析常采用7个频域指标，分别包括TP、VLF、LF、LFnorm、HF、HFnorm、LF/HF(5分钟中VLF包括了ULF的频段)(M Malik et al.，1996b)。而针对24小时长时程的分析常采用5个频域指标，分别包括TP、ULF、VLF、LF、HF。其中，ULF与SDANN相类似，具有一定的研究价值。而HF(LF)norm及LF/HF等指标则在长时程分析的情境下不宜使用。常用的功率谱参数如表3.2所示：

表3.2常用的HRV功谱参数(庹焱等,2001)

频 域 指 标频率范围/Hz意义

总功率(TP)≥0.4HRV总的变异性情况高频功率(HF)0.15~0.4反映迷走神经调节功能，与呼吸性心率不齐有关低频功率(LF)0.04~0.15与压力感受器指向系统的活动有关，反映交感神经和迷走神经的复合调节功能，某些情况下可反映交感神经系统的张力

续表

频 域 指 标频率范围/Hz意义

极低频功率(VHF)0.0033~0.04与外周血管舒张及肾素血管紧张素系统活动有关超低频功率(UHF)≤0.0033可反映人的昼夜周期节律和神经内分泌节律的影响LF/HF反映交感神经和迷走神经的均衡性

TP可以对HRV的总体变异性情况进行反映。HF主要由迷走神经兴奋引发，迷走神经兴奋性的响应时间较交感神经兴奋性时间短，从而对HF的调节较为快速。而LF则与压力感受器血压波动、温度控制、外周血管舒缩兴奋性及血管紧张素等有关。因此，二者共同反映出交感迷走神经的平衡性。此外，VLF则表现出与外周血管舒缩、肾素血管紧张素系统活动的强烈相关性。ULF可反映人的昼夜周期节律和神经内分泌节律的影响(庹焱等,2001； strand and PerOlof,2003； 张复生等,2000)。

3.2.3HRV时域与频域分析的关系

业界通常采用频域分析的方法对较为平稳的短时程HRV信号进行分析，很少使用时域分析。与数学和生理学的理论解释相一致，对于长时程HRV信号则可采用时域变量或频域变量的方法进行分析。因此，如果是对长时程的HRV信号进行分析，只需采用时域分析，再结合计算loglog斜率等一些特殊的处理方法，就可以得出非常有效的结果。本文中因对HRV的分析主要是短时程的，所以采用频域分析和时域分析相结合的方法，对于采集时长超过24小时的进行时域分析。3.3体域网的概念及发展体域网是基于物联网技术的，其主要的技术就是无线传感器网络。“物联网”一词是由麻省理工学院自动识别实验室在1999年提出的。但其实早在1995年，比尔 盖茨就在其所著的《未来之路》中，提出了物联网的概念，只是当时无线网络、硬件和传感装置发展相对落后，所以限制了物联网的发展。“物联网”一词被提出后，在国际上普遍认为，物联网是指通过应用信息传感设备，如射频识别(RFID)技术、激光扫描器、红外感应器及全球定位系统等，依照约定的协议，将物品与互联网进行连接，实现信息交换和通信，并且具有智能化识别、定位、跟踪、监控和管理等功能的一种网络。之后，在2005年11月17日突尼斯举行的信息社会世界峰会(WSIS)上，国际电信联盟(ITU)了《ITU互联网报告2005： 物联网》，在报告中延伸了物联网的定义，正式称物联网为Internet of things，并指出其在未来可成为无所不在的网络(Ubiquitous Networks)和计算(Ubiquitous Computing)，实现任何时刻、地点、物体之间的互联(Anytime、Anyplace、Anythings Connection)。物联网的定义和范围从此已经发生了根本变化，覆盖范围有了较大的拓展，不再只是指基于RFID技术的物联网(刘云浩,2010)。近几年，可穿戴硬件、嵌入式软件、数字信号处理和生物医学等技术随着先进的信息技术和无线通信技术发展迅猛。电子器件的小型化及在物联网环境下体域网技术的逐渐成熟，这些都使得越来越多的可穿戴式微型计算机出现在了人们的视野中，如PDA、穿戴式手机、穿戴式微型电脑等。体域网被广泛应用于： 医疗保健、人体体表器件之间的无线信息传输与识别、残障认识辅助系统和智能运输系统、个人多媒体娱乐、军事及太空等领域。3.3.1体域网的体系结构体域网(Body Area Network，BAN)通过采用一套执行一些特定功能的设备进行通信，或者通过一个中央控制装置来统一控制通信。体域网主要由一个移动基站单元(Mobile Base Unit，MBU)和一组前端传感器设备组成，前端传感器设备主要是穿戴的生理参数传感器或植入人体内的生物传感器。MBU可以被认为是一个与外部网络进行通信的通信网关，同时也协调处理体域网内本地设备之间的通信和计算。它也可以运行本地应用程序如本地查看器应用程序，或更复杂的应用； 传感器与MBU相连，采集数据之后传给MBU进行计算处理，并进行远程的传输(V Jones et al,2006)，其结构图如图3.1所示。

图3.1体域网结构图

体域网可以进行内部设备之间的通信，也可以与外部网络进行通信。内部网络通信可以选择多种方式，如有线、无线。有线可以选择铜导线、光纤； 无线可以选择红外线、微波、无线电，甚至皮肤电导。在短距离无线通信中，两个重要的通信标准分别是蓝牙和ZigBee通信协议。与外部网络的通信方式选择性很多，主要是基于移动性和方便性，其主要选择是基于无线通信技术的，包括蓝牙、WLAN、移动通信网络，如图3.2所示。

图3.2体域网的典型应用(E Jovanov et al,2003)

Valerie Gay等学者最终对移动生理指标监测系统所使用的模型进行了总结和概括(V Jones et al,2010)，系统主要由多个体域网和一个后端组成。体域网与后端的通信主要通过无线网络完成，而体域网的内部通信则可通过有线和无线方式完成，其具有统一的结构框架图，如图3.3所示。

图3.3移动生理指标监测系统统一结构模型(V Jones et al,2010)

其中，体域网主要由一个移动基站单元(Mobile Base Unit，MBU)和一组前端传感器设备组成，移动基站单元是一个运行着应用程序的手持设备，其作为处理平台、通信网关而存在，而体域网的数据则可能在本地处理，也可能在远程的计算机上进行处理，如果是在远程计算机上处理则要求移动基站单元将数据传输到远程的计算机。在后端，通过体域网的功能来进行区分管理，通过特定的应用程序进行分析，以实现特定的功能，并通过各种接口来为医疗服务提供者提供信息(V Jones et al,2010)。在实际的应用中，荷兰屯特大学的MobiHealth系统(V Jones et al,2008)通过手持设备来接收患者身上的传感器输出，手持设备可以作为一个本地处理中心，其运行一些健康分析的本地应用，也作为一个通信网关将传感器数据传输到远程健康监控中心。系统结构如图3.4所示。

图3.4基于体域网的移动监护系统(V Jones et al,2008)

3.3.2心率传感器技术传感器是体域网技术的重要组成部分，是一种检测装置，通过将感受到的信息按一定的规律轮换成电信号或其他所需形式的信息进行输出，以便于信息的传输、处理、存储、显示、记录和控制，是人体“五官”的工程模拟物(贾伯年,2007)。心率传感器是嵌入式微处理器与传感器所结合而产生的一种智能传感器。共包含心动电流测量法和光电透射测量法两种方式。(1) 心动电流测量的心率传感器：我们人体每次心跳都会产生心动电流，测电传感器正是根据这一现象通过电极来测定心动电流的波动情况，获得心电信号后，再通过放大电路的扩放、滤波后，将仪器获得的模拟信号转换成人们能够读取的数字信号，以便于对心率消耗