健康成人中长跑运动过程中心率变异性的变化特征及其影响因素研究

来源 :秦周 | 被引量 : 0次 | 上传用户:caibin1226
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目的:1.描述健康成人在中长跑运动前、运动中、运动后三个阶段的心率变异性(Heart rate variability,HRV)的变化特征。2.分析影响健康成人在中长跑运动中心率变异性(Heart rate variability,HRV)的因素。方法:1.2021年7月至10月招募同济医学院社区内的健康成人作为研究对象。对研究对象进行问卷调查、体格检查和8圈(3.2公里)中长跑测试,问卷调查包括体育活动准备问卷、个人基本信息、体力活动调查和受试者对长跑运动的理解,采用Polar Pro心率测试设备对受试者在中长跑运动前、运动中、运动后HRV指标进行监测。2.在Kubios HRV Standard软件中设置分析时段,得出运动前、运动中和运动后三个时间段每位受试者HRV指标的均值,HRV指标包括时域指标心率RR间期的平均值(平均RR)、RR间期的标准差(standard deviation of the NN interval,SDNN)和相邻RR间期之差的均方根值(root mean square of SDs between adjacent NN intervals,RMSSD),频域指标极低频功率(very low frequency,VLF)、总功率(total power,TP)、低频功率的标准化值(normalized low frequency,LFnorm)和高频功率的标准化值(normalized high frequency,HFnorm)。运用描述性流行病学的方法对受试者的运动前、运动中、运动后的HRV指标进行分析描述,利用混合线性模型对三个阶段的HRV指标值进行比较。采用多元线性回归模型分析影响受试者运动中HRV的因素。结果:1.本研究共纳入235名受试者,其中男性108人(45.96%),女性127人(54.04%)。平均年龄为23.24±2.70岁。在中长跑运动过程中,235名受试者平均最大摄氧量(maximal oxygen consumption,VO2max)为50.82±5.83 ml/kg/min、平均运动配速为10.05±1.37km/h、平均心肺负荷得分为61.78±17.34分、平均能量消耗为272.31±47.79kcal。2.在HRV时域指标中,反映心率波动性的指标平均RR在运动中从运动前的658.27ms降低至357.45ms;反映心率的总体变异水平的指标SDNN在运动中从运动前的269.35ms降低至73.27ms;另一个反映迷走神经活性水平的指标RMSSD也在运动中从运动前的106.58ms下降至89.55ms,差别均有统计学意义(P<0.001)。在运动后的恢复过程中,平均RR升高至507.39ms,但与运动前水平之间的差别有统计学意义(P<0.001)。SDNN继续降低至46.20ms,差别有统计学意义(P=0.026),RMSSD继续降低至51.97ms,差别有统计学意义(P<0.001)。3.在HRV频域指标中,反映自主神经整体活性水平的指标VLF在运动中从运动前的196.28ms~2降低至37.75ms~2;反映交感神经活性水平的指标TP在运动中从运动前的1864.60ms~2降低至293.11ms~2;另一个反映交感神经活性水平的指标LFnorm也在运动中从运动前的60.36nu下降至41.86nu;反映迷走神经活性水平的指标HFnorm在运动中从运动前的38.37nu升高至57.84nu,差别均有统计学意义(P<0.001)。在运动后的恢复阶段中,VLF升高到59.98ms~2,TP升高至308.38ms~2,但均未恢复到运动前水平,差异有统计学意义(P<0.001);LFnorm升高到59.79nu,达到了运动前的水平,差异无统计学意义(P=1.000);HFnorm运动后下降到39.35nu,与运动前水平相同,差异无统计学意义(P=0.972)。4.以运动中各HRV指标的均值为因变量,逐步多元线性回归分析结果显示,运动中能量消耗每增加1kcal,受试者运动中平均RR的均值变化为-0.26ms(95%CI:-0.41,-0.10)、SDNN的均值变化为-0.46ms(95%CI:-0.79,-0.13)、RMSSD的均值变化为-0.54ms(95%CI:-0.90,-0.17)、LFnorm的均值变化为-0.06nu(95%CI:-0.10,-0.01);与没有长跑经验的受试者相比,具有长跑经验的受试者运动中VLF的均值变化为-9.04ms~2(95%CI:-16.67,-1.42)、LFnorm的均值变化为-4.45nu(95%CI:-8.69,-0.20);运动中配速每增加1km/h、心肺负荷得分每增加1分,受试者运动中平均RR的均值变化分别为-10.58ms(95%CI:-14.93,-6.24)、-0.71ms(95%CI:-1.15,-0.26);与一周内未进行中等强度活动的受试者相比,一周内进行中等强度体力活动的受试者运动中LFnorm的均值变化为-10.78nu(95%CI:-18.63,-2.94)。结论:在中长跑运动过程中,HRV下降,机体自主神经系统活性降低,在运动中要注意运动强度和时间的适度,一段时间的运动训练和体力活动会使机体自主神经系统活性有所改善。
其他文献
现有雷达系统多采用载频、编码形式、重复周期、脉宽/带宽均不变的经典工作模式,该工作模式在简单场景下具有性能高、计算量小等优势,但在复杂电磁环境下,特别是强对抗电磁环境下,具有规律性强、易被侦察截获和干扰等不足。日益复杂的电磁环境给雷达发射波形优化和接收处理提出了新的挑战。针对这个问题,本文从时间和频谱两个维度,开展复杂调制波形优化方法研究,主要工作内容如下:1.针对发射波形对雷达探测性能和干扰抑制
学位
无线传感器网络(Wireless Sensor Works,WSN)和物联网的飞速发展使得微小型传感器的规模迅速扩大。目前,这些器件主要依靠电池供电,但电池储能有限,需定期维护,推高了各种传感器网络的使用成本。环境振动能收集技术为解决这一问题提供一个潜在地解决方案。然而,环境中的振动能普遍具有频率低的特点,其收集利用难度高。对于俘能器而言,机械振动可分为加速度激励(俘能器与振动源固定)和位移激励(
学位
随着大数据时代的发展,分布式内存系统已经被广泛应用来提供高性能的服务,由新型非易失性存储器设计实现的分布异构内存系统可进一步提供更好的性能。通过在本地客户端增加缓存,可以减少对远端服务器的访问,从而减小分布式系统的延迟来提高性能。然而加入客户端缓存会引发分布式系统中的缓存一致性问题,当多客户端共享同一远端数据时,需要保证本地缓存副本的数据与远端存储对象的数据是一致的。但在分布式系统中实现缓存一致性
学位
现阶段毫米波雷达凭借自身优势成为汽车驾驶应用的关键传感器,同时又因汽车雷达工作环境复杂多变,导致噪声或干扰混入回波信号,所得目标探测参数就会存在误差。而目标跟踪滤波目的在于抑制噪声带来的影响,为更准确地估计目标状态,目标跟踪是必不可少的。本文以车载毫米波雷达为背景,研究毫米波雷达的目标跟踪算法,并基于TDA3x硬件平台提出实现毫米波雷达目标跟踪的方案。首先介绍毫米波雷达的基本原理,包括毫米波雷达的
学位
当前的大规模存储系统广泛使用纠删码技术,它以条带的形式存储数据实现容错,使得在满足相同容错的情况下,比副本容错技术拥有更低的存储成本。为进一步降低存储成本,学术界和工业界开始研发“大条带纠删码(Wide-Stripe Erasure Coding)”技术,通过增加大条带的长度来压缩校验块在每个条带中的比例,从而节省更多存储成本。然而,大条带纠删码由于条带过长而导致校验块的编码计算量大、编码效率低,
学位
硬盘的可靠性很大程度上决定了存储系统的可靠性,如何在硬盘发生故障前进行预警成为研究热点。硬盘一般通过自我监测、分析和报告技术(Self-Monitoring Analysis and Reporting Technology,S.M.A.R.T.)系统采集每天的运行数据,根据监测属性值的变化进行预警,但该方法预测硬盘故障的成功率较低。目前主流研究方法将硬盘故障预警问题看作是时序数据分类或预测问题,
学位
以通讯、导航、探测、计算机、雷达为代表的电子装备结构复杂,研制周期短,更新换代快,品种多批量小,可靠性要求高。在电子装备设计、制造、检测、运维的全生命周期各阶段,都需要具备对装备的加工、装配、使用、维修、保养和故障排除的能力,而直观、精准、可交互的产品技术手册是实现这一目标的关键所在。传统的技术手册存在制作效率低、可交互性差、不直观、查询检索困难低等问题,无法满足电子装备定制化、数字化、集成化的发
学位
随着人工智能、物联网等技术不断的升级和应用普及,全球数据呈爆发式增长。大量的数据频繁在处理器和存储器之间交换和处理,这种信息存储单元和计算单元分离的计算架构,严重的制约了处理器的计算性能。忆阻器因其良好的非易失性存储和逻辑计算功能、高速、低功耗、可与CMOS工艺兼容等特点,成为最重要的存算一体化器件之一。然而忆阻器导电通路形状和通断部位的随机性导致器件的一致性较差,严重的限制其产业化应用。因此,导
学位
长期以来,考试都是一种有效的学情评价手段,但在传统的手工阅卷和现代的网上阅卷过程中,存在教师阅卷工作量繁重,对学生的学情评价只能依赖教师手工进行等问题,为教师增添了额外的工作量。在“双减”的背景下,如何在切实减负的同时有效提升教学质量,对教师的教学工作提出了更高的要求,要求教师对学生的学习情况有更加精准的认知,从而展开针对性的教学,真正达到因材施教的目的。通过对考试及学情评价全过程的分析,结合人工
学位
海量数据的爆发式增长,对存储设备的容量、性能和可靠性提出了新的要求。机械硬盘作为现代存储系统的重要存储设备,易发生机械故障导致数据损坏与丢失的事故。因此,高效监测磁盘状态并及时预警故障,有利于建立高可用的存储系统。现有研究建立的磁盘故障预测系统通常有磁盘生命周期量化简单、应用场景特殊或上线成本高的局限性,不适用于通用场景。当前基于深度学习(Deep Learning,DL)技术能智能精简地预测磁盘
学位