发布时间：2020-12-30所属分类：医学论文浏览：1次
摘 要： 摘要：目的探索穿戴式生理参数监测系统在军事作业医学中的应用价值。方法在某新兵训练基地搭建了基于随行监护系统的中央监测系统，并分别于2018和2019年度采集新兵入伍3个月军事训练中30人(210人次)，50人(600人次)的连续(24h)生理数据，包括两晚的夜间睡眠
摘要：目的探索穿戴式生理参数监测系统在军事作业医学中的应用价值。方法在某新兵训练基地搭建了基于随行监护系统的中央监测系统，并分别于2018和2019年度采集新兵入伍3个月军事训练中30人(210人次)，50人(600人次)的连续(≥24h)生理数据，包括两晚的夜间睡眠、日间训练、业余活动等，通过信号质量算法和人工判读筛选可用信号。随机选取2019年度新兵40例，按3km跑的考核成绩进行排序，将排名前20和后20名新兵分为成绩高与低两组，比较两组夜间睡眠和运动指标的差异，探索训练成绩和生理指标变化间的关系。结果采集数据的平均时长为(36.2±12.0)h，信号质量评估结果显示，心电和呼吸信号质量好和中等所占的比例均大于80%，系统能够有效采集新兵军事训练过程中心电、呼吸、体位/体动等数据，实现实时监测和作业效能评估等功能。监测数据显示：成绩高组相比于成绩低组，睡眠分期中的深睡比例更多(16.24%±5.62%vs12.19%±4.95%，P=0.042)，运动后心率恢复差值(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]。结论可穿戴随行监护系统能够在军事作业环境下有效采集新兵的生理数据，该系统通过连续生理监测与分析能够捕捉到更多新兵身体状态变化的信息，为评估军事作业效能提供了新的技术手段。
关键词：随行监护系统;生理监测;睡眠;心率恢复;军事作业医学
军事作业医学是在各种环境下保护军人健康，提高体能、技能和作业效能的军事医学分支学科[1-4]。在现代军事作业环境中，存在许多复杂因素，可引起士兵严重的生理和心理应激反应，从而导致军人的作业能力降低[5]。对单兵生理状态连续实时监测与分析，可以客观的评估作业能力，从而指导科学训练和减少训练伤发生[6-7]。一些发达国家研制出了多种军用的可穿戴监测设备，例如美军的SmartT-Shirt[8]，LifeGuard[9]，C-WHMS[10]，Zephyr系统[11]和英国Equivital公司的“BlackGhost”军事监测系统[12]，实现心电、呼吸、体温、体位/体动的生理参数远程监测和状态预警，同时基于系统可以深入研究军人训练过程中的生理参数变化、效能评估方法等。比较而言，我军在该领域的研究的相对薄弱，起步相对较晚。在穿戴式生理信号检测技术方面，很多高校、研究机构以及企业都在开展该领域的研究工作[13-16]，但缺少能够真正用于军事作业医学研究的设备，对连续生理数据在军事医学应用研究中的可行性和应用模式和价值研究的不足。可穿戴设备在军事作业医学中具有极其重要的应用前景，但目前尚未大规模应用到军事训练中，收集的连续生理数据未被充分挖掘、分析、利用。为解决此问题，本文提出了用于军事作业医学研究可穿戴设备中的随行监护系统(SensEcho)[17]，分析了该系统在真实军事作业训练中采集生理数据的效果，为军事作业医学研究提供新的技术方法和手段。
对象和方法
1研究对象 系统自2018年度在某新兵训练基地部署，每年度收集9-12月新兵训练3个月的军事训练数据，进行军事作业医学研究。随机选取2019年度新兵40人，均为男性，年龄(20.35±1.70)岁，身高(175.13±5.12)cm，体重(69.75±7.95)kg，按照3km越野考核成绩进行排序，选择前后各20人，分为成绩高(组1)和成绩低(组2)两组进行各参数比较分析。
相关知识推荐：医学外科核心期刊有哪些，期刊表
2随行监护系统 SensEcho系统由监测终端、无线组网和数据传输以及中央监测系统三部分组成。系统终端为柔性背心，内嵌有心电、呼吸、体位/体动传感器，如图1所示，实现生理信号长时、连续、低负荷的获取。信号采集存储、无线传输电路在可拆卸记录盒内，该盒内集成有采样频率25Hz三轴加速度传感器，用于记录体位和体动信息，并可以实现身体姿势和活动信息的捕捉和记录。该系统采用的是导电性能良好的织物电极，可以获取频率为200Hz单导联心电信号;呼吸信号检测采用呼吸感应体积描记技术，频率为25Hz;设备信号记录盒(设备主机)可以通过蓝牙与第三方传感器连接，采集其他生理信号。无线生理信号传输单元为基于Wi-Fi技术的组网系统，包括超低功耗Wi-Fi模块和WLAN系统，采用多个路由器，能够实现区域内多个士兵的移动监护、无线组网和漫游数据传输。
3中央监测系统 中央监测系统实现所有随行生理参数监测终端数据的显示和士兵集中管理，能够实时地显示每一位士兵的心电、呼吸、体位、体动生理波形，历史趋势，活动状态(卧床/活动)以及是否在线。中央监测系统设计有后台数据服务器和算法服务器，与传统的中央监测系统不同，所有监测终端的数据都先发送到数据和算法服务器，在算法服务器经过分析处理后将结果推送到中央监测系统。算法服务器能够对连续生理数据进行深度的分析处理，例如心率变异性(heartratevariability，HRV)分析、活动量分析、多尺度熵(multiscaleentropy，MSE)分析[18-19]、睡眠质量分析、应激-响应分析等，通过士兵当前的精神-心理状态、睡眠情况、运动-恢复水平，综合分析士兵的作业能力。监测示意图如图2所示。
4军事作业过程中监测与评估指标 1)睡眠质量分析：通过基于心电和呼吸信号的睡眠分期算法[20]，分析士兵夜间睡眠情况和整体睡眠质量，包括睡眠总时间、睡眠分期情况、睡眠呼吸事件发生时间和频率等。2)HRV分析：通过HRV时域指标、频域指标和非线性指标对士兵全天的HRV分析并总结。3)整体健康度分析：通过心率的MSE分析量化时间序列复杂度，反应人体系统的整体功能状态，监护军事作业中士兵的生命体征。4)活动量分析：通过三轴加速度传感器判断士兵当前的活动状态，统计每天各种活动类型的占比。5)短时应激响应：对跑步过程中的心率和呼吸频率时序信号进行分析，如运动过程中最大心率，最大呼吸率，运动后心率恢复(30s，1min，2min)情况[21]。6)长时应激响应：对每日的心率、三轴加速度时序信号进行分析，通过三轴加速度选择静止状态，计算静息心率、静息心率变异性，代表士兵整天的身体基线水平。
5信号质量评估 由于采集的心电和呼吸信号来自于真实世界，存在着噪声的干扰，故信号是否可以用于下一步的数据分析需要提前进行判断[22]，对军事训练中采集的数据集进行信号质量的标注，得到人工标注有标签的数据集;其次，心电(呼吸)信号通过30s(10s)时间窗提取特征，采用孤立森林模型，获得该时间段信号的评分;最后，将模型得到的评分映射到三分类的信号质量评估结果上，得到信号质量好、中、差的结果，分别标记为1、2、3。
6试验方法 受试士兵选择日常训练的1~2天，穿戴随行监护系统，受制于士兵的实际意愿和部队训练任务，实验中士兵每周佩戴1次设备，每次采集的总时间24~48h。实验中记录的士兵基本信息通过环境监测设备测量环境的温度、湿度、光照强度、风速、噪声等。
7分析指标 1)对采集的心电和呼吸信号的质量进行分析，统计信号质量好中差所占的比例。2)通过采集新兵的3km测试成绩，选取成绩好与差的两组士兵各20名，计算两组的睡眠质量(睡眠效率，睡眠总时间，睡眠潜伏期，每个睡眠分期占比)，3km测试过程中和运动后恢复指标(最大心率，最大呼吸率，心率恢复时间)。
8统计学方法 采用Python3.6软件进行统计分析，数据均为计量资料，符合正态分布，以表示，两组对比采用独立样本t检验，不符合正态分布，以Md(IQR)表示，两组对比采用Kruskal-Wallis秩和检验，P<0.05为差异有统计学意义。
结 果
1信号质量评估 如表1所示，心电信号质量好和中所占比例分别为72.52%±6.38%和9.99%±1.16%，呼吸信号质量好和中所占比例为52.26%±2.48%和32.36%±1.79%，系统采集的心电与呼吸信号质量好和中所占比例均在80%以上，表明系统可高质量采集新兵军事训练过程中的数据。图3分别展示了心电信号和呼吸信号质量好、中、差的示例。对于心电信号，在信号质量好时，算法可以准确地检测出波峰的位置;而信号质量差时，由于运动伪迹对R波检测会造成影响，部分波峰位置难以判断。呼吸信号在夜间质量好时波形很平稳，没有基线的漂移(图3D)，但由于其自主性较强，个人的呼吸模式对呼吸信号的波动产生较大影响(图3E)。图3F是在低强度活动中的呼吸信号，由于信号中存在运动伪迹，对质量算法判断的准确率影响较大。
2军事作业中实时生理状态监测 应用SensEcho监测系统共采集了连续生理数据810人次(2018年210人次，2019年600人次)，采集的数据平均时长为(36.24±12.01)h。一个中央台系统可同时监测64名士兵，一个界面可以同时显示16名士兵的生理信号。图4中展示的是在安静状态和运动状态下中央台实时监测的界面。可以看出，在安静状态下，采集的信号较稳定，无运动伪迹的干扰;在运动状态下，虽然存在着运动伪迹干扰，即使是在心率达到160次/min的高强度运动状态下，系统也能准确的监测士兵的生理数据。图5显示的是真实3km运动过程中一名士兵的生理参数变化，图中信号自上而下分别为体位体动、心率、呼吸率在3km测试前中后的变化趋势。
3两组生理参数比较 如表2所示，两组士兵的年龄，身高，体重等基本信息无统计学差异(P>0.05)。从睡眠指标可以看出两组的睡眠效率都较高，睡眠质量好，各睡眠分期占比在正常范围内。组1的深睡比例高于组2(16.24%±5.62%vs12.19%±4.95%，P<0.05)，提示睡眠指标中深睡时间与第2天运动表现相关。组1运动后心率恢复差值(1min、2min)下降快于组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]，反应出运动表现与运动后的心率恢复之间有较强的关系。
讨 论
本文介绍了随行生理参数监测系统在军事作业医学的应用模式，对采集的连续生理数据可用性进行了分析，并基于连续生理数据对军事作业医学研究方法进行了探索，总结了连续生理数据客观评估作业效能的方法，在新兵军事训练数据中进行了初步验证。该系统不仅可以实现实时、长程、低负荷的生理状态监测，满足在不影响士兵训练的同时监测生理信号，并通过信号质量评估、信号处理、数据挖掘、数据分析的方法发现军事训练过程中的连续生理数据隐含的有价值的信息。进一步，通过机器学习、深度学习的方法基于大样本军事训练数据建立军事作业效能的评估方法，对我军军事作业医学中生理状态监测、军事作业能力评估具有重要的意义。我们的研究中亦存在着一些不足。首先，现阶段的研究是基于单一群体，不能完全满足针对不同军事作业群体、类型、强度、环境下作业能力评估，由于作业环境的差异，对士兵的生理-心理、睡眠情况、运动能力等会产生不同的影响，故需进一步探索其他场景下方法的适用性。其次，在高强度运动过程中，运动伪迹较难去除，心电信号检波、信号质量评估需继续优化。最后，本文对基于连续生理数据军事作业效能的评估方法进行了初步探索，重点针对运动和睡眠中的指标进行分析，下一步我们将继续探索表征士兵作业效能的其他生理参数，并将方法应用在大样本军事训练数据集上验证其有效性和准确性。——论文作者：赵 静1，王 钊2，张 健2，范 勇3，梁 洪3，张政波3
SCISSCIAHCI
