[論文レビュー] Dynamical Heart Beat Correlations during Running

Matti Molkkari, Giorgio Angelotti+2 more|arXiv (Cornell University)|Nov 11, 2019

Complex Systems and Time Series Analysis被引用数 1

ひとこと要約

本稿では、ランニング中の心拍変動（RRインターバル）におけるスケールおよび時間に依存する相関を分析するために、動的デトレンド型フラクタル解析（DDFA）および動的部分自己相関関数（DPACF）を導入する。心拍数の上昇に伴い、RRインターバルにスケール依存の反相関（α < 0.5）が生じ、特定の心拍数スケールでピークを示し、強度に応じてシフトすることが判明した。これは、運動負荷およびおそらく歩行周期周波数に関連するマルチスケールの調節反応を示している。

ABSTRACT

Fluctuations of the human heart beat constitute a complex system that has been studied mostly under resting conditions using conventional time series analysis methods. During physical exercise, the variability of the fluctuations is reduced, and the time series of beat-to-beat RR intervals (RRIs) become highly non-stationary. Here we develop a dynamical approach to analyze the time evolution of RRI correlations in running across various training and racing events under real-world conditions. In particular, we introduce dynamical detrended fluctuation analysis and dynamical partial autocorrelation functions, which are able to detect real-time changes in the scaling and correlations of the RRIs as functions of the scale and the lag. We relate these changes to the exercise intensity quantified by the heart rate (HR). Beyond subject-specific HR thresholds the RRIs show multiscale anticorrelations with both universal and individual scale-dependent structure that is potentially affected by the stride frequency. These preliminary results are encouraging for future applications of the dynamical statistical analysis in exercise physiology and cardiology, and the presented methodology is also applicable across various disciplines.

研究の動機と目的

• 運動中の非定常な心拍変動をリアルタイムで動的に分析するための手法を開発すること。
• 従来のDFAおよびフーリエ解析がRRインターバルの時間的・スケール的依存相関を捉えることに抱える限界を克服すること。
• 現実のランニング環境における異なる運動強度下での心拍変動ダイナミクスの変化を調査すること。
• 動的相関が変化する生理的閾値を同定し、自律神経系の遷移を示す可能性があること。
• マラソンレースおよびトレーニングランの実世界のウェアラブルセンサーデータを用いて、手法の妥当性を検証すること。

提案手法

• 時間的・スケール的依存のスケーリング指数 α(t, s) を高時間分解能で計算するため、動的デトレンド型フラクタル解析（DDFA）を提案する。
• スライディング時間ウィンドウを用いた移動ウィンドウアプローチを適用し、各ウィンドウ内でフラクチュエーション関数 F²(s, t) を計算することで、スケーリング行動のリアルタイム追跡を可能にする。
• 各ウィンドウ内で多項式フィットを用いてデトレンド処理を行い、非定常性を除去し、内在的相関を分離する。
• RRインターバルのラグ依存相関を分析するため、動的部分自己相関関数（DPACF）を導入し、短期記憶効果の検出を強化する。
• 既知のスケーリング特性を持つ合成の分数ガウスノイズ（fGn）および分数ブラウン運動（fBm）時系列を用いて、DDFAの妥当性を検証する。
• 商業用スポーツウォッチ（例：Garmin）のデータを統合し、10名の被験者によるマラソンレースおよびトレーニングランの実世界ランニングデータを分析する。

実験結果

リサーチクエスチョン

• RQ1 心拍数が変化するランニング中、RRインターバルの相関はどのように動的に変化するか？
• RQ2 非定常な運動状態下での心拍変動の時間的・スケール的構造は何か？
• RQ3 RRインターバルの反相関は、どの心拍数閾値で出現し、スケールがどのようにシフトするか？
• RQ4 動的相関構造は、無酸素閾値などの生理的閾値と関連づけられるか？
• RQ5 歩行周期周波数は、観察されたスケール依存の反相関にどの程度影響を及ぼすか？

主な発見

• 心拍数が被験者固有の閾値（通常175 BPM以上）を超えると、RRインターバルに反相関（α < 0.5）が出現する。
• 最も強い反相関のスケールは、中程度の強度では約5〜10心拍から、高強度では約20心拍にシフトし、さらなる心拍数上昇に伴い短いスケールでも再出現する。
• スケール s > 100 心拍では、RRインターバルに非定常性（α > 1）が現れ、分数ブラウン運動に類似する。
• 動的スケーリング指数 α(t, s) は、従来の短距離および長距離DFAでは捉えきれない複雑なマルチスケール相関構造を明らかにする。
• DDFAおよびDPACFの結果は相互に整合的であり、生理的相関ダイナミクスのリアルタイム変化を検出する手法の信頼性を裏付けている。
• 観察された反相関構造は、歩行周期周波数に影響を受ける可能性があり、歩行と心拍調節の間の潜在的な結合を示唆している。