[论文解读] 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 1

一句话总结

本文引入动态去趋势波动分析（DDFA）和动态偏自相关函数（DPACF），以分析跑步过程中心率变异性（RR间期）的尺度与时间相关性。研究发现，心率上升会引发RR间期中具有尺度依赖性的反相关性（α < 0.5），其峰值出现在特定心跳尺度上，并随运动强度变化而移动，表明存在与运动负荷相关、可能与步频相关的多尺度调节反应。

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.

研究动机与目标

• 开发一种用于在体育运动期间实时分析非平稳心率变异性（HRV）的动态方法。
• 克服传统DFA与傅里叶分析在捕捉RR间期中时间与尺度依赖性相关性方面的局限性。
• 研究在真实跑步条件下，心率变异性动态如何随不同运动强度而变化。
• 识别动态相关性发生转变的生理阈值，可能提示自主神经系统状态的转换。
• 在马拉松比赛和训练跑的真实可穿戴传感器数据上验证该方法。

提出的方法

• 提出动态去趋势波动分析（DDFA），以高时间分辨率计算时间与尺度依赖的标度指数α(t, s)。
• 采用滑动时间窗方法，对滑动时间窗内计算波动函数F²(s, t)，实现实时追踪标度行为。
• 在每个窗内通过多项式拟合进行去趋势处理，以去除非平稳性并隔离内在相关性。
• 引入动态偏自相关函数（DPACF）以分析RR间期中滞后依赖的相关性，增强对短期记忆效应的检测能力。
• 使用具有已知标度特性的合成分数阶高斯噪声（fGn）和分数阶布朗运动（fBm）时间序列验证DDFA。
• 结合商用运动手表（如Garmin）的数据，分析10名受试者在马拉松比赛和训练跑中的真实跑步数据。

实验结果

研究问题

• RQ1 在不同心率下，RR间期的相关性在跑步过程中如何动态演变？
• RQ2 在非平稳运动中，心率变异性的时间与尺度依赖结构是怎样的？
• RQ3 当心率超过何种阈值时，RR间期的反相关性会显现并发生尺度变化？
• RQ4 动态相关性结构能否与生理阈值（如无氧阈值）相关联？
• RQ5 步频在多大程度上调节观察到的RR间期中尺度依赖性反相关性？

主要发现

• 当心率超过个体特异性阈值（通常高于175 BPM）时，RR间期中出现反相关性（α < 0.5）。
• 最强反相关性的尺度从中等强度下的~5–10次心跳，增加到高强度下的~20次心跳，随后在心率进一步升高时在更短尺度上重新出现。
• 在尺度s > 100次心跳时，RR间期表现出非平稳行为（α > 1），类似于分数阶布朗运动。
• 动态标度指数α(t, s)揭示了复杂且多尺度的相关性结构，这是传统短程与长程DFA无法捕捉的。
• DDFA与DPACF结果相互一致，验证了该方法在检测生理相关性动态实时变化方面的可靠性。
• 观察到的反相关性结构可能受步频影响，提示运动与心脏调节之间可能存在潜在耦合。