RU2531443C1 - Способ определения стресса - Google Patents
Способ определения стресса Download PDFInfo
- Publication number
- RU2531443C1 RU2531443C1 RU2013150016/14A RU2013150016A RU2531443C1 RU 2531443 C1 RU2531443 C1 RU 2531443C1 RU 2013150016/14 A RU2013150016/14 A RU 2013150016/14A RU 2013150016 A RU2013150016 A RU 2013150016A RU 2531443 C1 RU2531443 C1 RU 2531443C1
- Authority
- RU
- Russia
- Prior art keywords
- values
- sec
- power
- data
- stress
- Prior art date
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
Изобретение относится к области медицины, а именно к диагностике и физиологии. Выполняют регистрацию значений R-R интервалов сердечного ритма и обработку полученной последовательности R-R интервалов. Длительность последовательности R-R интервалов выбирают не менее чем 300 сек. После чего разбивают последовательность R-R интервалов на окна данных A1…An длительностью 75 сек≤А≤300 сек с шагом В сдвига окна 1 сек≤В≤10 сек. Далее для каждого окна данных: производят частотное преобразование Фурье с получением значений спектра мощности исходного окна, интегрируют полученные спектры мощности по всем частотам в пределах не менее чем 0,015-0,6 Гц с получением суммарной мощности TP вариабельности сердечного ритма, вычисляют мощность в нижнем диапазоне частот PLF - не менее чем в диапазоне 0,04-0,15 Гц, вычисляют мощность в высоком диапазоне частот PHF - не менее чем в диапазоне 0,15-0,6 Гц, вычисляют соотношение PLF/PHF; нормируют полученные наборы значений TP и соотношений PLF/PHF с получением стандартизованных значений X1…n ряда значений TP и стандартизованных значений Y1…n ряда значений PLF/PHF. Вычисляют функцию анализа синфазности для каждого окна данных f1…n=(sinX1…n-sinY1…n)/|sinX1…n-sinY1…n|. Делают вывод о наличии или отсутствии стрессового состояния путем анализа полученных значений f1…n. Способ позволяет повысить достоверность диагностики начала стрессового состояния человека за счет анализа R-R интервала. 2 пр., 1 ил.
Description
Область техники, к которой относится полезная модель
Изобретение относится к области медицины, а именно к измерениям для диагностических целей и может быть использовано для оценки функционального состояния людей, например, выполняющих ответственную работу и задачи, таких как авиадиспетчеры, водители и пилоты пассажирских видов транспорта и др.
Ввиду того что стресс является неспецифической системной стадийной физиологической реакцией организма на повреждение или его угрозу (Парин С.Б. «Люди и животные в экстремальных ситуациях: нейрохимические механизмы, эволюционный аспект» Вестник НГУ. Серия: Психология. 2008, Том 2, выпуск 2, С.118-135), то стресс как состояние также стадиен. Соответственно методы диагностики стресса должны включать в себя определение стадии, так как это обуславливает меры, которые должны быть предприняты по устранению стресса (на разных стадиях они разные.) На данный момент отсутствуют неинвазивные способы определения стадии стресса. Существуют инвазивные способы - химический анализ крови на уровень кортизолы, опиоидов и прочее, но данные методы не всегда применимы, особенно они не подходят для непрерывного мониторинга. Соответственно актуальной является задача разработки неинвазивных методов диагностики стадий стресса, особенно оперативная диагностика на ранних стадиях, а именно определение момента запуска стресс-реакции.
Предшествующий уровень техники
Стресс играет ключевую роль в развитии множества соматических и неврологических заболеваний. Термином «стресс» принято обозначать как сильные неблагоприятные физические и/или психогенные внешне средовые воздействия, так и развивающееся под их влиянием состояние психофизиологического напряжения, исходно служащее для приспособления человека к новым условиям среды. Стресс как хроническое психофизиологическое перенапряжение может провоцировать манифестацию или обострение симптомов болезни, служить одним из факторов риска или усугублять тяжесть ее течения. Кроме того, эмоциональное перенапряжение снижает продуктивность и качество выполняемых человеком работ. Выявление стрессового состояния позволит предотвращать многие нежелательные несчастные случаи, связанные с решением людьми сложных технических задач (управление техническими системами, диспетчерские системы), а также предотвратить многие заболевания, связанные с психофизиологией, включая гипертоническую болезнь, инсульты, инфаркты, онкопатологию и др.
Клиническими коррелятами хронического эмоционального стресса являются и пограничные нервно-психические тревожные и депрессивные расстройства, резко снижающие качество жизни людей (Александровский Ю.А., 2000 Социально-стрессовые расстройства // Обозр. психиат. и мед. психол., 1992. №2. С.5-10; Харитонов С.В. Психофизиология неврозов / С.В. Харитонов, В.Я. Семке, М.М. Аксенов // Журн. неврологии и психиатрии им. С.С. Корсакова. - 1999. - №6. - С.59-62). Негативное влияние на здоровье оказывает прежде всего хронический эмоциональный стресс, и это влияние опосредуется сопряженными с ним неблагоприятными эндокринными, нервно-мышечными и вегетативными изменениями (Пшенникова М.Г. Феномен стресса. Эмоциональный стресс и его роль в патологии / М.Г. Пшенникова // Патологическая физиология и экспериментальная терапия. 2000. - №3. - С.20-25; Подчуфарова Е.В. Хронические боли в спине: патогенез, диагностика, лечение / Е.В. Подчуфарова // Российский медицинский журнал. 2003. - Т.11. - №25. - С.32-37; Яхно Н.Н., Парфенов В.А. «Частная неврология» 2006).
Для экспресс-диагностики стресса используется ряд вербальных шкал и опросников, направленных на определение уровней тревоги и депрессии. Такие опросники, как, например, Шкала депрессии Цунга (Zung Self-Rating Depression Scale), Опросник Бека (Beck Questionnaire), Шкала самооценки депрессии Уэйкфилда (Wakefield Self-Assessment Depression Inventory), Шкала госпитальной тревоги и депрессии (Hospital Anxiety and Depression Scale), Оценочная шкала депрессии Гамильтона (Hamilton Rating Scale for Depression), Шкала тревоги Спилбергера (Spilberger Anxiety Inventory хорошо зарекомендовали себя при диагностике уровня хронического стресса. При их использовании обследуемому предоставляется текст с утверждениями либо вопросами и возможные варианты ответов, каждый из которых оценивается определенным числом баллов. Обработка результатов включает суммирование балльных оценок выбранных пациентом ответов, а интерпретация данных основана на сравнении полученной суммы с предлагаемыми диагностическими критериями. Преимуществами подобных шкал является быстрота исследования и обработки результатов. К недостаткам относится очевидность для испытуемого направленности вопросов, что часто провоцирует защитную реакцию на обследование в виде сознательного искажения ответов в случаях, когда у человека имеется потребность выглядеть в глазах экспериментатора определенным желательным образом. Поскольку возможность выявления и коррекции таких искажений в упомянутых тестах не предусмотрена, то достоверность результатов может оказаться невысокой. Во-вторых, такого рода шкалы не позволяют проводить динамическое наблюдение за испытуемым поскольку данные при первом обследовании ответы легко запоминаются и нередко автоматически воспроизводятся при повторных опросах, что искажает результаты повторного тестирования.
Наряду с вербальными опросниками для определения уровня стресса используются также и проективные методики, из которых наиболее популярным является цветовой тест или метод цветовых выборов М. Люшера и его многочисленные модификации (Собчик Л.Н. Стандартизированный многофакторный метод исследования личности (MMPI) / Л.Н. Собчик. СПб., 2004. - 251 с.). Преимуществами теста Люшера служат его привлекательность для пациентов (отказов от обследования практически не встречается), простота использования, краткость исследования, относительная независимость результатов от уровня образования, социального статуса, возраста, интеллекта и сознательных установок человека. К недостаткам относят возможность влияния на результаты ситуативных и сиюминутных (например, характер освещения комнаты) факторов. Кроме того, убедительных доказательств теоретической валидности этого теста до сих пор не получено, что ставит под сомнение достоверность результатов диагностики уровня тревоги и тем более личностно-типологических свойств испытуемого. В этой связи эти шкалы не позволяют наблюдать за динамикой эмоционального состояния человека на протяжении коротких, исчисляемых часами или одним днем промежутков времени.
В экспериментальных целях для оценки уровня стресса осуществляется анализ пространственно-временных параметров мимики, пантомимики, движений глаз, тембра и интонаций. Недостатком такого рода исследований является необходимость жесткой стандартизации условий исследования и их трудоемкость, что делает непригодным их проведение для обследования больших групп людей, подверженных риску эмоционального стресса (Г.Э. Бреслав. Психокоррекция детской агрессивности. Учебное пособие. СПб. 2004. 144 с.).
Принципиально другой подход к распознаванию стресса включает регистрацию физиологических параметров, служащих биологическими коррелятами психического стресса, таких как частота сердцебиений и дыхания, уровень кровяного давления, тремор и подвижность, глазодвигательные реакции (Eyetracker), кожно-гальваническая реакция. Эти методы составляют стандартный комплект полиграфа (Rice KM, Blanchard ЕВ, Purcell М. Biofeedback treatments of generalized anxiety disorder: preliminary results. Biofeedback and Self-Regulation 1993; 18:93-105; Kim M.H. Effects of a visual feedback device for hip adduction on trunk muscles and sitting posture in … 2005; Schrama, 2009 A wireless portable physiology recorder for psychophysiology research based on a personal digital assistant. - Behavior research methods, August 2009, vol./is. 41/3(827-32), 1554-351X). Технологии проводной и беспроводной полиграфии активно используются для идентификации стресса, эмоционального статуса, утомления, обмана и других подобных состояний. Измерения на стандартном полиграфе имеют существенные недостатки, такие как: необходимость в ограничении подвижности; дискомфорт, связанный с креплением датчиков; громоздкая аппаратура; регистрацию и интерпретацию данных могут осуществлять только опытные операторы и эксперты. Беспроводные полиграфы (Wireless Bluetooth Module for LX5000, Lafayette Conventional Polygraphs, SXT DAHLIA) значительно мобильнее, однако остальные ограничения они полностью унаследовали от проводных прототипов. Результат обследования на полиграфе зависит от процедуры измерения и не позволяет диагностировать функциональное состояние в условиях свободного поведения.
В кардиологической практике для контроля за состоянием сердца в домашних условиях используется Холтеровское мониторирование: на теле пациента ремешками крепятся соединенные проводами крупные электроды и устройство для записи сигнала в течение 48 часов. Анализ сигналов проводится после мониторирования. Однако характер взаимосвязи между артериальным давлением и уровнем эмоционального напряжения человека неоднозначен и способ диагностики стресса на основании мониторирования артериального давления не разработан.
Физиологическими маркерами могут служить показатели состояния вегетативной нервной системы, сопряженность которых с показателями эмоционального состояния человека определяется тем, что их общей анатомо-физиологической основой считается функциональная активность лимбико-ретикулярного комплекса головного мозга. Наиболее широкое распространение в диагностике функционального состояния вегетативной регуляции получил анализ вариабельности сердечного ритма, осуществляемый с применением методов временной области (статистические и геометрические), методов спектральной области (параметрические и непараметрические методы вычисления спектральной плотности мощности), методов анализа моделей ритма, методов нелинейной динамики (Яблучанский Н.И. Вариабельность сердечного ритма в современной клинике / Н.И. Яблучанский, Б.Я. Кантор. - Донецк: Будень, 1997. - 128 с.; Camm A.J., Fei L. (1995) Risk stratification following myocardial infarction: heart rate variability and other risk factors. In: M. Malik, A.J. Camm (Eds.) Heart Rate Variability. Futura, Armonk, pp.369-392). На настоящий момент поиск маркеров стресса в параметрах вариабельности сердечного ритма ограничивается данными, получаемыми в стационарных лабораторных контекстах (покой) или при проведении активных проб (ортостатическая проба) (Depression as a risk factor for cardiac events in established coronary heart disease: a review of possible mechanisms / R.M. Carney et al. // Ann. Behav. Med. 1995. - Vol.17. - P.142-149.; Taylor et al., 2009, 2011 Depression, heart rate related variables and cardiovascular disease - Int. J. Psychophysiol, 78(1),80-88; Paolo Melillo, Member, IEEE, Nicola De Luca, Marcello Bracale, and Leandro Pecchia Classification Tree for Risk Assessment in Patients Suffering From Congestive Heart Failure via Long-Term Heart Rate Variability IEEE JOURNAL OF BIOMEDICAL AND HEALTH INFORMATICS, VOL.17, №3, MAY 2013; Н.И. Шлык // Вариабельность сердечного ритма теоретические аспекты и практическое применение. - Ижевск, 2011. - С.348-369), таким образом, отсутствует возможность определения стресса в условиях естественной деятельности - без отрыва испытуемого от выполнения целевой функции. Однако существенные успехи достигнуты в разработке систем телеметрического мониторинга вариабельности сердечного ритма и других физиологических сигналов благодаря сотрудничеству исследователей California Institute of Technology и Georgia Institute of Technology: сеть бесконтактных емкостных датчиков вплетена в ткань одежды и является портативным монитором, позволяющим продолжительное время регистрировать ЭКГ, ЭЭГ, вариабельность сердечного ритма в условиях свободного поведения (Technology Review, MIT, July 06, 2010). Но появляющиеся в настоящее время системы с автономными датчиками, не позволяют данные комплексы использовать в полном объеме. Требуются специализированные алгоритмы и способы которые на основе данных по RR-интервалам определяли бы возникновение стресса в реальном времени.
Известен способ определения эмоционального стресса (патент РФ №2073484, МПК A61B 5/02, A61B 5/04, 20.02.1997), включающий регистрацию частоты сердечных сокращений, при этом дополнительно регистрируют частоту дыхания и кожно-гальваническое сопротивление, проводят кросскорреляционный анализ, рассчитывают свободный коэффициент корреляции каждой системы, затем определяют коэффициент мощности корреляции между системами, как величину значения квадратичного корня от суммы всех свободных коэффициентов корреляций и при значениях полученной величины до 0,2 диагностируют эмоциональный стресса.
Известен способ определения уровня стресса (патент РФ №2147831, МПК A61B 5/02, 27.04.2000), включающий измерение массы тела (М, кг), частоты сердечных сокращений (f, мин-1) и пульсового артериального давления (ПАД, мм рт.ст.), расчет уровня испытываемого стресса (S, усл. ед.) по формуле: S=f·ПАД·М1/3×К,
где f - частота сердечных сокращений, мин-1;
ПАД - пульсовое артериальное давление, мм рт.ст.;
М - масса тела, кг;
К - нормирующий коэффициент, составляющий для мужчин и женщин соответственно 0,8244×10-4 и 0,9357×10-4,
причем значения S<1,12 усл. ед. соответствуют нормальному уровню стресса в состоянии покоя, а значения S>1,12 усл. ед. отражают соответствующее увеличение уровня стресса.
Недостатком известных способов является сложность и низкая достоверность диагностики начала стрессового состояния человека.
Сущность изобретения
Задачей настоящего изобретения является совершенствование способа определения стресса.
Технический результат заключается в снижении сложности и повышении достоверности диагностики начала стрессового состояния человека.
Указанный технический результат достигается тем, что в способе определения стресса, включающем регистрацию значений R-R интервалов сердечного ритма и обработку полученной последовательности R-R интервалов, длительность последовательности выбирают не менее чем 300 сек, а обработку данных производят следующим образом:
разбивают последовательность R-R интервалов на окна A1…An длительностью 75 сек≤А≤300 сек с шагом В сдвига окна 1 сек≤В≤10 сек, где n - количество окон данных;
далее для каждого окна данных:
производят частотное преобразование Фурье с получением значений спектра мощности исходного окна,
интегрируют полученные спектры мощности по всем частотам в пределах не менее чем 0,015-0,6 Гц с получением суммарной мощности TP вариабельности сердечного ритма,
вычисляют мощность в нижнем диапазоне частот PLF - не менее чем в диапазоне 0,04-0,15 Гц,
вычисляют мощность в высоком диапазоне частот PHF - не менее чем в диапазоне 0,15-0,6 Гц,
вычисляют соотношение PLF/PHF;
нормируют полученные наборы значений TP и соотношений PLF/PHF с получением стандартизованных значений X1…n ряда значений ТР и стандартизованных значений Y1…n ряда значений PLF/PHF,
вычисляют функцию анализа синфазности для каждого окна данных f1…n=(sinX1…n-sinY1…n)/|sinX1…n-sinY1…n|,
делают вывод о наличии или отсутствии стрессового состояния путем анализа полученных значений f1…n, причем стрессовому состоянию соответствует распределение значений f1…n, при котором:
в течение временного интервала не менее 20 сек подряд значения f равны 1,
затем в течение как минимум 60 сек подряд следуют значения f, равные - 1, с возможностью появления в этом временном интервале не более трех значений f, равных 1.
Подробное описание изобретения.
На фиг. изображена блок-схема реализации способа.
Способ осуществляется следующим образом.
Вначале производят регистрацию значений R-R интервалов сердечного ритма человека в течение не менее 300 сек.
Регистрацию значений производят, например, при помощи закрепленного на человеке персонального беспроводного датчика 1 с автономным питанием и модулем беспроводной связи Bluetooth. Далее полученные данные передают в реальном времени по беспроводному каналу связи, например, на персональное мобильное устройство связи 2. Используя персональное мобильное устройство связи 2, полученные данные передают, например, на находящийся в единой адресной сети, например Интернет, сервер обработки данных 3, включающий модуль связи сервера 4, блок памяти 5, модуль обработки и анализа данных 6.
После этого в модуле обработки и анализа данных 6 сервера обработки данных 3 осуществляют обработку полученной последовательности R-R интервалов. Модуль обработки и анализа данных 6 состоит, например, из блока формирования окон данных 7, блока частотного преобразования Фурье 8, блока вычисления суммарной мощности вариабельности сердечного ритма 9, блока вычисления мощности в нижнем диапазоне частот 10, блока вычисления мощности в высоком диапазоне частот 11, делителя 12, нормализатора 13, блока вычисления функции анализа синфазности 14, блока анализа и принятия решения 15.
Обработку полученной последовательности R-R интервалов осуществляют следующим образом.
В блоке формирования окон данных 7 последовательность R-R интервалов разбивают на окна данных A1…An длительностью 75 сек≤А≤300 сек с шагом В сдвига окна 1 сек≤В≤10 сек, где n - количество окон данных.
Далее в блоке частотного преобразования Фурье 8 для каждого окна данных производят частотное преобразование Фурье с получением значений спектра мощности исходного окна. Затем в блоке вычисления суммарной мощности вариабельности сердечного ритма 9 интегрируют полученные спектры мощности по всем частотам в пределах не менее чем 0,015-0,6 Гц с получением суммарной мощности TP вариабельности сердечного ритма. Диапазон 0,015-0,6 Гц - это классический диапазон анализа ритмограмм, он включает в себя частотные диапазоны, соответствующие разным модулям вегетативной регуляции сердечного ритма. После этого в блоке вычисления мощности в нижнем диапазоне частот 10 вычисляют мощность PLF в нижнем диапазоне частот. При этом нижний диапазон частот LF выбирают не менее чем в пределах 0,04-0,15 Гц. В блоке вычисления мощности в высоком диапазоне частот 11 вычисляют мощность PHF в высоком диапазоне частот. При этом высокий диапазон частот HF выбирают не менее чем в пределах 0,15-0,6 Гц. Затем в делителе 12 вычисляют соотношение PLF/PHF.
В нормализаторе 13 нормируют полученные для каждого окна данных наборы значений TP1…n и (PLF/PHF)1…n с получением, соответственно, стандартизованных значений X1…n и Y1…n. Нормирование наборов значений осуществляют, например, по формулам: (TP1…n-z)/σ и ((PLF/PHF)1…n-z)/σ, где z - средние значения соответственно TP1…n и (PLF/PHF)1…n по всему блоку данных, σ - стандартное отклонение соответственно значений TP1…n и (PLF/PHF)1…n для всех окон данных в общем блоке данных.
Затем в блоке вычисления функции анализа синфазности 14 вычисляют функцию анализа синфазности для каждого окна данных по формуле:
f1…n=(sinX1…n-sinY1…n)/|sinX1…n-sinY1…n|,
После этого в блоке анализа и принятия решения 15 определяют наличие или отсутствие стрессового состояния путем анализа полученных значений f1…n. При этом стрессовому состоянию соответствует распределение значений f1…n, при котором:
в течение временного интервала не менее 20 сек подряд значения f равны 1, затем в течение как минимум 60 сек подряд следуют значения f, равные -1, с возможностью появления в этом временном интервале не более трех значений f, равных 1. Данные о текущем состоянии человека после анализа последовательности R-R интервалов его сердечного ритма направляют на устройство отображения информации 6. Указанные данные могут быть представлены на устройстве отображения информации 16 в любом наглядном для восприятия виде и сохранены на сервере обработки данных 3, например в блоке памяти 5.
После анализа всех n окон данных последовательности R-R интервалов проводят обработку следующей последовательности R-R интервалов, полученной со сдвигом величиной от 1 до 10 сек.
При этом экспериментально было показано, что при выходе за обозначенные пределы при формировании окон данных 75 сек≤А≤300 сек, а также установлении времени сдвига за пределами 1 сек≤В≤10 сек качество определения стрессового состояния резко снижается. Также экспериментально был показан указанный в настоящем способе предпочтительный выбор границ нижний диапазон частот LF и высокий диапазон частот HF.
Большую экспериментальную работу авторы изобретения провели для определения критериев определения стрессового состояния. Проведение более 100 экспериментов с разными категориями испытуемых в разных условиях показало, что начало стрессового состояния соответствует приведенному распределению значений функции f.
Пример 1.
Перед началом эксперимента испытуемому человеку на тело закрепили пояс, в который вшиты два электрода и прикреплен датчик ZephyrHxM с автономным питанием и модулем беспроводной связи Bluetooth для измерения R-R интервалов производства фирмы «Zephyr-technology». Размер пояса устанавливают таким, чтобы человеку было комфортно и при этом его движения не влияли на положение пояса. Вначале испытуемый в течение 600 сек находился в состоянии покоя, после этого он перешел в газово-дымовую камеру и находился там 1500 сек. При помощи датчика в течение этих 2100 сек производили регистрацию значений R-R интервалов сердечного ритма человека. Далее данные от датчика в реальном времени по беспроводному каналу связи передавали на смартфон LG Optimus L3 Е400, который находился у испытуемого.
Используя смартфон, полученные данные передавали на находящийся в единой адресной сети Интернет сервер обработки данных, включающий модуль связи сервера, модуль обработки и анализа данных и устройство отображения.
После этого в модуле обработки и анализа данных сервера обработки данных осуществляли обработку полученной последовательности R-R интервалов. Модуль обработки и анализа данных включает блок формирования окон данных, блок частотного преобразования Фурье, блок вычисления суммарной мощности вариабельности сердечного ритма, блок вычисления мощности в нижнем диапазоне частот, блок вычисления мощности в высоком диапазоне частот, делителя, нормализатора, блок вычисления функции анализа синфазности, блок анализа и принятия решения.
Обработку полученной последовательности R-R интервалов осуществляли следующим образом.
В блоке формирования окон данных последовательность R-R интервалов разбили на окна данных длительностью 100 сек с шагом сдвига окна 10 сек.
Далее в блоке частотного преобразования Фурье для каждого окна данных произвели частотное преобразование Фурье с получением значений спектра мощности исходного окна. Затем в блоке вычисления суммарной мощности TP вариабельности сердечного ритма проинтегрировали полученные спектры мощности по всем частотам в пределах 0,015-0,6 Гц с получением суммарной мощности TP вариабельности сердечного ритма. После этого в блоке вычисления мощности в нижнем диапазоне частот вычислили мощность PLF в нижнем диапазоне частот. При этом нижний диапазон частот LF выбирали в пределах 0,04-0,15 Гц. В блоке вычисления мощности в высоком диапазоне частот вычислили мощность PHF в высоком диапазоне частот. При этом высокий диапазон частот HF выбирали в пределах 0,15-0,6 Гц. Затем в делителе вычислили соотношение PLF/PHF.
В нормализаторе пронормировали полученные для каждого окна данных наборы значений TP1…n и (PLF/PHF)1…n с получением соответственно стандартизованных значений X1…n и Y1…n.
Затем в блоке вычисления функции анализа синфазности вычислили функцию анализа синфазности для каждого окна данных по формуле:
f1…n=(sinX1…n-sinY1…n)/|sinX1…n-sinY1…n|
После этого в блоке анализа и принятия решения определили переход в стрессовое состояние. При этом значение функции f в течение первых 10 мин испытания менялось с "1" на "-1" без какой-либо закономерности. В момент захода испытуемого в камеру распределение значений функции f стало следующим: в течение 330 сек значение функции f были равны "1" (23 значения), а потом в течение 146,46 сек равны "-1" (14 значений). Переходу человека в стрессовое состояние соответствует этот момент смены значений функции f. На устройство отображения информации с блока анализа и принятия решения направляется информация о графической сигнализации о переходе испытуемого в стрессовое состояние с указанием времени такого перехода. После этого значения f опять стали часто меняться с "1" на без какой-либо закономерности.
Пример 2.
Перед началом эксперимента водителю автобуса на тело закрепили пояс, в который вшиты два электрода и прикреплен датчик ZephyrHxM. Водитель отправился в рейс. При помощи датчика в течение 2400 сек производили регистрацию значений R-R интервалов сердечного ритма человека. Далее данные от датчика в реальном времени по беспроводному каналу связи передавали на смартфон PHILIPS W626, который находился у испытуемого.
Используя смартфон, полученные данные передавали на находящийся в диспетчерской в единой адресной сети Интернет сервер обработки данных, включающий модуль связи сервера, модуль обработки и анализа данных и устройство отображения.
Обработку полученной последовательности R-R интервалов осуществляли описанным в примере 1 способом. При этом длительность окон данных выбрали также в 100 сек с шагом сдвига окна 10 сек.
После 600 сек поездки значения f в течение 420 сек установилось одинаковым - "1", затем в 420 сек - "-1". На устройстве отображения информации в диспетчерской отобразился сигнал о том, что водитель автобуса перешел в стрессовое состояние с указанием времени этого перехода. Этим моментом является время начала появления последовательности значений f, равных "1". В ходе установления сеанса связи с водителем выяснилось, что в этот момент автомобиль, двигавшийся рядом параллельным курсом, совершил внезапный маневр, перестроившись на полосу перед автобусом, то есть "подрезал" автобус. Водитель автобуса был вынужден совершить экстренное торможение. При этом часть пассажиров не смогла удержаться на местах и упала. Переходу в стрессовое состояние водителем способствовала и негативная реакция пассажиров на произошедшее, так как большинство из них не знало о реальной причине резкого торможения и обвинило водителя автобуса в непрофессионализме.
Таким образом предложенный способ определения стрессового состояния человека менее сложен в реализации за счет того, что он основывается только на анализе R-R интервалов сердечного ритма человека. Также экспериментально было показано существенное повышение достоверности диагностики начала стрессового состояния человека по сравнению с существующими способами и реализующими их устройствами.
Предложенный способ возможно реализовывать при помощи устройств, образующих системы дистанционного мониторинга и анализа стрессового состояния человека. Для специалистов могут быть очевидны и иные варианты конструктивной реализации изобретения, не меняющие его сущности.
Claims (1)
- Способ определения стресса, включающий регистрацию значений R-R интервалов сердечного ритма и обработку полученной последовательности R-R интервалов, при этом длительность последовательности выбирают не менее чем 300 сек, а обработку данных производят следующим образом:
разбивают последовательность R-R интервалов на окна данных A1…An длительностью 75 сек≤А≤300 сек с шагом B сдвига окна 1 сек≤B≤10 сек, где n - количество окон данных;
далее для каждого окна данных:
производят частотное преобразование Фурье с получением значений спектра мощности исходного окна,
интегрируют полученные спектры мощности по всем частотам в пределах не менее чем 0,015-0,6 Гц с получением суммарной мощности TP вариабельности сердечного ритма,
вычисляют мощность в нижнем диапазоне частот PLF - не менее чем в диапазоне 0,04-0,15 Гц,
вычисляют мощность в высоком диапазоне частот PHF - не менее чем в диапазоне 0,15-0,6 Гц,
вычисляют соотношение PLF/PHF;
нормируют полученные наборы значений TP и соотношений PLF/PHF с получением стандартизованных значений X1…n ряда значений ТР и стандартизованных значений Y1…n ряда значений PLF/PHF,
вычисляют функцию анализа синфазности для каждого окна данных
f1…n=(sinX1…n-sinY1…n)/|sinX1…n-sinY1…n|,
делают вывод о наличии или отсутствии стрессового состояния путем анализа полученных значений f1…n, причем стрессовому состоянию соответствует распределение значений f1…n, при котором:
в течение временного интервала не менее 20 сек подряд значения f равны 1,
затем в течение как минимум 60 сек подряд следуют значения f, равные -1, с возможностью появления в этом временном интервале не более трех значений f, равных 1.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2013150016/14A RU2531443C1 (ru) | 2013-11-11 | 2013-11-11 | Способ определения стресса |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2013150016/14A RU2531443C1 (ru) | 2013-11-11 | 2013-11-11 | Способ определения стресса |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2531443C1 true RU2531443C1 (ru) | 2014-10-20 |
Family
ID=53381997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2013150016/14A RU2531443C1 (ru) | 2013-11-11 | 2013-11-11 | Способ определения стресса |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2531443C1 (ru) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2615721C2 (ru) * | 2015-06-30 | 2017-04-07 | Владимир Николаевич Иванов | Устройство для кардиографического контроля состояния пациентов |
RU2624813C1 (ru) * | 2016-08-11 | 2017-07-06 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Нижегородская государственная медицинская академия" Министерства здравоохранения Российской Федерации (ФГБОУ ВО НижГМА Минздрава России) | Способ диагностики стресса у человека |
RU2668698C1 (ru) * | 2017-12-25 | 2018-10-02 | Общество с ограниченной ответственностью "Варесмед" | Способ определения степени активации стресс-системы у пациентов |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2147831C1 (ru) * | 1997-01-23 | 2000-04-27 | Шейх-Заде Юрий Решадович | Способ определения уровня стресса |
RU2392848C1 (ru) * | 2009-01-11 | 2010-06-27 | Государственное образовательное учреждение высшего профессионального образования "Рязанский государственный медицинский университет имени акад. И.П. Павлова Федерального агентства по здравоохранению и социальному развитию" | Способ диагностики стресса у человека |
-
2013
- 2013-11-11 RU RU2013150016/14A patent/RU2531443C1/ru not_active IP Right Cessation
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2147831C1 (ru) * | 1997-01-23 | 2000-04-27 | Шейх-Заде Юрий Решадович | Способ определения уровня стресса |
RU2392848C1 (ru) * | 2009-01-11 | 2010-06-27 | Государственное образовательное учреждение высшего профессионального образования "Рязанский государственный медицинский университет имени акад. И.П. Павлова Федерального агентства по здравоохранению и социальному развитию" | Способ диагностики стресса у человека |
Non-Patent Citations (1)
Title |
---|
НАРОВ М.Ю. Нервно-психические стрессовые расстройства с коморбидными аддиктивными состояниями у сотрудников правоохранительных органов. Автореф. дисс., Томск, 2007, с.9-36. Собчик Л.Н. Стандартизированный многофакторный метод исследования личности (MMPI), СПб., 2004, 251 с. Carney R.M. et al., Depression as a risk factor for cardiac events in established coronary heart disease: a review of possible mechanisms, Ann. Behav. Med. 1995, Vol.17, P.142-149, реферат * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2615721C2 (ru) * | 2015-06-30 | 2017-04-07 | Владимир Николаевич Иванов | Устройство для кардиографического контроля состояния пациентов |
RU2624813C1 (ru) * | 2016-08-11 | 2017-07-06 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Нижегородская государственная медицинская академия" Министерства здравоохранения Российской Федерации (ФГБОУ ВО НижГМА Минздрава России) | Способ диагностики стресса у человека |
RU2668698C1 (ru) * | 2017-12-25 | 2018-10-02 | Общество с ограниченной ответственностью "Варесмед" | Способ определения степени активации стресс-системы у пациентов |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fernández et al. | Mental stress detection using bioradar respiratory signals | |
Thayer et al. | Estimating respiratory frequency from autoregressive spectral analysis of heart period | |
Alam et al. | Automated functional and behavioral health assessment of older adults with dementia | |
KR101867198B1 (ko) | 추정장치, 프로그램, 추정방법 및 추정시스템 | |
US20120065480A1 (en) | Stress monitor system and method | |
Iqbal et al. | A sensitivity analysis of biophysiological responses of stress for wearable sensors in connected health | |
US20180279966A1 (en) | Monitoring system for stroke | |
CN108766576A (zh) | 一种健康储备评估方法、装置及其应用 | |
CN113520395A (zh) | 一种精神状态的实时评估系统和方法 | |
CN109350020A (zh) | 身心健康状况分析装置及方法 | |
Airij et al. | GSM and GPS based real-time remote physiological signals monitoring and stress levels classification | |
CA3126763A1 (en) | System for measuring heart rate | |
RU2442531C2 (ru) | Способ дистанционного мониторинга состояния человека | |
US20240099639A1 (en) | System for measuring heart rate | |
Cepisca et al. | Platform for bio-monitoring of vital parameters in critical infrastructures operation | |
CN115251852B (zh) | 一种体温调节功能的检测量化方法和系统 | |
RU2531443C1 (ru) | Способ определения стресса | |
Solomon et al. | Quantifying energy and fatigue: classification and assessment of energy and fatigue using subjective, objective, and mixed methods towards health and quality of life | |
KR102152957B1 (ko) | 심박 변이도(hrv)에 기초한 기타 불안장애로부터 공황장애 감별 방법 및 그 장치 | |
Jegan et al. | Mental Stress Detection and Classification using SVM Classifier: A Pilot Study | |
CN112530538A (zh) | 一种互联网智能化体检管理系统及其应用 | |
Yartz et al. | Psychophysiological assessment of anxiety: Tales from the heart | |
Petkar | Effects of working memory demand on performance and mental stress during the Stroop task | |
RU2722056C1 (ru) | Способ диагностики парафильных расстройств с применением трекинга глаз | |
Vera-Munoz et al. | A wearable EMG monitoring system for emotions assessment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20201112 |