晝夜節(jié)律顛倒影響心率變異性信號的非線性特性研究

張　璇， 李　錦， 徐文敏

(陜西師范大學 物理學與信息技術學院, 陜西 西安 710119)

?

晝夜節(jié)律顛倒影響心率變異性信號的非線性特性研究

張璇， 李錦*， 徐文敏

(陜西師范大學 物理學與信息技術學院, 陜西 西安 710119)

摘要：研究了晝夜顛倒作息對人體心電信號的影響，并探索了處于睡眠狀態(tài)和清醒狀態(tài)人體心電信號在顛倒作息狀態(tài)下的變化。設計實施晝夜顛倒作息實驗, 利用去趨勢波動分析法(DFA)和多尺度的基本尺度熵法(MBE)分析顛倒作息情況下的HRV信號，并與正常作息下的變化規(guī)律進行比較。實驗發(fā)現(xiàn)：處于24 h正常作息下的實驗對象的α(標度指數(shù))均值大于24 h顛倒作息時的均值，并且在正常作息和顛倒作息下睡眠狀態(tài)的α值小于清醒狀態(tài)時的α值。通過對比分析清醒和睡眠狀態(tài)的MBE曲線以及DFA的結果，發(fā)現(xiàn)晝夜顛倒作息對睡眠狀態(tài)下的HRV信號影響較大。以上研究結果表明顛倒作息會使人體心臟系統(tǒng)的長程相關性減弱并對人體本身動力學復雜性產生一定的負影響，尤其對睡眠狀態(tài)下HRV信號的負影響較為明顯。

關鍵詞:顛倒作息； 睡眠； 心率變異性； 長程相關性

PACS: 87.85.Ng

從統(tǒng)計學角度分析生物電信號，可以為我們提供一定的生理活動信息，據(jù)此可以判斷一個生理機制是否處于健康穩(wěn)定的狀態(tài)。心臟是人體的重要器官，心電信號(electrocardiogram， ECG)是典型的生物電信號，它反映了心臟在興奮產生、傳導、恢復過程中的電變化，是心臟活動的一種客觀表示。從心電信號中提取的心率變異性(heart rate variability，HRV)信號是指逐次心跳間期之間的時間差異，也稱為RR間期信號[1]。研究表明心率變異性中蘊含有關心血管調節(jié)的大量信息，能反映人體自主神經的調節(jié)狀況[2]。

心臟系統(tǒng)是一個很復雜的非線性系統(tǒng)，而人體的心率變異信號動力學系統(tǒng)是一個典型的混沌動力學系統(tǒng)[3]，因此對心率變異性信號進行非線性研究能夠取得比線性研究更多而且更貼近心臟系統(tǒng)的自身規(guī)律和應用價值[4]。在眾多非線性方法中，目前公認效果較好，比較有代表性的方法有冪律分析[5-11]和熵分析[12-17]。近年來，由Peng等[11]提出的去趨勢波動分析(detrended fluctuation analysis,DFA)被引入到生理信號、股票市場、天氣記錄等領域的研究[5-11]，并取得了顯著成效。而Plamen等人在DFA的生理電信號研究中取得了重大成果[5]，并對DFA方法進行了多方面的深入研究。去趨勢波動分析(DFA)方法是一種研究時間序列長時相關性的方法，該方法在冪律分析中較自相關、功率譜等傳統(tǒng)方法更具優(yōu)越性，DFA的優(yōu)勢在于能系統(tǒng)地去除數(shù)據(jù)中由外部因素造成的不同階的趨勢[12]以及減少由于不完善的測量方法引起的噪聲水平，從而得到該系統(tǒng)內部動力學本質的影響。熵是混亂和隨機程度的測度，熵分析方法被廣泛用于非線性生理信號研究中。本文針對非平穩(wěn)多尺度有噪聲干擾的HRV特點，使用多尺度化的基本尺度熵(multiscale base-scale entropy， MBE)[15-17,19]進一步比較分析顛倒作息和正常作息下清醒、睡眠狀態(tài)的具體差別及影響。

由于心臟系統(tǒng)的活動是在24 h晝夜節(jié)律下進行的，國際上許多研究者關注到這一點并對測試者處于晝夜節(jié)律下的心電信號進行采集和研究，分析在晝夜節(jié)律下清醒和睡眠狀態(tài)的心率波動情況[20-21]以及對心血管生理系統(tǒng)的影響[22]。然而，許多特殊行業(yè)的工作者常年處于晝夜顛倒(即白天睡眠、晚上清醒)狀態(tài)，例如醫(yī)護人員、夜班的出租車司機、執(zhí)勤的民警等，這些人群在關注心血管健康的同時也注意到了顛倒作息對其的影響。因此，本文設計、實施了晝夜顛倒睡眠的實驗，采集到夜間清醒、白天睡眠的24 h心電信號，從中提取HRV信號。通過非線性動力學方法研究比對正常作息與顛倒作息HRV信號的混沌特性和長程冪律相關性，進一步探索晝夜作息顛倒對人體心電信號動力學的影響。

1晝夜顛倒睡眠實驗模型的建立

1.1實驗對象

本文的試驗對象為6名在校大學生，男性和女性各3名，平均年齡為22.6歲。6名測試者平時生活規(guī)律，無酗酒、吸煙等不良習慣。6名測試者在試驗前一星期開始調節(jié)個人作息時間，調整到晚上21:00左右入睡。該6名測試者自訴無睡眠障礙、無神經疾病、無家族遺傳的心臟病史和無與中樞神經相關用藥。

1.2實驗儀器

光電公司RAC—3003動態(tài)心電圖記錄器，可隨身攜帶，采樣頻率為128 次/s，A/D 精度為 12 位。

1.3實驗過程

實驗分兩部分進行，第一部分實驗記錄6名測試者顛倒作息狀態(tài)(白天睡眠，夜間清醒)下的24 h心電信號，從晚上21:00至次日21:00。夜間要求測試者記錄清醒狀態(tài)12 h的心電信號，測試者應保持清醒狀態(tài)，可在房間從事簡單不劇烈的活動，如：看書、聊天等；白天到安靜無人打擾的房間睡覺，保證睡眠效率達到90%。

第二部分記錄6名測試者正常作息狀態(tài)(白天清醒，夜間睡眠)下的24 h心電信號,從20:30至次日21:00。與顛倒作息不同的是，晚上記錄時間提早了半個小時，目的是保證測試者有足夠時間調整自己能在21:00進入睡眠狀態(tài)。

功能性ST-T改變可隨人體生理活動調節(jié)而變化，故立位(清醒)時交感活動增強，心率加速，ST-T改變加重。當實驗對象進入睡眠狀態(tài)后，因生理自身調節(jié)，交感神經活動減弱，迷走神經活動增強，故心率減慢，ST-T改變恢復正常?；诖耍瑢嶒炛形覀兺ㄟ^心電記錄器所記錄的數(shù)據(jù)變化來判斷試驗者進入睡眠狀態(tài)的時間。

1.4實驗數(shù)據(jù)預處理

通過RAC—3003儀器自帶的動態(tài)心電圖分析軟件可得到每次心跳對應的時間，相鄰兩次心跳的時間差即為心電信號的RR間期。在HRV時間序列中經常會存在偽差和異位起搏點[18]這兩種非竇性心率。對于得到的RR間期序列需要進行預處理，去除受異位心跳影響的RR間期。

若RR(ms)滿足以下不等式，則將其保留，否則將其去除：

(1)

500

(2)

對數(shù)據(jù)進行預處理后，得到心電信號的RR間期序列，如圖1所示。

圖1　正常作息和顛倒作息兩種狀態(tài)下的RR間期

2研究方法

2.1去趨勢波動

首先，設時間序列為x(i),長度為S{x(i)∶1≤i≤N},按下式求出取均值的和序列

(3)

之后,將和序列y(i)不重疊地分解成若干長度為n的片斷(片斷個數(shù)B=S/n)，由于數(shù)據(jù)長度S不一定整除n，因此會剩余一部分數(shù)據(jù)。為了不忽視這部分數(shù)據(jù),從y(i)的另一端開始再重復劃分一次，一共得到2B個片斷。

再從每個片斷序列m中去除其趨勢

yn(i)=y(i)-pm(i)。

(4)

式中,趨勢pm(i)即是第m個片斷的擬合多項式, 多項式的階次N可以是1(線性)、2(平方)或者更高。

最后，計算B個去趨勢子區(qū)間的方根，即DFA波動函數(shù)

(5)

上式中

(6)

若F(n)與n的雙對數(shù)曲線存在線性關系

lnF(n)=lnc+?lnn，

(7)

則存在冪律形式的波動

F(n)=cnα。

(8)

對上式采用最小二乘法線性回歸可求出直線斜率α(DFA的標度指數(shù))。標度指數(shù)α的不同反映了時間序列的相關性。

當α值十分接近0.5時，時間序列僅是短期相關；當0<α<0.5時，時間序列具有反持續(xù)性，這種反持續(xù)性的強度隨著α增加而減??；當0.5<α<1.0時，時間序列具有持續(xù)的長程冪律相關性；當α>1.0時，相關但不是冪律形式。α=1.0時，時間序列為1/f噪聲；α=0.5時，時間序列為白噪聲。

2.2多尺度的基本尺度熵

我們將Costa等人[13]在多尺度熵中分尺度的方法應用于基本尺度熵，將原始的時間序列進行多尺度粗粒化處理，對于數(shù)據(jù)長度為N的時間序列u：{u(i):1≤i≤N}，將這一時間序列按下列方法粗?；?τ為尺度)：

(9)

對于每一個u(i)，從時間序列中選取m個數(shù)據(jù)重構一個m維矢量

X(i)=[u(i),u(i+L),…,u(i+(m-1)L)]，

(10)

式中m和L分別為嵌入維數(shù)和延遲時間。若選取L=1，則m維矢量的個數(shù)為N-m+1個，對于每一個m維矢量計算出基本尺度SB,其定義為m維矢量中所有相鄰點數(shù)據(jù)間隔(或大小)的差值方均根值，即

(11)

根據(jù)基本尺度，選取劃分符號的標準a×SB，然后把每一個m維矢量轉換成m維矢量符號序列Si(X(i))={s(i),s(i+1),…,s(i+m-1)},s∈A(A=0,1,2,3)。轉換方式如下：

(12)

在重構的相空間中包含0，1，2，3四種符號的m維矢量符號序列Si(m-words組合),共有4m種不同的組合狀態(tài)，統(tǒng)計每一種不同的組合形式在整個N-M+1個m維矢量所占的概率，即

(13)

其中C(t)表示序列第t種組合形式的個數(shù)，1≤t≤4m。則m維矢量的多尺度化的基本尺度熵(MBE)定義為

H(m)=-∑P(t)log2P(t)。

(14)

為了計算方便，m的取值可以從3到7，N的取值一般只要大于4m即可。

3數(shù)據(jù)分析

為了能系統(tǒng)去除數(shù)據(jù)中由外部因素造成的不同階的趨勢以及減少由于不完善的測量方法引起的噪聲水平的干擾，以全面了解人體晝夜24 h心臟內部動力學本質的影響，我們采用DFA方法分析HRV信號。

我們所采集處理清醒和睡眠時HRV的數(shù)據(jù)點為60 000左右，而晝夜24 h的HRV約為130 000個數(shù)據(jù)點。此數(shù)據(jù)長度既能可靠反映數(shù)據(jù)內在的分形性質，又可以通過計算所得的標度指數(shù)α有效探尋晝夜顛倒下HRV潛在的可預測性，考察睡眠和清醒時心臟系統(tǒng)的長程相關性。

圖2為正常作息和顛倒作息F(n)均值與n的關系曲線(為了觀察方便起見我們將結果曲線進行了平移)。從圖2中可觀察到正常作息的斜率明顯高于顛倒作息，即正常作息的標度指數(shù)大于顛倒作息。正常作息較顛倒作息呈現(xiàn)出良好的冪律相關性。分析表明顛倒作息時人體心率的長程相關性和可預測性減弱，對心血管系統(tǒng)的自適應能力產生了負面的影響。

圖2　正常作息24 h與顛倒作息24 h HRV信號DFA

為了對比分析顛倒作息對HRV信號在清醒、睡眠時長程相關性的影響，我們計算了6組實驗對象分別在正常作息和顛倒作息的白天、夜間的去趨勢波動的標度指數(shù)α均值，結果如圖3所示。

圖3　正常作息的白天夜間和顛倒作息的白

顛倒作息夜間即顛倒作息清醒狀態(tài)的標度指數(shù)(α=0.927 31±0.034)略大于正常作息夜間(α=0.911 76±0.037 5)，但小于正常作息白天的標度指數(shù)值(α=0.955 66±0.028 7)。從圖3中我們可以看到顛倒作息白天的斜率明顯小于其他3個狀態(tài)，也就是說顛倒作息睡眠時的標度指數(shù)值最小(α=0.866 79±0.031 9)，經t檢驗p≤0.05，同時顛倒作息睡眠時的DFA曲線與直線的擬合度相對其他3個狀態(tài)也較差，晝夜顛倒作息對睡眠狀態(tài)下的HRV信號影響較大。進一步觀察，無論是正常作息還是顛倒作息清醒狀態(tài)時的曲線擬合斜率總高于睡眠狀態(tài)下的斜率，即清醒狀態(tài)時的α值總高于睡眠狀態(tài)時的α值，這說明人體在清醒時心臟系統(tǒng)的穩(wěn)定性和自適應性較睡眠狀態(tài)較強。當實驗對象處于顛倒作息睡眠狀態(tài)時，由于晝夜變化作息的失調，而人體細胞內化學物質的合成和機體的激素水平易受到睡眠質量的影響，使睡眠時心臟負荷相對加重，刺激心臟組織產生神經體液因子，作為次級信號分子調節(jié)細胞對壓力負荷產生適應性反應下降[23]。意味著顛倒作息睡眠狀態(tài)下心臟適應環(huán)境的變化和心血管系統(tǒng)調整的能力衰減較為明顯。

心跳間隔序列是一種典型的長時相關信號且具有多尺度性[26]。我們利用多尺度化的基本尺度熵(MBE)，進一步比較分析顛倒作息和正常作息下清醒、睡眠狀態(tài)的具體差別及影響。原始數(shù)據(jù)總長N=60 000，時間尺度τ從1到20變化，計算結果如圖4所示。

圖4 不同狀態(tài)下HRV的多尺度化的基本尺度熵值

由圖4可以發(fā)現(xiàn)，對于人體的睡眠狀態(tài)和清醒狀態(tài)，正常作息和顛倒作息這兩種情況下多尺度化的基本尺度熵(MBE)曲線的趨勢基本一致。MBE曲線分析量化了HRV序列在多個時間尺度下的波動不規(guī)則度，熵值反映了生理時間序列的動力學復雜性。從圖4a可以看到，當τ≥5時，顛倒作息的MBE曲線明顯低于正常作息的曲線。而圖4b中顛倒作息的MBE曲線與正常作息的MBE曲線相互交錯。圖中τ≥7時顛倒作息和正常作息的MBE曲線波動基本趨于穩(wěn)定。可以看出顛倒作息睡眠狀態(tài)HRV信號的基本尺度熵隨著時間尺度的增大明顯低于正常作息時HRV的熵值，而清醒狀態(tài)時的HRV信號在顛倒作息下和正常作息下的基本尺度熵的變化沒有明顯的差別。這說明顛倒作息對睡眠時HRV信號的MBE影響大于對清醒時的影響。大時間尺度下，顛倒作息睡眠狀態(tài)的交感神經興奮減弱和副交感神經興奮增強的程度加大，導致數(shù)據(jù)中出現(xiàn)了更多的m-words組合，使顛倒作息睡眠時的HRV信號變化更具規(guī)則性，即混沌性下降。在生理控制系統(tǒng)中非線性復雜性越高，個體的自適應能力越高[24]。顛倒作息睡眠狀態(tài)下植物神經的變化打破了人體的動態(tài)平衡，使心率信號混沌性下降，從而會引起心血管系統(tǒng)功能的紊亂。

圖4中，兩圖睡眠狀態(tài)和清醒狀態(tài)的MBE曲線在時間尺度τ=3時均處于波谷狀態(tài)。也就是說，無論是正常作息還是顛倒作息時的睡眠狀態(tài)和清醒狀態(tài)在時間尺度τ=3時基本尺度熵較小。進一步分析可知，該時間尺度下人體心臟系統(tǒng)的復雜性較低。這意味著，相對于其他時間尺度下的HRV信號，時間尺度τ=3時的HRV信號或許隱藏了較多的非健康信息。這一點，為我們以后所研究的課題提供了方向。

通過以上兩種方法分析發(fā)現(xiàn)，睡眠狀態(tài)的標度指數(shù)值相對于清醒時較小，同時晝夜顛倒作息會對心臟系統(tǒng)有一定的負影響，尤其是對睡眠狀態(tài)的影響較大。

4結論

本文設計顛倒作息實驗，對采集到的心電信號進行數(shù)據(jù)預處理后，從中提取HRV信號，聯(lián)合去趨勢波動和多尺度的基本尺度熵方法對實驗數(shù)據(jù)進行分析。實驗對象處于正常24 h作息的α均值大于顛倒24 h作息時的平均值。表明作息顛倒會使人體心臟系統(tǒng)的長程相關性減弱及對人體本身動力學復雜性產生一定的負影響。進一步對比分析了實驗對象在顛倒作息和正常作息下的清醒和睡眠HRV信號的變化。睡眠狀態(tài)的標度指數(shù)較清醒時減小，意味著人體在睡眠時心臟系統(tǒng)的穩(wěn)定性和自適應性較清醒狀態(tài)弱。通過對比分析清醒和睡眠狀態(tài)的MBE曲線，發(fā)現(xiàn)晝夜顛倒作息對睡眠狀態(tài)下的HRV信號影響較大，由于晝夜作息變化的失調使睡眠時心臟負荷相對加重，心臟對外界環(huán)境變化的適應性下降以及HRV信號存在復雜性的缺失導致顛倒睡眠時心率變化長程相關性和混沌性減弱，從而對人體心血管系統(tǒng)相對穩(wěn)定健康的循環(huán)體系的動態(tài)平衡產生干擾。我們通過晝夜顛倒作息短期的研究，為生理病理學分析倒班人群的心腦血管疾病提供了一定的理論依據(jù)，對疾病入侵及隱患有重要的臨床意義。

參考文獻:

[1] 李錦,劉大釗.晝夜節(jié)律下心率變異性信號的熵信息和譜特征[J].物理學報,2012,61(20):208701.

[2] GRITTI I, DEFENDI S, MAURI C, et al. Heart rate variability, standard of measurement, physiological interpretation and clinical use in mountain marathon runners during sleep and after acclimatization at 3480 m[J]. Journal of Behavioral and Brain Science, 2013, 3:26-48.

[3] BALOYANTZ A, DESTEXH A. Is the normal heart a periodic oscillator[J]. Biological Cybernetics,1988, 58:203-211.

[4] NING X B, BIAN C H, WANG J, et al. Research progress in nonlinear analysis of heart electric activities[J]. Chinese Science Bulletin, 2006, 51(4):385-393.

[5] IVANOV P C, AMARAL L A N, GOLDBERGER A L, et al. Multifractality in human heartbeat dynamics[J]. Nature, 1999, 399:461-465.

[6] HUA K, IVANOV P C,CHEN Z, et al. Effect of trends on detrended fluctuation analysis[J]. Physical Review E, 2001, 64:011114.

[7] IVANOV P C. Scale-invariant aspects of cardiac dynamics across sleep stages and circadian phases[C]∥Proceedings of the 28th IEEE EMBS Annual International Conference. New York, 2006:445-448.

[8] IVANOV P C, MA Q D, BARTSCH R P, Maternal fetal heartbeat phase synchronization[J]. Proceedings of the National Academy of Sciences of the United States of America, 2009, 106(33):13641-13642.

[9] PLAMEN C I, AINSLIE Y, PANDELIS P. Impact of stock market structure on intertrade time and price dynamics[J]. The Public Library of Science One, 2014, 9(4):e92885.

[10] IVANNOVAK A M. Application of the detrended fluctuation analysis(DFA) method for describing cloud breaking[J]. Physical A, 1999, 274:349-354.

[11] PENG C K, HAVLIN S, STANLEY H E, et al. Quantification of scaling exponents and crossover phenomena in nonstationary heartbeat time series[J]. Chaos, 1995, 5(1):82-87.

[12] PINCUS S M. Approximate entropy as a measure of system complexity[J]. Proceedings of the National Academy Sciences, 1991, 88(6):2297-2301.

[13] COSTA M, GOLDBERGER A L, PENG C K. Multiscale entropy analysis of complex physiologic time series[J]. Physical Review Letters, 2002, 89(6): 068102.

[14] KLEIGER R E, STEIN P K,BIGGER J T. Heart rate variability: measurement and clinical utility[J].Ann Noninvasive Electrocardiol, 2005, 10(1):88-101.

[15] LI J, NING X B. The base-scale entropy analysis of short-term heart rate variability signal[J]. Chinese Science Bulletin, 2005, 50(12):1269-1273.

[16] WESSEL N, ZIEHMANN C, KURTHS J, et al. Short-term forecasting of life-threatening cardiac arrhythmias based on symbolic dynamics[J]. Physical Review E, 2000, 61(1):733-739.

[17] LI J, NING X B. Dynamical complexity detection in short-term physiological series using base-scale entropy[J]. Physical Review E, 2006, 73(5):052902.

[18] 楊希,寧新寶,何愛軍,等. 基本尺度熵方法用于短時心率變異性分析的臨床應用研究[J].南京大學學報(自然科學版), 2008, 44(4):361-370.

[19] PACKARD N H, CRUTCHFIELD J P, FARMER J D, et al. Geometry from a time series[J]. Physical Review Letters, 1980, 45:712-716.

[20] KANTELHARDT J W, ASHKENAZY Y, IVANOV P C H, et al. Characterization of sleep stages by correlations in the magnitude and sign of heartbeat increments[J]. Physical Review E, 2002, 65:051908.

[21] PENZEL T, KANTELHARDT J W, GORTE L, et al. Comparison of detrended fluctuation analysis and spectral analysis for heart rate variability in sleep and sleep apnea[J]. IEEE Transactions on Biomedical Engineering, 2003, 50(10):1143-1151.

[22] IVANOV P C, HU K, MICHAEL F H. Endogenous circadian rhythm in human motor activity uncoupled from circadian influences on cardiac dynamics[J]. Proceedings of the National Academy of Sciences, 2007, 104(52):20702-20707.

[23] SCHLAICH M P, KAYE D M, ELISABETH L, et al. Relation between cardiac sympathetic activity and hypertensive left ventricular hypertrophy[J]. Circulation, 2003, 108:560-565.

[24] 張輝,楊明靜,葛霽光,等.非線性動力學在心臟活動研究中的應用[J].生物物理學, 1997, 13(2):340-346.

[25] IVANOV P C, CHEN Z, HU K, et al. Multiscale aspects of cardiac control[J]. Physica A, 2004,344: 685-704.

〔責任編輯 李博〕

The nonlinear features study of heart rate variability signals affected by reversed circadian rhythms

ZHANG Xuan， LI Jin*， XU Wenmin

(School of Physics and Information Technology, Shaanxi Normal University,Xi′an 710119, Shaanxi, China)

Abstract:The influence of reversed sleep and normal daily routine on electrocardiogram(ECG) signals are investigated.ECG signals at sleep state is compared with it at waking state in reversed sleep. The methods of detrended fluctuation analysis(DFA) and multiscale base-scale entropy(MBE) is used to analyze the signals of HRV at reversed sleep in comparison with normal daily. The mean value of α (scaling exponent) at normal state is bigger than it at reversed state in experiment. The impact on HRV signals of sleep state in reversed sleep is bigger than in normal daily by analyzing the results of the MBE and DFA curves at sleep state and waking state. The results show that reversed sleep will weaken the long correlation of internal mechanism and have a bad effect on complexity of the human body itself. Especially the negative impact on HRV signals of sleep state in reversed schedule is obvious.

Keywords:reversed schedule; sleeping; heart rate variability (HRV); long-range correlation

中圖分類號:TN911.6

文獻標志碼:A

*通信作者：李錦，女，博士，副教授。E-mail:lijin1997@snnu.edu.cn

基金項目：國家自然科學基金(61102094)；中央高?；究蒲袠I(yè)務費專項資金(GK201505035)

收稿日期：2015-05-08

doi:10.15983/j.cnki.jsnu.2016.02.226

文章編號：1672-4291(2016)02-0048-06

第一作者： 張璇，女，碩士研究生，研究方向為信號處理。E-mail: 616256640@qq.com