从使用新型复杂性分析的长期心电图记录中识别心理压力细粒度

科学领域:

• 心脏病学 心脏病学
• 精神病学是一个精神病学.
• 复杂系统分析 复杂系统分析

背景情况:

• 心理健康状况会改变生理信号,但长期生理数据 (如心电图和精神病理学) 之间的联系尚未得到充分研究.
• 复杂的时间序列表现出对关键事件的等待时间分布的逆功率定律,其特点是时间复杂度指数μ.
• 这些事件的扩散时间序列具有与μ相关的缩放指数 δ.

研究的目的:

• 研究长期心电图 (ECG) 时间序列与心理压力水平之间的关系.
• 通过使用多尺度修改扩散分析 (MSMDEA) 来量化不同压力水平下心电图信号的复杂性.
• 探索心电图分析作为精密精神病学的辅助工具的潜力.

主要方法:

• 在四周内收集了90名参与者的心电图数据,使用胸传感器 (Polar H10).
• 参与者自我报告的每日压力水平 (-3至+3).
• 预处理5分钟的心电图段并应用MSMDEA (时间尺度因子1-20) 来计算复杂度指数μ和δ.

主要成果:

• 在高压和低压组之间观察到缩放指数 δ 的显著差异 (p=0.05).
• 对细粒度压力评分的分析显示,超过一半的组对在 δ 中存在显著差异 (p <0.05).
• 较低的压力与接近临界复杂性的心电图信号相关 (δ=1,μ=2),表明更健康的生理和心理状态.

结论:

• 电脑心电图信号的复杂性,特别是缩放指数 δ,可以区分压力水平.
• 在ECG中,临界复杂度 (δ=1或μ=2) 与更好的心理健康有关.
• 电脑心电图关键事件分析显示,作为精密精神病学中心理健康评估的生物标志物具有前途.