惠诚手环检测疲劳状态的有效性研究

疲劳是一种机体自发的生理信号,是一种人体的自然反应,每个人对疲劳的感知、耐受都是不一样的。当今社会,工作压力大,生活节奏快,疲劳不仅会导致工作效率低甚至出现各种意外事故,还会对个人的身体造成各种损伤并危及生命。因而,监测并及时检出疲劳状态对于提高工作效率、预防工作意外都具有现实意义。

 

 

机体疲劳状态的监测方法可以分为自我感知检测和设备客观检测,前者是指受试者主观感知判断或问卷调查评价,后者则需要通过仪器设备测量机体的物理特征和生化指标来评价疲劳状态。既有的客观测量方法包含:(1)基于工作场所(驾驶员)的影像监测,通过不间断拍摄视频的方法监测和分析使用者的面部表征和眼动情况来判断工作人员(驾驶员)的疲劳程度,但该方法既受到使用场景的限制,更遇到实际操作方面的困难,因而只能适用于特定职业人员;(2)基于体液检测,如日本的一家公司研制了一种通过化验唾液来测量人体疲劳程度的手持仪器,主要是通过检测唾液淀粉酶的含量来判断疲劳度,该方法的普适性和准确性还在研究中,同时也不适用于连续、不间断监测。基于脑电信号一般被认为是评估人体疲劳程度的“金标准”,澳大利亚的一项研究通过监测脑电图的活动判断疲劳程度,该方式准确率较高能反应机体综合疲劳水平,但目前仅用于实验室探索阶段。近年来,通过监测心率来测量机体疲劳状态成为了一个热门话题,心率变异性(HRV)分析是一种评估自主神经系统状态的方法,通过分析HRV来判断疲劳程度相较于以上几种方法,HRV监测疲劳具有便捷、低成本、操作性高、可连续监测、适实用性强等优点

 

上海惠诚公司研制了新一代可监测HRV手环并开发了一套基于HRV判断疲劳程度的算法。为验证该手环对疲劳状态检测的有效性和可靠性,我们进行了本专项实验研究。

 

研究对象 

采用随机抽样的方法抽样,于202112月从中国上海市多家公司中随机抽取不同工种的职员大于200人。纳入标准:1年龄25602自愿参加本次项目。排除标准:1意识不清晰,自我认知能力较差2患有严重急慢性病等。

 

研究内容

疲劳状态的测定:采用客观和主观测量方法同步检测受试者的疲劳状态。

疲劳状态的客观检测:采用某公司设计生产的手环进行检测,所有受试者连续佩戴16分钟,手环app自动显示受试者佩戴期内的实时疲劳状态。

疲劳状态的主观监测:采用标准问卷来评价受试者的主观感知的疲劳状态,受试者每间隔5min自填问卷以评价疲劳状态

疲劳状态的评价:手环app 和问卷调查,均输出相同的疲劳状态等级:无、轻、中、明显和重。

 

评价指标

有效性:手环app与疲劳问卷检测出的疲劳状态之间的一致性。

 可靠性:手环app与疲劳问卷检测出的疲劳状态在不同时点、重复检测情况下的稳定性。

统计分析

采用Epidata3.1进行数据录入、SAS 9.4进行数据分析。分析手环与问卷测量疲劳状态之间的一致性和相关性,以评价手环检测疲劳状态的有效性;分析连续时间段手环与问卷测量疲劳状态一致性之间的差异,用以评价手环测量疲劳状态的可靠性。

 

结果

本次实验实际有216名志愿者参与,其中男性115人,女性101;年龄为25-57岁。

 

手环监测数据

 

手环检测疲劳状态的有效性:每次测试的问卷评分与手环检测的结果显示无显著性差异性p=0.61,当p>0.05时表示受试者自评疲劳程度和手环测试的疲劳度之间无明显差异)。手环检测疲劳状态与问卷自评的结果之间的正负一个等级的符合率为86.05%

 

问卷评分结果与手环检测结果的差异比较

 

手环检测疲劳状态的可靠性:两种测量方法连续三个时间段(a,b,c三组)检测的疲劳状态之间正负一个等级的符合率分别为86.54%90.38%90.38%(仅纳入三个时间段有完整数据的样本),三者之间统计学上无显著性差异(p=0.0874F=2.48p>0.05表明3次连续5分钟稳定性测试的结果差异无统计学意义)。第5分钟的结果(时间段a)略微高于后面两个时间段(时间段bc),第10分钟和第15分钟的结果趋于稳定,表明随着测试时间延长结果趋向稳定。

 

连续时间段手环和问卷结果的方差分析

 

手环对疲劳变化趋势的检测:被试在静息15分钟后,疲劳程度下降约20.00%,手环检测的疲劳程度随时间变化呈现下降趋势。手环检测结果能有效反映静息状态下疲劳程度的变化趋势。

 

15分钟静息状态疲劳趋势检测结果

 

结论

本专项研究的结果得出该手环在检测疲劳状态的有效性和可靠性均较好,能有效反映静息状态下疲劳的下降趋势,在评价个体的疲劳状态上有一定的应用价值。

 

参考文献

[1] TRAN Y, WIJESURIYA N, TARVAINEN M, et al. The Relationship Between Spectral Changes in Heart Rate Variability and Fatigue [J]. Journal of Psychophysiology, 2009, 23(3): 143-51.

[2] 李延军, 严洪, 杨向林, et al. 基于心率变异性的精神疲劳的研究 [J]. 中国生物医学工程学报, 2010, 29(01): 1-6.

[3] AHIRWAL M K, KUMAR A, SINGH G K. Improved range selection method for evolutionary algorithm based adaptive filtering of EEG/ERP signals [J]. Neurocomputing, 2014, 144: 282-94.

[4] LAL S K L, CRAIG A. Reproducibility of the spectral components of the electroencephalogram during driver fatigue [J]. International Journal of Psychophysiology, 2005, 55(2): 137-43.

[5] AL-LIBAWY H, AL-ATABY A, AL-NUAIMY W, et al. HRV-Based Operator Fatigue Analysis and Classification Using Wearable Sensors; proceedings of the 13th International Multi-Conference on Systems, Signals & Devices (SSD), Leipzig, GERMANY, F 2016

Mar 21-24, 2016 [C]. 2016.

[6] ZHANG C, YU X. Estimating mental fatigue based on electroencephalogram and heart rate variability [J]. Polish Journal of Medical Physics And Engineering, 2010, 16(2): 67-84.

[7] HUANG S, LI J, ZHANG P, et al. Detection of mental fatigue state with wearable ECG devices [J]. Int J Med Inform, 2018, 119: 39-46.

 

2022年6月6日 15:52
浏览量:0
收藏