Russian Journal of Information Technology in Sports

Российский журнал информационных технологий в спорте

2949-6349

84842

10.62105/2949-6349-2024-1-2-13-27

yylwsc

ЦИФРОВЫЕ ТЕХНОЛОГИИ В ЭКСТРЕМАЛЬНОЙ И СПОРТИВНОЙ ФИЗИОЛОГИИ

DIGITAL TECHNOLOGIES IN EXTREME AND SPORTS PHYSIOLOGY

ЦИФРОВЫЕ ТЕХНОЛОГИИ В ЭКСТРЕМАЛЬНОЙ И СПОРТИВНОЙ ФИЗИОЛОГИИ

An algorithm for quantifying cardiorespiratory synchronization to assess the functional state and intersystems interactions in athletes

Алгоритм количественной оценки кардиореспираторной синхронизации для характеристики функционального состояния и межсистемных взаимодействий у спортсменов

https://orcid.org/0000-0001-7377-3408

Ковалева

Анастасия Владимировна

Kovaleva

Anastasia Vladimirovna

kovaleva_av@academpharm.ru

кандидат биологических наук;

candidate of sciences in biology;

https://orcid.org/0000-0003-1111-8576

Анисимов

Виктор Николаевич

Anisimov

Viktor Nikolaevich

victor_anisimov@neurobiology.ru

кандидат биологических наук;

candidate of sciences in biology;

Федеральное государственное бюджетное научное учреждение"Федеральный исследовательский центр оригинальных и перспективных биомедицинских и фармацевтических технологий» (НИИ Нормальной физиологии им. П.К. Анохина) Москва Россия Federal Research Center for Innovator and Emerging Biomedical and Pharmaceutical Technologies Moscow Russian Federation

Государственное казенное учреждение "Центр спортивных инновационных технологий и подготовки сборных команд" Москомспорта Москва Россия Moscow Center of Advanced Sports Technologies Moscow Russian Federation

МГУ им. М.В. Ломоносова Москва Россия Lomonosov Moscow State University Moscow Russian Federation

11 10 2024

1 2 13 27 01 07 2024 25 07 2024

https://rjits.ru/en/nauka/article/84842/view

Введение. Ритм сердца тесно связан с ритмом дыхания. Хорошо известно явление дыхательной синусовой аритмии: увеличение частоты сердечных сокращений при вдохе и уменьшение при выдохе. Кардиореспираторные взаимодействия и синхронизация этих двух сигналов оценивается в литературе по-разному. Целью данной работы было предложить и апробировать подход к оценке кардиореспираторной синхронизации, который позволяет более объективно охарактеризовать это состояние, – расчет коэффициента кросс-корреляции между частотой сердечных сокращений и кривыми дыхания. Методы. У 45 здоровых спортсменов (18-25 лет) регистрировали фотоплетизмограмму и дыхание в трех ситуациях: функциональный покой, ритмизированное дыхание на частоте 6 раз в минуту (резонансная частота) и выполнение сенсомоторного задания (теппинг ладонью под ритмически звуки метронома и затем воспроизведение заданного ритма по памяти). В отношении кривых изменения ЧСС и дыхания применяли последовательно алгоритмы фильтрации и сглаживания по методу Савицкого-Голея, а затем вычисление коэффициента кросс-корреляции между двумя кривыми. Также были получены классические показатели спектрального анализа вариабельности ритма сердца (LF и HF), так как при спонтанном дыхании его вклад в ритм сердца отражается в волнах HF, а при дыхании на резонансной частоте возникает пик на частоте 0.1 Гц в LF диапазоне. Результаты. Коэффициент кросс-корреляции, как и мощность пика на частоте 0.1 Гц в спектре ритма сердца, значительно растут при дыхании на резонансной частоте. При этом наиболее точно взаимосвязь между этими показателями описывается не линейной, а логарифмической зависимостью. При выполнении сенсомоторного задания так-называемые дыхательные волны в спектре ритма сердца (HF) не меняются от состояния покоя к теппингу по метроном и затем к удержанию ритма по памяти. При этом коэффициент кросс-корреляции демонстрирует значимые изменения методу этими ситуациями. Кроме того, была выявлена корреляционная связь между изменением коэффициента кросс-корреляции и устойчивостью удержания ритма по памяти: усиление кардиореспираторной синхронизации приводит к снижению устойчивости. Заключение. Оценка кардиореспираторной синхронизации в связи с особенностями обоих сигналов (изменения ЧСС и фаз дыхания) требует предварительной подготовки массивов данных: фильтрации и сглаживания ступенчатой кривой изменения ЧСС. Вычисление коэффициента кросс-корреляции может быть использовано для оценки кардиореспираторной синхронизации в режиме реального времени и, вероятно, будет применимо коротких временных фрагментах для оценки эмоциональных реакций и при других быстрых колебаниях психофизиологических состояний, где классические метод анализа изменения ритма сердца (спектральный, временно́й) применять не всегда корректно.

Introduction. The rhythm of the heart (heart rate, HR) is closely related to the rhythm of breathing. The phenomenon of respiratory sinus arrhythmia (an increase in heart rate during inhalation and a decrease during exhalation) is well known. Cardiorespiratory interactions and synchronization of these two signals are evaluated differently in the literature. The purpose of this work was to propose and test an approach to assess cardiorespiratory synchronization – the calculation of the cross-correlation coefficient between heart rate and respiration curve, for a more objective characterization of an athlete’s bodily states. Methods. A photoplethysmogram and respiration were recorded in 45 healthy athletes (18-25 years old) in three situations: rest, paced breathing at 6 times per minute (resonant frequency) and the performance of a sensorimotor task (tapping with the rhythmic metronome sounds and then reproducing a given rhythm from memory). For the HR and respiration curves, filtering and smoothing algorithms using the Savitsky-Goley method were applied sequentially, and then the cross-correlation coefficient between the two curves was calculated. The spectral parameters of heart rate variability (LF and HF) were also obtained, since during spontaneous breathing its contribution to the HR is reflected in HF band, and when breathing at a resonant frequency, a peak occurs at a frequency of 0.1 Hz in the LF band. Results. The cross-correlation coefficient, as well as the peak of HR spectral power at 0.1 Hz, increases significantly when breathing at a resonant frequency. The relationship between these indicators is most accurately described not by a linear, but by a logarithmic dependence. When performing a sensorimotor task, the so-called respiratory waves in the heart rhythm spectrum (HF) do not change from rest to tapping by a metronome and then to holding the rhythm by memory. At the same time, the cross-correlation coefficient demonstrates significant changes between these situations. In addition, a significant correlation was found between the change in the cross-correlation coefficient and the stability of rhythm maintenance (from memory): an increase in the cardiorespiratory synchronization leads to a decrease in motor rhythm stability. Conclusion. Assessment of cardiorespiratory synchronization due to the peculiarities of both signals (changes in heart rate and respiratory phases) requires preliminary preparation of data arrays: filtering and smoothing the stepped curve of heart rate dynamics. The calculation of the cross-correlation coefficient can be used to assess cardiorespiratory synchronization in real time and is likely to be applicable in short time fragments to assess emotional reactions and other short-term fluctuations in psychophysiological conditions, where the classical method of assessing changes in heart rhythm in the frequency or time domains is not applicable.

кардиореспираторная синхронизация частота сердечных сокращений дыхательная синусовая аритмия вариабельность ритма сердца резонансное дыхание спектральный анализ эмоциональные реакции психофизиологические состояния

cardiorespiratory synchronization heart rate respiratory sinus arrhythmia heart rate variability resonant breathing spectral analysis emotional reactions psychophysiological conditions

Dick T.E., Hsieh Y.H., Dhingra R.R., Baekey D.M., Gal´an R.F., Wehrwein E., Morris K.F. Cardiorespiratory coupling: common rhythms in cardiac, sympathetic, and respiratory activities // Progress in brain research. 2014. Vol. 209. P. 191–205. DOI: https://doi.org/10.1016/B978-0-444-63274-6.00010-2

Dick T.E., Hsieh Y.H., Dhingra R.R., Baekey D.M., Gal´an R.F., Wehrwein E., Morris K.F. Cardiorespiratory coupling: common rhythms in cardiac, sympathetic, and respiratory activities. Progress in brain research, 209, 2014, pp. 191-205. DOI: https://doi.org/10.1016/B978-0-444-63274-6.00010-2

Lehrer P.M., Vaschillo E., Vaschillo B. Resonant frequency biofeedback training to increase cardiac variability: Rationale and manual for training // Applied psychophysiology and biofeedback. 2000. Vol. 25, No 3, P. 177–191. DOI: https://doi.org/10.1023/A:1009554825745

Lehrer P.M., Vaschillo E., Vaschillo B. Resonant frequency biofeedback training to increase cardiac variability: Rationale and manual for training. Applied psychophysiology and biofeedback, 25(3), 2000, pp. 177-191. DOI: https://doi.org/10.1023/A:1009554825745

Gevirtz R. The promise of heart rate variability biofeedback: Evidence-based applications // Biofeedback. 2013. Vol. 41, No 3. P. 110–120. DOI: https://doi.org/10.5298/1081-5937-41.3.01

Gevirtz R. The promise of heart rate variability biofeedback: Evidence-based applications. Biofeedback, 41(3), 2013, pp. 110-120. DOI: https://doi.org/10.5298/1081-5937-41.3.01

Shaffer F., McCraty R., Zerr C.L. A healthy heart is not a metronome: an integrative review of the heart’s anatomy and heart rate variability // Frontiers in psychology. 2014. Vol. 5. Article 1040. DOI: https://doi.org/10.3389/fpsyg.2014.01040

Shaffer F., McCraty R., Zerr C.L. A healthy heart is not a metronome: an integrative review of the heart’s anatomy and heart rate variability. Frontiers in psychology, 5, 2014, Article 1040. DOI: https://doi.org/10.3389/fpsyg.2014.01040

McCraty R., Shaffer F. Heart rate variability: new perspectives on physiological mechanisms, assessment of self-regulatory capacity, and health risk // Global advances in health and medicine. 2015. Vol. 4 No 1. P. 46–61. DOI: https://doi.org/10.7453/gahmj.2014.073

McCraty R., Shaffer F. Heart rate variability: new perspectives on physiological mechanisms, assessment of self-regulatory capacity, and health risk. Global advances in health and medicine, 4(1), 2015, pp. 46-61. DOI: https://doi.org/10.7453/gahmj.2014.073

Lehrer P., Vaschillo B., Zucker T., Graves J., Katsamanis M., Aviles M., Wamboldt F. Protocol for heart rate variability biofeedback training // Biofeedback. 2013. Vol. 41, No 3. P. 98–109. DOI: https://doi.org/10.5298/1081-5937-41.3.08

Lehrer P., Vaschillo B., Zucker T., Graves J., Katsamanis M., Aviles M., Wamboldt F. Protocol for heart rate variability biofeedback training. Biofeedback (Online), 41(3), 2013, p. 98-109. DOI: https://doi.org/10.5298/1081-5937-41.3.08

McCraty R., Atkinson M., Tomasino D., Bradley R.T. The coherent heart heart-brain interactions, psychophysiological coherence, and the emergence of system-wide order // Integral Review: A Transdisciplinary & Transcultural Journal for New Thought, Research, & Praxis. 2009. Vol. 5, No 2.

McCraty R., Atkinson M., Tomasino D., Bradley R.T. The coherent heart heart-brain interactions, psychophysiological coherence, and the emergence of system-wide order. Integral Review: A Transdisciplinary & Transcultural Journal for New Thought, Research, & Praxis, 5(2), 2009.

Camm A.J., Malik M., Bigger J.T., Breithardt G., Cerutti S., Cohen R.J., Singer D. Heart rate variability // Standards of measurement, physiological interpretation, and clinical use. 1996. Vol. 93, No 5. P. 1043–1065. DOI: https://dx.doi.org/10.1161/01.CIR.93.5.1043

Camm A.J., Malik M., Bigger J.T., Breithardt G., Cerutti S., Cohen R.J., Singer D. Heart rate variability. Standards of measurement, physiological interpretation, and clinical use, 93(5), 1996, pp. 1043-1065. DOI: https://dx.doi.org/10.1161/01.CIR.93.5.1043

Shaffer F., Ginsberg J.P. An overview of heart rate variability metrics and norms // Frontiers in public health. 2017. Vol. 5, Article 258. DOI: https://doi.org/10.3389/fpubh.2017.00258

Shaffer F., Ginsberg J.P. An overview of heart rate variability metrics and norms. Frontiers in public health, 5, 2017, Article 258. DOI: https://doi.org/10.3389/fpubh.2017.00258

10.

Thomas B.L., Claassen N., Becker P., Viljoen M. Validity of commonly used heart rate variability markers of autonomic nervous system function // Neuropsychobiology. 2019. Vol. 78, No 1. P. 14–26. DOI: https://doi.org/10.1159/000495519

Thomas B.L., Claassen N., Becker P., Viljoen M. Validity of commonly used heart rate variability markers of autonomic nervous system function. Neuropsychobiology, 78(1), 2019, pp. 14-26. DOI: https://doi.org/10.1159/000495519

11.

Noulhiane M., Mella N., Samson S., Ragot R., Pouthas V. How emotional auditory stimuli modulate time perception // Emotion. 2007. Vol. 7, No 4. P. 697–704. DOI: https://doi.org/10.1037/1528-3542.7.4.697

Noulhiane M., Mella N., Samson S., Ragot R., Pouthas V. How emotional auditory stimuli modulate time perception. Emotion, 7(4), 2007, pp. 697-704. DOI: https://doi.org/10.1037/1528-3542.7.4.697

12.

Mella N., Conty L., Pouthas V. The role of physiological arousal in time perception: psychophysiological evidence from an emotion regulation paradigm // Brain and cognition. 2011. Vol. 75, No 2. P. 182–187. DOI: https://doi.org/10.1016/j.bandc.2010.11.012

Mella N., Conty L., Pouthas V. The role of physiological arousal in time perception: psychophysiological evidence from an emotion regulation paradigm. Brain and cognition, 75(2), 2011, pp. 182-187. DOI: https://doi.org/10.1016/j.bandc.2010.11.012

13.

Shaffer F., Venner J. Heart Rate Variability Anatomy and Physiology // Biofeedback. 2013. Vol. 41, No 1. P. 13–25. DOI: https://doi.org/10.5298/1081-5937-41.1.05

Shaffer F., Venner J. Heart Rate Variability Anatomy and Physiology. Biofeedback, 41, 2013, pp. 13-25. DOI: https://doi.org/10.5298/1081-5937-41.1.05

14.

Hegarty-Craver M., Gilchrist K.H., Propper C.B., Lewis G.F., DeFilipp S.J., Coffman J.L., Willoughby M.T. Automated respiratory sinus arrhythmia measurement: Demonstration using executive function assessment // Behavior research methods. 2018. Vol. 50, No 5. P. 1816-1823.

Hegarty-Craver M., Gilchrist K.H., Propper C.B., Lewis G.F., DeFilipp S.J., Coffman J.L., Willoughby M.T. Automated respiratory sinus arrhythmia measurement: Demonstration using executive function assessment. Behavior research methods, 50(5), 2018, pp. 1816-1823.

15.

Schafer C., Rosenblum M G., Abel H.H., Kurths J. Synchronization in the human cardiorespiratory system // Physical Review E. 1999. Vol. 60, No 1. P. 857–870. DOI: https://doi.org/10.1103/PhysRevE.60.857

Schafer C., Rosenblum M G., Abel H.H., Kurths J. Synchronization in the human cardiorespiratory system. Physical Review E, 60(1), 1999, p. 857-870. DOI: https://doi.org/10.1103/PhysRevE.60.857

16.

Zhang J., Yu X., Xie D. Effects of mental tasks on the cardiorespiratory synchronization // Respiratory physiology & neurobiology, 2010. Vol. 170, No 1. P. 91–95. DOI: https://doi.org/10.1016/j.resp.2009.11.003

Zhang J., Yu X., Xie D. Effects of mental tasks on the cardiorespiratory synchronization. Respiratory physiology & neurobiology, 170(1), 2010, pp. 91-95. DOI: https://doi.org/10.1016/j.resp.2009.11.003

17.

Schwerdtfeger A.R., Schwarz G., Pfurtscheller K., Thayer J.F., Jarczok M.N., Pfurtscheller G. Heart rate variability (HRV): From brain death to resonance breathing at 6 breaths per minute // Clinical Neurophysiology. 2020. Vol. 131, No 3. P. 676-693. DOI: https://doi.org/10.1016/j.clinph.2019.11.013

Schwerdtfeger A.R., Schwarz G., Pfurtscheller K., Thayer J.F., Jarczok M.N., Pfurtscheller G. Heart rate variability (HRV): From brain death to resonance breathing at 6 breaths per minute. Clinical Neurophysiology, 131(3), 2020, pp. 676-693. DOI: https://doi.org/10.1016/j.clinph.2019.11.013