Sykevälivaihtelun mittaaminen sovelletulla aikakenttäanalyysilla maksimirasitustestin jälkeen

Abstract

Sykevälivaihtelu kuvaa hyvin ja toistettavasti ihmisen stressitilaa, niiden välillä on käänteinen yhteys. Rasitustason muuttuessa voimakkaasti sykevälivaihtelun luotettava analysointi on kuitenkin hankalaa ja laskennallisesti vaativaa. Perinteisesti muuttuvan rasitustason analyysit on suoritettu nopeaa Fourier-muunnosta käyttäen. Tässä työssä testataan kirjallisuudessa aiemmin esitetyn, nopeaa Fourier-muunnosta yksinkertaisemman aikakenttäanalyysin sovellusta muuttuvan rasitustason tilanteessa. Menetelmässä ideana on tutkittavan aikajakson jakaminen sopiviin osajaksoihin, joiden sisältä muutoksen vaikutus voitaisiin häivyttää. Tutkimuksessa selvitetään ovatko tulokset riippumattomia siitä, kuinka pitkiä osajaksot ovat. Tämän lisäksi tarkastellaan kuuden viikon ruokavalio-ohjaus- tai liikuntaintervention vaikutusta keski-ikäisten, liikunnallisesti inaktiivisten ja ylipainoisten naisten (n=80) sykevälivaihteluparametreihin osajaksoihin jakamalla laskien. Tutkimuksessa käytetty data on koehenkilöiden tutkimusjakson aluksi ja lopuksi suorittamien nousevien maksimirasitustestien jälkeisten yhdeksän minuutin palautusjaksojen aikana sykemittareilla tallennettu sykevälivaihtelutieto. Haluttujen parametrien laskemiseksi tehtiin tämän mahdollistava Matlab-ohjelma. Tässä työssä käytetyt sykevälivaihtelun parametrit olivat: sykevälien neliöllinen keskiarvo (RMS), sykevälien keskihajonta (SD), perättäisten sykevälien erotuksen keskiarvo (RRI) ja perättäisten sykevälien erotuksen neliöllisen keskiarvon neliöjuuri (MSSD). Tutkimuksessa kaikkien laskettujen parametrien arvot riippuivat tilastollisesti merkitsevästi (p<0.05) siitä kuinka pitkiin osajaksoihin tarkastelujakso oli jaettu. Tämän perusteella vaikuttaisi siltä, että menetelmä ei yleisesti ole käyttökelpoinen muuttuvan rasitustason tilanteisiin, sillä saatuja tuloksia voidaan verrata toisiin vain siinä tapauksessa, että osajaksot ovat yhtä pitkiä. Tässä tutkimuksessa liikunta- tai ruokavalio-ohjausinterventioiden vaikutuksesta tapahtunutta, tilastollisesti merkitsevää (p<0.05) kasvua oli vain parametrin RRI osalta. Kaikkien muidenkin tutkittujen parametrien osalta tapahtui parantunutta terveyttä indikoivaa kasvua, mutta se ei ollut tilastollisesti merkitsevää. Interventiotyyppien vaikutukset olivat samankaltaisia. Tämän perusteella vaikuttaisi siltä, että ruokavalio- ja liikuntatottumusten muutoksilla voidaan vaikuttaa positiivisesti rasituksen jälkeisiin sykevälivaihtelun parametreihin jotka ennustavat parempaa terveyttä, mutta joko muutokset eivät ole suuria, tai ne tapahtuvat hitaasti, tai sekä että.

Heart rate variability describes human stress condition in a well and repeatable way. A connection between them is reverse. However, when stress level changes rapidly, reliable analysing is difficult and computationally demanding. In this kind of situation, calculating was traditionally done with Fast Fourier Transformation. In this thesis, simpler time-domain analysis application was tested in the situation of rapidly changing stress level. The idea of that method is split test period to shorter sub-periods and then remove the effect of chancing stress level from the sub-periods. In this study, an effect of splitting interval to heart rate variability parameters was tested. An effect of six weeks physical training or nutrition guidance to middle age, overweight and physical in-active women’s (n=80) heart rate variability parameters with the application at issue was tested also. Heart rate variability data was collected with heart rate monitor from nine minutes recovery period in two separate maximal performance test, first before six weeks intervention and second immediately after that. Desired parameters were calculated with Matlab-program made by thesis worker. Heart rate variability parameters in this thesis were: root mean square of heart rate intervals (RMS), standard deviation of heart rate intervals (SD), average of difference of successive heart rate intervals (RRI) and root mean square of successive heart rate intervals (MSSD). This study indicated that there is no statistical significance (p<0.05) between results with different sub-periods with any calculated parameter. Because different measurements can be compared only if splitting protocol is exactly same, the conclusion is that application at issue not be a valid method in situation of changing stress level. In this study, physical activity or nutrition guidance intervention affect statistically significance (p<0.05) only to RRI. There were minor changes which indicates better health in other parameters also, but them were not statistically significant. The influences were similar in both intervention types. By all accounts, level of physical activity and nutrition effect to heart rate variability by the way which indicates better health, but influence is small or/and slow.