線維筋痛症における認知ストレスに対する心拍変動反応は、不十分な自律系ストレス反応によって特徴付けられる:臨床試験

米国リウマチ学会の 1990 年の FM 診断基準を満たした 18 ~ 65 歳の 51 人の女性 FM 患者を募集しました。1、ヘルシンキ大学病院 (HUH) の外来診療所、ヴァンター市保健センター、および著者の 1 人の私立診療所 (RM) を通じて。 31 人の健康な、年齢と性別が一致したコントロールも採用されました。 研究の資金調達期間中に利用可能な最大数の患者と一致するボランティアを募集し、結果の数は以前の研究と同様でした11,12,13,14. 除外基準は、糖尿病、心臓病、制御されていない高血圧、末梢動脈硬化性疾患、神経疾患、神経筋疾患または筋肉疾患、重度の精神障害、ベータ遮断薬、ベータ作動薬、またはスタチンの継続使用、参加を妨げる筋骨格状態でした。サイクルエルゴメトリー(後の段階で実施される予定だった)、およびアンケートに回答する能力に影響を与える貧弱なフィンランド語スキル。 患者の選択プロセスについては、以前に詳しく説明しました。16.

2015 年 11 月から 2018 年 6 月の間に、被験者は HUH ペイン クリニックを訪れ、患者の FM の診断が確認され、同じ著者 (TZ) によるインタビューと臨床検査を通じて対照から除外されました。 使用したアンケートは、以下に説明する測定プロトコルの前に被験者が記入したものです。 2017 年 3 月 10 日に、遡及的にこの研究を ClinicalTrials.gov (NCT03300635) に登録しました。

背景データとアンケート

被験者の医学的背景とライフスタイル要因に関するデータを収集しました。 余暇の身体活動は、頻度 (「なし」から「週に数回」) と強度 (「ウォーキング」から「活発なランニング」) の 4 段階のリッカート尺度で評価され、主観的な体力は次のように評価されました。 3 段階のリッカート スケール (「平均より悪い」、「平均」、または「平均より良い」)。 これらから、3 から 7 までの身体活動スコアを合計しました。 睡眠の質は、主観的な睡眠障害に関する二分法 (はい/いいえ) と、睡眠中の覚醒に関する 4 段階のリッカート尺度 (「通常ではない」から「一晩に 5 回以上」まで) で評価されました。 身長と体重からボディマス指数(BMI)を算出し、喫煙状況(喫煙者/非喫煙者)を記録しました。

線維筋痛影響アンケート (FIQ) は、FM 症状の重症度と日常機能への影響を評価します。17. 検証済みのフィンランド語バージョンの FIQ を使用しました。これは 10 項目で構成されています。 これらには、日常活動を行う能力が含まれます。 幸福の日数; 病気休暇の日数; 前の週の作業能力に対する FM の影響。 残りの 6 項目は、視覚的アナログ尺度 (VAS) を使用して、痛みの強さ、疲労、朝のスッキリ感、こわばり、不安または緊張感、抑うつまたは悲しみに対する FM の影響を評価します。 FIQ スコアの範囲は 0 ~ 100 で、スコアが高いほど FM の影響が大きいことを示します18.

知覚ストレス スケール (PSS) は、前月に経験したストレスの量を評価し、0 から 40 までのスコアで評価します。スコアが高いほど、ストレスが大きく、コントロール感が少ないことを示します。19. Pain Catastrophizing Scale (PCS) は、痛みに関連する壊滅的な状態を 0 (壊滅的な状態にならない) から 52 (最も壊滅的な状態) までの尺度で測定します。 State-Trait Anxiety Inventory (STAI) は、即時の不安感 (状態不安、STAI-A) と、不安に対する安定した長期的な感受性 (特性不安、STAI-B) を評価する 2 つのサブインベントリで構成されています。 STAI-A と STAI-B はどちらも 20 から 80 までのスコアが付けられ、スコアが高いほど不安または不安特性が高いことをそれぞれ示します。

測定プロトコル

Thiemeらの後にプロトコルをモデル化しました。20、しかし、反復ストレスの影響を評価できるように、さまざまなストレッサーではなく、1つの形態の認知ストレスのみを繰り返し使用しました。 測定は、リラクゼーションと認知ストレスを交互に繰り返す 4 分間の 5 つのフェーズで構成されていました。

測定の開始時、各段階の間、および測定の終了時に、被験者は主観的なストレスと痛みの強さを 0 ~ 10 の数値評価スケールで評価するよう求められました (NRS: 0 = ストレスまたは痛みなし; 10 =想像できる最悪のストレスや痛み)。 リラクゼーション段階では、被験者は、個々の好みに基づいて、落ち着いたクラシック音楽を聴いている間、または沈黙の中で、できる限りリラックスするように求められました. 両方のストレス段階で、参加者は 0 から 9 までの 10 の数字の 14 のシリーズの録音を再生され、数字を頭の中で合計して結果を述べるように求められました。 被験者は答えが正しいか間違っているかを知らされたが、実際の答えに関係なく、4つのケースで答えが間違っていると言われたことを知らなかった. ストレス フェーズ全体で、60 dB のホワイト ノイズのバックグラウンド ノイズが適用されました。

測定中、被験者は小さな部屋の椅子に快適に座り、被験者と研究者は 1 人だけでした。 室温は 20 ~ 24 °C、湿度は 40 ~ 60% でした。 プロトコルには話すことが含まれていたため、呼吸数は自発的であり、制御されていませんでした。

心拍変動の測定と信号処理

心拍数 (HR) は、胸骨の下 3 分の 1 のレベルで胸の周りに配置された心拍数モニター ストラップ (Polar T31、Polar Electro、フィンランド) で記録されました。

表面筋電図 (sEMG) の測定値は、以前に公開されたように、L4 レベルで僧帽筋、上腕二頭筋、および脊柱起立筋から両側で記録されました。16. HR データを補完するために、sEMG 記録から心電図 (ECG) 信号を抽出しました。 信号処理には Matlab R2017b を使用しました。 生の sEMG 測定値は、ゼロ振幅を意味するように最初にトレンド除去されました。 次に、信号のパワー スペクトルを視覚的に検査して、さまざまな電子デバイスによって引き起こされる交流 (AC) ノイズの鋭いピークを特定しました。最も一般的なのは 50 Hz とその倍数です。 補間を使用してノイズのピークを除去し、1 Hz のノイズの多い周波数スペクトル範囲のパワーを、ノイズの範囲の上下 0.5 Hz の周波数範囲の平均パワーに平坦化しました。

最良の ECG 信号は、右脊柱起立筋 (FM n = 24; 健常対照者 (HC) n = 20) または左僧帽筋 (FM n = 27; HC n = 11) から得られました。 最適な結果を得るために使用するチャネルを決定するために、ECG 信号を視覚的に検査しました。 各記録の 20 秒から始まる 3 分間のサンプルが使用されました。 これらのチャネルから、ECG 信号の大部分を含む 10 ~ 40 Hz の範囲に 3 次のバターワース バンドパス フィルターを使用して EMG 信号をフィルター処理することにより、QRS 群が特定されました。 ECG信号は、主成分分析(PCA)で分離されました。

HRV 分析は、KUBIOS HRV Premium 3.2.0 ソフトウェアを使用して実行されました。 HRV の尺度として、心拍数 (HR)、心拍間の平均間隔 (ミリ秒単位で QRS 群の連続する R ピーク間で測定) を使用しました。 [RR]) (RR平均)、連続する拍動の二乗平均平方根間隔差 (RMSSD)、および正常な心拍間隔の標準偏差 (SDNN)。 これらの測定値は、この場合の 3 分間のサンプルなど、超短い ECG サンプルで使用できます。9.

ベースライン値には、平均HR、RRを使用しました平均、RMSSD、および記録の最初の 30 秒間の SDNN。

統計的方法

2 つのグループ間の比較のために、マン・ホイットニーの U 検定が連続変数に使用され、χ22-カテゴリ変数のテスト。 3 つのグループまたはクラスター間の比較は、分散分析 (ANOVA) を使用して行われました。 事後 テューキー検定を使用したテスト。

一般化最小二乗法 (GLS) を使用した線形モデリングを使用して、HRV 変数が FM ステータス、ストレス緩和プロトコルによってどのように影響を受けるか、および FM 患者とコントロールの反応がプロトコル (グループ時間の相互作用) 中に異なるかどうかをテストしました。 反応性を評価するために、基本モデルには結果のベースライン値も含める必要がありました。 また、BMI、喫煙状況、および余暇の身体活動 (LTPA) を調整する 2 つ目のモデルもテストしました。 解釈可能性を向上させるために、LTPA は身体的にアクティブ (身体活動スコア 7 以上) と非アクティブに二分されました。 HR の計算式を以下に示します。

$$HR,=,グループ,times,時間,+,ベースライン,$$

$$HR, =, グループ, times, 時間, +, ベースライン, +, BMI, +, 喫煙, +LTPA.$$

HRV または HRV 反応性の有意なグループの違いは、事後 FM サブグループ内のクラスター分析のクラスター化変数としての適合性について評価されました。. z 変換された変数に対して k-means クラスタリングを実行しました。変数とクラスターの数は いいえ =10× d×k(d= クラスタリング変数の数、k= クラスタ数)21.

統計分析は、R バージョン 4.0.0 (The R Foundation for Statistical Computing 2020) を使用して行われました。 GLS は nlme R パッケージ バージョン 3.1-147 で行われました22.

倫理的な承認と参加への同意

研究はヘルシンキ宣言に従って実施され、研究プロトコルはヘルシンキおよびウーシマー病院地区の倫理委員会によって承認されました。 すべての被験者は、書面によるインフォームドコンセントを提供しました。

Leave a Comment

Your email address will not be published. Required fields are marked *