判斷疲勞的新指標

人體走跑控制機制

當我們在運動時,身體所做出的動作主要由中樞神經 (大腦) 來發號司令,並會透自我感覺回饋,來進一步牽制中樞神經的主導控制。舉例來說,在跑步時我們身體下肢的肌肉收縮主要是由大腦控制,當腳踩到地面時,透過肌肉中的機械感受器 (肌梭、高爾基腱器) 感知地面反作用力的衝擊負荷,回饋給大腦,大腦接受回饋的訊息後則可制定下一步踩踏的策略;而當疲勞產生時,就會破壞這個機制,如下控制反饋圖。疲勞會造成大腦控制時,運動神經元不規則的放電,並且也會影響反饋牽制,進而導致姿勢不穩定、步態改變、對稱性改變等動作現象,最後有很大的機率產生跌倒,造成受傷。

判斷疲勞的新指標

圖片來源:疲勞影響前與後之控制機制 (作者自製)

幾項評估疲勞的方式

在運動科學研究領域,疲勞的評估主要有幾個方式。第一為測量表面肌電 (Electromyography, EMG),此方式為最直接觀測肌肉放電之情形,例如放電頻率上升,即代表疲勞發生。第二為採集血液中的血乳酸,觀察是否快速地增加;第三則為運動自覺量表 (RPE) ,以主觀方式表達疲勞程度。然而上述幾項評估方式往往無法方便應用在日常生活上,於是就有另一種評估方式因應而生。運動時肢體會有揮、擺、晃動與旋轉等動作特徵,物理意義上來說,也就是產生速度、加速度、角速度等物理量。近年許多學者針對這些物理量,使用慣性感測器 (IMU) 來做量測與紀錄,並進行分析,其優勢就是體積小,方便穿戴。其中變異性分析所代表意涵為這些物理訊號的變異程度,例如每次腳推蹬的速度是否一致,有沒有忽大忽小的變異現象發生,而疲勞就是造成這些動作特徵產生變異很重要的因子;換句話說,疲勞的產生通常會影響著變異程度,因此變異性分析也可成為評估疲勞的手段之一。

判斷疲勞的新指標

圖片來源:Biomedical Sciences Instrumentation, 53, 47.

非線性變異性分析

變異性分析可分成線性與非線性兩種,線性分析如標準差,可得知與平均值相差了多少,舉例來說,每次執行重複的動作是否接近,此種分析僅需對物理訊號做簡單的數學計算,即能粗略表示變異程度,但相對能訴說的含意就稍微不足;非線性分析則重新描述了物理訊號的含意 (例如:相關性、亂度、不可預測性),讀者可解讀成跑步節奏的規律性變化,當疲勞產生時,節奏就會被打亂,規律性開始無跡可循,甚至不可預測,而非線性分析的優點就是能針對這些難以量化的物理訊號進行評估,也就是說進行了更完整的數據比對。2017年學者Soangra等人發表了一項研究,請10名健康成人在跑步機上行走一段時間,並進行深蹲疲勞介入後,再重新回到跑步機上行走,研究分析掛戴在軀幹上的IMU變異性有何種變化。其使用的算法就是非線性的算法 (近似熵、多尺度熵、赫斯特指數),結果顯示身體疲勞後,軀幹旋轉角速度的近似熵值 (Approximate Entropy, ApEn) 與多尺度熵值 (Multiscale Entropy, MSE) 有明顯的上升,且赫斯特指數 (Hurst exponent) 也明顯下降,結果顯示,軀幹的旋轉某個程度上變得不規律且難以預測,而大腦越想控制疲勞後的身體,反而越不能成功,也就是說越沒相關性。

判斷疲勞的新指標

這篇研究主要的目的為介紹非線性分析應用在運動科學的概念,我們更在意分析後結果所代表的涵義,至於如何精確計算這些變異性可參考下方文獻。總之非線性的算法可以重新解讀,我們身體因疲勞發生後,肢體所產生的物理量變異是否有混亂的現象。通俗的說,心律、步幅步頻、站立時間與騰空時間的不規則性若越大,似乎意味著身體已經開始疲勞;然而隨著電子儀器設備的進步,這些以往繁雜的演算時間已逐漸被克服,預計未來僅需帶一個微小的感測器在身上,就可幫助大眾即時地監控疲勞。

參考文獻:

Soangra, R., Moon, S., Rezvanian, S., & Lockhart, T. E. (2017). Lower extremity muscle fatigue influences nonlinear variability in trunk accelerations. Biomedical Sciences Instrumentation, 53, 47.

Mo, S., & Chow, D. H. (2018). Stride-to-stride variability and complexity between novice and experienced runners during a prolonged run at anaerobic threshold speed. Gait & Posture, 64, 7-11.

Shi, L., Duan, F., Yang, Y., & Sun, Z. (2019). The effect of treadmill walking on gait and upper trunk through linear and nonlinear analysis methods. Sensors, 19(9), 2204.

方麒堯、陳韋翰、相子元 (2019年11月)。用慣性感測器觀察長時間跑步疲勞下各肢段狀況。「臺灣運動生物力學暨運動與健康研討會」發表之論文,國立高雄師範大學。

加入會員看更多

更多最新文章

回頂部