社区老年人跌倒警觉度现状及影响因素分析

目的了解社区老年人跌倒警觉度现状,分析影响因素,为制定跌倒预防管理策略提供参考。方法采用便利抽样法抽取合肥市3个社区628名老年人为研究对象,采用一般资料调查表、跌倒警觉度量表、跌倒风险自评量表、匹兹堡睡眠质量指数量表及简易衰弱量表进行调查。结果社区老年人跌倒警觉度得分为(52.94±8.83)分。多元线性回归结果显示,受教育程度、近1年跌倒史、久坐爱好、害怕跌倒、跌倒风险、睡眠障碍、衰弱状态是社区老年人跌倒警觉度的影响因素(均P<0.05)。结论社区老年人跌倒警觉度处于较低水平,应针对影响因素制定个性化干预措施,以增强老年人跌倒警惕意识,降低跌倒发生率。

基于fNIRS和ECG的大脑警觉度客观检测研究

航天员执行操纵和维护设备等任务时需保持高警觉状态,以便应对突发情况,保护自身安全。针对目前警觉度检测尚无统一标准,单生理参数检测法可靠性差的问题,利用多模态参数检测法,采用PVT任务与2-back任务组合诱导警觉度降低,通过功能性近红外光谱技术(fNIRS)和心电技术(ECG)采集14名被试前额部分的氧合血红蛋白(HbO)信号、脱氧血红蛋白(Hb)信号以及ECG信号,并记录被试的行为学数据。结果表明:此实验范式成功诱导警觉度下降,在低警觉度状态下大脑代谢水平增加,复杂度增加,大脑前额区活跃度增加;心率降低,副交感神经活性增强。二者特征相结合增大了警觉度识别三分类准确度。在支持向量机模型下,14名被试的平均三分类正确率达到(80.37±5.76)%,较之前文献报道的正确率有所提升。验证了此特征模型检测警觉度水平的有效性及使用混合特征矩阵提高警觉度模型的鲁棒性。

住院老年患者跌倒警觉度现状及影响因素研究

目的了解住院老年患者跌倒警觉度状况,并分析其影响因素,为制定针对性跌倒预防措施提供借鉴。方法采用便利抽样法选取782例住院老年患者为调查对象,使用一般资料调查表、Morse跌倒评估表、Barthel指数、跌倒警觉度量表进行调查。结果有效调查住院老年患者695例,住院老年患者跌倒警觉度得分为(62.67±12.34)分。多元线性回归结果显示,自理能力、是否害怕跌倒及知晓治疗用药易致跌倒是患者跌倒警觉度的影响因素(均P<0.05)。结论住院老年患者跌倒警觉度较高,护理人员应结合患者跌倒警觉程度及影响因素,进行个性化的健康教育和安全指导,预防跌倒发生。

基于LSTM-Attention的高速铁路司机警觉度预测

准确度量高速铁路司机的警觉度是保障保证列车安全运行的关键问题。针对该问题提出一种通过眼动、心电信号及线路参数时序特征预测高速铁路司机警觉度的方法。研究基于心理学双任务范式设计模拟驾驶实验,主任务要求司机正常驾驶机车,次任务要求司机在看到红色信号灯亮起时迅速按键,以司机对次任务的反应时间来量化其警觉度。构建警觉度预测模型时,对每个试次提取7项眼动指标和19项心电指标以及环境参数,并通过灰色关联分析筛选出14项有效的生理指标。然后以司机生理指标和线路环境参数为自变量,以其对次任务的反应时间为因变量,构建基于LSTM-Attention算法的高速铁路司机警觉度预测模型。研究结果表明:LSTM-Attention模型对40名高速铁路司机反应时间预测平均绝对误差为92.86 ms,均方根误差为102.31 ms,平均相对误差为9.6%,且时间序列长度为5时预测效果最好,注意力机制的引入能减小模型约4%的预测误差。本文所提方法可实现对高速铁路司机警觉度的连续度量,可为驾驶辅助系统的研发提供技术理论支撑。

老年人跌倒警觉度研究进展

介绍老年人跌倒警觉度的评估工具及影响因素,从健康教育、认知行为疗法、智能化干预3个方面综述提高老年人跌倒警觉度的干预措施,以期为相关研究及实践干预提供参考。

倒班护士工作警觉度变化相关研究进展

护士进行倒班工作是为患者提供24 h连续性护理服务的基本保障,夜班期间倒班护士警觉度下降时有发生,可威胁患者安全,影响护理服务质量。本文综述了倒班护士在夜班期间警觉度下降发生变化的机制、影响因素以及干预措施等,以期为倒班护士工作警觉度相关研究提供理论参考。

一种用小波包变换提取眼电信号警觉度特征的方法

警觉度是指人集中注意力执行某项任务时所表现出的灵敏程度。为保证生产安全,很多岗位需要对工作人员的警觉度进行估计和预测,如高铁司机和危险品运输司机等。基于脑电和眼电等生理信号的警觉度估计与预测是警觉度研究的一个重要方向,如何提取眼电信号中的警觉度特征是该研究的核心问题之一。本研究应用小波包变换方法从水平眼电中提取不同频段能量的比值,以期找出高相关度的警觉度特征。探讨了水平眼电中16种不同的低高频分段的能量比特征,对特征分别进行了移动平均和线性动力系统去噪处理。实验表明,分段为(0～1.50 Hz)/(1.50～31.25 Hz)的能量比值与警觉度的相关系数最高。35组实验的相关系数平均值为0.742,标准差为0.151,比已有的慢速眼动、快速眼动以及眨眼等11种特征中最好特征的相关系数平均值提高了5.55%,标准差降低了6.62%。

基于EEG的警觉度分析与估计研究综述

警觉度是指人在执行某项任务时长时间维持注意力或警惕性的水平。EEG是目前最常用且最客观的研究警觉度的生理指标,当人的警觉度有变化时,记录到的EEG信号模式会发生相应的变化。因此,通过记录和分析人在执行任务过程中的EEG信号,可以估计人的警觉度。在此介绍EEG和警觉度的基础知识,对基于EEG的警觉度分析与估计的最新研究方法、关键技术以及可能的应用等进行较为详细的综述,并讨论目前需要解决的问题。

基于驾驶员警觉度的交通标志适宜信息量研究

为了解决驾驶员在草原公路交叉口路段因交通标志信息量过低引起的行车警觉度降低的问题,利用交通标志信息量化模型,建立6个不同信息量水平的室内模拟驾驶实验,驾驶员分别以车速为60、80、100 km/h行车,基于脑电信号检测行车警觉度的技术,选取脑电指标β、(α+θ)/β、α/β作为驾驶警觉度评价指标,定量分析不同信息量水平和车速下的3种脑电指标节律值变化,采用非线性曲线拟合法,探究信息量和车速对驾驶警觉度的显著性,根据NASA-TLX(National Aeronautics and Space Administration-task load index)任务负荷指数量表对模拟实验分析的结论进行验证。结果表明,交通标志信息量和车速存在交互作用,对行车警觉度均有显著影响,在草原公路交叉口处的适宜交通标志信息量为J4水平(范围为30~40 bits),行车速度为60 km/h时,驾驶员3种脑电指标数据表现最佳,且指标β、(α+θ)/β、α/β在车速为60 km/h下的拟合度分别为0.947、0.844、0.861,NASA-TLX驾驶负荷量表6个维度的评分均在J4水平最低,与实验数据分析结论一致。

觉醒时间与睡眠时长对管制岗位警觉度的影响

管制员警觉度会随自身生理周期的变化而变化,同时也受睡眠时长的影响。为分析其具体的影响关系,采用PVT测验工具,设计实验分析觉醒时间、睡眠时长与警觉度之间的关系。研究结果表明:随着觉醒时间延长,警觉度在一天中呈下降趋势,且保持觉醒时间越长,警觉度下降趋势越明显;睡眠时长对警觉度的影响表现为睡眠不足会扰乱个体注意力稳定性,延长个体反应时间。本研究为合理安排管制岗位作息时间提供了基础理论依据。

煤炭矿井救援队员情感状态与昼夜生物节律及警觉度特征

目的:了解煤炭矿井救援队员情感状态与昼夜生物节律及警觉度变化情况。方法:调查煤炭矿井救援队队员102名,收集有效调查量表问卷、昼夜生物节律和警觉度数据95份,均为男性;年龄27~59(37.2±7.0)岁。应用宗氏焦虑(SAS)、宗氏抑郁(SDS)以及心境状态量表(POMS)评定受试者的心理及情绪状态;匹兹堡睡眠质量指数量表(PSQI)评定近一个月睡眠质量;体动记录仪观察昼夜生物节律指标:日间稳定性(IS)和昼夜变异性(IV),以及夜间睡眠节律;心理运动警觉预警(PVT)评定受试者警觉预警的反应能力。结果:95名救援队员以有无焦虑和抑郁倾向的情感状态分组,其中,无焦虑、抑郁情感状态正常组68人(71.58%);有焦虑、抑郁倾向情感状态异常组27人(28.42%),包括单纯焦虑状态5人(5.26%)、单纯抑郁状态17人(17.89%)、焦虑状态和抑郁状态共存5人(5.26%)。情感状态正常组、情感状态异常组的BMI分别为(24.52±2.98)、(26.32±3.47);收缩期血压分别为(113.81±14.17)mmHg、(122.04±16.01)mmHg,两组比较差异有统计学意义(t=-2.538,-2.454;P<0.05)。POMS,情感状态正常组良好67人(98.53%)、一般1人(1.47%);情感状态异常组良好24人(88.89%)、一般3人(11.11%),两组比较差异有显著统计学意义(Z=-13.466,P<0.001)。IS得分为0~1分者,情感状态正常组68人(100%),情感状态异常组27人(100%)。IV得分,情感状态正常组0~1分43人(63.24%)、>1分25人(36.76%);情感状态异常组0~1分15人(55.56%)、>1分12人(44.44%),两组比较差异无统计学意义(χ^(2)=1.223,P>0.05)。PSQI评分等级,情感状态正常组很好38人(55.88%)、中等26人(38.24%)、较差4人(5.88%);情感状态异常组很好10人(37.04%)、中等10人(37.04%)、较差7人(25.92%),两组比较差异有显著统计学意义(Z=-11.219,P<0.001)。情感状态正常组和情感状态异常组,夜间主观睡眠时间分别为(385.09±46.26)min、(354.61±45.03)min;实际睡眠时间分别为(309.61±42.84)min、(285.71±42.34)min,两组比较差异有统计学意义(t=2.522,2.065;P<0.05)。PVT点击平均反应时间,情感状态正常组和情感状态异常组分别为(529.82±90.36)ms、(608.91±211.07)ms,两组比较差异有统计学意义(t=-2.567,P<0.05)。结论:煤炭矿井救援队员情感状态异常时心境状态一般比率明显增高,表现为消极情绪增高、积极情绪减低,该特殊职业群体昼夜变异性有较高程度的易破碎和易变率,情感状态异常时睡眠质量易减退,以及反映持续注意力和警觉能力的心理运动警觉预警反应时间延长。

航天员在轨飞行任务前后的警觉度变化及节律特征分析

目的分析某次在轨飞行任务前后航天员警觉度及昼夜节律的变化情况,研究在轨飞行任务对航天员认知和节律的影响。方法采用心理运动警觉性任务(psychomotor vigilance task,PVT)方法对3名航天员某次在轨飞行任务前和返回后的警觉度进行测试。结果与飞行前第一次PVT结果相比,有2名航天员在飞行后有较大改变,其中第一名航天员PVT均值在飞行后降低,而第三名升高。第二名航天员的PVT均值在飞行前后无明显改变。本研究还对PVT的节律特征进行初步分析,发现不同航天员在飞行前后都发生了变化,且变化趋势有所不同。这些数据提示不同航天员警觉度及其节律特征的变化趋势在飞行前后可能存在个体差异。结论在轨飞行对人心理和认知能力的节律具有一定影响,且这种影响具有个体差异性。

动态光对人警觉度与表现的影响

本实验研究了照明对警觉性与舒适度的影响。实验使用全面的评价体系,包括主观量表(疲劳问卷、主观睡意、灯光评价)、生理监测(心电、眼电、脑电、CFF)、工作表现数据统计和生理化学指标,来探究色温随时间变化的动态光是否优于照度相同、平均色温相同的静态光。本研究共分成了两个实验。10位被试者参与了此次研究。实验1包含四种光照环境:6 000 K静态光、9 000 K静态光、变化周期为4小时且平均色温为9 000 K的长周期动态光和变化周期为2小时且平均色温为9 000 K的短周期动态光。结果显示被试者在两种动态光内的脑电显著优于静态光下。实验2依据实验1的结果而设计,包含六种光环境:色温变化范围4 000 K^10 000 K,变化频率分别为2 h,1 h,0.5 h的动态光,以及色温变化范围6 000 K^12 000 K,变化频率分别为2 h,1 h,0.5 h的动态光。结果表明高色温,高频率的动态光环境更容易让人警觉。结果亦了解各种的评价系统对健康光源的研究的有效性。

基于T-S模糊神经网络的驾驶警觉度融合识别研究

经过长时间持续驾驶,驾驶员的驾驶警觉度会随着心理疲劳程度的加深而持续下降。本文结合脑电信号和心电信号构建了一种驾驶警觉融合识别方法。首先,对心电信号的心率变异性进行了时域和频率分析,对于提取到的特征指标分别验证了其前后两时段发生显著性差异变化。再次,对脑电信号采用小波变换的方式开展对应的特征分析,获得所需的脑电成分。最后利用T-S模糊神经网络模型理论构建了驾驶警觉度融合识别模型。利用采集到的26位被试数据进行模型试算,发现综合心电和脑电的双信号的模型识别平均率为85.5%,其中低驾驶警觉度的平均识别率为89.3%。表明用心电和脑电并结合T-S模型可用于识别驾驶警觉度。

驾驶机舱LED灯光色温与人员警觉度关系仿真实验研究

为了探讨驾驶机舱内LED灯光色温与人员警觉度的联系,在A320模拟驾驶舱内设置2500~2700K,3000~3200K,6000~6500K3种不同色温的LED灯光环境,采用卡斯罗林嗜睡量表(KSS)、闪光融合临界频率仪(CFF)、视觉舒适度评分量表(VCS),对5名被试人员在不同灯光环境的疲劳程度和视觉舒适度进行实时测量。针对测量结果,采用方差分析及描述性统计的数据分析方法,评价被试人员于不同灯光环境下的疲劳程度、视觉舒适度的差异性及变化情况。研究结果表明:高色温LED灯光环境下,人员的主观嗜睡感受及客观疲劳感受较低,且有着较低的疲劳感受增长率;高色温LED光源下人员的视觉舒适度也较高;增高LED灯光色温可一定程度上提升人员的警觉性。

教室动态照明对高中生睡眠、警觉度及情绪的影响

教室作为高中生的主要学习空间,其光照环境对学生的身心健康有重要影响。本文选取真实教室环境,以高二年级学生为被试,在两个班级中进行为期3+1+3周的光照对比实验。所有被试于在校学习时间(6:30—21:30)接受3周基线照明和3周动态照明,中间间隔1周洗脱期。干预阶段,1班被试者接受Low-High模式的动态照明,6:30—18:30为标准光照(300 lx,4000 K),18:30—21:30为高光干预(500 lx,6000 K);2班被试者接受High-Low模式的动态照明,6:30—9:30为高光干预(500 lx,6000 K),9:30—21:30为标准光照(300 lx,4000 K)。实验期间记录学生的睡眠、警觉度及情绪等相关指标数据进行对比分析。结果表明,两组被试者在其高光干预时段的即时警觉度均被显著提升。相比之下,High-Low动态照明模式干预后,被试者的深睡时长明显更长,入睡难易程度与消极情绪均得到了显著改善。

基于生理信号的警觉度检测研究综述

警觉度反映了大脑的警惕状态。在航空航天、车辆驾驶、医疗军事等领域检测操作员的警觉度对减少事故概率具有重要意义。综述了近10年在基于生理信号的警觉度检测领域的研究进展,将其分为基于脑电、心电、脑血红蛋白浓度、其他生理信号和多生理信号五类,分析了各类方法的现状和发展趋势,发现目前使用的生理信号中,脑电最为常用,心电、眼电、脑血红蛋白浓度次之。且绝大多数研究仅对清醒和困倦这两种警觉水平进行判断,分类数较低。目前研究一方面趋向于通过寻找新的敏感特征、改进检测算法、结合其他生理信号等来提高准确率;另一方面趋向于开发穿戴式、无线化的生理信号传感器以推进警觉度检测实用化。

基于CSP与SVM算法的警觉度脑电信号分类

疲劳驾驶是导致交通伤亡事故的重要原因之一,因此采取相应的预防措施是很有必要的。针对两种不同程度的警觉度(清醒和睡眠),采用公共空间模式CSP(Common Spatial Pattern)算法对所采集到的脑电数据进行特征提取,用基于径向基函数(RBF)的支持向量机(SVM)对提取的特征进行分类,通过网格搜索法获得最优参数。与频带能量作为特征的已有方法相比,该算法测试准确率较高,能够达到较好的识别效果。

跌倒警觉度量表在养老机构老年人中的信效度和最佳界值研究

目的验证跌倒警觉度量表(the self-awareness of falls in elderly scale,SAFE)在养老机构老年人群中的信效度,并探讨量表的最佳界值。方法便利抽样法选取养老机构300位老年人采用跌倒警觉度量表进行调查,评价问卷的信效度,并分析受试者工作特性曲线(receiver operating characteristic curve,ROC)确定量表的最佳界值。结果SAFE量表的Cronbach’sα系数为0.943。条目得分与总分的相关系数为0.462~0.847(P<0.01)。重测信度为0.900。探索性因子分析共得到4个公因子,累积方差贡献率为74.609%。验证性因子结果显示模型拟合良好[χ2/df=2.135;近似误差均方根(root mean square error of approximation,RMSEA)=0.076,增值适配度指数(incremental fit index,IFI)=0.941,非规范拟合指数(tucker-lewis coefficien,TLI)=0.931,相对拟合度指数(comparative fit index,CFI)=0.940]。量表4个因子的组合信度(critical ratio,CR)均大于0.7,平均方差萃取量(average variance extract,AVE)均大于0.5。SAFE最佳界值为54分,ROC曲线下面积为0.803,此时的敏感度为61.0%,特异度为88.4%。结论SAFE具有较好的信效度,推荐最佳界值为54,可用于评价养老机构老年人群的跌倒警觉度。

基于模糊神经网络的驾驶警觉度识别方法研究

为了有效识别驾驶警觉度,构建了一种基于脑电信号的驾驶警觉度识别方法。首先,以主观疲劳测评、驾驶行为绩效作为量化指标,验证驾驶警觉度等级划分的合理性。在此基础上,对脑电信号数据进行小波变换提取特征参数,作为驾驶警觉度的识别特征指标,结合模糊神经网络构建了驾驶警觉度识别模型。最后,采用该模型对20名驾驶员连续驾驶3h的脑电数据进行试算。结果表明:通过对前后时段的主观疲劳与行为数据进行对比分析,两时段数据存在着显著差异性,说明驾驶警觉度等级划分具有合理性;采用模糊神经网络的识别结果优于BP神经网络,其模型识别正确率为81.29%～84.95%,且平均正确率为83.12%,该方法可用于驾驶警觉度的识别。