一种基于心率变异性获取平均压力商的鞋带因子分析系统

1.本发明属于医疗信息化领域，涉及一种基于心率变异性获取平均压力商的鞋带因子分析系统。


背景技术：

2.心率变异性(heart rate variability，hrv)能够反映各类躯体和精神状况，帮助早期识别和预防疾病。当个体处于压力状态下时，hrv会降低，当压力源被移除时，hrv会增加。hrv的异常变化与充血性心力衰竭，糖尿病，抑郁和应激等相关疾病的临床状况有关(cygankiewicz&zareba，2013；schneider&schwerdtfeger，2020)。此外，hrv会受到迷走神经相关的呼吸变化、自主神经系统、压力反射等因素的影响。心电图等医疗设备的发展促进了对心率的无创评估，通过时域，频域和非线性分析等手段能够获得大量丰富的hrv指标及其相关联的生理机制。然而，对于每个hrv指数的重要性，以及应该使用哪个指数或哪些指数来衡量个体压力水平，几乎没有达成一致意见。因此，研究人员和临床医生目前想要使用和解释hrv以实现其专业目的仍较为困难。
3.现有的hrv指数，能够在一定程度上对躯体疾病和身心压力状况做出预测，但是：
4.(1)目前仍缺乏一个综合简洁的hrv指标，由于hrv指数(》30)过于多样，尚无方法将这些指数综合成一套较小的可供实际使用指标集。
5.(2)缺乏统一的使用标准和规范，研究人员和临床工作者对于各个hrv指数的权重以及应该使用哪个或哪些指数来衡量压力状况，几乎没有达成一致意见。
6.(3)现有hrv指数的科学研究和临床应用粗糙，科学性和效率较低。
7.(4)解释率不足，许多hrv指数背后存在大量重叠的相关联的生理机制，难以更深入地了解和解释hrv指数与症状之间的潜在联系。
8.(5)增加了医生和患者的认知负担，医生需要识别和区分大量不同的hrv指数，而患者对复杂的结果也难以理解。6.可推广性低，现有的hrv指数难以在临床环境中得到广泛采用。


技术实现要素：

9.有鉴于此，本发明的目的在于提供一种基于心率变异性获取平均压力商的鞋带因子分析系统，便于统一规范hrv指数的科学研究和临床使用，促进对hrv与相应生理机制之间关联的深入探索，充分利用心电图收集的心率信息数据，提高对个体疾病评估的准确性，同时为医生和患者提供一个更加简单易懂、能够反映个体压力和应激状况的指标，促进hrv在临床环境的有效应用和推广。
10.为达到上述目的，本发明提供如下技术方案：
11.一种基于心率变异性获取平均压力商的鞋带因子分析系统，该系统包括依次数据连接的数据采集模块、数据预处理模块、鞋带法因子分析模块和hrv指数标准化模块；
12.数据采集模块，通过心电图放大器模块ecg电极采集健康人群的原始心电图数据；
13.数据预处理模块，使用开源hrv分析软件包在matlab中处理每个个体的原始心电图数据；hrvas对心电图数据进行时域、频域和非线性分析，获得61个hrv指数，筛除后得到29个hrv指标；对所获得的所有个体的29个hrv指标结果进行z转换，排除z分数低于-3和+3的数据；
14.鞋带法因子分析模块，首先对所获得的29个hrv指标的所有被试者数据进行1次探索性因子分析，获得载荷在29个hrv指标上的6个hrv因子，然后对固定的6个因子进行100次随机抽样，每次抽取80％的数据执行鞋带法因子分析，其中提取方法采用主成分分析，旋转方法为kaiser标准化正交旋转，获得六个hrv因子方差的均值和标准差，以及29个hrv指标在每一个因子下的特征值的均值和标准差；
15.hrv指数标准化模块，将被试者的29个hrv指标原始数据z分数，分别与每个hrv因子下的29个hrv指标的特征值均值相乘，并将结果加总，获得对应的6个hrv因子分数fs
1-6
；将所得的因子分数fs
1-6
再次标准化，通过加4并开方来减少数据偏度，计算每个hrv因子的压力商sq
1-6
，将所获得的sq
1-6
进行取平均、标准化，进行线性变换，最终获得平均压力商asq。
16.可选的，所述数据采集模块采用biopac mp150和mp36两个数据采集系统，两个数据采集系统连接心电图放大器模块ecg100c，以获取ecg记录；
17.设置白色vin-，红色vin+和黑色gnd引线的三引线配置；每个导联都连接到一次性电极上，并分别于被试者的右肩、左肩和左肋骨；
18.使用acqknowledge v.4.1，以200hz的采样率获得心电记录并将其保存在笔记本电脑上；使用e-prime 2.0在计算机屏幕上展示动画；在开始视频和心电图记录之前，被试者将注意力保持在计算机屏幕上，直到视频停止播放。
19.可选的，所述数据预处理模块采用开源hrv分析软件包对心电图数据进行时域分析、频域分析和非线性分析，获得61个hrv指标；
20.所述时域分析指的脉冲信号的统计测量，通过识别ecg记录中的r峰心跳并测量rr间隔rri，去除伪影以获得正常的r峰和正常的rr区间，正常的rr区间指的是nn区间；rr间隔是两个连续r峰之间的时间间隔；推导出有关rri的统计信息，包括平均值、中位数、最大值和最小值；通过计算nn区间的标准差sdnn、彼此相差超过50ms的相邻nn区间的数量或连续nn区间差值的均方根rmssd，来获得统计度量；时域索引对sns和pns的激活及其动态交互进行引用；较低的时域指数表明心率变异性较小，与较高的应激相关；
21.所述频域分析是基于时域分析获得的测量值来检验脉冲信号的频谱分量；频域指数是通过应用快速傅里叶变换fft算法获得的，将原始时间序列脉冲信号转换为不同的频率；结果包括测量极低频率范围内的功率vlf≤0.04hz、低频范围内的功率lf＝0.04～0.15hz、高频范围内的功率hf＝0.15～0.4hz以及lf与hf的比率lf/hf；已知频域指数捕获sns、pns和压力感受器反射的活动；较低的hf、较低的vl、较高的lf和较高的lf/hf表示心率变异性较小，因此应激较高；
22.所述非线性分析是通过评估庞加莱图和去趋势波动分析来了解心脏信号的复杂性；庞加莱图涉及将每个rri与下一个rri进行图形处理，其中rr(n)作为x轴，rr(n+1)作为y轴；提供三个hrv指标：sd1、sd2和sd1/sd2；sd1是垂直于庞加莱图上单位线的点之间的标准差；sd2是沿标识线的点之间的标准差；sd1/sd2是sd1与sd2的比率；由于hrvas没有提供hrv
额外的sd1/sd2指标，在microsoft excel上进行计算sd1/sd2指标；庞加莱图捕获sns、pns和压力感受器反射的活动；较低的庞加莱图指数表明心率变异性较小，因此与较高的应激相关；去趋势波动分析dfa通过比较rri亚基之间的小分形结构与一系列rri之间的结构来检查脉冲信号的自仿射性；提供三个hrv指标：α、α1和α2；α从脉冲信号的整个记录中捕获自仿射性；α1捕获小于10次跳动的短窗口大小内的自仿射性；α2捕获超过10次跳动的任意值的长窗口大小内的自仿射性；dfa指数主要捕获压力感受器反射的活动；较高的dfa指数表明心率变异性不那么复杂和线性，压力更高；
23.对所获得的61个hrv指标进行筛除，排除相同统计度量的变式hrv指标，包括使用不同的频域方法和时频方法所获得的频谱功率的统计量；排除平均nn区间的标准差sdann，nn区间指数sdnni的标准差，hrv三角指数hrvti和nn区间直方图tinn的三角插值，最后得到29个hrv指标；接着采用ibm spss软件对每个被试者筛选后的hrv指数进行z分数转换实现标准化；z得分低于-3和高于+3的数据被剔除。
24.可选的，所述频域方法包括自回归建模和lomb-scargle周期图，时频方法为小波变换。
25.可选的，所述鞋带法因子分析模块对所获得的29个hrv指数进行探索性因子分析；因子分析的提取方法是主成分分析，旋转方法是kaiser正态方差最大变异法；接着，使用鞋带法对探索性因子分析得到的六维方法的稳健性进行统计评估；具体方法是随机抽样整个数据集的80％以执行因素分析，其中因子的数量固定为六个；执行一次后，将80％的数据集放回整个数据集中，再次随机抽样80％的数据以执行预先确定的6因子的因素分析；在spss上进行100次，产生由6个因子解释的总方差量的100次结果，以及每个因子上每个hrv指数的因子载荷；最小值、最大值、meanm、标准差sd和95％置信区间ci是根据100因子分析结果计算的。
26.可选的，所述hrv指数标准化模块中，先将每个被试者的hrv指数结果的z分数，乘以各自的平均特征值，再进行加总，得到六个因子分数fs，如公式(1)：
27.fsn＝(z
mhr
×
aln
mhr
)+(z
sdhr
×
aln
sdhr
)+(z
maxrr
×
aln
maxrr
)+(z
minrr
×
aln
minrr
)+(z
mrr
×
aln
mrr
)+(z
medrr
×
aln
medrr
)+(z
sdnn
×
aln
sdnn
)+(z
nn50
×
aln
nn50
)+(z
pnn50
×
aln
pnn50
)+(z
rmssd
×
aln
rmssd
)+(z
avlf
×
aln
avlf
)+(z
alf
×
aln
alf
)+(z
ahf
×
aln
ahf
)+(z
atotal
×
aln
atotal
)+(z
pvlf
×
aln
pvlf
)+(z
plf
×
aln
plf
)+(z
phf
×
aln
phf
)+(z
vlf％
×
aln
vlf％
)+(z
lf％
×
aln
lf％
)+(z
hf％
×
aln
hf％
)+(z
lfnu
×
aln
lfnu
)+(z
hfnu
×
aln
hfnu
)+(z
lf/hf
×
aln
lf/hf
)+(z
sd1
×
aln
sd1
)+(z
sd2
×
aln
sd2
)+(z
sd1/sd2
×
aln
sd1/sd2
)+(z
α
×
aln
α
)+(z
α1
×
aln
α1
)+(z
α2
×
aln
α2
)
ꢀꢀꢀ
(1)
28.其中fs是因子分数，n是给定因子，即因子1～因子6，z是z分数，aln是因子n下的平均特征值，mhr是平均心率，sdhr是心率的标准偏差，maxrr是最大rr间期，minrr是最小rr间期，mrr是平均rr间期，medrr是中值rr间期，avlf是绝对vlf，单位为ms2，alf是绝对lf，单位为ms2，ahf是绝对hf，单位为ms2，atotal是绝对total，单位为ms2，pvlf是vlf峰值，plf是lf峰值，phf是hf峰值。29个hrv指标见表1：
29.表1 29个hrv指数及其含义
[0030][0031]
可选的，对所述因子分数fs进行z转换；z分数低于-3和高于+3的数据被排除在外，将标准化因子分数加上数值4，然后开方，以减少数据分布偏度；将所得结果值进行z转换，再次排除低于-3且高于+3的数据；对因子1、因子2、因子3和因子4反转以及因子6进行反向编码，以使这5项因子所反映的数值结果与压力呈正相关；将乘以-1，使其表示较低的hrv，并反应较高的压力；对因子5不采取反向编码，为获得因子1到因子6，即
sq
1-6
的压力商，对值进行线性变换，使得压力商均值为50，标准差为10；sq
1-4，6
；sqn的计算方式见公式(2)，sq5的计算方式见公式(3)：
[0032][0033]
其中sq是压力商，n是因子1-4、因子6之间的给定因子，z是z分数，fs是因子分数；
[0034][0035]
其中sq是应力商，z是z分数，fs是因子分数；
[0036]
将所得的sq
1-6
进行平均，z转换和线性变换，以获得平均压力商asq，使其均值为50，标准差为10，见公式(4)：
[0037][0038]
其中asq是平均压力商，z是z分数，sq是压力商。
[0039]
本发明的有益效果在于：本发明实现了通过简化现有hrv指数来提供一种标准化、规范化的六个hrv指数因子和一个综合性的hrv指数，即平均压力商。所获得的hrv因子和综合压力指数能够用于进一步明确hrv与具体生理机制之间的关联，提高对人群中心血管疾病、糖尿病等问题的风险预测能力，同时实现对个体压力水平的便捷评估，减少医生和患者对原有的、大量的hrv指数的认知负担，促进hrv在临床环境的有效应用和推广。
[0040]
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
[0041]
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
[0042]
图1为本发明的原理图。
具体实施方式
[0043]
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0044]
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
[0045]
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
[0046]
请参阅图1，为一种基于心率变异性获取平均压力商的鞋带因子分析系统，该系统包括数据采集模块、数据预处理模块、鞋带法因子分析模块、hrv指数标准化模块。
[0047]
数据采集模块，通过ecg电极采集健康人群的原始心电图数据；
[0048]
数据预处理模块，使用开源hrv分析软件包(hrvas；ramshur，2010)在matlab(the mathworks，inc)中处理每个个体的原始心电图数据；hrvas对心电图数据进行了时域、频域和非线性分析，获得了61个hrv指数，筛除后得到29个hrv指标；对所获得的所有个体的29个hrv指标结果进行z转换，排除z分数低于-3和+3的数据；
[0049]
鞋带法因子分析模块，首先对所获得的29个hrv指标的所有被试者数据进行1次探索性因子分析，排除特征值最低的lf峰值指标后，获得载荷在29个hrv指标上的6个hrv因子，然后对固定的6个因子进行100次随机抽样，每次抽取80％的数据执行鞋带法因子分析，其中提取方法采用主成分分析，旋转方法为kaiser标准化正交旋转，获得六个hrv因子方差的均值和标准差，以及29个hrv指标在每一个因子下的特征值的均值和标准差；
[0050]
进一步，技术方案还包括hrv指数标准化模块，将被试者的29个hrv指标原始数据z分数，分别与每个hrv因子下的29个hrv指标的特征值均值相乘，并将结果加总，获得对应的6个hrv因子分数fs
1-6
；将所得的因子分数fs
1-6
再次标准化，通过加4并开方来减少数据偏度，计算每个hrv因子的压力商sq
1-6
，将所获得的sq
1-6
进行取平均、标准化，进行线性变换，最终获得平均压力商asq。
[0051]
数据采集，采用biopac mp150和mp36(biopac systems，inc.，goleta，ca，usa)数据采集系统，两个系统均连接了心电图放大器模块(ecg100c)，以获取ecg记录。采集数据的实验室中，设置了白色(vin-)，红色(vin+)和黑色(gnd)引线的三引线配置。每个导联都连接到一次性电极上，并分别于被试者的右肩、左肩和左肋骨附近。使用acqknowledge v.4.1(biopac systems，inc.，goleta，ca，usa)，以200hz的采样率获得心电记录并将其保存在笔记本电脑上。为了确保被试者坐着不动并保持安静，使用e-prime 2.0在计算机屏幕上向他们展示了一段5分钟的动画云在天空中移动的视频。在开始视频和心电图记录之前，同时要求被试者将注意力保持在计算机屏幕上，不要说话或移动，并尝试放松，直到视频停止播放。
[0052]
数据预处理模块，采用开源hrv分析软件包对心电图数据进行时域分析、频域分析、非线性分析，获得61个hrv指标。
[0053]
时域分析主要涉及脉冲信号的统计测量，通过识别ecg记录中的r峰(即心跳)并测量rr间隔(rri)，去除伪影以获得正常的r峰和正常的rr区间(即nn区间)。rr间隔是两个连续r峰之间的时间间隔。然后，推导出有关rri的统计信息(例如，平均值、中位数、最大值、最小值)。接着，通过计算nn区间的标准差(即sdnn)、彼此相差超过50ms(即nn50)的相邻nn区间的数量或连续nn区间差值的均方根(即rmssd)，来获得统计度量。已知时域索引可对sns
和pns的激活及其动态交互进行引用。较低的时域指数表明心率变异性较小，因此与较高的应激相关。
[0054]
频域分析基于时域分析获得的测量值来检验脉冲信号的频谱分量。这种方法基于一个事实，即任何波形都是由不同频率的正弦波组成的。频域指数是通过应用快速傅里叶变换(fft)等算法获得的，该算法将原始时间序列脉冲信号转换为不同的频率。结果包括测量极低频率范围内的功率(vlf：≤0.04hz)、低频范围内的功率(lf：0.04-0.15hz)、高频范围内的功率(hf：0.15-0.4hz)以及lf与hf的比率(lf/hf)。已知频域指数可捕获sns、pns和压力感受器反射的活动。较低的hf、较低的vl、较高的lf和较高的lf/hf表示心率变异性较小，因此应激较高。
[0055]
非线性分析通过评估几个参数(如庞加莱图和去趋势波动分析)来了解心脏信号的复杂性。庞加莱图涉及将每个rri与下一个rri进行图形处理，其中rr(n)作为x轴，rr(n+1)作为y轴。该分析提供了三个hrv指标：sd1、sd2和sd1/sd2。sd1是垂直于庞加莱图上单位线的点之间的标准差。sd2是沿标识线的点之间的标准差。sd1/sd2是sd1与sd2的比率。由于hrvas没有提供hrv额外的sd1/sd2指标，所以在microsoftexcel(ibm公司)上进行计算sd1/sd2指标。庞加莱图捕获sns、pns和压力感受器反射的活动。较低的庞加莱图指数表明心率变异性较小，因此与较高的应激相关。去趋势波动分析(dfa)通过比较rri亚基之间的小分形结构与一系列rri之间的结构来检查脉冲信号的自仿射性。该分析提供了三个hrv指标：α、α1和α2。α从脉冲信号的整个记录中捕获自仿射性。α1捕获小于10次跳动的短窗口大小内的自仿射性。α2捕获超过10次跳动的任意值的长窗口大小内的自仿射性。dfa指数主要捕获压力感受器反射的活动。较高的dfa指数表明心率变异性不那么复杂和线性，因此压力更高。
[0056]
对所获得的61个hrv指标进行筛除，排除相同统计度量的变式hrv指标，包括使用不同的频域方法(自回归建模和lomb-scargle周期图)和时频方法(小波变换)所获得的频谱功率的统计量；排除了平均nn区间的标准差(sdann)，nn区间指数(sdnni)的标准差，hrv三角指数(hrvti)和nn区间直方图(tinn)的三角插值，最后得到29个hrv指标。接着采用ibm spss软件(ibm公司)对每个被试者筛选后的hrv指数进行z分数转换实现标准化。z得分低于-3和高于+3的数据被剔除，因为这些数据可能描绘了异常值，其中由于过度运动等问题产生的噪声可能被会引入信号中。
[0057]
技术方案还包含鞋带法因子分析模块，对所获得的29个hrv指数进行探索性因子分析。因子分析所采取的提取方法是主成分分析，旋转方法是kaiser正态方差最大变异法。接着，使用鞋带法对探索性因子分析得到的六维方法的稳健性进行统计评估。具体方法是随机抽样整个数据集的80％以执行因素分析，其中因子的数量固定为六个。执行一次后，将80％的数据集放回整个数据集中，再次随机抽样80％的数据以执行预先确定的6因子的因素分析。该过程在spss上进行了100次，产生了由6个因子解释的总方差量的100次结果，以及每个因子上每个hrv指数的因子载荷。最小值、最大值、mean(m)、标准差(sd)和95％置信区间(ci)是根据100因子分析结果计算的。
[0058]
技术方案还包括有hrv指数标准化模块。先将每个被试者的hrv指数结果的z分数，乘以他们各自的平均特征值，再进行加总，得到六个因子分数fs(见公式1)。
[0059]
fsn＝(z
mhr
×
aln
mhr
)+(z
sdhr
×
aln
sdhr
)+(z
maxrr
×
aln
maxrr
)+(z
minrr
×
aln
minrr
)+(z
mrr
×
aln
mrr
)+(z
medrr
×
aln
medrr
)+(z
sdnn
×
aln
sdnn
)+(z
nn50
×
aln
nn50
)+(z
pnn50
×
aln
pnn50
)+(z
rmssd
×
aln
rmssd
)+(z
avlf
×
aln
avlf
)+(z
alf
×
aln
alf
)+(z
ahf
×
aln
ahf
)+(z
atotal
×
aln
atotal
)+(z
pvlf
×
aln
pvlf
)+(z
plf
×
aln
plf
)+(z
phf
×
aln
phf
)+(z
vlf％
×
aln
vlf％
)+(z
lf％
×
aln
lf％
)+(z
hf％
×
aln
hf％
)+(z
lfnu
×
aln
lfnu
)+(z
hfnu
×
aln
hfnu
)+(z
lf/hf
×
aln
lf/hf
)+(z
sd1
×
aln
sd1
)+(z
sd2
×
aln
sd2
)+(z
sd1/sd2
×
aln
sd1/sd2
)+(z
α
×
aln
α
)+(z
α1
×
aln
α1
)+(z
α2
×
aln
α2
)
ꢀꢀꢀ
(1)
[0060]
其中fs是因子分数，n是给定因子，z是z分数，aln是因子n下的平均特征值，mhr是平均心率，sdhr是心率的标准偏差，maxrr是最大rr间期，minrr是最小rr间期，mrr是平均rr间期，medrr是中值rr间期，avlf是绝对vlf(ms2)，alf是绝对lf(ms2)，ahf是绝对hf(ms2)，atotal是绝对total(ms2)，pvlf是vlf峰值，plf是lf峰值，phf是hf峰值。
[0061]
表2为被试者1号的数据清单。
[0062]
表2被试者1号数据表
[0063][0064][0065]
fs1＝(-0.47709*0.19)+(-0.11612*0.48)+(-0.29937*0.8)+(0.71422*-0.15)+(-0.13313*0.81)+(0.17488*-0.03)+(-0.24519*0.86)+(-1.01092*0.11)+(-0.88278*
0.53)+(-0.26209*0.84)+(-0.04210*0.18)+(-0.04040*0.18)+(-0.04452*0.2)+(-0.04343*0.19)+(-0.00547*-0.08)+(0.93570*-0.01)+(0.84615*-0.03)+(-0.57111*0.38)+(-1.09171*0.28)+(1.04420*-0.31)+(-1.05360*0.29)+(1.04737*-0.29)+(-0.74968*0.28)+(-0.25748*0.84)+(-0.24382*0.87)+(-1.83342*0.09)+(2.13348*-0.36)+(0.52129*-0.11)+(2.06592*-0.33)＝-5.44865
[0066]
fs2＝(-0.47709*0.21)+(-0.11612*0.4)+(-0.29937*0.32)+(0.71422*-0.39)+(-0.13313*0.18)+(0.17488*-0.08)+(-0.24519*0.28)+(-1.01092*0.1)+(-0.88278*0.27)+(-0.26209*0.28)+(-0.04210*0.05)+(-0.04040*0.06)+(-0.04452*0.04)+(-0.04343*0.05)+(-0.00547*-0.1)+(0.93570*-0.18)+(0.84615*-0.41)+(-0.57111*0.58)+(-1.09171*0.9)+(1.04420*-0.89)+(-1.05360*0.9)+(1.04737*-0.9)+(-0.74968*0.87)+(-0.25748*0.28)+(-0.24382*0.28)+(-1.83342*-0.11)+(2.13348*-0.19)+(0.52129*0.34)+(2.06592*-0.24)＝-7.01254
[0067]
fs3＝(-0.47709*0.08)+(-0.11612*0.07)+(-0.29937*0.2)+(0.71422*-0.04)+(-0.13313*0.12)+(0.17488*-0.06)+(-0.24519*0.22)+(-1.01092*-0.04)+(-0.88278*0.06)+(-0.26209*0.26)+(-0.04210*0.96)+(-0.04040*0.96)+(-0.04452*0.97)+(-0.04343*0.97)+(-0.00547*0)+(0.93570*-0.02)+(0.84615*0.01)+(-0.57111*0.09)+(-1.09171*0.04)+(1.04420*-0.05)+(-1.05360*0.04)+(1.04737*-0.04)+(-0.74968*0.04)+(-0.25748*0.26)+(-0.24382*0.19)+(-1.83342*0.05)+(2.13348*-0.09)+(0.52129*0)+(2.06592*-0.08)＝-1.29412
[0068]
fs4＝(-0.47709*0.2)+(-0.11612*0.61)+(-0.29937*0.15)+(0.71422*-0.62)+(-0.13313*0.14)+(0.17488*-0.02)+(-0.24519*0.16)+(-1.01092*0.84)+(-0.88278*0.66)+(-0.26209*0.17)+(-0.04210*0.01)+(-0.04040*0.01)+(-0.04452*0.01)+(-0.04343*0.01)+(-0.00547*-0.49)+(0.93570*-0.2)+(0.84615*-0.12)+(-0.57111*0.37)+(-1.09171*0.07)+(1.04420*-0.13)+(-1.05360*0.09)+(1.04737*-0.09)+(-0.74968*0.09)+(-0.25748*0.16)+(-0.24382*0.15)+(-1.83342*0.56)+(2.13348*-0.23)+(0.52129*-0.6)+(2.06592*-0.06)＝-5.19135
[0069]
fs5＝(-0.47709*-0.11)+(-0.11612*-0.04)+(-0.29937*-0.16)+(0.71422*0.07)+(-0.13313*-0.06)+(0.17488*0.11)+(-0.24519*-0.14)+(-1.01092*-0.1)+(-0.88278*-0.19)+(-0.26209*-0.16)+(-0.04210*-0.04)+(-0.04040*-0.04)+(-0.04452*-0.04)+(-0.04343*-0.04)+(-0.00547*0.02)+(0.93570*0.18)+(0.84615*0.16)+(-0.57111*-0.19)+(-1.09171*-0.02)+(1.04420*0.05)+(-1.05360*-0.03)+(1.04737*0.03)+(-0.74968*-0.07)+(-0.25748*-0.16)+(-0.24382*-0.12)+(-1.83342*-0.57)+(2.13348*0.74)+(0.52129*0.31)+(2.06592*0.74)＝5.520563
[0070]
fs6＝(-0.47709*0.89)+(-0.11612*0.11)+(-0.29937*0.14)+(0.71422*-0.21)+(-0.13313*-0.36)+(0.17488*-0.95)+(-0.24519*0.13)+(-1.01092*-0.04)+(-0.88278*0.03)+(-0.26209*0.13)+(-0.04210*0.04)+(-0.04040*0.04)+(-0.04452*0.04)+(-0.04343*0.04)+(-0.00547*0.02)+(0.93570*-0.1)+(0.84615*0.2)+(-0.57111*0.1)+(-1.09171*0.1)+(1.04420*-0.1)+(-1.05360*0.1)+(1.04737*-0.1)+(-0.74968*0.12)+(-0.25748*0.13)+(-0.24382*0.13)+(-1.83342*15)+(2.13348*-0.12)+(0.52129*-0.14)+
(2.06592*-0.06)＝-29.3209
[0071]
进一步，对因子分数fs进行z转换。z分数低于-3和高于+3的数据被排除在外，因为它们可能是由于过度运动等问题引起的噪声信号。接下来，将标准化因子分数加上数值4，然后开方，以减少数据分布偏度；将所得结果值进行了z转换，再次排除了低于-3且高于+3的数据。此外，对因子1、因子2、因子3、因子4反转以及因子6进行了反向编码，以使这5项因子所反映的数值结果与压力呈正相关。具体来说，将乘以-1，使其表示较低的hrv，并反应较高的压力。而对因子5不采取反向编码，因为因子5主要由脉冲分形结构组成，能够直接表示较低的hrv和较高的压力。为了获得因子1到因子6(sq
1-6
)的压力商，对值进行了线性变换，使得压力商均值为50，标准差为10。sq
1-4，6
。sqn的计算方式见公式，sq5的计算方式见公式3。
[0072][0073]
其中sq是压力商，n是因子1-4、因子6之间的给定因子，z是z分数，fs是因子分数。
[0074][0075]
其中sq是应力商，z是z分数，fs是因子分数。
[0076][0077][0078][0079][0080][0081][0082]
最后，将所得的sq
1-6
进行平均，z转换和线性变换，以获得平均压力商(average stress quotient,asq)，使其均值为50，标准差为10(见公式4)。
[0083][0084][0085]
其中asq是平均压力商，z是z分数，sq是压力商。
[0086]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。