55、运动与牙科学生压力水平研究

运动与牙科学生压力水平研究

1. 运动与疲劳相关研究

在运动研究中，每个练习都进行了13轮。从相关表格中可以看到SDRR参数的波动情况。练习强度越低，SDRR参数值越大；对于高强度练习，该参数的离散程度较小。

使用Friedman检验得出p值，该检验用于检验各列效应分布是否相同的原假设，与它们不全相同的备择假设相对。在本研究中，不同的练习作为不同的列，估计的p < 0.001值导致拒绝原假设，这表明不同练习之间的SDRR参数存在统计学上的显著差异。这种统计方法与数据采样方法可用于机器学习分析，以创建运动分类器，但这需要更多的数据样本和额外的心电图参数估计。

通常，疲劳在训练 session 结束时出现。运动强度越高，疲劳程度越高，估计的SDRR参数值越低。例如，步行需要一些时间来降低SDRR值并产生疲劳感，但它从未达到“死虫式”或“滑步跳”的数值。从表格中可以看出，运动强度越高，疲劳出现得越快。在“滑步跳”练习中，SDRR参数值从一开始就很低，虽然有一些波动，但从未达到“步行”练习的数值。

Statistic	Dead - bug	Skater - jump	Squat	Walk
Mean	0.129	0.051	0.062	0.170
Standard deviation	0.029	0.010	0.025	0.039
p - value	<0.001 (Friedman test)
First round	0.127	0.040	0.138	0.239
Last round	0.109	0.043	0.052	0.141

运动数据的比较显示，对于更剧烈的运动，SDRR参数较低，疲劳出现得更快。即使在步行练习的第一轮，SDRRwalk = 0.239，而SDRRskater - jump = 0.040。

在信号处理方面，对人类动态活动期间生理信号记录进行信号伪影校正，对于分析和理解人体的工作方式非常重要。采用了具有自适应参数的不同算法来识别和提取伪影，以实现更好的心率变异性（HRV）估计。通过不同运动员的运动技术计算结果，以发现疲劳症状并评估HRV参数对信号处理的敏感性。去除伪影后，Poincare图参数SD1和SD2显示出随着身体疲劳增加的信息性变化。

mermaid图如下：

graph LR
    A[运动强度] --> B[SDRR参数]
    A --> C[疲劳出现速度]
    B --> D[低强度运动：SDRR值大]
    B --> E[高强度运动：SDRR值小且离散小]
    C --> F[低强度运动：疲劳出现慢]
    C --> G[高强度运动：疲劳出现快]

2. 牙科学生压力水平研究

牙科学生面临着专业压力，这种压力可能导致职业倦怠、焦虑症和临床抑郁症，影响他们的个人和职业生活，特别是后续临床工作的质量。本研究旨在评估波兰男女牙科低年级学生的压力感知水平和来源，并将他们的结果与以非母语英语学习的台湾男女低年级学生进行比较。

2.1 研究材料与方法

• 研究设备 ：使用JINS MEME ES_R（用于研究的眼动传感）设备，该设备配备了三点眼电图（EOG）和六轴惯性测量单元（IMU，包括3轴加速度计和3轴陀螺仪）；使用GPS智能手表Garmin Vivoactive 3测量心率。
• 研究对象分组 ：研究对象为20名波兰和台湾的西里西亚医科大学牙科三年级学生，分为四组：波兰女性低年级学生（PFJS）、波兰男性低年级学生（PMJS）、台湾女性低年级学生（TFJS）和台湾男性低年级学生（TMJS）。台湾学生的加入是为了考察以英语交流作为额外压力源的影响。
• 实验过程 ：
  1. 学生被要求在5分钟内完成一份由5个问题组成的牙科知识闭卷测试。
  2. 所有组的学生都要在标准的36号磨牙模型上进行窝洞制备任务，可限时或不限时。
  3. 波兰学生的测试和相关信息使用母语波兰语，台湾学生的测试使用英语。
  4. 所有参与者在测试和窝洞制备过程中都配备了监测设备（智能眼镜和智能手表），以控制定义压力强度的重要参数。

2.2 实验结果

• 测试完成时间与成绩 ：PFJS组平均完成测试时间为2分11秒，成绩为两个良好、一个满意和两个不及格；PMJS组平均完成时间为2分13秒，成绩为两个不及格、一个满意和两个良好；TFJS组平均完成时间为2分钟，成绩为两个良好、两个满意和一个不及格；TMJS组有四个良好和一个满意，平均完成时间为2分25秒。
• 心率分析 ：对心率的分析表明，各组之间没有统计学上的显著差异，但在执行相同任务时，女性的心率高于男性。
  | | PFJS Heart rate [BPM] | TFJS Heart rate [BPM] |
  | — | — | — |
  | Before Shaping a tooth | 106.2 | 103.4 |
  | After Shaping a tooth | 107.8 | |
  | Before Writing a test | 105.0 | 90.8 |
  | After Writing a test | 105.8 | |

	PMJS Heart rate [BPM]	TMJS Heart rate [BPM]
Before Shaping a tooth	92.4	92.2
After Shaping a tooth	85.6
Before Writing a test	86.8	87.8
After Writing a test	81.8

• 眼电图、陀螺仪和加速度计数据 ：从眼电图（EOG）、陀螺仪（GYRO）和加速度计（ACC）获得的数据显示，无论是波兰女性还是台湾女性，信号的振幅都高于男性。
  | | Shaping a tooth | | | Writing a test | |
  | — | — | — | — | — | — |
  | | PFJS | TFJS | | PFJS | TFJS |
  | EOG H | 50.64 | 32.68 | | 111.38 | 91.39 |
  | EOG V | 54.23 | 21.81 | | 97.86 | 37.34 |
  | GYRO X | 37.57 | 21.55 | | 44.15 | 41.1 |
  | GYRO Y | 31.79 | 21.25 | | 40.17 | 29.40 |
  | GYRO Z | 62.95 | 26.14 | | 53.09 | 30.49 |
  | ACC X | 89.88 | 75.42 | | 126.02 | 106.70 |
  | ACC Y | 114.85 | 70.78 | | 145.26 | 122.55 |
  | ACC Z | 67.02 | 74.60 | | 158.72 | 171.58 |

	Shaping a tooth			Writing a test
	PMJS	TMJS		PMJS	TMJS
EOG H	13.10	36.80		41.66	42.36
EOG V	24.58	24.55		52.18	40.37
GYRO X	21.47	16.51		29.84	36.58
GYRO Y	19.09	11.05		37.02	27.32
GYRO Z	13.42	8.95		23.78	27.33
ACC X	108.76	41.58		97.46	92.14
ACC Y	70.17	41.32		87.50	117.30
ACC Z	66.69	41.00		118.20	147.44

• 统计分析 ：对两组均值进行已知标准差的检验，结果如下表所示。假设显著性水平α = 0.1（预期值为1.65），带下划线的均值表示组间存在统计学上的显著差异；当显著性水平为0.2时，斜体的均值具有统计学上的重要差异。

	PFJS/PMJS tooth	PFJS/PMJS test	TFJS/TMJS tooth	TFJS/TMJS test
EOG H	2.49	1.93	- 0.22	1.31
EOG V	1.53	1.39	- 0.24	- 0.18
GYRO X	0.68	1.16	0.61	0.35
GYRO Y	0.69	0.16	1.44	0.32
GYRO Z	0.99	1.75	1.33	0.36
ACC X	- 0.36	0.70	0.93	0.39
ACC Y	0.69	1.25	0.96	0.11
ACC Z	0.008	1.19	0.95	0.49

mermaid图如下：

graph LR
    A[实验分组] --> B[PFJS]
    A --> C[PMJS]
    A --> D[TFJS]
    A --> E[TMJS]
    B --> F[完成测试与窝洞制备]
    C --> F
    D --> F
    E --> F
    F --> G[监测心率、眼动等参数]
    G --> H[数据分析与统计检验]

3. 综合分析与总结

从上述两个研究可以看出，无论是运动中的疲劳情况还是牙科学生的压力水平，都与个体的生理和心理状态密切相关。

在运动方面，SDRR参数与运动强度和疲劳之间存在明显的关联。这为通过监测生理信号来评估运动强度和疲劳程度提供了依据。例如，在体育训练中，可以根据SDRR参数的变化来调整训练计划，避免过度训练导致的疲劳积累。

在牙科学生压力研究中，不同性别和语言环境下的学生在测试和操作任务中的表现和生理反应有所不同。女性在心率和眼动信号等方面表现出相对较高的反应，而语言差异也可能对学生的压力水平产生影响。这提示在牙科教育中，需要关注学生的个体差异，提供更有针对性的支持和指导，以减轻学生的压力。

以下是一个综合的表格，对比运动研究和牙科学生压力研究的关键指标：
| 研究领域 | 关键指标 | 低强度表现 | 高强度表现 |
| — | — | — | — |
| 运动研究 | SDRR参数 | 值大 | 值小且离散小 |
| 运动研究 | 疲劳出现速度 | 慢 | 快 |
| 牙科学生压力研究 | 心率（女性） | 相对高 | 相对高 |
| 牙科学生压力研究 | 眼动信号振幅（女性） | 相对大 | 相对大 |

mermaid图如下：

graph LR
    A[研究领域] --> B[运动研究]
    A --> C[牙科学生压力研究]
    B --> D[SDRR参数]
    B --> E[疲劳出现速度]
    C --> F[心率]
    C --> G[眼动信号振幅]
    D --> H[低强度：值大]
    D --> I[高强度：值小且离散小]
    E --> J[低强度：慢]
    E --> K[高强度：快]
    F --> L[女性：相对高]
    G --> M[女性：相对大]

4. 实际应用与展望

这些研究结果在实际应用中具有重要意义。在运动领域，可以开发基于生理信号监测的运动辅助系统，帮助运动员和健身爱好者更好地控制运动强度和预防疲劳。例如，通过智能穿戴设备实时监测SDRR参数，当参数出现异常时及时提醒用户调整运动计划。

在牙科教育领域，可以根据学生的压力水平和个体差异，制定个性化的教学方案。例如，对于压力较大的学生，可以提供更多的心理辅导和实践指导，帮助他们更好地应对学习和临床工作中的挑战。

未来的研究可以进一步深入探讨生理信号与运动和压力之间的关系，开发更精确的监测和评估方法。同时，可以考虑将不同领域的研究成果进行整合，为提高人们的健康和生活质量提供更全面的支持。

列表总结未来研究方向：
1. 深入研究生理信号与运动和压力的复杂关系。
2. 开发更精确的生理信号监测和评估技术。
3. 整合不同领域研究成果，提供全面健康支持。
4. 探索个性化教学和训练方案的优化方法。

综上所述，运动与牙科学生压力水平的研究为我们了解人体在不同情境下的生理和心理反应提供了有价值的信息，这些信息对于促进健康和提高学习与工作效率具有重要的指导意义。