基于腦電響應(yīng)分析睡眠剝奪對(duì)運(yùn)動(dòng)表現(xiàn)的影響

紐曉丹，肖 濤，王保平，賀曉雄，池愛平

(陜西師范大學(xué) 體育學(xué)院， 陜西 西安 710119)

在耐力運(yùn)動(dòng)中，增加運(yùn)動(dòng)負(fù)荷會(huì)挑戰(zhàn)心血管和中樞神經(jīng)系統(tǒng)的功能[1]。運(yùn)動(dòng)過程中為了有良好的運(yùn)動(dòng)表現(xiàn)，機(jī)體既需要良好的心血管系統(tǒng)為肌肉提供足夠的代謝能量，又需要中樞神經(jīng)系統(tǒng)的高效相互作用[2]。睡眠是中樞神經(jīng)系統(tǒng)重要的穩(wěn)態(tài)功能，在運(yùn)動(dòng)表現(xiàn)中有重要作用。研究發(fā)現(xiàn)在自行車運(yùn)動(dòng)中，與正常睡眠狀態(tài)相比，4 h短期的睡眠剝奪會(huì)降低運(yùn)動(dòng)持續(xù)時(shí)間[3]，而4.5 h短期睡眠剝奪會(huì)導(dǎo)致受試者提前達(dá)到疲勞狀態(tài)[4]。Daaloul等[5]發(fā)現(xiàn)睡眠剝奪后，再進(jìn)行午休30 min可提高認(rèn)知結(jié)果和身體機(jī)能，故睡眠狀態(tài)直接影響運(yùn)動(dòng)表現(xiàn)。

基于腦電信號(hào)(electroencephalogram，EEG)的腦功能網(wǎng)絡(luò)分析可以了解大腦不同腦區(qū)之間的交互工作模式[6-8]。中樞神經(jīng)活動(dòng)的變化與大腦各區(qū)域之間功能連接和信息重組有關(guān)，而基于圖論的腦功能網(wǎng)絡(luò)拓?fù)浞治隹梢远糠治鲂畔⒆兓闆r。研究發(fā)現(xiàn)，全身力竭運(yùn)動(dòng)后受試者的皮質(zhì)脊髓興奮性被抑制，即運(yùn)動(dòng)誘發(fā)電位幅度降低[9]。在功能上，力竭運(yùn)動(dòng)后，男子運(yùn)動(dòng)員的軀體感覺運(yùn)動(dòng)區(qū)與小腦、海馬旁回及額葉和小腦之間的功能連接降低[10]。文獻(xiàn)[11]報(bào)道了16名運(yùn)動(dòng)員進(jìn)行在跑臺(tái)上進(jìn)行分級(jí)運(yùn)動(dòng)跑步直至力竭，結(jié)果顯示力竭運(yùn)動(dòng)后，大腦的網(wǎng)絡(luò)效率逐漸下降，同時(shí)隨著運(yùn)動(dòng)疲勞逐漸加深，聚類系數(shù)也呈現(xiàn)下降趨勢(shì)。上述研究從腦功能網(wǎng)絡(luò)層面揭示運(yùn)動(dòng)表現(xiàn)的中樞神經(jīng)特征。

雖然大量研究探索了運(yùn)動(dòng)表現(xiàn)的腦功能網(wǎng)絡(luò)特征，但目前對(duì)睡眠影響運(yùn)動(dòng)表現(xiàn)的中樞神經(jīng)機(jī)制知之甚少。因此，本文通過建立睡眠剝奪模型和運(yùn)動(dòng)模型，使用無創(chuàng)腦電實(shí)驗(yàn)儀器，檢測(cè)睡眠充足和睡眠不足狀態(tài)下進(jìn)行運(yùn)動(dòng)前后的腦功能網(wǎng)絡(luò)特征，從大尺度腦功能網(wǎng)絡(luò)層面揭示睡眠影響運(yùn)動(dòng)表現(xiàn)的中樞神經(jīng)機(jī)制，為提升運(yùn)動(dòng)表現(xiàn)提供理論基礎(chǔ)。

1 研究對(duì)象與方法

1.1 研究對(duì)象與分組

本研究通過招募，篩選了30名身體健康且具有一定運(yùn)動(dòng)能力的男性大學(xué)生作為實(shí)驗(yàn)對(duì)象，篩選標(biāo)準(zhǔn)：(1)視力或矯正視力正常，且為右利手；(2)受試者在24 h內(nèi)無抽煙、喝酒、喝咖啡、劇烈運(yùn)動(dòng)或情緒波動(dòng)等情況；(3)根據(jù)身體機(jī)能檢測(cè)儀(GT9X-BT)，受試者均睡眠質(zhì)量良好，且無與睡眠相關(guān)的疾病。排除標(biāo)準(zhǔn)：(1)患有心臟病、精神病、家族病等病史；(2)睡眠質(zhì)量較差。測(cè)試前告知受試者本次實(shí)驗(yàn)的過程與目的，并簽署知情同意書，自愿參與本次實(shí)驗(yàn)，研究根據(jù)《赫爾辛基宣言》指導(dǎo)進(jìn)行，參與者均簽署了知情同意書，經(jīng)陜西師范大學(xué)審議委員會(huì)批準(zhǔn) (協(xié)議代碼202016002，批準(zhǔn)日期2020年1月17日)。研究對(duì)象統(tǒng)計(jì)學(xué)特征見表1。

表1 研究對(duì)象統(tǒng)計(jì)學(xué)特征

1.2 睡眠剝奪模型的建立

依據(jù)美國(guó)睡眠基金會(huì)關(guān)于18～25歲青年人夜晚睡眠時(shí)間的推薦量(2015)[12]，即：睡眠時(shí)間<4 h為重度睡眠不足，4 h≤睡眠時(shí)間<7 h為輕度睡眠不足，睡眠時(shí)間≥7 h為正常睡眠。本實(shí)驗(yàn)中建立的睡眠剝奪模型如下：(1) 30名實(shí)驗(yàn)對(duì)象在造模前保證睡眠良好，無軀體與精神方面的疲勞積累。(2) 在運(yùn)動(dòng)前日晚22點(diǎn)，佩戴人體能耗檢測(cè)儀(GT9X-BT)與極性心率傳感器(ActiLife)，記錄24 h內(nèi)的睡眠時(shí)間、體力活動(dòng)強(qiáng)度與時(shí)間，采集頻率為1 000 Hz。(3) 參與者于測(cè)試前在實(shí)驗(yàn)室靜坐休息，確保實(shí)驗(yàn)對(duì)象靜坐期間處于清醒狀態(tài)，直至凌晨3:00開始睡覺，7:00前被喚醒，保證實(shí)際睡眠時(shí)間<4 h，認(rèn)定為睡眠剝奪組(sleep deprivation，SD)。(4) 正常睡眠對(duì)照組(normal control，NC)依然為同組實(shí)驗(yàn)對(duì)象，入睡時(shí)間為晚上10點(diǎn)，喚醒時(shí)間為次日晨7點(diǎn)，保證實(shí)際睡眠時(shí)間≥7小時(shí)。

1.3 運(yùn)動(dòng)方案的建立

運(yùn)動(dòng)方案采用Bruce 運(yùn)動(dòng)方案，跑臺(tái)設(shè)置參數(shù)見表2。在跑臺(tái)(cos10253 德國(guó))進(jìn)行運(yùn)動(dòng)測(cè)試。受試者在上跑臺(tái)前佩戴安全保護(hù)繩索并且佩戴Polar表監(jiān)測(cè)和記錄動(dòng)態(tài)心率，啟動(dòng)跑臺(tái)后，受試者從第一級(jí)(速度為2.7 km/h，坡度為10%)開始運(yùn)動(dòng)，之后每3 min速度和坡度均會(huì)逐漸遞增。在運(yùn)動(dòng)期間受試者佩戴便攜式血壓計(jì)(歐姆龍)以便記錄運(yùn)動(dòng)中的動(dòng)態(tài)血壓值和心率，同時(shí)采用運(yùn)動(dòng)負(fù)荷主觀感覺評(píng)估表(rating of perceived exertion，RPE)于每級(jí)運(yùn)動(dòng)末詢問受試者的主觀感受并記錄。在其運(yùn)動(dòng)終止后，立刻記錄運(yùn)動(dòng)終止時(shí)的Bruce方案等級(jí)與總運(yùn)動(dòng)時(shí)間。

表2 Bruce方案各級(jí)別的運(yùn)動(dòng)負(fù)荷

運(yùn)動(dòng)終止的判斷標(biāo)準(zhǔn)依據(jù)文獻(xiàn)[13-14]，即受試者出現(xiàn)以下4種情況中任意3種情況即可終止運(yùn)動(dòng)：(1) 行為表現(xiàn)，受試者表現(xiàn)出呼吸困難情況；(2) 血壓變化，受試者收縮壓(systolic blood pressure，SBP) >150 mm Hg和舒張壓(diastolic blood pressure，DBP)>75 mm Hg；(3) 心率，受試者心率接近或達(dá)到本人HRmax=208-0.7×年齡[15-16]；(4) RPE等級(jí)，受試者RPE值達(dá)到18～19級(jí)時(shí)，經(jīng)過鼓勵(lì)后仍無法繼續(xù)運(yùn)動(dòng)。

1.4 腦電數(shù)據(jù)采集與分析

1.4.1 腦電數(shù)據(jù)采集

腦電測(cè)試過程中需保持實(shí)驗(yàn)室安靜，實(shí)驗(yàn)室內(nèi)的燈光、溫度適宜，采集數(shù)據(jù)時(shí)受試者坐在舒適的椅子上，且禁止攜帶電子產(chǎn)品(手機(jī)、電子表等)。告知受試者測(cè)試過程中閉眼，且始終保持清醒狀態(tài)；同時(shí)為了避免外界干擾，受試者測(cè)試過程中需全程佩戴耳塞與防噪耳機(jī)(3MX5A)。腦電數(shù)據(jù)的采集主要分2次進(jìn)行：第一次采集受試者安靜狀態(tài)下基線值，采集時(shí)間為8 min，從采集的數(shù)據(jù)中選取5 min進(jìn)行分析；第二次采集受試者大強(qiáng)度運(yùn)動(dòng)后的EEG數(shù)據(jù)，同第一次采集時(shí)間和選取分析時(shí)段相同。由于佩戴腦電帽在跑步機(jī)上進(jìn)行大強(qiáng)度運(yùn)動(dòng)時(shí)會(huì)造成采集到的腦電數(shù)據(jù)大幅度漂移，故本研究未采集運(yùn)動(dòng)中的數(shù)據(jù)。

采用國(guó)際10-20系統(tǒng)擴(kuò)展的32導(dǎo)電極帽的高分辨率腦電采集系統(tǒng)(Neuroscan)完成對(duì)2組受試者腦功能連接EEG信號(hào)的采集。腦電信號(hào)采集條件：記錄在線EEG數(shù)據(jù)采用0.05～100 Hz帶通濾波，采樣頻率為1 000 Hz/導(dǎo)，以雙側(cè)乳突為參考電極，前額接地；放置左眼上方和下方的電極記錄垂直眼電圖(electrooculography，EOG)活動(dòng)，放置雙眼外側(cè)的電極記錄水平EOG活動(dòng)。所有電極與頭皮之間阻抗都小于5 kΩ；采集前24 h內(nèi)，被試不能抽煙、喝酒、服用藥物、喝含咖啡因的飲料，且不能有大強(qiáng)度運(yùn)動(dòng)以及情緒波動(dòng)等事件發(fā)生。

1.4.2 腦電數(shù)據(jù)預(yù)處理

使用MATLAB的EEGLAB工具箱對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。具體的預(yù)處理過程如下：進(jìn)行帶通濾波(0.5～100 Hz)和凹陷濾波(48～52 Hz),將采樣率降至500 Hz,將雙側(cè)乳突(M1、M2)作為參考電極,將數(shù)據(jù)分為2 s/段；去掉漂移很大的時(shí)間段數(shù)據(jù)，并記錄壞電極。采用獨(dú)立主成分分析(ICA)算法校正信號(hào)中可能存在的眼電偽跡和其他偽跡信號(hào)，如肌電、心電等；觀察并確定各個(gè)獨(dú)立成分屬性。

1.4.3腦網(wǎng)絡(luò)構(gòu)建

本研究采用相位延遲指數(shù)(phase lag index，公式中用VPLI表示)來計(jì)算電極X和電極Y的相位差。在帶通濾波后對(duì)X電極和Y電極各個(gè)頻段腦電進(jìn)行Hilbter變換，提取各頻段信號(hào)相位，計(jì)算X電極和Y電極各個(gè)頻段的相應(yīng)相位差，計(jì)算每個(gè)分段的PLI[17]，計(jì)算公式為

|Δφn,m(t)|=|nφj(t)-mφk(t)|，

(1)

VPLI=|〈sign[Δφ(t)]〉|。

(2)

式中：φj代表頻率點(diǎn)n的相位;φk代表頻率點(diǎn)m的相位;Δφ(t)代表兩個(gè)通道之間的瞬時(shí)相位差。sign為符號(hào)函數(shù)；〈 〉代表求均值;VPLI的取值范圍是[0,1]，1表示完全相位同步，0表示無相位同步。

1.4.4 圖論分析

根據(jù)生成的PLI網(wǎng)絡(luò)矩陣，進(jìn)一步計(jì)算網(wǎng)絡(luò)特征。PLI矩陣代表功能節(jié)點(diǎn)之間的連接狀態(tài)，使用連續(xù)的稀疏閾值T將PLI矩陣轉(zhuǎn)化為相應(yīng)的二進(jìn)制矩陣。將步長(zhǎng)確定為0.02，0.1≤T≤0.6。每個(gè)波段共獲得36個(gè)稀疏度逐步增加的腦功能網(wǎng)絡(luò)集。圖論分析中經(jīng)常使用聚類系數(shù)、特征路徑長(zhǎng)度、全局和局部效率來量化網(wǎng)絡(luò)的特征[18-19]。

(1)聚類系數(shù)是復(fù)雜網(wǎng)絡(luò)中的局部特征，反映腦網(wǎng)絡(luò)中各節(jié)點(diǎn)的密集程度。

(3)

式中：Ci是一個(gè)節(jié)點(diǎn)的聚類系數(shù)；aij、aih、ajh表示節(jié)點(diǎn)i、j和h之間的連接情況(如有連接邊，其值取1，否則取0)；ki是一個(gè)節(jié)點(diǎn)的連接度。

(2)特征路徑長(zhǎng)度定義為

(4)

式中：N為節(jié)點(diǎn)連接網(wǎng)絡(luò)中所有節(jié)點(diǎn)的集合；n為網(wǎng)絡(luò)中節(jié)點(diǎn)數(shù)；dij表示節(jié)點(diǎn)i和j之間的最短路徑。

(3)局部效率EL可以用來衡量局部信息的傳輸能力，定義為

(5)

式中:EL,i是節(jié)點(diǎn)i的局部效率;djh(Ni)是節(jié)點(diǎn)j和h經(jīng)過節(jié)點(diǎn)i的所有路徑中的最短路徑。

(4)全局效率Eg是衡量復(fù)雜網(wǎng)絡(luò)中信息傳遞速度的重要指標(biāo)，定義為

(6)

式中：Ei表征一個(gè)節(jié)點(diǎn)的全局效率；dij表示節(jié)點(diǎn)間的最短路徑。

1.5 數(shù)據(jù)統(tǒng)計(jì)方法

使用SPSS 26.0軟件進(jìn)行分析，采用Shapiro-Wilk檢驗(yàn)每組數(shù)據(jù)是否符合正態(tài)分布。不符合正態(tài)分布的數(shù)據(jù)采用非參數(shù)檢驗(yàn)，符合正態(tài)分布的數(shù)據(jù)采用參數(shù)檢驗(yàn)。采用非參數(shù)檢驗(yàn)中的Welcoxon-test對(duì)受試者統(tǒng)計(jì)學(xué)特征和運(yùn)動(dòng)模型的評(píng)估進(jìn)行分析。以睡眠為組間變量(睡眠充足組、睡眠剝奪組)，以運(yùn)動(dòng)(運(yùn)動(dòng)前、運(yùn)動(dòng)后)和頻段(δ、θ、α1、α2、β1和β2)為組內(nèi)變量對(duì)網(wǎng)絡(luò)拓?fù)鋵傩跃垲愊禂?shù)、特征路徑長(zhǎng)度、全局效率和局部效率進(jìn)行三因素混合方差分析。所有重復(fù)測(cè)量方差分析使用Mauchly’s球形假設(shè)檢驗(yàn)來判斷是否符合球形假設(shè)，對(duì)不滿足球形檢驗(yàn)的采用Greenhouse-Geisser方法進(jìn)行校正，事后配對(duì)比較采用Bonferroni法進(jìn)行校正。數(shù)據(jù)結(jié)果以“均值±標(biāo)準(zhǔn)差”的形式表示，將P<0.05作為具有顯著性差異的標(biāo)準(zhǔn)。

2 結(jié)果

2.1 運(yùn)動(dòng)模型的評(píng)估

依據(jù)美國(guó)睡眠基金會(huì)關(guān)于18～25歲青年人夜晚睡眠時(shí)間的推薦量(2015)[12]，本實(shí)驗(yàn)通過記錄測(cè)試受試者夜晚實(shí)際睡眠時(shí)間，將睡眠時(shí)間<4 h確定為判斷睡眠剝奪造模是否成功的主要條件。將呼吸困難、血壓明顯升高、最大心率達(dá)到180次/min以上、運(yùn)動(dòng)中的RPE等級(jí)達(dá)到18級(jí)等4項(xiàng)條目作為運(yùn)動(dòng)終止的篩選條件；將運(yùn)動(dòng)開始至運(yùn)動(dòng)終止的時(shí)間作為評(píng)價(jià)測(cè)試者運(yùn)動(dòng)成績(jī)的依據(jù)。實(shí)驗(yàn)結(jié)果如表3所示。

表3 運(yùn)動(dòng)模型的評(píng)估結(jié)果(n=30)

表3結(jié)果顯示，睡眠剝奪后，實(shí)驗(yàn)對(duì)象的睡眠時(shí)間均不足4 h，說明睡眠剝奪模型建模成功，而正常睡眠組的睡眠時(shí)間均≥7 h，符合“美國(guó)睡眠基金會(huì)關(guān)于青年人夜晚正常睡眠時(shí)間”的推薦量。按照運(yùn)動(dòng)終止的標(biāo)準(zhǔn)，在睡眠剝奪和睡眠充足兩種情況下，實(shí)驗(yàn)對(duì)象在運(yùn)動(dòng)末期均感到呼吸困難、心率達(dá)到180次/min以上、RPE等級(jí)達(dá)到18級(jí)以上，而且實(shí)驗(yàn)對(duì)象運(yùn)動(dòng)末的收縮壓與舒張壓平均值均超過150 mmHg和75 mmHg。上述結(jié)果證實(shí)測(cè)試者均符合運(yùn)動(dòng)終止條件。與睡眠充足組相比較，實(shí)驗(yàn)對(duì)象在睡眠剝奪的情況下，其運(yùn)動(dòng)持續(xù)時(shí)間顯著降低(P<0.01)，表明睡眠剝奪會(huì)使實(shí)驗(yàn)對(duì)象的運(yùn)動(dòng)成績(jī)明顯降低。

2.2 腦功能網(wǎng)絡(luò)構(gòu)建

圖1為兩組受試者運(yùn)動(dòng)前的平均PLI連接矩陣圖，圖2為兩組受試者運(yùn)動(dòng)后的平均PLI連接矩陣圖。根據(jù)PLI矩陣，可以進(jìn)一步計(jì)算腦功能網(wǎng)絡(luò)的特征參數(shù)。

NC：睡眠充足組；SD：睡眠剝奪組；SD vs. NC：兩組的差異。

NC：睡眠充足組；SD：睡眠剝奪組；SD vs. NC：兩組的差異。

2.3 聚類系數(shù)

對(duì)聚類系數(shù)進(jìn)行2(睡眠)×2(運(yùn)動(dòng))×6(頻段)的三因素重復(fù)測(cè)量方差分析，結(jié)果見表4。結(jié)果顯示睡眠、運(yùn)動(dòng)與頻段三者之間的交互作用顯著(F(5,145)=4.54,P<0.01,η2=0.14)。簡(jiǎn)單效應(yīng)分析發(fā)現(xiàn)，在δ頻段運(yùn)動(dòng)前睡眠剝奪組比睡眠充足組的上聚類系數(shù)顯著降低(P<0.05)，而在其余5個(gè)頻段上均未發(fā)現(xiàn)任何顯著差異(P>0.05)。運(yùn)動(dòng)后，在δ、θ和α1頻段上睡眠剝奪組比睡眠充足組聚類系數(shù)顯著升高(P<0.001或P<0.05)，而在其余3個(gè)頻段上均未發(fā)現(xiàn)任何顯著差異(P>0.05)。

表4 不同頻段上Cp的統(tǒng)計(jì)結(jié)果

2.4 特征路徑長(zhǎng)度

對(duì)特征路徑長(zhǎng)度進(jìn)行2(睡眠)×2(運(yùn)動(dòng))×6(頻段)的三因素重復(fù)測(cè)量方差分析，結(jié)果見表5。結(jié)果發(fā)現(xiàn)，睡眠、運(yùn)動(dòng)與頻段三者之間的交互作用顯著(F(3.25, 94.36)=8.68，P<0.001，η2=0.23)。簡(jiǎn)單效應(yīng)分析發(fā)現(xiàn)，運(yùn)動(dòng)前睡眠剝奪組比睡眠充足組在θ頻段上特征路徑長(zhǎng)度顯著降低(P<0.05)，而在其余5個(gè)頻段上均未發(fā)現(xiàn)任何顯著差異。運(yùn)動(dòng)后睡眠剝奪組比睡眠充足組在δ和θ頻段上特征路徑長(zhǎng)度顯著升高(P<0.001)，而在α1頻段上的特征路徑長(zhǎng)度顯著降低(P<0.05)，在其余3個(gè)頻段上均未發(fā)現(xiàn)任何顯著差異。

表5 不同頻段上Lp的統(tǒng)計(jì)結(jié)果

2.5 全局效率

對(duì)全局效率進(jìn)行2(睡眠)×2(運(yùn)動(dòng))×6(頻段)的三因素重復(fù)測(cè)量方差分析，結(jié)果見表6。結(jié)果顯示，睡眠、運(yùn)動(dòng)與頻段三者之間的交互作用顯著(F(3.06, 88.85)=9.50，P<0.001，η2=0.25)。簡(jiǎn)單效應(yīng)分析發(fā)現(xiàn)，運(yùn)動(dòng)前睡眠剝奪組比睡眠充足組在θ頻段上全局效率顯著降低(P<0.001)，而在其余5個(gè)頻段上均未發(fā)現(xiàn)任何顯著差異。運(yùn)動(dòng)后睡眠剝奪組比睡眠充足組在δ、θ和α1頻段上全局效率顯著降低(P<0.001或P<0.05)，而在其余3個(gè)頻段上均未發(fā)現(xiàn)任何顯著差異。

表6 不同頻段上全局效率的統(tǒng)計(jì)結(jié)果

2.6 局部效率

對(duì)局部效率進(jìn)行2(睡眠)×2(運(yùn)動(dòng))×6(頻段)的三因素重復(fù)測(cè)量方差分析，結(jié)果見表7。統(tǒng)計(jì)分析結(jié)果顯示，睡眠、運(yùn)動(dòng)與頻段三者之間的交互作用顯著(F(5, 145)=2.73，P<0.05，η2=0.09)。簡(jiǎn)單效應(yīng)分析發(fā)現(xiàn)，運(yùn)動(dòng)前睡眠剝奪組比睡眠充足組在6個(gè)頻段上均未發(fā)現(xiàn)任何顯著差異。運(yùn)動(dòng)后睡眠剝奪組比睡眠充足組在δ、θ和α1頻段上局部效率顯著升高(P<0.05)，而在其余3個(gè)頻段上均未發(fā)現(xiàn)任何顯著差異。

表7 不同頻段上局部效率的統(tǒng)計(jì)結(jié)果

3 討論

與正常睡眠狀態(tài)相比，總體睡眠剝奪會(huì)導(dǎo)致耐力運(yùn)動(dòng)員的運(yùn)動(dòng)表現(xiàn)受損10%[20]。睡眠剝奪時(shí)間越長(zhǎng)，運(yùn)動(dòng)期間的最大攝氧量以及運(yùn)動(dòng)表現(xiàn)顯著性降低[21]。本研究顯示睡眠剝奪后受試者的HRmax逐漸增加，呼吸困難、收縮壓與舒張壓也隨之增加；同時(shí)睡眠剝奪后，受試者的運(yùn)動(dòng)時(shí)間逐漸減少，運(yùn)動(dòng)成績(jī)顯著降低，進(jìn)一步證明了睡眠剝奪會(huì)影響運(yùn)動(dòng)表現(xiàn)。

腦網(wǎng)絡(luò)分析的基本思想是利用圖論來確定腦網(wǎng)絡(luò)拓?fù)涮匦浴Ｔ谀X功能網(wǎng)絡(luò)中，特征路徑長(zhǎng)度和全局效率反映了信息在網(wǎng)絡(luò)的整體傳輸能力；而聚類系數(shù)與局部效率從網(wǎng)絡(luò)局部的角度刻畫了信息傳遞與處理的快慢[22]。本研究顯示：受試者在睡眠剝奪后，δ頻段的聚類系數(shù)降低和θ頻段的路徑長(zhǎng)度和全局效率降低。δ頻段為 1～3 Hz 的腦電波，多出現(xiàn)在顳葉和枕葉，與睡眠品質(zhì)好壞有直接關(guān)聯(lián)[23]；θ頻段為 4～7 Hz的腦電波，與腦部邊緣系統(tǒng)有明顯直接的關(guān)系，與記憶功能有關(guān)。并且中央額區(qū)的θ頻段被認(rèn)為與思維活動(dòng)和集中程度等相關(guān)[24]。上述結(jié)果表明睡眠剝奪后，大腦信息傳輸量減少、傳輸效率降低，這些變化是由于睡眠剝奪導(dǎo)致中樞疲勞的表現(xiàn)。有研究采用EEG記錄正常睡眠和睡眠剝奪40 h后5 min的腦電數(shù)據(jù)，β頻段的特征路徑長(zhǎng)度和聚類系數(shù)下降表明睡眠剝奪會(huì)影響腦區(qū)不同的認(rèn)知過程[25]。楊柳[26]選取37名受試者進(jìn)行2次40 h睡眠剝奪和正常睡眠，采用自身前后對(duì)照實(shí)驗(yàn)發(fā)現(xiàn):在δ頻段上的聚類系數(shù)和特征路徑長(zhǎng)度在睡眠剝奪后升高，而全局效率呈現(xiàn)相反的變化；在α頻段上的聚類系數(shù)、局部效率和全局效率均降低，特征路徑長(zhǎng)度升高。本研究未發(fā)現(xiàn)頻段β和α的改變，可能與睡眠剝奪時(shí)長(zhǎng)較短有關(guān)。

本研究發(fā)現(xiàn)，力竭運(yùn)動(dòng)后睡眠剝奪組的腦功能網(wǎng)絡(luò)特征參數(shù)在δ、θ和α頻段發(fā)生改變。δ和θ頻段上的聚類系數(shù)、特征路徑長(zhǎng)度和局部效率呈現(xiàn)升高趨勢(shì)，全局效率降低；α1頻段的聚類系數(shù)和局部效率升高，特征路徑長(zhǎng)度和局部效率降低。由θ頻段上全局效率降低的特征，可以認(rèn)為大強(qiáng)度的力竭運(yùn)動(dòng)會(huì)嚴(yán)重降低腦功能網(wǎng)絡(luò)效率。Porter等[27]報(bào)道了在極限運(yùn)動(dòng)強(qiáng)度下完成數(shù)學(xué)任務(wù)的工作，發(fā)現(xiàn)θ頻段上節(jié)點(diǎn)的度在右額葉和左額葉區(qū)域增加，而在中額葉區(qū)域顯著降低，但是隨著任務(wù)變得更加困難時(shí)，θ頻段上的度和聚類系數(shù)降低，表明極限運(yùn)動(dòng)強(qiáng)度會(huì)造成大腦認(rèn)知能力喪失，這與本文結(jié)果一致。

綜上所述，睡眠剝奪和運(yùn)動(dòng)均會(huì)對(duì)腦功能網(wǎng)絡(luò)產(chǎn)生影響，在睡眠剝奪狀態(tài)下，力竭運(yùn)動(dòng)會(huì)導(dǎo)致聚類系數(shù)更低，特征路徑長(zhǎng)度更短，全局效率降低，大腦整合信息的能力進(jìn)一步減弱。

4 結(jié)論

本文利用PLI構(gòu)建了受試者在睡眠剝奪狀態(tài)下和睡眠充足狀態(tài)下進(jìn)行運(yùn)動(dòng)前后的腦功能網(wǎng)絡(luò)。結(jié)果表明：睡眠剝奪和運(yùn)動(dòng)均會(huì)對(duì)腦功能網(wǎng)絡(luò)指標(biāo)產(chǎn)生影響，睡眠不足會(huì)加劇降低運(yùn)動(dòng)中大腦的工作效率與傳遞信息速度，進(jìn)而影響受試者的運(yùn)動(dòng)表現(xiàn)。