手機(jī)使用者HRV 大數(shù)據(jù)的處理方法及預(yù)警系統(tǒng)

謝從晉，楊 柳，杜兵芳

（1.重慶外語外事學(xué)院，重慶；2.重慶財(cái)經(jīng)學(xué)院，重慶）

引言

智能手機(jī)作為當(dāng)前最主要的信息化工具，正在深刻影響和改變?nèi)藗兩a(chǎn)生活的各方面。據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心發(fā)布的第51 次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》顯示：截至2022 年12 月，我國網(wǎng)民規(guī)模為10.67 億；人均每周上網(wǎng)時(shí)長約為27 小時(shí)。

手機(jī)的使用行為對人們身心健康產(chǎn)生的影響，逐漸成為學(xué)者們的研究熱點(diǎn)問題。新疆生產(chǎn)建設(shè)兵團(tuán)的高伊雯和中南大學(xué)的劉晨卉等人（2023 年），使用自測健康評定量表和問卷，對780 多名大學(xué)生進(jìn)行了調(diào)研，發(fā)現(xiàn)大學(xué)生日均手機(jī)使用時(shí)長對自測生心健康和自測社會(huì)健康均有顯著影響，并提出了全社會(huì)應(yīng)積極倡導(dǎo)健康使用手機(jī)，控制手機(jī)不良使用行為的建議[1]；高靜和趙闖等人（2014 年），利用問卷調(diào)研了1000 余學(xué)生使用手機(jī)行為和身體癥狀，得出多數(shù)人認(rèn)為手機(jī)的使用已經(jīng)為自己帶來了一定程度的身體機(jī)能損害甚至引發(fā)疾病的結(jié)論[2]；吉林大學(xué)柴晶鑫（2017 年），在大學(xué)生手機(jī)依賴行為意向及影響因素的研究中，發(fā)現(xiàn)近85%研究對象具有手機(jī)依賴癥[3]；陶舒曼（2017 年），研究了醫(yī)學(xué)生問題性手機(jī)使用行為與心理病理癥狀的關(guān)聯(lián)等問題，認(rèn)為問題性手機(jī)使用行為會(huì)增加學(xué)生心理病理癥狀的風(fēng)險(xiǎn)[4]。

學(xué)者們前期的研究成果頗豐，但主要集中在問卷調(diào)研和自測方面，缺乏利用人體生理指標(biāo)數(shù)據(jù)做進(jìn)一步的客觀分析。本文從人體心率變異性指標(biāo)著手，介紹HRV 大數(shù)據(jù)采集平臺的搭建，以及數(shù)據(jù)的處理方法、指標(biāo)的選擇等，并開展了實(shí)測實(shí)驗(yàn)。

1 手機(jī)使用者HRV 大數(shù)據(jù)的采集與處理

1.1 HRV 大數(shù)據(jù)遠(yuǎn)程采集與處理系統(tǒng)

為了采集和監(jiān)測用戶使用智能手機(jī)時(shí)的HRV 指標(biāo)，搭建了一套專用的HRV 大數(shù)據(jù)采集與處理系統(tǒng)，用以研究手機(jī)使用行為對人體身心健康產(chǎn)生的影響。該系統(tǒng)包含手機(jī)端數(shù)據(jù)采集APP、穿戴式心電采集裝置和PC 電腦端數(shù)據(jù)處理與分析系統(tǒng)[5-6]，見圖1。

圖1 HRV 大數(shù)據(jù)采集與處理系統(tǒng)各模塊示意

手機(jī)端數(shù)據(jù)采集APP 的操作頁面包括賬戶管理頁、功能選擇頁、信息填寫頁、傳感器狀態(tài)頁、數(shù)據(jù)采集頁、大數(shù)據(jù)分析頁、預(yù)警信息查看頁和文件管理頁等。軟件有賬號注冊、登錄與注銷、信息填寫、傳感器狀態(tài)顯示、藍(lán)牙設(shè)備連接、心電數(shù)據(jù)采集、心電波形顯示、去噪、HRV 數(shù)據(jù)記錄、文件存儲和遠(yuǎn)程傳輸、文件管理功能，以及接收遠(yuǎn)程分析文件并向用戶展示分析結(jié)果等功能。其中，數(shù)據(jù)采集頁是手機(jī)端軟件最核心的功能頁面，其界面如圖2 所示。

圖2 數(shù)據(jù)采集頁效果

穿戴式心電采集裝置是以BMD101 心電芯片為核心的采集儀器，其具備藍(lán)牙連接功能，通過貼敷式電極片采集心電數(shù)據(jù)，并無線發(fā)送給手機(jī)端軟件。

PC 電腦端軟件供管理后臺使用，其主要功能是處理用戶HRV 數(shù)據(jù)，具體包括數(shù)據(jù)文檔下載、數(shù)據(jù)批處理、預(yù)警信息和報(bào)告生成、處理結(jié)果上傳，其界面如圖3 所示。

圖3 PC 電腦端軟件界面效果

1.2 濾波與抗干擾性

心電信號（ECG）易受干擾而導(dǎo)致嚴(yán)重失真，為了提高系統(tǒng)采集HRV 數(shù)據(jù)的準(zhǔn)確率，心電采集儀傳送來的原始ECG 數(shù)據(jù)必須要經(jīng)過濾波、識別R 波后才能存儲、運(yùn)用。

本文所述的采集平臺用到了差分閾值法和模板匹配法[7]，對ECG 進(jìn)行了濾波處理，同時(shí)用到奇異函數(shù)法、馬爾可夫鏈預(yù)測法等[8-9]識別R 波，效果較理想。采集時(shí)濾波和識別的效果如圖4 所示。

圖4 心電圖濾波前后對比

1.3 HRV 大數(shù)據(jù)文件的管理

為了便于后期的數(shù)據(jù)處理，每個(gè)用戶每一次采集的HRV 數(shù)據(jù)文件單獨(dú)保存為一個(gè)TXT 格式的文本文件，文件名采用“用戶名+身體姿態(tài)+使用手機(jī)與否+數(shù)據(jù)類型+文檔編號”的格式，從而便于后期的批量數(shù)據(jù)分析，文件里存儲數(shù)據(jù)則按單行的方式保存。

2 手機(jī)使用者HRV 大數(shù)據(jù)的分析

2.1 HRV 分析工具

采用MATLAB 數(shù)學(xué)分析工具對濾波、R 波識別算法進(jìn)行驗(yàn)證，并對部分HRV 指標(biāo)進(jìn)行分析；利用東芬蘭大學(xué)研究團(tuán)隊(duì)開發(fā)的Kubios HRV 對HRV 其它指標(biāo)進(jìn)計(jì)算和分析。前者被廣泛運(yùn)用于數(shù)據(jù)分析、模型仿真、信號處理等領(lǐng)域，后者目前在全球多個(gè)國家被科研人員廣泛使用。再者，利用Python、aardio 等語言設(shè)計(jì)計(jì)算機(jī)程序，利用PyCharm、aardio 等開發(fā)環(huán)境完成軟件設(shè)計(jì)和數(shù)據(jù)自動(dòng)化處理。

2.2 HRV 分析指標(biāo)

將前述環(huán)節(jié)中采集到的HRV 大數(shù)據(jù)進(jìn)行系統(tǒng)性研究，分析人體各類手機(jī)使用狀態(tài)與心率變異性各項(xiàng)指標(biāo)的相關(guān)關(guān)系，總結(jié)人體使用智能手機(jī)的各種動(dòng)作行為特征對心率變異性各項(xiàng)指標(biāo)所產(chǎn)生的影響。在整體分析和數(shù)據(jù)比較過程中，重點(diǎn)關(guān)注各項(xiàng)大數(shù)據(jù)集的統(tǒng)計(jì)學(xué)意義，以及各項(xiàng)指標(biāo)的異常檢出率。

以HRV 常用的時(shí)域指標(biāo)、頻域指標(biāo)和非線性指標(biāo)作為測試和分析指標(biāo)。其中，時(shí)域指標(biāo)代表正常心率R-R 間期的離散趨勢變化情況；頻域指標(biāo)用于心電信號功率譜分析，從而觀察交感神經(jīng)與副交感神經(jīng)活動(dòng)的變化；非線性分析方法則分為圖形法與非線性參數(shù)計(jì)算法。經(jīng)過實(shí)測，本文選取共計(jì)21 項(xiàng)指標(biāo)具體見表1。

表1 HRV 分析指標(biāo)列表

2.3 大數(shù)據(jù)文件的批處理

利用Python 語言編寫計(jì)算機(jī)程序，實(shí)現(xiàn)數(shù)據(jù)文件的批量處理，包括下載、分類管理、調(diào)用第三方軟件分析、從大量的分析文件中提取結(jié)果數(shù)據(jù)，再將結(jié)果數(shù)據(jù)繪制成可視化圖形，批量上傳等。

將Python 程序嵌入至aardio 開發(fā)環(huán)境中，設(shè)計(jì)便于操作的Windows 桌面軟件，從而使數(shù)據(jù)處理和分析的效率更高。

3 基于HRV 大數(shù)據(jù)的手機(jī)不良使用行為預(yù)警模型

3.1 預(yù)警模型設(shè)計(jì)

觀測手機(jī)使用行為對人體HRV 產(chǎn)生的影響，分析不良使用行為帶來的HRV 異常指標(biāo)，構(gòu)建手機(jī)不良使用行為的風(fēng)險(xiǎn)評估指標(biāo)體系與預(yù)警系統(tǒng)，設(shè)定積極的干預(yù)措施，實(shí)現(xiàn)實(shí)時(shí)監(jiān)測和自動(dòng)預(yù)警提示。建立的模型如圖5 所示。

圖5 基于HRV 大數(shù)據(jù)的手機(jī)不良使用行為風(fēng)險(xiǎn)預(yù)警模型

利用該預(yù)警模型，當(dāng)手機(jī)不良使用行為導(dǎo)致風(fēng)險(xiǎn)指標(biāo)達(dá)到或超過閾值時(shí)，模型發(fā)出警示信息，以避免或降低危害發(fā)生風(fēng)險(xiǎn)。模型具有主動(dòng)性、超前性、及時(shí)性和針對性等特點(diǎn)，用戶可據(jù)此了解手機(jī)使用行為對自身HRV 的影響，能主動(dòng)減少手機(jī)不良使用行為帶來的人體生理負(fù)擔(dān)。

3.2 風(fēng)險(xiǎn)等級劃分

將表1 中的21 項(xiàng)HRV 指標(biāo)設(shè)定不同的權(quán)重，建立風(fēng)險(xiǎn)指數(shù)計(jì)算式；計(jì)算時(shí)，以兩組HRV 的指標(biāo)數(shù)據(jù)進(jìn)行對比，以其差值大小作為風(fēng)險(xiǎn)評估的參考值，當(dāng)兩者相差超過設(shè)定的風(fēng)險(xiǎn)閾值時(shí)，觸發(fā)風(fēng)險(xiǎn)預(yù)警提示。用作對比的兩組數(shù)據(jù)分別為基礎(chǔ)數(shù)據(jù)和對比數(shù)據(jù)，基礎(chǔ)數(shù)據(jù)可以是用戶專門測得的正常狀態(tài)下的HRV 數(shù)據(jù)，亦可以是群體大數(shù)據(jù)的均值，分別依據(jù)不同的使用情形進(jìn)行選擇；對比數(shù)據(jù)則是使用手機(jī)時(shí)測得的HRV 數(shù)據(jù)。

由于HRV 數(shù)據(jù)受影響因素較多[10]，例如年齡、身體姿態(tài)、心理狀態(tài)、精神狀態(tài)等，因此在最理想的情況下，基礎(chǔ)數(shù)據(jù)要分門別類（不同性別、不同職業(yè)、不同的身體姿態(tài)、不同年齡段、不同時(shí)間、不同健康狀況等）進(jìn)行采集，從而提高分析結(jié)果的客觀性。為了避免操作過于復(fù)雜，可按時(shí)間、年齡等進(jìn)行階段性劃分；同時(shí)，在對比分析時(shí)，以用戶自身的HRV 基礎(chǔ)數(shù)據(jù)為分析重點(diǎn)，以群體數(shù)據(jù)作為參考。

4 監(jiān)測實(shí)驗(yàn)及結(jié)論

4.1 實(shí)驗(yàn)人群

實(shí)驗(yàn)選擇了40 名青年學(xué)生進(jìn)行HRV 測試，其中男生15 人，女生25 人。測試對象無高血壓、冠心病等心血管疾病，智力正常，亦無精神疾患、心理健康狀況良好。

4.2 實(shí)驗(yàn)過程

測試前，測試人員佩戴穿戴式心電采集裝置，調(diào)整電極片的貼敷位置，觀察手機(jī)端數(shù)據(jù)采集APP 上的心電圖波形，如圖4 所示，當(dāng)達(dá)到比較好的波形顯示效果后，再進(jìn)行正式地遠(yuǎn)程數(shù)據(jù)采集；測試時(shí)，每一位測試對象每一次采集兩組不同身體姿態(tài)（含站立、行走、平躺等8 種典型姿態(tài)）下的HRV 數(shù)據(jù)，每組時(shí)長約10 分鐘；其中在同一姿態(tài)下測的兩組數(shù)據(jù)，一組是在使用手機(jī)時(shí)測的，另一組是不使用手機(jī)時(shí)測的，兩組數(shù)據(jù)用以對比分析；測試結(jié)束后，測試人員可查看數(shù)據(jù)，如果數(shù)據(jù)質(zhì)量不高（如含有大量誤讀數(shù)據(jù)），則可放棄此次采集，重新進(jìn)行測試；最后將數(shù)據(jù)文檔通過網(wǎng)絡(luò)發(fā)送至PC 電腦端軟件進(jìn)行數(shù)據(jù)處理和分析。

4.3 實(shí)驗(yàn)數(shù)據(jù)分析及結(jié)果

將每一位測試對象的每一對數(shù)據(jù)的差值作為統(tǒng)計(jì)對象，每組數(shù)據(jù)以5 分鐘時(shí)長進(jìn)行統(tǒng)計(jì)，發(fā)現(xiàn)測試對象的21 項(xiàng)指標(biāo)的波動(dòng)性（標(biāo)準(zhǔn)偏差）差異較大，具體實(shí)驗(yàn)數(shù)據(jù)統(tǒng)計(jì)如表2 所示。

表2 各項(xiàng)指標(biāo)實(shí)驗(yàn)統(tǒng)計(jì)

將實(shí)驗(yàn)數(shù)據(jù)各項(xiàng)指標(biāo)的標(biāo)準(zhǔn)偏差進(jìn)行排序，得知編號x1、x2、x3、x14、x17、x18、x19、x20、x21 對應(yīng)指標(biāo)波動(dòng)很?。ǎ?），說明測試對象人群的整體表現(xiàn)傾向一致；編號x5、x6、x8、x9、x15、x16 對應(yīng)指標(biāo)波動(dòng)較小（＞4 且＜14），說明測試對象人群的整體表現(xiàn)有一定差異；編號x4、x7、x10 對應(yīng)指標(biāo)波動(dòng)較大（＞30 且＜100），說明測試對象人群的整體表現(xiàn)有差異較大；編號x11、x12、x13 對應(yīng)指標(biāo)波動(dòng)特別大（＞1000），說明測試對象人群各自的差異非常大。

鑒于以上觀測結(jié)論，在做不良行為風(fēng)險(xiǎn)等級劃分和預(yù)警閾值設(shè)定時(shí)，不能一概而論，各項(xiàng)指標(biāo)不能全部以相同權(quán)重計(jì)入風(fēng)險(xiǎn)指數(shù)計(jì)算式。差異較小的指標(biāo)不僅可以以個(gè)體自身的基礎(chǔ)數(shù)據(jù)為準(zhǔn)進(jìn)行對比分析，亦可進(jìn)行個(gè)體與群體的對比分析；而差異較大的指標(biāo)，則不宜將個(gè)體數(shù)據(jù)和群體進(jìn)行對比分析，而是分析個(gè)體自身的數(shù)據(jù)對比結(jié)果更具有客觀性。各指標(biāo)的權(quán)重應(yīng)利用大量實(shí)測數(shù)據(jù)進(jìn)行驗(yàn)證，經(jīng)過不斷修正而確定。

選取群體性波動(dòng)較小的指標(biāo)（編號x1、x2、x3、x14、x17、x18、x19、x20、x21）計(jì)入風(fēng)險(xiǎn)指數(shù)計(jì)算式，再考慮到年齡、時(shí)間段、姿態(tài)等因素的影響，基于HRV大數(shù)據(jù)分析的不良手機(jī)使用行為風(fēng)險(xiǎn)系數(shù)計(jì)算原理和公式如下[6]：

式中，e∈[1，8]且為整數(shù)，i∈Z={1，2，3，14，17，18，19，20，21}；P1e為不同年齡段條件下的人群使用手機(jī)時(shí)產(chǎn)生不良反應(yīng)的概率；P2e為人們在8 種不同身體姿態(tài)下使用手機(jī)時(shí)反應(yīng)出受不良影響的概率；P3e為人們在不同時(shí)間段使用手機(jī)時(shí)產(chǎn)生不良反應(yīng)的概率；P4e為人們使用手機(jī)不同時(shí)長條件下產(chǎn)生不良反應(yīng)的概率，此四項(xiàng)參數(shù)經(jīng)過統(tǒng)計(jì)而得；Si為第i 項(xiàng)心率變異性指標(biāo)經(jīng)歸一化處理后納入風(fēng)險(xiǎn)計(jì)算式的權(quán)值；xi，0為用戶在未使用手機(jī)且身心充分放松的條件下測量所得的各項(xiàng)心電指標(biāo)，即在靜息狀態(tài)下的無風(fēng)險(xiǎn)系數(shù)；xi，max和xi，min為各指標(biāo)測量所得的最大值和最小值。

依據(jù)上式進(jìn)行風(fēng)險(xiǎn)值測算，從而實(shí)現(xiàn)遠(yuǎn)程的風(fēng)險(xiǎn)預(yù)警目的。

結(jié)束語

本文介紹了基于HRV 大數(shù)據(jù)的手機(jī)不良使用行為遠(yuǎn)程監(jiān)測與預(yù)警系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)方案，通過實(shí)測數(shù)據(jù)計(jì)算出了21 項(xiàng)HRV 常用指標(biāo)，并且依據(jù)其群體波動(dòng)性選出了9 項(xiàng)指標(biāo)作為風(fēng)險(xiǎn)值計(jì)算式的主要參數(shù)，從而實(shí)現(xiàn)不良行為的風(fēng)險(xiǎn)評估。本系統(tǒng)的應(yīng)用，不僅可為手機(jī)用戶提供網(wǎng)絡(luò)化、大數(shù)據(jù)化的風(fēng)險(xiǎn)預(yù)警服務(wù)，也能為相應(yīng)的醫(yī)學(xué)研究（如疾病防控、運(yùn)動(dòng)處方、病人監(jiān)控等）提供技術(shù)支持。