運動疲勞對表面肌電影響的元分析

馬文凱,趙國華,程 超

(1.寧波大學 體育學院，浙江 寧波 315211；2.寧波大學 附屬學校，浙江 寧波 315033)

0 前 言

運動疲勞分為運動性心理疲勞和運動性生理疲勞。其中，運動性肌肉疲勞(Exercise-induced musclefatigue) 是運動性生理疲勞的一種常見現象，特指由運動引起的肌肉最大隨意收縮能力暫時性下降的現象[1]。運動性肌肉疲勞的評估方法包括直接測量法和間接測量法。其中直接測量法有肌力測試[2]、MVC和最大做功功率檢測、最大電刺激肌力檢測，間接測量法有肌電測試[3]等。

表面肌電(Surface electromyography,sEMG) 是客觀檢測肌肉疲勞的重要生理學指標[4],因其無創便捷、準確靈敏的特點，廣泛應用于醫學、生物工程、體育等領域。在體育領域，應用表面肌電監測運動過程中肌電信號變化，進而評定肌肉的疲勞程度，對預防運動損傷有著重要的意義。

表面肌電的分析方法包括時域分析法和頻域分析法，其中時域分析法的常用指標有積分肌電(iEMG)、平均肌電(AEMG) 和均方根(Root Mean Square,RMS)；頻域分析法的常用的指標包括中值頻率(Median frequency,MF) 和平均功率頻率(Mean power frequency,MPF)。疲勞后肌電信號的變化，受到運動方式、運動負荷、運動性質、肌肉收縮方式、肌肉位置等因素的影響[5]。運用表面肌電進行運動性疲勞相關研究評價指標及影響因素眾多，因此目前對于運動疲勞后人體表面肌電的變化結論并不一致[3,6,7]。Kristev等人(2001)通過持續的最大強度收縮運動，觀察到積分肌電指標下降低，可能是最大強度收縮時，所募集的運動單位幾近飽和，隨著運動時間的持續增加，肌肉逐漸疲勞，募集的運動單位程度降低[8]。malachy等人(2000)通過次最大強度下坡跑至肌肉疲勞的發現，積分肌電指標顯著性增加，可能是由于肌肉做離心收縮時選擇性地募集快肌纖維所致，表明肌肉收縮方式不同，會導致肌電變化規律不同[9]。對于運用表面肌電檢測肌肉疲勞，針對不同的運動方式哪種指標更可信？有研究認為平均功率頻率(MPF)作為疲勞的研究指標更為可信[10-12]。王奎等人(2004)的研究發現，頻域指標(MPF)穩定好、與負荷持續時間相關度高、不受皮下脂肪厚度等因素的影響[10]。也有很多研究報道了疲勞后積分肌電(iEMG)的變化[13-15]。

運用表面肌電進行運動性肌肉疲勞的相關研究中，時域和頻域指標運用較多。因此，本研究采用時域分析法中的積分肌電指標(iEMG)和頻域分析法的平均功率頻率(MPF)指標，對運動疲勞后表面肌電的變化進行元分析。通過對表面肌電指標的梳理和分析，尋找評價運動性肌肉疲勞最有效的指標，從而指導運動實踐，減少運動損傷，對競技體育的發展有重要的理論意義和實踐價值。

1 方 法

1.1文獻檢索

根據PICOS原則，確定主題詞“疲勞”、“表面肌電”。應用CNKI E-Study軟件在中國知網期刊全文數據庫(CNKI)中，以疲勞、表面肌電、sEMG等為檢索詞，以及采用主題詞和自由詞以及近義詞相組合的方式，運用相應的邏輯詞連接對全文進行檢索，檢索截止日期為2017年7月1日，檢索流程如圖1。

1.2文獻納入和剔除標準

文獻納入標準：①研究為實證研究，且采用實驗誘導疲勞，即通過各種運動方式誘導疲勞。②測量儀器為表面肌電測試儀，測試指標包括表面肌電(iEMG或MPF指標)。③報告了被試肌電的測試部位，測試時的運動方式以及肌肉定位方法。④研究報告數據完整，包括均值、標準差、樣本量等。

文獻排除標準：①文獻為綜述或調查性研究。②資料不完整，如沒有被試數量、標準差、肌電測試部位等。③同一作者在不同期刊和論文中重復發表文章。④有明顯錯誤而導致結果不可信的文獻。最后確定符合標準文獻共8篇。

1.3文獻編碼

為建立此次元分析可用數據庫，對符合上述納入標準的文獻進行編碼，并分別對納入的8篇研究文獻進行統一編碼提取，如研究作者及發表年份、研究對象、樣本量、疲勞測試位置及運動方式進入編碼范圍。

1.4納入文獻的基本描述

1.5統計分析

本研究采用的是stata軟件進行分析。stata是一個統計分析軟件，同時它具有很強的程序語言功能，具有計算速度極快、操作簡單、繪圖精美等特點。本研究通過stata軟件來進行Meta分析。

元分析研究中首先要考慮納入同一個元分析的各研究間存在的差異，將元分析中不同研究間的各種變異稱之為異質性。異質性檢驗統計學方法主要有Q 值統計量，H統計量，I2統計量[16]。本文采用I2及Q 值統計量對異質性進行描述。I2統計量是反映異質性部分在效應量總的變異中所占的比重，結果分析可靠。I2描述研究之間的方差在總體方差中所占的比例,其判斷標準為：25%為低異質性,50%為中等異質性,75%為高異質性[17]。

采用元分析方法對各研究進行統計分析得出效應值d，它是元分析的最終統計結果。本文的研究數據屬于連續性變量資料，效應值(d)采用標準化均數差(Standard rnean difference，SMD)，各效應值均以95%置信區間(Confideneeinterval，CI)表示[18]。將原始研究數據進行分類，采用格拉斯(1976)提出的計算公式分別計算出被試疲勞前后表面肌電的效應值。d絕對值越大表明效應越大[19]。根據Cohen's (1988)建議，d ≤ 0.2為小效應；0.2 < d < 0.8為中等效應；d ≥ 0.8為大效應[20]。

為保證元分析結論的穩定性，對元分析結果還需進行敏感性分析和發表偏倚的檢驗[16,23]。敏感性分析是檢驗在一定條件下所獲結果穩定性的方法，如改變某些影響結果的重要因素，如納入標準、研究質量的差異、失訪情況、統計方法和效應量的選擇等，重新進行Meta分析，觀察合成結果是否發生改變，從而判斷結論的穩健性，包括不同效應模型法、剪補法、失安全系數法、選擇模型分析法等[16]，本文使用了不同效應模型法。元分析時對單個研究的效應量合并時，齊性檢驗決定加權合并選用固定效應模型還是隨機效應模型，如齊性檢驗P>0.05時可認為多項獨立研究具有同質性，可選擇固定效應模型計算；若小于等于0.05則先進行異質性分析處理，結果仍不具有同質性時，采用隨機效應模型。發表偏倚是指具有統計學意義的研究結果較無統計學意義或無效的結果被報告和發表的可能性更大,是元分析中常見的偏倚[21]，通常采用倒漏斗圖法對發表偏倚進行檢驗。漏斗圖是一種以視覺觀察以識別是否存在發表偏倚的方法，若漏斗圖顯示大部分研究處于“倒漏斗”圖的上部而基底部較少，且左右大致對稱，則提示發表偏倚不明顯，反之則提示存在明顯發表偏倚[16,21，22]。

2 結 果

2.1異質性分析結果

圖1 疲勞前后iEMG指標變化的森林圖

根據stata軟件分析疲勞前后表面肌電變化從而得出各研究間的異質性。異質性檢驗結果見表2。

圖2 疲勞前后MPF指標變化的森林圖

指標I2(%)Q及P值效應模型iEMG88.3444.72(P<0.01)隨機效應模型MPF45.267.51(P<0.01)隨機效應模型

2.2效應值分析結果

疲勞前后表面肌電的平均效應值，結果見表3。

表3 疲勞前后表面肌電效應值

2.3敏感性分析結果

敏感性分析結果見表4、5。

表4 iEMG敏感性分析結果

表5 MPF敏感性分析結果

2.4回歸分析結果

表6 iEMG各因素間回歸分析分析結果

2.5亞組分析結果

表7 iEMG肌肉收縮方式亞組效應分析結果

2.6發表偏倚結果

圖3 疲勞前后iEMG指標變化的漏斗圖

圖4 疲勞前后MPF指標變化的漏斗圖

圖5 iEMG指標減補圖 注：漏斗圖中的帶方框的圓表示向左邊剪補的 16項研究

截距SE95%CIiEMG5.95**1.26[3.43,8.48]MPF0.140.89[-1.67,1.95]

3 討論分析

本研究主要對國內外公開發表中采用表面肌電測試儀對疲勞后表面肌電變化的測量結果，運用元分析方法對數據結果進行統計分析。分別從積分肌電(iEMG)和平均功率頻率(MPF)指標進行分析并針對異質性來源進行回歸分析，根據回歸分析結果對積分肌電(iEMG)指標進行肌肉收縮方式的亞組分析。

3.1疲勞對表面肌電的影響的發表偏倚分析

本研究發現，針對iEMG指標而言，發表偏倚是客觀存在的，采用矯正發表偏倚方法必然會降低元分析的效應量，同時也可能會增加“無效應量”的風險。本研究采用減補法矯正發表偏倚風險，結果顯示減補后iEMG為中效應量。提示疲勞后積分肌電(iEMG)的變化為大效應量, 但可能存在發表偏倚, 致使大效應量可能被高估。對MPF指標而言，不存在發表偏倚，結果表明疲勞后平均功率頻率(MPF)的變化為中效應量是可信的。

3.2疲勞對表面肌電的影響的異質性分析

8篇文獻的異質性檢驗結果顯示積分肌電(iEMG)與平均功率頻率(MPF)均存在一定程度的異質性，其中平均功率頻率(MPF)通過敏感性分析，剔除張肅(2014)的文章后異質性降為0%，采用固定效應模型對效果量進行評價，效應值d=-0.31，說明疲勞對MPF的影響存在顯著性意義，且效應值處于中效應水平。

對積分肌電(iEMG)采用回歸分析發現，肌肉收縮方式對iEMG異質性貢獻較大，進一步對肌肉收縮方式這個因素進行亞組分析，結果表明不同的收縮方式依舊存在較高的異質性。這說明，如此高的異質性的來源似乎應該還存在某些潛在的調節變量。同時，采用敏感性分析法對結果偏差較大文獻進行逐一剔除，結果顯示異質性依舊較大。因此，對納入到文獻逐篇閱讀，影響表面肌電信號的因素較多，例如肌電測試環境和使用設備的技術規范、皮膚準備、電極配置、定位和方向及肌肉收縮方式等。閱讀有關文獻的研究方法發現，這些研究中應用的設備、誘導疲勞的運動方式以及達到疲勞的判斷標準不同。由此可以推斷造成有關研究結果偏離程度較大的原因可能與所采取的設備、疲勞誘導方式以及達到疲勞的判斷標準不同等有關。另外，表面肌電數據采集過程、實驗質量控制等因素均可能影響疲勞對iEMG的影響，故本研究無法就諸多異質性來源進行定量探索，而這些難以控制或量化的因素也可能是導致iEMG為高度異質性的潛在調節變量[24,25]。

綜上，積分肌電(iEMG)既存在發表偏倚分析也存在異質性，因此，將iEMG作為疲勞的評價指標不是很可信。本研究結果與李圓圓等人(2014)關于表面肌電在體育領域研究結果一致[26]。

3.3疲勞對表面肌電影響的效應量分析及可能機制

對8篇符合標準的文獻數據進行元分析后的總效應量結果顯示，疲勞對表面肌電的影響具有一致性，即積分肌電(iEMG)的升高和平均功率頻率(MPF)的降低。積分肌電(iEMG)是指一定時間內肌肉動員的運動單位放電總量。平均功率頻率(MPF)是指運動單位收縮時的平均放電頻率。MPF下降意味著運動時，高頻(快肌纖維)放電比例減少，低頻(慢肌纖維)比例增加，總體放電頻率降低。積分肌電(iEMG) 隨著疲勞的發生而升高，該研究結果與前人研究結果一致[14,27]。肌肉持續運動引起疲勞，疲勞后為維持運動，肌肉會募集更多的運動單位，隨著募集的運動單位的増加，iEMG的值也不斷地增大[28]。這和大多數研究結果一致，疲勞后MPF值逐步下降[28]。

從表7的亞組分析可以發現，向心運動誘導的疲勞引起iEMG變化的效果最明顯，等長次之，離心運動由于文獻量少不能進行效果量比較。Gibala等人(1995)的研究發現，不同受試者的上肢在分別做向心與離心收縮后，其等速肌力的峰力矩均顯著降低，離心收縮后的降幅更大，二者在運動后 24h 仍保持在較低水平[29]。

4 結 論

4.1 運動疲勞對iEMG有顯著影響，表現為數值升高，但存在高異質性，提示iEMG盡管能有效評價運動疲勞但不穩定。

4.2 運動疲勞對MPF有顯著影響，表現為數值降低，提示MPF才是評價運動疲勞的穩定且有效的指標。

[1] C Gandevia-S. Spinal and supraspinal factors in human muscle fatigue[J].Physiological reviews,2001,81(4):89-1725.

[2] K V?llestad-N. Measurement of human muscle fatigue[J].Journal of neuroscience methods,1997,74(2):27-219.

[3] 蔡斌,戴尅戎.評估肌肉疲勞的中樞和外周起源[J].醫用生物力學,2015,30(2):192-196.

[4] 張國杰.優秀賽艇運動員專項運動中肌肉疲勞度評價方法的研究[D].北京:北京體育大學,2010.

[5] 張莉.表面肌電信號模式識別及其運動分析[D].長春:吉林大學,2013.

[6] 何偉,王綿珍,王治明.運動所致血漿K～+和血pH值的變化對肌肉疲勞和表面肌電圖的影響[J].四川大學學報(醫學版),2005(1):112-114,118.

[7] P Bouissou,Y Estrade-P,F Goubel,et al. Surface EMG power spectrum and intramuscular pH in human vastus lateralis muscle during dynamic exercise[J].Journal of applied physiology (Bethesda,Md.:1985),1989,67(3):9-1245.

[8] I Kristev,A Kossev. Muscle fatigue assessment during sustained high isometric contractions[J].Acta physiologica et pharmacologica Bulgarica,2001,26(1):29-32.

[9] Mchugh Malachy-P.,Connolly Declan-A.-J.,Eston Roger-G.,et al. Electromyographic analysis of exercise resulting in symptoms of muscle damage[J].Journal of Sports Sciences,2000,18(3):134-147.

[10] 王奎,劉建紅,宋剛.sEMG技術在評價運動性疲勞方面的方法及應用[J].安徽體育科技,2004(3):49-51.

[11] 王瑞元,熊開宇,孫偉.肱二頭肌在不同負荷及不同速度收縮時的肌電變化[J].北京體育學院學報,1993(3):46-49.

[12] 邱龍潛,李野.等速負荷誘發肱二頭肌疲勞過程中sEMG信號變化[J].溫州大學學報,2003(3):52-54.

[13] 郭慶芳,劉佩清,袁新華.肌肉疲勞時表面肌電圖與其深層運動單位電位、積分、頻譜的變化[J].體育科學,1982(3):52-56.

[14] 高強,尹吟青.表面肌電圖自動分析的應用[J].中國運動醫學雜志,1985(2):95-102.

[15] 王瑞元,盧鼎厚.極限負荷斜蹲過程中股外肌肌電信號變化及針刺和靜力牽張對其恢復過程的影響[J].北京體育學院學報,1991(3):32-39,94.

[16] 張天嵩.實用循證醫學方法學[M].長沙:中南大學出版社,2014:298-304.

[17] Higgins J.-P.-T.,Thompson S.-G.,Deeks J.-J.,et al. Measuring inconsistency in meta-analyses[J].BMJ,2003,327(7414):557-560.

[18] 權朝魯.效果量的意義及測定方法[J].心理學探新,2003(2):39-44.

[19] V Glass-G. Primary, Secondary, and Meta-Analysis of Research[J].Educational Researcher,1976,5(10):3-8.

[20] J Cohen. Statistical Power Analysis for the Behavioral Sciences[J].Journal of the American Statistical Association,1988,2(4):19-74.

[21] 周旭毓,方積乾.Meta分析的常見偏倚[J].循證醫學,2002(4):216-220.

[22] 康德英,洪旗,劉關鍵,等.Meta分析中發表性偏倚的識別與處理[J].中國循證醫學雜志,2003(1):45-49.

[23] 王丹,翟俊霞,牟振云,等.Meta分析中的異質性及其處理方法[J].中國循證醫學雜志,2009(10):1115-1118.

[24] 屈云,何俐,劉鳴.Cochrane系統評價的基本方法[J].中國臨床康復,2003,(4):532-533,536.

[25] 李靜,秦莉,劉鳴.系統評價的基本方法[J].中國循證醫學雜志,2001(1):34-38.

[26] 李圓圓,張萬壽,陳麗.表面肌電在體育科學研究領域中的應用進展[J].長春師范大學學報,2014(8):91-94,101.

[27] 楊建國.表面肌電圖對體育舞蹈專項學生股四頭肌的疲勞評價[D].贛州:贛南師范學院,2013.

[28] 麻文慧.賽艇運動員不同負荷強度下主要肌群的表面肌電特征[D].北京:北京體育大學,2015.

[29] Gibala M.J.,Mac dougal J.D.,Tarnopolsky M.A. Changes in human skeletal muscleultra structure and force production after acute resistance exercise[J].Appl Physiol,1995,78(2):702-708.