Statistical modelling of the relationship between fatigue and physiological parameters of the cardiovascular system

Abstract

Müdigkeit führt zu ca. 7% der Unfälle auf Europas Straßen und ca. 13% der unfallbedingten Verletzungen. Trotzdem spielt für die Feststellung von Fahrtüchtigkeit Müdigkeit nur eine untergeordnete Rolle. Ziel dieser Arbeit ist es, im Rahmen des EU-geförderten PANACEA Projekts ein Modell zur Abschätzung von Müdigkeit durch physiologische Parameter des Herz-Kreislaufsystems auf der KSS, der Karolinska-Schläfrigkeitsskala, zu entwickeln.Herzratenvariabilität (HRV) und Pulswellenform stehen unter Einfluss des autonomen Nervensystems, das Herzrate, Blutdruck und andere Körperfunktionen reguliert und durch Müdigkeit beeinflusst wird. In dieser Arbeit basiert die Modellierung dieses Zusammenhangs auf aufgezeichneten Studiendaten. Jeder der 32 männlichen Studienteilnehmer absolvierte sechs simulierte Fahrten. Elektrokardiographie und Photoplethysmographie wurden jeweils vor und nach jeder Fahrt aufgenommen. Frühere Studien belegen Zusammenhänge zwischen den 23 für diese Arbeit extrahierten HRV- und Pulswellenparametern und Müdigkeit.Für die Modellierung dieses Zusammenhangs wurde in dieser Arbeit zur Reduktion der Variablen eine Hauptkomponentenanalyse (PCA) mit anschließender multivariater linearer Regression durchgeführt. In einem weiteren Ansatz wurden mit schrittweiser Regression Modelle generiert. Um individuelle physiologische Unterschiede zu erfassen, wurden für manche Modelle individuelle Baselines für die Parameter des Herzkreislaufsystems für jeden Studienteilnehmer definiert.Zwölf Modelle wurden mit PCA oder schrittweiser Regression erstellt und anhand der Wurzel des mittleren quadratischen Fehlers (RMSE), der Residuen und statistischer Signifikanz von Variablen verglichen. Modelle, die mittels schrittweiser Regression mit Baselines erstellt wurden, liefern, vor allem im Bezug auf Signifikanz, bessere Ergebnisse. Die wichtigsten unabhängigen Variablen sind der Quotient LF/HF zwischen niedrigen und hohen Frequenzanteilen der HRV und die Herzrate. Die Pulswellenparameter zeigen zwar insgesamt weniger Zusammenhang, aber die absolute und relative Zeit der Systole sind ebenfalls von Bedeutung. Abgesehen von der Herzrate stützen frühere Studien die berechneten Veränderungen dieser Variablen allerdings nicht.Das final vorgeschlagene Modell kombiniert die Ergebnisse zweier, mit schrittweiser Regression mit dynamischen Baselines erstellter, Modelle. Es nutzt eine Konstante (0.3155) und fünf Variablen mit den folgenden Koeffizienten: LF/HF (0.2751*), relative Zeit zur dikrotischen Kerbe (8.4928), Verhältnis des zweiten Maximums der Pulswelle zu systolischem Druck (5.383), Zeit der Systole (-0.0160*) und Pulsankunftszeit (0.0598*), wobei signifikante Koeffizienten mit * gekennzeichnet sind. Die beiden einfließenden Modelle sind signifikant (p = 0.0035 und p = 0.0143) und deren Kombination hat ein adjustiertes Bestimmtheitsmaß von 0.17. Diese Arbeit zeigt, dass die Abschätzung von Müdigkeit anhand HRV- und Pulswellenparameter realisierbar ist. Es sollten jedoch weitere Studien mit mehr Messungen an einer vielfältigeren Teilnehmergruppe durchgeführt werden.

Around 7% of European road accidents and around 13% accident-related injuries can be linked to driver fatigue. Nonetheless, to date fatigue only plays a minor role when determining a driver’s ability to drive. This thesis aims to develop a model to estimate fatigue from parameters of the cardiovascular system on the Karolinska Sleepiness Scale in the context of the EU-funded PANACEA project.Heart rate variability (HRV) and the pulse wave shape are influenced by the autonomic nervous system, which controls heart rate, blood pressure and other bodily functions and is affected by fatigue. In this thesis, modelling of this relationship is based on recorded study data. In total, 32 male participants completed six driving simulations each. Both electrocardiography and photoplethysmography measurements were recorded before and after driving. Previous studies have shown that the 23 HRV and pulse wave shape parameters that were extracted for this thesis are affected by fatigue.To reduce the large number of predictors for modelling the relationship in this thesis, a principal component analysis (PCA) and subsequent multivariate linear regression were performed. A second approach using stepwise variable selection was also followed. To account for individual differences in physiology, individual participant baselines for HRV and pulse wave parameters were introduced.Twelve models using either PCA or stepwise regression were generated and compared with respect to root mean square error (RMSE), residuals and statistical significance of variables. Overall, models created using stepwise regression and any kind of baseline yield better results, especially concerning significance. The most valuable predictors are the ratio LF/HF between low and high frequency components of HRV and heart rate. Even though pulse wave shape parameters are less important, absolute and relative systolic time are promising predictors. However, apart from the heart rate, the estimated change in these parameters is not backed by previous studies.Finally, the proposed model combines the results of two models, both generated using stepwise linear regression with a dynamic baseline. It includes a constant (0.3155) and five variables with the following coefficients: LF/HF (0.2751*), relative to the dicrotic notch (8.4928), quotient of dicrotic wave amplitude and systolic pressure (5.383), systolic time (-0.0160*) und pulse arrival time (0.0598*), where significant coefficients are marked with *. Overall, both contributing models are considered significant (p = 0.0035 und p = 0.0143) and their combination has an adjusted R2 value of 0.17. These results indicate that fatigue prediction from HRV and pulse wave shape parameters is feasible. However, further research with a higher number of measurements and a more diverse participant group is necessary.