一种自主神经疲劳评价装置、评价方法和系统

摘要

本发明公开了一种自主神经疲劳评价装置、评价方法和系统，一种自主神经疲劳评价装置，自主神经疲劳评价装置包括输入装置、生物特征信息采集装置、生物特征信息分析装置、评价装置、输出装置；自主神经评价装置取得评价对象，根据存储在自主神经评价装置的存储部的自主神经活动量分布数据，并通过上述获取的受试者的年龄、LF值、HF值以及心率数据计算受试者的自主神经活动量的偏差值。自主神经活动量的偏差值评价上述受试者的自主神经功能状态，并输出评价结果并进行评价。不受受试者主观因素影响，不依赖于受试者的主观报告，测量方法简便易行，不受年龄因素影响，可以比较不同年龄人群或年龄构成比不同的人群的自主神经功能状态。

说明书

技术领域

本发明涉及医疗大数据技术领域，特别地是一种自主神经疲劳评价装置、评价方法和系统。

背景技术

作为客观评价疲劳的指标，自主神经系统的功能分析一直受到关注。自主神经系统分为两部分：交感神经和副交感神经。当人们起床时和紧张的时候主要是交感神经工作，而当人们睡眠时和放松时主要是副交感神经工作。两者协调平衡，调节机体生理功能。

交感神经和副交感神经容易受到压力的影响，如果在压力、疲劳等因素影响下出现功能紊乱，则会出现：在活动或工作时，交感神经不能正常激活发挥作用，人没有干劲，而在休息时，副交感神经不能正常工作，导致人过度紧张，睡眠障碍。

因此，自主神经功能的分析对于客观评估疲劳程度是非常重要的，可以采用各种各样的方法来评价自主神经系统功能的分析结果。比如，通过与同年龄段人群的自主神经功能的比较，更详细地评价自主神经功能的分析结果。

发明内容

本发明的目的在于提供一种用于评价受试者的自主神经功能的装置、评价方法和系统。

本发明通过以下技术方案实现的：

一种自主神经疲劳评价装置，自主神经疲劳评价装置包括输入装置、生物特征信息采集装置、生物特征信息分析装置、评价装置、输出装置；所述输入装置是用于输入与受试者有关的数据；所述生物特征信息采集装置是用于收集受试者的生物特征信息的设备；所述生物特征信息分析装置用于分析由生物特征信息采集装置采集的受试者的生物特征信息，从而量化受试者的交感神经和副交感神经的功能作用；所述评价装置存储有自主神经活动量分布数据，该自主神经活动量分布数据是根据LF值和HF值等计算出来的；所述输出装置是用于输出由评价装置评估的受试者的自主神经功能有关的评估结果的设备。

进一步地，所述评价装置包含获取部、计算部、评估部和存储部；所述获取部通过获取输入到输入装置的受试者的年龄、经由生物特征信息分析装置进行的分析获得的受试者的LF值和HF值、以及由生物特征信息采集装置测量的受试者的心跳数据的功能；所述计算部通过比较自主神经活动量分布数据，根据受试者的年龄、LF值、HF值和基于心率数据计算出的自主神经活动量，具有计算受试者的自主神经活动量的偏差值的功能；

评估部具有使用由计算部计算出的受试者的自主神经活动量的偏差值评价受试者的自主神经的状态、输出评价结果的功能。

进一步地，所述评估部将受试者的自主神经的状态的评价结果和进行评价的日期时间一起，作为每个受试者的历史数据存储在存储部中。

一种自主神经疲劳评价方法，包括以下步骤，

S11、首先将受试者的年龄等个人信息输入到输入装置，同时使用生物特征信息获取装置来测定受试者的生物特征信息数据，通过生物特征信息分析装置分析所测得的受试者的生物特征信息数据，然后评价装置的获取部获取输入到输入设备的受试者的年龄信息以及由生物特征信息分析装置分析的受试者的LF值、HF值、和生物特征信息获取装置测量的心跳数据；

S12、计算部使用在步骤S11中取得的受试者的年龄、LF值、HF值以及心跳数据，计算受试者的自主神经活动量(ccvTP)的平均值和偏差值；

ccvTP通过以下公式计算：

自主神经活动量的偏差值＝10×(受试者的ccvTP值–与受试者的年龄对应的ccvTP的平均值)÷与受试者的年龄对应的ccvTP的标准差(σ)+50；

S13、评估部判断在历史数据中是否有当前受试者的既往的自主神经功能有关的评价结果；

S14、如果没有记录，则输出评价结果报告；

S15、如果有记录，则进入：评估部使用在步骤S12中计算出的受试者的自主神经活动量的偏差值，对受试者的当前自主神经功能的状态进行评价，输出评价结果报告；

S16、评估部通过比较受试者既往和当前的自主神经活动量的偏差值，来评价其自主神经功能状态的变化，输出评价结果报告；

进一步地，所述步骤S11中LF值是表示受试者交感神经系统活动的指标，HF值是表示受试者副交感神经系统活动的指标。

进一步地，所述步骤S12中RR表示受试者的心跳的R-R间隔(秒)；另外，R-R间隔(秒)＝60÷心跳数(次/分)。

进一步地，所述ccvTP是通过用LF值和HF值的测定所用的时间内的心跳数对TP进行修正而计算得到的值。

进一步地，通过对比由计算部计算出的受试者的自主神经活动量的偏差值和与自主神经活动量的偏差值有关的评价基准值数据，来评价受试者的自主神经活动量，自主神经活动量的偏差值的评价基准数据，偏差值37以下为极低值，38～42为低值，43～56为基准值，57以上为高值。

进一步地，所述高值的情况是指自主神经功能活动活跃的状态；基准值的情况是指自主神经活动处于正常状态；低值的情况是指自主神经活动处于稍微降低的状态；极低值的情况是指自主神经功能活动明显下降的状态。

一种自主神经疲劳评价系统，将自主神经疲劳评价方法通过软件嵌入自主神经疲劳评价装置上，自主神经疲劳评价装置通过自主神经疲劳评价方法实现数据收集、数据评估和可视化展示评价结果报告。

本发明利用心电图数据和/或脉搏波数据，通过分析得到自主神经活动量偏差值，用该指标来评价受试者的自主神经功能状态及疲劳、压力相关症状程度。本方法能够客观评估自主神经功能状体，不受受试者主观因素影响，不依赖于受试者的主观报告，测量方法简便易行，同时自主神经活动量偏差值不受年龄因素影响，可以用于比较不同年龄人群或年龄构成比不同的人群的自主神经功能状态。

附图说明

图1为本发明疲劳评价装置示意图；

图2为本发明自主神经活动量(ccvTP)与年龄之间的关系示意图；

图3为本发明疲劳评价方法示意图；

图4为本发明实施例年龄与自主神经功能指标的相关关系示意图；

图5为本发明实施例在疲劳程度不同的3组受试者中自觉疲劳、压力及相关症状的VAS评分比较表格；

图6为本发明实施例在疲劳程度不同的3组受试者中睡眠质量PSQI评分比较表；

图7为本发明实施例在疲劳程度不同的3组受试者中健康状况调查问卷(SF-36)评分比较表；

图8为本发明实施例在疲劳程度不同的3组受试者中自主神经活动量偏差值的比较示意图；

图9为本发明实施例自主神经活动量偏差值与VAS及PSQI个项目得分的相关关系表；

图10为本发明使用手机测量的300个案例示意图。

具体实施方式

下面将结合附图以及具体实施例来详细说明本发明，在此以本发明的示意性实施例及说明用来解释本发明，但并不作为对本发明的限定。

在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征；另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

图1为展示本发明实施方式所涉及的自主神经功能评价系统100的装置图。自主神经评价系统装置100包括输入装置110、生物特征信息采集装置120、生物特征信息分析装置130、评价装置140、输出装置150。

输入装置110是用于输入与受试者有关的数据的装置，例如键盘、鼠标、触控面板等。在本发明实施方式中，需将受试者的年龄输入到输入装置110。此外，还可以输入受试者的姓名、性别、住址等信息。

生物特征信息采集装置120是用于收集受试者的生物特征信息的设备。在此，受试者的生物特征信息指心率数据或脉搏数据或加速度脉搏波数据。市售的心电图机和脉搏计可以用作生物特征信息获取设备120。输入装置110和生物特征信息采集装置120可以是一体的，即生物特征信息获取设备可以具有作为输入装置110的功能。

生物特征信息分析装置130用于分析由生物特征信息采集装置120采集的受试者的生物特征信息，从而量化受试者的交感神经和副交感神经的功能作用。在本发明实施方式中，对受试者的生物信息数据进行频率分析，根据频域的低频成份计算获得LF值，根据高频成份计算获得HF值。通常，LF值是表示受试者交感神经系统活动的指标，HF值是表示受试者副交感神经系统活动的指标。市售的自主神经测定器可以用作生物特征信息采集装置120和生物特征信息分析装置130。

生物特征信息数据可以随时从生物特征信息采集装置120输入到生物特征信息分析装置130，也可以在生物信息采集设备120获取了一定时间段的生物信息数据之后一起输入到生物特性信息分析装置130。

评价装置140存储有自主神经活动量分布数据(或称自主神经功能的活动量)，该自主神经活动量分布数据是根据LF值和HF值等计算出来的，是预先从多个受试者中采集的、经过统计分析后得到的各个年龄的分布。根据该分布数据，以及受试者的年龄和自主神经活动量，可以计算受试者的自主神经活动量的偏差值。评价装置140还可以使用受试者的自主神经活动量的偏差值来评估其自主神经功能并输出评估结果的功能。

另外，评价装置140可以将受试者的自主神经功能相关的评价作为历史记录保存。通过比较当前的自主神经功能评价结果和过去的评价结果，能够输出自主神经功能状态比较的相关信息。例如，比较结果相关的信息可以是，受试者自主神经功能恶化、改善或没有变化。

输出装置150是用于输出由评价装置140评估的受试者的自主神经功能有关的评估结果的设备。输出信息可以以报告形式输出评价结果的详细内容，除了评价结果外，也可以直接输出受试者的LF值、HF值、自主神经活动量的偏差值。作为输出装置150，可以利用显示器等显示输出装置或打印机等印刷输出装置。

评价装置140的功能配置。如图1所示，评价装置140包括获取部11、计算部12、评估部13和存储部14。各部功能通过CPU执行存储在评价装置140存储部中的程序得以实现。另外，存储部14使用评价装置140所具备的存储器、硬盘等或经由网络连接到评价装置140的存储器等装置来实现其功能。

获取部11具有获取输入到输入装置110的受试者的年龄、经由生物特征信息分析装置130进行的分析获得的受试者的LF值和HF值、以及由生物特征信息采集装置120测量的受试者的心跳数据的功能。另外，受试者可以向输入装置110输入预先测量的自身的LF值、HF值和心跳数据有关的测定结果，获取部11从输入装置110取得受试者的LF值、HF值和心跳数据。心跳数据包括用于测量LF值和HF值的时间内的心率平均值或R-R间期的平均值。

计算部12通过比较自主神经活动量分布数据，根据受试者的年龄、LF值、HF值和基于心率数据计算出的自主神经活动量，具有计算受试者的自主神经活动量的偏差值的功能。

“自主神经活动量”是用被称为“ccvTP”这个表示自主神经功能作用的指标来表示的。TP(总功率)是LF值和HF值的和(TP＝LF+HF)，ccvTP是通过用LF值和HF值的测定所用的时间内的心跳数(更准确地说是R-R间隔的平均值)对TP进行修正而计算得到的值。ccvTP可以通过以下公式计算：

这里，RR表示受试者的心跳的R-R间隔(秒)；另外，R-R间隔(秒)＝60÷心跳数(次/分)。

实验表明，在心率高的情况下TP值高，因此通过使用根据心率而修正的ccvTP，无论受试者的心率高低如何，都能够适当地反映自主神经活动量。另外，TP值和ccvTP值均随着年龄的增加而减小。

“自主神经活动量分布数据”是指与受试者的年龄有关的自主神经活动量(ccvTP)的统计分布数据。即通过从不同年龄的众多受试者中收集ccvTP的数据，并进行统计分析而得到。图2显示了ccvTP与年龄之间的关系的示例。曲线G2表示同年龄受试者ccvTP的平均值(μ)，曲线G1表示同年龄受试者ccvTP的平均值加2个标准差(μ+2σ)，曲线G3表示同年龄受试者ccvTP的平均值减2个标准差(μ-2σ)。根据图2，显然ccvTP随着年龄的增加而减少。

在本发明的实施方式中，根据预先收集的年龄不同的多个受试者的ccvTP，计算受试者每个年龄的ccvTP的平均值以及受试者每个年龄的ccvTP的标准差(σ)，将这些数据作为自主神经活动量分布数据存储在存储部14中。通过使用这样的自主神经活动量分布数据，计算表12能够按照以下顺序计算受试者的自主神经活动量的偏差值：

1.通过受试者的心跳数校正受试者的TP值，计算出受试者的ccvTP；

2.根据自主神经活动量分布数据，取得与受试者年龄对应的ccvTP的平均值和标准差(σ)；

根据公式“自主神经活动量的偏差值＝10×(受试者的ccvTP值–与受试者的年龄对应的ccvTP的平均值)÷与受试者的年龄对应的ccvTP的标准差(σ)+50”计算出受试者的自主神经活动量的偏差值。

评估部13具有使用由计算部12计算出的受试者的自主神经活动量的偏差值评价受试者的自主神经的状态、输出评价结果的功能。另外，评估部13将受试者的自主神经的状态的评价结果和进行评价的日期时间一起，作为每个受试者的历史数据存储在存储部14中。另外，除了自主神经状态的评估结果外，评估部13还可将受试者的年龄、LF值、HF值、TP、心率数据、ccvTP和自主神经活动量的偏差值作为每个受试者的历史数据存储在存储部14中。

另外，评估部13通过使用每个受试者的历史数据，根据受试者的自主神经活动量的偏差值的变化，评价每个受试者的自主神经的状态的变化。具体来说，即评估部13具有通过比较受试者过去的自主神经活动量的偏差值和受试者当前的自主神经活动量的偏差值，来评价受试者的自主神经状态的变化的功能。

另外，构成自主神经功能评价系统100的各构成要素，即输入装置110、生物特征信息采集装置120、生物特征信息分析装置130、评价装置140、输出装置150也可以有单个装置或计算机构成，并且也可以由分散在网络上的多个装置或计算机构成。生物特征信息分析装置130和评估装置140还可以由云服务器或虚拟服务器构成。评估装置140可以通过计算机读取存储有用于实现评估装置140的各功能的程序的记录介质并根据程序执行预定程序。

评估部13进行评价的方法。评估部13通过对比由计算部12计算出的受试者的自主神经活动量的偏差值和与自主神经活动量的偏差值有关的评价基准值数据，来评价受试者的自主神经活动量。关于自主神经活动量的偏差值的评价基准数据，偏差值37以下为“极低值”，38～42为“低值”，43～56为“基准值”，57以上为“高值”。也就是说，评估部13根据受试者的自主神经活动量的偏差值，将受试者的自主神经活动量评价为4个程度。评价基准值数据可以预先存储在存储部14中，也可以嵌入到程序中。

这里，偏差值为“高值”的情况是指自主神经功能活动活跃的状态。偏差值为“基准值”的情况是指自主神经活动处于正常状态。偏差值为“低值”的情况是指自主神经活动处于稍微降低的状态。偏差值是“极低值”的情况是指自主神经功能活动明显下降的状态。

至今，在评价自主神经活动的指标中，通过心跳的频率分析计算出来的ccvTP可以作为自主神经活动量的评价指标，已经明确自主神经活动量在慢性疲劳或抑郁状态下降低，ccvTP作为客观评价受试者这些状态的个人指标是有用的。但是，我们知道，自主神经活动量受到年龄的影响，随着年龄的增长而下降。因此，当使用自主神经功能对职场中某个团体的健康状态进行评价时，由于每个团体内的受试者的年龄分布不同，所以不能使用自主神经活动量指标ccvTP对这样的集体进行分析。

为了对这样的集体进行分析，需要将受年龄影响的自主神经功能评价指标替换为不受年龄影响的指标。在本发明的实施方式中，使用大量健康者的ccvTP在不同年龄的分布数据，取得与受试者的年龄对应的ccvTP的平均值和标准差(σ)，计算受试者的自主神经活动量的偏差值。

由于受试者的自主神经活动量的偏差值是不受受试者年龄影响的指标，所以在年龄分布不同的团体的分析中也可以有效使用。作为新的客观指标，使用自主神经活动量的偏差值可以很容易进行团体的健康风险评估。例如，在自主神经活动量的偏差值极低或低值的受试者较多的团体和自主神经活动量的偏差值为基准值的受试者较多的团体中，可以得出前者是存在较大压力等影响的职场环境这样的风险评价的。另外，对于同一组，通过追踪各受试者的偏差值的持续变化，也能够评价该团体中的职场环境等的变化。

如前所述，自主神经活动在慢性疲劳或抑郁状态下降低，自主神经活动降低的状态可以和正常状态区分开来，属于“低值”组和“极低值”组。而在自主神经活动上升的群体中，包含健康人群和急性压力反应人群，两者的区分至今仍不明确，所以偏差值57以上作为“高值”组来表示。

评估部13给出受试者自主神经活动状态的评价结果，经由输出装置150输出关于自主神经活动的评价结果，例如“自主神经功能活动下降”、“自主神经功能活动正常”、“自主神经功能活跃”等。

说明评估部13进行关于受试者的自主神经状态的变化的评价方法。首先，评估部13使用受试者当前的自主神经活动量的偏差值，评估受试者现在的自主神经活动状态。接着，评估部13从存储在存储部14中的历史数据中提取该受试者过去的自主神经活动量的偏差值，评价受试者属于哪种自主神经活动状态。然后，评估部13通过比较受试者现在的自主神经活动状态和过去的自主神经活动状态，判断从哪种状态变化到了哪种状态，从而来评价受试者自主神经的活动状态的变化。

评估部13经由输出装置150输出与自主神经活动状态的变化有关的评价结果的报告。例如“自主神经功能活动明显恶化”、“自主神经功能明显改善”等。通过对自主神经活动状态的变化的评价，可以告知受试者自主神经活动状态的变化，并根据自主神经活动状态，对受试者应该进行的行动给予建议。

图3显示自主神经功能评估系统100的处理流程图。首先，将受试者的年龄等个人信息输入到输入装置110。同时，使用生物特征信息获取装置120来测定受试者的生物特征信息数据。通过生物特征信息分析装置130分析所测得的受试者的生物特征信息数据。然后，评价装置140的获取部11获取输入到输入设备110的受试者的年龄信息以及由生物特征信息分析装置130分析的受试者的LF值、HF值、和生物特征信息获取装置120测量的心跳数据(S11)。计算部12使用在步骤S11中取得的受试者的年龄、LF值、HF值以及心跳数据，计算受试者的自主神经活动量(ccvTP)的偏差值(S12)。

评估部13判断在历史数据中是否有当前受试者的既往的自主神经功能有关的评价结果(S13)。如果没有记录，则进入步骤S14；如果有记录，则进入步骤S15。评估部13使用在步骤S12中计算出的受试者的自主神经活动量的偏差值，对受试者的当前自主神经功能的状态进行评价，输出评价结果报告(S14、S15)。评估部13通过比较受试者既往和当前的自主神经活动量的偏差值，来评价其自主神经功能状态的变化，输出评价结果报告(S16)。

关于自主神经活动量偏差值与疲劳、压力之间关系的评价结果。我们以125名受试者为对象(男性47名，女性78名，平均年龄35.3±10.9岁)，使用了自主神经活动量的偏差值、主观疲劳、压力及相关症状的视觉模拟评估(Visual analogy scale，VAS)、匹兹堡睡眠质量指数(PSQI)、健康状况调查问卷(SF-36)来收集受试者的疲劳、压力及相关症状的状况，对受试者的自主神经活动量的偏差值和疲劳、压力及相关症状之间的关系进行评价。

本实验中用视觉模拟快速评估法(Visual analogy scale，VAS)评估九项自觉疲劳、压力相关的心理健康指标(疲劳感、心理压力、躯体压力、抑郁、动力/活力、焦虑、易激惹、认知功能下降、疼痛)，每一指标得分范围为0～100分，得分越高表明程度越强，得分越低表明程度越弱。本实验中还使用匹兹堡睡眠质量指数(PSQI)评估受试者近一个月内的睡眠质量得分，得分0～5分表明睡眠质量好，得分大于5分表明睡眠质量不佳，得分越高，睡眠质量越差。健康状况调查问卷(SF-36)用于评估受试者的一般健康状况，共包括8个健康指标(躯体功能、躯体健康所致的角色限制、躯体疼痛、总体健康感、生命活力、社交功能、情感问题所致的角色限制、心理健康)，每一指标得分范围为0～100分，得分越高表明该指标表示的健康情况越佳，生命质量越好，得分越低表明该指标表示的健康状况越差，生命质量下降。

首先，我们显示了自主神经活动量和自主神经活动量的偏差值和年龄之间的关系。如图4所示，在本实验结果中，自主神经活动量偏差值与年龄不具有相关性(r＝-0.038，P＝0.670)，因此可以直接用于比较不同年龄段的人群或年龄构成比不同的人群的自主神经功能活动量。而受试者的自主神经活动量指标ccvTP和TP(这里用TP的对数转换值进行统计分析)与年龄显著负相关(r＝-0.531，P<0.01)。受试者的自主神经活动量指标TP(这里用TP的对数转换值进行统计分析)与年龄显著负相关(r＝-0.457，P<0.01)。

接着，根据受试者主观报告的疲劳程度以及疲劳的持续时间，将受试者分为非疲劳组，亚慢性疲劳组(疲劳持续时间＜6个月)，和慢性疲劳组(疲劳持续时间＞6个月)。在这125名受试者中，非疲劳组有42名受试者(33.6％)，亚慢性疲劳组有65名受试者(52.0％)，慢性疲劳组有18名受试者(14.4％)。

图5至图7分布显示这三组受试者的主观疲劳、压力及相关症状的视觉模拟评估(Visual analogy scale，VAS)、匹兹堡睡眠质量指数(PSQI)、健康状况调查问卷(SF-36)的评分结果。如图5所示，在自觉疲劳、压力及相关症状的VAS评估中，慢性疲劳组受试者在所有项目(除动力/活力外)得分均高于非疲劳组受试者，亚慢性疲劳组受试者在疲劳感、精神压力、躯体压力、抑郁及焦虑这几项中得分高于非疲劳组受试者；如图6所示，在健康状况调查问卷(SF-36)中，慢性疲劳组受试者在所有项目得分均低于非疲劳组受试者，亚慢性疲劳组受试者在总体健康感、生命活力、情感问题所致的角色限制、心理健康这几项中得分低于非疲劳组受试者；如图7所示，在匹兹堡睡眠质量指数(PSQI)调查中，慢性疲劳组和亚慢性疲劳组的受试者的得分均高于非疲劳组的受试者。以上结果表明疲劳状态和较高的压力、较差的心理健康状况及较差的睡眠质量相关联。

图8显示非疲劳组、亚慢性疲劳组、慢性疲劳组三组受试者自主神经活动量偏差值的测量结果。非疲劳组的受试者的自主神经活动量的偏差值平均为48.0，亚慢性疲劳组的受试者的自主神经活动量的偏差值平均为45.6，而慢性疲劳组的受试者的自主神经活动量的偏差值平均为40.8。该结果表明，随着疲劳持续时间的延长，自主神经的功能作用会下降。

图9示出了125名受试者使用主观疲劳、压力及相关症状VAS与自主神经活动量的偏差值之间的关系，以及受试者PSQI睡眠质量指数与自主神经活动量的偏差值之间的关系。在VAS的自觉疲劳相关症状中，疲劳感、精神压力、抑郁、焦虑、易激惹程度与自主神经活动量的偏差值之间存在负相关性，而活力/积极性与自主神经活动量的偏差值之间存在正相关。另外，受试者的PSQI睡眠质量指数与自主神经活动量的偏差值之间存在负相关性。

根据以上的评价结果，在疲劳状态下自主神经活动的偏差值下降，自主神经活动的偏差值与压力、自觉的疲劳症状以及睡眠症状有关。因此，评价自主神经活动量的偏差值可以客观评价自觉疲劳及压力等相关症状。

值得一说的是，如图10，关于使用手机测量的300个案例，自律神经偏差值和脑疲劳度(100-自律神经偏差值)，可以看出与VAS门诊记录中测量的5个项目(A1疲劳度、A2压力度、A3不安、A4抑郁度、A5睡眠障碍)有关联。

关于自律神经活动(偏差值)，因不考虑年龄因素，可以看出与以下所有的自觉症状程度：A1疲劳度(r＝-0.396、p＜0.001)、A2压力度(r＝-0.261、p＜0.001)、A3不安(r＝-0.253、p＜0.001)、A4忧郁度(r＝-0.257、p＜0.001)、A5睡眠障碍(r＝-0.277、p＜0.001)有负相关关系。

在此由于将脑疲劳度＝100-自律神经活动(偏差值)，在手机测量的脑疲劳度，可以看出与以下所有的自觉症状程度：A1疲劳度(r＝-0.396、p＜0.001)、A2压力度(r＝-0.261、p＜0.001)、A3不安(r＝-0.253、p＜0.001)、A4忧郁度(r＝-0.257、p＜0.001)、A5睡眠障碍(r＝-0.277、p＜0.001)有正相关关系。

以上对本发明实施例所提供的技术方案进行了详细介绍，本文中应用了具体个例对本发明实施例的原理以及实施方式进行了阐述，以上实施例的说明只适用于帮助理解本发明实施例的原理；同时，对于本领域的一般技术人员，依据本发明实施例，在具体实施方式以及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。