心肺参数中因果路径的发现：精英运动员中的时间无关方法
应用统计
2018-09-27 v2
摘要
精英运动员的训练需要定期的生理和医学监测，以规划训练的计划、强度和量，以及后续的恢复。在运动医学中，基于 ECG 的分析已相当成熟。然而，它们很少考虑呼吸与心脏活动之间的对应关系。鉴于这种相互影响，我们假设运动员监测可借助因果推断来发展，且详细的时间相关技术之前应先采用一种更通用的、时间无关的方法，该方法考虑整个参与者群体以及描述整体信号的参数。本研究的目的是发现精英运动员在两种体位（仰卧与站立）、静息状态下心脏与呼吸变量之间的通用因果路径。从 100 名精英运动员获取了 ECG 与阻抗体积描记信号。估计了平均 HR、RMSSD 及其自然对数、平均呼吸率、呼吸活动系数以及由此得到的呼吸规律性。应用了若干因果发现框架：广义相关、CAM、FGES、GFCI，以及两种贝叶斯网络学习算法：Hill-Climbing 与 Tabu。数据最支持的主要（仍较弱的）规律为：仰卧时——潮气量引起心脏活动变化，后者引起 HR，HR 引起呼吸时序；站立时——归一化呼吸活动变化引起平均心脏活动。所提出的方法允许对精英运动员这一特定人群进行数据驱动且时间无关的分析，无需考虑先验知识。但结果似乎与医学背景一致。因果推断是一种分析复杂生物响应的有趣数学方法，可用于运动员画像并规划恰当训练。
引用
@article{arxiv.1807.03152,
title = {Discovery of causal paths in cardiorespiratory parameters: a time-independent approach in elite athletes},
author = {Marcel Młyńczak and Hubert Krysztofiak},
journal= {arXiv preprint arXiv:1807.03152},
year = {2018}
}
备注
Accepted for publication on September 25, 2018; 24 pages; 16 figures; 3 tables; 68 references