作者：方麒堯、相子元

  人體走跑控制機制

當我們在運動時，身體所做出的動作主要由中樞神經（大腦）來發號司令，並會透自我感覺回饋，來進一步牽制中樞神經的主導控制。舉例來說，在跑步時我們身體下肢的肌肉收縮主要是由大腦控制，當腳踩到地面時，透過肌肉中的機械感受器（肌梭、高爾基腱器）感知地面反作用力的衝擊負荷，回饋給大腦，大腦接受回饋的訊息後則可制定下一步踩踏的策略。

而當疲勞產生時，就會破壞這個機制，如下控制反饋圖。疲勞會造成大腦控制時，運動神經元不規則的放電，並且也會影響反饋牽制，進而導致姿勢不穩定、步態改變、對稱性改變等動作現象，最後有很大的機率產生跌倒，造成受傷。

疲勞影響前與後之控制機制（圖片來源：作者自製）

  幾項評估疲勞的方式

在運動科學研究領域，疲勞的評估主要有幾個方式。第一為測量表面肌電 (Electromyography, EMG)，此方式為最直接觀測肌肉放電之情形，例如放電頻率上升，即代表疲勞發生。第二為採集血液中的血乳酸，觀察是否快速地增加；第三則為運動自覺量表 (RPE) ，以主觀方式表達疲勞程度。

??延伸閱讀：【跑步二三事】透過 RPE 量表 估算你的運動強度！

然而 上述幾項評估方式往往無法方便應用在日常生活上，於是就有另一種評估方式因應而生。運動時肢體會有揮、擺、晃動與旋轉等動作特徵，物理意義上來說，也就是產生速度、加速度、角速度等物理量。

近年許多學者針對這些物理量，使用慣性感測器 (IMU) 來做量測與紀錄，並進行分析，其優勢就是體積小，方便穿戴。其中 變異性分析 所代表意涵為這些物理訊號的變異程度，例如每次腳推蹬的速度是否一致，有沒有忽大忽小的變異現象發生，而疲勞就是造成這些動作特徵產生變異很重要的因子；換句話說，疲勞的產生通常會影響著變異程度，因此變異性分析也可成為評估疲勞的手段之一。

（圖片來源：Biomedical Sciences Instrumentation, 53, 47.）

  非線性變異性分析

變異性分析可分成線性與非線性兩種，線性分析 如標準差，可得知與平均值相差了多少。舉例來說，每次執行重複的動作是否接近，此種分析僅需對物理訊號做簡單的數學計算，即能粗略表示變異程度，但相對能訴說的含意就稍微不足。

非線性分析 則重新描述了物理訊號的含意（例如：相關性、亂度、不可預測性），讀者可解讀成跑步節奏的規律性變化，當疲勞產生時，節奏就會被打亂，規律性開始無跡可循，甚至不可預測，而非線性分析的優點就是能針對這些難以量化的物理訊號進行評估，也就是說進行了更完整的數據比對。

2017 年學者 Soangra 等人發表了一項研究，請 10 名健康成人在跑步機上行走一段時間，並進行深蹲疲勞介入後，再重新回到跑步機上行走，研究分析掛戴在軀幹上的 IMU 變異性有何種變化。其使用的算法就是非線性的算法（近似熵、多尺度熵、赫斯特指數），結果顯示身體疲勞後，軀幹旋轉角速度的近似熵值（Approximate Entropy, ApEn）與多尺度熵值（Multiscale Entropy, MSE）有明顯的上升，且赫斯特指數（Hurst exponent）也明顯下降，結果顯示，軀幹的旋轉某個程度上變得不規律且難以預測，而大腦越想控制疲勞後的身體，反而越不能成功，也就是說越沒相關性。

這篇研究主要的目的為 介紹非線性分析應用在運動科學的概念，我們更在意分析後結果所代表的涵義，至於如何精確計算這些變異性可參考下方文獻。

總之非線性的算法可以重新解讀，我們身體因疲勞發生後，肢體所產生的物理量變異是否有混亂的現象。通俗的說，心律、步幅步頻、站立時間與騰空時間的不規則性若越大，似乎意味著身體已經開始疲勞；然而隨著電子儀器設備的進步，這些以往繁雜的演算時間已逐漸被克服，預計未來僅需帶一個微小的感測器在身上，就可幫助大眾即時地監控疲勞。

  參考文獻：

• Soangra, R., Moon, S., Rezvanian, S., & Lockhart, T. E. (2017). Lower extremity muscle fatigue influences nonlinear variability in trunk accelerations. Biomedical Sciences Instrumentation, 53, 47.
• Mo, S., & Chow, D. H. (2018). Stride-to-stride variability and complexity between novice and experienced runners during a prolonged run at anaerobic threshold speed. Gait & Posture, 64, 7-11.
• Shi, L., Duan, F., Yang, Y., & Sun, Z. (2019). The effect of treadmill walking on gait and upper trunk through linear and nonlinear analysis methods. Sensors, 19(9), 2204.
• 方麒堯、陳韋翰、相子元 (2019年11月)。用慣性感測器觀察長時間跑步疲勞下各肢段狀況。「臺灣運動生物力學暨運動與健康研討會」發表之論文，國立高雄師範大學。

圖片來源：運動科學網

責任編輯：Joanna

【本文由 運動科學網 授權轉載，原文出處：《判斷疲勞的新指標》 】

---

＊運動知識，盡在運動筆記