疼痛引起的皮质脊髓兴奋性变化与肌肉协调性的适应性改变有关
《Neurobiology of Pain》:Pain-Induced changes in corticospinal excitability are associated with adaptive changes in muscle coordination
【字体:
大
中
小
】
时间:2026年03月31日
来源:Neurobiology of Pain 3.2
编辑推荐:
阿诺·杜波特(Arnaud Duport)| 加斯帕德·迪奥塔莱维(Gaspard Diotalevi)| 皮埃尔·莫雷尔(Pierre Morel)| 弗洛尔·勒布朗(Flore Le Blanc)| 吉约姆·莱昂纳德(Guillaume Léonard)| 埃尔韦·德瓦内(H
阿诺·杜波特(Arnaud Duport)| 加斯帕德·迪奥塔莱维(Gaspard Diotalevi)| 皮埃尔·莫雷尔(Pierre Morel)| 弗洛尔·勒布朗(Flore Le Blanc)| 吉约姆·莱昂纳德(Guillaume Léonard)| 埃尔韦·德瓦内(Hervé Devanne)
法国加来市,Littoral C?te d’Opale大学、Artois大学、Lille大学,ULR 7369 - URePSSS(多学科体育健康与社会研究单位),邮编F-62100
**摘要**
**目的**
大多数疼痛研究忽略了皮层运动功能变化与自主运动中肌肉协调模式之间的关系。本研究通过前后对比实验,探讨了疼痛对皮层脊髓兴奋性(CSE)变化与肌肉协调空间变化之间的关系。
**方法**
30名无疼痛症状的参与者在无疼痛和实验性疼痛条件下分别完成了上肢指针任务。使用经颅磁刺激(TMS)通过三角肌的输入-输出曲线(斜率、平台期和S50值)来评估CSE。肌电图(EMG)用于记录斜方肌和三角肌的活动。通过非负矩阵分解(NNMF)分析肌肉协调对疼痛的空间适应性,比较疼痛和无疼痛条件下的协调模式向量的范数以及这些向量之间的夹角余弦值。同时分析了疼痛引起的CSE变化与肌肉协调变化之间的相关性。
**结果**
研究发现,疼痛引起的S50值变化与疼痛引起的协调模式向量的范数变化及夹角余弦值变化之间存在相关性(rS = 0.43;p = 0.05)。此外,疼痛引起的协调模式向量范数变化还与输入-输出曲线的斜率(rS = -0.46;p = 0.04)和平台期(rS = 0.45;p = 0.04)变化相关。
**讨论**
总体而言,本研究表明疼痛引起的CSE变化与肌肉协调变化相关,CSE变化较大的参与者表现出更明显的肌肉协调变化。
**引言**
研究运动系统对疼痛的反应对于理解神经肌肉适应机制和开发有效的治疗策略至关重要。虽然这些适应机制在短期内可能具有保护作用,但长期来看可能导致慢性运动功能障碍。已知肌肉骨骼系统出现疼痛时会导致运动适应(Hodges和Tucker 2011)和运动协同性的改变(Muceli等人,2014a;Gizzi等人,2015;Liew等人,2018)。专注于实验性疼痛的研究表明,这些调整会减少疼痛肌肉的运动反应,同时改变周围肌肉的活动,以最小化对功能的影响(Madeleine等人,1999)。其他研究指出,这些适应机制部分取决于具体任务(Ervilha等人,2005;Falla等人,2007),并涉及功能性肌肉协调模式的变化(也称为“空间协同性”)(Cheung等人,2009)。尽管大多数研究使用肌肉内注射来诱发实验性疼痛,但也有研究使用辣椒素膏引起的皮肤疼痛(Dancey等人,2019;Evans等人,2021)。此外,疼痛部位与远端部位的效果可能有所不同(Arieh等人,2022)。通过非负矩阵分解(NNMF)方法识别的肌肉协同性代表了可量化和叠加的时间依赖性肌肉激活轮廓,有助于更全面地了解受试者的运动缺陷和代偿机制(Ivanenko等人,2005;Clark等人,2010;Safavynia等人,2011;Scano等人,2024)。分析肩带多块肌肉的关节肌肉活动比单独分析肌肉更为重要(Ranaldi等人,2021)。此外,疼痛引起的神经肌肉调整可能在运动学层面被补偿策略掩盖,因为相似的动作可能由不同的神经肌肉机制产生(Safavynia等人,2011)。
在皮层层面,实验性肌肉骨骼疼痛已被证明会调节初级运动皮层(M1)的兴奋性,反映运动控制的适应性或非适应性变化。多项使用TMS的研究表明,急性疼痛(无论是由高渗盐水注射、热刺激还是压力引起)通常会导致静息状态下皮层脊髓兴奋性的降低(Le Pera等人,2001;Farina等人,2001)。然而,M1的变化并不统一,可能因任务背景、涉及的肌肉以及疼痛的强度或类型而异(Ingham等人,2011)。这种降低可能是一种保护机制,旨在限制运动并防止进一步的组织损伤。尽管如此,据我们所知,目前尚无研究将这些兴奋性的变化与疼痛下的肌肉协同性或协调性改变联系起来。不过,已有研究表明,在上肢运动过程中肌肉协调的变化与运动准备阶段的兴奋性变化相关,这表明初级运动皮层(M1)在这些适应过程中起作用(Augenstein等人,2024)。进一步的证据表明,在需要更高精度和精细肌肉协调的任务中,CSE会增加(Kouchtir-Devanne等人,2012)。证明疼痛引起的皮层脊髓兴奋性变化与肌肉协调的改变相关,将建立皮层适应与运动重组之间的直接联系,有助于我们更好地理解疼痛如何干扰运动皮层及其对运动适应的影响。
**本研究旨在利用基于NNMF的协调性方法,探讨疼痛引起的肌肉协调变化与皮层脊髓兴奋性变化之间的潜在关联。我们假设疼痛对肌肉协调的适应与M1兴奋性的变化有关。**
**伦理与批准**
该前后对比研究于2022年4月8日获得法兰西岛第六区伦理委员会(参考编号22.00817.000057)的批准,并遵循《赫尔辛基宣言》(世界医学协会,2013年)的原则进行。所有参与者均签署了知情同意书。作者确认所有方法均符合相关指南和法规要求。该试验已在ClinicalTrials.gov(NCT05396820)上注册。
**参与者**
30名健康受试者(16名男性和14名女性)在提供书面知情同意后自愿参与了本研究。参与者通过研究中心的公告和口口相传的方式招募。测试时间为2022年9月5日至10月28日,在Eurasport设施(法国Loos)进行。
**排除标准**
参与者需满足以下条件:年龄超过18岁,具备法语能力,无认知障碍,在数据收集前至少6小时内未使用娱乐性物质、烟草或短效止痛药。排除标准包括:慢性疼痛和/或运动或感觉障碍史、经颅磁刺激禁忌症(如植入医疗设备)、肩部病变、辣椒素过敏。
**研究流程**
参与者接受了一次约2小时的实验性测试,流程如下:首先进行指针任务,然后评估CSE;接着在三角肌胸沟处涂抹辣椒素以诱发疼痛;最后在疼痛状态下再次评估CSE,并完成指针任务(图1)。为聚焦指针任务背后的核心肌肉协调性,仅分析了前三角肌和上斜方肌。这些肌肉分别负责肩部屈曲(Elzanie和Varacallo 2025)和肩胛骨稳定(Paine和Voight 2013),反映了手臂抬升和伸展的关键协调过程。测量工作由具有TMS和EMG经验的研究人员完成。
**数据采集**
- **图像下载**:下载高分辨率图像(164KB)
- **图1. 研究流程图**
**指针任务和EMG记录**
参与者被要求坐在椅子上,右前臂放在面前的桌子上,双脚平放在地上,背部不要靠在椅背上。桌子和椅子对所有参与者保持相同位置。在桌子中线处标出了初始指针位置的视觉提示。指针目标放置在距离中线10厘米处的杆子上,该距离约为受试者最大手臂伸展范围的80%,同时禁止躯干移动。表面电极(Trigno Wireless,Delsys,美国)放置在AD和UT肌肉腹部的干净干燥皮肤上,注意电极方向。通过检查受试者进行手臂屈曲(AD)或肩部抬升(UT)时的EMG信号来确认电极位置正确。实验任务包括在实验者每5-7秒的口头提示下自主完成27次动作,确保每次重复之间肌肉完全放松,不强调速度,同时尽量减少躯干移动。每位参与者在实验前有时间熟悉任务。每次动作完成后返回初始位置,实验者确认记录的肌肉处于放松状态,并确认指针和肘部的重新定位指令已被正确执行。
**信号处理**
表面EMG信号放大1000倍,并在10-1000 Hz带宽内过滤,然后使用1401 Micro MKII设备(Cambridge Electronic Design,英国)以2 kHz的采样率进行数字采样。AD和UT肌肉的EMG信号使用定制的MATLAB算法(版本R2018a,美国)进行预处理。去除线性趋势后,使用四阶零滞后带通巴特沃斯滤波器(20 Hz至400 Hz)过滤数据,以去除运动伪迹(低频)和噪声(高频)。通过四阶零滞后低通巴特沃斯滤波器(截止频率5 Hz)进行全波整流和平滑处理,得到EMG包络。运动起始时间根据EMG包络中的最后一个局部最小值确定,该时间点位于运动前的动力学数据中。如果未找到局部最小值,则使用该受试者在多次重复中的平均激活时间差作为运动起始时间。将每次重复中从运动开始到手指到达目标的信号时间截取,并重新采样为2000个等间隔的时间点,以标准化不同试验和肌肉之间的时间维度,便于NNMF计算。数据矩阵在两种疼痛条件下对每个参与者进行水平连接,而不是平均处理,以提高重建质量(Liew等人,2018)。最后,将两种条件下的EMG值在连接后的试验中进行了归一化。
**结论**
归一化方法不会显著影响提取的空间协同性,但会改变所解释的方差(VAF),从而影响提取的协同数量(Kieliba等人,2018)。然而,在本研究中这不是问题,因为我们的数据集只能提取一个协同性,即一个协调模式。当前文献中最常见的方法是按连接试验中的最大值归一化每个肌肉的幅度(Zhao等人,2023);第二、第三和第四常见的方法分别是按单位方差、中位数或单个试验中的平均最大值归一化(Ortega-Auriol等人,2025)。我们对连接后的试验分别应用了这些归一化方法。我们还尝试按平均值归一化连接后的EMG信号,并根据“结果/肌肉协调”部分中的VAF标准选择了最适合的方法。
**TMS测量**
在标准化的等长肩部屈曲过程中(10%±2%的受试者最大自主活动),使用视觉反馈评估AD肌肉的CSE,以确保MEP记录的可靠性。这种微弱的收缩在疼痛诱导前后保持一致,以保证两者之间的可比性。此外,疼痛引起的CSE变化在主动和被动状态下呈现相同趋势(Lewis和Byblow,2002;Chye等人,2010;Roosink和Zijdewind,2010)。使用1401+设备(CED,英国)和定制的Signal?软件(CED,英国)显示低通(100 Hz)AD EMG的均方根(RMS)水平。测量AD运动诱发电位(MEPs)的输入输出(IO)曲线与TMS强度的关系,以评估CSE的变化。参与者舒适地坐在扶手椅上,双脚放在脚踏板上,头部靠在头枕上。线圈沿着颅骨的切线方向放置,覆盖在左侧的M1肌肉上,手柄与内侧矢状面的夹角为45°,使用单相脉冲诱导前后方向的电流。通过将线圈在C3周围(10-20厘米范围内)逐厘米移动,直到记录到最大的MEP(肌肉电活动),从而确定了右侧AD(前三角肌)的最佳热点位置。然后使用机械臂将线圈保持在热点位置。为了构建IO(输入输出)曲线,在每个刺激强度下至少记录8次MEP,刺激强度范围从低于阈值的强度(比阈值低3%)到引发最大反应的强度或达到最大刺激器输出(MSO)的强度。采集数据是逐步进行的,步长为MSO的3%到5%。
**实验性疼痛**
我们在参与者右侧的三角肌-胸肌沟大约4×4厘米的区域内涂抹了0.06毫升的1%辣椒素乳膏(由Gentès和Bolduc根据要求配制,?Familiprix药剂师提供,成分包括1%辣椒素粉末USP和99% Dermabase乳膏),这一操作在研究中很常见(Martel等人,2017年;Segning等人,2022年)。每1-2分钟进行一次疼痛评估,直到疼痛稳定。疼痛稳定(当参与者在连续三次测量中评价出相同的疼痛强度时)大约在涂抹辣椒素后10分钟发生,疼痛的平均强度为6.2±1.7/10(平均值±标准差),疼痛评分范围从0=“无疼痛”到10=“可想象的最剧烈疼痛”。
**结果**
**肌肉协调**
从我们的数据集中只能提取出一个关于两个主动肌的协调模式,因为如果提取两个模式会完全复制原始数据集,从而失去提取协同作用的意义。
该模型包括m=2个肌肉(斜方肌和三角肌)、s=1个协调模式、k=1个任务(指针任务),以及t=2000个样本,每个参与者重复r=27次。空间协调模式(U,m行,s列)和时间系数(C,s列,k×t×r)是通过使用MATLAB内置的基于交替最小二乘算法的非负矩阵分解方法(NNMF,Chiovetto等人,2013年)从预处理的EMG信号(M,m行,k×t×r列)中识别出来的(公式(1)。该优化算法运行了20次,以确保最低的重建误差(ε,mrows,k×t×rcolumns)(公式(1))。图2展示了NNMF的分解过程。
重建的EMG矩阵(公式(2)通常用于计算拟合优度,即VAF(公式(3))。需要注意的是,与决定系数不同,平方和不是居中的。VAF是全局计算的,也是针对每个单独肌肉计算的(Roh等人,2013年)(“肌肉”对应公式(1)或公式(2),而不是公式(3)中的总和)。由于无法优化协调模式的数量以获得所有参与者的满意VAF值(分析限制在1个协调模式和2个肌肉),因此记录了每个标准化方法中满足简单阈值0.8的参与者数量(每个肌肉的个体VAF以及前后条件下的全局VAF)。保留了满足我们VAF标准的参与者数量最多的方法,而NNMF无法充分建模的参与者被排除在进一步分析之外。
**肌肉协调模式参数**
在无痛和疼痛条件下,比较了两种条件下的空间协调模式U之间的角度余弦值及其欧几里得范数差异。角度余弦值θ的减小反映了协调模式的变化,表明涉及的肌肉相对贡献发生了变化。相比之下,协调模式向量的范数差异大致反映了整体EMG幅度的变化,从而表明疼痛条件下肌肉激活强度的变化。
**下载:** 下载高分辨率图像(417KB)
**下载:** 下载全尺寸图像
**图2.** 通过应用非负矩阵分解(NNMF)方法,将连续的EMG信号(M)分解为空间协调(U)、时间系数(C)和误差项(ε)。为了便于在矩阵M中表示,仅展示了四次测量的三次连续重复。完整的EMG数据集可以表示为每个肌肉的EMG曲线(A)(前三角肌为绿色,上斜方肌为橙黄色),分别对应无痛(蓝色框内)和疼痛(粉色框内)条件。重复测量由黑色虚线分隔。空间协调模式(U)向量(B)量化了肌肉激活的强度和分布,揭示了两种条件下协调模式向量之间的变化角度(θ)。每种条件下的时间系数形成了两个肌肉共有的曲线(C)。(关于此图例中颜色的解释,请参阅本文的网页版本。)
**皮质脊髓兴奋性**
使用IO曲线的斜率和S50值来评估M1的兴奋性。平均峰对峰MEP幅度与刺激强度进行了绘制,并使用GraphPad(版本9.0.0,美国)将数据点拟合到Boltzmann S形方程(Devanne等人,1997年)。方程(4)描述了MEP幅度与刺激强度之间的关系:
(4) MEPS = y0 + MEPMAX / (1 + e^(-S50 - Sk)
方程(4)包含四个参数:MEPMAX是曲线的平台值;S50表示引发50%最大反应所需的刺激强度;k及其倒数(斜率1/k,反映神经招募率,评估皮质脊髓兴奋性动态)与曲线在S50处的最大斜率成正比;y0对应曲线的基线。我们使用S50处的最大斜率值作为曲线陡度的指标。选择斜率和S50是因为它们代表了M1兴奋性的全局指标(Stagg等人,2011年)。
**统计分析**
使用GraphPad进行统计分析。首先,使用线性混合效应模型来评估重复试验对无痛条件下EMG(峰值幅度和面积)的影响。试验索引作为固定效应,以评估重复试验中的潜在学习或适应现象,而受试者作为随机截距,以解释个体间的差异。由于数据不符合正态分布(Shapiro-Wilk检验显示),因此使用了非参数相关性检验。Spearman相关性用于分析疼痛前后肌肉协调模式(范数和余弦值)与曲线参数(斜率、平台值和S50)之间的变化,以探究肌肉协调模式的变化是否与皮质脊髓兴奋性特性相关。为了提高可重复性、减少假阳性结果并保持科学严谨性,统计显著性阈值降低到p<0.005,p值在0.05到0.005之间被认为是“有意义的”(Benjamin等人,2018年)。对于每个Spearman相关性,进行了事后功效分析,使用Fisher的r-to-z转换(Jerrold-H-Zar,1984年;Schober等人,2018年)。观察到的Spearman系数(rS)首先通过z = arctanh(rS)转换为z分数,相关标准误差为SE = 1/√(N ? 3)。然后计算在给定观察效应的情况下拒绝零假设的概率,使用非中心性参数λ = arctanh(rS) × √(N ? 3),并假设双尾检验α=0.05(公式(5)其中Φ表示标准正态累积分布函数)。通过解方程(6)估计达到80%功效所需的最小样本量,其中zα/2 = 1.96(双尾,α=0.05)和zβ = 0.84(1 ? β = 0.80)(Cohen,1988年;Bonett和Wright,2000年)。
**后验功效分析**
对于每个Spearman相关性,使用Fisher的r-to-z转换进行了事后功效分析(Jerrold-H-Zar,1984年;Schober等人,2018年)。观察到的Spearman系数(rS)首先通过z = arctanh(rS)转换为z分数,相关标准误差为SE = 1/√(N ? 3)。然后计算在给定观察效应的情况下拒绝零假设的概率,使用非中心性参数λ = arctanh(rS) × √(N ? 3),并假设双尾检验α=0.05(公式(5)。
**探索性分析**
计算了TMS IO参数的疼痛诱导变化与运动协调指标之间的Spearman等级相关性(m=6次测试)。对所有测试应用了Benjamini-Hochberg FDR校正(q=0.05)进行多重性控制(Benjamini和Hochberg,1995年)。未校正的p值与FDR校正后的值一起报告,因为这是一种没有先验效应大小的假设生成分析(Rothman,1990年;Althouse,2016年)。这些发现需要通过其他具有足够统计功效的研究来验证。
**参与者特征**
使用VAF(方差解释率)来选择最佳的数据标准化方法。平均值标准化方法被发现能够使NNMF模型适应最多比例的参与者,VAF阈值为0.8(表1)。图3展示了两种肌肉的重建EMG与原始EMG的比较示例。
**表1.** 不同标准化方法下的方差解释率(VAF)
| 标准化方法 | 最大值 | 中位数 | 平均值 | 单位方差 | VAF(平均值±标准差) |
| --- | --- | --- | --- | --- |
| AD pre | 96.7 (2.5) | 80.4 (14.5) | 95.1 (1.7) | 94.1 (2.9) | 88.2 (8.4) |
| UT pre | 79.7 (13.8) | 96.2 (1.3) | 83.9 (11.5) | 84.6 (12.5) | 92.2 (3.0) |
| Global pre | 92.8 (3.6) | 92.3 (3.1) | 91.3 (3.8) | 91.5 (3.9) | 90.6 (4.6) |
| AD post | 96.0 (3.4) | 83.7 (15.1) | 94.9 (2.1) | 92.9 (4.1) | 89.4 (8.5) |
| UT post | 82.7 (13.5) | 95.7 (2.0) | 85.5 (11.7) | 87.0 (13.0) | 92.2 (3.3) |
| Global post | 92.7 (4.1) | 92.4 (3.2) | 91.7 (4.3) | 92.0 (4.4) | 91.1 (5.0) |
**满足所有VAF标准的参与者数量(及百分比)**
| 14 (46.7%) | 16 (53.3%) | 18 (60.0%) | 17 (56.7%) | 26 (86.7%) |
**下载:** 下载高分辨率图像(172KB)
**下载:** 下载全尺寸图像
**图3.** 无痛(蓝色框内)和疼痛(粉色框内)条件下,上斜方肌(左)和前三角肌(右)的原始(实线)和重建EMG迹线(虚线)的示例,两次连续测试由黑色虚线分隔。(关于此图例中颜色的解释,请参阅本文的网页版本。)
使用平均值标准化方法,有9名参与者被从分析中剔除:4名因为VAF较低(<0.8),3名因为TMS测量和IO曲线之间的拟合不明确,2名因为EMG数据不可用(运动伪影和信号丢失)。在无痛试验中未观察到显著的学习效应(p>0.49)。在21名参与者(9名女性,12名男性;平均年龄=28.10±5.09岁;均为右利手)中,疼痛导致S50平均降低了0.43% MSO(95%置信区间,-2.787至1.927),斜率平均增加了0.01 mV/% MSO(95%置信区间,-0.054至0.074),平台值平均降低了0.09 mV(95%置信区间,-0.379至0.210)。此外,疼痛导致向量范数平均降低了2.16(任意单位,95%置信区间,-4.23至-0.08),余弦值平均为999.23×10^-3(任意单位,95%置信区间,998.7×10^-3至999.8×10^-3)(表2)。
**表2.** 肌肉协调模式数据和皮质脊髓兴奋性对疼痛的适应
| 变量 | 平均值(标准差或数量) |
| --- | --- |
| 肌肉协调模式 | 疼痛前后向量角度的余弦值(10^-3a.u.) | 999.23 (1.23) |
| 疼痛前后范数差异(a.u.) | -2.16 (4.56) |
| 皮质脊髓兴奋性 | 疼痛前后S50的差异(%MSO) | -0.43 (5.51) |
| 疼痛前后斜率差异(mV/%MSO) | 0.01 (0.15) |
| 平台值差异(mV) | -0.09 (0.63) |
**相关性分析**
Spearman相关性表明,疼痛诱导的S50变化与协调模式向量的范数差异以及这些向量之间的余弦值之间存在关联(rS=0.43 [95%置信区间,-0.02至0.73];p=0.05,两者均如此),表明S50向低%MSO方向的移动与更多的肌肉协调变化相关(图4A和4C)。为了探索性地说明S50移动方向对余弦值和范数的影响,我们进行了两次事后非参数Mann-Whitney检验。这些分析并非预先计划,解释时应谨慎。S50向左移动对余弦值的影响大于向右移动,尽管这一差异未达到显著性水平(p=0.07 [95%置信区间,-0.00至0.00]),而S50向左移动对范数的降低效应显著(p=0.02 [95%置信区间,1.12至8.39])(图4B和4D)。线性回归线为红色,回归线周围的95%置信带为弯曲的灰色虚线;Mann-Whitney检验比较了S50在余弦函数(p = 0.07 [95% CI, ?0.00至0.00])(C)和正态函数(p = 0.02 [95% CI, 1.12至8.39])(D)中的左右移动。(关于图例中颜色参考的解释,请参阅本文的网页版本。)Spearman相关性也表明,疼痛引起的协调模式变化与平台期变化(rS = 0.45 [95% CI, 0.02至0.75]; p = 0.04)和IO曲线斜率变化(rS = -0.46 [95% CI, ?0.75至?0.02]; p = 0.04)之间存在关联,这表明平台期和协调模式的激活是共同变化的(图5),而招募率的增加与协调模式激活的减少相关(图6)。未发现疼痛引起的IO曲线斜率变化与余弦函数之间的相关性(rS = -0.28 [95% CI, ?0.61至0.22]; p = 0.23),也未发现疼痛引起的平台期变化与余弦函数之间的相关性(rS = 0.17 [95% CI, ?0.30至0.58]; p = 0.46)。下载:下载高分辨率图像(69KB)下载:下载全尺寸图像图5. 疼痛引起的IO曲线斜率变化与协调模式标准值之间的Spearman相关性(rS = -0.46; p = 0.04)。线性回归线为红色,回归线周围的95%置信带为弯曲的灰色虚线。(关于图例中颜色参考的解释,请参阅本文的网页版本。)下载:下载高分辨率图像(75KB)下载:下载全尺寸图像图6. 疼痛引起的斜率平台期变化与协调模式标准值之间的Spearman相关性(rS = 0.45; p = 0.04)。线性回归线为红色,回归线周围的95%置信带为弯曲的灰色虚线。(关于图例中颜色参考的解释,请参阅本文的网页版本。)对每个Spearman相关性进行了事后功效分析,使用Fisher的r-to-z转换(N = 21, α = 0.05,双尾);结果总结在表3中。表3. 事后功效分析和所需最小样本量。相关性rSp值未校正p-FDR校正后的p-FDR功效所需样本量ΔS50 × Δ协调模式标准值0.430.05是0.07否50%41ΔS50 × 余弦值0.430.05是0.07否50%41Δ协调模式标准值 × Δ平台期0.450.04是0.07否54%37Δ协调模式标准值 × ΔIO曲线斜率-0.460.04是0.07否56%35ΔIO曲线斜率 × 余弦值-0.280.23否0.28否23%98Δ平台期 × 余弦值0.170.46否0.46否11%270FDR:假发现率;rS:Spearman相关系数;Δ:疼痛引起的变化。所需样本量 = 达到80%功效的最小样本量(1 ? β = 0.80, α = 0.05,双尾)。注意:没有相关性在FDR校正后存活(所有p-FDR > 0.05)。未校正的趋势(rS = ±0.43–0.46, p < 0.05)表明协调模式标准化与IO曲线参数(平台期/斜率)之间存在关联,需要在未来的有功效研究中进行确认。讨论据我们所知,这是第一项将皮层脊髓兴奋性的变化与疼痛背景下肌肉协调变化联系起来的研究。疼痛引起的S50变化与肌肉协调的余弦值和标准值差异相关,表明增加的CSE与肌肉协调改变有关。此外,疼痛引起的协调模式标准值变化与IO曲线斜率和平台期变化相关,进一步支持了CSE与肌肉协调之间的关系。诱导的疼痛对CSE的影响是异质的,根据观察到的参数不同,CSE会增加或减少。通过将样本分为两组,可以看到某些受试者的CSE增加,而其他受试者的CSE减少。CSE的总体增加(例如S50向左移动或斜率增加)与肌肉协调的改变相关,而CSE的减少(例如S50向右移动或斜率减少)则与肌肉协调没有变化相关。大多数情况下,尽管证据有限,但诱导的疼痛会导致CSE减少(Rohel等人,2021年)。在我们的研究中,CSE减少的受试者也保持了疼痛诱导前的肌肉协调。相反,CSE增加的受试者也改变了他们的肌肉协调,涉及指针任务的肌肉的相对贡献以及EMG模式激活强度也发生了变化。我们样本中的这种变异性与先前的数据一致(Liew等人,2018年),这可能是因为一些个体需要长时间暴露于疼痛中才能实现新的适应性协调,或者变化较为渐进,因此在这样的前后设计中不太明显。其他研究表明,心理因素可以驱动运动适应(Hodges和Moseley,2003年)。此外,健康参与者对疼痛的CSE反应也存在变异性(Martel等人,2017年),并且与恐惧回避行为有关,包括运动恐惧症(Summers等人,2020年,Duport等人,2024年,Duport等人,2022年)。在这些后者的研究中,运动恐惧症水平最低的个体表现出最大的CSE抑制,而运动恐惧症水平最高的个体表现出减少的抑制甚至增加的CSE,这可能与支持运动技能适应的过程有关(Tallent等人,2021年)。这种高运动恐惧症与缺乏抑制之间的关联可能与在身体聚焦注意力期间观察到的CSE增加有关(Matsumoto等人,2024年),这反映了与恐惧相关的疼痛回避的概念。鉴于运动恐惧症已被确定为慢性疼痛和残疾的潜在预测因子(Leeuw等人,2007年),可以假设疼痛引起的CSE增加,加上一些受试者观察到的肌肉协调的突然变化,可能导致由运动恐惧症介导的不适应运动适应。考虑到我们的研究结果,我们推测疼痛引起的CSE增加,表现为S50向左移动以及斜率和平台期的增加,并与疼痛诱导后立即观察到的肌肉协调的更大变化相关,可能代表了一种不适应的运动反应,并可能导致慢性疼痛和残疾的发展。然而,鉴于我们设计的横断面和急性性质,这种解释仍然是假设性的,需要前瞻性研究来验证。疼痛引起的肌肉协调突然变化可能导致几种不良后果。可能会出现补偿机制,通过给其他肌肉或关节施加过度压力而增加二次受伤的风险(Hodges和Tucker,2011年,van Die?n等人,2017年)。这种快速的变化可能会使运动效率降低,导致疲劳增加和表现下降(Steele等人,2015年,Kakehata等人,2024年)。对疼痛的反应改变肌肉协调可能会阻碍身体内在的愈合机制(Boudreau等人,2010年)。这些变化可能涉及肌肉内部和之间的活动重新分配,以保护组织免受进一步伤害(van Die?n等人,2017年,Manickaraj等人,2017年),但也可能导致长期后果,如负荷增加和运动变异性降低(Hodges,2011年)。尽管变化发生在皮质水平,但也有可能部分模式变化是在脊髓的节段水平上驱动的。几项研究表明,像我们这样的任务(如伸手抓取动作)所涉及的运动协同作用可以被视为少数主要肌肉激活模式的加权组合(Mason等人,2001年,d’Avella等人,2006年)。这些激活模式是功能特定的,并在M1区域内有重叠(Massé-Alarie等人,2017年)。面对急性疼痛时,中枢神经系统可能会受到认知影响的驱动,采用另一种肌肉激活模式(Liew等人,2018年),并对周围输入进行精细的局部调整。然而,一项研究报告称,疼痛引起的下行抑制控制在不同肌肉之间的协同作用中有所不同:远端肌肉在狭窄的时间窗口(118–156毫秒)内表现出减少的激活,而近端肌肉在更长的延迟(150–250毫秒)内表现出更持续的减少,表明上脊髓对近端肌肉的控制有更大的贡献(Jure等人,2019年),如AD和UT。然而,大多数急性疼痛研究(Muceli等人,2014a年,van den Hoorn等人,2015年,Gizzi等人,2015年)记录了协同作用的重组,但没有直接测量脊髓的参与。尽管如此,目前还没有直接证据表明脊髓的参与。本研究的局限性在于样本量较小(N = 21)。使用Fisher的r-to-z转换进行的事后功效分析显示,对于显著相关性(rS = 0.43–0.46),达到的功效范围为50%至56%,对于非显著相关性(rS = 0.17–0.28),功效范围为11%至23%,远低于传统的80%阈值。尽管应用了Benjamini-Hochberg校正(p-FDR = 0.075–0.46),但未校正的趋势(p < 0.05)仍被视为假设生成的。为了观察到显著效应,需要35–41名参与者的样本量,而对于较小的非显著效应,则需要98–270名参与者。此外,尽管文献中记录了性别在疼痛处理和皮层运动兴奋性方面的差异,但由于样本量较小,无法进行性别分层分析,因此这些比较的效果不佳且无法解释。因此,我们的发现应被视为初步的,零结果不能解释为不存在关联的证据。由于指针任务涉及多于两种肌肉,分析更大的肌肉阵列的协调模式是必要的,以确定肌肉协调与CSE之间的关系。此外,将更多肌肉添加到NNMF模型中可以提供更多的提取组件灵活性,并允许更好地拟合模型,同时避免过度估计VAF(Damiano,2015年)。然而,这项探索性研究只有斜方肌和前三角肌的数据集。重要的是,由于只有两种肌肉和一个提取的组件,NNMF分解构成了一个退化情况,其中协同向量简化为二维加权组合,没有真正的冗余减少,这限制了当前发现仅限于两种肌肉的协调模式,而不是真正的多肌肉协同作用。因此,将这一发现推广到更广泛的肌肉协同作用重组结构需要在更大的肌肉阵列中进行验证(Burkholder和van Antwerp,2013年)。另一个局限性是条件的固定顺序,无疼痛基线总是先于疼痛条件。潜在的混杂因素包括疲劳、任务学习、注意力漂移和对实验设置的习惯化,但这些无法完全排除。然而,这种固定顺序是由于局部辣椒素的药理特性所不可避免的,其疼痛诱导效应在应用后持续数小时,使得在单次会话内无法反转条件。进行两次独立的平衡会话会引入不同的变异性来源,即基线皮层脊髓兴奋性、肌肉协调和疼痛敏感性的会话间差异,这些同样难以控制。此外,由于主要分析基于疼痛引起的变化之间的相关性,而不是直接的前后组比较,因此均匀的顺序效应不太可能扭曲报告关联背后的个体间协方差结构。尽管如此,参与者之间的差异顺序效应仍然是一个残余混杂因素,未来的研究应纳入更好地控制时间混杂因素的设计,同时保持生态有效性。此外,当前的实验疼痛模型涉及通过局部辣椒素激活皮肤痛觉感受器(Paintal,1960年,Ro和Capra,1999年),而之前关于实验疼痛期间皮层运动兴奋性变化的研究使用了肌肉内高渗盐水,招募了深层的III和IV类传入纤维(Chang等人,2026年)。这些传入纤维在脊髓和上脊髓的投射上有所不同,可能导致对运动皮层输出的潜在不同调节效应。尽管如此,这两种疼痛模式在多个中枢水平上都有汇聚,如脊髓(M?rch等人,2007年,Li和Baccei,2017年)或运动皮层(Mercier和Leonard,2011年),并且都已被证明可以暂时抑制皮层运动兴奋性(Le Pera等人,2001年,Farina等人,2001年,Cheong等人,2003年,Fierro等人,2010年,Sacco等人,2014年,Schabrun等人,2015年,Larsen等人,2018年,Dancey等人,2018年,Nishi等人,2024年)。因此,在推断到深部肌肉骨骼或慢性疼痛条件时应谨慎。由于本研究中选择的运动任务不是周期性的,数据集是不连续的,但重建的信号仍然获得了令人满意的VAF值。需要进一步的研究来确保NNMF处理不连续的EMG数据集不会引起意外的不良效应。将数据标准化为同一疼痛条件下所有试验的EMG信号的最大值是最常见的方法(Zhao等人,2023年)。中期检查显示这种方法可能会使数据偏斜,一些参与者的VAF值超过0.9,而某个肌肉的VAF值低于0.1。使用所有连续试验中最大振幅的平均值被证明更为稳健,尤其是在试验次数较多的情况下。单位方差方法不适合我们的数据集,尽管据报道它可以减少对高方差肌电图(EMG)信号的偏差(Roh等人,2013年)。令人惊讶的是,通过平均值对信号进行归一化比使用中位数更为可靠,尽管后者更容易受到少量高值的影响而产生偏斜。结果证实,归一化方法会影响VAF(Kieliba等人,2018年),这表明随着被记录肌肉数量的增加,它可能会影响提取的协同作用和肌肉协调模式的数量和解释。虽然归一化有助于不同研究之间的肌电图比较,但它可能会影响协同作用和肌肉协调模式的提取,因此应用时应谨慎。
**结论**
本研究提供了新的证据,表明疼痛引起的皮质脊髓兴奋性变化与肌肉协调的适应性变化有关。具体来说,兴奋性的增加表现为S50向左移动、输入-输出曲线的斜率变陡以及平台期延长,这与协调模式向量的方向和幅度的变化相关。这些发现强调了在疼痛条件下,皮质运动适应与运动协调策略之间的功能联系,表明疼痛可能在皮质和肌肉层面重塑运动控制。
**关于写作过程中生成式AI和AI辅助技术的声明**
在准备这项工作时,作者使用了Mistral AI开发的“Le Chat”工具来改进语法。使用该工具后,作者根据需要对内容进行了审查和编辑,并对出版物的内容负全责。
**伦理出版声明**
我们确认已阅读期刊关于伦理出版问题的立场,并确认本报告符合这些指导原则。所有作者均无需要披露的利益冲突。
**作者贡献声明**
Arnaud Duport:撰写——审阅与编辑、撰写——初稿、可视化、验证、监督、软件、项目管理、方法学、调查、形式分析、数据管理、概念化。
Gaspard Diotalevi:撰写——审阅与编辑、撰写——初稿、项目管理、方法学、数据管理。
Pierre Morel:撰写——审阅与编辑、撰写——初稿、可视化、方法学、调查、形式分析、概念化。
Flore Le Blanc:撰写——审阅与编辑、撰写——初稿。
Guillaume Léonard:撰写——审阅与编辑、撰写——初稿、项目管理、方法学。
Hervé Devanne:撰写——审阅与编辑、撰写——初稿、项目管理、方法学、调查、数据管理、概念化。
**资金情况**
本项工作未获得特定资助。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号