编辑推荐：
为探究扭矩复杂性变化与神经肌肉疲劳及运动单位参数间的关系，研究人员对 21 名健康年轻人进行研究。结果发现，扭矩复杂性变化与股外侧肌、股内侧肌平均放电率及运动单位动作电位峰值幅度相关，且随疲劳改变。该研究为理解神经肌肉控制机制提供新依据。
在人体运动的奇妙世界里，肌肉收缩产生的力量并非一成不变。当我们试图维持一个稳定的肌肉收缩时，比如长时间保持屈膝姿势，肌肉所产生的扭矩（torque）会在一定范围内波动。这种波动看似随机，实则蕴含着重要的生理信息，被称为生理复杂性（physiological complexity），它反映了神经肌肉系统应对环境挑战的适应能力。以往研究表明，神经肌肉疲劳（neuromuscular fatigue）会影响扭矩复杂性，进而削弱神经肌肉系统的适应性，但其中具体机制尚不明确。而且，扭矩复杂性变化与运动单位（motor unit）参数之间的关系也有待进一步探索。为了揭开这些谜团，来自葡萄牙埃加斯?莫尼斯跨学科研究中心（Egas Moniz Center for Interdisciplinary Research, CiiEM）等机构的研究人员展开了深入研究。他们的研究成果发表在《Scientific Reports》上，为我们理解神经肌肉系统在疲劳状态下的变化提供了新的视角。
研究人员采用了多种关键技术方法。首先，利用等速测力计（Biodex System 3 Pro isokinetic dynamometer）收集数据，让参与者完成不同类型的膝关节伸展任务。通过生物信号采集系统（Biopac MP100）以 1000Hz 的频率采样扭矩数据，并使用高密度肌电图（
EMGhd）记录股外侧肌（vastus lateralis, VL）和股内侧肌（vastus medialis, VM）的电活动。在数据分析阶段，运用样本熵（Sample Entropy, SampEn）等指标来评估扭矩的复杂性，同时从肌电图数据中提取运动单位相关参数。
研究结果主要分为以下几个方面：
- 运动单位相关参数的相关性：平均放电率方面，ΔSampEn 与疲劳前 VL 和 VM 的平均放电率（average firing rate, aFR）呈显著负相关。这意味着，疲劳前 aFR 较高的个体，在出现神经肌肉疲劳时，SampEn 降低，扭矩规律性增加；而疲劳前 aFR 较低的个体，疲劳时 SampEn 升高，扭矩规律性降低。峰值运动单位动作电位幅度（peak motor unit action potential amplitude, MUAPamp）方面，ΔSampEn 与疲劳前 VL 和 VM 的 MUAPamp 同样呈显著负相关。即疲劳前 MUAPamp 较高的个体，疲劳时 SampEn 降低，扭矩更规律；反之，疲劳前 MUAPamp 较低的个体，疲劳时 SampEn 升高，扭矩规律性下降。
- 扭矩相关参数的变化：样本熵显示，膝关节伸展扭矩样本熵在神经肌肉疲劳后显著增加，表明扭矩输出变得更加不规则。峰值扭矩（Peak Torque, PT）方面，膝关节伸展峰值扭矩在疲劳后显著降低，意味着肌肉产生最大力量的能力下降。而平均扭矩（Mean Torque, MT）和平均膝关节角度（Mean Knee Joint Angle, MKJA）在疲劳前后没有显著变化，说明在维持一定水平的肌肉收缩时，平均扭矩和膝关节角度保持相对稳定。此外，扭矩变异系数（Coefficient of variation, CV）在疲劳前后也无显著差异，表明扭矩波动的相对程度未受疲劳明显影响。
- 运动单位相关参数的变化：平均放电率上，VL 和 VM 的平均放电率在神经肌肉疲劳后显著增加，说明肌肉在疲劳时通过提高运动单位的放电频率来维持收缩。峰值运动单位动作电位幅度方面，VL 和 VM 的 MUAPamp 在疲劳后显著增加，这可能与肌肉疲劳时运动单位募集和激活方式的改变有关。
在研究结论和讨论部分，研究人员发现扭矩复杂性变化与运动单位参数密切相关，这一结果支持了他们的研究假设。而且，虽然以往研究大多认为神经肌肉疲劳会使扭矩复杂性降低，但本研究观察到扭矩不规则性增加，这一现象与 Stergiou 等人的理论模型相符，即超出最佳变异性（向随机性发展）也意味着生理复杂性降低，使系统适应性变差。研究还推测，肌肉纤维类型组成可能影响运动单位行为，进而影响扭矩复杂性变化与神经肌肉疲劳及运动单位参数之间的关系。此外，研究中发现的扭矩复杂性变化在不同个体间存在双向行为（熵增加或减少），可能与所选亚极量强度（30% MVIC）和临界扭矩（critical torque, CT）的关系有关，不过目前尚未建立明确的因果关系，后续还需进一步研究。
总的来说，这项研究揭示了神经肌肉疲劳时扭矩复杂性变化与运动单位参数之间的关联，挑战了传统认知，为深入理解神经肌肉控制机制提供了重要线索。它让我们认识到，神经肌肉系统在疲劳状态下的变化比以往认为的更加复杂和微妙。未来研究可以在此基础上，进一步探索更广泛的神经肌肉参数对扭矩复杂性的影响，明确个体的临界扭矩，从而更全面地揭示神经肌肉疲劳的机制，为运动训练、康复治疗等领域提供更科学的理论依据。
