不对称姿势需求对startReact范式中胸锁乳突肌反射的调节作用及其对网状脊髓束评估的意义

本研究通过对比手部张开（OPEN）与肩外展（SABD）任务，首次揭示姿势需求对startReact范式中胸锁乳突肌（SCM）反射的调控机制。研究发现SABD任务因不对称头颈部姿势需求增强，通过 anticipatory postural adjustments（APAs）抑制SCM反射，导致其潜伏期延迟超过120ms阈值，并出现对侧（右SCM）振幅选择性抑制。作者创新性提出基于生理特征的数据驱动方法（150ms阈值），为不同姿势任务中 true startle（SR+）反应的鉴别提供新标准，深化了对网状脊髓束（RST）参与运动控制的理解。

　　

引言

startReact范式通过高强度声学惊吓刺激（SAS，>100 dB）触发预计划运动的快速释放，是评估网状脊髓束（RST）参与运动控制的重要工具。胸锁乳突肌（SCM）在120毫秒内的反射激活被广泛用于区分 true startle（SR+）与 false startle（SR?）反应。然而，作为姿势肌肉，SCM的反射性激活可能受到 anticipatory postural adjustments（APAs）的抑制性调节，尤其在头部/颈部姿势需求较高的任务中。

本研究比较了单侧肩外展（SABD）和手部张开（OPEN）任务中的SCM激活。由于SABD任务中不对称头颈部姿势需求增加，我们假设APA诱导的抑制会导致SABD任务中SCM激活延迟，并表现出对侧偏倚（对侧皮层回路触发APAs）。

材料与方法

29名右利手健康成人参与实验，采用ACT-3D机器人系统记录运动数据。任务包括右臂SABD（53%最大力量负荷）和右手OPEN（最大张开）。通过80 dB警告提示和随机插入的STARTLE（120 dB）或CONTROL（80 dB）声音 cue 触发反应。记录双侧SCM、中间三角肌（IDL）和指总伸肌（EDC）的肌电（EMG）活动。

数据分析采用双极EMG信号处理，高通滤波（20 Hz），自动识别EMG onset（基线3倍标准差）。SCM潜伏期定义为STARTLE cue 至较早SCM激活的时间间隔。采用Z-score标准化振幅（Equation 1）。通过sigmoid函数（Equation 2）建模反应时间（RT）与SCM潜伏期关系，以数据驱动方式确定SR+分类阈值（替代传统120 ms标准）。

结果

SCM潜伏期在SABD任务中显著延迟

SABD任务中SCM潜伏期显著长于OPEN任务（F(1,154)=12.5; p<0.001），且超过120 ms阈值的概率更高（OR=4.2, 95% CI: 1.71–10.1）。

数据驱动SR+分类阈值为150 ms

基于sigmoid拟合，SR+与SR?反应的转折点位于149.6 ms（95% CI: 128.7–176.0 ms），故采用150 ms作为新分类标准。六名参与者因无SR+反应被排除。

SABD任务更易引发startReact

SR+条件下RT显著短于SR?（F(1,167)=30.7; p<0.001），且SABD任务中条件差异更大（交互作用F(1,165)=6.0; p=0.02）。两任务间SR+概率无显著差异（p=0.21）。

APA需求导致SCM激活的 laterality 差异

SABD任务中右SCM（对侧）振幅显著低于左SCM（p<0.0001），而潜伏期延迟接近显著（p=0.09）。OPEN任务中无 laterality 差异。

讨论

本研究首次证明startReact范式中SCM反射性激活具有姿势依赖性。SABD任务因不对称姿势需求增强，通过 contralateral cortical circuits 驱动的 inhibitory APAs 抑制对侧SCM反射，导致潜伏期延迟和振幅降低。传统120 ms阈值在此类任务中易造成 false negatives，而基于生理特征的数据驱动方法（150 ms阈值）能更准确识别RST介导的SR+反应。

该方法适用于不同感觉模态（如电刺激或姿势扰动）及临床人群（如卒中或帕金森病患者），为RST在运动控制中的作用研究提供了更稳健的框架。

局限性

任务顺序（多数参与者先进行OPEN任务）可能引入偏差，但统计模型已控制该因素。 reactive postural adjustments 可能影响SCM激活，但通过100 ms时间窗口最小化其干扰。仅记录SCM而未监测其他姿势肌肉，未来研究可扩展监测范围以全面理解APAs。

结论

增加姿势需求（从OPEN到SABD）会延迟SCM反射激活并抑制对侧振幅，证明APA对startReact反应的调控。数据驱动的 sigmoid 建模方法为识别 true startle 反应提供了生理学依据，深化了对RST参与运动控制的理解，并推动了startReact方法学的优化。