《Frontiers in Neuroergonomics》：Physiological activation regimes reveal distinct autonomic mechanisms underlying operational performance under cognitive workload and stress
编辑推荐：
安全关键环境中的人类绩效取决于心理负荷、应激、自律神经调节与行为之间的动态交互作用。本研究探讨了在AeroStim平台实施的多任务飞行模拟中，心率变异性（Heart Rate Variability，HRV）与绩效之间的关联是否随生理激活范围和操作情境的不同而
安全关键环境中的人类绩效取决于心理负荷、应激、自律神经调节与行为之间的动态交互作用。本研究探讨了在AeroStim平台实施的多任务飞行模拟中，心率变异性（Heart Rate Variability，HRV）与绩效之间的关联是否随生理激活范围和操作情境的不同而变化。42名健康受试者（25 ± 5岁）分别执行仅负荷条件（Workload-Only，WO；n = 20），包含追踪（Tracking）与系统监控（System Monitoring）任务；或应激导向条件（Stress-Oriented，SO；n = 22），其中额外同时施予应激诱导任务。研究人员使用EqVital可穿戴传感T恤连续记录心电图（ECG）。提取线性和非线性HRV指标，并采用Min-Max缩放进行受试者内标准化。对标准化后的SDNN进行高斯混合模型（Gaussian Mixture Modeling，GMM）分析，识别出三个相对的、受试者特异性的激活范围（Easy、Medium和Hard），该分类在替代标准化程序下表现出高度稳定性。HRV-绩效关联采用Spearman相关结合置换推断和Benjamini–Hochberg校正进行评估，绩效差异则采用非参数检验。HRV-绩效相关性随激活范围和情境而变化；但均未通过FDR校正，因此应视为探索性结果。在WO条件下，Easy范围的关联涉及LF，Medium范围涉及SDNN、SD2和LF，Hard范围涉及SDNN、LF/HF和样本熵（Sample Entropy）。在SO条件下，Medium范围的关联扩展至迷走神经、整体变异性和非线性复杂度指标，而Hard范围的关联主要涉及迷走神经和LF相关指标。WO条件下Medium激活范围的遗漏率低于Easy范围，为中间激活优势提供了部分支持，但各情境间未出现一致的绩效最优值。条件间比较揭示了稳健的速度-准确性权衡：WO产生更快但准确性较低的反应，SO产生较慢但准确性较高的反应。敏感性分析进一步表明，运动窗口的差异以指标依赖的方式影响HRV指标，频域指标的偏差通常更大。研究结果表明，HRV-绩效关系具有情境依赖性和激活依赖性，而非由单一普适标记物所捕获。研究结果支持基于分区、多模态HRV监测在自适应人机系统中的潜力，同时强调了标准化记录时长、独立自律神经标记物以及跨个体和真实操作环境验证的必要性。
论文解读
一、研究背景与问题提出
在安全关键或操作场景中，人类绩效产生于认知负荷（Mental Workload，MWLD）、应激与生理调节机制之间的动态交互。大量航空事故分析表明，人为因素贡献了约75%的运输类航空事件，美国联邦航空管理局（FAA）估计人为差错涉及约三分之二至四分之三的航空事故。因此，实时刻画操作者的生理状态是安全与绩效管理的前提条件。
MWLD被定义为任务所需的注意、记忆和执行资源与当前可用资源之间的比率；应激则指对环境需求的急性心理生理反应，当需求被感知为超过或威胁个体调节能力时产生。两者均可通过交感神经与副交感神经活动的动态交互影响自律神经调节，进而影响心血管反应。心率变异性（HRV）提供了心脏自律神经调节的非侵入性实用指标，可间接反映操作者负荷、应激、准备状态和恢复状态的变化。
HRV涵盖多个分析域的大量指标，但同时也受呼吸频率、潮气量、身体姿势、体力活动、昼夜节律、记录时长、信号质量和信号处理选择等因素影响。因此，HRV指标应被解释为情境依赖的心脏变异性和自律神经调节指标，而非自律神经活动的直接度量。时域指标中，NN间期标准差（SDNN）反映总自律神经变异性；连续差值的均方根（RMSSD）反映短期迷走神经调节；pNN50提供高频副交感张力的补充指标。Poincaré图衍生指标SD1和SD2分别分解逐搏变异性的短期和长期成分。频域指标中，高频功率（HF：0.15–0.40 Hz）主要与心脏迷走神经调节相关；低频功率（LF：0.04–0.15 Hz）反映自律神经和压力感受器反射相关影响的混合；LF/HF比值作为LF和HF功率相对分布的描述性指标。非线性指标方面，样本熵（SampEn）量化RR序列的不规则性和不可预测性；模糊熵（FuzzyEn）采用连续相似函数替代硬二值边界；排列熵（PermEn）基于局部幅度模式的秩结构捕获序数复杂度；关联维数D2量化重构相空间吸引子的分形维度。
现有研究存在一个重要缺口：多数研究通过比较预定义任务难度条件或检查整个生理范围内的全局相关性来建模HRV-绩效关系。这些方法隐含假设生理激活与行为绩效之间的关联具有线性和同质性，可能掩盖质上不同的自律神经模式，其中不同HRV指标可能具有差异化的预测价值。此外，尚不清楚HRV指标反映的是实际绩效恶化，还是更微妙地反映在需求下维持绩效的代偿性调节机制——这一区分对自适应监测具有直接影响。因此，本研究采用基于分区（regime-based）的框架，从生理信号本身推导相对生理激活范围，系统考察不同激活水平下HRV与绩效的关系及其在负荷单独作用与负荷叠加应激条件下的变化。
二、研究设计与主要技术方法
本研究在意大利基耶蒂-佩斯卡拉大学（Gabriele D'Annunzio University）生物工程实验室开展，招募50名大学生志愿者（平均年龄25.2 ± 5.3岁），最终纳入42名受试者（WO条件20人，SO条件22人）。研究采用AeroStim飞行模拟平台（由Next2U公司开发，为多属性任务电池II（MATB-II）的演进版本），通过模块化架构实现认知负荷与应激的独立操控。生理信号采用EqVital数字化传感T恤以256 Hz采样率连续记录心电图，经预处理（异常值剔除、线性插值、异位搏动检测与校正）后提取时域（SDNN、RMSSD、pNN50、SD1、SD2）、频域（LF、HF、LF/HF）及非线性（SampEn、FuzzyEn、PermEn、D2）共12项HRV指标。关键方法创新在于：对受试者内Min-Max标准化后的SDNN进行高斯混合模型（GMM）聚类，将生理激活划分为Easy、Medium、Hard三个相对范围（边界分别为0.217和0.717），分类在替代标准化程序下显示98.4%–100%的一致性。统计分析采用Spearman秩相关结合置换推断（5000次置换）和Benjamini–Hochberg FDR校正，绩效差异采用Kruskal–Wallis检验和Mann–Whitney U检验，并进行了180秒固定窗口敏感性分析和基于任务难度分层的替代分类验证。
三、研究结果
（一）难度-绩效关联
在WO条件下，Easy范围内任务难度与正确率（c_SyS）呈负相关（ρ = ?0.70），与遗漏率（m_SyS）呈正相关（ρ = 0.67），与追踪任务光标平均距离（adt_mean）呈正相关（ρ = 0.69）；Medium范围内难度与遗漏率（ρ = 0.51）和adt_mean（ρ = 0.64）正相关；Hard范围内难度与adt_mean正相关（ρ = 0.71）。SO条件下，Easy范围内难度与正确率负相关（ρ = ?0.53），与错误率（w_SyS，ρ = 0.65）和遗漏率（ρ = 0.55）正相关，与adt_mean正相关（ρ = 0.65）。各关联均未通过FDR校正，提示难度操控对绩效的影响在探索性水平上存在。
（二）HRV-绩效关联
WO条件下，Easy范围仅LF与绩效指标存在关联；Medium范围涉及SDNN、SD2和LF；Hard范围涉及SDNN、LF/HF和SampEn。SO条件下，Medium范围的关联扩展至迷走神经（RMSSD、HF）、整体变异性（SDNN、SD2）和非线性复杂度（SampEn、FuzzyEn、PermEn）指标；Hard范围主要涉及迷走神经和LF相关指标。所有HRV-绩效相关性均未通过FDR校正，应视为探索性发现。敏感性分析显示，以任务难度替代SDNN-GMM分层后，SDNN-绩效关联模式发生变化，提示分区标准对结果有影响。
（三）激活范围间绩效差异
WO条件下，Medium激活范围的遗漏率显著低于Easy范围，为中间激活优势假说提供了部分支持。SO条件下，各激活范围间未发现一致的绩效差异。两个情境中均未出现明确的单一最优激活范围，绩效与激活水平的关系呈现任务指标依赖性和情境依赖性。
（四）条件间绩效比较
WO与SO条件间存在稳健的速度-准确性权衡：WO产生更快但准确性较低的反应，SO产生较慢但准确性较高的反应。这一模式在多个绩效指标上一致出现，表明应激诱导的额外任务需求改变了操作者的反应策略，而非简单降低整体绩效水平。
（五）窗口长度敏感性分析
HRV指标对分析窗口长度的敏感性呈指标依赖特征：频域指标（LF、HF、LF/HF）在固定180秒窗口与全长窗口间的偏差通常大于时域和非线性指标。这一发现提示频域HRV指标对记录时长更为敏感，在操作环境应用中需谨慎解释。
四、讨论与结论
本研究采用基于生理激活分区的分析框架，揭示了HRV-绩效关系的情境依赖性和激活依赖性特征。研究发现，不同激活范围涉及的HRV指标类型不同：Easy范围以频域指标为主，Medium范围扩展至整体变异性和非线性复杂度指标，Hard范围则集中于迷走神经和LF相关指标。这一模式提示，不同生理激活状态下自律神经调节的主导机制存在差异，单一HRV指标无法普适性地预测操作绩效。WO条件下Medium激活范围的遗漏率优势为倒U型 arousal-绩效关系提供了部分证据，但SO条件下未出现一致的最优激活范围，说明应激的叠加改变了激活-绩效关系的形态。速度-准确性权衡的发现进一步表明，应激条件诱导操作者采用更谨慎的反应策略，反映了代偿性控制机制的作用。
研究结论指出，HRV-绩效关系并非由单一普适标记物所捕获，而是随操作情境和生理激活状态动态变化。研究结果支持基于分区、多模态HRV监测在自适应人机系统中的潜力，即通过识别操作者当前的生理激活状态，选择相应的HRV-绩效关联模型进行实时绩效预测和干预。同时，研究强调了标准化记录时长、独立自律神经标记物的开发以及跨个体和真实操作环境验证的必要性。未来研究需要在更大样本中验证分区框架的稳定性，探索实时应用中基于预训练GMM的前瞻性分类策略，并评估多模态生理信号融合对绩效预测精度的提升效果。
