《Journal of Electromyography and Kinesiology》：Lower apparent motor-unit discharge rates in simulated diabetic peripheral neuropathy reflect HD-sEMG-like selection rather than lower population rates
编辑推荐：
糖尿病周围神经病变（diabetic peripheral neuropathy，DPN）患者中经常报道的运动单元（motor unit，MU）放电率降低可能是一种伪影。高密度表面肌电（high-density surface electromyography
糖尿病周围神经病变（diabetic peripheral neuropathy，DPN）患者中经常报道的运动单元（motor unit，MU）放电率降低可能是一种伪影。高密度表面肌电（high-density surface electromyography，HD-sEMG）分解的选择偏倚在病理条件下扭曲了研究结果。这些发现对当前关于糖尿病神经肌肉控制的解释提出了挑战。运动单元放电行为是神经肌肉控制的基本组成部分，因为运动单元募集和速率编码共同塑造肌肉力的产生与运动。高密度表面肌电通过紧密排列的表面电极网格记录肌肉电活动，提供空间分布信号，据此可估计单个运动单元的放电时间。信号分解将干扰肌电信号分离为其组成的运动单元动作电位序列，从而能够估计募集与去募集阈值、放电率、放电变异性、运动单元动作电位特性及传导速度。在已确诊的DPN个体中，使用针极定量肌电以及严重DPN患者在匹配相对强度收缩中使用高密度表面肌电，均报告了较低的平均运动单元放电率。在其他糖尿病群体中的研究则强调放电率调制减弱或放电变异性增大。近期研究还报告了无并发症的1型糖尿病年轻个体中较低的运动单元放电率。总体而言，这些发现表明糖尿病群体中运动单元放电行为发生改变，但并未确立较低的平均放电率是DPN或完整活动运动单元群体的统一属性。解释已识别运动单元中较低的平均放电率尤为困难，因为DPN与运动轴突和运动单元丢失、侧支神经再支配、神经传导减慢、运动单元收缩特性改变以及肌肉力量产生能力降低相关。这些改变可能影响传入输入、运动神经元兴奋性、运动单元力量产生以及维持目标力量所用的神经策略。运动单元力量产生能力降低也可能需要其他活动运动单元进行代偿性募集或提高放电率。同时，从分解样本获得的平均值取决于识别并保留哪些运动单元。因此，观察到的降低可能反映生理改变、活动运动单元群体的选择性代表，或两者的结合。高密度表面肌电采集、分解及后续分析包含若干潜在的选择机制。表面检测可能偏向于动作电位在皮肤表面振幅较大的运动单元，而时间叠加可能使快速放电的运动单元动作电位序列更难分离。分解质量和分析纳入标准可能进一步限制接受的放电率范围或排除具有高间峰间隔变异性的运动单元。这些机制在不同阶段产生，且不一定产生相同效应。本研究未模拟原始肌电信号、容积导体、电极几何、运动单元动作电位振幅或分解过程本身，而是隔离了放电率和间峰间隔变异系数（ISI-CoV）资格标准及随后固定大小样本随机选择的结果。在合格池内进行随机选择避免了对运动单元大小、深度或空间位置施加无依据的排序，但未模拟表面肌电检测的空间依赖性。如果Normal和DPN条件下的运动单元群体具有不同的放电率或变异性分布，相同的资格规则可定义系统性不同的采样池。为检验这一可能性，研究人员使用神经肌肉力控制的概念验证计算模型，在恒力等长收缩期间模拟配对的Normal和DPN条件。与实验记录不同，模拟可访问每个活动运动单元，因此可将10个合格运动单元的随机化HD-sEMG样样本直接与每个模拟受试者已知的完整活动运动单元群体进行比较。研究人员假设，应用资格和有限样本限制可在潜在群体水平差异方向相反的情况下，产生DPN中较低的表观平均放电率。20%最大自主收缩力（MVC）条件被指定为主要参考分析，10%和50% MVC分析用于评估不同收缩强度下的稳健性。选择种子稳定性和选择阈值敏感性分析分别量化了对特定10运动单元抽取和ISI-CoV资格标准的依赖性。
论文解读
一、研究背景与问题
运动单元（motor unit，MU）放电行为是神经肌肉控制的基础组成部分，运动单元募集与速率编码共同决定肌肉力量的产生与运动控制精度。高密度表面肌电（high-density surface electromyography，HD-sEMG）作为一种非侵入性技术，通过电极网格记录肌肉电活动并分解出单个运动单元的放电时间序列，被广泛用于研究运动单元放电行为。在糖尿病周围神经病变（diabetic peripheral neuropathy，DPN）患者中，多项研究采用HD-sEMG分解方法报告了较低的平均运动单元放电率，这一结果被普遍解释为DPN导致神经肌肉控制受损的直接证据。然而，DPN伴随运动轴突和运动单元丢失、侧支神经再支配、神经传导减慢、运动单元收缩特性改变及肌肉力量产生能力下降等复杂病理改变，这些因素可能影响运动神经元的兴奋性和神经控制策略。更重要的是，HD-sEMG分解得到的样本平均值取决于哪些运动单元被识别并保留，而表面检测、时间叠加、分解质量标准和分析纳入标准等多个环节均可能产生选择性偏差。因此，实验观察到的放电率降低可能反映真实的生理改变、活动运动单元群体的选择性代表，或两者共同作用的结果。现有研究无法区分这些可能性，因为实验记录无法获取完整活动运动单元群体的真实放电率。本研究旨在通过计算模拟，检验HD-sEMG样选择程序是否能在群体水平差异方向相反的情况下产生DPN中较低的表观放电率。
二、研究内容与结论
研究人员构建了一个概念验证计算模型，模拟恒力等长收缩条件下的Normal和DPN两种神经肌肉状态。模型包含400个（Normal）或200个（DPN）下行命令神经元、250个运动神经元及其对应的运动单元、以及模拟视觉反馈的比例积分控制器。DPN条件通过一系列参数改变来定义：最小和最大运动单元颤搐振幅各降低1.4倍，颤搐达峰时间各增加1.4倍，最小和最大运动神经传导速度乘以0.85，下行命令神经元数量从400减至200。这些参数改变代表糖尿病相关的骨骼肌结构和钙调节改变、神经传导减慢以及白质改变。模型的最大自主收缩力（MVC）在两种条件下均为300模型力单位，因此绝对力量目标在两种条件下相同。每种条件下进行50次10秒的20% MVC收缩模拟，另在10%和50% MVC下各进行50次以评估收缩强度的影响。分析采用HD-sEMG样选择程序：活动运动单元需满足平均放电率大于5且小于15脉冲/秒（pps）、间峰间隔变异系数（ISI-CoV）小于等于0.3的资格标准，然后从合格池中随机抽取10个运动单元，近似实验研究中每个受试者通常识别的运动单元数量。由于模拟可访问每个活动运动单元，完整活动运动单元群体的平均放电率被精确已知，作为与抽样估计比较的模拟真值。
三、关键技术方法
本研究采用计算神经肌肉力控制模型，基于研究人员先前开发的模型，使用Python语言结合NEURON和PyNN库实现。模型包含四个组成部分：下行命令神经元池（Normal条件下400个，DPN条件下200个）、250个运动神经元（每个为具有Hodgkin–Huxley型离子通道的双室神经元）、运动单元力产生模块（运动神经元放电驱动肌浆钙动力学，钙结合肌钙蛋白通过二阶线性模型产生运动单元力）、以及比例积分反馈控制器（模拟视觉反馈以维持目标力量）。模型参数在每次模拟试验中施加5%变异系数的随机扰动以代表受试者间生理变异性。数值积分采用隐式欧拉法，时间步长0.05毫秒。分析采用配对BCa 95%置信区间和双侧Wilcoxon符号秩检验。选择种子稳定性分析使用1000个预设随机种子重复选择程序，选择阈值敏感性分析将ISI-CoV上限从0.15变化至0.50。所有代码公开于
https://github.com/BMClab/HDsEMGbias 。
四、研究结果
4.1 主要结果：HD-sEMG样选择逆转了群体差异方向
在20% MVC下，固定种子随机选择10个合格运动单元得到的平均放电率在DPN条件下显著低于Normal条件（Normal：12.20±0.50 pps；DPN：11.71±0.72 pps；配对差异?0.48 pps，p<0.001），与既往实验报告方向一致。然而，已知的完整活动运动单元群体模拟真值显示相反方向：Normal为13.00±0.27 pps，DPN为14.04±0.40 pps，配对差异+1.03 pps（p<0.001）。HD-sEMG样估计在两种条件下均低估了完整群体平均值，但DPN条件下的低估幅度（2.32 pps）几乎是Normal条件（0.81 pps）的三倍。合格池平均值在DPN条件下也较低（配对差异?0.50 pps），而10运动单元样本与合格池平均值偏差很小（Normal：+0.07 pps；DPN：+0.08 pps），表明失真源于资格标准而非样本大小。DPN条件下活动运动单元数量较少（Normal：174.5；DPN：161.8），中位数46个运动单元满足资格标准，10运动单元样本约代表活动群体的6%。两种条件均精确追踪目标力量，但DPN条件下力变异系数较低（1.47%对2.12%，p<0.001）。10个选定运动单元的累积峰电位序列与完整活动运动单元群体的相关性在两种条件间无显著差异。
4.2 选择种子稳定性与资格阈值敏感性
在1000个预设种子的重复选择中，中位配对差异为?0.50 pps，中央95%跨种子范围为[?0.74, ?0.27] pps，1000个估计值中无一为非负，95.0%的名义p值小于0.05，表明主要结果不依赖于特定10运动单元抽取。将ISI-CoV资格阈值从0.15变化至0.50时，20% MVC下跨种子范围在0.15至0.36阈值间完全低于零，0.38起跨越零，0.45和0.50阈值下中位估计值转为正值。在所有实验常用阈值（0.25–0.50）和所有力量水平下，抽样差异均远低于模拟真值。在20% MVC下，ISI-CoV资格标准在Normal条件排除了5–15 pps范围内19.3%的运动单元，而在DPN条件仅排除7.0%。固定种子HD-sEMG样样本中，模拟水平平均ISI-CoV在DPN条件下较低（0.126对0.153，配对差异?0.027，p<0.001）。合并分布显示DPN条件下ISI-CoV低于0.3阈值的运动单元比例较高（85.8%对76.9%）。
4.3 收缩强度稳健性
固定种子HD-sEMG样放电率差异在10% MVC为?0.27 pps（p=0.186），20% MVC为?0.48 pps（p<0.001），50% MVC为?0.41 pps（p=0.039），Friedman检验无总体力量水平依赖性。模拟真值差异在三个力量水平均为正值（10%：+1.39 pps；20%：+1.03 pps；50%：+0.53 pps，均p<0.001），且随力量增加而减小。HD-sEMG样估计与模拟真值的直接比较显示失真在所有力量水平均显著。1000种子分析中，10%和20% MVC下所有估计值均为负，50% MVC下7.6%为非负。50% MVC下约90%的运动神经元活动，约四分之三活动运动单元放电率超过15 pps上限，资格池比例降至16.5%（Normal）和17.5%（DPN）。
五、讨论与结论
研究结果表明，应用随机化HD-sEMG样选择规则可在完整活动运动单元群体显示相反方向的情况下产生DPN中较低的平均放电率。资格标准导致样本在两种条件下均低估完整群体平均值，且DPN样条件下的低估幅度更大，从而逆转了条件间差异的符号。这一逆转在20% MVC下对1000个选择种子稳定。选择种子分析表明，10运动单元样本是合格池平均值的近似无偏估计，失真由资格标准引入，识别更多满足相同标准的运动单元无法消除该失真。ISI-CoV资格标准对放电变异性分布不同的群体产生不同排除比例，这是逆转的关键机制。DPN条件下较高的完整群体放电率源于模型参数化的特定性质：DPN运动单元的颤搐振幅降低而达峰时间延长，使颤搐与强直力之比降低，因此产生相同亚极量力量需要更大程度的融合，模型通过速率编码实现——以较少活动运动单元以较高放电率维持目标力量。然而，模型预测DPN条件下力变异性较低，与实验文献中DPN患者力量稳定性受损的报告方向相反，这源于模拟设计特性，表明该模型不应用于解释力变异性结果。本研究为概念验证，未收集患者数据、未生成原始肌电信号、未应用实际分解算法，也未包含容积导体、电极几何、运动单元动作电位振幅和空间检测阶段。研究不证明既往报告的DPN放电率降低完全是方法学伪影，但表明HD-sEMG分解样本中较低的放电率不一定代表完整活动运动单元群体的降低。Normal与DPN群体比较应考虑病理改变如何改变哪些运动单元满足识别和可靠性标准。未来工作需纳入空间真实的肌电生成与分解、以实验数据评估选择规则，并通过参数消融分析确定各生理和测量因素的贡献。
