《IEEE Access》：A Multimodal Approach to Ergonomic Assessment Fusing an IMU-Based RULA and Surface EMG System
编辑推荐：
本项研究致力于解决因长时间静态坐姿和不当工效学姿势导致的工效学风险评估与生理肌肉负荷脱节问题。研究人员整合了基于惯性测量单元(IMU)的快速上肢评估(RULA)系统与表面肌电图(sEMG)技术，对办公人员进行长时间打字任务的姿态与肌肉活动监测。结果表明，更高的RULA颈部与躯干评分与更大的sEMG波幅显著相关，证实不良姿势显著增加了肌电活动水平，这为基于传感器的客观工效学评估提供了有力证据。
长时间坐在电脑前，脖子前伸、肩膀内扣，是许多上班族和学生的日常写照。这种看似寻常的姿势，却潜藏着巨大的健康风险。工作相关肌肉骨骼疾患(WMSD)正因此成为困扰劳动力和学生群体的常见病，不仅损害个人健康，也影响工作效率和社会生产力。传统的工效学风险评估，如快速上肢评估(RULA)，多依赖于观察者的主观判断，而肌肉活动的客观生理指标，如表面肌电图(sEMG)，则能直接反映肌肉的负荷与疲劳。然而，将反映姿态风险的生物力学评分与反映肌肉负荷的生理信号实时、同步地关联起来，从而实现对工效学风险的客观、全面评估，仍是一个有待深入研究的领域。这正是本研究旨在探索的核心问题。
为了精准捕捉不良姿势与肌肉负担之间的关联，一个由Ratikanlaya Tanthuwapathom和Udomporn Manupibul等研究人员组成的团队，在《IEEE Access》上发表了一项创新性研究。他们开发并应用了一套多模态传感系统，融合了基于惯性测量单元(IMU)的RULA姿态评估与sEMG肌肉活动监测，旨在探究姿态相关的工效学风险与生理肌肉应变之间的相关性，为预防WMSD提供更科学、客观的工具。
研究人员开展此项研究主要应用了以下几项关键技术方法：1) 定制开发的SMART IMU系统，使用五个搭载了陀螺仪、加速度计和磁力计的传感器模块，分别置于头部、第七颈椎(C7)、第五腰椎(L5)及双肩，通过卡尔曼滤波算法计算颈部与躯干角度，并据此计算IMU-based RULA评分。2) Biopac MP36四通道生理数据采集系统，用于采集双侧胸锁乳突肌(SCM)和上斜方肌(UT)的sEMG信号，信号经带通滤波(20-500 Hz)和50 Hz陷波滤波后，计算归一化均方根(RMS)波幅以评估肌肉努力程度，并通过计算归一化中位频率(NMF)斜率来评估肌肉疲劳。3) 实验设计在受控的实验室环境中模拟办公室工作，招募了20名健康的泰国办公室职员和大学生（样本来源：玛希隆大学），进行两次各30分钟的标准化打字任务，同步记录IMU与sEMG数据。
研究结果
IMU-based RULA评分与姿态角度：研究记录了参与者在10、20、30分钟时间点的颈部角度、躯干角度及相应的RULA颈部评分与躯干评分。数据表明，参与者的姿势风险在任务期间持续存在。
归一化EMG波幅：分析显示，所有被测肌肉（双侧SCM和UT）的归一化EMG波幅在30分钟的任务期内呈一致且渐进性增加。例如，在第一次任务中，左上斜方肌的平均波幅从10分钟时的4.24增至20分钟时的5.26，再到30分钟时的7.34。统计分析证实，60分钟后，双侧SCM和UT的波幅均出现统计学上的显著增加，且UT波幅的增加显著大于SCM。
归一化中位频率(NMF)斜率：与波幅数据的明确趋势不同，NMF斜率结果显示出显著的个体间变异性。虽然部分参与者的某些肌肉（如第二次任务中的左上斜方肌）表现出明显的负斜率（如-3.35, -4.66 %/min），这是肌肉疲劳的典型指标，但许多其他参与者的NMF斜率呈中性甚至正值。箱线图分析进一步证实了这种高度变异性，表明在30分钟的任务框架内，肌肉疲劳并非所有参与者的普遍结果。
多模态关联分析：研究发现，更高的RULA颈部与躯干评分与更大的EMG波幅之间存在一致关联，表明不良姿势导致肌肉需要付出更多努力来维持。尽管左上斜方肌波幅增加与颈部评分增加之间呈现中等正相关(r = 0.384)，左上斜方肌频率变化与颈部评分变化之间呈现中等负相关(r = -0.387)，但这些关联在本研究的样本量下未达到统计学显著性水平(p值分别为0.094和0.091)。
研究结论与讨论
本研究成功证实，不良的工效学姿势（表现为较高的IMU-based RULA评分）与肌肉努力程度的显著、随时间增加的提高（表现为EMG波幅升高）之间存在强相关性。这支持了将姿态生物力学风险与直接生理测量相结合的方法，能为工效学风险提供客观、有力的证据。研究特别指出，在所受评估的姿势中，上斜方肌承受的负荷最为显著，是需要重点关注的风险区域。
然而，关于肌肉疲劳的假设得到了更复杂的验证。NMF斜率数据显示出高度的个体间变异性，表明肌肉疲劳并非单一或普遍的现象。这可能归因于个体肌肉耐力的差异、未被RULA评分捕获的微动作或休息期、以及代偿性肌肉激活策略等因素。文献也支持，在低强度静态任务中，中位频率作为疲劳指标可能并不总是呈现清晰的变化趋势。
这项研究的意义在于，它展示了一种融合IMU与sEMG的多模态方法，能够同步、客观地评估工效学风险（姿势）与其生理后果（肌肉负荷），超越了单一传感器或主观评估的局限性。尽管存在实验时长、实验室环境和小样本量等限制，但该方法为开发实时、传感器驱动的工效学监测与干预工具奠定了重要基础，有望更有效地预防办公室环境等工作场所中的工作相关肌肉骨骼疾患，提升职业健康与安全水平。
