战术执法训练中应激的皮电特征

《Stress》：Electrodermal signatures of stress during tactical law enforcement training

　　

摘要
战术执法训练对学员（recruits）提出了持续的认知和情感需求，使得应激调节成为学习和表现的关键决定因素。本研究在标准化执法场景中，将皮电活动（EDA）作为应激调节的客观指标进行了考察。研究目标为：1）根据皮电动力学预测个体战术表现的变化；2）检验基于呼吸的干预是否比标准训练在整个场景期间产生不同的前-后生理变化；3）量化威胁识别期间威胁期（peri-threat）的EDA动力学。53名学员完成了重复的前测和后测评估。研究人员通过可穿戴传感器在四个场景中连续记录了EDA。表现变化定义为后测减去基线表现分数，并使用重复5折交叉验证的机器学习进行建模。随机森林模型解释了表现变化30%的方差，并以77.1%的准确率将改善者与未改善者区分开来，主要驱动力来自交感神经能量和相位幅度（phasic amplitude）。全场景分析显示出稳健的时间效应，但无可靠的组别或时间×组别交互效应。在威胁期窗口内，起始潜伏期（onset latency）显示出时间×组别交互效应（p = .031, d = 0.86），对照组后测潜伏期缩短，而实验组潜伏期稳定。研究结果表明，根据场景训练中测量的皮电动力学可以预测警员学员的战术表现，且表现改善可从应激调节动力学中预测。最后，一项简短的基于生物反馈的呼吸干预显著减缓了威胁触发的交感唤醒。这些结果支持在学员训练中使用基于生物反馈的应激干预来塑造自主神经反应并提高战术表现。

**战术执法训练中应激调节的皮电特征：基于机器学习与威胁期分析的实证研究**

**研究背景与问题提出**
执法训练常将学员置于复杂、高应激的战术场景中，要求其在不确定性和威胁条件下快速感知、决策并执行动作。尽管战术能力通常通过可观察的行为结果进行评估，但对伴随表现和学习的生理过程（尤其是压力下的应激调节）关注不足。应激反应影响注意力、工作记忆、决策和运动协调，这些对战术表现至关重要。过度的或调节不良的应激可能损害技能习得和表现一致性，而有效的应激调节则可能促进学习、适应性和保持。然而，现有研究多依赖主观自我报告或粗略的生理指标，无法捕捉任务执行过程中应激的动态调节。皮电活动（EDA）作为交感神经系统活动的非侵入性指标，具有高时间分辨率，但先进的分析方法在执法训练环境中应用有限。因此，本研究旨在通过高级皮电分析和机器学习，系统表征标准化战术训练中的应激调节，探讨皮电动力学与表现变化的关系，并检验基于呼吸的生物反馈干预的效果。论文发表在《Stress》。

**主要技术方法**
研究在美国怀俄明州执法学院（Wyoming Law Enforcement Academy）进行，纳入三个独立队列共53名学员（最终分析48人）。主要技术方法包括：1）使用Neurosmart可穿戴设备连续记录EDA（52 Hz采样）；2）信号预处理采用5 Hz低通滤波和基于阈值的伪迹剔除；3）特征提取涵盖时域指标（均值、曲线下面积）、频域方法（小波包分解WPT3提取交感能量、变频率复解调VFCDM量化交感带幅度）、紧张-相位分解（cvxEDA分离基线紧张度与事件相关相位反应）、非线性复杂度（COMEDA熵值）；4）预测建模采用随机森林、梯度提升、支持向量回归和弹性网，通过重复5折交叉验证评估表现变化预测；5）组间效应分析采用协方差分析（ANCOVA）和线性混合效应模型，并在威胁期窗口（10秒）内分析相位反应动力学（起始潜伏期、上升斜率、峰值幅度等）。

**研究结果**

**1. Data quality, distributional properties, and outlier management**
数据质量总体较高，仅3.2%的场景段因传感器伪迹被剔除。部分生理指标呈右偏态分布，经单调变换处理后用于后续分析。

**2. Questionnaire outcomes**
学员在基线时报告低至中等水平的感知压力（PSS-10）和高水平职业自我效能感。训练前后感知压力无显著变化（t(14) = -0.244, p = .811），职业自我效能感呈非显著下降（t(14) = 1.292, p = .217）。

**3. Tactical performance outcomes**
战术表现在训练前后存在显著差异，全样本均值从基线60.47分降至后测42.16分（t(47) = 3.457, p = .001, d = 0.50），反映后测场景难度增加。控制组和实验组均表现出显著下降，但组间变化幅度无显著差异（t(46) = 0.225, p = .823, d = 0.07）。个体间表现变化差异极大（范围-85.71至+56.55）。

**4. Electrodermal outcomes**
全样本中，多数EDA指标在后测时交感激活水平更高，但个体内稳定性强，基线值作为协变量时效应显著（所有p < .001）。ANCOVA未发现组别主效应或时间×组别交互效应，表明实验干预未显著改变整体EDA水平。

**5. Predictive modelling of performance change**
随机森林模型在连续预测中解释了30.1%的表现变化方差（R2 = 0.301, MAE = 24.9%），分类准确率77.1%（AUC = 0.637）。SHAP特征重要性分析显示，WPT3交感能量（34.6%）、cvxEDA希尔伯特幅度（22.2%）、cvxEDA相位峰值计数（8.7%）等高级特征占主导，且方向一致：较低的交感激活和更稳定的皮电动力学预测更好的表现改善（r = -0.395, p = .006）。

**6. Peri-threat electrodermal reactivity**
威胁期分析显示，上升斜率（rise slope）和峰值幅度（peak amplitude）存在显著的时间主效应，反映后测场景中更强的交感反应。起始潜伏期（onset latency）表现出显著的时间×组别交互效应（z = +2.15, p = .031, d = 0.86）：对照组后测潜伏期显著缩短，而实验组保持稳定。其他指标（如恢复率）呈趋势性但未达Bonferroni校正后的显著性。

**讨论与结论**
研究结果表明，战术表现改善主要与个体化应激调节模式相关，而非整体唤醒水平。高级皮电特征（尤其是频域交感能量和相位反应幅度）优于传统时域指标，能够解释显著的表现变化变异。尽管短期的呼吸干预未产生可靠的组别效应，但威胁期分析提示该干预可能调节早期交感激活的时序结构（起始潜伏期而非幅度）。本研究支持将基于生理的个体化评估框架纳入战术训练，以优化学习和表现监控。研究结论：**本研究提供的证据表明，在现实执法战术训练中，应激调节反映在特定的皮电动力学中，而非整体唤醒幅度或自我报告的心理状态。高级皮电特征，特别是那些反映频域交感调节和相位调节的特征，与训练期间表现轨迹的个体差异持续相关。在基线战术暴露中表现出较低且更稳定交感活动的学员更有可能在后续表现出改善，即使后测场景更具挑战性。这些发现强化了以下观点：压力下的适应性表现取决于个体化的生理调节模式，而非统一的唤醒水平。重要的是，威胁期分析扩展了这一结论，表明训练相关的调节可能作用于快速反应时序而非全局交感幅度。虽然整体皮电激活在组间无差异，但威胁识别期间的起始潜伏期表现出不同的前-后变化模式，表明即使平均唤醒水平相当，早期交感激活动力学也可能出现分化。这表明应激反应的时间架构，尤其是在威胁接触的最初几秒，可作为调节适应的独特且敏感的标记。此类微时特征无法通过场景级平均值捕获，凸显了在高风险环境中进行事件锁定、高分辨率生理分析的重要性。高级信号处理与监督机器学习的整合，使得对EDA与表现变化之间的非线性、多变量关系进行建模成为可能，解释了有意义的方差比例，并准确区分了改善者和未改善者。尽管短期的呼吸干预未产生可靠的组别效应，但整体结果模式提示了更长、更强化调节干预的潜在价值。总之，这些发现凸显了基于生理的个体化评估框架在优化训练、监测适应以及为高风险操作环境中的靶向干预提供信息方面的价值。**