COVID-19 大流行期间乳腺癌妇女的远程康复。

方法

1. 研究设计和地点 这是一项随机临床试验类型的纵向研究。 这项研究将在 Hope Physiotherapy and Esthetics Clinic 进行，该诊所总部位于米纳斯吉拉斯州 Juiz de Fora 市。

2. 参与者 30 名诊断为乳腺 CA 的人将参与这项研究，之前由专科医生确认，他们在所有者授权的 Juiz de Fora-MG 市的 Hope 理疗和美容诊所接受理疗护理（附件 I ).

   为了计算样本量，假定双尾假设的 alpha 值（错误类型 1 的概率）为 5%，beta（错误类型 2 的概率）为 20%，检验功效为 80%，组间差异10% 指的是发动机性能数据。 因此，至少需要 30 人（Dodd 等，2002）。

   所有参与者都将被告知研究的目标和程序，并在他们同意后签署知情同意书 (FICF)。 该研究将提交给研究伦理委员会 (CEP)。 1996 年 10 月 10 日国家卫生委员会第 466/2012 号决议规范涉及人类的研究，赫尔辛基宣言（1964 年）将得到尊重。 数据将以电子方式存储在具有受限和安全访问权限的数据库中。 所有数据都将被加密，并删除任何可以识别个人身份的信息。

3. 程序 将选择 30 名被诊断患有乳房 AC 的女性来分析通过 VR 进行干预对运动表现、疼痛、感知用力和 HRV 的影响。

   将应用十个会话（每周两个会话）。 最初，研究人员将携带所有必要的防护设备前往参与者的住所，这些设备是交付心率捕获带所需的，这些设备将放在用 70% 酒精消毒的塑料袋中，并出示同意书并向参与者说明，以及研究的程序和目标。 签署同意书后，将通过在线表格收集以下信息：年龄、性别、相应阶段（如化疗、初诊、并发症、复发诊断）、住院时间、合并疾病、正在使用的药物、教育程度。 然后，将问卷应用于欧洲癌症研究与治疗组织生活质量问卷核心 30（EORTC QLQ-C30）、布鲁内尔情绪量表（BRUMS）、感知劳累的 BORG 量表和模拟情感面孔量表。

   然后，将进行虚拟现实训练，其中将在虚拟现实环境（休息、坐着）中执行任务前 10 分钟（第 1、5 和 7 天）捕获 HRV，在训练期间持续 15 分钟VR 中的任务（MoveHero 和 Genius，根据项目 5.4.2。 D 和 E) 并在（休息、坐着）之后再持续 10 分钟，以评估身体活动的自主恢复。 在这 10 天中，将使用 VR 干预（MoveHero 和 Genius 以及 Borg 量表），HRV 和其他评估将在第 1、5 和 10 天进行。

   3.1. 身体评估问卷和测试 A) 欧洲癌症研究和治疗组织核心生活质量问卷 (EORTC QLQ-C30) 一般问卷 (EORTC QLQ-C30) 包括 30 个与五个功能量表（身体、功能、情绪、社会和认知）、全球健康状况量表、三个症状量表（疲劳、疼痛和恶心/呕吐）和六个附加症状项目（呼吸困难、失眠、食欲不振、便秘、腹泻和经济困难）。

   分数是根据所选答案的类型获得的。 问卷允许的选项是“没有”（1分）、“很少”（2分）、“一般”（3分）或“非常”（4分）。 在涉及全球健康状况量表的两个问题中，可供选择的选项从 1 分（非常差）到 7 分（非常好）不等。 问卷分数范围从 0 到 100。

   关于功能和整体健康状况量表，较高的分数与较好的生活质量相关；然而，对于症状量表，较高的分数对应于该症状的较多存在，因此，生活质量较差（附录 I）。

   B) 面部情感模拟量表 (FAS)：

   该量表通过从快乐的感觉到悲伤的感觉的 9 种面部表情来评估疼痛的情感强度，这使得可以衡量没有疼痛到更高程度的疼痛（McGrath，1996）。

   面部表情按字母区间（AI）顺序排列，其中AD区间代表无痛，E代表中性点，FI区间代表不同程度的疼痛强度，F是容易被忽略的疼痛指示家庭成员在场、有利的环境、舒适措施、安全措施和专业人员的理解； G 一种不影响行为的疼痛强度，可以通过孩子的表情来调节；有一种疼痛强度会干扰行为并需要使用镇痛药，而我的最大疼痛强度需要团队更多的干预、身体和心理方面的观察，以及适当的镇痛技术（Torritesi等人，1998 年）。

   因此，个人从 9 张面孔中选择，按照从 A 到 I 的等级排序，最能表明他们疼痛强度的那一张。

   C) Borg 的感知用力量表：

   它是用于衡量主观强度的感知运动的分类。 它基于运动过程中的感觉，例如肌肉疲劳、心率加快和呼吸加快（Andrews 等人，2013 年）。 它通常用作心率的替代方法来测量身体活动的强度 (BORG, 1970)。 Borg 量表与摄氧量呈线性关系 (BORG, 1982)，除了作为确定运动强度的量度外，还可以评估个体在体力活动中感知到的整体身心努力 (BORG, 1998)。

   D) 布鲁内尔情绪量表 (BRUMS)：

   它测量六种可识别的情感状态（紧张、抑郁、愤怒、精力充沛、疲劳和困惑）。

   使用）通过 24 个项目的自我报告清单，受访者根据主观感受对 5 分李克特量表上的形容词列表进行评分，从 0（无）到 4（极度）。 说明参考参与者上周的感受，包括今天的日期（Van Wijk；Martin；Hans-Arendse，2013）。

   3.2. 虚拟现实培训参与者将在桌上的计算机的帮助下在家中单独执行任务，并由负责提供说明和记录结果的评估员在线进行。 高度和距离将根据个人的需要进行调整。

   在开始任务之前，研究人员将口头解释任务，并发送一段视频来演示游戏的工作原理。 然后，参与者将完成一次试验，以验证他们是否理解说明。

   将使用以下虚拟游戏：反应时间（3 次适应尝试和 10 次分析尝试）、巧合计时（运动技能习得和性能改进重复 20 次）、巧合计时（5 次重复 + 5 次重复以提高分析速度保留和转移 - 运动学习），转移阶段重复 5 次），Fitts（在 4 种不同的难度指数中尝试 3 次），Genius（5 分钟的训练，根据参与者的正确答案数量逐渐增加难度） , MoveHero（根据所选球体的数量进行 15 分钟的音乐训练）。

   A) 任务 1 - 反应时间 反应时间是一项任务，包括评估受试者将其认知和运动反应与计算机屏幕上给出的刺激相匹配所花费的时间。

   由 Crocetta 等人于 2017 年构建和验证的 TRT_S2012 软件将用于 76 名健康成年人的样本。 该软件提出了一个简单的总反应时间 (TRT) 测试，该测试包括在先前定义的时间间隔（范围从 1.5 到 6.5 毫秒）内在监视器中心出现一个黄色方块（可参数化），并且在给予刺激时, 参与者应尽快做出反应，按下计算机键盘上的空格键。

   在此活动中，将记录受试者响应刺激而表现出的预期或运动延迟的毫秒数。 此任务将测试中央和外围信息处理的速度，并将在本研究中用作评估认知运动训练的工具。

   该软件还允许通过 TRT（TRT 疲劳）进行精神疲劳评估测试。 在此测试中，刺激包括一个黄色条的出现，该时间开始于先前定义为刺激之间的间隔 (IEE)，然后从左到右移动。 作为刺激出现之前的指示，呈现一个模拟光标的黑色细垂直条，直到黄色充满刺激条。 反应应该是在感知到黄色刺激条时按下空格键。 显示黄色时必须按住空格键。 当黄色刺激停止时，必须释放空格键。 黄色刺激呈现时间之前被定义为刺激呈现时间 (TAE)。 这项活动将在本研究中用作评估认知运动训练的工具。

   B) 任务 2 - 同步计时 同步计时任务被定义为在某个点与外部物体的到达同步执行电机响应的感知电机能力 (Belisle, 1963)。 这是一项涉及眼睛和手部运动同步的拦截任务，除了准确性和精度外，还需要运动开始、减速和“停止”策略（Fooken 等人，2016 年；Ohta，2016 年）。 第一个协议的执行将使用触摸屏（触摸计算机屏幕）与重合定时任务一起执行。

   为了评估虚拟任务，我们选择使用与艺术、科学和人文学院信息系统组合作开发的软件，EACH-USP（Monteiro 等人使用的第一个版本，2014 年）提出了 3D 重合计算机上的定时任务。 这项活动将在本研究中用作评估认知运动训练的工具。

   在虚拟环境中，计算机屏幕上显示 10 个 3D 圆圈，这些圆圈依次亮起（红灯），直到到达被视为目标的最后一个圆圈。 参与者必须在最后一个球体亮起的那一刻准确地触摸计算机屏幕，因此目标是与屏幕上最后一个亮起的圆圈（目标圆圈）正上方的触摸相匹配。 该软件通过不同的声音和颜色提供有关任务成功或错误的即时反馈，之前已演示（Monteiro 等人，2014 年、2017 年；Bezerra 等人，2018 年）。 如果参与者在刺激到达的同时击中目标，任务周围的绿灯会亮起 - 击中反馈，但是如果参与者延迟或提前运动，任务旁边的红灯会亮起 - 反馈从错误。 游戏显示点亮立方体的顺序和速度，并记录任务执行的总时间（触摸传感器所花费的时间）；刺激到达和任务完成之间存在的错误。

   在同步计时研究的设计中，每个参与者将以中等速度用优势上肢执行 20 次任务尝试，即在获取阶段每个圆圈的照明之间间隔 500 毫秒。 获取后，参与者将休息 5 分钟，然后在保留阶段进行五次尝试。 由于它被认为是一项简单的任务，我们选择使用短期保留（Monteiro 等人，2014 年和 Malheiros 等人，2016 年）。 对于转移阶段，将以更快的速度再进行五次尝试，即每个圆圈点亮之间的间隔为 250 毫秒。

   考虑到目标发射时间和传感器触摸之间的差异，将评估获取、保留和传输任务期间的性能。 为此，将使用与实现“任务重合”目标相关的绩效指标：常量误差，它反映了运动的方向趋势，延迟或预期响应，并使用算术平均值计算绩效和目标之间的差异，考虑到它们的迹象；绝对误差，对应于达到动作目标的准确度，通过每次尝试的实际表现与目标之间的绝对差的算术平均值计算；和识别运动精度的可变误差，执行每次尝试的计算，考虑到迹象，减去​​每个参与者前五次尝试的平均值，然后将值提高到二次方和每五次尝试的平均值尝试，提取平方根（Santos 等人，2003 年）。

   C) Task 4 - Fitts 模拟任务的软件是“FittsReciprocalAimingTask v.1.0 （水平）”，在公共领域 (http://okazaki.webs.com - 可在 09/01/2010 的互联网上获得）（Fernani 等人，2017），由 Victor Hugo Alves Okazaki 开发，他在虚拟（计算机）环境中展示了 Fitts 定律提出的任务。 这项活动将在本研究中用作评估认知运动训练的工具。

   根据 Fitts 定律，评估运动关系的速度和精度的任务包括在 3 个难度指数 (ID) 中针对目标（蓝色条）执行手动运动，对精度的要求越来越高。 移动时间是通过任务 (10) 的预设秒数与在目标上执行的触摸次数之间的除法获得的。

   在开始任务之前，表演者必须将一只手放在鼠标上，并且光标（在计算机上查看）必须位于两个目标（侧边栏）之间的中间点。 在初始位置之后，表演者必须使用鼠标移动光标并单击目标，垂直平行排列的两个条，尺寸和距离根据每个 iID 确定，交替并尽可能快，在听到声音后警报由计算机触发以启动任务。 10 秒后，一个新的声音警报表明任务结束。 将记录总移动时间，通过将任务的预先确定的秒数 (10) 除以触摸次数（10/触摸次数）获得。

   该任务包括对每个难度指数（ID 2、ID4a、ID4b 和 ID6）进行三次尝试，每个指数都会随着难度的增加而改变条形的宽度和距离。 ID4 以两种方式应用（ID4a 和 ID4b）：在 ID4a 中，条的距离和宽度较大，在 ID4b 中，条之间的距离和宽度较小，保持相同的 ID。

   对于数据分析，将考虑 Fitts 提出的数学方程描述的速度和运动精度之间的关系，其中运动时间和任务难度之间存在对数线性关系，不同大小和距离的目标需要不同的时间来完成达到目标（Boyd 等人，2009 年）。

   随着目标尺寸的减小，或随着距离的变大，移动速度降低，从而移动准确。 由于目标之间的内在信息 (D) 和它们之间的距离 (L)，log2 方程 (2D/L) 为目标技能提供了难度指数 (DI)，ID 越高，难度越大任务。 更困难的任务将需要更多的移动时间 (Fitts, 1954)。

   D) 任务 5 - 将使用与艺术、科学和人文学院 (EACH-USP) 的信息系统组合作开发的 Genius Game 软件。 在软件呈现的不同游戏中，选择了允许运动和认知刺激的游戏，该游戏呈现了一个记忆任务，其中计算机发出一系列颜色（基于商业上称为“Genius”的游戏的任务）因此然后个人重复以获得正确的序列生成。 难度级别随着主题的每次命中而增加。 虚拟界面提供反应时间和触摸每个按钮之间的时间报告。

   这项活动将在本研究中用作评估记忆表现的工具以及认知运动训练的一个组成部分。

   E) 任务 6 - 圣保罗大学艺术、科学和人文学院开发的 MoveHero 软件也将被使用。 该游戏的特点是球会按照研究人员选择的歌曲的节奏落在计算机屏幕上的四个假想列中。 任务是不要让球掉下来。 然而，只有当球到达平行放置的四个圆圈（在两个高度），两个在参与者的左边和两个在右边（0 0 \o/ 0 0），称为目标 1，才能触摸球，图 2、3 和 4 从左到右看。

   游戏通过网络摄像头捕捉参与者的动作，不需要身体接触来执行任务，因此参与者必须移动他们的手臂，距离电脑屏幕一米半，或者通过需要接触屏幕的触摸屏在绘制的圆圈的内部空间中的计算机屏幕。 参与者必须等待球落下，直到它们开始与目标圆圈之一重叠。 因此，游戏要求参与者有一个预期运动的策略来到达这些圆圈内的球。

   游戏通过出现在球体旁边的数字 (+1) 提供击中反馈，球体成功击中目标内部，此外，总分显示在屏幕的左上角，每右 10 分。

   此活动将在本研究中用作记忆性能评估工具以及认知运动训练的一个组成部分。

   3.3. 心率变异性 (HRV) HRV 的分析将遵循欧洲心脏病学会和北美起搏与电生理学会特别工作组的指南（TFESC 和 NASPE，1996 年）。

   将（在线）指示志愿者穿上给他们的收集带。 肩带应放在胸部，心率接收器（手机上的 Elite HRV 应用程序）将靠近志愿者放置。 初始评估后 HRV 将在休息 10 分钟、虚拟现实训练期间 10 分钟和 VR 活动后 10 分钟记录。 为了分析休息时和任务期间的 HRV 数据，将使用 256 个连续的 RR 间隔。

   HR 将在整个协议中由 Elite HRV 逐次记录，监视器记录的 RR 间隔将（.txt 文件）传输到 Kubios HRV® 程序（Kubios HRV v.1.1 for Windows，Biomedical Signal Analysis Group, Department芬兰库奥皮奥大学应用物理学博士）。

   数字滤波将在程序本身 (Kubios HRV®) 中以中等模式执行，以消除过早的异位搏动和伪影，并且只有超过 95% 的窦性搏动的系列才会被纳入研究（Vanderlei 等人，2008 年） .

   HRV 分析将使用线性方法（时域和频域）和非线性方法进行，这些方法将使用 Kubios HRV® 软件进行分析。

   A) 线性方法（时域和频域） 在时域中，将使用 RMSSD、pNN50 和 SDNN 指标。 RMSSD 指数定义为相邻正常 RR 间隔之间差异的均方的平方根。 （Marães 等人，2003 年）。

   其中：RR = R-R 区间； N = 所选数据系列中的 RR 间隔数。

   反过来，pNN50 指数是副交感神经 SNA 调制的敏感且易于解释的标记，定义为 R-R 间隔中连续差异的百分比，其绝对值超过 50 毫秒。 另一方面，SDNN 反映了两个 ANS 分支的参与，并对应于所有正常 RR 间隔平均值的标准偏差，以 ms 表示（Pumprla 等人，2002 年；Ribeio 和 Moraes Filho，2005 年；Vanderlei 等人等人，2009 年）。

   对于频域中的 HRV 分析，将使用绝对单位的低频频谱分量（LF - 范围从 0.04 到 0.15 赫兹）和高频（HF - 变化范围从 0.15 到 0.4）赫兹，以归一化单位，以及这些分量之间的比率 (LF/HF)，表示每个频谱分量相对于总功率的相对值，减去甚低频分量 (VLF)。 用于频谱分析的算法将是快速傅立叶变换 - FFT（256 秒窗口，重叠 50%）。

   为了获得频谱指数，形成了一个图形（速度图），它表示 RR 间隔随时间的变化。 转速图包含明显周期性的信号，该信号随时间振荡，并通过快速傅里叶变换 (FFT) 等数学算法进行处理。 FFT 方法用于在实验的固定阶段获得 HRV 频谱功率的估计，以便允许研究结果之间的比较。 它允许即使在 FFT 转换后也能恢复转速图信号，这证明了该技术的客观性，因为在此过程中信息不会丢失。 这种方法的易用性和良好的图形表示是其广泛使用的主要原因 (Carvalho, 2009; Vanderlei et al., 2009)。

   B) 非线性方法（趋势调试波动分析和 Poincaré 图） 对于通过非线性方法分析 HRV，将使用 Poincaré 图（分量 SD1、SD2 和 SD1/SD2 比率）、DFA（趋势调试波动分析）。

   DFA 量化了 RR 间隔的分形相关属性的存在与否，并已通过时间序列数据进行了验证。 该方法计算积分的均方根波动并调试时间序列，允许检测嵌入在非平稳时间序列中的内在自相似性。

   DFA 图不是严格线性的，而是由两个不同的曲线区域组成，由一个点隔开，表明在 4-11 次（或 4 到 13 次）期间存在短期分形尺度指数 (α1)和长期指数 (α2)，持续时间更长（大于 11 次节拍）（Carvalho 等人，2009 年）。

   接近 0.5 的 α1 值与白噪声（随机信号；值之间没有相关性）相关，而接近 1.5 的值与布朗噪声（强相关的行为信号）相关。 接近 1.0 的值是与复杂系统生成的时间序列的动态行为相关的类似分形过程的特征，例如健康受试者的窦性心律的自主调节（Godoy 等人，2007）。

   另一方面，Poincaré 图是一种定量分析方法，它基于心率在后续间隔内交感神经或副交感神经调制的变化，而不需要数据平稳性。 Poincaré 是一个图表，其中每个 RR 间隔表示为 RR (i-T) 的函数，其中 i 是间隔，T 是用于 RR 信号的预定义延迟。 图的视觉检查已广泛用于 HRV 的分析，其中可以定量分析庞加莱图以计算 RR 间隔距离的标准偏差。 这些标准偏差称为 SD1 和 SD2。 这种分析不需要预处理或数据稳定性，这使得它特别有趣（Godoy 等人，2007 年）。

   对于图的定量分析，将计算以下指标：SD1（短期内瞬时心跳变异性的标准差）、SD2（连续 RR 间隔的长期标准差）和 SD1/SD2 比率（Brunetto 等人，2005 年）。 该图的定性分析将通过分析其吸引子形成的图形来完成，这些图形由 Tulppo 等人描述。 (1998) in: 1) 图中观察到 RR 间隔的分散随着间隔的增加而增加，这是正常图的特征。 2) 具有小的全局逐搏离散度且 RR 间隔离散度没有长期增加的图。 3) 复杂或抛物线图形，其中两条或更多条不同的边缘与图的主体分开，每条边缘至少包含三个点。

4. 数据分析 对于数据分析，将执行描述性统计来表征样本，结果将以平均值和标准偏差值呈现。

   对于 VR 任务的推理分析，作为因变量，对于“重合时间”和“MoveHero”，将考虑以毫秒为单位的误差度量（评估运动方向趋势的常量误差，证明运动准确性的绝对误差和变量识别运动的精度），对于 TR 是时间和毫秒，对于 Genius 是在任务时间开始和结束时执行的序列数，以及每次触摸球体之间的时间。

   对于 Fitts，分析将通过获取每个参与者的 b0（截距）、b1（倾角）和 r2（确定指数）的值来执行，同时考虑三个难度指数中的每次尝试。 MANOVA 单向将用于比较三个感兴趣的变量（b0、b1 和 r2）中组的均值。 为了验证电机规模、年龄、直线斜率 (b1)、截距 (b0) 和运动时间离散数据 (r2) 之间的关联，将使用 Pearson 的相关系数。 将执行方差分析以探索难度指数对运动时间 (TM) 的影响，并进行多元回归分析以找出影响 TM 的因素。

   对于 HRV 指数的分析，Student t 检验或 Mann-Whitney 检验也将用于组间分析。

   为了分析自变量（年龄、疾病分期、用药等）对因变量的影响，将进行线性回归检验。

   将定义 0.05 (5%) 的显着性水平，并且在整个工作中构建的所有区间都将具有 95% 的统计置信度。

   统计程序将是 SPSS (StatisticalPackage for Social Sciences)，版本 26.0。

5. 传播和评估 关于运动功能、疼痛和 HRV 的 VR 结果将通过描述性和推理性统计分析进行分析，并在科学文章中传播，这些文章将被发送到该领域具有高影响因子的特定期刊。

此外，结果将在书籍章节和国际会议上展示。 因此，健康和教育专业人员将有更多的科学证据来指导他们在 AC 患者中的活动。