影响站立平衡的抑郁症精神运动症状的低成本护理点测试系统:在印度的初步研究

摘要

世界卫生组织估计，重度抑郁症是全球65岁及以上老年人致残的第四大原因，患有抑郁症的老年人报告独立性下降、健康状况差、生活质量差、功能下降、残疾和慢性疾病增加。因此，本研究的目的是:(1)开发一套低成本的抑郁症精神运动症状即时测试系统;(2)评估该系统在印度社区居住老人中的应用。横断面研究的初步结果显示平衡感和抑郁之间存在显著的负线性相关。这里,监测定量脑电图和暗示的压力响应时间的中心功能达到任务期间可以提供见解的精神运动症状抑郁症的平均斜率Theta-Alpha功率比和平均斜率baseline-normalized响应时间可能是一个候选生物标志物,这在我们未来的临床研究中还有待评估。一旦经过验证，该生物标志物可用于监测综合治疗计划与药理学干预的结果。此外，跌倒的频率可以通过一个基于手机的应用程序来监测，在抑郁的精神运动症状期间跌倒的倾向可以进一步调查。

1.介绍

世界卫生组织(WHO)估计，重度抑郁症是65岁及以上人群致残的第四大原因[1在美国，抑郁症是老年人医疗保健费用的主要贡献者。抑郁症是老年人的主要健康问题，但老年抑郁症往往无法诊断[2］．有四分之一的印度的老年人（年龄> 60岁）的人口被压下，并且10名％的经验周围下降的结果骨折[3.］．事实上，老年人口预计到2025年[增加到总人口的12％3.］．老年抑郁症患者报告独立能力下降、健康状况差、生活质量差、功能下降、残疾和慢性疾病增多[1］．此外，抑郁症的精神运动症状可能导致老年人跌倒，以及与之相关的对跌倒的恐惧[4］．在这里，抑郁症，昼夜变化，用药状况，性别和年龄的过程与精神运动性激越和迟滞有关[5］．在抑郁症的精神症状有，他们有很高的说服力独特的意义，可能是抑郁症区别的亚型仅抑郁症的症状，并预测到的药物反应良好，如三环类抗抑郁药[5］．因此，迫切需要对抑郁症的精神运动症状进行即时检测(POCT)，以筛查处于危险中的社区居住老年人，并监测治疗过程[2]，它需要2至4周，充分工作，并且一个正常过程持续至少6个月[5］．

在资源匮乏的环境中，这种抑郁症精神运动症状筛查的成本非常重要，例如在印度，本研究开发了一种低成本的抑郁症精神运动症状POCT并对其进行了评估。事实上，印度卫生部非传染性疾病负担工作组[3.他指出:“印度将很快成为世界上老年人口第二多的国家。在印度，这一群体面临的挑战是独特的。”为此，Kumar和印度达摩基金会(DFI)的同事对来自印度新德里和古尔冈的95名老年人(年龄> 60岁)进行了初步横断面研究[6］．他们调查了抑郁症的精神运动方面，他们找到了Berg平衡量表（BBS）得分呈负相关关系[7]及老年抑郁症量表(GDS)评分[8］．此外，他们还发现，随着年龄的增长，BBS得分下降，GDS得分上升，导致平衡感下降和抑郁。根据这一令人震惊的见解，DFI从其覆盖广泛BBS和GDS评分的印度数据库中对24名社区居住老年人进行了次抽样，以评估低成本POCT [9]系统抑郁症的精神症状。本报告的第一个目标是提供低成本POCT系统抑郁症的精神运动症状。第二个目标是提出在24社区居住的老人评估POCT系统从临床研究的结果。据推测，在POCT系统将能够捕捉到抑郁症的精神运动症状的老年人。

2.方法

2．1.初步的横断面研究

Kumar和他的同事进行了一项横断面研究[6通过对印度德里和古尔冈的社区居住老人进行方便抽样发现的104名受试者。该研究的纳入标准是年龄在60岁及以上的男性和女性，并且受试者应该有阅读和理解印地语或英语的能力。排除标准为前庭和视觉系统严重问题，任何自我报告的精神疾病史(不包括抑郁症)，任何原因导致的认知障碍，以及使用辅助行走工具(如轮椅、拐杖、助行器、手杖)。研究中使用的评估工具如下所述。(我)印地语精神状态测验[10.，11.]是为印度北部农村讲印地语的半文盲和文盲人口开发的。总分可能是31分，分界点是19分。(2)柏氏平衡量表(BBS) [7]由14个常见任务组成。根据完成定时任务的能力，这14个项目按5分顺序评分（0=无法执行，4=独立）。(3)老年抑郁症量表(GDS) [8]这是一份简短的调查问卷，要求参与者回答30个问题，回答“是”或“否”，说明他们在服用药物当天的感受。0-9分为正常，10-19分为轻度抑郁症，20-30分为重度抑郁症。

根据HMSE排除标准，104名受试者中只有9名被排除在外，样本量为95。然后使用统计软件对数据进行分析，如Kumar及其同事所述[6]，计算性别的年龄、BBS、GDS、频次统计的描述性统计。采用Pearson相关和回归分析方法，分析年龄、BBS和GDS之间的关系。独立样本采用-test比较男性和女性BBS和GDS得分。

2.2. 抑郁症精神运动症状的护理点测试（POCT）

继库马尔和他的同事的初步横断面研究6]，对印度社区居住老年人进行方便的次抽样，选择24名老年人(>60岁)被试，覆盖广泛的BBS和GDS评分。所有受试者都根据《赫尔辛基宣言》对实验表示知情同意。

目的是评估一种低成本POCT系统，以调查抑郁症的精神运动症状影响站立平衡。实验设置如图所示1．使用Wii平衡板(任天堂，美国)监测压力中心(CoP) [13.]和使用WiiBrew工具包开发的自定义软件[14.］．Wii平衡板(Wii BB)通过蓝牙将2D地面反作用力信息传送到PC [14.]，而Emotiv公司EEG神经耳机（Emotiv公司，澳大利亚）经由它们的专用无线协议中继EEG数据到PC [12.］．脑电图神经耳机的规格[12.]的详情见附表1．

2.2.1。压力中心实时反馈

Wii BB使用WiiBrew工具包通过蓝牙与PC连接[14.］．的Wii BB has a useable surface of 45 cm × 26.5 cm for standing which was calibrated by placing a variety of known loads at different positions [13.］．Wii BB在四条腿上使用了四个负载传感器(如图所示)2(一个))来测量重量。Wii BB每条腿上的每个传感器只能测量力的垂直分量。CoP可以通过插值四个垂直力来近似，然后显示给用户，如图所示2 (b)．的缔约方会议坐标从使用以下等式的流数据计算： 在哪里这是地图的坐标Wii BB参考框架中的负载传感器，力是否被记录负载传感器，和是Wii BB参考系中CoP的坐标。此外，还收集了BBS评分，以确定那些被归类为“跌落者”(BBS低于45)和那些被归类为“非跌落者”(BBS在45或以上)的个体。

2.2.2。基线静息状态脑电图的离线分析

Emotiv公司EEG神经耳机无线方式从14个信道（国际10-20）-AF3，AF4，F3，F4，F7，F8，FC5，FC6，P3（CMS），P4（DRL），P7，P8中继EEG数据到PC，T7，T8，O1，O2和。静息状态脑电图安静站立至少3分钟内录得眼睛开，眼睛闭条件。使用EEGlab软件[脑电图数据进行了分析15.］．使用EEGlab功能拒绝眨眼伪影，然后使用Hanning时间窗将无伪影的连续脑电图分为4.096秒的周期(周期重叠50%)，并对绝对值theta (4-7.5 Hz)， alpha (7.5-14 Hz)，及用于定量脑电图分析的beta (14-20 Hz)频带[16.］．

Grin-Yatsenko及其同事[16.]，方差三通分析（“anovan”在MATLAB R2010a版本，MathWorks公司，USA）的绝对EEG功率的眼睛闭合条件与下列因素进行：GDS得分（三个级别：0-9，10-19，20-30），EEG电极位置（14级），和频带（三级：θ，α，和β）。然后，我们（在Matlab R2010a版本，MathWorks公司，美国“Cluster数据”）进行聚类分析，计算数据集中项目之间的欧氏距离，并创建从数据集的层次聚类树。此外，线性判别分类（“ClassificationDiscriminant.fit”在Matlab R2010a版本，MathWorks公司，USA）进行了研究，以评估使用眼睛闭合EEG功率谱在歧视频带和电极位置抑郁症患者的分类的可能性，如（在Matlab R2010a版本，MathWorks公司，USA“multcompare”），使用多重比较测试中发现。

2.2.3。精神运动症状的离线分析

在PC的图形用户界面(GUI)上，使用改进的功能到达任务来量化受试者在不失去平衡的情况下尽可能快速地移动CoP位置的能力，如图所示1和2．这种改进后的功能伸展任务(FRT)类似于功能伸展测试，该测试已被证明可以预测跌倒的风险[17.］．在FRT中，受试者被要求保持他们的车身刚性，并保持与Wii的BB全脚接触，同时尽可能地从前倾，后退，以及左右两侧，由GUI为线索。连续FRT以及在两者之间安静的站在（至少3分钟）的FRT期间期间脑电图录得眼里开启状态。的PT / OT在进行FRT报告从初步横断面研究各老年受试者的BBS和GDS分数（节2．1）.

使用EEGlab软件分析来自14个通道（国际10-20系统）的EEG数据，包括AF3、AF4、F3、F4、F7、F8、FC5、FC6、P3（CMS）、P4（DRL）、P7、P8、T7、T8、O1、O2[15.]. 使用EEGlab函数剔除眨眼伪影，然后使用汉宁时间窗将无伪影连续EEG划分为4.096秒的时段（时段重叠50%），并估计用于QEEG分析的θ、α和β频带的功率谱[18.］．基线归一化的EEG功率的不同频带中在中间站立FRT进化安静期间（由它们的相应的基线的眼睛开值标准化），研究不同的GDS分数，EEG电极的位置，和基线标准化线索响应时间。提示的响应时间从在线索方向前进，后退，右侧视觉提示正确扶贫运动出静息态扶贫簇的95％置信界限的，并且左侧的延迟表示。

3.结果

3．1.初步的横断面研究

年龄的描述性统计为，标准差= 7.27年，均值= 70.12年。年龄、BBS、GDS的相关分析采用Pearson相关检验2显示相关系数。BBS与GDS呈显著负线性相关(）和年龄（）.GDS与年龄无显著正相关()的水平。以GDS为因变量，以BBS为自变量(预测变量)进行方差分析-ratio = 20.260，高于临界值。因此回归后的方差是显著的，如图所示3.．并以BBS为因变量，年龄为自变量进行回归分析-ratio = 14.030，高于临界值。

独立样本-test比较男性和女性GDS和BBS得分的差异。表格3.显示了男性和女性BBS和GDS得分的平均值、标准差和标准误差的比较分析。的-检验未发现男性(均值= 43.14，标准差= 8.127)与女性(均值= 41.45，标准差= 7.118)之间有统计学差异。，，．如表所示3.,-检验也未能揭示男性(均值= 11.02，标准差= 6.498)和女性(均值= 12.91，标准差= 6.030)的GDS得分均值之间有统计学意义的差异。，，．

3.2。点护理抑郁症的精神运动症状的检测（POCT）

我们避免同时使用睁眼和闭眼时的脑电图数据(如alpha衰减)，因为睁眼和闭眼时出现了大量的眼眨眼伪影，需要用EEGlab进行过滤。闭眼状态下的脑电绝对功率与GDS评分、脑电电极位置、频带的三因素方差分析显示，的因子）主效应和显著（) GDS评分与脑电电极位置、脑电电极位置与频带的交互作用，但不显著()频带与GDS评分之间的交互作用。术后分析显示，在闭眼状态下，枕叶(O1, O2)和顶叶(P8)电极位置的静息状态脑电图的所有频段的频谱功率都增加，这与抑郁评分恶化相关。数字4（a）图中显示了来自数据集的分层聚类树的树形图——O1、O2和P8电极的平均功率测量与GDS评分相比平均超过4-30 Hz。层次聚类树主要显示两个聚类，GDS = 0-15和GDS = 15-30，如图所示图4（b）分别用蓝色和棕色标记GDS分数和平均权力测量之间的散点图。根据线性判别分类进行了使用平均功率的措施在O1, O2, P8电极4-30赫兹的平均值,分类的平均百分比被发现“不消沉”> 84% (GDS = 0-15) QEEG集团和> 92%“抑郁”(GDS = 15 - 30) QEEG组。

在修正功能到达任务(FRT)中，快速过渡到精神疲劳[18.] was found in the “depressed” (GDS ≥ 15) QEEG group as elucidated by a faster increase in the theta band (4–8 Hz) baseline-normalized power in the frontal (F3, F4) electrodes and a faster decrease in the alpha band (8–13 Hz) baseline-normalized power in the parietal (P8) electrodes. Therefore, we defined Theta-Alpha power ratio as a QEEG marker of fatigue, which is the ratio of mean theta band baseline-normalized power in frontal (F3, F4) electrodes to mean alpha band baseline-normalized power in the parietal (P8) electrodes. Figure5(一个)示出的基线标准化响应时间FRT期间的演变和在“非抑郁”在两者之间安静站立的FRT（GDS <15）QEEG组，而在θ-阿尔法功率比图5 (b)“抑郁”(GDS≥15)QEEG组表现相同。事实上，“非抑郁”(GDS = 0-15) QEEG组的反应时间在因疲劳而长期增加之前有轻微的初始降低，这可能是由于对任务表现的初始选择性注意。结果发现，在“抑郁”(GDS≥15)QEEG组中，FRT期间基线标准化反应时间的增加更快。实际上，基线标准化反应时间与- alpha的功率比与皮尔逊线性相关系数相关，在的水平。此外，“非抑郁”(GDS < 15) QEEG组的Pearson线性相关系数为在抑郁组(GDS≥15)的QEEG水平为在水平，如图所示6（a）．因此，数据集的分层聚类树的树状图(Theta-Alpha功率比的平均斜率与基线标准化响应时间的平均斜率)提供了如图所示的三个聚类6（b）使用蓝色、红色和绿色，与图中层次聚类树的树状图比较良好4（a）(比较对象数量)。

4.讨论

在本初步横断面研究中，平衡(BBS)评分与抑郁(GDS)评分呈显著负线性相关，即抑郁程度越高，平衡程度越低，反之亦然。平衡性(BBS)评分也与年龄呈显著负线性相关，因此抑郁(GDS)评分可能通过平衡性(BBS)评分受到年龄的影响;而抑郁(GDS)评分仅与年龄无显著正相关。虽然相关性并不意味着因果关系，但这些发现与Kose和他的同事的发现是一致的。19.研究发现，抑郁和认知症状、活动能力不足、平衡障碍等风险因素相互关联。事实上，这些参数之间存在着恶性循环。罗彻斯特及其同事[20.发现认知功能、抑郁、身体疲劳和平衡能力与功能性任务的行走速度显著相关。这些发现与Suárez及其同事的研究结果进一步一致[21.他发现，与年龄相关的神经、感觉和肌肉骨骼系统的变化会导致平衡障碍，影响安全活动的能力。牛顿(22.]通过多元回归分析发现，进行活动的频率和进行活动时不害怕摔倒的舒适程度对平衡测试得分有显著影响。这一发现的可能原因是平衡和抑郁都是跌倒的主要风险因素。这些发现与Sai及其同事的发现一致[23.他们报告了许多导致跌倒的危险因素，包括跌倒史、下肢无力、平衡和步态异常、肌力下降、年老、认知障碍、药物治疗、直立性低血压、贫血、女性、关节炎、心理因素包括单极和双相抑郁和躁狂抑郁症。在这里，我们横断面研究设计的一个局限性是我们没有收集跌倒史的回顾性数据。我们现在已经开发了一个Android应用程序，FallAlert (Gnan Systems LLP, India) [24.在我们未来的研究中使用手机监测跌倒情况。

静息状态EEG的QEEG分析显示出增加的频谱功率在所有频带为枕骨（O1，O2）和顶叶（P8），与抑郁症恶化（GDS）得分相关的电极。然而，眼睛闭合的脑电功率谱可以揭示只有两组，GDS = 0-15和GDS = 15-30，其中轻度抑郁（GDS = 10-19）患者在“非抑郁”包括两种（GDS = 0-15）或“凹陷”（GDS = 15-30）QEEG基团，使它们的混合基团。这是可能的分类受试者仅<16％的假阳性率和>使用眼睛闭合EEG功率谱92％的真阳性率。这里，监测QEEG与期间修饰的官能到达任务（FRTS）提示的响应时间沿可以提供深入了解抑郁症，其中更快的线索响应时间和Theta-α-功率比增加的精神症状中的“凹陷”被发现（GDS> 15）QEEG基团，其暗示更快过渡到疲劳。在“非抑郁”（GDS≤15）QEEG组有从基线静息状态之前的长期增加θ-阿尔法功率比略有下降，这可能归因于急性效果由于与任务选择性注意表现 [25.］．然而，在长期，有额叶电极更快增加θ带基线标准化的功率和更快的降低α带基线标准化的功率在壁层电极中的“按下”（GDS> 15）QEEG基。事实上，减少阿尔法功率活性已显示可能与嗜睡，和降低的高级信息处理与降低的α-功率密度[相关联26.］．因此，抑郁症的精神症状的生物标志物使用分层群集树从θ-阿尔法功率比与的基线标准化的响应时间平均斜率的数据集，平均斜率，其中提供了三个簇有待评价进行了研究在使用电动机的搅拌和延迟尺度（MARS）[未来的临床研究27.］．然而，我们发现与QEEG组有很好的对应关系，FRT期间疲劳的生物标志物更能鉴别轻度抑郁症和重度抑郁症(对比受试者数量见图)4（a）和6（b））.一旦通过MARS验证，该生物标志物可用于计划针对抑郁症精神运动症状的药理学干预。

我们研究的显着特点是与FRT期间提示的响应时间，这提供了真知灼见抑郁症的精神运动症状一起监控QEEG。在这里，POCT系统还可以用于提供实时反馈和监控的生物标志物，其中综合治疗方案可以使用与药物干预相结合的功能范围的培训开发的。此外，跌倒的频率可以与一个免费提供的基于移动电话的应用程序，FallAlert [被监控24.，在这样一个综合治疗项目中，老年人在抑郁的精神运动症状期间的下降倾向可以在介入研究中进行调查。

利益冲突

作者没有利益冲突的声明，可能会提出偏见的问题，在工作报告或结论，影响，或意见陈述。

致谢

作者感谢审稿人的深刻评论，帮助改进了论文。R. Kumar非常感谢印度新德里ISIC康复科学研究所的Ruby Aikat女士，在这项研究中，她给予了宝贵的支持、启发性的指导、建议和不断的鼓励。R. Kumar还要感谢R. K. Sharma医生(新德里Safdarjang医院职业治疗部)和Nidhi Vinaykya女士的激励支持。R. Kumar也感谢印度达摩基金会(非营利慈善信托)支持“积极老龄化项目”下的横剖面研究。感谢所有受试者的自愿帮助。此外，感谢R. Sehgal先生提供的技术帮助，他在法国Charpak卓越奖学金方案的资助下从事图形用户界面的工作。这项研究得到了印度达摩基金会的支持;Gnan Systems LLP，印度;印度neurorehab Services LLP;ieee社区服务工程项目，印度; Charpak Scholarship of Excellence Programme, France.

工具书类

1. b·g·波洛克和c·f·雷诺兹三世的《晚年抑郁》哈佛心理健康信，第十七卷，第二期3，第3 - 5页，2000。视图:谷歌学术搜索
2. B. D. Lebowitz, J. L. Pearson, L. S. Schneider等人，“晚年抑郁症的诊断和治疗:共识声明更新，”美国医学协会杂志第278期14，页1186-1190,1997。视图:谷歌学术搜索
3. 印度卫生部非传染性疾病负担工作组，2013年，http://planningcommission.nic.in/aboutus/committee/wrkgrp12/health/WG_3_2non_communicable.pdf．
4. G. A. R. Zijlstra, J. C. M. van Haastregt, J. T. M. van Eijk, E. van Rossum, P. A. Stalenhoef，和G. I. J. M. Kempen，“在社区生活的老年人的一般人群中，害怕摔倒和相关的回避活动的患病率和相关性，”年龄和衰老第36卷第2期3，第304-309，2007。视图:出版商网站|谷歌学术搜索
5. C. Sobin和H. A. Sackeim， "抑郁症的精神运动症状"美国精神病学杂志第154卷第1期1，第4-17页，1997。视图:谷歌学术搜索
6. R. Kumar, R. Aikat，和A. Banerjee，《老年人平衡与抑郁的关系》在辅助技术的第二届IASTED国际会议论文集, 2012年。视图:谷歌学术搜索
7. K.伯格，“中老年人测量平衡：仪器的初步发展，”理疗加拿大号，第41卷。6，第304-311页，1989。视图:出版商网站|谷歌学术搜索
8. J. a . Yesavage, T. L. Brink, and T. L. Rose，“老年抑郁症筛查量表的开发和验证:初步报告，”精神病学研究杂志，第十七卷，第二期1，页37-49,1982。视图:出版商网站|谷歌学术搜索
9. A. Dutta, A. Banerjee和A. Dutta，“Wii平衡板和微软kinect的低成本视觉姿势反馈——可行性研究”在IEEE定点护理医疗技术论文集（PHT '13），第291-294页，2013。视图:谷歌学术搜索
10. M. Ganguli和S. Dube，“印度农村老年人口的抑郁症状、认知障碍和功能障碍”，国际老年精神病学杂志第14卷第2期10，第807-820页，1999。视图:谷歌学术搜索
11. M. Ganguli, G. Ratcliff, V. Chandra等人，“MMSE的印度版本:为印度大部分文盲的农村老年人口开发认知筛查工具”，国际老年精神病学杂志，第10卷，第5期。5，第367-377页，1995。视图:出版商网站|谷歌学术搜索
12. Emotiv脑电图神经耳机规范，2013，http://emotiv.wikia.com/wiki/Emotiv_EPOC．
13. F. koslcher, M. G. Wade, B. Nelson, K. Lim, F. C. Chen, and T. A. Stoffregen，“在健康的老年人站立时，任天堂Wii平衡板对视觉任务的影响是敏感的，”步行姿势第36卷第2期3, pp. 605-608, 2012。视图:谷歌学术搜索
14. WiiBrew网站，2013年，http://wiibrew.org/wiki/Wii_Balance_Board．
15. A. Delorme和S. Makeig，“EEGLAB:包括独立成分分析的单次试验脑电图动力学分析的开源工具箱”，神经科学的方法，卷。134，不。1，第9-21，2004年。视图:出版商网站|谷歌学术搜索
16. V. A. Grin-Yatsenko, I. Baas, V. A. Ponomarev，和J. D. Kropotov，“抑郁症早期阶段的脑电图功率谱”，临床神经生理杂志CHINESE第26卷第2期6，第401-406，2009。视图:出版商网站|谷歌学术搜索
17. P. W. Duncan, S. Studenski, J. Chandler，和B. Prescott，“功能延伸:老年男性退伍军人样本的预测效度”，老年学杂志，卷。47，没有。3，第M93-M98，1992。视图:谷歌学术搜索
18. T. C. Hankins和G. F. Wilson，“在飞行过程中，心率、眼动、EEC和飞行员精神负荷的主观测量的比较，”航空航天和环境医学，第69卷，第2期4、1998年。视图:谷歌学术搜索
19. N. Kose, S. Cuvalci, G. Ekici, A. S. Otman，和M. G. Karakaya，“老年人跌倒的危险因素及其与平衡、抑郁、认知障碍和行动技能的相关性”，沙特医学杂志第26卷第2期6，页978-981,2005。视图:谷歌学术搜索
20. L. Rochester, V. Hetherington, D. Jones等人，“注意任务:功能性任务对帕金森病患者行走的干扰作用，以及认知、抑郁、疲劳和平衡的作用，”物理医学和康复档案第85卷第1期10, pp. 1578 - 1585,2004。视图:出版商网站|谷歌学术搜索
21. H. Suárez, a . Suárez，和L. Lavinsky，“使用虚拟现实系统进行平衡训练后出现不稳定和摔倒风险的老年患者的姿势适应，”国际耳鸣杂志，第12卷，第2期1，页41-44,2006。视图:谷歌学术搜索
22. R. A. Newton，“内城老年人口的平衡筛查”，物理医学和康复档案第78期6，页587-591,1997。视图:出版商网站|谷歌学术搜索
23. A. J.赛，J. C.加拉格尔，L.M。史密斯和S.洛格斯登“在社区住宅老年人秋季预测：截面和前瞻性研究，”肌肉骨骼神经元相互作用杂志，第10卷，第5期。2，页142-150,2010。视图:谷歌学术搜索
24. FallAlert Android应用，2013，https://play.google.com/store/apps/details?id=com.gnansys.fallalert．
25. M. A. S. Boksem, T. F. Meijman, M. M. Lorist，《精神疲劳对注意力的影响:ERP研究》，大脑的认知研究，卷。25，不。1，第107-116，2005。视图:出版商网站|谷歌学术搜索
26. C. Stampi, P. Stone和A. Michimori，“一种评估睡意的新的定量方法:衰减测试”，工作和压力，第9卷，第5期。2-3，页368-376,1995。视图:谷歌学术搜索
27. C.索宾，L.迈耶和J.恩迪卡特，“电动机搅拌和相位差规模：电动机异常在抑郁症患者的评估尺度，”神经精神病学和临床神经科学杂志，第10卷，第5期。1，第85-92页，1998。视图:谷歌学术搜索

版权

版权所有©2013 Arindam Dutta等人。这是一篇发布在知识共享署名许可协议如果正确引用了原始工作，则允许在任何媒体中的不受限制使用，分发和再现。