局部疲劳与整体疲劳对大脑网络效率、皮质脊髓传导以及神经肌肉兴奋性的不同影响

《Journal of Exercise Science & Fitness》：Differential effects of local and general fatigue on brain network efficiency, corticospinal and neuromuscular excitability

运动疲劳对脑网络效率和神经肌肉兴奋性的影响研究。通过24名受试者进行局部（等长屈膝）和全身（跑步）疲劳实验，对比分析脑网络功能连接（β波段聚类系数、全局/局部效率）和神经肌肉反应（Hmax、Mmax、激活度）。结果显示，全身疲劳显著提高β波段脑网络整合能力（p<0.001），而局部疲劳降低其效率。两种疲劳均降低神经肌肉兴奋性（Hmax/Mmax下降达10.8%-12.0%，激活度下降至70.2%-74.2%）。

　　本研究旨在探讨局部肌肉运动和全身肌肉运动引发的疲劳对大脑网络效率、皮质脊髓兴奋性和神经肌肉兴奋性的影响。研究对象为24名参与者，他们随机执行两种不同的疲劳协议，分别是局部肌肉疲劳和全身肌肉疲劳，并在5至7天后进行第二次测试。局部肌肉疲劳通过最大等速跖屈运动来诱导，而全身肌肉疲劳则通过在跑步机上进行个性化恒定速度的跑步运动来实现。在实验前和实验后，研究人员记录了M波、H反射以及静息状态下的脑电图信号，以评估这些疲劳类型对神经肌肉系统的影响。

### 一、研究背景

运动诱导的疲劳是指由于身体活动引起的一系列复杂的生理变化，这些变化涉及运动控制系统中的肌肉、肌腱、骨骼和关节等。疲劳可能导致肌肉纤维中代谢物的持续积累，或者在长时间剧烈运动中，大脑运动皮层对肌肉的驱动反应不足。这种现象已被与运动表现下降和运动损伤风险增加相关联。因此，有必要对与疲劳相关的神经肌肉控制变化进行研究，以优化疲劳管理策略并设计有效的缓解措施。

除了许多研究已经观察到的外周疲劳外，最近的研究也致力于表征中枢疲劳，即中枢神经系统在进行长时间或间歇性肌肉运动时无法有效驱动运动神经元的状态。研究表明，与疲劳相关的功能下降（如肌肉功率输出降低）可能与中枢神经系统无法自主激活肌肉（即中枢疲劳）有关，或者与肌肉中因反应能力下降而产生的生化干扰（即外周疲劳）有关。中枢疲劳和外周疲劳的表现可能取决于运动类型，例如局部肌肉运动主要针对特定的外周肌肉群，而全身肌肉运动则涉及全身的动员。局部运动可能主要导致肌肉机械感受器功能障碍，降低肌肉力量，并可能引发中枢疲劳；而全身运动不仅会产生外周疲劳，还会产生更显著的中枢疲劳，影响中枢神经系统在感觉运动控制中的机制。然而，这两种运动方式引发的中枢和外周疲劳在脑网络效率、皮质脊髓和神经肌肉兴奋性方面的特征尚未被明确研究和比较。

### 二、研究方法

#### 2.1 参与者

为了确保统计功效达到0.95，效应量为0.4，双尾α值为0.05，研究人员使用G*Power 3.1.9.7软件（Franz Faul，基尔大学，德国）计算样本量。根据计算结果，至少需要16名参与者，以防止参与者脱落、异常值和缺失数据。为了进一步避免这些问题，研究人员设定了24名目标参与者。

参与者通过在我们大学校园张贴广告的方式招募。具体的纳入标准包括：（1）年龄在18至30岁之间；（2）根据皮肤褶皱厚度评估，BMI ≤ 25 kg/m2或体脂 ≤ 25%；（3）具有定期锻炼习惯的休闲运动员（即每周至少进行150至300分钟的有氧运动）。排除标准包括：（1）下肢有明显软组织损伤或手术，或在过去六个月中有脚部疾病；（2）有报告的呼吸系统或心血管疾病；（3）有神经系统或感染性疾病或其他可能影响表现的医学状况；（4）在研究开始前五天内摄入咖啡、吸烟或能量补充剂。研究遵循赫尔辛基宣言的相关指南和规定。在研究开始前，参与者提供了书面知情同意书，该同意书已获得上海体育大学人类伦理委员会的批准（编号：102772022RT050）。

总共有24名参与者表达了参与的兴趣。其中18名男性和6名女性休闲参与者（平均年龄 ± 标准差：21.58 ± 2.17岁，体重 ± 标准差：73.21 ± 18.42公斤，身高 ± 标准差：175.63 ± 6.23厘米，BMI ± 标准差：22.33 ± 1.73 kg/m2）符合纳入标准。

#### 2.2 实验程序

所有参与者在生物力学实验室完成了三次实验，每次实验之间间隔5至7天。第一次实验会熟悉实验过程并完成首次通气阈值测试。然后，参与者在第二次和第三次实验中随机执行等速跖屈运动或长时间跑步实验。在每次测试前，所有参与者都需要进行15分钟的热身（包括10分钟的拉伸和5分钟的自我选择的亚最大速度跑步），随后进行5分钟的休息。参与者在整个实验过程中可以随时饮水。

**熟悉实验：** 为了测量首次通气阈值，参与者完成了一次渐进式跑步实验，使用电动跑步机（Gymrol S2500，HEF Techmachine，法国安德烈齐厄-博热昂）。首次通气阈值对应的速度被用作后续跑步实验的恒定速度，确保每位参与者都有安全且可靠的个性化速度设置。实验从初始速度8公里/小时开始，持续三分钟。随后，速度每分钟增加0.5公里/小时，直到首次通气阈值被达到。使用在线系统（ZAN 680，ZAN Messgerate，德国奥伯图尔巴）收集和分析跑步过程中的呼出气体。首次通气阈值的识别标准基于VE/Vo?增加而VE/Vco?未增加的点。

**实验会话：** 参与者在基线和完成每种疲劳协议后执行静息状态脑电图测试、最大等距收缩（MVICs）测试以及胫神经电刺激测试。为了诱导局部疲劳，参与者执行最大力量的30°跖屈和15°背屈，速度为60°/秒，分两分钟一组，每组之间休息10秒。为了诱导全身疲劳，每位参与者在相同的跑步机上以个性化恒定速度（10.65 ± 0.95公里/小时）进行跑步。如果参与者在统一且强烈的口头鼓励下仍无法维持所需强度，实验会终止。Borg感知努力评分（范围6–20）≥18也被视为任务失败的指标。任务失败定义为在等速测试中，连续三次收缩的肌肉力量低于最大收缩力的50%。在跑步实验中，心率达到年龄预测最大值的90%（即220减去年龄）也被视为任务失败。同时记录了实验的时间。

#### 2.3 数据收集

研究人员使用64通道无线脑电图帽（NeuSen. W64，Neuracle，中国常州）采集来自国际10–20系统中28个感兴趣区域（ROIs）的连续大脑皮层活动，包括Fp1/2、Fpz、F3/4、Fz、FC5/6、FC1/2、FCz、C3/4、C1/2、Cz、CP5/6、CP1/2、P7/8、P3/4、Pz、PO3/4和POz。这些ROIs主要位于额叶、顶叶、颞叶和枕叶。参考电极位于CPz，接地电极位于AFz。在整个脑电图记录过程中，电极阻抗被控制在4 kΩ以下。在静息状态脑电图测试中，参与者被要求静坐三分钟，眼睛睁着并注视前方1.5米处的“+”点。

**胫神经电刺激：** 为了评估静息和最大等距收缩状态下的直接运动反应（M波）和霍夫曼反射（H反射，评估α运动神经元的兴奋性），参与者在基线和完成每种疲劳协议后执行电刺激测试。参与者保持俯卧姿势，右内侧腓肠肌和髌骨被酒精棉签擦拭干净。阳极和阴极电极（直径0.3厘米）被粘贴在内侧腓肠肌（基于SENIAM建议的最突出肌肉隆起处），距离为1厘米，接地电极放置在髌骨的近端。使用激发电位仪（NTS -2000，上海亿姆医疗设备有限公司，上海，中国）进行电刺激，采样频率为1000 Hz，刺激为方波，频率为0.3 Hz，脉宽为1毫秒。刺激探头在休息状态下被移动至腘窝，以确定最佳刺激位置。之后，使用黑色记号笔在皮肤上标记目标位置，以确保刺激位置在疲劳前后的一致性。刺激强度逐渐增加，每秒0.5 mA，直到静息状态下的M波不再增加，这被认为是最大刺激强度。随着刺激强度的增加，观察到腓肠肌收缩和跖屈运动。最后，所有参与者需要评估最大激活水平，使用胫神经刺激的扭矩值。

#### 2.4 数据分析

脑电图数据预处理主要包括以下步骤：（1）导入数据；（2）确认电极位置；（3）选择28个ROIs；（4）重新参考，将参考电极转换为全脑平均参考；（5）带通滤波，频率范围为0.5–60 Hz；（6）分割为90个2秒的片段；（7）插值坏通道（用周围电极的平均值进行插值）和拒绝坏片段；（8）运行独立成分分析（ICA）；（9）根据ICA结果去除伪迹。然后，预处理后的数据被分为四个频率带：θ波（4–7 Hz）、α波（8–15 Hz）、β波（16–30 Hz）和γ波（31–50 Hz）。

滞后相干性（LC）受体积传导效应影响较小，可以基于先前研究检测28个ROIs之间的皮层连接性。对于每个频率带，分别计算疲劳协议前后的LC矩阵，并求其平均以获得一个平均LC矩阵。然后，每个参与者获得四个平均LC矩阵，两个为静息状态，两个为疲劳后状态。LC值的范围为[0,1]，其中1表示电极之间的相干性，0表示无相干性。为了保留仅有的显著功能连接，研究人员基于每个平均LC矩阵的LC值分布设置阈值。计算分布的中位数和中位数绝对偏差（MAD），并仅保留LC值大于（中位数 + 1 MAD）的功能连接，其余LC值设为零。

使用MATLAB R2018b软件（MathWorks，美国马萨诸塞州纳蒂克）计算四个参数来描述大脑网络连接效率：聚类系数、特征路径长度、全局效率和局部效率。聚类系数量化了大脑网络中节点的聚集程度，反映了特定情况下的聚集特性。路径长度表示大脑网络的连接程度。两个节点之间的信息传递效率随着特征路径长度的减少而增加，反之亦然。全局效率全局衡量相关大脑网络的平均效果，以及功能网络在分布式大脑区域中的整体信息传递能力。局部效率定义为节点在局部子图中传递信息的能力。

此外，IT和RT的三个实例值被分别平均，用于后续的数据统计。

β波活动可以反映最佳的运动结合和疲劳。作为一种创新方法，图论提供了评估大脑皮层疲劳神经生理学的新见解。因此，β波带中的聚类系数、路径长度、全局效率和局部效率被用作主要结果，而θ波、α波和γ波带以及H反射被用作次要结果。

RT的扭矩被视为评估外周疲劳的主要结果。M_max反映了神经肌肉接头处信息传递能力，被用作次要结果。

为了探索观察到的大脑网络效率变化的空间特征，研究人员通过将脑电图电极分为三个区域集群（额叶、中央、顶叶）进行探索性分析。然后，计算β波带中的区域平均聚类系数和局部效率值。

#### 2.5 统计分析

实验数据使用SPSS 22.0（IBM，美国纽约）进行分析。所有数据以均值 ± 标准差的形式表示。每个变量使用Shapiro–Wilk检验进行正态性检验。如果数据符合正态分布，使用配对t检验比较基线状态下静息状态脑电图和胫神经电刺激在组间的差异。为了检查局部和全身疲劳对主要结果（即β波带的聚类系数、路径长度、全局效率和局部效率）和次要结果（即H_max、H_max/M_max比值、激活水平和M_max，以及其它频率带的变量）的影响，当数据符合正态分布时，使用双因素重复测量方差分析模型。模型因素包括疲劳协议（一般和局部）和时间（疲劳前和疲劳后）及其交互作用。使用部分η平方值计算效应量。如果存在显著的主效应或交互效应，进行Bonferroni事后成对比较测试以确定不同时间和/或疲劳协议之间的效应。对于不符合正态分布的数据，使用非参数Friedman检验。

对于主要结果的比较，显著性水平设为p < 0.0125，对于其他结果设为p < 0.01，考虑了多重比较的Bonferroni校正。

进行线性回归分析以检查在每种疲劳条件下大脑网络效率变化与神经肌肉兴奋性指标之间的关联。仅计算和包括显示出显著疲劳诱导变化的结果。显著性水平设为p < 0.05。

为了进一步描述网络变化的空间分布，研究人员在显示全球大脑网络效率显著变化的疲劳条件下进行探索性区域分析。分别对额叶、中央和顶叶区域的疲劳前后值进行配对样本t检验。显著性水平在Bonferroni校正后设为p < 0.0083（n = 6）。

### 三、研究结果

所有参与者均完成了本研究，所有数据均成功收集。在基线状态下，未观察到静息状态脑电图和胫神经电刺激的变量存在显著差异。跑步诱导的疲劳平均时间为82.55 ± 7.03分钟，而等速跖屈诱导的疲劳平均时间为9.07 ± 2.16分钟。所有数据均符合正态分布。

**3.1 大脑功能连接性和H反射**

主要的双因素重复测量方差分析模型显示，疲劳协议对β波带的聚类系数、路径长度、全局效率和局部效率有显著的主效应（p < 0.01），而时间对这些变量也有显著的主效应（p < 0.001）。β波带的聚类系数、路径长度、全局效率和局部效率之间存在显著的交互作用（p < 0.001），但路径长度没有显著的交互作用（p = 0.038）。事后分析显示，与局部疲劳和其他条件相比，全身疲劳在β波带中显著增加了聚类系数、全局效率和局部效率（图3）。这表明，跑步运动引起的疲劳在β波带中比等速跖屈运动引起的疲劳更能改善信息传递能力。

**3.2 RT和M波**

主要的双因素重复测量方差分析显示，时间对RT有显著的主效应（p < 0.001），但疲劳协议对RT没有显著效应（p = 0.089），且疲劳协议与时间之间的交互作用也不显著（p = 0.095）。这表明局部和全身疲劳都能降低RT。次要的方差分析显示，时间对M_max有显著的主效应（p < 0.001），但疲劳协议对M_max没有显著效应（p = 0.877），且疲劳协议与时间之间的交互作用也不显著（p = 0.820）。RT的减少表明两种运动方式都能引起外周疲劳。M_max的减少则表明肌肉膜兴奋性和神经肌肉传导的下降。

**3.3 大脑网络效率变化与神经肌肉兴奋性之间的关联**

在全身疲劳条件下，Δ聚类系数（β波带）与Δ激活水平之间存在显著相关性（r = ?0.41，p = 0.02），以及Δ局部效率（β波带）与Δ激活水平之间的显著相关性（r = ?0.38，p = 0.04）。值得注意的是，全身疲劳条件下，激活水平显著下降，而聚类系数和局部效率显著增加。这种模式表明，大脑局部网络在中枢疲劳下的补偿性重组。这与先前研究一致，即全身运动引起的疲劳可以重组局部大脑网络。此外，激活水平与RT之间的显著相关性表明，中枢驱动的下降与外周肌肉输出的下降有关，突显了一种可能的中枢-外周通路，其中皮层网络重组可以缓解但不能完全防止外周性能损失。同时，全局效率的增加反映了分布式大脑区域中功能连接性的增强。这种网络层面的整合可能有助于骨骼肌的感官输入处理，包括运动皮层、小脑和前额叶皮层，从而支持运动协调、平衡控制和警觉性。

在探索性分析中，研究人员发现全身疲劳后，聚类系数和局部效率的增加主要集中在中央和额叶皮层区域。这些区域在运动计划、执行和感觉运动整合中起关键作用，其增强的局部效率可能反映了适应性皮层重组，以维持运动控制。先前的研究表明，在疲劳的运动任务中，运动相关皮层区域的β波同步性增加，这被解释为在神经肌肉效率下降的情况下维持性能的神经机制。在这一背景下，观察到的额叶和中央区域局部网络效率的增强可能代表了增强的短距离功能连接，支持快速感觉运动处理和运动输出优化。这些结果共同表明，全身疲劳不仅影响全局大脑网络特性，还驱动了对运动控制至关重要的区域特定网络重组。这种空间局部的适应可能作为一种补偿机制，以减轻疲劳带来的功能干扰，从而保持任务执行和姿势控制。

在局部疲劳条件下，研究人员观察到Δ聚类系数、Δ路径长度、Δ全局效率和Δ局部效率与ΔH_max/M_max之间存在显著相关性。这表明，局部疲劳引起的神经肌肉指标变化与大脑网络效率变化存在密切联系。同时，Δ聚类系数、Δ路径长度、Δ全局效率和Δ局部效率与ΔRT之间也存在显著相关性，表明较低的网络整合和效率与外周肌肉性能的更大下降相关联。

### 四、讨论

本研究探讨了两种不同的疲劳协议（即全身诱导和局部诱导）对大脑网络效率、皮质脊髓兴奋性和神经肌肉兴奋性的影响。研究结果表明，局部和全身疲劳都能显著降低脊髓运动神经元池的兴奋性和外周神经肌肉兴奋性。然而，与局部疲劳相比，全身疲劳能够显著增强大脑网络的功能连接性，促进皮层运动神经元通路内的神经通信效率，减轻疲劳相关的负担。这些发现可能为优化训练和恢复策略提供重要依据，尤其是在耐力运动领域。未来的研究应探索这些发现的转化潜力，包括针对大脑网络可塑性的干预措施，以缓解疲劳引起的运动表现下降。

从实践角度来看，这些发现为运动训练和康复提供了重要的见解。全身疲劳后β波带大脑网络效率的增强表明，EEG衍生的网络指标可以作为监测运动过程中皮层适应性的敏感生物标志物。这些标志物可用于优化训练负荷、防止过度训练，并制定个性化的恢复方案。相反，两种疲劳协议后观察到的皮质脊髓和神经肌肉兴奋性的降低突显了可能影响运动表现并增加受伤风险的机制，强调了神经肌肉条件的重要性，以维持脊髓运动神经元的兴奋性。在康复环境中，局部与全身疲劳的不同影响表明，运动处方应仔细考虑疲劳诱导方式，以在中枢和外周适应之间实现适当的平衡。这对于有神经肌肉功能障碍的患者尤为重要，因为量身定制的干预措施可以最大化治疗效果，同时减少风险。

本研究也存在一些局限性。首先，研究仅包括休闲成年人，样本量相对较小。因此，建议未来的研究扩大样本规模并纳入更多样化的群体，例如老年人和马拉松跑者。其次，动物研究也被建议用于探索疲劳影响下中枢和外周调节的潜在机制。此外，本研究仅评估了疲劳对神经生理学特征的即时影响，而对这些疲劳后的恢复过程的特征仍需进一步研究。在神经肌肉测试中，仅对胫神经进行了刺激，阳极放置在腓肠肌上。未来的研究可以使用不同的参考肌肉（如胫骨前肌）和不同的刺激部位（如股神经）来探索疲劳的机制。此外，由于在疲劳诱导过程中未收集EEG数据，未来的研究可以结合实时EEG采集，以更深入地了解疲劳下的神经适应时间特征。最后，本研究未纳入基于经颅磁刺激的测量方法，如运动诱发电位或皮层静默期，这些方法可以提供关于皮质脊髓兴奋性的补充信息。未来的研究可以整合EEG和经颅磁刺激，以建立更全面的疲劳下的大脑-脊髓-肌肉调节模型。

### 五、结论

局部和全身肌肉运动引起的疲劳可以显著降低脊髓运动神经元池的兴奋性和外周神经肌肉兴奋性。然而，与局部疲劳相比，全身疲劳能够显著增强大脑网络的功能连接性，促进皮层运动神经元通路内的神经通信效率，减轻疲劳相关的负担。这些发现可能为优化训练和恢复策略提供重要依据，尤其是在耐力运动领域。未来的研究应探索这些发现的转化潜力，包括针对大脑网络可塑性的干预措施，以缓解疲劳引起的运动表现下降。