Ungdommers Søvnhelse

Os resultados da decomposi¸c˜ao envolvem informa¸c˜oes relacionadas com a forma de onda dos PAUMs e com a taxa de disparo dos trens de PAUMs. Com rela¸c˜ao `a forma de onda dos PAUMs, tipicamente s˜ao apresentado dois tipos de gr´aficos, um denominado shimmer plot e outro que cont´em o gabarito do PAUM (Figura 2.11).

No shimmer plot, s˜ao alinhados os maiores picos de cada PAUM referente a uma unidade motora e ´e desenhado o conjunto de curvas, uma sobre a outra. Nele ´e poss´ıvel observar a variabilidade da forma de onda do PAUM entre os diversos disparos e, em alguns casos, ´e poss´ıvel at´e detectar alguns erros de classifica¸c˜ao pelo algoritmo. Um modelo de forma de onda t´ıpico do PAUM tamb´em ´e apresentado. Esse modelo pode ser gerado de diversas formas, como por meio da m´edia, da mediana, da moda ou do cancelamento de interferˆencias (11).

Figura 2.11: Exemplo de resultados relacionados com a forma de onda dos PAUMs (6). No lado esquerdo, tem-se o shimmer plot, contendo um conjunto de 25 PAUMs. No lado direto, tem-se o gabarito da unidade motora, obtido atrav´es da m´edia dos 25 PAUMs encontrados.

Conforme mencionado no Cap´ıtulo 1, a an´alise da forma de onda permite detectar

a presen¸ca de dist´urbios motores. Atrav´es desses gr´aficos, ´e poss´ıvel detectar PAUMs

com amplitudes vari´aveis, m´ultiplas fases, conjuntos de PAUMs monof´asicos de pequena

dura¸c˜ao, presen¸ca de potenciais de fibrila¸c˜ao e picos positivos de curta dura¸c˜ao que po- dem estar associados a neuropatias (13, 14). ´E poss´ıvel ainda verificar se o sinal apresenta PAUMs de grande amplitude e formas complexas devido a reinerva¸c˜ao colateral, carac-

ter´ıstica de neurapatias (15, 16, 17). Outra aplica¸c˜ao consiste na estimativa do n´umero

de fibras musculares presentes na unidade motora, obtido por meio da forma de onda do PAUM atrav´es da aplica¸c˜ao de uma dupla diferencia¸c˜ao do sinal (52, 11).

Al´em da forma de onda, os sistemas de decomposi¸c˜ao de sinais EMG apresentam informa¸c˜oes temporais relacionadas com as caracter´ısticas de disparo de cada unidade motora encontrada. A Figura 2.12 exemplifica um conjunto de gr´aficos, propostos por De Luca et al.(1), que apresentam informa¸c˜oes temporais.

Na coleta de sinal, que originou os gr´aficos da Figura 2.12, foram colhidos dados de quatro canais de eletromiografia e um canal auxiliar que media a for¸ca aplicada atrav´es de uma c´elula de carga. Um sistema de biofeedback foi utilizado para fazer com que o vo-

Força (%MCV)

Força (%MCV)

Força (%MCV)

Intervalo entre disparos (ms)

Freq. Média dos Disp. (pps)

Amplit. do EMG (mV)

Tempo (s)

Figura 2.12: Exemplo de resultado relacionado com as caracter´ısticas dos disparos dos PAUMs (modificado de De Luca et al.(1)): (A) Gr´afico dos TPAUMs de cada unidade motora, marcando o momento e o percentual de for¸ca associado ao primeiro disparo de cada unidade motora; (B) Intervalo entre disparos em fun¸c˜ao do tempo; (C) M´edia da frequˆencia de disparos em fun¸c˜ao do tempo; (D) Forma de onda de cada PAUM apresentada em cada eletrodo. Note que os trˆes primeiros gr´aficos incluem ainda a for¸ca aplicada na contra¸c˜ao (em preto).

lunt´ario fosse aumentando gradativamente a for¸ca aplicada em uma contra¸c˜ao isom´etrica at´e que atingisse 50% da m´axima contra¸c˜ao volunt´aria (MCV). O volunt´ario aplicava essa for¸ca por cerca de 20 segundos e, em seguida, a diminu´ıa gradativamente. Nos gr´aficos A, B e C da Figura 2.12 ´e poss´ıvel observar a for¸ca aplicada em preto.

A Figura 2.12a apresenta os trens de PAUMs das unidades motoras encontrados. Atrav´es do gr´afico ´e poss´ıvel identificar o instante no tempo onde ocorreu cada disparo encontrado pelo algoritmo associado a respectiva unidade motora. O gr´afico apresenta tamb´em informa¸c˜oes sobre a sequˆencia de ativa¸c˜ao das unidades motoras, indicando o momento do primeiro disparo e o valor da for¸ca aplicada relacionadas a cada unidade motora.

O segundo gr´afico (Figura 2.12b) ´e constru´ıdo a partir do intervalo entre disparos (IED) calculado atrav´es diferen¸ca de tempo entre dois disparos consecutivos de uma uni- dade motora. Ele exibe a varia¸c˜ao do IED ao longo do tempo, onde o valor do IED corresponde `a distˆancia vertical dos pontos ao eixo inferior. Esse gr´afico ´e bastante ´util para encontrar erros de classifica¸c˜ao, j´a que ´e esperado uma pequena varia¸c˜ao do IED ao longo do tempo, de modo que pontos dispersos da curva central provavelmente correspon- dem a PAUMs incorretamente classificados.

No terceiro gr´afico, tem-se a curva da m´edia m´ovel da taxa de disparo das unidades motoras (Figura 2.12c). Essa varia¸c˜ao ´e calculada a partir de uma janela m´ovel do tipo Hanning com um segundo de comprimento aplicado sobre os trens de pulsos. A m´edia ´e calculada apenas durante o momento da contra¸c˜ao isotˆonica. Nesse gr´afico, sempre se observa um decaimento da m´edia m´ovel ao longo do tempo.

Por fim, ´e apresentada na Figura 2.12d a forma de onda do gabarito de cada unidade motora para cada um dos canais de captados, nas linhas s´olidas. Existe ainda uma linha tracejada que indica o desvio padr˜ao da forma de onda de cada grupo de PAUMs encontrado e pode funcionar como alternativa para o shimmer plot.

Essas informa¸c˜oes temporais sobre o disparo dos PAUMs fornecem uma boa visua- liza¸c˜ao dos mecanismos de controle do sistema nervoso que n˜ao s˜ao vis´ıveis nas an´alises

t´ıpicas do sinal eletromiogr´afico da forma tradicional. De Luca e Hostage publicaram recentemente um trabalho no qual verificam que v´arios esquemas de controle do sistemas nervoso podem ser visualizados atrav´es da t´ecnica e est˜ao de acordo com v´arios outros es- tudos existentes, de forma que ´e poss´ıvel utilizar as informa¸c˜oes obtidas por esses sistemas tanto na pesquisa, quanto na pr´atica cl´ınica (8).