High-density electromyography investigated by linear mixed-effects models

Abstract

O sinal eletromiográfico é o registro da atividade elétrica nas fibras musculares ativas durante o processo de contração muscular. A Eletromiografia de Alta Densidade (HD-sEMG) utiliza uma matriz (e.g., 8x4) de eletrodos com distância inter-eletrodos que varia de 4 a 10 mm. Dentre as inúmeras aplicações do HD-sEMG, está a utilização na investigação das alterações neuromusculares ocasionadas pelo Diabetes Mellitus (DM) e Neuropatia Diabética Periférica (NDP). Neste contexto, o sinal de HD-sEMG é registrado durante a Contração Isométrica Voluntária Máxima (CIVM) de dorsiflexão do tornozelo. A característica dos sinais de HD-sEMG implica em medidas repetidas, ocasionando em uma análise de dados que não permite assumir independência entre observações, que é uma suposição necessária para a utilização de métodos estatísticos convencionais. Assim, os Modelos Lineares Mistos (MLM) surgem como uma ferramenta apropriada para tratar adequadamente a dependência entre as observações. O objetivo deste trabalho é utilizar os MLM para avaliar as principais variáveis de HD-sEMG e também avaliar a repetibilidade das medições de CIVM em um estudo de NDP. O sinal de HD-sEMG foi coletado em 50% da CIVM por 25s. Os indivíduos foram divididos em três grupos: Controle (n=6), DM (n=6) e DM com NDP (n=5). Foram analisadas as seguintes variáveis, em épocas de 0,5s: Valor Médio Quadrático (RMS), Valor Retificado Médio (ARV), Frequência Média (MNF), Frequência Mediana (MDF), Entropia Modificada (ME) e Coeficiente de Variação (COV). Para a repetibilidade da CIVM, dez indivíduos saudáveis realizaram a CIVM duas vezes ao dia por três dias consecutivos. A construção dos modelos foi feita pela metodologia top-down e as comparações dos modelos por testes da razão de verossimilhança. Para cada uma das variáveis de HD-sEMG, o modelo incluiu estruturas de dependência com termos aleatórios resultando em um melhor ajuste dos modelos quando comparado a um modelo tradicional com apenas efeitos fixos (p<0.05). Quanto a repetibilidade da CIVM, o coeficiente de correlação intraclasse resultou em um valor de 86,6% o que é considerado um excelente nível de repetibilidade. Os resultados obtidos neste trabalho demonstram que as variáveis de HD-sEMG avaliadas com MLM são melhores representadas quando as estruturas de dependência são levadas em consideração, em comparação com métodos tradicionais utilizando apenas efeitos fixos. Além disso, os resultados também demonstram que a CIVM da dorsiflexão do tornozelo é uma medida altamente repetível.

Abstract : The Electromyographic (EMG) signal is the recording of electrical activity in active muscle fibres during a contraction process. The High-Density Electromyography (HD-sEMG) uses a matrix (e.g., 8x4) of electrodes with inter-electrode distances ranging from 4 up to 10 mm. Among the large number of applications using HD-sEMG, is the investigation of neuromuscular alterations caused by Diabetes Mellitus (DM) and Diabetic Peripheral Neuropathy (DPN). In this scenario, the HD-sEMG signal is usually obtained during Maximum Voluntary Isometric Contraction (MVIC) of ankle dorsiflexion. The characteristic of the HD-sEMG signal implies in repeated measures, resulting in an analysis that cannot assume independence between observations, which is a basic assumption required by traditional statistical methods. In this way, Linear Mixed Effects (LME) models provide an adequate tool to handle the dependency between observations. The objective of this work is to apply LME models to assess the main variables used in HD-sEMG and also to evaluate the reliability of the MVIC in an application regarding DPN. The HD-sEMG signal was obtained from 50% of the MVIC for 25s. The individuals were divided into three groups: Control (n=6), DM (n=6) and DM with DPN (n=5). The following variables were analysed with epochs of 0.5s: The following variables were analysed with epochs of 0.5s: Root Mean Square (RMS), Average Rectified Value (ARV), Mean Frequency (MNF), Median Frequency (MDF), Modified Entropy (ME) and Coefficient of Variation (COV). For the reliability of the MVIC, ten healthy subjects performed the MVIC twice a day for three consecutive days. The top-down strategy for model selection process was implemented and the model comparison was performed through a likelihood ratio test. For each variable, the model included structures of dependency with random effects resulting in a better model adequacy when compared to a model with only fixed effects (p<0.05). For the reliability of the MVIC, the intraclass correlation coefficient resulted in a value of 86.6%, which is considered an excellent level of reliability. The results obtained in this work show that the HD-sEMG variables evaluated with LME models are better represented when dependency structures are taken into account, in comparison to traditional models using only fixed effects. Moreover, the results also demonstrate that MVIC of the ankle dorsiflexion is a highly repeatable measure.