Erfassung von Anstrengungsempfinden und Biosignalen bei mentalen Belastungen: Zusammenhang von subjektiven und objektiven Beanspruchungsparametern

Zusammenfassung

Hintergrund Die Auswirkungen der sich veränderten Arbeitswelt äußern sich in anwachsenden Anforderungen an den Angestellten, die sich wiederum in einem Anstieg der wahrgenommenen mentalen Beanspruchung am Arbeitsplatz niederschlagen. Aktuelle Forschungsansätze entwickeln Methoden, zur Erfassung des Selbstmanagements mentaler Beanspruchung im Arbeitsalltag. Da eine Ableitung für Präventionsmaßnahmen zur Gesunderhaltung die Identifikation von Belastungsfaktoren voraussetzt, ist Ziel der vorliegenden Studie, subjektive und objektive Parameter bei der Ermittlung der Gesamtbeanspruchung bzgl. der mentalen Belastungen auf Tauglichkeit zu prüfen.

Material und Methoden Über den Verlauf von fünf Phasen zu je fünf Minuten erfolgt ein mentaler Belastungstest am Bildschirm, bei dem die kognitiven Parameter Reaktionsfähigkeit und Reaktionsverhalten mit sukzessiv ansteigender Belastung durch erhöhte Schwierigkeitsgrade (Änderung der Stimuli durch erhöhte Anzahl der Reize, geringere Reizabstände) verändert werden. Dabei wird das subjektive Anstrengungsempfinden (modifizierte CR 10-Skala nach Borg) und die physiologische Reaktion über objektiv erfassbare Biosignale (Herzfrequenz und tonischer Hautleitwert) über die fünf Belastungsphasen sowie zu Beginn und zum Ende einer jeden Belastungsphase (spezifische Phasenzeitpunkte) ermittelt. Es wird angenommen, dass eine phasenabhängig veränderte Beanspruchung existiert und bei mittleren Belastungen ein Zusammenhang zwischen subjektivem Anstrengungsempfinden (CR 10-Skala nach Borg) und der objektiv erfassten Parameter Herzfrequenz und Hautleitwert bei den Probandinnen (N=30, Alter: 34,3 Jahre alt (±3,2)) nachweisbar ist.

Ergebnisse Verglichen zur Basline-Messung zeigten die fünf Belastungsphasen eine signifikant größere subjektive Beanspruchung (CR-10 Skala, p<0,01) sowie höhere Herzfrequenzen und einen höheren Hautleitwert für die Phasen der Beanspruchung. Die weiterführende Analyse innerhalb der fünf Belastungsphasen zeigte für den Vergleich der ersten Belastungsminute gegenüber der letzten Minute innerhalb einer Belastungsphase (spezifische Phasenzeitpunkte) ausschließlich für das subjektive Anstrengungsempfinden (CR-10 Skala) signifikant verschiedene Werte (p≤0,01). Die Gesamtbeanspruchung wurde durch die Probandinnen mit 53,3±13,5 (NASA TLX Skala 0: sehr gering - 100 sehr hoch) angegeben und als mittlere Beanspruchung eingeordnet. Ebenso zeigte sich eine signifikante Assoziation zwischen der CR 10-Skala und den Hautleitwerten (β=0,21, p<0,001). Demgegenüber existierte kein signifikanter Zusammenhang zwischen der CR 10-Skala und der Herzfrequenz (β=0,02, p=0,21).

Schlussfolgerung Die Ergebnisse der Studie deuten darauf hin, dass für das angewendete Protokoll der Stress-assoziierte tonische Hautleitwert ein geeigneter Parameter zur Erfassung der Gesamtbelastung ist. Demgegenüber scheint die Herzfrequenz zur Erfassung einer mentalen Gesamtbeanspruchung weniger geeignet.

Abstract

Background Changes in the modern world of work place ever increasing demands on employees. This in turn is reflected in an increase in perceived mental strain at the workplace. Current research develops methods to improve the self-management of mental stress in everyday work. The presented study aims to analyze the five mental strain phases and their specific times during a state of strain. Furthermore, we analyze the relationship between the subjective feeling of exertion and objectively recorded bio-signals (heart rate and skin conductance) during cognitive load under laboratory conditions. We assume that there is phase-dependent mental strain and that, under moderate mental load, we can find correlation between the subjective perception of exertion (CR 10 scale according to Borg) and the objectively recorded parameters.

Material and methods The bio-signals heart rate and skin conductance measured by the NeXus-10 MKII as well as the perception of exertion represented by the CR 10 scale according to Borg were recorded at a simulated cognitive load system, called RehaCom. Furthermore, the NASA TLX Scale reported the total perceived exertion oft he subjects. The test persons subjects (female, N=30, age: 34.3 years old (±3.2)) were given tasks testing their ability to pay attention and react, the difficulty of which gradually increases over five load levels.

Results The comparison of the basline measurement with the five mental strain levels showed a significantly higher subjective mental strain (CR-10 scale, p<0.01) as well as higher heart rates and a higher skin conductance for the five mental strain phases compared to the baseline measurement. Further analysis of the strain levels showed significantly different values (p≤0.01) for the comparison of the first minute of exertion with the last minute. The total mental load was rated by the test persons as medium mental strain with 53.3±13.5 (NASA TLX scale 0: very low - 100 very high). There was also a significant correlation between the CR-10 scale and the skin conductance values (β=0.21, p<0.001) which, however, turned out to be insignificant for the heart rate (β=0.02, p=0.21)

Conclusion The correlation, albeit weak, between subjective and objective parameters underlines the need for a more individual and comprehensive analysis in order to comprehend the complexity of mental strain, especially in moderate cases. Further investigations should aim at a relation to subjective load parameters such as CR-10 Borg scale in order to supplement the mere observation of the bio-signals.

Schlüsselwörter

mentale Beanspruchung - Biosignale - subjektive Anstrengung

Key words

mental strain - bio-signals - exertion

Publication History

Received: 22 November 2021

Accepted: 28 April 2022

Article published online:
31 May 2022

• Literatur

• 1 Badura B. Arbeit und Gesundheit im 21. Jahrhundert. Berlin: Heidelberg: Springer; 2017. DOI: 10.1007/978-3-662-53200-3
• 2 AOK Rheinland/Hamburg. Gesundheit, BGF an den Büroarbeitsplätzen, Büroarbeitsplatz 2019. Im Internet: www.aok-business.de; Stand: 17.03.2021
• 3 Stab N, Schulz-Dadaczynski A.. Arbeitsintensität: Ein Überblick zu Zusammenhängen mit Beanspruchungsfolgen und Gestaltungsempfehlungen. Zeitschrift Für Arbeitswissenschaft 2017; 71: 14-25 DOI: 10.1007/s41449-017-0048-9.
• 4 Grifka J, Tingart M, Hofbauer R. et al. Der Bürobildschirmarbeitsplatz aus orthopädisch-arbeitsmedizinischer Sicht. Der Orthopäde 2002; 31: 1015-1022 DOI: 10.1007/s00132-002-0355-4.
• 5 Beermann B, Brenscheidt F, Siefer A.. Arbeitsbedingungen in Deutschland – Belastungen, Anforderungen und Gesundheit. 2007 Dortmund: Bundesanstalt Für Arbeitsschutz Und Arbeitsmedizin
• 6 BMAS/BAuA. Bundesministerium für Arbeit und Soziales/Bundesanstalt für Arbeitsschutz und Arbeitsmedizin. Sicherheit und Gesundheit bei der Arbeit Berichtsjahr 2015. Im Internet: www.baua.de; Stand: 06.12.2020
• 7 Nisser M, Derlien S, Smolenski UC.. Oberflächen-Elektromyographie zur Beanspruchungsmessung am Bildschirmarbeitsplatz. Welchen Mehrwert bringt die Analyse dermuskulären Aktivität?. Wirtschaftspsychologie 2018; 1: 40-49
• 8 Windel A, Wischniewski S.. Büromöbel und Arbeitshaltung. In Seidler A, Euler U, Letzel S, et al. eds., Gesunde Gestaltung von Büroarbeitsplätzen. Landsberg am Lech: ecomed-Storck GmbH; 2015: 95-110
• 9 Lundberg U.. Health Implications of Work-related Stress in Women and Men. In Richter PG, Rau R, Mühlpfordt S eds., Arbeit und Gesundheit: Zum aktuellen Stand in einem Forschungs- und Praxisfeld. Lengerich: Papst Science Publishers; 2007: 15-27
• 10 Rissen D, Melin B, Sandsjo L. et al. Surface EMG and psychophysiological stress reactions in women during repitive work. European Journal of Applied Physiology 2000; 83: 215-222
• 11 Gerber M.. Schützt sportliche Aktivität im Jugendalter vor stressbedingten Gesundheitsbeeinträchtigungen? . Schweizerische Zeitschrift Für Sportmedizin und Sporttraumatolgie 2007; 55: 77-87
• 12 Kivimäki M, Kawachi I.. Work Stress as a Risk Factor for Cardiovascular Disease. Current Cardiology Reports 2015; 17: 74 DOI: 10.1007/s11886-015-0630-8.
• 13 Korunka C.. Arbeitsintensivierung in der modernen Dienstleistungsarbeit Einige Befunde aus dem Projekt „Arbeit im Wandel“ Bundesanstalt für Arbeitsschutz und Arbeitsmedizin. Berlin: 2015
• 14 Litzcke S, Schuh H, Pletke M. et al. eds., Stress, Mobbing und Burn-out am Arbeitsplatz. Umgang mit Leistungsdruck-Belastungen im Beruf meistern-Mit Fragebögen Checklisten, Übungen Springer-Verlag 2012; DOI: 10.1007/978-3-642-28624-7.
• 15 Seidler A, Euler U.. Einführung in das Büro (und in die Bürogesundheit). In Seidler A, Euler U, Letzel S et al. Gesunde Gestaltung von Büroarbeitsplätzen. Arbeitsmedizinische Aspekte-Physikalische Einflussfaktoren-Gefahrstoffexposition-Organisationsformen. Landsberg am Lech: ecomed-Storck GmbH; 2015: 15-24
• 16 Grebner S, Berlowitz I, Alvarado V. et al. Stressstudie 2010. Stress bei Schweizer Erwerbstätigen. Zusammenhänge zwischen Arbeitsbedingungen, Personenmerkmalen, Befinden und Gesundheit SECO Arbeitsbedingungen; 2010
• 17 Schönpflug W.. Beanspruchung und Belastung bei der Arbeit-Konzepte und Theorien. In Arbeitspsychoiogie. Enzyklopädie der Psychologie Band 1. Göttingen, Toronto, Zürich: Verlag für Psychologie; Dr. C. J. Hogrefe 1987: 130-184
• 18 Schneider M.. Blickbasierte Beanspruchungsmessung: Entwicklung und Evaluation eines Kalibrierungssystems zur individuellen Bewertung der mentalen Beanspruchung in der Mensch-Technik-Interaktion. KIT Scientific Publishing. 2019
• 19 Wijsman J, Grundlehner B, Liu H. et al. Towards mental stress detection using wearable physiological sensors. Proceedings of the Annual International Conference of the IEEE Engineering in Medicine and Biology Society. EMBS 2011; 1798-1801 DOI: 10.1109/IEMBS.2011.6090512.
• 20 Kocielnik R, Sidorova N, Maggi FM. et al. Smart Technologies for Long Term Stress Management at Work. Computer Based Medical Systems 2013; 53-58
• 21 Schwalm M.. Pupillometrie als Methode zur Erfassung mentaler Beanspruchungen im automotiven Kontext. Diss. Universität Saarland 2009; DOI: 10.22028/D291-23297.
• 22 Cinaz B, Arnrich B, La Marca R. et al. Monitoring of mental workload levels during an everyday life office-work scenario. Personal and Ubiquitous Computing 2013; 17: 229-239 DOI: 10.1007/s00779-011-0466-1.
• 23 Xu Q, Nwe TL, Guan C.. Cluster-based analysis for personalized stress evaluation using physiological signals. IEEE Journal of Biomedical and Health Informatics 2015; 19: 275-281 DOI: 10.1109/JBHI.2014.2311044.
• 24 Gjoreski M, Luštrek M, Gams M. et al. Monitoring stress with a wrist device using context. Journal of Biomedical Informatics 2017; 73: 159-170 DOI: 10.1016/j.jbi.2017.08.006.
• 25 Smets E, Rios Velazquez E, Schiavone G. et al. Large-scale wearable data reveal digital phenotypes for daily-life stress detection. Npj Digital. Medicine 2018; 1: 1-10 DOI: 10.1038/s41746-018-0074-9.
• 26 Setz C, Arnrich B. Schumm Jet al. Discriminating Stress From Cognitive Load Using a Wearable EDA Device. IEEE Transactions on Information Technology in Biomedicine 2010; 14: 410-417 DOI: 10.1109/TITB.2009.2036164.
• 27 Jakobsmeyer R.. Multidimensionale Ableitung und Analyse beanspruchungssensibler Parameter des Autonomen Nervensystems im (Spitzen-) Sport. Ein explorativer Forschungsansatz zur Charakterisierung der Beanspruchung im Autonomen Nervensystem durch Parameter der Herzfrequenzvariabilität und elektrodermalen Aktivität. Diss. Universität Paderborn. 2017
• 28 Sammito S, Thielmann B, Seibt R. et al. Leitlinie Nutzung der Herzschlagfrequenz und der Herzfrequenzvariabilität in der Arbeitsmedizin und der Arbeitswissenschaft. AWMF online Das Portal der wissenschaftlichen Medizin 2. 2014 Im Internet: www.iam.ovgu.de Stand: 17.11.2021
• 29 Ribback S.. Psychophysiologische Untersuchung mentaler Beanspruchung in simulierten Mensch-Maschine-Interaktionen. Diss. Universität Potsdam. 2003
• 30 Hareendran A, Leidy NK, Monz BU. et al. Proposing a standardized method for evaluating patient report of the intensity of dyspnea during exercise testing in COPD. International Journal of Chronic Obstructive Pulmonary Disease 2012; 7: 345-355 DOI: 10.2147/COPD.S29571.
• 31 Leonard JH, Kok KS, Ayiesha R. et al. Prolonged writing task: Comparison of electromyographic analysis of upper trapezius muscle in subjects with or without neck pain. Clinica Terapeutica 2010; 161: 29
• 32 Mathiassen SE, Winkel J, Hägg GM.. Normalization of surface EMG amplitude from the upper trapezius muscle in ergonomic studies - A review. Journal of Electromyography and Kinesiology 1995; 197-226 DOI: 10.1016/1050-6411(94)00014-X.
• 33 Hengel KMO, Houwink A, Odell D. et al. Smaller external notebook mice have different effects on posture and muscle activity. Clinical Biomechanics 2008; 23: 727-734 DOI: 10.1016/j.clinbiomech.2008.01.013.
• 34 Hart S.G.. NASA-task load index (NASA-TLX); 20 years later. Proceedings of the Human Factors and Ergonomics Society 2006; 904-908
• 35 Bahle S.. Neue Bedienkonzepte für mobile Routenplaner. Diss Universität Stuttgart 2014; DOI: 10.18419/opus-3307.
• 36 Hasomed RehaCom-Kognitive Therapie und Hirnleistung. Im Internet: hasomed.de. Stand: 18.11.2021
• 37 Vollmer M.. (2016). Neue robuste Methoden zur Herzschlagerkennung und zur Quantifizierung der Herzfrequenzvariabilität. Diss. Universität Greifswald 2016
• 38 Nakagawa S, Schielzeth H.. A general and simple method for obtaining R 2 from generalized linear mixed-effects models. Methods in Ecology and Evolution 2013; 4: 133-142 DOI: 10.1111/j.2041-210x.2012.00261.x.
• 39 Bates D, Mächler M, Bolker B. et al. Fitting Linear Mixed-Effects Models Using lme4. Journal of Statistical Software 2015; 67 DOI: 10.18637/jss.v067.i01.
• 40 Russell Lenth emmeans: Estimated Marginal Means, aka Least-Squares Means. R package version 1.4.5. Im Internet: www.CRAN.R-project.org Stand: 27.08.2020
• 41 Barton K.. Mu-MIn: Multi-model inference. R Package Version 1.43.15. Im Internet: www.R-Forge.R-project.org/projects/mumin/ Stand: 27.08.2020
• 42 R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. Im Internet: www.R-project.org Stand: 27.08.2020
• 43 Conway D, Dick I, Li Z. et al. The Effect of Stress on Cognitive Load Measurement. In Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) 2013; 8120 LNCS 659-666 DOI: 10.1007/978-3-642-40498-6_58.
• 44 Dawson ME, Schell AM, Filion DL.. The electrodermal system. In Cacioppo JT, Tassinary LG, Berntson GG. eds. Handbook of Psychophysiology. Cambridge University Press; 2017: 217-243
• 45 Begum S, Barua S, Ahmed M.. Physiological Sensor Signals Classification for Healthcare Using Sensor Data Fusion and Case-Based Reasoning. Sensors 2014; 14: 11770-11785
• 46 Adams P, Rabbi M, Rahman T. et al. Towards Personal Stress Informatics: Comparing Minimally Invasive Techniques for Measuring Daily Stress in the Wild. Proceedings of the 8th International Conference on Pervasive Computing Technologies for Healthcare 2014; 72-79 DOI: 10.4108/icst.pervasivehealth.2014.254959.
• 47 Shi Y, Nguyen MH, Blitz P. et al. Personalized Stress Detection from Physiological Measurements. Second International Symposium on Quality of Life Technology 2010; 28-29
• 48 Vrijkotte TG, van Dornen LJ, de Geus EJ.. Effects of work stress on an ambulatory blood pressure, heart rate, and heart rate variability. Hypertension 2000; 35: 880-886 DOI: 10.1161/01.hyp.35.4.880.
• 49 Svoboda L, Sperrhake J, Nisser M. et al. Contactless heart rate measurement in newborn infants using a multimodal 3D camera system. Frontiers in Pediatrics, section. Neonatology. (Submitted 16.03.2022)
• 50 Blasche G.. Erholung als Maßnahme der Prävention arbeitsbedingter Ermüdung. Psychologie in Österreich 2019; 1&2: 74-82