改进的头背距测量法及仰卧枕高数学模型

《改进的头背距测量法及仰卧枕高数学模型》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、头背距测量方法的改进及仰卧枕高回归模型陈华平摘要：头背距，是指枕后点至背部最突出点的水平距离。研究采用倚墙站立测量法对20名被测试者进行头背距测量，建立仰卧枕高的回归模型，结果表明：头背距与身高、体重指数有极显著的相关关系，通过回归模型预测仰卧枕高是可行的；九成成年男性的预测仰卧枕高范围为3～8cm，平均值为5.5cm，九成成年女性的预测仰卧枕高范围为3～3.5cm，平均值为3.3cm，两者有明显差异。关键词：人体工学；枕头；高度；仰卧中图分类号：TS976.8人在睡眠中的姿势，有侧卧、仰卧和俯卧等，其中仰卧是最主要的睡姿。根据有关资料介绍，在各种睡眠姿势中，侧卧占35%，仰卧占

2、60%，余下5%为俯卧。多数人在工作、学习和生活中发生最频繁的颈椎动作，往往是颈椎的前屈。颈椎长期、频繁的前屈，容易造成颈后肌群、韧带等组织劳损，颈椎的生理前凸逐渐减少甚至消失。因此，仰卧枕高的合理设计，对通过睡眠改善组织劳损、保持颈椎前凸的生理体位，就显得十分重要。本文从改进头背距的测量方法入手，通过对被测试对象的有关数据分析，建立起仰卧枕高的回归模型，为枕头的设计提供参考。一、头背距测量法的改进目前对于仰卧枕高的研究，主要有如下方法：[1]一是以被测试者的自觉舒适性为评价指标，得出合理的仰卧枕高。有的研[2]究者还就此建立起自觉舒适仰卧枕高与人体基本尺寸的回归模型。二是采用压

3、力测试仪器，通过仰卧睡姿下的头、颈、肩等部位的压力测试，[1]对仰卧枕高进行分析和评价。三是通过直接测量头背距来确定仰卧枕高。例如，贺石生等人在研究中即采用此种方法，并且认为：被测试者“保持立正位，双眼平视前方的姿势，此时[3]测量枕后部最凸点至胸背部最高点之间的水平距离，即为仰卧位的枕高。”在上述各种方法中，通过测量头背距来确定仰卧枕高的方法较为直接，简单易行，测量结果具有客观性。但是，对于头背距具体的测量方法，也不尽相同。有的采用双眼平视前方的姿势，有的则保持头部5°到15°的前倾角；有的采用自然站立法，有的则采用坐姿测量。事实上，人在仰卧时，背部和臀部同时紧贴床面，成为人体

4、的两个重要支-1-撑点。以往的头背距测量方法，仅仅考虑背部对仰卧枕高的影响，而忽略了臀部对仰卧枕高的作用。设想人的脊椎是一个以背部为支点的跷跷板，如果臀部抬高，则头部离床的距离就缩小；反之，头部离床的距离就增加。为了使头背距的测量结果更加符合人仰卧时的实际情况，本文提出一种改进的头背距测量方法，即“倚墙站立测量法”（如图1所示）：被测试者赤脚，两腿并拢，倚墙站立，双臂自然下垂，脚跟、臀部、背部紧贴墙壁，双眼保持平视前方。在此种体位下测量枕后点至墙壁的距离。用此法测得的头背距，由于十分接近人仰卧时的实际睡姿，可以视为被测试者的仰卧枕高。二、仰卧枕高回归模型的建立为了探讨头背距与人体

5、尺寸的相关关系，建立仰卧枕高的回归模型，我们组织了一次头背距的实际测试。参加测试的被测试者共20人，其中男性7名，女性13名。被测试者年龄最小23岁，最大65岁，平均年龄45.6岁；身高最小149cm,最大178cm,平均161.8cm;体重最小45kg，最大84kg，平均60.95kg;体重指数(BMI)最小16.53，最高29.28，平均23.22。被测试者身体健康，无肉眼可见的脊椎畸形。采用本文提出的改进的头背距测量法，测量出被测试者的头背距和身高、体重数据，并计算出体重指数。将头背距作为因变量，身高、体重指数以及身高和体重指数乘积作为自变量，分别按男性组和女性组进行逐步回

6、归分析，得到分析结果如下。（由于体重与身高相关，因此我们采用剔除身高因素影响的体重指数BMI作为自变量。）对于成年男性来说，最佳回归模型是：Y男=0.001446HTR=0.9924s=0.8051N=7F=390.87P=6.11E-6对于成年女性来说，最佳回归模型是：Y女=0.0212Hr=0.9659s=0.9318N=13F=167P=5.38E-8其中：Y男---成年男性仰卧枕高，cm；Y女---成年女性仰卧枕高，cm;H---身高，cm;-2-T---体重指数（BMI）.三、结论和讨论1、由上述回归分析结果不难看出，尽管建立模型的数据样本量不大，但其相关系数都具有很高

7、的显著性。表明通过回归来预测仰卧枕高是可行的。其中影响男性仰卧枕高的显著因素有身高和体重指数，影响女性仰卧枕高的显著因素仅有身高，这是两性仰卧枕高模型不同的地方。2、根据中国肥胖问题工作组数据汇总分析协作组提供的数据，中国成年男性平均身高167.3cm，标准误差6.5cm;体重指数（BMI）平均22.8，标准误差3.3；中国成年女性平均身高156.0cm，标准误差6.1cm；体重指数平均23.3，标准误[4]差3.8。将有关数据代入上述回归模型计算，可以得到结果：九成成年男性的预