Search

The investigation of the influence of mental stress on muscle recruitment of the back and its effect on the intervertebral discs was the main focus of this work. Furthermore, the goal was to develop algorithms to use mental stress as an input parameter in musculoskeletal simulation models. In the first step, a study was designed to investigate the influence of emotional and cognitive stress without kinetic influencing factors during sitting. At the muscular level, emotional stress was found to affect the upper back, while cognitive stress elicited higher muscle activity in the upper and lower back. Using a newly developed algorithm to apply back muscle recruitment changes to static inverse kinematic simulation models, load increases at the discs of up to 189 N on average and up to 907 N at peak were found.Based on the results of the first study, a second dynamic study was designed and conducted. In this case, the focus was on the cognitive stressor and the lower back. Using a dynamometer, subject-specific loads were applied during extension and flexion of the upper back. In contrast to the first study, in the upper back, only the right m. trapezius pars descendens showed a load-induced difference in muscle activity, but the lower back did. To investigate the effects of muscle tone increase in detail, the algorithm developed in the first study was extended to the dynamic case. The use of simulation models allowed the inference of the effects of the purely stress-induced tone increase. For this purpose, the kinetic and muscular effects were isolated and simulated. The study revealed a stress increase of 47% of the body weight in the L4L5 disc. The final numerical study focused on the general application of muscle activities to inverse kinematic simulation models. This was based on the novel simulation algorithm used in study two and the measured muscle activities. The simulation of the measured muscle activities formed the link between reality and simulation. To simulate the activities, neural networks and gradient boosting regression algorithms were investigated. The latter were found to be better suited to represent the data. However, the data is too small for a detailed statement, especially for loads below 100%. The results of this work can help to better assess the musculoskeletal effects of psychological stress on the musculoskeletal system and, if necessary, to develop ergonomic prevention strategies. By recognizing stress-related kinematic difference, as well as subsequent prompting of trunk movement, could help prevent long-term effects. When examining any situation, the combination of machine learning and musculoskeletal simulation tools can help examine and minimize the effects of psychological stress., Die Untersuchung des Einflusses von mentalem Stress auf die Muskelrekrutierung des Rückens und dessen Auswirkung auf die Bandscheiben war der Schwerpunkt dieser Arbeit. Des Weiteren war es das Ziel, Algorithmen zu entwickeln, um die mentale Belastung als Eingabeparameter in muskuloskelettalen Simulationsmodellen zu nutzen. Im ersten Schritt wurde eine Studie konzipiert, um den Einfluss von emotionalem und kognitivem Stress ohne kinetische Einflussfaktoren beim Sitzen zu untersuchen. Auf muskulärer Ebene wurde festgestellt, dass emotionaler Stress den oberen Rücken beeinflusste, während kognitiver Stress höhere Muskelaktivität im oberen und unteren Rücken auslöste. Unter Verwendung eines neu entwickelten Algorithmus zur Anwendung von Rekrutierungsänderungen der Rückenmuskulatur auf statische inverse kinematische Simulationsmodelle wurden Belastungserhöhungen an den Bandscheiben von bis zu 189 N im Mittel und bis zu 907 N in der Spitze gefunden. Basierend auf den Ergebnissen der ersten Studie wurde eine zweite dynamische Studie konzipiert und durchgeführt. In diesem Fall lag der Fokus auf dem kognitiven Stressor und dem unteren Rücken. Mit Hilfe eines Dynamometers wurden subjektspezifische Belastungen während der Extension und Flexion des Oberkörpers aufgebracht. Im Gegensatz zur ersten Studie konnte im oberen Rücken, nur im rechten m. trapezius pars descendens ein Lastfall bedingter Unterschied in der Muskelaktivität festgestellt werden, wohl aber im unteren Rücken. Um die Auswirkungen der Muskeltonuserhöhung im Detail zu untersuchen, wurde der in der ersten Studie entwickelte Algorithmus auf den dynamischen Fall erweitert. Die Verwendung von Simulationsmodellen erlaubte den Rückschluss auf die Auswirkungen der rein stressinduzierten Tonuserhöhung. Hierfür wurden die kinetischen und muskulären Effekte isoliert und simuliert. Die Studie ergab eine Belastungserhöhung von 47 % des Körpergewichts in der L4L5 Bandscheibe. Die abschließende numerische Studie konzentrierte sich auf die allgemeine Anwendung von Muskelaktivitäten auf inverse kinematische Simulationsmodelle. Grundlage dafür waren der neuartige Simulationsalgorithmus, der in Studie zwei verwendet wurde, und die gemessenen Muskelaktivitäten. Die Simulation der gemessenen Muskelaktivitäten bildete das Bindeglied zwischen Realität und Simulation. Um die Aktivitäten zu simulieren, wurden neuronale Netze und Gradient-Boosting-Regressionsalgorithmen untersucht. Es zeigte sich, dass letztere besser geeignet sind, die Daten abzubilden. Für eine detaillierte Aussage, insbesondere für Belastungen unter 100 %, ist die Datenlage jedoch zu klein. Die Ergebnisse dieser Arbeit können helfen, die muskuloskelettalen Auswirkungen psychischer Belastungen auf den Bewegungsapparat besser einzuschätzen und ggf. ergonomische Präventionsstrategien zu entwickeln. Durch das Erkennen stressbedingter kinematischer Unterschied sowie die darauffolgende Aufforderung zur Rumpfbewegung könnte helfen, langfristige Auswirkungen zu vermeiden. Bei der Untersuchung beliebiger Situationen, kann die Kombination aus maschinellem Lernen und muskuloskelettalen Simulationswerkzeugen helfen, die Auswirkungen psychischer Belastungen zu untersuchen und zu minimieren.