Les scientifiques ont découvert que le réglage de la musique joyeuse ou douce peut réduire le mal des transports par plus de la moitié, offrant une simple solution au cerveau aux nausées pendant le voyage.
Étude: Une étude sur l'effet atténuant de différents types de musique sur le mal des transports basés sur l'analyse EEG. Crédit d'image: Estrada Anton / Shutterstock.com
Une étude récente publiée dans Frontières en neurosciences humaines a examiné l'impact de divers types de musique sur le mal des transports. Les scientifiques ont constaté que l'écoute de certains types de musique, en particulier la musique joyeuse et douce, peut atténuer efficacement les symptômes du mal des transports et améliorer l'expérience de voyage.
Sommaire
Maladie des transports: évaluations et interventions
L'avancement de la technologie de conduite autonome a augmenté la commodité et la sécurité. Cependant, des études récentes ont également documenté une incidence accrue du mal des transports, en particulier chez les passagers.
Lors de l'opération en mode mixte, c'est-à-dire en alternant entre la conduite manuelle et la conduite assistée, les passagers éprouvent fréquemment le mal des transports. Cela se produit lorsque les mouvements des véhicules, comme tourner ou accélérer, ne correspondent pas à ce que les yeux voient, conduisant à un décalage entre l'équilibre et la vision.
Actuellement, le mal des transports est évalué par des mesures subjectives et objectives. Dans les mesures subjectives, la personne est invitée à remplir des questionnaires pertinents, tels que le questionnaire sur le malades des transports (MSQ), l'échelle de misère (MISC) et le questionnaire sur le malévrage du simulateur (SSQ), qui aident à générer des notes pour le mal des transports.
En revanche, les mesures objectives reposent sur un équipement d'acquisition de signaux physiologique qui fournit des données physiologiques et comportementales objectives des patients. Ces données sont corrélées au niveau du mal des transports vécu par la personne.
Les chercheurs ont développé des stratégies de gestion pharmacologique et des interventions sensorielles pour atténuer le mal des transports. Le mal des transports a été associé à l'expression des sous-types de récepteurs cholinergiques M1, M2 et M5 dans l'organe vestibulaire et le ganglion vestibulaire. Compte tenu de cette recherche, des médicaments contre la maladie anti-mouvement (par exemple, scopolamine) ont été développés qui bloquent les sous-types des récepteurs M1 et M5.
Peu d'études ont évalué l'efficacité des interventions basées sur les olfactiles ou tactiles, en particulier l'association entre les stimuli auditifs (par exemple, les genres musicaux) et le mal des transports dans un environnement de conduite.
À propos de l'étude
La présente étude visait à combler l'écart de recherche et à évaluer les effets de divers genres musicaux sur le mal des transports. Un modèle de reconnaissance du mal du mal a été construit sur la base des signaux électroencéphalographiques, ce qui a permis une évaluation systématique des effets réglementaires différentiels de quatre types de musique, notamment joyeux, émouvant, triste et doux, sur le mal des transports.
Une expérience de simulation de conduite a été conçue au lieu d'expériences sur la route réelle pour induire des symptômes de mal des transports. Des données d'électroencéphalogramme (EEG) ont été collectées auprès des participants. Les simulateurs de conduite ont induit un effet de conflit visuel-vestibulaire similaire à celui d'un environnement en mouvement réel.
Le logiciel a permis aux utilisateurs de sélectionner dix routes avec une complexité routière variable, des reliefs et des longueurs environnants. Toutes ces routes ont nécessité plus de cinq minutes de temps de déplacement. Au cours de cette phase de promenade sur la route, l'échelle MISC, KSS et Likert a évalué le mal des transports des participants.
Quarante bénévoles (22 hommes et 18 femmes) ont été inscrits à ce dépistage initial. À partir de ceux-ci, 30 participants ayant une sensibilité modérée au mal des transports ont été sélectionnés pour la principale expérience de la musique-relief.
Chaque participant à l'expérience principale a été exposé à l'une des six conditions: quatre types de musique (joyeux, triste, remuant, doux), un groupe témoin de récupération naturelle et un groupe de base. Lorsque le mal des transports a atteint trois ou plus, il a été considéré comme une induction réussie du mal des transports.
Les caractéristiques multidimensionnelles de cinq régions cérébrales ont été extraites des signaux EEG, des caractéristiques du domaine fréquentiel et des caractéristiques statistiques du domaine instantanée. Ces caractéristiques peuvent caractériser de manière globale la dynamique temporelle et spatiale de l'activité cérébrale dans l'état du mal des transports. Un modèle de prédiction de classification optimal a été développé en comparant les performances des méthodes d'apprentissage automatique traditionnelles et des modèles d'apprentissage en profondeur dans la reconnaissance des états du mal de transport. Ce modèle comprenait le réseau neuronal BP (BPNN), Plain Bayes (NB), le voisin le plus proche (KNN), la machine à vecteur de support (SVM) et la régression logistique (LR).
Résultats de l'étude
Les scores moyens de précision, de rappel et de précision des cinq modèles ont atteint le maximum dans la zone du lobe occipital. Cette constatation suggère que les signaux EEG dans ce domaine sont étroitement associés au mal des transports.
Sur la base de la précision prédictive, la présente étude a sélectionné le modèle BPNN pour la reconnaissance du mal des transports des occupants dans la zone du lobe occipital. Après 1980 itérations de la formation, le modèle BPNN a atteint la précision la plus élevée de 85,6% dans l'ensemble de tests. Pour une analyse de modulation plus approfondie, le modèle de reconnaissance du mal des transports terminé a été classé par l'algorithme BPNN en utilisant les caractéristiques EEG formées dans la zone du lobe occipital.
L'effet de l'intervention de chaque musique (groupe de modulation) et de la récupération naturelle (groupe témoin) sur le mal des transports a été évalué. Une corrélation a été trouvée entre les scores de relief subjectifs des participants et les scores de secours objectifs basés sur les données EEG. Par rapport à la récupération naturelle, les scores subjectifs ont indiqué que la musique douce et joyeuse pourrait efficacement atténuer respectivement les symptômes du mal des transports de 57,3% et 56,7%.
Il faut noter que la musique triste a eu un effet de soulagement plus faible (40%) que la récupération naturelle (43,3%), tandis que l'agitation de la musique a montré des effets modérés, mieux que la récupération naturelle dans les données EEG objectives mais pas dans des rapports subjectifs.
La complexité de Kolmogorov-Chaitin (KC) des signaux EEG était étroitement liée à la fatigue mentale. La présente étude a observé que lorsque les participants étaient calmes, les valeurs globales de KC étaient élevées dans le lobe occipital. Après le mal des transports, la complexité de KC dans la zone du lobe occipital avait une valeur inférieure. Une corrélation négative significative a été enregistrée entre le mal des transports et la complexité EEG KC dans la zone du lobe occipital.
Conclusions
La présente étude a développé un modèle efficace de reconnaissance du mal des transports en utilisant l'analyse du signal EEG et des stratégies d'apprentissage automatique. La musique douce et joyeuse a considérablement atténué les symptômes du mal des transports, tandis que la musique triste les a aggravées, et la musique remuant a eu des effets mixtes en fonction de la mesure utilisée.
Les auteurs ont noté des limitations, y compris la taille relativement petite de l'échantillon, l'utilisation d'un simulateur plutôt qu'une conduite réelle et la tranche d'âge étroite des participants. Ils ont souligné que les recherches futures doivent valider ces résultats dans des groupes plus importants et des environnements de conduite réels.
Téléchargez votre copie PDF maintenant!















