CC BY
69
2. Gavrilenko TV, Degtyarev DA, Es'kov VV, Gudkov AV, Khimikova OI. Osobennosti khaoticheskoy dinamiki kardioritma u predstaviteley naroda khanty v aspekte prognoza dolgozhitel'stva [The specifity of cardio-rhythm chaotic dynamics of khanty-people with longlife prognosis problem]. Vestnik novykh me-ditsinskikh tekhnologiy. Elektronnyy zhurnal [Internet]. 2013 [cited 2013 jul 12];1:[about 3 p.]. Russian. Available from: http://www.medtsu.tula.ru/VNMT/Bulletin/E2013-1/4483.pdf.
3. Gazya GV, Dobrynin YuV, Sokolova AA, Khimikova OI. Matritsy mezhattraktornykh rasstoyaniy parametrov fiziologicheskikh funktsiy korennogo nase-leniya khanty. Sovremennye naukoemkie tekhnologii. 2010;12:26-8. Russian.
4. Es'kov VM, Gazya GV, Sokolova AA, et al. Sravnitel'nyy analiz stokhasticheskikh i khaoticheskikh matrits kvaziattraktorov povedeniya vektora sostoya-niya organizma korennogo i prishlogo naseleniya Yu-gry. Sistemnyy analiz i upravlenie v biomeditsinskikh sistemakh. 2012;11(3):586-91. Russian.
5. Es'kov VM, Burov IV, Filatova OE, Khadart-sev AA. Osnovy bioinformatsionnogo analiza dinamiki mikrokhaoticheskogo povedeniya biosistem [The basis of bioinformational analysis of biosystems' microchaotic
behavior dynamics]. Vestnik novykh meditsinskikh tekhnologiy. 2012;19(1):15-8. Russian.
6. Es'kov VM, Khadartsev AA, Gudkov AV, Gudkova SA, Sologub LA. Filosofsko-biofizicheskaya interpretatsiya zhizni v ramkakh tret'ey paradigmy [Philosophical and biophysical interpretation of life within the framework of third paradigm]. Vestnik novykh meditsinskikh tekhnologiy. 2012;19(1):38-41. Russian.
7. Eskov VM. Computer technologies in stability measurements on stationary states in dynamic biological systems. Measurement Techniques. 2006;49(1):59-65.
8. Eskov VM, Filatova OE. Characteristic features of measurements and modeling for biosystems in phase spaces of states. Measurement Techniques (Medical and Biological Measurements). 2011;53(12):1404-10.
9. Eskov VM, Gavrilenko TV, Kozlova VV, Filatov MA. Measurement of the dynamic parameters of microchaos in the behavior of living biosystemsyu Measurement Techniques. 2012;55(9):1096-101.
10. Eskov VM. Models of hierarchical respiratory neuron networks. Neurocomputing. 1996;11(2-4):203-26.
11. Eskov VM. Evolution of the emergent properties of three types of societies: the basic law of human development. Emergence: Complexity & Organization. 2014;16(2):109-17.
УДК: 57.043 DOI: 10.12737/7262
СТОХАСТИЧЕСКАЯ И ХАОТИЧЕСКАЯ ОЦЕНКА СОСТОЯНИЯ ПАРАМЕТРОВ СЕРДЕЧНО-СОСУДИСТОЙ СИСТЕМЫ ИСПЫТУЕМЫХ В УСЛОВИЯХ ДОЗИРОВАННОЙ ФИЗИЧЕСКОЙ НАГРУЗКИ
Ю.В. БАШКАТОВА*, И.Ю. ДОБРЫНИНА*, Н.П. ГОРЛЕНКО*, А.В. ЕЛЬНИКОВ*, К.А. ХАДАРЦЕВА**,
Н.А. ФУДИН**
*ГБОУ ВПО « Сургутский государственный университет Ханты -Мансийского автономного округа - Югры», проспект Ленина, 1, г. Сургут, Россия, Тел.: +79224078761, e-mail: yuliya-bashkatova@yandex.ru **ФГБОУ ВПО «Тульский государственный университет», пр-т Ленина, 92, г. Тула, Россия, 300012
Аннотация. Сравнительный анализ результативности применения новых биоинформационных методов показал, что в отличие от методов традиционного статистического анализа на базе детерминистско-стохастического подхода использование биоинформационных методов дает более высокую чувствительность в идентификации параметров порядка (главных диагностических признаков) изучаемых функциональных систем организма. Были изучены параметры сердечно-сосудистой системы у нетренированных и тренированных испытуемых с позиции теории хаоса и самоорганизации. Установлено существенное различие между двумя исследуемыми группами (тренированных и нетренированных студентов). Дозированная физическая нагрузка выявила тенденцию к увеличению площади и объемов квазиаттракторов вектора состояния организма у нетренированных испытуемых в 1,5 раза и также на 6% у тренированных испытуемых. Физическая нагрузка стабилизирует параметры сердечно-сосудистой системы тренированных студентов и является первым маркером степени детрени-рованности молодых жителей Югры. Методами статистики затруднительно установить наличие существенных различий в параметрах функциональных систем организма между группами тренированных и нетренированных студентов, различия часто получаются статистически недостоверными.
Ключевые слова: квазиаттрактор, сердечно-сосудистая система, многомерные фазовые пространства, дозированная физическая нагрузка.
STOCHASTIC AND CHAOTIC STATE ASSESSMENT PARAMETERS OF THE CARDIO-VASCULAR SYSTEM OF THE SUBJECTS IN THE CONDITIONS OF THE DOSED PHYSICAL LOAD
YU.V. BASHKATOVA*, I.YU. DOBRYNINA*, N.P. GORLENKO*, A.V. ELNIKOV*, K.A. KHADARTSEVA**,
A.G. FUDIN**
*Surgut State University, Lenin Avenue, 1, Surgut, Russia Tel.: +79224078761, e-mail: yuliya-bashkatova@yandex.ru **Tula State University, st. Boldin, 92, Tula, Russia, 300012
Abstract. A comparative analysis of the effectiveness of new bioinformatics methods is shown that in contrast to traditional methods of statistical analysis on the basis of the deterministic-stochastic approach using bioinformatics methods gives higher sensitivity in identifying order parameters (the main diagnostic features) studied the functional systems of the body. The parameters of the cardio-vascular system in untrained and trained subjects from the perspective of chaos theory and self-organization were studied. There is the essential difference between the two groups (trained and untrained students). Dosed physical activity revealed a tendency to increase the area and volume of quasi-attractors state vector of the organism in untrained subjects in 1.5 times and also at 6% in trained subjects. Exercise stabilizes the parameters of the cardio-vascular system trained students and it is the first marker of the degree of detenidamente in young population in the region. Statistical methods are difficult to establish the existence of significant differences in the parameters of the functional systems of the body between the groups of trained and untrained students. The differences are often not statistically significant.
Key words: quasi-attractor, cardio-vascular system, multidimensional phase spaces, dosed physical activity.
Введение. Многочисленными исследованиями, проведенными в последнее время Сургутской научной школой, установлено, что здоровье людей, приехавших на Север, очень часто отличается от нормы [1,4,7]. Происходит перестройка и истощение регу-ляторных механизмов и функциональных систем, в частности, повышается активность парасимпатического отдела вегетативной нервной системы. Проживание на Севере РФ откладывает особый отпечаток на работу функциональных систем организма (ФСО) человека. Воздействие ряда экологических факторов на формирование и развитие нервно-мышечной и сердечно-сосудистой систем оказывает влияние на работу функциональных систем организма человека в целом [1-12].
Нарушения синергизма в ФСО и сужение интервалов их устойчивости наиболее выражено из-за процессов дезадаптации, что проявляются на уровне именно сердечно-сосудистой системы [3-10]. Сердечный ритм является индикатором многих отклонений, возникающих в регуляторных системах, и это может рассматриваться как наиболее ранний прогностический признак нарушения адаптационного процесса [4-9].
В связи с этим одной из множества научных проблем, интересующих специалистов биологического профиля, является оценка функционального состояния организма и его адаптационных резервов к различного рода воздействиям, в том числе и к физическим нагрузкам. Поэтому возникает необходимость внедрения в биомедицинскую практику современных системных методов для изучения функционального состояния сердечно-сосудистой и вегетативной нервной систем человека для оценки функционального состояния и адаптационных возможностей организма, как в условиях относительного покоя, так и при выполнении физических нагрузок.
Необходим системный подход объективной оценки функционального состояния организма спортсменов, тренирующихся в экстремальных условиях с целью своевременной коррекции регулятор-ных нарушений.
Такой подход позволяет объективно оценивать динамику резервных возможностей организма, их прогностическую значимость. Назрела необходимость в разработке и использовании новых средств и методов определения адаптационных и функциональных резервов организма и проведении ранней диагностики различных патологических состояний и каких-либо функциональных нарушений.
Цель исследования - оценка состояния хаотической динамики параметров сердечно-сосудистой системы организма студентов г. Сургута в условиях дозированной физической нагрузки методами ней-рокомпьютинга и многомерных фазовых пространств состояний (расчет квазиаттракторов).
Объекты и методы исследования. Объектом настоящего исследования явились студенты 1-3 курсов ГБОУ ВПО «Сургутский государственный университет ХМАО - Югры», проживающие на территории округа не менее 5 лет. В зависимости от степени физической активности испытуемых разделили на 2 группы по 30 человек. В первую группу отнесли студентов основной группы здоровья, занимающихся физической культурой в рамках общеобразовательной программы университета. Вторую группу составили студенты СурГУ, профессионально занимающиеся игровыми видами спорта (баскетбол и волейбол).
В исследовании приняла участие группа из 30 человек тренированных и 30 человек нетренированных студентов, которым предлагалась динамическая физическая нагрузка в виде 30 приседаний. Обследование студентов производилось неинвазивным методом с помощью пульсоксиметра ЭЛОКС-01 М,
разработанного и изготовленного ЗАО ИМЦ «Новые Приборы», г. Самара (Л.И. Калакутский, В.М. Еськов, 2003-2009). Специальным фотооптическим датчиком в положении сидя в течение 5 мин регистрировали частоту сердечных сокращений (ЧСС), а затем рассчитывали показатели активности симпатического (СИМ) и парасимпатического (ПАР) отделов вегетативной нервной системы (ВНС), стандартного отклонения ЫЫ-интервалов (ББЫЫ), индекса напряжения Баевского (ИНБ), а также рассчитывали компоненты спектральной мощности ВСР в высокочастотном (ИБ, 0,15-0,4 Гц), низкочастотном (ББ, 0,04-0,15 Гц) и ультранизкочастотном (УББ, < 0,04 Гц) диапазонах, а также величину вагосимпатического баланса (ББ/ИБ). После выполнения стандартизированной динамической нагрузки (30 приседаний) регистрация продолжалась в течение 5 минут.
Таблица 1
Интегральные и временные показатели регуляции сердечно-сосудистой системы со стороны вегетативной нервной системы у нетренированных и тренированных испытуемых до и после физической
нагрузки (п=30)
Нетренированные студенты Тренированные студенты
Показатели До После р До После р
нагрузки нагрузки нагрузки нагрузки
SIM 4,93±0,78 6,3±1,79 0,4748 2,7±0,43 2,03±0,38 0,0298
PAR 10,9±0,86 11,8±1,13 0,3463 14,87±1,09 16,45±1,29 0,0554
HR 87,73±2,30 88,2±2,62 0,8854 75,4±2,35 74,72±2,25 0,4935
SDNN 43,77±2,67 44,53±3,18 0,6406 62,57±5,32 69,48±5,96 0,0152
INB 67,6±10,43 95,47±32,21 0,5377 38,33±6,84 30,14±5,22 0,0158
SpO2 97,73±0,16 97,93±0,14 0,0759 97,87±0,16 97,97±0,14 0,6603
Примечание: n - количество обследуемых, SIM, у.е. - индекс активности симпатического звена ВНС, PAR, у.е. - индекс активности парасимпатического звена ВНС, HR уд/мин - частота сердечных сокращений, SDNN, мс - стандартное отклонение полного массива кардиоинтервалов, INB у.е. - индекс напряжения регуляторных систем по Р.М. Баевскому, SpO2, % - уровень насыщения гемоглобина крови кислородом. p - достоверность значимых различий, по критерию
Вилкоксона (p>0,05)
Таблица 2
Спектральные показатели регуляции сердечно-сосудистой системы со стороны вегетативной нервной системы у нетренированных и тренированных испытуемых до и после физической нагрузки (n=30)
Показатели Нетренированные студенты Тренированные студенты
До нагрузки После нагрузки р До нагрузки После нагрузки Р
VLF 2228,13±339,61 2392,8±348,43 0,7813 6874,03±1446,68 7363,97±1195,36 0,1589
LF 2683,03±363,52 2404,23±395,60 0,2452 4628,63±822,71 5636,45±1284,14 0,2137
HF 1529,27±240,78 1699,53±259,07 0,3709 2668,17±407,92 3797,07±1076,09 0,1204
Total 6440,6±805,74 6496,7±818,47 0,7655 14170,73±2244,79 22904,41±6984,39 0,0752
LF norm 63,67±2,61 58,87±2,69 0,117 61±2,54 61,66±3,14 0,9672
Hf norm 36,33±2,61 41,13±2,69 0,117 39±2,54 38,34±3,14 0,9672
LF/HF 2,46±0,42 1,74±0,18 0,0999 1,91±0,21 2,30±0,36 0,9754
Примечание: n - колличество обследуемых, LF, мс2 - мощность спектра низкочастотного компонента вариабельности; HF, мс2 - мощность спектра высокочастотного компонента вариабельности; Total power, мс2 - общая спектральная мощность; VLF, % - мощность спектра свернизкочастотного ,компонента вариабельности; p - достоверность значимых различий, по критерию Вилкоксона (p>0,05)
Статистическая обработка данных осуществлялась при помощи программного пакета «Statist^a 6.1». Анализ соответствия вида распределения полученных данных закону нормального распределения производился на основе вычисления критерия Шапиро-Уилка. Дальнейшие исследования в зависимости от распределения производились методами параметрической и непараметрической статистики (критерий Стьюдента, Вилкоксона, Манна-Уитни). Критический уровень значимости при проверке статистических гипотез в данном исследовании принимали равным 0,05. Расчет параметров квазиаттракторов производился на основе методов теории хаоса-самоорганизации (ТХС) [9-13]. Нейрокомпьютинг осуществлялся на базе программы NeuroPro [3-7].
Результаты и их обсуждение. В ходе исследований и статистической обработки данных были получены следующие сводные количественные характеристики результатов изменения параметров сердечнососудистой и вегетативной нервной системы, представленных в табл. 1, 2.
Очевидно, что у нетренированных отсутствуют полностью статистически значимые различия параметров SIM, PAR, HR, SDNN, INB и SpO2 до и после физической нагрузки, что демонстрирует отсутствие резких изменений в параметрах сердечнососудистой и вегетативной нервной систем. У тренированных лиц показатели параметров SIM, SDNN и INB статистически значимо различались (p<0,05). Установлены статистически значимые различия параметров SIM (p=0,0117), PAR (p=0,0095), HR (p=0,0007), SDNN (p=0,0058) и INB (p=0,0030) у нетренированных и тренированных испытуемых до физической нагрузки по критерию Краскела-Уоллиса (p<0,05).
Из полученных данных, представленных в табл. 1, наблюдалось резкое увеличение INB у нетренированных испытуемых в связи с увеличением показателей SIM. Обратная картина у тренированных испытуемых. Показатели напряжения INB уменьшаются с 38,33±6,84 у.е. до 30,14±5,22 у.е., SIM - с 2,7±0,43 у.е. до 2,03±0,38 у.е. При этом установлены следующие показатели PAR: нетренированные - до нагрузки 10,9±0,86 у.е., после - 11,8±1,13 у.е.; тренированные - до нагрузки 14,87±1,09 у.е., после - 16,45±1,29 у.е., т.е. нагрузка у тренированных оказывает стабилизи-
рующее действие.
Среднее значение ЧСС у нетренированных испытуемых в покое составило 87,73±2,30 уд/мин, у тренированных 75,4±2,35 уд/мин. После нагрузки значение ЧСС увеличилось до 88,2±2,62 и 74,72±2,25 уд/мин соответственно.
Установлено, что у нетренированных и тренированных испытуемых отсутствуют полностью статистически значимые различия параметров VLF, LF, HF, Total, LF norm, Hf norm и LF/HF до и после физической нагрузки (p>0,05). При сравнении спектральных показателей регуляции сердечнососудистой системы со стороны вегетативной нервной системы у нетренированных и тренированных испытуемых до физической нагрузки установлены статистически значимые различия параметров VLF (p=0,0020), HF (p=0,0333) и Total (p=0,0110) по критерию Краскела-Уоллиса (p<0,05).
По результатам данных табл. 2 VLF до и после нагрузки у нетренированных составляют 2228,13±339,61% и 2392,8±348,43% (p>0,05) соответственно. У тренированных: 6874,03±1446,68% и 7363,97±1195,36% (p>0,05). При сравнении спектральных характеристик у нетренированных, наблюдалось уменьшение LF компонента против увеличения HF.
Диапазон значений общего спектра мощности колебаний ритма сердца (Total) не достоверен у нетренированных и тренированными студентов. У нетренированных происходило уменьшение показателей LF norm, увеличение Hfnorm и уменьшение LF/HF. Обратная картина у тренированных испытуемых: увеличение показателей LF norm (с 61 до 61,66 у .е.), уменьшение Hfnorm (с 39 до 38,34 у.е.) и увеличения LF/HF (с 1,91 до 2,30 у.е.).
Параметры квазиаттракторов кардиоинтервалов у нетренированных и тренированных студентов до и после физической нагрузки представлены в табл. 3.
Параметры квазиаттракторов кардиоинтервалов у нетренированных и тренированных студентов до и после физической нагрузки (п=30)
Параметры квазиаттракторов (у.е.) Нетренированные студенты Тренированные студенты
До нагрузки После нагрузки р До нагрузки После нагрузки р
S 0,072х106 0,099х106 0,0350 0,152х106 0,157х106 0,0937
V 70,35х106 93,46х106 0,0545 196,35х106 179,81х106 0,1982
Примечание: п - количество обследуемых, Б - площадь кардиоинтервалов, у.е.; V - объем кардиоинтервалов, у.е.; р - достоверность значимых различий, по критерию Вилкоксона (р>0,05)
Установлено, что у тренированных студентов отсутствуют полностью статистически значимые различия параметров квазиаттракторов кардиоинтервалов до и после физической нагрузки (р>0,05). У нетренированных статистически значимые различия только по площади (р=0,0350).
Из полученных данных, представленных в табл. 3, наблюдалось резкое увеличение показателя площади квазиаттракторов кардиоинтервалов у нетренированных испытуемых после физической нагрузки (0,099*106 у.е.). Таким образом, площадь квазиаттракторов кардиоинтервалов у нетренированных испытуемых после выполненной нагрузки увеличилась в 1,5 раза. У тренированных лиц происходило незначительное увеличение показателей площади (на 6%) после физической нагрузки.
Более эффективно данная проблема может быть рассмотрена в аспекте теории хаоса и самоорганизации, на основе нейросетевых технологий. Нейро-ЭВМ обеспечивает идентификацию различий даже в тех случаях, когда обычный детерминистско-стохастический подход бывает малоэффективным. Для идентификации параметров порядка вектора состояния организма (как наиболее важных диагностических признаков xi) были применены нейросетевые методики. Использовалась стандартная процедура бинарной классификации, а также многокластерной классификации на базе программы ЫеигоРго 0,25. Во всех случаях определялись параметры порядка системы и значимость входных сигналов.
Нейронная сеть представляла различия между группами, т.е. выполнялась процедура бинарной классификации. При повторении процедуры классификации результат был одинаков, но значения весовых коэффициентов для каждого цикла были различными. Веса диагностических признаков xi хаотически изменялись. Каждый раз нейронная сеть выполняла идентификацию, но с помощью различного типа внутренней конфигурации.
Данные представлены в виде расчета доверительного интервала. Надежность используемых статистических оценок принималась не менее 95%. Учитывая, что распределения параметров сердечнососудистой системы не подчиняются закону нормального распределения, то данные представлены в виде медианы и интер-квантильного размаха. Интерквантильный размах указывается в пределах 5 и 95% процентилей.
Усредненные значения признаков отдельных координат xi вектора состояния системы интегральных и спектральных параметров сердечно-сосудистой системы со стороны вегетативной нервной системы у нетренированных и тренированных испытуемых до физической нагрузки представлены в табл. 4, 5.
полученных данных, представленных в табл. 4 наблюдалось наибольшее усредненное значение Х4=ББЫЫ вектора состояния системы интегральных параметров сердечно-сосудистой системы у нетренированных и тренированных испытуемых как до, так и после физической нагрузки. Динамика из-
Таблица3
Из
менения весовых коэффициентов колеблется в среднем от 0,271-0,868.
Таблица 4
Усредненные значения тг признаков отдельных координат хг вектора состояния системы (параметры хг интегральных и временных параметров ССС нетренированных и тренированных студентов до нагрузки)при идентификации параметров порядка нейроэмулято-ром 50 итераций в режиме бинарной классификации
Таблица 5
Усредненные значения тг признаков отдельных координат хг вектора состояния системы (параметры хг
спектральных параметров ССС нетренированных и тренированных студентов до нагрузки)при идентификации параметров порядка нейроэмулятором 50 итераций в режиме бинарной классификации
Из табл. 5 следует, что средние значения координат вектора состояния системы как до нагрузки, так и после нагрузки сильно варьируют у нетренированных и тренированных студентов. Наблюдается наибольшее усредненное значение хз=УЬБ вектора состояния системы спектральных параметров сердечно-сосудистой системы у нетренированных и тренированных испытуемых как до, так и после физической нагрузки. После нагрузки этот параметр уменьшился в 13,7 раза.
Отсюда следует, что однозначного ответа на установление различий в показателях регуляции сердечно-сосудистой системы со стороны вегетативной нервной системы с позиции детерминистско-стохастический подхода выявить не представляется возможным. В рамках ТХС такие различия идентифицируются [7-13].
Выводы. Наблюдается тенденция к увеличению площади квазиаттракторов кардиоинтервалов не-
тренированных (в 1,5 раза) и тренированных (на 6%) испытуемых до и после физической динамической нагрузки, что может количественно представлять степень тренированности или детренированности студентов северных территорий РФ.
Использование нейро-ЭВМ обеспечивает не только идентификацию различий между группами (статистически неэффективно), но и ранжирование диагностических признаков при изучении характера влияния нагрузки на организм нетренированных и тренированных испытуемых. Показано, что число итераций бинарной классификаций должно быть не меньше 100.
Литература
1. Анохин П.К. Очерки физиологии функциональных систем. М: Медицина,1975. 448 с.
2. Гавриленко Т.В., Еськов В.М., Хадарцев А.А., Химикова О.И., Соколова А.А. Новые методы для геронтологии в прогнозах долгожительства коренного населения Югры // Успехи геронтологии. 2014. Т. 27. №1. С. 30-36.
3. Еськов В.М., Хадарцев А.А., Еськов В.В., Филатова О.Е. Особенности измерений и моделирования биосистем в фазовых пространствах состояний // Измерительная техника . 2010. №12. С.53-57.
4. Еськов В.М., Козлова В.В., Голушков В.Н. Сравнительный анализ и синтез физиологических параметров организма студентов Югры в фазовых пространствах состояний // Теория и практика физической культуры. 2011. №11. С. 88-92.
5. Еськов В.М., Еськов В.В., Филатова О.Е., Ха-дарцев А.А. Особые свойства биосистем и их моделирование // Вестник новых медицинских технологий. 2011. Т. 18. №3. С. 331-332.
6. Еськов В.М., Хадарцев А.А., Несмеянов А.А., Фудин Н.А., Кожемов А.А. Принципы тренировки спортсменов на основе теории хаоса и самоорганизации // Теория и практика физической культуры. 2013. №9. С. 87-94.
7. Еськов В.М., Хадарцев А.А., Козлова В.В., Филатова О.Е. Использование статистических методов и методов многомерных фазовых пространств при оценке хаотической динамики параметров нервно-мышечной системы человека в условиях акустических воздействий // Вестник новых медицинских технологий. 2014. Т. 21. №2. С.6-10.
8. Русак С.Н., ЕськовВ.В., Молягов Д.И., Филатова О.Е. Годовая динамика погодно-климатических факторов и здоровье населения Ханты-Мансийского автономного округа // Экология человека. 2013. № 11. С. 19-24.
9. Филатова О.Е., Проворова О.В., Волохова М.А. Оценка вегетативного статуса работников нефтегазодобывающей промышленности с позиции теории хаоса и самоорганизации // Экология человека. 2014. № 6. С. 16-19.
До нагрузки
Расчеты итераций Средние значения координат вектора состояния системы
50 SIM= <х1> PAR= <х2> HR= <х3> SDNN= <х4> INB= <Ж5> SpO2= <хе>
0,805 0,683 0,271 0,868 0,605 0,499
Ме (5%; 95%) 0,832 (0,466; 1,000) 0,701 (0,273; 1,000) 0,257 (0,112; 0,529) 1,000 (0,507; 1,000) 0,567 (0,276; 1,000) 0,423 (0,227; 1,000)
D 0,031 0,065 0,020 0,033 0,049 0,045
До нагрузки
Расчеты итераций Средние значения координат вектора состояния системы
50 VLF= <х1> LF= <х2> HF= <х3> Total= <х4> LF norm= <х5> HF norm= <х6> LF/HF= <хт>
13,375 0,486 0,710 0,649 0,183 0,182 0,474
Ме (5%; 95%) 1,000 (0,360; 1,000) 0,451 (0,161; 1,000) 0,770 (0,265; 1,000) 0,653 (0,308; 0,926) 0,178 (0,080; 0,336) 0,178 (0,078; 0,317) 0,454 (0,171; 0,878)
D 7764,768 0,055 0,063 0,035 0,006 0,007 0,056
10. Eskov V.M., Eskov V.V., Filatova O.E. Characteristic features of measurements and modeling for biosystems in phase spaces of states // Measurement Techniques (Medical and Biological Measurements). 2011. Vol. 53 (12). P. 1404-1410.
11. Eskov V.M, Eskov V.V., Filatova O.E., Filatov M.A. Two types of systems and three types of paradigms in systems philosophy and system science // Journal of Biomedical Science and Engineering. 2012. Vol. 5. №. 10. P. 602-607.
12. Eskov V.M., Gavrilenko T.V., Kozlova V.V., Filatov M.A.. Measurement of the dynamic parameters of microchaos in the behavior of living biosystems // Measurement Techniques. 2012. Vol. 55. №. 9. P. 1096-1100.
13. Eskov V.M., Eskov V.V., Gavrilenko T.V., Zi-min M.I. Uncertainty in the Quantum Mechanics and Biophysics of Complex Systems // Moscow University Physics Bulletin. 2014. Vol. 69. No. 5. P. 406-411
References
1. Anokhin PK. Ocherki fiziologii funktsion-al'nykh sistem. Moscow: Meditsina; 1975. Russian.
2. Gavrilenko TV, Es'kov VM, Khadartsev AA, Khimikova OI, Sokolova AA. Novye metody dlya geron-tologii v prognozakh dolgozhitel'stva korennogo nasele-niya Yugry. Uspekhi gerontologii. 2014;27(1):30-6. Russian.
3. Es'kov VM, Khadartsev AA, Es'kov VV, Filato-va OE. Osobennosti izmereniy i modelirovaniya biosis-tem v fazovykh prostranstvakh sostoyaniy. Izmeri-tel'naya tekhnika. 2010;12:53-7. Russian.
4. Es'kov VM, Kozlova VV, Golushkov VN. Srav-nitel'nyy analiz i sintez fiziologicheskikh parametrov organizma studentov Yugry v fazovykh prostranstvakh sostoyaniy. Teoriya i praktika fizicheskoy kul'tury. 2011;11:88-92. Russian.
5. Es'kov VM, Es'kov VV, Filatova OE, Khadart-sev AA. Osobye svoystva biosistem i ikh modelirovanie [Special oriperties of biosystems and their modelling]. Vestnik novykh meditsinskikh tekhnologiy. 2011;18(3):331-2. Russian.
6. Es'kov VM, Khadartsev AA, Nesmeyanov AA, Fudin NA, Kozhemov AA. Printsipy trenirovki sportsmenov na osnove teorii khaosa i samoorganizatsii. Teoriya i praktika fizicheskoy kul'tury. 2013;9:87-94. Russian.
7. Es'kov VM, Khadartsev AA, Kozlova VV, Fila-tova OE. Ispol'zovanie statisticheskikh metodov i meto-dov mnogomernykh fazovykh prostranstv pri otsenke khaoticheskoy dinamiki parametrov nervno-myshechnoy sistemy cheloveka v usloviyakh akusti-cheskikh vozdeystviy [Application of statistical methods and multidimensional phase space methods for estimation of chaotic dynamics of neuromuscular system parameters under acoustic effects]. Vestnik novykh medit-sinskikh tekhnologiy. 2014;21(2):6-10. Russian.
8. Rusak SN, Es'kov VV, Molyagov DI, Filatova
OE. Godovaya dinamika pogodno-klimaticheskikh fak-torov i zdorov'e naseleniya Khanty-Mansiyskogo avto-nomnogo okruga. Ekologiya cheloveka. 2013;11:19-24. Russian.
9. Filatova OE, Provorova OV, Volokhova MA. Otsenka vegetativnogo statusa rabotnikov neftegazodo-byvayushchey promyshlennosti s pozitsii teorii khaosa i samoorganizatsii. Ekologiya cheloveka. 2014;6:16-9. Russian.
10. Eskov VM, Eskov VV, Filatova OE. Characteristic features of measurements and modeling for biosystems in phase spaces of states. Measurement Techniques (Medical and Biological Measurements). 2011;53(12):1404-10.
11. Eskov VM, Eskov VV, Filatova OE, Filatov MA. Two types of systems and three types of paradigms in systems philosophy and system science. Journal of Biomedical Science and Engineering. 2012;5(10):602-7.
12. Eskov VM, Gavrilenko TV, Kozlova VV, Filatov MA. Measurement of the dynamic parameters of microchaos in the behavior of living biosystems. Measurement Techniques. 2012;55(9):1096-100.
13. Eskov VM, Eskov VV, Gavrilenko TV, Zimin MI. Uncertainty in the Quantum Mechanics and Biophysics of Complex Systems. Moscow University Physics Bulletin. 2014;69(5):406-11.
