CC BY
50
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2018 - V. 25, № 2 - P. 200-208
УДК: 611.1 DOI: 10.24411/1609-2163-2018-16074
ЭФФЕКТ ЕСЬКОВА-ФИЛАТОВОЙ В РЕГУЛЯЦИИ СЕРДЕЧНО-СОСУДИСТОЙ СИСТЕМЫ -ПЕРЕХОД К ПЕРСОНИФИЦИРОВАННОЙ МЕДИЦИНЕ
И.В. МИРОШНИЧЕНКО*, Ю.В. БАШКАТОВА**, Д.Ю. ФИЛАТОВА", Я.И. УРАЕВА**
**ФГБОУ ВО «Оренбургский государственный медицинский университет», ул. Советская, 6, Оренбург, 460000, Россия **БУВО «Сургутский государственный университет», ул. Ленина, 1, Сургут, 628400, Россия
Аннотация. Персонифицированная медицина сейчас базируется на статистическом неравенстве получаемых подряд выборок параметров гомеостаза пациентов. Однако это неверно, т.к. доказана статистическая неустойчивость любых выборок Xi параметров гомеостаза. Более 70 лет назад Н.А. Бернштейн демонстрировал гипотезу о «повторении без повторений». Однако за этот период физиологи и клиницисты игнорировали эти работы, и проблема до настоящего времени остается без внимания. За последние 25 лет в связи с открытием эффекта Еськова-Зинченко в биомеханике возникает неопределенность в статистическом описании параметров не только тремора, но и параметров сердечно-сосудистой системы организма человека. Доказываются новые возможности в регуляции важнейших функциональных систем организма человека нейросетями мозга в режиме многократных и хаотически изменяющихся повторений решения задачи диагностики (и регуляции) состояния функциональных систем организма. Однако сейчас показан эффект Еськова-Филатовой, в котором доля стохастики в анализе сердечно-сосудистой системы отдельного человека менее значима, чем доля стохастики в оценке группы разных людей. Получается, что отдельный человек менее подобен самому себе, чем группа разных людей похожа на самих себя. Как тогда сравнивать разных людей и группу с отдельным пациентом? Ответы на эти вопросы и представлены в настоящей статье на основе анализа матриц парных сравнений выборок кардиоинтервалов
Ключевые слова: кардиоинтервалы, сердечно-сосудистая система, эффект Еськова-Филатовой, эффект Еськова-Зинченко.
Введение. В настоящее время уже твердо доказана статистическая неустойчивость любых параметров х{ описывающих состояние гомеостаза функциональных систем организма -(ФСО) человека. При этом из области биомеханики в теорию ФСО перешёл эффект Еськова-Зинченко (ЭЕЗ), когда невозможно повторить два раза подряд выборки не только треморо-грамм (ТМГ) [1-7,10,12], но и кардиоинтервалов (КИ), любых других параметров кардио-респираторной системы (КРС), как важнейшей ФСО человека. Очевидно, что отсутствие статистических повторений КИ (и др. Х{ для КРС) делает невозможным дальнейшее применение традиционных методов детерминистской и стохастической науки (ДСН) в изучении КРС и других ФСО человека, как в нормогенезе, так и в патогенезе. Любая выборка Х{ уникальна, и она не имеет информационной нагрузки, на следующем интервале времени Д^ мы получим другую функцию распределения [¡(х), которая будет отличаться от предыдущей ¡х) [7,9-12,14,16-20]. Все это является базой для доказательства гипотезы Н.А. Бернштейна «о повторении без повторений» [21], которая сейчас перешла в эффект ЭЕЗ [13,22-32].
Однако ситуация еще более усугубляется, если мы попытаемся сравнивать состояние параметров х{ для КРС в разных группах испытуемых. Особенно это заметно, если сравнивать параметры КИ группы разных людей (в нормо-генезе) и повторные регистрации Х{ для КРС у одного и того же испытуемого находящегося в неизменном гомеостазе. Здесь возникает эффект Еськова-Филатовой (ЭЕФ), объяснение которому не поддается с позиций не только ДСН, но и современной теории хаоса-самоорганизации (ТХС) [8,15,22-32]. Рассмотрим этот ЭЕФ для КИ группы людей и одного и того же испытуемого [16,17,19,20,31,32].
Сущность эффекта Еськова-Зинченко. Сейчас уже твердо нами доказано (более 500 публикаций в журналах и более 40 книг), что нет повторений (статистических) не только для ТМГ или ТПГ, но и для КИ, их СПС, А(г). Нет повторений и в биоэлектрической активности мышц (электромиограммы - ЭМГ - не повторяются), нет повторений в электроэнцефалограммах - ЭЭГ для одного человека, находящегося в одном, неизменном физиологическом состоянии (гомеостазе). Более того, в дополне
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2018 - V. 25, № 2 - P. 200-208
ние к эффекту Еськова-Зинченко (ЭЕЗ) в биомеханике (а теперь уже и в физиологии НМС, ССС,
НСМ и т.д.) мы сейчас получили новый эффект
Еськова-Филатовой для КИ (в физиологии ССС). Основа этого эффекта: 15 выборок КИ (по 300 КИ в каждой) у одного испытуемого в неизменном гомеостазе могут быть менее подобны (сами на себя), чем 15 выборок КИ разных (15-ти) испытуемых между собой.
Одновременно, еще один эффект -Еськова-Филатовой ставит перед всей физиологией и во всем естествознанием глобальные проблемы статистической неустойчивости любых выборок параметров ССС х, их х), спектраль-
лика - ki=8. Статистическая устойчивость выборок одного испытуемого (в неизменном го-меостазе) весьма мала. Доля стохастики (из 105 разных пар сравнения) крайне мала (менее 10%) и табл. 1 демонстрирует хаос x¡ их f(x) с частотой p">0,8.
Таблица 1
Непараметрические критерии Вилкоксона (Wilcoxon Signed Ranks Test) (р) для попарных сравнений 15-ти выборок параметров КИ испытуемого при повторных экспериментах (ki=8)
ных плотностей сигнала (СПС), автокорреляции - Л(Ь). В этом эффекте доказывается реальная невозможность обнаружения для одного испытуемого совпадающих статистических закономерностей если подряд регистрировать выборки х. Суть этого эффекта: группа из 15-ти разных испытуемых (например, больных) может демонстрировать более выраженные статистические совпадения выборок КИ, чем отдельный испытуемый, находящийся в неизменном гомеостазе, и у которого подряд регистрировали 15 раз выборки КИ. Этот эффект Еськова-Филатовой полностью подрывает возможности стохастики в изучении КРС, т.к. совершенно без определений становятся способы регуляции гомеостаза КРС (если разные люди более подобны между собой, чем отдельный человек на самого себя по параметрам КРС) [912,14,16,17,19].
В качестве характерного примера эффекта Еськова-Зинченко, представляем матрицу парного сравнения выборок х{ (набор КИ при регистрации по 5 минут) для одного человека в режиме 15-ти повторных регистраций выборок КИ по 5 минут в неизменном гомеостазе в виде табл. 1 и табл. 2. В табл. 2 мы представляем матрицу парных сравнений выборок 15-ти разных испытуемых (в спокойном состоянии). Табл. 1 демонстрирует фактически ЭЕЗ для ССС, т.к. число к1 выборок х, которые можно (эти две выборки) отнести к одной генеральной совокупности, весьма неве-
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
2 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
3 0,00 0,00 0,00 0,77 0,00 0,91 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
4 0,00 0,00 0,00 0,27 0,00 0,50 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
5 0,00 0,00 0,77 0,27 0,00 0,86 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
6 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
7 0,00 0,00 0,91 0,50 0,86 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
8 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,09 0,80 0,00 0,00 0,00 0,00 0,00
9 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,09 0,07 0,00 0,00 0,00 0,00 0,00
10 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,80 0,07 0,00 0,00 0,00 0,00 0,00
11 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,11
12 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,03 0,00
13 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
14 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,03 0,00 0,00
15 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,11 0,00 0,00 0,00
Примечание: р - достигнутый уровень значимости (критическим уровнем принят р<0,05)
Таблица 2
Непараметрический критерий Краскела-Уоллиса (р) для попарных сравнений выборок параметров КИ группы разных испытуемых из 15-ти человек (&=17)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
2 0,00 1,00 0,00 0,00 0,00 0,00 0,00 0,00 1,00 1,00 0,00 0,06 0,00 0,00
3 0,00 1,00 0,00 0,00 0,00 0,00 0,00 1,00 0,00 0,73 0,00 0,58 0,00 0,00
4 0,00 0,00 0,00 0,00 0,04 1,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,02
5 0,00 0,00 0,00 0,00 1,00 0,00 0,00 0,00 0,00 0,00 1,00 0,00 0,00 1,00
6 0,00 0,00 0,00 0,04 1,00 0,00 0,00 0,00 0,00 0,00 0,17 0,00 0,00 1,00
7 0,00 0,00 0,00 1,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
8 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,28 0,00
9 0,00 0,00 1,00 0,00 0,00 0,00 0,00 0,00 0,02 0,00 0,00 1,00 0,00 0,00
10 0,00 1,00 0,00 0,00 0,00 0,00 0,00 0,00 0,02 1,00 0,00 0,00 0,00 0,00
11 0,00 1,00 0,73 0,00 0,00 0,00 0,00 0,00 0,00 1,00 0,00 0,00 0,00 0,00
12 0,00 0,00 0,00 0,00 1,00 0,17 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,42
13 0,00 0,06 0,58 0,00 0,00 0,00 0,00 0,00 1,00 0,00 0,00 0,00 0,00 0,00
14 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,28 0,00 0,00 0,00 0,00 0,00 0,00
15 0,00 0,00 0,00 0,02 1,00 1,00 0,00 0,00 0,00 0,00 0,00 0,42 0,00 0,00
Примечание: р - достигнутый уровень значимости (критическим уровнем принят р<0,05)
10иККЛЬ ОБ ОТШ МЕБТСЛЬ ТЕСЫК0ШЫЕ8 - 2018 - V. 25, № 2 - Р. 200-208
Переход от ЭЕЗ к эффекту Еськова-Филатовой (ЭЕФ). Если мы сравним аналогичную матрицу парных сравнений выборок КИ для 15-ти разных испытуемых (у каждого регистрировались выборки КИ за 5 мин с не менее 300 КИ в каждой выборке), то окажется, что доля стохастики (табл. 2) в такой матрице может быть выше (у нас в табл. 2 к2=17). Такая ситуация не исключение, а довольно часто встречающийся факт и это ставит перед физиологией еще один крайне сложный вопрос: получается, что отдельный человек (в режиме повторений регистрации КИ) может быть менее статистически подобен (самому себе), чем группа разных людей между собой (в спокойном состоянии, без воздействий). Этот эффект окончательно подрывает основы (базу) возможностей применения стохастики в физиологии и медицине! Более того, как переходить на индивидуализированную медицину, если параметры КРС (в нашем случае) невозможно описывать статистически (для одного пациента)? Если доля стохастики (^=8) менее 10%, а каждая выборка КИ - уникальна [3-20,31].
Если группа разных людей статистически более подобна (у нее более высокий k2), чем отдельный человек (подобен самому себе), то как тогда можно сравнивать между собой разных испытуемых или одного и того же испытуемого, но находящегося в разных гомеоста-зах Hi и H2 (например, Hi - нормогенез, а H2 -патогенез)? Как определять неизменность го-меостаза одного человека (в персонифицированной медицине), если подряд получаемые выборки КИ (а также ТМГ, ТПГ, ЭЭГ, ЭМГ и т.д.) не могут демонстрировать статистическое совпадение (табл. 1)? Каковы вообще механизмы такого хаоса и как тогда поддерживается го-меостаз отдельного организма, если все непрерывно и хаотически изменяется (любая выборка уникальна)? Что такое гомеостаз в свете этих новых данных? Очевидно, что нужна новая теория гомеостаза и новые модели для осознания и ЭЕЗ, и ЭЕФ [2-7,18,20,31,32].
Напомним, что работы П.К. Анохина в области создания теории ФСО и их гомеостатиче-ского регулирования сейчас подвергаются пересмотру и новому осмыслению [1-7,10,12], но эти работы очень сильно совпадают с представлениями Н. Винера в кибернетике. Одна из главных ролей в схемах регуляции ФСО и их гомеостаза отводится принципу отрицательной обратной связи (например, система регуляции по отклонению). В биокибернетике (в теории управления живыми системами) традиционно считали, что при реализации этого принципа, в
системах регуляции ФСО, существуют механизмы, которые следят за некоторым средним <х;> значением х; и тогда регистрируются отклонения Дх; от этого среднего. Эти отклонения от <Х;> вызывают реакцию в системах управления ФСО (в НСМ) и возвращают состояние го-меостатической системы (гомеостаза ФСО в исходное среднее состояние <Х;>). Эта схема регуляции сформировалась еще в 30-40-х годах 20-го века, и она успешно используется в различных бионических устройствах. Но реальность оказалась иной [22-32], мы имеем хаос статистических функций выборок ТМГ или КИ и это усугубляется ЭЕФ.
С другой стороны, в многочисленных наших исследованиях [22-32] доказана статистическая неустойчивость биопотенциалов мозга - ЭЭГ, которые описывают активность нейро-сетей мозга - НСМ. Любые параметры Х;, характеризующие эффекторы (т.е. состояние ФСО, например, регуляция со стороны НСМ в адрес КРС) показывают хаос [(х). Одновременно, мы наблюдаем во всех случаях многочисленные итерации (повторения) любых актов действия как самих эффекторов, так и систем управления ФСО (со стороны НСМ). В целом, мы постоянно говорим о хаосе XI и о реверберациях (повторениях) в активности НСМ, а также актов работы сердца, дыхания, различных биомеханических актов (ТМГ, ТПГ). Хаос статистических характеристик и итерации в работе НСМ (реверберации) составляют сущность многих процессов в организме человека. В первую очередь речь идет о работе мозга. Многие процессы в НСМ имеют характер паттернов (серий импульсов, например, ЭЭГ) и тогда возникает базовый вопрос: каков смысл этих паттернов? Зачем мозгу (и системам управления ФСО) нужны такие паттерны? Отметим, что наши повторные регистрации КИ в ЭЕЗ или др. х; для КРС, фактически, тоже являются паттернами: из N=15 повторений якобы одинаковых выборок КИ (и др. Х;). Все это - «повторение без повторений» Н.А. Бернштейна [21].
Заключение. Динамический хаос Лоренца требует повторений некоторого состояния системы х(Ьк). Это состояние определяется как свойство перемешивания (хаос Лоренца) или как равномерное распределение. В рамках новой (нами разрабатываемой) теории гомеоста-тических систем (систем третьего типа по Ж Шауег) такой хаос не является хаосом Лоренца, и он не может описываться в рамках ДСН. Эти различия легко наблюдать на конкретных примерах работы искусственных НСМ, которые сейчас обозначают как нейро-эмуляторы или
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2018 - V. 25, № 2 - P. 200-208
нейро-ЭВМ (НЭВМ). Нейросети сейчас все шире используются в медицине и биологии, но при этом для НЭВМ имеется одна особенность: НЭВМ работает на базе методов ДСН. Используются различные детерминистские и стохастические методы без указанных нами выше особенностей работы НСМ и ФСО (хаос-самоорганизация и реверберации). Мы представляем «паттерны» выборок КИ для изучения ЭЕФ для КРС и это нам обеспечило регистрацию нового эффекта - ЭЕФ, в котором полностью исключается стохастика Она не может отличить группу различных испытуемых от одно-
го испытуемого, но в режиме паттернов (многократных измерений выборок КИ в неизменном гомеостазе). Это еще один минус стохастики в описании КРС и все это активно нас подводит к построению ТХС и новой теории го-меостаза. Авторы этой теории (В.М. Еськов, А.А. Хадарцев, О.Е. Филатова) уже более 20-ти лет доказывают статистическую неустойчивость любых параметров Х; ФСО. Теперь к этому добавляется более высокий (К2>К1) хаос отдельного индивидуума (или группы разных испытуемых).
THE EFFECT OF ESKOV-FILATOVA IN REGULATION OF THE CARDIOVASCULAR SYSTEM AS A
TRANSITION TO INDIVIDUALIZED MEDICINE
I.V. MIROSHNYCHENKO*, Yu.V. BASHKATOVA**, D.Yu. FILATOVA**, Ya.I. URAEVA**
* Orenburg state medical University», Sovetskaya str., 6, Orenburg, 460000, Russia " "Surgut state University", 1 Lenina street, Surgut, 628400, Russia
Abstract. At present, the basis of individualized medicine is the statistical inequality of consecutive samples of homeostasis parameters of patients. However, this is not true, because statistical instability of any samples Xi of homeostasis parameters is proved. More than 70 years ago N.A. Bernstein demonstrated the hypothesis of «repetition without repetition». However, during this period physiologists and clinicians ignored these works. Therefore, up to now the problem has no solution. Over the past 25 years in the biomechanics there is uncertainty in the statistical description of the parameters of both tremor and the parameters of the cardiovascular system of the human organism due to the discovery of the effect of Eskov-Zinchenko. New possibilities in the regulation of the most important functional systems of the human organism (FSO) by neural networks of the brain in the regime of multiple and chaotically changing repetitions of the solution of the problem of diagnosis (and regulation) of the FSO state are proved. However, the effect of Eskov-Filatova has now been demonstrated. In this effect, the share of stochastics in the analysis of the cardiovascular system of an individual is less significant than the share of stochastics in the evaluation of a group of different people. Consequently, an individual is less like himself than a group of different people is like themselves. How to compare different people and groups with an individual patient? The answers to these questions are presented in this article on the basis of the analysis of matrices of pairwise comparisons of samples of cardiointervals.
Keywords: cardiointervals, cardiovascular system, the effect of Eskov-Filatova, the effect of Eskov-Zinchenko.
Introduction. At present, statistical instability of any parameters Xi for the description of the state of homeostasis of the functional systems of human organism (FSO) has been proved. In this case, the effect of Eskov-Zinchenko (EEZ) has moved from the field of biomechanics to the theory of FSO. This effect demonstrates that it is impossible to repeat two consecutive samples of not only tre-mograms (TMG) [1-7,10,12], but also cardiointer-vals (CI), any other parameters of the cardio-respiratory system (CRS) as the most important human FSO. Obviously, the absence of statistical repetitions of CI (and other Xi for CRS) makes it impossible to apply the traditional methods of de-
terministic and stochastic science (DSS) in the study of CRS and other human FSO, both in normogene-sis and in pathogenesis. Any sample Xi is unique, and it has no information. We obtain another distribution function fj (xi), which will differ from the previous fj (Xi) in the next time interval Atj +1 [7,912,14,16-20]. All these facts are the basis for the proof of hypothesis of N.A. Bernstein about «repetition without repetition» [21], which has now been transformed into the effect of EEZ [13,22-32].
However, an attempt to compare the state of the Xi parameters for CRS in different groups of subjects worsens the situation. This fact is especially noticeable when comparing the parameters
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2018 - V. 25, № 2 - P. 200-208
of the CI of a group of different people (in normo-genesis) and with repeated registrations of xi for CRS in the same subject in unchanged homeostasis. Here, the effect of Eskov-Filatova (EEF) appears. This effect has no explanation, not only from the positions of the DSS, but also from the standpoint of the modern theory of chaos-self-organization (TCS) [8,15,22-32]. Consider this EEF for CI of a group of people and the same subject [16,17,19,20,31,32].
The content of the effect of Eskov-Zinchenko. Now we have proved the absence of statistical repetitions not only for TMG or TPG, but also for CI, their SSD, A(t) (more than 500 publications in journals and more than 40 books). There are also no repetitions in the bio-electrical activity of the muscles (electromyograms (EMG) - do not repeat), there are no repetitions in electroencephalograms - EEG for one human for one unchanged physiological state (homeostasis). Moreover, we obtained a new the effect of Eskov-Filatova for CI (in the physiology of the cardiovascular system), which supplements the effect of Eskov-Zinchenko (EEZ) in biomechanics (and in the physiology of NMS, cardiovascular system, NNB, etc.). The basis for this effect is 15 samples CI (300 CI in each) in one subject in unchanged homeosta-sis may be less similar (to themselves) than 15 samples of CI of different (15) subjects among themselves.
The effect of Eskov-Filatova puts forward global problems of statistical instability of the parameters of any samples of the cardiovascular system xi, their f (x), the signal spectral densities -SSD, and the autocorrelation - A (t) in physiology and natural sciences. This effect proves that it is impossible to detect the coincidence of statistical regularities for one subject. The content of this effect: a group of 15 different subjects (for example, sick people) can show more statistical coincidences of CI samples than a single subject who is in unchanged homeostasis and who has 15 consecutive samples of CI recorded in a row. The effect of Eskov-Filatova indicates that the stochastic does not have the ability to study cardiorespiratory system, because there are no ways of regulating the homeostasis of cardiorespiratory system (if different people are more similar to each other than an individual on himself according to the parameters of cardiorespiratory system) [912,14,16,17,19].
For example, we represent matrix of pairwise comparison of samples xi (a set of CI at registration for 5 minutes) for one human in a mode of 15 repeated registrations of samples of CI for 5 minutes in unchanged homeostasis (Table 1). In Table 2 we
represent the matrix of pairwise comparisons of samples of 15 different subjects (in a quiet state). Table 1 demonstrates the EEZ for the cardiovascular system, i. e. the number of k1 of samples xi that can be attributed to the same population (these two samples) is insignificant - k1=8 The statistical stability of samples of one subject (in constant homeostasis) is very small. The share of stochas-tics (from 105 different pairs of comparison) is very insignificant (less than 10%) and table 1 shows chaos xi, their f(x) with frequency p* >0.8.
The transition from EEZ to the effect of Eskov-Filatova (EEF). When comparing a similar matrix of pairwise comparisons of samples for 15 different subjects (each sample was registered in 5 min with at least 300 CI in each sample), it follows that the stochastic share in such a matrix may be higher (fe = 17 in Table 2). This situation is often encountered. Therefore, physiology has another very difficult question: a separate human (in the regime of repetitions of CI registration) may be less statistically similar (to himself) than a group of different people among themselves (in a calm state, without influences). This effect casts doubt on the basis of the possibilities of using stochastics in physiology and medicine! Moreover, how to change to personalized medicine, if the parameters of cardiorespiratory system (in our case) can not be described statistically (for one patient)? If the share of stochastics (k1=8) is less than 10%, and each sample of CI is unique [3-20,31].
If a group of different people is statistically more similar (it has a higher k2) than an individual (similar to itself), how to compare different subjects or the same subject but with different homeostasis H1 and H2 (for example, H1 - normogenesis, H2 -pathogenesis)? How to determine the immutability of the homeostasis of one human (in personified medicine), if in succession the obtained samples of CI (as well as TMG, TPG, EEG, EMG, etc.) can not show statistical coincidence (see Table 1)? What are the mechanisms of such chaos? How is the homeos-tasis of an individual organism maintained if everything is continuously and chaotically changed (any sample is unique)? What is homeostasis in terms of new data? Obviously, we need a new theory of ho-meostasis and new models for awareness of both EEZ and EEF [2-7,18,20,31,32].
Recall that the work of P.K. Anokhin in the field of creating the theory of FSO and their ho-meostatic regulation is subject to revision and a new interpretation [1-7,10,12]. But the work of P.K. Anokhin is very much coincide with the views of N. Wiener in cybernetics. One of the main roles in the regulation of FSO and their homeostasis is given to the principle of negative feedback (for example, a system of regulation by deviation). In
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2018 - V. 25, № 2 - P. 200-208
biocybernetics (the theory of control of living systems), it was traditionally believed that in the implementation of this principle in the FSO regulation systems, there are mechanisms that follow some average <xi> value of Xi and record deviations of AXi from this mean. These deviations from <X> cause a reaction in the FSO control systems (in the NNB) and return the state of the homeostatic system (FSO homeostasis to the initial average state <X>). This scheme of regulation was formed in the 30's and 40's of the 20th century. It is successfully used in various bionic devices. But the reality turned out to be different [22-32]. We have chaos of statistical functions of samples of TMG or CI and this is aggravated by EEF.
Table 1
Non-parametric Wilcoxon criteria (Wilcoxon Signed Ranks Test) for pairwise comparisons of 15 samples of CI parameters of the subject in repeated experiments (k1=8)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
2 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
3 0,00 0,00 0,00 0,77 0,00 0,91 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
4 0,00 0,00 0,00 0,27 0,00 0,50 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
5 0,00 0,00 0,77 0,27 0,00 0,86 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
6 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
7 0,00 0,00 0,91 0,50 0,86 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
8 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,09 0,80 0,00 0,00 0,00 0,00 0,00
9 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,09 0,07 0,00 0,00 0,00 0,00 0,00
10 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,80 0,07 0,00 0,00 0,00 0,00 0,00
11 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,11
12 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,03 0,00
13 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
14 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,03 0,00 0,00
15 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,11 0,00 0,00 0,00
Note: p - the achieved level of significance (critical level is p<0,05)
Table 2
Non-parametric criterion of Kruskal-Wallis (fe=17) (p) for pair-wise comparisons of samples of parameters of CI of a group of different subjects from 15 people
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
2 0,00 1,00 0,00 0,00 0,00 0,00 0,00 0,00 1,00 1,00 0,00 0,06 0,00 0,00
3 0,00 1,00 0,00 0,00 0,00 0,00 0,00 1,00 0,00 0,73 0,00 0,58 0,00 0,00
4 0,00 0,00 0,00 0,00 0,04 1,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,02
5 0,00 0,00 0,00 0,00 1,00 0,00 0,00 0,00 0,00 0,00 1,00 0,00 0,00 1,00
6 0,00 0,00 0,00 0,04 1,00 0,00 0,00 0,00 0,00 0,00 0,17 0,00 0,00 1,00
7 0,00 0,00 0,00 1,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
8 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,28 0,00
9 0,00 0,00 1,00 0,00 0,00 0,00 0,00 0,00 0,02 0,00 0,00 1,00 0,00 0,00
10 0,00 1,00 0,00 0,00 0,00 0,00 0,00 0,00 0,02 1,00 0,00 0,00 0,00 0,00
11 0,00 1,00 0,73 0,00 0,00 0,00 0,00 0,00 0,00 1,00 0,00 0,00 0,00 0,00
12 0,00 0,00 0,00 0,00 1,00 0,17 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,42
13 0,00 0,06 0,58 0,00 0,00 0,00 0,00 0,00 1,00 0,00 0,00 0,00 0,00 0,00
14 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,28 0,00 0,00 0,00 0,00 0,00 0,00
15 0,00 0,00 0,00 0,02 1,00 1,00 0,00 0,00 0,00 0,00 0,00 0,42 0,00 0,00
Note: p -the achieved level of significance (critical level is p<0,05)
On the other hand, we have proved the statistical instability of the EEG and any parameters x¡ that characterize the effectors in our numerous studies (i.e. the state of FSO, for example, regulation from the NNB to the TMG or TPG) [22-32]. At the same time, we observe in all cases numerous iterations (repetitions) of any stages of action of both the effectors themselves and the FSO control systems (from the NNB side). In general, we constantly talk about chaos x¡ and reverberations (repetitions) in the activity of the NNB, acts of the heart, respiration, various biomechanical acts (TMG, TPG). The chaos of statistical characteristics and iteration in the work of NNB (reverberation) constitute the essence of many processes in the human organism and primarily in the work of the brain. Many processes in the NNB have the character of patterns (series of pulses, for example, EEG). Then the basic question arises: what is the meaning of these patterns? Why should the brain (and FSO management systems) need such patterns? Note that our repeated registration of CI in EEZ or other x¡ for CRS, in fact, are also patterns: from N=15 repetitions of conditionally identical samples of CI (and others xi). All these facts are effect of «repetition without repetition» by NA. Bernstein [21].
Conclusion. The dynamic chaos of Lorentz requires repetition of a certain state of the system x(tk). This state is defined as the property of mixing (chaos of Lorentz) or as a equal distribution. We are developing a new theory of homeostatic systems (systems of the third type by W. Weaver). In the framework of this theory, such chaos is not a chaos of Lorentz. It can not be described in the framework of the DSS. We will explain these differences on specific examples of the work of artificial NNB, which are now referred to as neuro-emulators or a neuro-computer. Now neural networks are increasingly used in medicine and biology. However, there is one peculiarity: a neuro-computer operates on the basis of the DSS methods. Various deterministic and stochastic methods are used without the peculiarities of the work of the NNB and FSO (chaos-self-organization and reverberation). We present the «patterns» of CI samples for studying EEF for CRS. This helped to register a new effect - the effect EEF, in
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2018 - V. 25, № 2 - P. 200-208
which the stochastic is completely excluded. Stochastics can not distinguish a group of different subjects from one subject, but in pattern mode (multiple measurements of CI samples in unchanged homeostasis). This is another drawback of stochastics in the description of CRS. Therefore, it is necessary to build a TCS and a new theory of
Литература
1. Арсланова М.М., Мирошниченко И.В., Попов Ю.М., Прохоров С.А. Статистическая неустойчивость выборок параметров кардиоингервалов в неизменном гомеостазе // Вестник новых медицинских технологий. Электронное издание. 2017. №4. Публикация 1-8.. URL: http://www.medtsu.tula.ru/VNMT/ Bulletin/E2017-4/1-8.pdf (Дата обращения 13.12.2017). DOI: 10.12737/article_5a38d02dd855e9.28694103.
2. Башкатова Ю.В., Алиев Н.Ш., Тен Р.Б., Прохоров С.А. Оценка хаоса спектральных параметров сердечно-сосудистой системы // Сложность. Разум. По-стнеклассика. 2017. № 4. С. 43-50. DOI: 10.12737/article_5a1c022bd3df56.20636712.
3. Галкин В.А., Филатова О.Е., Журавлева О.А., Ше-лим Л.И. Новая наука и новое понимание гомеостати-ческих систем // Сложность. Разум. Постнеклассика. 2017. № 1. С. 75-86. DOI: 10.12737/article_58ef6f7a9c4939.90994248.
4. Еськов В.В. Математическое моделирование го-меостаза и эволюции complexity: монография. Тула: изд-во ТулГУ, 2016. 372 с.
5. Еськов В.В., Башкатова Ю.В., Соколова А.А. Оценка степени синергизма в динамике кардиореспира-торной системы // Сложность. Разум. Постнеклассика. 2017. № 1. С. 87-96. DOI: 10.12737/article_58ef6fbbd47274.77514102
6. Еськов В.М., Галкин В.А., Филатова О.Е. Complexity: хаос гомеостатических систем: монография / Под ред. Г.С. Розенберга. Самара: изд-во ООО «Потро-принт», 2017. 388 с.
7. Еськов В.М., Галкин В.А., Филатова О.Е. Конец определенности: хаос гомеостатических систем. Тула, 2017. 596 с.
8. Еськов В.М., Зилов В.Г., Фудин Н.А., Хадарцев А.А. Избранные технологии диагностики: Монография / Под ред. А.А. Хадарцева, В.Г. Зилова, Н.А. Фудина. Тула: ООО РИФ «ИНФРА», 2008. 296 с.
9. Еськов В.М., Зинченко Ю.П., Филатова О.Е. Признаки парадигмы и обоснование третьей парадигмы в психологии // Вестник московского университета. Серия 14: Психология. 2017. № 1. С. 3-17.
10. Еськов В.М., Хадарцев А.А., Попов Ю.М., Якунин
homeostasis. The authors of this theory (V.M. Eskov, A.A. Khadartsev, O.Y. Filatova) for more than 20 years have shown the statistical instability of any parameters xi for FSO. Now to this is added a higher (K>K1) chaos of an individual (or a group of different subjects).
References
1. Arslanova MM, Miroshnichenko IV. Popov YUM, Prohorov SA. Statistical instability of samples of parameters of R-R intervals in a constant homeostasis. Vestnik novyh medicinskih tekhnologij. EHlektronnoe izdanie [internet]. 2017[cited 2017 Dec 13];4[about 7 p.]. Russian. Available from: http://www.medtsu.tula.ru/ VNMT/Bulletin/E2017-4/1-8.pdf. DOI: 10.12737/article_ 5a38d02dd855e9. 28694103.
2. Bashkatova YuV, Aliev NSh, Ten RB, Prokhorov SA. Assessment of the chaos of the spectral parameters of the cardiovascular system. Slozhnost'. Razum. Postneklassi-ka. 2017;4:43-50. DOI: 10.12737/article_5a1c022bd3df56. 20636712. Russian.
3. Galkin VA, Filatova OE, Zhuravleva OA, ShelimLI. New science and a new understanding of homeostatic systems. Slozhnost'. Razum. Postneklassika. 2017;1:75-86. Russian. DOI: 10.12737/article_58ef6f7a9c4939. 90994248
4. Es'kov VV. Matematicheskoe modelirova-nie go-meostaza i ehvolyucii complexity: mo-nografiya [Mathematical modelling of homeos-tasis and the evolution of complexity: the mo-nograph]. Tula: izd-vo TulGU; 2016. Russian.
5. Es'kov VV, Bashkatova YuV, Sokolova AA. Evaluation of the degree of synergy in the dynamics of the cardiores-piratory system. Slozhnost'. Razum. Postneklassika. 2017;1:87-96. DOI: 10.12737/article_58ef6fbbd47274. 77514102. Russian.
6. Es'kov VM, Galkin VA, Filatova OE. Complexity: chaos of homeostatic systems: monograph. Pod red. G.S. Rozenberga. Samara: izd-vo OOO «Potro-print»; 2017. Russian.
7. Es'kov VM, Galkin VA, Filatova OE. End of certainty: chaos of homeostatic systems. Tula; 2017. Russian.
8. Es'kov VM, Zilov VG, Fudin NA, Khadartsev AA. Iz-brannye tekhnologii diagnostiki: Monografiya / Pod red. A.A. Khadartseva, V.G. Zilova, N.A. Fudina. Tula: OOO RIF «INFRA»; 2008. Russian.
9. Es'kov VM, Zinchenko YuP, Filatova OE. Signs of the paradigm and the rationale for the third paradigm in psychology. Vestnik moskovskogo universiteta. Seriya 14: Psikhologiya. 2017;1:3-17. Russian.
10. Es'kov VM, Khadartsev AA, Popov YuM, Yakunin VE.
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2018 - V. 25, № 2 - P. 200-208
B.Е. Конец определенности в естествознании: хаос и самоорганизация complexity // Сложность. Разум. По-стнеклассика. 2017. № 1. С. 64-74. DOI: 10.12737/article_ 58ef6ef2f1dde7.21662826.
11. Еськов В.М., Срыбник М.А., Эльман К.А., Глазова О.А. Возрастные изменения сердечно-сосудистой системы пришлого детско-юношеского населения Югры // Сложность. Разум. Постнеклассика. 2017. № 4.
C. 5-12. DOI: 10.12737/ article_ 5a1bfeddae4ea5.81912457.
12. Еськов В.М., Хадарцев А.А., Козупица Г.С., Шелим Л.И. Третьея парадигма и детерминистско-стохастическая наука // Сложность. Разум. Постне-классика. 2017. № 3. С. 60-70. DOI: 10.12737/article_59df76db3a6b33.94271886.
13. Зилов В.Г., Хадарцев А. А., Еськов В.В., Еськов В.М. Экспериментальные исследования статистической устойчивости выборок кардиоинтервалов // Бюллетень экспериментальной биологии и медицины. 2017. Т. 164, № 8. С. 136-139.
14. Зинченко Ю.П., Филатов М.А., Колосова А.И., Макеева С.В. Сравнительный стохастический и хаотический анализ параметров внимания учащихся в аспекте их работоспособности // Вестник Московского университета. Серия 14. Психология. 2017. № 4. С. 21-33.
15. Зинченко Ю.П., Хадарцев А.А., Филатова О.Е. Введение в биофизику гомеостатических систем (complexity) // Сложность. Разум. Постнеклассика. 2016. № 3. С. 6-15. DOI: 10.12737/22107.
16. Мирошниченко И.В., Филатова Д.Ю., Живае-ва Н.В., Алексенко Я.Ю., Камалтдинова К.Р. Оценка эффективности оздоровительных мероприятий по параметрам кардио-респираторной системы школьников // Сложность. Разум. Постнеклассика. 2017. № 1. С. 26-32. DOI: 10.12737/article_58ef6c7c341300. 57619306.
17. Мирошниченко И.В., Эльман К.А., Прасолова А.А., Глазова О.А. Динамика кардиоинтервалов детско-юношеского населения Югры в аспекте возрастных изменений // Вестник новых медицинских технологий. 2017. №4. C. 14-19. DOI: 10.12737/article_5a38efc470c346.67491500.
18. Филатова О.Е., Баженова А.Е., Иляшенко Л.К., Григорьева С.В. Оценка параметров треморограмм с позиции эффекта Еськова-Зинченко // Биофизика. 2018. Т. 63, № 2. С. 358-364.
19. Филатова О.Е., Газя Г.В., Мезенцева Л.В., Соколова А.А. Оценка биоэлектрической активности сердца у представителей коренного населения ханты методами теории хаоса-самоорганизации // Сложность. Разум. Постнеклассика. 2017. № 4. С. 22-28. DOI: 10.12737/article_5a1c029cbef6d9. 89882621.
20. Филатова О.Е., Яхно В.Г., Яхно Т.А., Самсонов И.Н. Хаос нейросетей мозга - признак гомеостатичности // Сложность. Разум. Постнеклассика. 2017. № 3. С. 42207
End of certainty in natural science: chaos and self-organization complexity. Slozhnost'. Razum. Postneklas-sika. 2017;1:64-74. DOI: 10.12737/article_58ef6ef2f1dde7. 21662826. Russian.
11. Es'kov VM, Srybnik MA, El'man KA, Glazova OA. Age-related changes in the cardiovascular system of the alien children and youth of Yugra. Slozhnost'. Razum. Postneklassika. 2017;4:5-12. DOI: 10.12737/ article_ 5a1bfeddae4ea5.81912457. Russian.
12. Es'kov VM, Khadartsev AA, Kozupitsa GS, Shelim LI. The Third Paradigm and Deterministic-Stochastic Science. Slozhnost'. Razum. Postneklassika. 2017;3:60-70. DOI: 10.12737/article_59df76db3a6b33.94271886. Russian.
13. Zilov VG, Khadartsev AA, Es'kov VV, Es'kov VM. Experimental studies of the statistical stability of samples of cardiointervals. Byulleten' eksperimental'noy biologii i meditsiny. 2017;164(8):136-9. Russian.
14. Zinchenko YUP, Filatov MA, Kolosova AI, Ma-keeva SV. Comparative stochastic and chaotic analysis of students' attention parameters in terms of their performance. Vestnik Moskovskogo universiteta. Seriya 14. Psihologiya. 2017;4:21-33. Russian.
15. Zinchenko YuP, Khadartsev AA, Filatova OE.6Introduction to biophysics of homeostatic systems (complexity). Slozhnost'. Razum. Postneklassika. 2016;3:6-15. DOI: 10.12737/22107. Russian.
16. Miroshnichenko IV, Filatova DYu, Zhivaeva NV, Aleksenko YaYu, Kamaltdinova KR. Evaluation of the effectiveness of health improvement measures according to the parameters of the cardio-respiratory system of schoolchildren. Slozhnost'. Razum. Postneklassika. 2017;1:26-32. DOI: 10.12737/article_58ef6c7c341300. 57619306. Russian.
17. Miroshnichenko IV, EHl'man KA, Prasolova AA, Glazova OA. Dynamics of cardiointervals of children and youth population of Ugra in the aspect of age-related changes. Vestnik novykh medicinskikh tekhnologij. 2017;4:14-9. DOI: 10.12737/article_5a38efc470c346. 67491500. Russian.
18. Filatova OE, Bazhenova AE, Ilyashenko LK, Gpi-gop'eva CV. Parameters of tremorogramm with position of the effect Eskova-Zinchenko. Biofizika. 2018;63(2):358-64. Russian.
19. Filatova OE, Gazya GV, Mezentseva LV, Sokolova AA. Evaluation of the bioelectrical activity of the heart in representatives of the indigenous population of the Khanty using methods of the theory of chaos-self-organization. Slozhnost'. Razum. Postneklassika. 2017; 4:22-8. DOI: 10.12737/article_5a1c029cbef6d9. 89882621. Russian.
20. Filatova OE, YAkhno VG, YAkhno TA, Samsonov IN. Chaos of brain neural networks is a sign of homeostatici-ty. Slozhnost'. Razum. Postneklassika. 2017;3:42-50. DOI:
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2018 - V. 25, № 2 - P. 200-208
50. DOI: 10.12737/article_ 59df74be8bc611.71429249.
21. Bernshtein N.A. The co-ordination and regulation of movements. Oxford: New York, Pergamon Press, 1967.
22. Eskov V.M., Bazhenova A.E., Vochmina U.V., Filatov M.A., Ilyashenko L.K. N.A. Bernstein hypothesis in the Description of chaotic dynamics of involuntary movements of person // Russian Journal of Biomechanics. 2017. Vol. 21, No. 1. P. 14-23.
23. Eskov V.M., Eskov V.V., Gavrilenko T.V., Vochmina Yu.V. Formalization of the Effect of "Repetition without Repetition" Discovered by N.A. Bernshtein // Biophysics. 2017. Vol. 62, No. 1. P. 143-150.
24. Eskov V.M., Eskov V.V., Vochmina Y.V., Gorbu-nov D.V., Ilyashenko L.K. Shannon entropy in the research on stationary regimes and the evolution of complexity // Moscow University Physics Bulletin. 2017. Vol. 72, No. 3. P. 309-317.
25. Eskov V.M., Filatova O.E., Eskov V.V., Gavrilenko T.V. The Evolution of the Idea of Homeostasis: Determinism, Stochastics and Chaos-Self-Organization // Biophysics. 2017. Vol. 62, No. 5. P. 809-820.
26. Eskov V.M., Gudkov A.B., Bazhenova A.E., Kozupitsa G.S. The tremor parameters of female with different physical training in the Russian North // Human Ecology. 2017. No. 3. P. 38-42.
27. Eskov V.V., Filatova O.E., Gavrilenko T.V., Gorbunov D.V. Chaotic Dynamics of Neuromuscular System Parameters and the Problems of the Evolution of Complexity // Biophysics. 2017. Vol. 62, No. 6. P. 961-966.
28. Eskov V.V., Gavrilenko T.V., Eskov V.M., Vochmina Yu.V. Static Instability Phenomenon in Type-Three Secretion Systems: Complexity // Technical Physics. 2017. Vol. 62, No. 11. P. 1611-1616.
29. Filatova D.U., Veraksa A.N., Berestin D.K., Streltsova T.V. Stochastic and chaotic assessment of human's neu-romuscular system in conditions of cold exposure // Human Ecology. 2017. No. 8. P. 15-20.
30. Filatova O.E., Eskov V.V., Filatov M.A., Ilyashenko L.K. Statistical instability phenomenon and evaluation of voluntary and involuntary movements // Russian Journal of Biomechanics. 2017. Vol. 21, No. 3. P. 224-232.
31. Zilov V.G., Eskov V.M., Khadartsev A.A., Eskov V.V. Experimental confirmation of the effect of "Repetition without repetition" N.A. Bernstein // Bulletin of experimental biology and medicine. 2017. Vol. 1. P. 4-8.
32. Zilov V.G., Khadartsev A.A., Eskov V.V., Eskov V.M. Experimental Study of Statistical Stability of Cardiointer-val Samples // Bulletin of experimental biology and medicine. 2017. Vol. 164, No 2. P. 115-117.
10.12737/article_59df74be8bc611. 71429249. Russian.
21. Bernshtein NA. The co-ordination and regulation of movements. Oxford: New York, Pergamon Press; 1967.
22. Eskov VM, Bazhenova AE, Vochmina UV, Filatov MA, Ilyashenko LK. N.A. Bernstein hypothesis in the Description of chaotic dynamics of involuntary movements of person. Russian Journal of Biomechanics. 2017;21(1):14-
23.
23. Eskov VM, Eskov VV, Gavrilenko TV, Vochmina YuV. Formalization of the Effect of "Repetition without Repetition" Discovered by N.A. Bernshtein // Biophysics. 2017;62(1):143-50.
24. Eskov VM, Eskov VV, Vochmina YV, Gorbunov DV, Ilyashenko LK. Shannon entropy in the research on stationary regimes and the evolution of complexity. Moscow University Physics Bulletin. 2017;72(3):309-17.
25. Eskov VM, Filatova OE, Eskov VV, Gavrilenko TV. The Evolution of the Idea of Homeostasis: Determinism, Stochastics and Chaos-Self-Organization. Biophysics. 2017;62(5):809-20.
26. Eskov VM, Gudkov AB, Bazhenova AE, Kozupitsa GS. The tremor parameters of female with different physical training in the Russian North. Human Ecology. 2017;3:38-42.
27. Eskov VV, Filatova OE, Gavrilenko TV, Gorbunov DV. Chaotic Dynamics of Neuromuscular System Parameters and the Problems of the Evolution of Complexity. Biophysics. 2017;62(6):961-6.
28. Eskov VV, Gavrilenko TV, Eskov VM, Vochmina YuV. Static Instability Phenomenon in Type-Three Secretion Systems: Complexity. Technical Physics. 2017;62(11):1611-6.
29. Filatova DU, Veraksa AN, Berestin DK, Streltsova TV. Stochastic and chaotic assessment of human's neuromus-cular system in conditions of cold exposure. Human Ecology. 2017;8:15-20.
30. Filatova OE, Eskov VV, Filatov MA, Ilyashenko LK. Statistical instability phenomenon and evaluation of voluntary and involuntary movements. Russian Journal of Biomechanics. 2017;21(3):224-32.
31. Zilov VG, Eskov VM, Khadartsev AA, Eskov VV. Experimental confirmation of the effect of "Repetition without repetition" N.A. Bernstein. Bulletin of experimental biology and medicine. 2017;1:4-8.
32. Zilov VG, Khadartsev AA, Eskov VV, Eskov VM. Experimental Study of Statistical Stability of Cardiointerval Samples. Bulletin of experimental biology and medicine. 2017;164(2):115-7.
