CC BY
25
19. Arkkila P.E., Kantola I.M., Viikari J.S., et al. Shoulder capsulitis in type I and II diabetic patients: association with diabetic complications and related diseases. Ann-Rheum-Dis. 1996. 55(12). 907-914.
20. Blair S.J. Cervicobrachial Disorders. Repetitive Motion Disorders of the Upper Extremity. Rosemont. 1994.p.507-516.
21. Campbell C.C., Koris M.J. Etiologies of shoulder pain in cervical spinal cord injury. Clin-Orthop. 1996. 322(2). 140-145.
22. Dahlin L.B. et al. Axonal transport and morphological changes following nerve compression: An experimental study in the rabbit vagus nerve. J. Hand Surg. 1993. 18(3). 106-110.
Kuznetsov A.v.
experience treatment of pain in the shoulder joint
consultative Diagnostic clinic of the Federal state fiscal agencies «1477 Navy clinical Hospita» of the Ministry of Defense of the Russian federation.
The article reflects the experience of the treatment of pain in the shoulder joint, is a list of the literature on the subject. Positive clinical results are achieved with a proper understanding of the processes leading to the emergence of pain, as well, given the right treatment.
Keywords: frozen shoulder, shoulder joint pain.
Сведения об авторе
Кузнецова А.В., врач-травматолог Консультативно-диагностическая поликлиника Федерального государственного казённого учреждения «1477 военно-морской клинический госпиталь» Министерства обороны Российской Федерации.
© Коллектив авторов, 2013 г УДК 616-003.9.001.004.14.
Мызников И.Л., Марченко В.В., Перминов Д.Г
методики информационного исследования морфологии белой крови
Медицинская служба Северного флота, военная поликлиника СФ.
В биологических и медицинских науках информационный анализ позволяет показать с помощью обобщенных моделей особенности физиологической адаптации. Авторы рассматривают возможности применения энтропии К.Шеннона для выражения информационной емкости лейкоцитарной формулы крови, а также представлена разработанная авторами методика информационной модели клеток крови на основе энтропии Л.Больцмана. На примерах из морской медицины представлены примеры информационного моделирования, полученные при исследовании подводников в условиях Кольского Заполярья. Методика информационного анализа может стать эффективным инструментом для проведения исследований с высоким уровнем обобщения результатов исследования.
Ключевые слова: кровь, информационные методики, энтропия, организация, морская медицина, подводная медицина, адаптация физиологическая.
В современной науке имеется возможность строить модели исследований с высоким уровнем обобщения, основанные на применении информационного анализа. Подходы к реализации этого направления, доступные практикующему врачу и исследователю, представлены в настоящей статье. Мы не ставили задачу подробно рассматривать каждый приведенный пример, поэтому демонстрируем их лишь для наглядности изложения методик.
С момента введения в практику понятия «энтропии» как физической величины (Клаузиус, 1865), она стала фундаментальной величиной, которая вышла за пределы термодинамики и статистической физики, проникнув в другие области науки, позво-
ляя раскрывать все новые грани и характеристики исследуемых событий [13].
Австрийский физик Людвиг Больцман (1872) определил энтропию как число различных микроскопических состояний, которые может принимать совокупность частиц, составляющих некий «кусок» вещества, оставаясь на вид той же макроскопической «частью». Именно он установил связь энтропии с вероятностью состояния.
Американский математик Клод Шеннон (Glaud E. Shannon, 1948) ввел понятие энтропии в теорию информации [2]. В концептуальном отношении термодинамическая энтропия и энтропия К.Шеннона эквивалентны, не смотря на то, что рассчитыва-
ются для различного числа степеней свободы. Понятие об энтропии теперь становится в теории информации основным.
В биологических и медицинских науках информационный анализ позволяет показать с помощью подобных моделей оптимальное состояние функциональной системы, сформированное адаптационными резервами, а так же дизадаптационные, качественно новые ее состояния. С позиций теории информации представляется возможным выявлять избыточные и скрытые возможности морфо-функциональных систем. Проникновение энтропии в новую область науки - синергетику, которая занимается изучением закономерностей образования и распада пространственно-временных структур в системах различной природы (физических, химических, биологических, экономических, социальных и т.д.) позволяет повысить эффективность их изучения [13].
Одним из главнейших свойств биологической системы является структурная и функциональная сложность. Функциональные особенности биосистемы проявляется на ее выходе [11, 12]. Поэтому степень функциональной сложности определяет и характер ее выходных элементов. Если достаточно долго наблюдать систему, то по частоте появления функциональных состояний можно приблизительно судить о вероятностях ее пребывания в этих состояниях. Эти состояния образуют полную систему событий [1, 13].
Любое сообщение, с которым мы имеем дело в теории информации, представляет собой совокупность сведений о некоторой физической или биологической структуре, обладающей определенными функциями. К подобным сообщениям можно отнести и анализ белой крови человека, где в определенных соотношениях присутствуют ее морфологические элементы: нейтрофилы палочкоядерные (PJ), сегментоядерные (SJ), моноциты (MONO), базофилы (BAZO), эозинофилы (EOZ) и лимфоциты (LIMF).
При подсчете форменных элементов в мазке крови мы не можем уверенно сказать, какое количество клеток того или иного вида будет выявлено. Эта неопределенность описывается не только числом возможных состояний, но и вероятностями состояний. Когда речь идет о классе клеток, конечное множество состояний представляет собой определенные морфологические структуры, которые могут повторяться в регистрируемом мазке с определенной вероятностью. Этот подход к оценке энтропии лейкоцитарной формулы крови (ЭЛФК) подробно изложен в работе Тихончук и соавт. (1992)[14].
Эта группа авторов предложила использовать понятие ЭЛФК в оценке функциональных состояний. Лейкоцитарная формула периферической крови, определенная их процентным содержанием в мазке, рассматривается как замкнутая система, к которой
исследователи применили решение К.Шеннона для выражения информационной емкости рассматриваемых классов событий:
n
H = - I [(a/100)^log2(a/100)],
i=1
где H - энтропия лейкоцитарной формулы крови (ЭЛФК), в отн. ед.;
i = 1, 2 ... n, n - число групп специфических лейкоцитов в формуле крови;
ai - процентное содержание i - ой группы лейкоцитов в формуле крови (a1 - содержание нейтрофилов PJ, a2 - содержание нейтрофилов SJ, a3 - содержание LIMF, a4 - содержание MONO, a5 - содержание EOZ, a6 - содержание BAZO).
Для любого числа n групп, специфических лейкоцитов, имеющихся в формуле крови, максимальное значение энтропии Hmx= log2(n). Однако, не все группы клеток могут быть представлены в мазке (могут отсутствовать моноциты или базо-филы, или эозинофилы), поэтому целесообразно, а также для удобства практического применения и анализа, определять значение относительной энтропии (H ):
* ' отн
H = (H /H ) *700,
отн ' тек отн 7
где H - энтропия мазка крови (ЭЛФК).
Цель исследования
Оценить возможность использования информационно-энтропийного анализа при анализе лейкоцитарной формулы крови. Практическое применение методика информационной авторской модели анализа клеток крови на основе энтропии Л. Больцмана.
Материалы и методы. Нормальной лейкоцитарной формуле крови, по мнению этих авторов, соответствует диапазон относительной энтропии от 56% до 67%, обратимым реакциям адаптации соответствуют значения от 67% до 75%, при значениях свыше 75% можно диагностировать патологическое состояние. Рост ЭЛФК свидетельствует об ухудшении состояния здоровья, а ее величина (как считают авторы) - о необходимости проведения реабилитационных мероприятий или изменения режима труда и отдыха [14]. Все эти оценки выносятся в том случае, когда отдельные параметры морфологического состава белой крови не выходят за диапазоны принятой клинической нормы.
Результаты и обсуждения. Авторы предложили значения ЭЛФК в пределах (± 3а), однако, в табл. 1 приведены результаты нашего исследования ЭЛФК у 33 командиров атомной подводной лодки в меж-походовый период и у 69 подводников в экипаже атомной подводной лодки на 7-е сутки после возвращения в базу из длительного морского похода. Во всех случаях параметры клеток белой крови были в пределах клинической нормы.
Таблица 1
Энтропия лейкоцитарной формулы крови в исследовании моряков-подводников
ЭЛФК Командиры атомной подводной лодки Подводники экипажа атомной подводной лодки
<56% 26 (78,8%) 49 (71,0%)
56% - 67% 7 (21,2%) 19 (27,5%)
67% - 75% 1 (1,5%)
> 75%
Примечание: жирным шрифтом выделен указанный авторами диапазон нормы [14].
Полученные результаты демонстрируют, что предлагаемый диапазон значений ЭЛФК требует уточнения, так как физиологический смысл значе-
ний ЭЛФК менее 56% авторами не раскрыт. Возможно, здесь следует провести популяционное нормирование или ввести дополнительный параметр в решающее правило для классификации.
В качестве примера описания динамики ЭЛФК, можно продемонстрировать изменения этого параметра при стационарном обследовании 8 моряков, получивших сверхмалую дозу радиационного облучения в результате нарушения техники безопасности при выполнении работ с открытым источником ионизирующего излучения (рис. 1). Подсчет форменных элементов крови был произведен автоматически на приборе «SER0N0 System-9000».
Рис. 1. Модель распределения форменных элементов в мазке белой крови в группе облученных моряков по дням стационарного обследования (Н - среднее значение ЭЛФК, VН - коэффициент вариации выборки значений Н в группе).
' отн ~ ’ отн •• 1 • 1 ~ отн ' * '
Аналогичное исследование было проведено нами в отношении подводников, проходящих службу в Заполярье, заехавших на отдых в военный санаторий «Аврора» (г. Сочи). Значения ЭЛФК до отдыха (62,62±0,76) и после проведенного отдыха (61,35±0,74) не отличались (р>0,05).
Применение методики расчета ЭЛФК у моряков -мигрантов из средних широт в районы Кольского Заполярья с различным стажем службы представлено в нашей статье [4]. Исследование продемонстрировало, что величина ЭЛФК с увеличением полярного стажа неуклонно снижается, это было оценено нами как формирование относительно устойчивой адаптации организма мигрантов к условиям Европейского Севера.
Знакомство с работами [11, 12] натолкнуло нас на мысль рассмотреть возможность применения информационной модели на основе энтропии Больцмана. На этой методике мы остановимся подробнее.
В основу разработанного нами подхода к моделированию сложных биологических систем был положен корреляционный анализ, что вытекало из ранее представленной в литературе концепции
[3, 5, 6, 8, 10]. Для координации работы многочисленных регуляторов функционального состояния человека существует необходимость в разветвленной структуре связей. Все существенные переменные состояния в организме должны находиться в физиологически оптимальных пределах, а это значит, что действия отдельных регуляторных систем требуют взаимного согласования, и, именно наличие и изменение связей обеспечивает такую координацию. Из вышеизложенного вытекает главенствующая роль характеристики взаимосвязей при оценке функционального образа организма человека, что особо важно при исследовании процессов адаптации человека [7].
Людвиг Больцман (1872) первым увидел связь между энтропией и вероятностью и связал их. В дальнейшем Л.Больцман показал, что второй закон термодинамики также является следствием более глубоких статистических законов поведения, в том числе, применительно к системам. Макс Планк (1906) вывел формулу, выражающую основную мысль Л. Больцмана об интерпретации энтропии
как логарифма вероятности состояния системы: S = klоgW (W - вероятность макросостояния, отождествляемая с числом микросостояний системы при условии их равновероятности, а к - коэффициент пропорциональности, зависящий от принятой размерности энтропии, lоg - натуральный логарифм). Коэффициент пропорциональности рассчитан М. Планком и назван им постоянной Больцмана - к, равной 1,38^10-16 эрг/град.
Далее мы будем писать формулу как Н = к^Ж что связано чисто с техническим употреблением этой латинской буквы в левой части уравнения в наших работах с 1993 г. [3].
Установление связи между столь несхожими понятиями, как энтропия и вероятность, стало важнейшим научным достижением. Энтропия - величина физическая, а термодинамическая вероятность -математическая. Численное значение физической величины зависит от выбранной системы единиц, математическая величина - это число (способов, вариантов), связующим звеном между ними и выступает постоянная Больцмана.
В данной методике под термодинамической вероятностью и понимается число микросостояний системы (микросостояния могут быть описаны распределением значимых и незначимых связей (по коэффициентам корреляции) между элементами системы в корреляционной матрице), при которых реализуется данное макросостояние.
Корреляционная матрица (табл. 2) строится на основе внесения в нее коэффициентов корреляции между отдельными параметрами функциональной системы. Под значимым коэффициентом корреляции понимается значение, имеющее принятую в медицине границу вероятности события не менее 95% (или уровень значимости различий р<0,05).
Величину W мы рассчитываем как термодинамическую вероятность при числе сочетаний из п по т:
W = Стп = п! / т! (п-т)!
п - число возможных связей между элементами системы;
т - число значимых корреляционных связей в матрице;
п! - «энфакториал» (п! = 1^2«3»4 ... • п).
Расчет организации системы производится по формуле
Rs = ф • о
ф - средняя сила связи в системе, эквивалентная средней надежности связи, а о - сложность модели.
о = 2^п2
N - число связей между элементами системы;
п - число элементов системы
/=N
ф = (Е |п|) / N 1=1
|й| - коэффициент корреляции, взятый по модулю.
Эта методика развивает классический корреляционный анализ, позволяя описать корреляционную матрицу двумя параметрами: организацией (Rs) и энтропией (Н).
Рассмотрим пример. В табл. 2 представлены результаты корреляционного анализа (коэффициенты корреляции (по Spearman Rank Correlation) и их уровень значимости) между учитываемыми параметрами мазка белой крови (PJ, SJ, MONO, EOZ, BAZO, LIMF).
Таблица 2
Корреляционная матрица по результатам анализа
Параметры PJ SJ mono EOZ BAZo
SJ - 0,1465 p>0,05
mono - 0,5053 p<0,01 О Ю ю о 8* о a
EOZ 0,1562 p>0,05 - 0,4057 p<0,01 - 0,0790 p>0,05
BAZo 45 40 & q ,1 > 0p - 0,1657 p>0,05 - 0,1127 p>0,05 0,1300 p>0,05
LiMF 95 40 0p - 0,6609 p<0,001 - 0,2910 p>0,05 75 90 О ,1 > 0p 0,2423 p>0,05
Примечание: жирным шрифтом выделены значимые коэффициенты парной корреляции
Из корреляционной матрицы видно, что имеются значимые (p<0,05 и менее) корреляционные связи между MONO и PJ (г = - 0,5053, p<0,01), между EOZ и SJ (г = - 0,4057, p<0,01), между LIMF и SJ (г = -
0,6609, p<0,001), то есть мы получили 3 связи. Всего между анализируемыми параметрами могло быть 15 связей.
A. Произведем расчет термодинамической вероятности зарегистрированного состояния системы 6 форменных элементов в мазке крови при числе сочетаний из 15 (n) по 3 (m) по формуле:
W = 15! / 3! (15 - 3)! = 13-14-15 / 2-3 = 455 H = 1,38-10-16 ln(455) = 1,38-10-16 • 6,12 = 8,446-10-16
Б. Рассчитаем организация рассматриваемой системы
Сложность модели из 6 форменных элементов с тремя корреляционными связями о = 2-3 / 62 = 6 / 36 = 1,667 Средняя сила связи в системе ф = (|- 0,5053| + | - 0,4057| + |- 0,6609|) / 3 = 0,524 из чего следует, что организация системы равна: Rs = 0,524 - 1,667 = 0,873
Таким образом, нам удалось описать корреляционную матрицу двумя параметрами: энтропией корреляционной матрицы (H=8,446-10-16) и ее организацией (Rs=0,873). Подобный подход к оценке эффектов адаптации является наиболее адекватным, так как дает интегральную характеристику, имеющую свое количественное и качественное выражение, а, следовательно, он может быть описан и сравним.
I II III IV V VI VII VIII IX X XI XII
Рис. 2. Модель сезонного изменения параметров белой крови в модели на основе энтропии Больцмана по материалам обследования экипажей атомных подводных лодок (сокращения - по тексту, в августе исследования не проводились).
На рис. 2 представлена сезонная динамика моделей изменения параметров белой крови у подводников, проходящих службу на соединении атомных подводных лодок в условиях Кольского Заполярья, в модели на основе энтропии Больцмана (n = 573) [9].
При удовлетворительной и относительно устойчивой адаптации изменения энтропии и организации функциональной системы носят разнонаправленный характер (dH/dt>0, а dRs/dt<0, или dH/dt<0, а dRs/dt>0); при астенических реакциях и развивающейся дизадаптации - однонаправленный характер (dH/dt>0 и dRs/dt>0, или dH/dt<0 и dRs/dt<0), а также Rs^0, или находятся в состоянии «гиперустойчивости» (dH/dt=0) [1, 3, 5, 6].
Выводы:
Рассмотренные в настоящей статье информационные методики исследования параметров белой крови человека достаточно простоты, относительно доступны и воспроизводимы.
На этапе количественных и качественных изменений показателей периферической крови, можно, применяя информационные методики, косвенно оценить уровень и степень компенсации эффектор-ных механизмов иммунной системы.
Представленная методика информационного анализа может стать эффективным инструментов для проведения исследований с высоким уровнем обобщения результатов исследования.
ЛИТЕРАТУРА
1. Айламазян А.К., Стась Е.В. Информатика и теория развития. М. : Наука, 1989. 174 с.
2. Бекенштейн Я. Информация в голографической вселенной/ Я. Бекенштейн // В мире науки. 2003. №11. С. 52-59.
3. Мызников И.Л., Перфилов А.М. Информационный анализ корреляционных матриц // Мор. мед. журнал. 1994. №1. C.40-42.
4. Мызников И.Л., Шаталов А.И., Перетечиков В.В. Информационная модель адаптационного процесса у моряков в условиях Кольского Заполярья // Воен.-мед. журнал. 1994. № 11. С. 52-56.
5. Мызников И.Л. Информационная модель развития адаптации // Физиология человека. 1995. Т.21. №4. С. 63-68.
6. Мызников И.Л., Бортновский В.Н. Способ оценки адаптационного процесса. Новый подход. // Мор. мед. журн. 1996. №1. С. 2-10.
7. Мызников И.Л., Рогованов Д.Ю. «Функциональное состояние» или «функциональный образ»? // Мор. мед. журнал. 1999. №2. С.39-40.
8. Мызников И.Л. Подход к построению обобщенных моделей физиологических процессов // Экология человека. 2003. №3. С.44-46.
9. Мызников И.Л. Функциональное состояние и сезонные изменения системы белой крови у подводников в условиях Кольского Заполярья /И.Л.Мызников,
В.В.Марченко, Б.А. Мик // Авиакосмическая и экологическая медицина. 2003. Т.37, №1. С. 57-60.
10. Мызников И.Л. Информационная емкость корреляционной матрицы в практике описания многопрофильных вопросников /И.Л. Мызников //Механизмы стресса в экстремальных условиях: Сборник научных трудов/ Под ред И. Б. Ушакова, Ю. А. Бубе-ева. М.: НИИИ ВМ МО РФ: 2005. С. 71-74.
11. Лебедев К.А., Понякина И.Д., Козаченко Н.В. Понятие нормы в оценке иммунологического статуса человека // Физиология человека. 1989. Т.15, № 6. С. 34-45.
12. Лебедев К.А., Понякина И.Д. Принцип работы систем организма человека и их приложение в практической медицине // Физиология человека. 1991. Т. 17, №4. С.132-145.
13. Осипов А. И., Уваров А.В. Энтропия и ее роль в науке // Соросовский образовательный журнал. 2004. Т.8, .№ 1. С. 70-79.
14. Тихончук В.С., Ушгаков И.Б., Карпов В.Н., гральных показателей периферической крови чело-Зуев В.Г. Возможности использования новых инте- века // Воен.-мед. журн. 1992. № 3. С. 27-31.
Myznikov I.L., Marchenko V.V., Perminov D.G.
METHODS OF INFORMATION MORPHOLOGY WHITE BLOOD
Medical Service of the Northern Fleet, the military clinic.
In the biological and medical sciences, information analysis allows to show with the help of generalized models of physiological adaptation features. The authors examine the possible use of STI-entropy Claude Elwood Shannon to express the information capacity of blood leukocyte counts, and presented a technique developed by the authors of the information model of blood cells on the basis of Boltzmann entropy. On examples of maritime medicine are examples of information modeling obtained in the study of submariners in the Kola Polar Region. Information analysis technique may be an effective research tool with a high level of generalization of the results of the study.
Key words: blood, information techniques, the entropy, the organization, the sea medicine, underwater medicine, physiological adaptation.
Сведения об авторах:
Мызников Игорь Леонидович, начальник медицинской службы Видяевского района базирования Северного флота; e-mail: myznikov@nm.ru.
Марченко Виктория Валентиновна, врач-лаборант военной поликлиники.
Перминов Дмитрий Геннадьевич, начальник военной поликлиники.
© Коллектив авторов, 2013 г УДК 616.127-009.72-036.651-089.86.
Сейидов В.Г., Андрюков Б.Г., Зуйкова И.В., Баранец А.И., Горовая Н.Н. МЕТАБОЛИЧЕСКИЕ МАРКЕРЫ РЕЦИДИВА СТЕНОКАРДИИ ПОСЛЕ АОРТОКОРОНАРНОГО ШУНТИРОВАНИЯ У БОЛЬНЫХ ИБС
ФБУ военно-морской клинический госпиталь ТОФ, Владивосток, Россия
Ключевые слова: стенокардия, аортокоронарное шунтирование, ишемическая болезнь сердца, С-реактивный белок.
В настоящее время ишемическая болезнь сердца остается одним из самых распространенных заболеваний. 1 Особое место в ее лечении занимает хирургический метод реваскуляризации миокарда. При отсутствии положительного эффекта от медикаментозной терапии, доказанным высокоэффективным методом лечения является аортокоронарное шунтирование. Ежегодно у 25% из общего числа оперированных по поводу ишемической болезни сердца больных возникает рецидив стенокардии. В большинстве случаев при рецидиве стенокардии консервативная терапия, оказывается малоэффективной и методом выбора лечения у таких больных становится повторное хирургическое вмешательство.
Цель исследования.
Сравнить отдаленные результаты коронарного шунтирования и консервативного лечения. Оценить влияние дислипидемии, диабета, характера гипогли-кемической терапии, артериальной гипертензии, повышения маркеров системного воспаления на рецидив стенокардии после операции.
Материал и методы.
В период с 1989 по 2010 гг. обследовано 523 пациента через год после коронарного шунтирования и 168 больных, которые лечились консервативно. Всем пациентам в течение года ежемесячно проводились лабораторные исследования, включающие в том числе исследование липидного статуса и С-реактивного белка.
Количественные данные представлены в виде среднего арифметического значения ± среднее квадратическое отклонение (М±о) при оценке данных естественного разброса. Критический уровень значимости при проверке статистических гипотез принимался равным 0,05.
Результаты исследования и обсуждение.
До коронарного шунтирования пациенты имели в основном Ш-ІУ ФК стенокардии - 74,4% и были статистически сопоставимы с группой консервативного лечения. Через 1 месяц после коронарного шунтирования у подавляющего большинства больных отсутствовали симптомы стенокардии - 74,9%, стенокардия І-ІІ ФК наблюдалась у 18,6%, стенокар-
