CC BY
6
ВЕСТНИК НОВЫХ МЕДИЦИНСКИХ ТЕХНОЛОГИЙ - 2022 - Т. 29, № 4 - С. 117-120
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2022 - Vol. 29, № 4 - P. 117-120
УДК: 611.1 DOI: 10.24412/1609-2163-2022-4-117-120 EDNVDOXZC |||||
ПОЧЕМУ ДЕТЕРМИНИСТСКИЙ И СТОХАСТИЧЕСКИЙ ПОДХОД НЕВОЗМОЖНО ИСПОЛЬЗОВАТЬ В КАРДИОЛОГИИ И ВО ВСЕЙ МЕДИЦИНЕ?
В.В. ЕСЬКОВ*, Л.С. ШАКИРОВА**
*БУ ВО ХМАО - Югры «Сургутский государственный университет», пр. Ленина, д. 1, г. Сургут, 628403, Россия **ФГУ «ФНЦНаучно-исследовательский институт системных исследований Российской академии наук». Обособленное подразделение «ФНЦ НИИСИ РАН» в г. Сургуте, ул. Базовая, д. 34, г. Сургут, 628400, Россия
Аннотация. Открытие эффекта Еськова-Зинченко ограничивает дальнейшее использование статистики в медицине. Цель исследования: доказать ограничения математической статистики в медицине и демонстрация новых инвариант в кардиологии. Объекты и методы исследования. В режиме 225-ти повторных регистрации выборок кардиоинтервалов (для каждого испытуемого из всей группы в 15 человек) строились матрицы парных сравнений для каждой серии (в серии было 15 выборок кардиоинтервалов). В итоге было построено 15 матриц парных сравнений таких выборок (всего 225 матриц). Каждый человек давал выборки из 15-ти чисел k Это число kхарактеризует число пар выборок в матрице, которые имеют критерий Вилкоксона pj>0,05. Результаты и их обсуждение. Любая матрица парных сравнений выборок показывает число kk ^20% от всех 105-ти пар сравнения. Все 15 выборок чисел k позволили построить матрицы парных сравнений чисел k и найти в такой уникальной матрице число k (где pij>0,05). Заключение. Полученное число kk> 95и это доказывает, что k инвариант.
Ключевые слова: кардиоинтервалы, хаос, эффект Еськова-Зинченко.
WHY IS IT IMPOSSIBLE TO USE THE DETERMINISTIC AND STOCHASTIC APPROACH IN CARDIOLOGY AND IN ALL MEDICINE?
V.V. ESKOV*, L.S. SHAKIROVA**
*Surgut state university, Lenin Ave., 1, Surgut, 628408, Russia **FSI "Federal Research Center Scientific Research Institute for System Research of the Russian Academy of Sciences",
Separate Subdivision of the Federal Scientific Center NIISIRAS in Surgut, 34, Bazovaya Str., Surgut, 628426, Russia
Abstract. The discovery of the Eskov-Zinchenko effect limits the further use of mathematical statistics in medicine. The research purpose is to prove the limits of mathematical statistics in medicine and to demonstrate new invariants in cardiology. Object and methods. In the mode of 225 consecutive registration of samples of cardiointervals (RR intervals, for each subject from the entire group of 15 people), matrices of paired comparisons were built for each series (there were 15 samples of RR intervals in the series). As a result, 15 matrices of pairwise comparisons of such samples were constructed (225 matrices in total). Each person gave samples of 15 numbers "k". This number "k" characterizes the number of pairs of samples in the matrix that have the Wilcoxon test pi, >0.05. Results. Any matrix of paired comparisons of samples shows the number kk ^20% of all 105 pairs of comparisons. All 15 samples of numbers "k" made it possible to build matrices of pairwise comparisons of numbers "k" and find the number "k" in such a unique matrix (where pij >0.05). Conclusion: the number kk> 95 and this proves that "k" is an invariant.
Keywords: RR intervals, chaos, Eskov-Zinchenko effect.
Введение. Более 150 лет в кардиологии и во всей медицине широко используются методы детерминистской и стохастической наук (ДСН). Общей классификации всех систем природы W. Weaver вывел все биосистемы за пределы систем первого типа (СПТ) -детерминистские системы и систем второго типа (СВТ) - стохастические системы. Для биосистем W. Weaver предлагал создать новую третью (после ДСН) науку. Эти системы третьего типа (СТТ) не могут описываться в рамках ДСН и требует новых понятий и новых моделей для описания [5-11].
За 50 лет после публикации W. Weaver [1] никто в мире даже не пытался это проверить и доказать. Тем более никто даже не пытался создать такую теорию. Очевидно, что первоначально надо было доказать особые (специальные) свойства биосистем, которые бы не могли описываться в рамках традиционной ДСН [2-8].
Двадцать лет назад были доказаны эти особые свойства СТТ и начато создание такой новой (третей, после ДСН) науки о биосистемах. Был описан эффект
Еськова-Зинченко (ЭЕЗ), в котором показано отсутствие статистической устойчивости любых выборок, любых параметров функции организма. В первую очередь речь пойдет о сердечно-сосудистой системе (ССС) человека и его нервно-мышечной системе (НМС) [5-11].
Для доказательства этого утверждения проведены десятки тысяч повторных измерений выборок КИ от 20000 испытуемых и изучены эти выборки на предмет их статистической устойчивости. Итог этих работ - ЭЕЗ [8-16] в виде доказательства отсутствия статистической устойчивости выборок любых параметров, любых функций человека. Этим было завершено дальнейшее использование ДСН в биофизике [2-11].
Объекты и методы исследования. Группа испытуемых (средний возраст <Т>=28 лет) в количестве 15 человек обследовались с помощью прибора Элокс-01 в режиме 225 повторных регистраций (для каждого испытуемого из группы).
Каждая такая регистрация длилась 5 минут и по-
этому в каждой выборке было не менее 300-х значений КИ (в миллисекундах). В итоге для каждого испытуемого из группы строились 15 матриц парных сравнений выборок КИ (при одном измерении).
В каждой такой матрице мы находили числа к пар выборок КИ, которые показывали критерии Вилкоксона рц >0,05. Здесь г и / - это номера выборок КИ. Если рц>0,05, то такая пара выборок КИ может иметь общую генеральную совокупность. В этом случае мы говорим о статистическом совпадении г-й и /-й выборки КИ.
В итоге для 15-ти человек построено 225 матриц парных сравнений выборок КИ и получили 15 серий значений к. Каждая такая серия чисел к содержала 15 значений к для каждого г-го испытуемого.
Эти 15 серий в итоге статистически сравнивались путем построения матриц парных сравнений всех 15-ти выборок чисел к. В такой матрице мы находили число кк, то есть число пар выборок чисел к, которые имели критерий Манна-Уитни рц>0,05 [5-11].
Конечная цель всех этих исследований сводится к доказательству возможности выбора числа к в качестве базового инварианта для определения неизменности системы ССС и однородности группы испытуемых.
Результаты и их обсуждение. Считается, что пол, возраст, проживание на одной территории (и т.д.) полностью гарантируют однородность выборки группы людей. Двадцать лет назад была поставлена под сомнение эта догма во всей биомедицине [2-8].
Очевидно, что если каждый испытуемый из такой группы генерирует свою (уникальную) выборку и выборки данного параметра не совпадают, то эта группа не однородна. Таких испытуемых нельзя объединять!
В ЭЕЗ по факту отсутствия устойчивости выборок КИ доказана уникальность любой выборки [8-16]. Это означает, что при повторных измерениях выборок КИ (по 15 раз и каждая выборка регистрировалась по 5 минут, как это требует Европейская ассоциация кардиологов) эти выборки принадлежат разным генеральным совокупностям.
Один человек (любой житель Земли) не может два раза подряд продемонстрировать одинаковые (статистически) выборки КИ и других 15 -ти параметров ССС, которые были изучены. Любая выборка уникальна, и дальше корректно использовать статистику в изучении ССС [10-16]. Любая выборка любого параметра ССС уникальна, и она не дает прогноз для описания ССС в будущем [1-7]. Это итог доказательства ЭЕЗ. Более того, любая группа испытуемых не может быть однородной, то есть выборки КИ всех этих людей (из группы) принадлежат к разным испытуемым. Представим два характерных примера этому утверждению, как для одного испытуемого, так и для группы.
В табл. представлена матрица парных сравнений 15-ти выборок КИ (от одного и того же испытуемого, в спокойном состоянии, сидя). В этой матрице представлены критерии Вилкоксона р при сравнении г-и
и /-и выборок КИ. Известно, что при рц >0,05 выборки статистически совпадают и (имеют общую генеральную совокупность).
Таблица 1
Матрица сравнения 15-ти выборок кардиоинтервалов, полученных от одного и того же испытуемого при повторных измерениях (парное сравнение по Вилкоксону, критерий значимости р<0,05), число совпадений &=11
Очевидно, что число к таких совпадающих статистически пар выборок к<15% в этой матрице. Это доказывает, что человек не может генерировать статистически одинаковые выборки КИ. Более того, если взять группу 15 -ти разных испытуемых (одинакового пола, возраста, физиологически мало отличающихся), то все 15 таких выборок между собой не будут совпадать [1-7].
Каждый такой испытуемый из якобы однородной (в физиологическом смысле) группы, генерирует свою особую выборку КИ. Очень малое число пар сравнения всех этих 15-ти выборок КИ разных испытуемых могут показать критерий Манна-Уитни (и другие критерии - Краскера-Уоллесса и др.) со значением рц >0,05 [4-9].
Если, при сравнении г-и и /-и выборок двух разных испытуемых мы имеем рц >0,05, то это означает их принадлежность к общей генеральной совокупности. Для примера мы представим типовую табл. 2, где число таких пар (с рц >0,05) очень мало.
В табл. 2 мы имеем очень малое число разных пар выборок сравнения, которые бы доказывали однородность этой группы испытуемых. Очевидно, что из 105 разных пар сравнения КИ мы имеем менее 20% пар, которые статистически совпадают. Более 80% пар сравнения всегда имеют рц<0,05, то есть они имеют разные генеральные совокупности. Очевидно, что таких испытуемых невозможно объединять в одну группу.
Если каждая выборка каждого испытуемого из группы (якобы однородной группы) будет уникальной (будет не совпадать с выборками других испытуемых из группы), то такая группа не может считаться однородной. Фактически, это следует уже из ЭЕЗ, где каждая выборка любого испытуемого уникальна.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 0,00 0,34 0,00 0,00 0,00 0,50 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
2 0,00 0,00 0,72 0,00 0,00 0,00 0,01 0,05 0,61 0,00 0,00 0,00 0,00 0,00
3 0,34 0,00 0,00 0,00 0,00 0,76 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
4 0,00 0,72 0,00 0,00 0,00 0,00 0,00 0,17 0,44 0,00 0,00 0,00 0,00 0,00
5 0,00 0,00 0,00 0,00 0,04 0,00 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 0,04 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
7 0,50 0,00 0,76 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
8 0,00 0,01 0,00 0,00 0,00 0,00 0,00 0,20 0,08 0,00 0,00 0,00 0,00 0,00
9 0,00 0,05 0,00 0,17 0,00 0,00 0,00 0,20 0,27 0,00 0,00 0,00 0,00 0,00
10 0,00 0,61 0,00 0,44 0,00 0,00 0,00 0,08 0,27 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 0,00
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 0,00 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 0,93 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 0,00 0,93 0,00
15 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
Таблица 2
Матрица сравнения выборок кардиоинтервалов 15-ти мальчиков, 3 этап исследования (в конце отдыха перед отъездом из оздоровительного лагеря в Сургут (критерий значимости р<0,05)), число совпадений к=7
Таблица 3
Число пар совпадений выборок (к) для всех 225-ти матриц парного сравнения параметров КИ у группы из 15-ти испытуемых при повторных экспериментах (до нагрузки)
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 0,11 0,00 0,00 0,00 0,00 0,00 0,00 0,00
3 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,14 0,00 0,00 0,00 0,29
4 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
5 0,00 0,00 0,00 0,00 0,00 0,00 0,07 0,00 0,00 0,00 0,00 0,00 0,50 0,00
6 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,26 0,00 0,00 0,00 0,00
7 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,05 0,00 0,00 0,00 0,00 0,00 0,00
8 0,00 0,11 0,00 0,00 0,07 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
9 0,00 0,00 0,00 0,00 0,00 0,00 0,05 0,00 0,00 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 0,00 0,00 0,00 0,06 0,00 0,00 0,00
11 0,00 0,00 0,14 0,00 0,00 0,26 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
12 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,06 0,00 0,00 0,00 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 0,50 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
15 0,00 0,00 0,29 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
Наступает эпоха завершения дальнейшего использования методов и моделей ДСН в изучении живых систем. В этой связи возникает вопрос о существовании каких-либо инвариант для описания организма человека. Более того, что тогда такое, например, гомеостаз, если все параметры организма непрерывно и хаотично изменяются [5-8].
Существуют ли вообще какие-либо параметры ССС, которые могут статистически сохраняться в физиологии (психологии, экологии). Что такое «неизменное» состояние организма человека? Ответ на этот вопрос мы сейчас и представляем.
Оказывается, если у одного и того же испытуемого подряд зарегистрировать 15 серий выборок КИ (в каждой такой серии по 15 выборок КИ), то мы можем для этих 225 выборок получить 15 выборок чисел к, в каждой выборке из 15 чисел к. Каждое такое число k получено из 15-ти выборок КИ. Для группы из 15-ти человек мы уже получаем (15*225) - 3375 выборок значений КИ. Эти числа состоят из 15-ти выборок (по 15 значений для каждого испытуемого). В итоге, мы получаем общую таблицу из 225 значений k для всех 15-ти испытуемых (табл.3). Число таких КИ в наших расчетах будут около 1112500 (если в каждой выборке не менее 300-т КИ [1-7].
Итог этих расчетов представлен в табл. 3, где даны все значения k для всех 15-ти человек (по 15 матриц для каждого испытуемого). В этой мы представлены все 15 серий значений k и в каждой такой серии 15 значений k (для каждого испытуемого из группы в 15 человек).
Для каждого испытуемого из группы мы рассчитывали 15 матриц, которые были подобны табл. 1. В итоге, каждый человек из группы давал одну серию k (из 15-ти значений к).
№ п/п Значения k¡ у 15-ти испытуемых
к. к2 кз к4 ks к„ к7 к8 к, к,о кп к12 к,з к,4 к,5
1 15 12 9 6 14 12 14 11 17 15 10 12 26 14 13
2 9 8 12 11 6 22 13 14 18 9 13 7 20 9 13
3 10 4 13 14 17 19 16 13 11 10 11 9 12 21 14
4 5 6 11 9 17 10 11 16 15 22 11 10 15 10 12
5 19 13 13 12 16 11 10 14 12 20 15 8 15 10 12
6 10 6 14 13 11 11 12 13 10 12 15 15 18 12 12
7 10 9 9 13 21 29 16 14 11 20 14 14 15 12 14
8 11 31 10 15 11 13 13 14 13 19 12 6 16 10 18
9 16 7 13 12 18 9 14 11 14 11 7 17 13 14 15
10 8 4 9 15 25 12 12 13 14 10 11 17 14 12 17
11 16 6 10 12 12 17 12 17 12 7 13 16 19 20 19
12 20 6 12 14 14 8 13 16 14 12 10 11 15 13 14
13 10 4 14 15 18 12 16 14 13 15 11 38 14 16 13
14 6 9 12 13 11 13 15 17 9 14 13 11 17 14 16
15 17 4 10 10 20 14 14 11 16 18 15 18 15 12 15
<к> 12 9 11 12 15 14 13 14 13 14 12 14 16 13 15
4,7 6,8 1,8 2,5 4,8 5,6 1,8 2,0 2,5 4,6 2,3 7,7 3,5 3,5 2,2
В итоге, мы эти 15 выборок чисел k сравнили по непараметрическим критериям (Манна--Уитни, Крас-кера-Уоллеса и т.д.) и находили число кк. Это сравнение происходило попарно и получили таблицу из парного сравнения выборок k для данной группы испытуемых (табл. 4).
Таблица 4
Матрица парных сравнений выборок чисел к для 15-ти разных испытуемых, использовался критерий Ньюмана-Кейлса для выборок к пары сравнений (значимость р<0,05, число совпадений к/=98)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 0,23 1,00 1,00
2 1,00 1,00 0,74 0,00 0,16 0,04 0,01 0,08 0,02 1,00 0,30 0,00 0,23 0,00
3 1,00 1,00 1,00 0,41 1,00 1,00 1,00 1,00 1,00 1,00 1,00 0,01 1,00 0,63
4 1,00 0,74 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 0,51 1,00 1,00
5 1,00 0,00 0,41 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
6 1,00 0,16 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
7 1,00 0,04 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
8 1,00 0,01 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
9 1,00 0,08 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
10 1,00 0,02 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
11 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 0,20 1,00 1,00
12 1,00 0,30 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
13 0,23 0,00 0,01 0,51 1,00 1,00 1,00 1,00 1,00 1,00 0,20 1,00 1,00 1,00
14 1,00 0,23 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
15 1,00 0,00 0,63 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
Цель такого парного сравнения выборок k заключается в объективном нахождении новых инвариант и поисков критерия расчета однородности группы. При этом в табл. 2 группа неоднородна из-за отсутствия совпадений выборок КИ для всех 15-ти испытуемых.
Из табл. 4 следует, что число пар Z, для которых выборки k имеют общую генеральную совокупность, весьма велико. Оно сопоставимо с требованиями статистики (часто это Z >95% от всех 105 пар сравнения в табл. 4). Это статистически значимый результат. Очевидно, что эти числа k в матрицах (типа табл. 1) будет инвариантами.
ВЕСТНИК НОВЫХ МЕДИЦИНСКИХ ТЕХНОЛОГИЙ - 2022 - Т. 29, № 4 - С. 117-120
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2022 - Vol. 29, № 4 - P. 117-120
Выводы. Отсутствие статистической устойчивости выборок параметров работы сердца (у нас это КИ) приводит к доказательству ЭЕЗ, который полностью завершает дальнейшее использование статистики в биомедицине.
Используя любую выборку КИ, мы не можем прогнозировать будущее состояние ССС испытуемого. Нужны новые инварианты, которые бы сохранились и давали прогноз будущего для биосистемы.
В качестве таких инвариант сейчас мы предлагаем расчёт чисел k в матрицах парных сравнений выборок. Это число k представляет число пар выборок КИ, которые имеют критерий Вилкоксона (Манна-Уитни) pj>0,05. Тогда i-я и j-я выборки статистически совпадают. Фактически, это доля статистической устойчивости той или иной выборки.
Литература / References
1. Еськов В.В. Математическое моделирование гомеостаза и эволюции complexity: монография. Тула: Издательство ТулГУ, 2016. 307 с. / Es'kov VV. Matematicheskoe modelirovanie gomeostaza i ehvolyucii complexity: monografiya [Mathematical modeling of homeostasis and evolution of complexity: monograph]. Tula: izd-vo TulGU; 2016. Russian.
2. Еськов В.В., Пятин В.Ф., Филатова Д.Ю., Башкатова Ю.В. Хаос параметров гомеостаза сердечно-сосудистой системы человека. Самара: Изд-во ООО «Порто-Принт», 2018. 312 с. / Es'kov VV, Pyatin VF, Filatova DYu, Bashkatova YuV. Khaos parametrov gomeostaza ser-dechno-sosudistoy sistemy cheloveka [Chaos of parameters of homeostasis of the human cardiovascular system]. Samara: Izd-vo OOO «Porto-Print»; 2018. Russian.
3. Еськов В.В., Башкатова Ю.В., Шакирова Л.С., Веденеева Т.С., Мордвинцева А.Ю. Проблема стандартов в медицине и физиологии // Архив клинической медицины. 2020. Т. 29, №3. С. 211-216 / Es'kov VV, Bashkatova YuV, Shakirova LS, Vedeneeva TS, Mordvintseva AYu. Problema standartov v meditsine i fiziologii [The problem of standards in medicine and physiology]. Arkhiv klinicheskoy meditsiny. 2020;29(3):211-6. Russian.
4. Еськов В.В., Галкин В.А., Гавриленко Т.В., Юшкевич Д.П., По-росинин О.И. Моделирование неопределенностей в рамках компарт-ментно-кластерной теории // Сложность. Разум. Постнеклассика. 2021. № 4. С. 85-94 / Es'kov VV, Galkin VA, Gavrilenko TV, Yushkevich DP, Porosinin OI. Modelirovanie neopredelennostey v ramkakh kompart-ment-no-klasternoy teorii [Modeling of uncertainties in the framework of compartment-cluster theory]. Slozhnost'. Razum. Postneklassika. 2021;4:85-94. Russian.
5. Филатова О.Е., Чемпалова Л.С., Оразбаева О.А., Мельникова Е.Г. Нейровегетативный статус аборигенов Югры // Сложность. Разум. Постнеклассика. 2019. № 4. С. 14-23. DOI: 10.12737/2306-174X-2019-12-21 / Filatova OE, Chempalova LS, Orazbaeva OA, Mel'ni-kova EG. Ney-rovegetativnyy status aborigenov Yugry [Neurovegetative status of the aborigines of Ugra]. Slozhnost'. Razum. Postneklassika. 2019;4:14-23. DOI: 10.12737/2306-174X-2019-12-21. Russian.
6. Хадарцев А.А., Галкин В.А., Башкатова Ю.В., Гавриленко Т.В. Фундаментальные источники непредсказуемости для биосистем у M. Gell-Mann // Сложность. Разум. Постнеклассика. 2022. № 1. С. 95108. DOI: 10.12737/2306-174X-2022-90-102 / Khadartsev AA, Galkin VA, Bashkatova YuV, Gavrilenko TV. Fundamental'nye istochniki nepredskazuemosti dlya biosistem u M. Gell-Mann [Fundamentale Quellen der Unberechenbarkeit für Biosysteme in M. Gell-Mann]. Slozhnost'. Razum. Postneklassika. 2022;1:95-108. DOI: 10.12737/2306-
174X-2022-90-102. Russian.
7. Eskov V.M., Filatova O.E. Problem of identity of functional states in neuronal networks // Biophysics. 2003. Vol. 48, N3. P. 497-505 / Eskov VM, Filatova OE. Problem of identity of functional states in neuronal networks. Biophysics. 2003;48(3):497-505.
8. Eskov V.M. Evolution of the emergent properties of three types of societies: The basic law of human development Emergence // Complexity and Organization. 2014. Vol. 16, N2. P. 107-115 / Eskov VM. Evolution of the emergent properties of three types of societies: The basic law of human development Emergence. Complexity and Organization. 2014;16(2):107-15.
9. 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, N1. P. 14-23 / 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.
10. Filatova O.E., Bashkatova Yu.V., Shakirova L.S., Filatov M.A. Neural network technologies in system synthesis // IOP Conf. Series: Materials Science and Engineering. 2021. Vol. 1047. P. 012099. DOI: 10.1088/1757-899X/1047/1/012099 / Filatova OE, Bashkatova YuV, Shakirova LS, Filatov MA. Neural network technologies in system synthesis. IOP Conf. Series: Materials Science and Engineering. 2021;1047:012099. DOI: 10.1088/1757-899X/1047/1/012099.
11. Filatov M.A., Ilyashenko L.K., Kolosova A.I., Makeeva S.V. Stochastic and chaotic analysis of students' attention parameters of different ecological zones // Human Ecology. 2019. №7. P. 11-16 / Filatov MA, Ilyashenko LK, Kolosova AI, Makeeva SV. Stochastic and chaotic analysis of students' attention parameters of different ecological zones. Human Ecology. 2019;7:11-6.
12. Filatov M.A., Poluhin V.V., Shakirova L.S. Identifying objective differences between voluntary and involuntary motion in biome-chanics // Human. Sport. Medicine. 2021. Vol. 21, N1. P. 145-149 / Filatov MA, Poluhin VV, Shakirova LS. Identifying objective differences between voluntary and involuntary motion in biomechanics. Human. Sport. Medicine. 2021;21(1):145-9.
13. Gavrilenko T.V., Es'kov V.M., Khadartsev A.A., Khimikova O.I., Sokolova A.A. The new methods in gerontology for life expectancy prediction of the indigenous population of Yugra // Adv Ger-ontol. 2014. Vol. 27, N1. P. 30-36 / Gavrilenko TV, Es'kov VM, Khadartsev AA, Khimikova OI, Sokolova AA. The new methods in gerontology for life expectancy prediction of the indigenous population of Yugra. Adv Gerontol. 2014;27(1):30-6.
14. Vokhmina Y.V., Eskov V.M., Gavrilenko T.V., Filatova O.E. Medical and biological measurements: Measuring order parameters based on neural network technologies // Measurement Techniques. 2015. Vol. 58, N4. P. 65-68 / Vokhmina YV, Eskov VM, Gavrilenko TV, Fila-tova OE. Medical and biological measurements: Measuring order parameters based on neural network technologies. Measurement Techniques. 2015;58(4):65-8.
15. Khadartseva K.A., Filatov M.A., Melnikova E.G. The problem of homogenous sampling of cardiovascular system parameters among migrants in the Russian North // Human Ecology. 2020. №7. P. 27-31 / Khadartseva KA, Filatov MA, Melnikova EG. The problem of homogenous sampling of cardiovascular system parameters among migrants in the Russian North. Human Ecology. 2020;7:27-31.
16. Kozlova V.V., Galkin V.A., Filatov M.A. Diagnostics of brain neural network states from the perspective of chaos // Journal of Physics Conference Series. 2021. Vol. 1889, N5. P. 052016. DOI: 10.1088/17426596/1889/5/052016 / Kozlova VV, Galkin VA, Filatov MA. Diagnostics of brain neural network states from the perspective of chaos. Journal of Physics Conference Series. 2021;1889(5):052016. DOI: 10.1088/17426596/1889/5/052016.
Библиографическая ссылка:
Еськов В.В., Шакирова Л.С. Почему детерминистский и стохастический подход невозможно использовать в кардиологии и во всей медицине? // Вестник новых медицинских технологий. 2022. №4. С. 117-120. Б01: 10.24412/1609-2163-2022-4-117-120. ББМ УБ0Х2С.
Bibliographic reference:
Eskov VV, Shakirova LS. Pochemu deterministskiy i stokhasticheskiy podkhod nevozmozhno ispol'zovat' v kardiologii i vo vsey meditsine? [Why is it impossible to use the deterministic and stochastic approach in cardiology and in all medicine?]. Journal of New Medical Technologies. 2022;4:117-120. DOI: 10.24412/1609-2163-2022-4-117-120. EDN VDOXZC. Russian.
