CC BY
19
СОВРЕМЕННЫЕ ПОДХОДЫ К РАЗРАБОТКЕ И ИСПОЛЬЗОВАНИЮ МЕТОДОВ ИДЕНТИФИКАЦИИ ПОРОГОВ ВАРИАБЕЛЬНОСТИ СЕРДЕЧНОГО РИТМА ПРИ ТЕСТИРОВАНИИ И В ТРЕНИРОВКЕ СПОРТСМЕНОВ В ЦИКЛИЧЕСКИХ ВИДАХ СПОРТА (теоретический анализ научных работ)
Е.В. ФЕДОТОВА, ФГБУ ФНЦ ВНИИФК, г. Москва
Аннотация
Цель исследования - выявить современные подходы к использованию методов анализа и показателей вариабельности сердечного ритма (ВСР) для идентификации пороговых значений при тестировании спортсменов и управлении тренировочной нагрузкой в циклических видах спорта. Оценивается перспективность использования данного подхода в качестве альтернативы для наиболее часто используемых методов, основанных на оценке кинетики концентрации лактата и показателей газообмена, отмечаются потенциальные преимущества и возможные ограничения его
использования на современном этапе.
Ключевые слова: анаэробный порог, аэробный порог, зоны интенсивности нагрузки, вариабельность сердечного
ритма, тестирование спортсменов, циклические виды спорта.
MODERN APPROACHES TO THE DEVELOPMENT AND USE OF HEART RATE VARIABILITI
THRESHOLD IDENTIFICATION METHODS IN TESTS AND TRAINING OF ATHLETES IN ENDURANCE SPORTS (theoretical analysis of scientific papers)
E.V. FEDOTOVA, VNIIFK, Moscow city
Abstract
The purpose of the study is to analyze modern methods of assessing and indicators of heart rate variability (HRV) to identify threshold values in testing athletes and programming training load in endurance sports. The potential of using this approach as an alternative to the most commonly used methods based on assessing the kinetics of lactate concentration and gas exchange indicators are assessed, potential advantages and possible limitations of its use at the present stage are noted.
Keywords: anaerobic threshold, aerobic threshold, load intensity zones, heart rate variability, athlete testing, endurance
sports.
Введение
Параметры интенсивности нагрузки, соответствующие переходу от аэробного к анаэробному энергообеспечению, являются одними из ключевых переменных, используемых при программировании тренировочного процесса и контроля его эффективности в видах спорта с преимущественным проявлением выносливости. Определение индивидуальных границ зон интенсивности нагрузки спортсменов проводится в ходе нагрузочного тестирования с возрастающей нагрузкой с использованием двух основных методов: прямого инвазивного, основанного на анализе кинетики концентрации лактата крови, и косвенного неинвазивного, основанного на оценке показателей газообмена. На протяжении многих лет отечественными и зарубежными специалистами разраба-
тывались и оценивались альтернативные способы идентификации пороговых значений при тестировании спортсменов со ступенчато возрастающей нагрузкой: по динамике ЧСС и точке отклонения прямолинейной зависимости между приростом ЧСС и скоростью бега или мощностью нагрузки [4], биомаркерам слюны [7], концентрации лактата в поте [28], вариабельности сердечного ритма [2, 11, 12, 16, 17, 21, 24 и др.]. В числе явных преимуществ последнего - его неинвазивность, экономичность, возможность использования не только в лабораторных, но и «полевых» условиях.
Цель исследования - на основе теоретического анализа выявить современные методические подходы к использованию показателей вариабельности сердечного
е*)
ритма (ВСР) для идентификации пороговых значений при тестировании и управлении тренировочной нагрузкой спортсменов циклических видов спорта.
Методы и организация исследования. Компьютеризированный систематический поиск релевантных статей осуществлялся с помощью электронных баз данных PubMed, Scopus, ResearchGate, Web of Science, eLibrary. Соответствующие статьи были извлечены также из списков литературы. Из первоначально отобранных 218 статей 56 исследований соответствовали критериям включения и были использованы для анализа.
Результаты исследования
В публикациях отечественных и зарубежных специалистов приводятся данные, раскрывающие возможности метода ритмокардиографии и контроля ВСР у спортсменов в покое, после тестовых или физических нагрузок на этапах тренировочного процесса, раскрывается потенциал мониторинга показателей ВСР как практического инструмента для индивидуализации и коррекции программ высокоинтенсивных тренировок [1, 5, 6 и др.]. Ряд работ посвящен анализу реакции параметров ВСР на физические нагрузки разной интенсивности [10, 15, 26, 30]. Развитие нового поколения техники, преду с-матривающей компьютерную обработку результатов, использование беспроводных технологий регистрации и анализа ВСР открывают принципиально новые возможности для решения прикладных спортивных задач, одной из которых является идентификация пороговых значений ЧСС и мощности нагрузки в ходе тестирования спортсменов. Для анализа ВСР и его применения при определении пороговых значений используются разные математические подходы: временные методы [2, 17 и др.], частотные методы [11, 12, 18, 21 и др.] и методы нелинейного анализа [16, 23, 24 и др.], эффективность применения которых анализировалась и оценивалась в исследованиях с участием спортсменов (в том числе высокой квалификации), специализирующихся в видах спорта на выносливость: велоспорте [14, 20], плавании [13], беге [9, 12], триатлоне [25], лыжном спорте [19] и др.
Методы временной области
В работе G.K. Karapetyan et al. [17] оценивалось соотношение динамики показателей ЧСС, концентрации лактата, газообмена и ВСР в ходе теста со ступенчато возрастающей нагрузкой «до отказа». ВСР анализировали с использованием индексов временной области. В области лактатного порога и вентиляционного порога была обнаружена выраженная точка отклонения интервала R-R, которая была идентифицирована как порог вариабельности сердечного ритма. Корреляции между различными показателями варьировались от 0,82 до 0,89. Небольшая, но значимая разница была обнаружена между вентиляционным порогом и лактатным порогом (p < 0,05). Достоверной разницы между ВСР-порогом и лактатным порогом (p > 0,05), а также между порогом ВСР и вентиляционным порогом (p > 0,05) не было. Полученные данные свидетельствуют о том, что порог ВСР совпадает с лактатным порогом и вентиляционным
порогом во время дозированных упражнений и может использоваться для определения лактатного порога у здоровых взрослых.
В ряде экспериментов, проведенных Е.М. Калининым с соавт. [2 и др.], ВСР-анализ проводился с использованием монитора сердечного ритма (Polar s810i), с помощью которого последовательность R-R интервалов преобразовывается в скаттерограмму (график Пуанкаре), характеризующую связь показателя SD со стандартным отклонением SD1. Выявлено, что возрастание частоты сердечных сокращений при увеличении мощности сопровождается повышением легочной вентиляции и достоверным снижением дисперсии SD1 при p < 0,05 до момента, когда происходит перелом и стабилизация (плато) дисперсии SD1 < 2ms. При продолжающемся повышении мощности нагрузки достоверность изменений SD1 перестает быть значимой (p > 0,1). На основе полученных данных методика пульсовой вариометрии характеризуется авторами как метрологически обоснованная, обладающая логической и статистической (R = 0,98) информативностью и высокой надежностью (Rtt = 0,97) и позволяющая оперативно оценить скорость или мощность работы на уровне АнП.
E.M.F. Nascimento et al. [21], изучив возможность применения метода Dmax к ВСР для определения лактатных порогов (LT) во время бегового теста до отказа, не выявили существенных различий между ВСР-Dmax1-порог и LT1, при этом различия между ВСР-Dmax2-порогом и LT2-порогом были статистически значимы. Интересным итогом исследования стало опровержение одной из гипотез исследования о том, что метод HRVTDmax2 будет оценивать АнП. Однако реально найденные пороговые значения были в большей степени приближены к АэП. Следовательно, можно предположить, что при применении метода Dmax к индексам ВСР, полученным с помощью графика Пуанкаре, можно идентифицировать переходную зону интенсивности с приближением к АэП, важную для улучшения кардиореспираторных и нервно-мышечных адаптаций бегунов на выносливость.
На важность учета контингента испытуемых при использовании методов идентификации ВСР-порогов указывают результаты исследования A.F. Brunetto et al. [8], проведенного с участием юношей и девушек в возрасте 15-18 лет. В ходе теста на тредмиле (модифицированный протокол Брюса) с эргоспирометрией определяли вентиляционный порог (VT). Вариабельность сердечного ритма была проанализирована с помощью графика Пуанкаре. Статистически значимой корреляции между ВСР-порогом и VT выявлено не было, что привело авторов к выводу о нецелесообразности применения данного метода идентификации пороговых значений у подростков.
Методы частотной области (спектральный анализ)
Одним из наиболее часто используемых в этой группе является быстрое преобразование Фурье - метод, отличающийся простотой применяемого алгоритма и высокой скоростью обработки, позволяющий анализировать
кардиосигналы не только для обнаружения комплексов и анализа их формы, но и для выявления характерных зависимостей в спектре.
Экспериментальная оценка метрологических характеристик метода и целесообразности его практического использования проводилась в работе F. Cottin et al. [11] с участием квалифицированных спортсменов при выполнении велоэргометрического теста со ступенчато возрастающей нагрузкой «до отказа». Для всех испытуемых визуальное исследование вентиляционных эквивалентов, показателей высокочастотного пика fHF и мощности высокочастотного спектра (HF - от 0,15 иГц и выше), умноженной на fHF (HFxfHF), показало два нелинейных увеличения: первое - соответствовало первому вентиляционному порогу (VT1), второе - представляло второй вентиляционный порог ( VT2). Результаты исследования подтверждают, что вентиляционные пороги могут быть определены из временных рядов R-R-интервалов с использованием спектрального анализа ВСР у здоровых, хорошо тренированных субъектов. Кроме того, авторами выявлено, что показатель HF^fHF обеспечивает более надежный и точный результат для такой оценки, чем только показатель fHF. В похожем эксперименте с использованием беговой нагрузки [12] линейный регрессионный анализ показал сильную корреляцию между пороговыми показателями скорости бега: VT1 и ВСР-ЙИ-порог [R (2) = 0,94; p < 0,001] и VT2 и ВСР-HF 2-порог [R (2) = 0,96; p < 0,001]. Таким образом, расчет произведения HF^fHF обеспечивает надежную идентификацию вентиляционных порогов, что дало авторам основание рекомендовать его использование с этой целью при проведении бегового теста на тредбане с применением кардио-монитора вместо оборудования для классического газоанализа.
В то же время в ряде исследований данный метод подвергается определенной критике, связанной с пригодностью его использования преимущественно для анализа стационарных сигналов, и предлагается другой метод, известный как анализ временной шкалы или «вейвлет-преобразования» (WTA), который находит широкое применение при изучении нестационарных биологических сигналов, таких как ВСР. Экспериментальная оценка возможности использования данного подхода для идентификации порогов в ходе тестирования проводилась в работахJ. Manso et al. [18] и S. Sarmiento et al. [26] с привлечением велосипедистов. Результаты исследований свидетельствуют об отсутствии существенных различий между результатами определения аэробных и анаэробных пороговых значений с использованием переменных газоанализа и с помощью вейвлет-анализа данных ВСР, на основании чего авторы рекомендуют данный подход в качестве инструмента для обнаружения фазы аэробно-анаэробного перехода и ее порогов.
Методы нелинейного анализа
Являясь мощными средствами исследования различных комплексных систем, эти методы в настоящее время рассматриваются в числе наиболее перспективных альтернативных неинвазивных инструментов идентифи-
кации аэробного и анаэробного порогов [16, 23, 24 и др.]. Мультифрактальный анализ сигнала DFA (Detrended Fluctuation Analysis) - метод, позволяющий локализовать момент изменения функционального состояния человека по колебаниям значений предлагаемого масштабного показателя, к преимуществам которого относят устойчивость для сигналов, не содержащих плато постоянных значений, относительную простоту реализации, а также меньшее количество параметров обработки, задание которых определяется типом исследуемого сигнала, его природой и личным опытом исследователя [3]. В качестве порогового маркера на основе ВСР предлагается использовать нелинейный маркер DFA-alfa-1 [23]. В ряде экспериментальных исследований с участием квалифицированных спортсменов, специализирующихся в видах на выносливость, подтверждены метрологические качества и целесообразность использования данного метода и показателя [22, 23]. Было выявлено, что в отличие от индексов ВСР во временной области, индекс DFA-alfa-1, основанный на фрактальных корреляционных свойствах, имеет широкий динамический диапазон, охватывающий области низкой, умеренной и высокой интенсивности упражнений [15, 16]. Это позволяет использовать данный индекс в качестве биомаркера для распределения нагрузки упражнений по зонам интенсивности, включая числовые значения, соответствующие физиологическим пороговым границам [25]. Отмечается высокий потенциал метода для обеспечения поляризационной тренировки: DFA-alfa-1 может использоваться как показатель «тренировочного стресса» и демонстрирует чувствительность даже к умеренным нагрузкам. Мониторинг динамики ВСР при выполнении упражнений показал, что достижению уровня АэП соответствует значение 0,75; уровня АнП - 0,5 [15]. В отличие от других индексов ВСР, DFA-alfa-1 обладает динамическим диапазоном во всех зонах интенсивности нагрузки и не требует предварительной «калибровки» в ходе тестирования с возрастающей физической нагрузкой [24].
Среди возможных ограничений, связанных с использованием DFA-alfa-1, называют эффекты коррекции артефактов, «разрешение считывания» датчика, записывающего R-R интервалы, условия внешней среды и другие факторы. Первое эффективно нивелируется при использовании методов как автоматической, так и среднепоро-говой коррекции артефактов программного обеспечения Kubios HRV: в проведенном эксперименте [24] значение ЧСС на уровне ВСР-порогов не отличалось между контрольной (без артефактов) и любой из остальных групп («% артефактов» или «метод коррекции») более чем на 1 уд./мин. Оценка влияния записывающего устройства проводилась при сравнении результатов идентификации ВСР-порогов, полученных с одновременным использованием ЭКГ (в качестве эталона) и нагрудного пояса Polar (версии H7 и H10). При использовании Polar H7 наблюдалась небольшая степень смещения: на 4 уд./мин ниже, чем у ЭКГ, - снижение точности обнаружения пика R влияет на определение DFA-alfa-1. В устройстве следующего поколения - Polar H10 - точность обнаружения пика R, согласно документации Polar, была
Медико-биологические проблемы спорта
улучшена, что делает предпочтительным использование данной версии нагрудного пояса. Как и при применении других методов и расчетных показателей, на уровень и динамику DFЛ-alfa-l могут оказывать влияние: изменения температуры окружающей среды, % вдыхаемого кислорода, преднамеренное изменение частоты дыхания, уровень гидратации, особенности питания и состояние здоровья спортсмена. Кроме того, важным условием использования предопределенных значений DFЛ-alfa-l в качестве маркера интенсивности упражнений является необходимость единой программной методологии ВСР при ее расчете и единых методов предварительной программной обработки сигнала от КиЫо8 НИУ [29].
Важным потенциальным преимуществом данного метода является возможность мониторинга DFЛ-alfa-l в ретроспективе и режиме реального времени с помощью недорогой программно-аппаратной комбинации, включающей кардиодатчик с возможностью записи в режиме R-R интервалов, и мобильное приложение для смартфона, либо возможность использования онлайн-сервисов. Кроме того, оценка величины DFЛ-alfa-l в режиме реального времени может помочь в ограничении интенсивности
тренировок в зонах низкой интенсивности, что особенно важно при использовании поляризационной и пирамидальной моделей распределения интенсивности тренировочной нагрузки в циклических видах спорта с преимущественным проявлением выносливости [27].
Заключение
Проведенный обзор показал принципиальную возможность использования методов идентификации порогов, основанных на анализе вариабельности сердечного ритма. В числе их преимуществ - неинвазивность, экономичность, возможность использования как в лабораторных, так и «полевых» условиях, получения данных как в ретроспективе, так и режиме реального времени. В числе наиболее перспективных инструментов идентификации аэробного и анаэробного порогов - мультифрактальный анализ сигнала (^ЕЛ), в качестве порогового маркера на основе ВСР предлагается использовать нелинейный маркер DFA-alfa-l. Большой интерес представляет возможность использования данного подхода для ограничения интенсивности тренировочных нагрузок в зоне низкой интенсивности.
Литература
1. Гаврилова, Е.А. Спорт, стресс, вариабельность: монография / Е.А. Гаврилова. - Москва: Спорт, 2015. - 168 с.
2. Калинин, Е.М. Метод кардиоинтервалометрии при оценке аэробных возможностей спортсменов (на примере спортивных игр) / Е.М. Калинин, В.Н. Селуянов, С.К. Сар-сания // Биомедицина. - 2012. - № 4. -С. 32-37.
3. Лапкин, М.М. Фрактально-флуктуационный анализ нелинейных компонентов сердечного ритма для параметризации функционального состояния человека / М.М. Лапкин, С.П. Вихров, А.В. Алпатов // Российский медико-биологический вестник им. академика И.П. Павлова. - 2012. - № 2. - С. 96-106.
4. Козлов, А.В. Метод определения анаэробного порога по динамике ЧСС в процессе работы и восстановления при выполнении теста нарастающей мощности до отказа / А.В Козлов, В. Якушкин, Р.С. Андреев и др. // Физиология человека. - 2019. - T. 45. - № 2. - С. 78-86.
5. Федотова, Е.В. Метод анализа и оценки ВСР в современной практике подготовки спортсменов высшей квалификации: зарубежный опыт / Е.В. Федотова // Современные технологии и оборудование для медицинской реабилитации, санаторно-курортного лечения и спортивной медицины: сб. трудов V Международного научно-практического конгресса VITA REHAB WEEK. - Екатеринбург: Уральский государственный университет физической культуры, 2021. - С. 195-198.
6. Шлык, Н.И. Оценка качества тренировочного процесса у лыжников-гонщиков и биатлонистов по результатам ежедневных исследований вариабельности сердечного ритма / Н.И. Шлык, Е.С. Лебедев, О.С. Вершинина // Наука и спорт: современные тенденции. - 2019. - Т. 7. -№ 2. - С. 92-105.
7. Bocanegra, O.L. Determination of the lactate threshold by means of salivary biomarkers: chromogranin A as novel marker of exercise intensity / O.L. Bocanegra, M.M. Diaz, R.R. Teixeira et al. // European Journal of Applied Physiology. - 2012. - Vol. 112. - No. 9. - Pp. 31953203.
8. Brunetto, A.F. Ventilatory threshold and heart rate variability in adolescents / A.F. Brunetto, B.M. Silva, B.T. Ro-seguini, D.M. Hirail // Rev. Bras. Med. Esporte. - 2005. -Vol. 11. - No. 1. - Pp. 28-33.
9. Buchheit, M. Heart-rate deflection point and the second heart-rate variability threshold during running exercise in trained boys / M. Buchheit, R. Solano, G.P. Millet // Exercise Science. - 2007. - Vol. 19. - P. 192.
10. Clark, N.W. Heart Rate Variability Behavior during Exercise and Short-Term Recovery Following Energy Drink Consumption in Men and Women / N.W. Clark, C.H. Herring, E.R. Goldstein et al. // Nutrients. - 2020. - Vol. 12. -No. 8. - P. 2372.
11. Cottin, F. Assessment of ventilatory thresholds from heart rate variability in well-trained subjects during cycling / F. Cottin, P.M. Lepretre, P. Lopes et al. // Int. J. Sports Med. - 2006. - Vol. 27. - Pp. 959-967.
12. Cottin, F. Ventilatory thresholds assessment from heart rate variability during an incremental exhaustive running test / F. Cottin, C. Medigue, P. Lopes et al. // Int. J. Sports Med. - 2007. - Vol. 28. - Pp. 287-294.
13. Di Michele, R. Estimation of the anaerobic threshold from heart rate variability in an incremental swimming test / R. Di Michele, G. Gatta, A. Di Leo et al. // Journal of Strength and Conditioning Research. - 2012. - Vol. 26. -No. 11. - Pp. 3059-3066.
14. Garcia-Tabar, I. Heart rate variability thresholds predict lactate thresholds in professional world-class road cyclists / I. Garcia-Tabar, L. Sánchez-Medina, J.F. Aramendi et al. // Journal of Exercise Physiology Online. - 2013. -Vol. 16. - No. 5. - Pp. 38-50.
15. Gronwald, T. Non-linear dynamics of heart rate variability during incremental cycling exercise / T. Gronwald, O. Hoos, S. Ludyga et al. // Res. Sports Med. - 2019. -Vol. 27. - No. 1. - Pp. 88-98.
16. Gronwald, T. Real-Time Estimation of Aerobic Threshold and Exercise Intensity Distribution Using Fractal Correlation Properties of Heart Rate Variability: A Single-Case Field Application in a Former Olympic Triathlete / T. Gronwald, S. Berk, M. Altini et al. // Front Sports Act Living. - 2021. - Vol. 28. - No. 3. - Pp. 668 -812.
17. Karapetyan, G.K. Use of heart rate variability to estimate LT and VT / G.K. Karapetyan, H.J. Engels, R.J. Gretebeck // Int. J. Sports Med. - 2008. - Vol. 29. - P. 652.
18. Manso, J. Wavelet transform analysis of heart rate variability for determining ventilatory thresholds in cyclists / J. Manso, S. Sarmiento, J. Martin-Gonzalez et al. // Revista Andaluza de Medicina del Deporte. - 2008. - No. 1. -Pp. 90-97.
19. Mendia-Iztueta, I. Assessment of heart rate variability thresholds from incremental treadmill tests in five crosscountry skiing techniques/ I. Mendia-Iztueta, K. Monahan et al. // PLoS One. - 2016. - Vol. 11. - No. 1.
20. Mina, P.Y. Ventilatory threshold concordance between ergoespirometry and heart rate variability in female professional cyclists / P.Y. Mina, L. Tascon, H.M. Cabrera et al. // Journal of Human Sport and Exercise. - 2021. -18. - 10.14198/jhse.2023.181.01.
21. Nascimento, M.F. Determination of lactate thresholds in maximal running test by heart rate variability data set / M.F. Nascimento, D.M. Kiss, T.M. Santos, et al. // Asian Journal of Sports Medicine. - 2017. - Vol. 8. - No. 3. -Article ID e58480.
22. Rogers, B. A Personalized Low Intensity Exercise Prescription based on an Index of Non-Linear Heart Rate Variability: A Case Report. J. Athl. Enhanc. - 2020. - 9:1.
23. Rogers, B. A New Detection Method Defining the Aerobic Threshold for Endurance Exercise and Training Prescription Based on Fractal Correlation Properties of Heart Rate Variability / B. Rogers, D. Giles, N. Draper et al. // Front. Physiol. - 2021. - Vol. 11. - Pp. 596-567.
24. Rogers, B. Detection of the Anaerobic Threshold in Endurance Sports: Validation of a New Method Using Correlation Properties of Heart Rate Variability / B. Rogers, D. Giles, N. Draper et al. // J. Funct. Morphol. Kinesiol. -2021. - Vol. 6. - P. 38.
25. Rogers, B. An Index of Non-Linear HRV as a Proxy of the Aerobic Threshold Based on Blood Lactate Concentration in Elite Triathletes / B. Rogers, S. Berk, T. Gronwald // Sports (Basel). - 2022. - Vol. 10. - No. 2. - P. 25.
26. Sarmiento, S. Heart rate variability during high-intensity exercise / S. Sarmiento, J.M. García-Manso, J.M. Martín-González et al. // J. Syst. Sci. Complex. - 2013. - No. 26. -Pp. 104-116.
27. Seiler, K.S. Quantifying training intensity distribution in elite endurance athletes: is there evidence for an "optimal" distribution? / K.S. Seiler, G.0. Kjerland // Scand. J. Med. Sci. Sports. - 2006. - No. 16. - Pp. 49-56.
28. Seki, Y. A novel device for detecting anaerobic threshold using sweat lactate during exercise / Y. Seki, D. Naka-shima, Y. Shiraishi et al. // Scientific Reports. - 2021. -11. - 10.1038/s41598-021-84381-9.
29. Voss, A. Short-Term Heart Rate Variability-Influence of Gender and Age in Healthy Subjects / A. Voss, R. Schro-eder, A. Heitmann et al. // PLoS One. - 2015. - 10 (3), e0118308.
30. Tulppo, M.P. Quantitative beat-to-beat analysis of heart rate dynamics during exercise / M.P. Tulppo, T.H. Maki-kallio, T.S. Takala et al. // Am. J. Physiol. - 1996. -Vol. 271. - P. 244.
References
1. Gavrilova, E.A. (2015), Sport, stress, variability:Monograph, Moscow: Sport, 168 p.
2. Kalinin, E.M., Seluyanov, V.N. and Sarsania, S.K. (2012), The method of cardiointervalometry in assessing the aerobic capabilities of athletes (on the example of sports games), Biomedicina, no. 4, pp. 32-37.
3. Lapkin, M.M., Vikhrov, S.P. and Alpatov, A.V. (2012), Fractal-fluctuation analysis of non-linear heart rate components for parameterization of human functional state, Rossiyskiy mediko-biologicheskiy vestnik imeni akademika I.P. Pavlova, no. 2, pp. 96-106.
4. Kozlov, A.V., Yakushkin, R.S., Andreev, R.S., Vava-ev, A.V., Yurikov, R.V. and Sonkin, V.D. (2019), Method for determining the anaerobic threshold by the dynamics of heart rate during work and recovery during the test of increasing power to failure, Fiziologiya cheloveka, vol. 45, no. 2, pp. 78-86.
5. Fedotova, E.V. (2021), Method of analysis and assessment of HRV in modern practice of elite athletes training:
foreign experience, in: Modern technologies and equipment for medical rehabilitation, spa treatment and sports medicine: Mat. Proceedings of the V International Scientific and Practical Congress VITA REHAB WEEK, Yekaterinburg: Ural State University of Physical Culture, pp. 195-198.
6. Shlyk, N.I., Lebedev, E.S. and Vershinina, O.S. (2019), Evaluation of the quality of the training process in crosscountry skiers and biathletes based on the results of daily studies of heart rate variability, Nauka i sport: sovremennye tendencii, vol. 7, no. 2, pp. 92-105.
7. Bocanegra, O.L., Diaz, M.M., Teixeira, R.R., et al. (2011), Determination of the lactate threshold by means of salivary biomarkers: chromogranin A as novel marker of exercise intensity, European Journal of Applied Physiology, no. 112 (9), pp. 3195-3203.
8. Brunetto, A.F., Silva B.M., Roseguini, B.T. and Hira-il, D.M. (2005), Ventilatory threshold and heart rate variability in adolescents, Rev. Bras. Med. Esporte, vol. 11, no. 1, pp. 28-33.
e*)
9. Buchheit, M., Solano, R. and Millet, G.P. (2007), Heart-rate deflection point and the second heart-rate variability threshold during running exercise in trained boys, Exercise Science, vol. 19, p. 192.
10. Clark, N.W., Herring, C.H., Goldstein, E.R., et al. (2020), Heart Rate Variability Behavior during Exercise and Short-Term Recovery Following Energy Drink Consumption in Men and Women, Nutrients, no. 12 (8), p. 2372.
11. Cottin, F., Lepretre, P.M., Lopes, P., Papelier, Y., et al. (2006), Assessment of ventilatory thresholds from heart rate variability in well-trained subjects during cycling, Int. J. Sports Med, no. 27, pp. 959-967.
12. Cottin, F., Medigue C., Lopes P., et al. (2007), Ventila-tory thresholds assessment from heart rate variability during an incremental exhaustive running test, Int. J. Sports Med., no. 28, pp. 287-294.
13. Di Michele, R., Gatta, G., Di Leo, A., et al. (2012), Estimation of the anaerobic threshold from heart rate variability in an incremental swimming test, Journal of Strength and Conditioning Research, no. 26 (11), pp. 30593066.
14. Garcia-Tabar, I., Sánchez-Medina, J., Aramendi, F., et al. (2013), Heart rate variability thresholds predict lactate thresholds in professional world-class road cyclists, Journal of Exercise Physiology Online, vol. 16, no. 5, pp. 38-50.
15. Gronwald, T., Hoos, O., Ludyga, S., et al. (2019), Nonlinear dynamics of heart rate variability during incremental cycling exercise, Res. Sports Med, no. 27 (1), pp. 88-98.
16. Gronwald, T., Berk, S., Altini, M., et al. (2021), RealTime Estimation of Aerobic Threshold and Exercise Intensity Distribution Using Fractal Correlation Properties of Heart Rate Variability: A Single-Case Field Application in a Former Olympic Triathlete, Front Sports Act Living, 28; 3, pp. 668-812.
17. Karapetyan, G.K., Engels, H.J. and Gretebeck, R.J. (2008), Use of heart rate variability to estimate LT and VT, Int. J. Sports Med, vol. 29, p. 652.
18. Manso, J., Manso, S., Sarmiento, S., Martin-Gonzalez, J., et al. (2008), Wavelet transform analysis of heart rate variability for determining ventilatory thresholds in cyclists, Revista Andaluza de Medicina del Deporte, vol. 1, pp. 90-97.
19. Mendia-Iztueta, I., Monahan, K., et al. (2016), Assessment of heart rate variability thresholds from incremental treadmill tests in five cross-country skiing techniques, PLoS
One, vol. 11, no. 1, https://journals.plos.org/plosone/ article?id=10.1371/journal.pone.0145875
20. Mina, P.Y., Tascon, L., Cabrera, H.M., et al. (2021), Ventilatory threshold concordance between ergoespirom-etry and heart rate variability in female professional cyclists, Journal of Human Sport and Exercise, 18, 10.14198/ jhse.2023.181.01.
21. Nascimento, M.F., Kiss, D.M., Santos, T.M., et al. (2017), Determination of lactate thresholds in maximal running test by heart rate variability data set, Asian Journal of Sports Medicine, vol. 8, no. 3, Article ID e58480.
22. Rogers, B. (2020), A Personalized Low Intensity Exercise Prescription based on an Index of Non-Linear Heart Rate Variability: A Case Report, J. Athl. Enhanc, 9:1.
23. Rogers, B., Giles, D., Draper, N., et al. (2021), A New Detection Method Defining the Aerobic Threshold for Endurance Exercise and Training Prescription Based on Fractal Correlation Properties of Heart Rate Variability, Front. Physiol., vol. 11, pp. 596-567.
24. Rogers, B., Giles, D., Draper, N., et al. (2021), Detection of the Anaerobic Threshold in Endurance Sports: Validation of a New Method Using Correlation Properties of Heart Rate Variability, J. Funct. Morphol. Kinesiol, vol. 6, p. 38.
25. Rogers, B., Berk, S. and Gronwald, T. (2022), An Index of Non-Linear HRV as a Proxy of the Aerobic Threshold Based on Blood Lactate Concentration in Elite Triathletes, Sports (Basel), no. 10 (2), p. 25.
26. Sarmiento, S., García-Manso, J.M., Martín-González, J.M., et al. (2013), Heart rate variability during high-intensity exercise, J. Syst. Sci. Complex, 26, pp. 104-116.
27. Seiler, K.S. and Kjerland, G.0. (2006), Quantifying training intensity distribution in elite endurance athletes: is there evidence for an "optimal" distribution? Scand. J. Med. Sci. Sports, 16, pp. 49-56.
28. Seki, Y., Nakashima, D., Shiraishi, Y., et al. (2021), A novel device for detecting anaerobic threshold using sweat lactate during exercise, Scientific Reports, 11, 10.1038/ s41598-021-84381-9.
29. Voss, A., Schroeder, R., Heitmann, A., et al. (2015), Short-Term Heart Rate Variability-Influence of Gender and Age in Healthy Subjects, PLoS One, 10 (3), e0118308.
30. Tulppo, M.P., Makikallio, T.H., Takala, T.S., et al. (1996), Quantitative beat-to-beat analysis of heart rate dynamics during exercise, Am. J. Physiol., vol. 271, p. 244.
