Полная версия

Главная arrow Медицина arrow Вестник новых медицинских технологий, 2014, Том 21. №4

  • Увеличить шрифт
  • Уменьшить шрифт


<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>

СТОХАСТИЧЕСКАЯ И ХАОТИЧЕСКАЯ ОЦЕНКА СОСТОЯНИЯ ПАРАМЕТРОВ СЕРДЕЧНО-СОСУДИСТОЙ СИСТЕМЫ ИСПЫТУЕМЫХ В УСЛОВИЯХ ДОЗИРОВАННОЙ ФИЗИЧЕСКОЙ НАГРУЗКИ

Ю.В. БАШКАТОВА*, И.Ю. ДОБРЫНИНА*, Н.П. ГОРЛЕНКО*, А.В. ЕЛЬНИКОВ*, К.А. ХАДАРЦЕВА**,

Н.А. ФУДИН**

*ГБОУ ВПО « Сургутский государственный университет Ханты -Мансийского автономного округа - Югры», проспект Ленина, 1, г. Сургут, Россия, Тел.: +79224078761, e-mail: Этот адрес e-mail защищен от спам-ботов. Чтобы увидеть его, у Вас должен быть включен Java-Script **ФГБОУ ВПО «Тульский государственный университет», пр-т Ленина, 92, г. Тула, Россия, 300012

Аннотация. Сравнительный анализ результативности применения новых биоинформационных методов показал, что в отличие от методов традиционного статистического анализа на базе детерминистско- стохастического подхода использование биоинформационных методов дает более высокую чувствительность в идентификации параметров порядка (главных диагностических признаков) изучаемых функциональных систем организма. Были изучены параметры сердечно-сосудистой системы у нетренированных и тренированных испытуемых с позиции теории хаоса и самоорганизации. Установлено существенное различие между двумя исследуемыми группами (тренированных и нетренированных студентов). Дозированная физическая нагрузка выявила тенденцию к увеличению площади и объемов квазиаттракторов вектора состояния организма у нетренированных испытуемых в 1,5 раза и также на 6% у тренированных испытуемых. Физическая нагрузка стабилизирует параметры сердечно-сосудистой системы тренированных студентов и является первым маркером степени детренированности молодых жителей Югры. Методами статистики затруднительно установить наличие существенных различий в параметрах функциональных систем организма между группами тренированных и нетренированных студентов, различия часто получаются статистически недостоверными.

Ключевые слова: квазиаттрактор, сердечно-сосудистая система, многомерные фазовые пространства, дозированная физическая нагрузка.

STOCHASTIC AND CHAOTIC STATE ASSESSMENT PARAMETERS OF THE CARDIO-VASCULAR SYSTEM OF THE SUBJECTS IN THE CONDITIONS OF THE DOSED PHYSICAL LOAD

YU.V. BASHKATOVA*, I.YU. DOBRYNINA*, N.P. GORLENKO*, A.V. ELNIKOV*, K.A. KHADARTSEVA**,

A.G. FUDIN**

*Surgut State University, Lenin Avenue, 1, Surgut, Russia Tel+79224078761, e-mail: Этот адрес e-mail защищен от спам-ботов. Чтобы увидеть его, у Вас должен быть включен Java-Script **Tula State University, st. Boldin, 92, Tula, Russia, 300012

Abstract. A comparative analysis of the effectiveness of new bioinformatics methods is shown that in contrast to traditional methods of statistical analysis on the basis of the deterministic-stochastic approach using bioinformatics methods gives higher sensitivity in identifying order parameters (the main diagnostic features) studied the functional systems of the body. The parameters of the cardio-vascular system in untrained and trained subjects from the perspective of chaos theory and self-organization were studied. There is the essential difference between the two groups (trained and untrained students). Dosed physical activity revealed a tendency to increase the area and volume of quasi-attractors state vector of the organism in untrained subjects in 1.5 times and also at 6% in trained subjects. Exercise stabilizes the parameters of the cardio-vascular system trained students and it is the first marker of the degree of detenidamente in young population in the region. Statistical methods are difficult to establish the existence of significant differences in the parameters of the functional systems of the body between the groups of trained and untrained students. The differences are often not statistically significant.

Key words: quasi-attractor, cardio-vascular system, multidimensional phase spaces, dosed physical activity.

Введение. Многочисленными исследованиями, проведенными в последнее время Сургутской научной школой, установлено, что здоровье людей, приехавших на Север, очень часто отличается от нормы [1,4,7]. Происходит перестройка и истощение регуляторных механизмов и функциональных систем, в частности, повышается активность парасимпатического отдела вегетативной нервной системы. Проживание на Севере РФ откладывает особый отпечаток на работу функциональных систем организма (ФСО) человека. Воздействие ряда экологических факторов на формирование и развитие нервно-мышечной и сердечно-сосудистой систем оказывает влияние на работу функциональных систем организма человека в целом [1-12].

Нарушения синергизма в ФСО и сужение интервалов их устойчивости наиболее выражено из-за процессов дезадаптации, что проявляются на уровне именно сердечно-сосудистой системы [3-10]. Сердечный ритм является индикатором многих отклонений, возникающих в регуляторных системах, и это может рассматриваться как наиболее ранний прогностический признак нарушения адаптационного процесса [4-9].

В связи с этим одной из множества научных проблем, интересующих специалистов биологического профиля, является оценка функционального состояния организма и его адаптационных резервов к различного рода воздействиям, в том числе и к физическим нагрузкам. Поэтому возникает необходимость внедрения в биомедицинскую практику современных системных методов для изучения функционального состояния сердечно-сосудистой и вегетативной нервной систем человека для оценки функционального состояния и адаптационных возможностей организма, как в условиях относительного покоя, так и при выполнении физических нагрузок.

Необходим системный подход объективной оценки функционального состояния организма спортсменов, тренирующихся в экстремальных условиях с целью своевременной коррекции регуляторных нарушений.

Такой подход позволяет объективно оценивать динамику резервных возможностей организма, их прогностическую значимость. Назрела необходимость в разработке и использовании новых средств и методов определения адаптационных и функциональных резервов организма и проведении ранней диагностики различных патологических состояний и каких-либо функциональных нарушений.

Цель исследования - оценка состояния хаотической динамики параметров сердечно-сосудистой системы организма студентов г. Сургута в условиях дозированной физической нагрузки методами нейрокомпьютинга и многомерных фазовых пространств состояний (расчет квазиаттракторов).

Объекты и методы исследования. Объектом настоящего исследования явились студенты 1-3 курсов ГБОУ ВПО «Сургутский государственный университет ХМАО - Югры», проживающие на территории округа не менее 5 лет. В зависимости от степени физической активности испытуемых разделили на 2 группы по 30 человек. В первую группу отнесли студентов основной группы здоровья, занимающихся физической культурой в рамках общеобразовательной программы университета. Вторую группу составили студенты СурГУ, профессионально занимающиеся игровыми видами спорта (баскетбол и волейбол).

В исследовании приняла участие группа из 30 человек тренированных и 30 человек нетренированных студентов, которым предлагалась динамическая физическая нагрузка в виде 30 приседаний. Обследование студентов производилось неинвазивным методом с помощью пульсоксиметра ЭЛОКС-01 М,

Интегральные и временные показатели регуляции сердечно-сосудистой системы со стороны вегетативной нервной системы у нетренированных и тренированных испытуемых до и после физической

нагрузки (п=30)

Показатели

Нетренированные студенты

Тренированные студенты

До

нагрузки

После

нагрузки

Р

До

нагрузки

После

нагрузки

Р

SIM

4,93±0,78

6,3±1,79

0,4748

2,7±0,43

2,03±0,38

0,0298

PAR

10,9±0,86

11,8±1,13

0,3463

14,87±1,09

16,45+1,29

0,0554

HR

87,73±2,30

88,2±2,62

0,8854

75,4±2,35

74,72±2,25

0,4935

SDNN

43,77±2,67

44,53±3,18

0,6406

62,57±5,32

69,48±5,96

0,0152

INB

67,6+10,43

95,47+32,21

0,5377

38,33±6,84

30,14±5,22

0,0158

Sp02

97,73±0,16

97,93±0,14

0,0759

97,87±0,16

97,97±0,14

0,6603

Примечание: п - количество обследуемых, SIM, у.е. - индекс активности симпатического звена ВНС, PAR, у.е. - индекс активности парасимпатического звена ВНС, HR уд/мин - частота сердечных сокращений, SDNN, мс - стандартное отклонение полного массива кардиоинтервалов, INB у.е. - индекс напряжения регуляторных систем по Р.М. Баевскому, Sp02, % - уровень насыщения гемоглобина крови кислородом, р - достоверность значимых различий, по критерию

Вилкоксона (р>0,05)

Таблица 2

Спектральные показатели регуляции сердечно-сосудистой системы со стороны вегетативной нервной системы у нетренированных и тренированных испытуемых до и после физической нагрузки (п=30)

Показатели

Нетренированные студенты

Тренированные студенты

До нагрузки

После нагрузки

Р

До нагрузки

После нагрузки

Р

VLF

2228,13±339,61

2392,8±348,43

0,7813

6874,03±1446,68

7363,97±1195,36

0,1589

LF

2683,03±363,52

2404,23±395,60

0,2452

4628,63±822,71

5636,45±1284,14

0,2137

HF

1529,27±240,78

1699,53±259,07

0,3709

2668,17±407,92

3797,07+1076,09

0,1204

Total

6440,6±805,74

6496,7±818,47

0,7655

14170,73±2244,79

22904,41±6984,39

0,0752

LF norm

63,67±2,61

58,87±2,69

0,117

61 ±2,54

61,66±3,14

0,9672

Hf norm

36,33±2,61

41,13±2,69

0,117

39±2,54

38,34±3,14

0,9672

LF/HF

2,46±0,42

1,74±0,18

0,0999

1,91±0,21

2,30±0,36

0,9754

Примечание: п - колличество обследуемых, LF, мс2 - мощность спектра низкочастотного компонента вариабельности; HF, мс2 - мощность спектра высокочастотного компонента вариабельности; Total power, мс2 - общая спектральная мощность; VLF, %- мощность спектра свернизкочастотного ,компонента вариабельности; р - достоверность значимых различий, по критерию Вилкоксона (р>0,05)

разработанного и изготовленного ЗАО ИМЦ «Новые Приборы», г. Самара (Л.И. Калакутский, В.М. Еськов, 2003-2009). Специальным фотооптическим датчиком в положении сидя в течение 5 мин регистрировали частоту сердечных сокращений (ЧСС), а затем рассчитывали показатели активности симпатического (СИМ) и парасимпатического (ПАР) отделов вегетативной нервной системы (ВНС), стандартного отклонения NN-интервалов (SDNN), индекса напряжения Баевского (ИНБ), а также рассчитывали компоненты спектральной мощности ВСР в высокочастотном (HF, 0,15-0,4 Гц), низкочастотном (LF, 0,04-0,15 Гц) и ульт- ранизкочастотном (VLF, < 0,04 Гц) диапазонах, а также величину вагосимпатического баланса (LF/HF). После выполнения стандартизированной динамической нагрузки (30 приседаний) регистрация продолжалась в течение 5 минут.

Статистическая обработка данных осуществлялась при помощи программного пакета «Statistica 6.1». Анализ соответствия вида распределения полученных данных закону нормального распределения производился на основе вычисления критерия Шапиро-Уилка. Дальнейшие исследования в зависимости от распределения производились методами параметрической и непараметрической статистики (критерий Стьюдента, Вилкоксона, Манна- Уитни). Критический уровень значимости при проверке статистических гипотез в данном исследовании принимали равным 0,05. Расчет параметров квазиаттракторов производился на основе методов теории хаоса-самоорганшации (ТХС) [9-13]. Нейрокомпьютинг осуществлялся па базе программы NeuroPro [3-7].

Результаты и их обсуждение. В ходе исследований и статистической обработки данных были получены следующие сводные количественные характеристики результатов изменения параметров сердечнососудистой и вегетативной нервной системы, представленных в табл. 1, 2.

Очевидно, что у нетренированных отсутствуют полностью статистически значимые различия параметров SIM, PAR, HR, SDNN, INB и Sp02 до и после физической нагрузки, что демонстрирует отсутствие резких изменений в параметрах сердечнососудистой и вегетативной нервной систем. У тренированных лиц показатели параметров SIM, SDNN и INB статистически значимо различались (р<0,05). Установлены статистически значимые различия параметров SIM (р=0,0117), PAR (р=0,0095), HR (р=0,0007), SDNN (р=0,0058) и INB (р=0,0030) у нетренированных и тренированных испытуемых до физической нагрузки по критерию Краскела- Уоллиса (р<0,05).

Из полученных данных, представленных в табл. 1, наблюдалось резкое увеличение INB у нетренированных испытуемых в связи с увеличением показателей SIM. Обратная картина у тренированных испытуемых. Показатели напряжения INB уменьшаются с 38,33±6,84 у.е. до 30,14±5,22 у.е., SIM - с 2,7±0,43 у.е. до 2,03±0,38 у.е. При этом установлены следующие показатели PAR: нетренированные - до нагрузки 10,9±0,86 у.е., после - 11,8±1,13 у.е.; тренированные - до нагрузки 14,87±1,09 у.е., после - 16,45±1,29 у.е., т.е. нагрузка у тренированных оказывает стабилизиТаблица3

Параметры квазиаттракторов кардиоинтервалов у нетренированных и тренированных студентов до и после физической нагрузки (п=30)

Параметры

квазиаттракторов

(У-е.)

Нетренированные студенты

Тренированные студенты

До

нагрузки

После

нагрузки

Р

До

нагрузки

После

нагрузки

Р

S

а072х106

а099х106

0,0350

0,152хЮ6

0,157x100

0,0937

V

70,35*106

93,46х106

0,0545

196,35x106

179,81x100

0,1982

Примечание: п - количество обследуемых, S - площадь кардиоинтервалов, у.е.; V - объем кардиоинтервалов, у.е.; р - достоверность значимых различий, по критерию Вилкоксона (р>0,05)

рующее действие.

Среднее значение ЧСС у нетренированных испытуемых в покое составило 87,73±2,30 уд/мин, у тренированных 75,4±2,35 уд/мин. После нагрузки значение ЧСС увеличилось до 88,2±2,62 и 74,72±2,25 уд/мин соответственно.

Установлено, что у нетренированных и тренированных испытуемых отсутствуют полностью статистически значимые различия параметров VLF, LF, HF, Total, LF norm, Hf norm и LF/HF до и после физической нагрузки (р>0,05). При сравнении спектральных показателей регуляции сердечнососудистой системы со стороны вегетативной нервной системы у нетренированных и тренированных испытуемых до физической нагрузки установлены статистически значимые различия параметров VLF (р=0,0020), HF (р=0,0333) и Total (р=0,0110) по критерию Краскела-Уоллиса (р<0,05).

По результатам данных табл. 2 VLF до и после нагрузки у нетренированных составляют 2228,13±339,61% и 2392,8±348,43% (р>0,05) соответственно. У тренированных: 6874,03±1446,68% и 7363,97±1195,36% (р>0,05). При сравнении спектральных характеристик у нетренированных, наблюдалось уменьшение LF компонента против увеличения HF.

Диапазон значений общего спектра мощности колебаний ритма сердца (Total) не достоверен у нетренированных и тренированными студентов. У нетренированных происходило уменьшение показателей LF norm, увеличение Hfnorm и уменьшение LF/HF. Обратная картина у тренированных испытуемых: увеличение показателей LF norm (с 61 до 61,66 у.е.), уменьшение Hfnorm (с 39 до 38,34 у.е.) и увеличения LF/HF (с 1,91 до 2,30 у.е.).

Параметры квазиаттракторов кардиоинтервалов у нетренированных и тренированных студентов до и после физической нагрузки представлены в табл. 3.

Установлено, что у тренированных студентов отсутствуют полностью статистически значимые различия параметров квазиаттракторов кардиоинтервалов до и после физической нагрузки (р>0,05). У нетренированных статистически значимые различия только по площади (р=0,0350).

Из полученных данных, представленных в табл. 3, наблюдалось резкое увеличение показателя площади квазиаттракторов кардиоинтервалов у нетренированных испытуемых после физической нагрузки (0,099х106 у.е.). Таким образом, площадь квазиаттракторов кардиоинтервалов у нетренированных испытуемых после выполненной нагрузки увеличилась в 1,5 раза. У тренированных лиц происходило незначительное увеличение показателей площади (на 6%) после физической нагрузки.

Более эффективно данная проблема может быть рассмотрена в аспекте теории хаоса и самоорганизации, на основе нейросетевых технологий. Нейро-ЭВМ обеспечивает идентификацию различий даже в тех случаях, когда обычный детерминистско- стохастический подход бывает малоэффективным. Для идентификации параметров порядка вектора состояния организма (как наиболее важных диагностических признаков xi) были применены нейросетевые методики. Использовалась стандартная процедура бинарной классификации, а также многокластерной классификации на базе программы NeuroPro 0,25. Во всех случаях определялись параметры порядка системы и значимость входных сигналов.

Нейронная сеть представляла различия между группами, т.е. выполнялась процедура бинарной классификации. При повторении процедуры классификации результат был одинаков, но значения весовых коэффициентов для каждого цикла были различными. Веса диагностических признаков х> хаотически изменялись. Каждый раз нейронная сеть выполняла идентификацию, но с помощью различного типа внутренней конфигурации.

Данные представлены в виде расчета доверительного интервала. Надежность используемых статистических оценок принималась не менее 95%. Учитывая, что распределения параметров сердечнососудистой системы не подчиняются закону нормального распределения, то данные представлены в виде медианы и интер- квантильного размаха. Интерквантильный размах указывается в пределах 5 и 95% процентилей.

Усредненные значения признаков отдельных координат xi вектора состояния системы интегральных и спектральных параметров сердечно-сосудистой системы со стороны вегетативной нервной системы у нетренированных и тренированных испытуемых до физической нагрузки представлены в табл. 4, 5.

Из полученных данных, представленных в табл. 4 наблюдалось наибольшее усредненное значение X4=SDNN вектора состояния системы интегральных параметров сердечно-сосудистой системы у нетренированных и тренированных испытуемых как до, так и после физической нагрузки. Динамика из-

До нагрузки

Расчеты

итераций

Средние значения координат вектора состояния системы

50

SIM=

PAR=

<Х2>

HR=

<ХЗ>

SDNN=

INB=

Sp02=

0,805

0,683

0,271

0,868

0,605

0,499

Me (5%; 95%)

  • 0,832
  • (0,466;
  • 1,000)
  • 0,701
  • (0,273;
  • 1,000)
  • 0,257
  • (0,112;
  • 0,529)
  • 1,000
  • (0,507;
  • 1,000)
  • 0,567
  • (0,276;
  • 1,000)
  • 0,423
  • (0,227;
  • 1,000)

D

0,031

0,065

0,020

0,033

0,049

0,045

Таблица 5

До нагрузки

Расчеты

итераций

Средние значения координат вектора состояния системы

50

VLF=

LF=

<Хг>

HF=

<ХЗ>

Total=

LF

norm=

HF

norm=

LF/HF=

13,375

0,486

0,710

0,649

0,183

0,182

0,474

Me (5%; 95%)

  • 1,000
  • (0,360;
  • 1,000)
  • 0,451
  • (0,161;
  • 1,000)
  • 0,770
  • (0,265;
  • 1,000)
  • 0,653
  • (0,308;
  • 0,926)
  • 0,178
  • (0,080;
  • 0,336)
  • 0,178
  • (0,078;
  • 0,317)
  • 0,454
  • (0,171;
  • 0,878)

D

7764,768

0,055

0,063

0,035

0,006

0,007

0,056

менения весовых коэффициентов колеблется в среднем от 0,271-0,868.

Таблица 4

Усредненные значения и;; признаков отдельных координат Xi вектора состояния системы (параметры х< интегральных и временных параметров ССС нетренированных и тренированных студентов до нагрузки)при идентификации параметров порядка нейроэмулятором 50 итераций в режиме бинарной классификации

Усредненные значения Wi признаков отдельных координат xi вектора состояния системы (параметры Xi спектральных параметров ССС нетренированных и тренированных студентов до нагрузки)при идентификации параметров порядка нейроэмулятором 50 итераций в режиме бинарной классификации

Из табл. 5 следует, что средние значения координат вектора состояния системы как до нагрузки, гак и после нагрузки сильно варьируют у нетренированных и тренированных студентов. Наблюдается наибольшее усредненное значение x;=VLF вектора состояния системы спектральных параметров сердечно-сосудистой системы у нетренированных и тренированных испытуемых как до, так и после физической нагрузки. После нагрузки этот параметр уменьшился в 13,7 раза.

Отсюда следует, что однозначного ответа на установление различий в показателях регуляции сердечно-сосудистой системы со стороны вегетативной нервной системы с позиции детерминистско- стохастический подхода выявить не представляется возможным. В рамках ТХС такие различия идентифицируются [7-13].

Выводы. Наблюдается тенденция к увеличению площади квазиаттракторов кардиоинтервалов нетренированных (в 1,5 раза) и тренированных (на 6%) испытуемых до и после физической динамической нагрузки, что может количественно представлять степень тренированности или детрепированности студентов северных территорий РФ.

Использование нейро-ЭВМ обеспечивает не только идентификацию различий между группами (статистически неэффективно), но и ранжирование диагностических признаков при изучении характера влияния нагрузки на организм нетренированных и тренированных испытуемых. Показано, что число итераций бинарной классификаций должно быть не меньше 100.

Литература

  • 1. Анохин П.К. Очерки физиологии функциональных систем. М: Медицина,1975. 448 с.
  • 2. Гавриленко Т.В., Еськов В.М., Хадарцев А.А., Химикова О.И., Соколова А.А. Новые методы для геронтологии в прогнозах долгожительства коренного населения Югры // Успехи геронтологии. 2014. Т. 27. №1. С. 30-36.
  • 3. Еськов В.М., Хадарцев А.А., Еськов В.В., Филатова О.Е. Особенности измерений и моделирования биосистем в фазовых пространствах состояний // Измерительная техника . 2010. №12. С.53-57.
  • 4. Еськов В.М., Козлова В.В., Голушков В.Н. Сравнительный анализ и синтез физиологических параметров организма студентов Югры в фазовых пространствах состояний // Теория и практика физической культуры. 2011. №11. С. 88-92.
  • 5. Еськов В.М., Еськов В.В., Филатова О.Е., Хадарцев А.А. Особые свойства биосистем и их моделирование // Вестник новых медицинских технологий. 2011. Т. 18. №3. С. 331-332.
  • 6. Еськов В.М., Хадарцев А.А., Несмеянов А.А., Фудин Н.А., Кожемов А.А. Принципы тренировки спортсменов на основе теории хаоса и самоорганизации // Теория и практика физической культуры. 2013. №9. С. 87-94.
  • 7. Еськов В.М., Хадарцев А.А., Козлова В.В., Филатова О.Е. Использование статистических методов и методов многомерных фазовых пространств при оценке хаотической динамики параметров нервно-мышечной системы человека в условиях акустических воздействий // Вестник новых медицинских технологий. 2014. Т. 21. №2. С.6-10.
  • 8. Русак С.Н., ЕськовВ.В., Молягов Д.И., Филатова О.Е. Годовая динамика погодпо-климагических факторов и здоровье населения Ханты-Мансийского автономного округа // Экология человека. 2013. № 11.

С.19-24.

9. Филатова О.Е., Проворова О.В., Волохова

М.А. Оценка вегетативного статуса работников нефтегазодобывающей промышленности с позиции теории хаоса и самоорганизации // Экология человека. 2014. № 6. С. 16-19.

  • 10. Eskov V.M., Eskov V.V., Filatova О.Е. Characteristic features of measurements and modeling for biosystems in phase spaces of states // Measurement Techniques (Medical and Biological Measurements). 2011. Vol. 53 (12). P. 1404-1410.
  • 11. Eskov V.M, Eskov V.V., Filatova O.E., Filatov M.A. Two types of systems and three types of paradigms in systems philosophy and system science // Journal of Biomedical Science and Engineering. 2012. Vol. 5. №. 10. P. 602-607.
  • 12. Eskov V.M., Gavrilenko T.V., Kozlova V.V., Filatov M.A.. Measurement of the dynamic parameters of microchaos in the behavior of living biosystems // Measurement Techniques. 2012. Vol. 55. №. 9. P. 1096-1100.
  • 13. Eskov V.M., Eskov V.V., Gavrilenko T.V., Zimin M.I. Uncertainty in the Quantum Mechanics and Biophysics of Complex Systems // Moscow University Physics Bulletin. 2014. Vol. 69. No. 5. P. 406-411

References

  • 1. Anokhin PK. Ocherki fiziologii funktsion- al'nykh sistem. Moscow: Meditsina; 1975. Russian.
  • 2. Gavrilenko TV, Es'kov VM, Khadartsev AA, Khimikova OI, Sokolova AA. Novye metody dlya geron- tologii v prognozakh dolgozhitel'stva korennogo nasele- niya Yugry. Uspekhi gerontologii. 2014;27(l):30-6. Russian.
  • 3. Es'kov VM, Khadartsev AA, Es'kov VV, Filatova OE. Osobennosti izmereniy i modelirovaniya biosis- tem v fazovykh prostranstvakh sostoyaniy. Izmeri- tel'naya tekhnika. 2010;12:53-7. Russian.
  • 4. Es'kov VM, Kozlova VV, Golushkov VN. Srav- nitel'nyy analiz i sintez fiziologicheskikh parametrov organizma studentov Yugry v fazovykh prostranstvakh sostoyaniy. Teoriya i praktika fizicheskoy kul'tury. 2011;11:88-92. Russian.
  • 5. Es'kov VM, Es'kov W, Filatova OE, Khadartsev AA. Osobye svoystva biosistem i ikh modelirovanie [Special oriperties of biosystems and their modelling]. Vestnik novykh meditsinskikh tekhnologiy. 2011;18(3):331-2. Russian.
  • 6. Es'kov VM, Khadartsev AA, Nesmeyanov AA, Fudin NA, Kozhemov AA. Printsipy trenirovki sportsmenov na osnove teorii khaosa i samoorganizatsii. Teoriya i praktika fizicheskoy kul'tury. 2013;9:87-94. Russian.
  • 7. Es'kov VM, Khadartsev AA, Kozlova W, Filatova OE. Ispol'zovanie statisticheskikh metodov i meto- dov mnogomernykh fazovykh prostranstv pri otsenke khaoticheskoy dinamiki parametrov nervno- myshechnoy sistemy cheloveka v usloviyakh akusti- cheskikh vozdeystviy [Application of statistical methods and multidimensional phase space methods for estimation of chaotic dynamics of neuromuscular system parameters under acoustic effects]. Vestnik novykh meditsinskikh tekhnologiy. 2014;21(2):6-10. Russian.
  • 8. Rusak SN, Es'kov VV, Molyagov DI, Filatova

OE. Godovaya dinamika pogodno-klimaticheskikh fak- torov i zdorov'e naseleniya Khanty-Mansiyskogo avto- nomnogo okruga. Ekologiya cheloveka. 2013;11:19-24. Russian.

  • 9. Filatova OE, Provorova OV, Volokhova MA. Otsenka vegetativnogo statusa rabotnikov neftegazodo- byvayushchey promyshlennosti s pozitsii teorii khaosa i samoorganizatsii. Ekologiya cheloveka. 2014;6:16-9. Russian.
  • 10. Eskov VM, Eskov VV, Filatova OE. Characteristic features of measurements and modeling for biosystems in phase spaces of states. Measurement Techniques (Medical and Biological Measurements). 2011;53(12):1404-10.
  • 11. Eskov VM, Eskov VV, Filatova OE, Filatov MA. Two types of systems and three types of paradigms in systems philosophy and system science. Journal of Biomedical Science and Engineering. 2012;5(10):602-7.
  • 12. Eskov VM, Gavrilenko TV, Kozlova W, Filatov MA. Measurement of the dynamic parameters of microchaos in the behavior of living biosystems. Measurement Techniques. 2012;55(9):1096-100.
  • 13. Eskov VM, Eskov VV, Gavrilenko TV, Zimin MI. Uncertainty in the Quantum Mechanics and Biophysics of Complex Systems. Moscow University Physics Bulletin. 2014;69(5):406-11.
 
<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>