STATE OF ATHLETES’ CARDIOVASCULAR SYSTEM UNDER PHYSICAL LOAD IN THE RUSSIAN NORTH

Cover Page

Abstract


Athletics in the North of the Russian Federation has significant features that are to be studied within the framework of human ecology. In this case, of particular importance are studies that are associated with controlled physical activity. The aim was to study the state of the parasympathetic and sympathetic autonomic nervous system of athletes regulating heart functioning under controlled physical activity. Methods: Data collection was performed on a group of 16 athletes according to the Helsinki Declaration. In total, 14 parameters of the cardiovascular system were recorded using the "Elox-01" and the parameters of quasi-attractors were calculated for the five-dimensional phase space. Results. Before the load (1,5 hours of playing mini-football), the indicator of parasympathetic (PAR) regulation prevailed almost 9 times (PAR = 16 c.u.) over the sympathetic (SIM) regulation (SIM = 1,75 c.u.). After the load, these indices became equal, but the volumes of quasi-attractors increased by 29 times. Conclusions. Athletes in the North of the Russian Federation can't significantly invert the state of SIM and PAR even after the load. The load only levels these indicators, but at the same time the volume of the quasi-attractor in the five-dimensional phase space of the states of diagnostic signs of the cardiovascular system of athletes increases. Such dynamic differs from the dynamics of the athletes of the Central Part of the Russian Federation, where the SIM indicator initially prevails over the PAR indicator.

Full Text

Занятие спортом для жителей Севера Российской Федерации (РФ) имеет решающее значение в аспекте качества и продолжительности жизни в целом [2]. Проживание в Ханты-Мансийском автономном округе (ХМАО) - Югре обычно сопровождается гипокинезией у большинства жителей округа, а перед спортом больших достижений возникают серьезные трудности из-за преобладания парасимпатической регуляции (параметр PAR в наших измерениях) вегетативной нервной системы (ВНС) над симпатической (SIM). При массовых обследованиях жителей Самарской области мы установили, что до 70 % (из 2 000 обследованных разных возрастов) населения представляют преобладание SIM над PAR (или хотя бы дают равенство этих показателей) [3, 5-7]. Совершенно иная картина у жителей Севера РФ 41 Медицинская экология Экология человека 2020.06 (у нас это ХМАО - Югра). Здесь часто в возрасте до 50 лет преобладает (у 90 % населения) показатель PAR и только в старшей возрастной группе показатель SIM достигает 30-40 % от числа обследованных. Известно, что в физиологии более младшего возраста (до 30 лет) обычно наблюдается преобладание вагусной регуляции ВНС, а с возрастом начинает превалировать и симпатическая ВНС. При этом SIM в старших возрастных группах (после 50 лет) для жителей ханты (как и для всех жителей средней полосы РФ) превалирует, что не характерно для пришлого населения Югры [14-16] в любом возрасте, включая и старшую возрастную группу [5-7, 16]. Отметим, что ряд авторов указывает на возможность непериодической (неустойчивой) регуляции в работе функциональных систем [1,4-6], поэтому мы использовали новые методы теории хаоса - самоорганизации (ТХС) [9-11]. Возникает закономерный вопрос: могут ли лица с выраженной вагусной регуляцией ВНС претендовать на высокий результат в аспекте долгожительства? Могут ли они сравниваться по показателям со спортсменами средней полосы РФ, у которых параметры SIM более выражены, чем параметры PAR? Цель нашего исследования - изучить динамику SIM и PAR у спортсменов Югры при условии существенных физических нагрузок и в условиях спокойного состояния (до нагрузки) с позиций статистики и новых методов ТХС [12-15]. Методы Согласно принципам Хельсинкской декларации исследования проводились в группе из 16 испытуемых (средний возраст 27 лет) с помощью прибора «Элокс-01». Регистрация кардиоинтервалов (КИ) производились за период 5 минут, то есть число КИ в каждой выборке было не менее 300. Особое внимание обращалось на следующие параметры сердечно-сосудистой системы: показатель состояния парасимпатической ВНС - x1 - PAR, показатель состояния симпатической ВНС - x2 - SIM, величина КИ - x3, индекс напряжения Баевского - x4, уровень оксигемоглобина - x5 - SPO2. Эти пять параметров образовывали пятимерное фазовое пространство состояний (ФПС), которое описывалось вектором состояния организма x = x(t) = (x1, x2 ... x5)T [8, 10-12, 16]. Движение этого вектора x(t) ограничивалось объемом VG ФПС в виде квазиаттрактора (КА). Объем VG находился из вариационных размахов Дх по каждой координате х t в ФПС, то есть VG = ПДх. Кроме объема КА VG находились координаты центра КА в этом пятимерном ФПС и межаттракторные расстояния при переходе организма из одного физического состояния в другое (от покоя до нагрузки). Находилось соотношение VG1 и VG2 и межаттракторное расстояние Z12 [16-20]. Результаты Состояния параметров сердечно-сосудистой системы (ССС) спортсменов Севера РФ существенно отличается от параметров ССС спортсменов средней полосы. В наших исследованиях это проявляется в том, что в покое ни один из 16 испытуемых не оказался выраженным симпатотоником. Все 16 человек были выраженными парасимпатотониками, и по всей группе среднее значение PAR было почти в 10 раз больше, чем значение SIM. В частности, среднее значение <PAR> = <х1> = (16 ± 3) у. е., а <SIM> = <х2> = (1,75 ± 0,6) у. е. Подчеркнем, что в средней полосе РФ эти показатели обычно соотносятся в равных долях (50/50 %) для данной возрастной группы как для спортсменов, так и для всего населения России. Индекс Баевского до нагрузки у нас составил (25,5 ± 5,4) у. е., что согласуется с таковым для средней полосы (там он несколько ниже). Кардиоинтервалы существенно не отличаются до нагрузки от параметров КИ для средней полосы РФ. Интересно, что оксигенация крови у наших испытуемых была несколько повышена (SPO2 = х5 = (97,00 ± 0,94) %). Для средней полосы РФ такие результаты наблюдаются у обычных людей, которые не занимаются спортом профессионально (отсутствует регулярная физическая нагрузка). Подчеркнем, что существенная физическая нагрузка (около 1,5 часа занятия мини-футболом) резко изменила указанные значения. Например, средние значения ^1Мп> = (8,2 ± 0,9) у. е. после нагрузки, а <PARп> = (7,9 ± 1,9) у. е. Фактически мы имеем почти полное совпадение значений SIM и PAR после этой нагрузки. Это не характерно для средней полосы, где SIM всегда превалирует над PAR после таких физических нагрузок. С другой стороны, оксигенация крови даже несколько уменьшилась - до <х5> = (96 ± 1) %. Длительная физическая нагрузка у спортсменов привела к увеличению параметра SIM почти в 5 раз - с (1,75 ± 0,6) до (8,2 ± 0,9) у. е., и почти в 4 раза увеличился индекс Баевского - с (25,5 ± 5,4) до (107,9 ± 4,4) у. е. после нагрузки. Однако в любом случае состояние симпатической ВНС оценивается как очень слабо выраженное (низкие параметры). При этом объем КА VG в пятимерном ФПС признаков х (см. выше) резко нарастает - от VG1 = 0,37 • 106 у. е. перед нагрузкой до VG2 = 10,8 • 106 у. е. после полуторачасовой тренировки по мини-футболу. Характерно, что не только объем КА VG увеличился почти в 29 раз, но и существенно возросло межаттракторное расстояние. Например, в пятимерном ФПС это расстояние Z составило 53,8 у. е. Причем по всем координатам х. мы видим существенные изменения координат центров КА (только SPO2 не дает больших изменений). Для первой фазовой координаты х51 - значения КИ и второй фазовой координаты х2 = йхл мы имеем разные площади квазиаттракторов КИ (рисунок). До нагрузки площадь КА для КИ (представлено в табл. 1) для такого двумерного вектора хз = (х51, хя2)Т имела среднее значение по всей группе Ss1 = 0,072 • 42 Экология человека 2020.06 Медицинская экология А В S1 = 0,150 • 106 у. е. S2 = 0,194 • 106 у. е. Фазовые портреты параметров квазиаттракторов (S) для кардиоинтервалов (КИ) спортсмена ХРГ: А - до физической нагрузки; В - после нагрузки 106 у. е. После указанной физической нагрузки мы получили Ss2 = 0,113 • 106 у. е. Эта динамика площади КА для КИ представлена на рисунке в виде двух фазовых портретов (см. рисунок А - до нагрузки S; и В - после нагрузки S2). Фактически мы имеем в среднем кратные изменения объемов VG и площади Ss для КИ, что в новой ТХС можно трактовать [3, 10-13] как эволюционные изменения в состоянии функциональной системы организма (ФСО) человека на примере состояния ССС [9, 12-15]. Таблица 1 Значение площадей S квазиаттракторов для кардиоинтервалов (КИ) группы спортсменов Спортсмены Испытуемый До нагрузки После нагрузки S • 106, у. е. S • 106, у. е. 1 0,112 0,181 2 0,034 0,058 3 0,123 0,133 4 0,150 0,194 5 0,032 0,039 6 0,025 0,037 7 0,018 0,022 8 0,013 0,039 9 0,059 0,062 10 0,030 0,203 11 0,182 0,240 12 0,041 0,068 13 0,078 0,105 14 0,066 0,132 15 0,030 0,067 16 0,152 0,235 Х ср. 0,072 0,113 Ме • 106 0,050 0,086 5 % • 106 0,013 0,022 95 % • 106 0,182 0,240 D 0,003 0,006 Напомним, что эволюция ФСО отличается от статистической неустойчивости, то есть неопределенности 2-го типа в ТХС тем, что объем (площадь) КА может изменяться в 2 раза и более или когда центр 2-го КА2 покидает пределы (объем) исходного, 1-го КА1. Именно такую картину мы и наблюдаем и с объемом КА, и с движением КА в пятимерном ФПС. Отметим, что в ТХС это доказывается не только для параметров ВНС, но и для нервно-мышечной системы [11 - 16] и нейросетей мозга [7, 8, 12, 19, 20]. Исследуемая физическая динамическая нагрузка в группе наших спортсменов вызывает существенные изменения и объемов VG в пятимерном ФПС, и существенные изменения в значениях площадей для КА при изучении КИ. В табл. 1 мы представляем результаты расчета площади КА для КИ у группы спортсменов до нагрузки и после нагрузки (рисунок представляет типичную картину таких изменений S для КИ у одного, наиболее типичного, испытуемого) [6-10, 12-16]. В целом расчет VG, S и межаттракторных расстояний существенно дополняет обычные статистические расчеты (тем более что вся наша группа показала низкие значения числа k пар, которые имеют общую генеральную совокупность). Для примера мы представляем результаты попарного сравнения всех 16 выборок КИ (для всех 16 испытуемых) до физической нагрузки. В этом случае k1 = 24, а после нагрузки мы имеем k2 = 26 для всех 16 испытуемых (см. табл. 2). Таблицы вида табл. 1 доказывают реальность эффекта Еськова - Зинченко [3, 10-13]. Они доказывают, что статистика в оценке параметров ССС весьма неэффективна и требуются другие методы и модели в оценке влияния физических нагрузок на параметры ССС в условиях Севера РФ. Сейчас эти методы мы предлагаем на основе ТХС, где главную роль играет хаос (неустойчивость) выборок параметров организма. Для нервно-мышечной системы это сейчас доказывают и ряд других авторов [5, 6]. 43 Медицинская экология Экология человека 2020.06 Таблица 2 Уровни значимости статистических различий (р) для попарных сравнений 16 выборок параметров кардиоинтервалов группы спортсменов до физической нагрузки с помощью непараметрического критерия Ньюмана - Кейлса, число совпадений k = 24 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 1,00 0,00 0,00 0,00 2 0,00 1,00 0,02 0,00 0,00 0,00 1,00 0,00 0,11 0,00 1,00 0,00 0,00 0,00 0,00 3 0,00 1,00 0,13 0,00 0,00 0,00 0,27 0,00 0,02 0,00 1,00 0,00 0,00 0,00 0,00 4 0,00 0,02 0,13 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,02 0,00 0,00 1,00 0,00 5 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 0,00 6 0,00 0,00 0,00 0,00 0,00 0,08 0,00 1,00 0,00 0,00 0,00 0,20 1,00 0,00 1,00 7 0,00 0,00 0,00 0,00 0,00 0,08 0,00 0,07 0,00 0,00 0,00 0,00 0,00 0,00 1,00 8 0,00 1,00 0,27 0,00 0,00 0,00 0,00 0,00 1,00 0,02 1,00 0,00 0,00 0,00 0,00 9 0,00 0,00 0,00 0,00 0,00 1,00 0,07 0,00 0,00 0,00 0,00 0,23 1,00 0,00 1,00 10 0,00 0,11 0,02 0,00 0,00 0,00 0,00 1,00 0,00 0,35 0,13 0,00 0,00 0,00 0,00 11 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,02 0,00 0,35 0,00 0,00 0,00 0,00 0,00 12 0,00 1,00 1,00 0,02 0,00 0,00 0,00 1,00 0,00 0,13 0,00 0,00 0,00 0,00 0,00 13 1,00 0,00 0,00 0,00 0,00 0,20 0,00 0,00 0,23 0,00 0,00 0,00 1,00 0,00 0,00 14 0,00 0,00 0,00 0,00 0,00 1,00 0,00 0,00 1,00 0,00 0,00 0,00 1,00 0,00 0,01 15 0,00 0,00 0,00 1,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 16 0,00 0,00 0,00 0,00 0,00 1,00 1,00 0,00 1,00 0,00 0,00 0,00 0,00 0,01 0,00 Обсуждение результатов Анализ пяти параметров ССС у группы спортсменов на Севере РФ при длительных физических нагрузках показал, что статистика позволяет различать выборки SIM, PAR, INB (индекс Баевского) и т. д., но сами эти параметры существенно отличаются от динамики изменения ССС у спортсменов средней полосы РФ. Вся группа показала в спокойном состоянии существенное превышение тонуса парасимпатической ВНС (PAR) над параметрами состояния симпатической ВНС (SIM). Это не характерно для спортсменов средней полосы РФ. Полуторачасовая нагрузка только приблизительно уравняла эти показатели, т. е. SIM » PAR. Это крайне негативный результат, т. к. традиционно считается, что у спортсменов средней полосы всегда такие воздействия приводят к превышению SIM над PAR (обычно кратно, в 1,5-2 раза). Спортсмены Севера РФ показывают иные результаты под действием физической нагрузки. Возникает закономерный вопрос: могут ли спортсмены Севера РФ равняться со спортсменами средней полосы РФ? Одновременно наиболее значительные изменения происходят в параметрах КА. Например, в пятимерном ФПС мы имеем увеличения VG КА почти 29 раз. При этом существенно нарастает и межаттракторное расстояние Z до и после нагрузки. В динамике поведения КА для КИ имеются существенные результаты, которые отличаются от исходных статистических сравнений. Одновременно расчет матриц парных сравнений всех 16 выборок КИ показывает низкие значения чисел пар k, которые можно отнести к одной генеральной совокупности. Таким образом, результаты доказывают реальность эффекта Еськова - Зинченко и демонстрируют низкую эффективность традиционных статистических методов в экологии человека. Работа выполнена в рамках государственного задания ФГУ ФНЦ НИИСИ РАН (Проведение фундаментальных научных исследований (47 ГП) по теме № 0065-2019-0007 «36.20 Развитие методов математического моделирования распределенных систем и соответствующих методов вычисления», № АААА-А19-119011590093-3). Авторство Башкатова Ю. В. провела измерение кардиоинтервалов у группы испытуемых; Филатов М. А. выполнил математическое обоснование расчета матриц парных сравнений выборок, а также обосновал методы расчета квазиаттракторов для оценки гомеостаза при физической нагрузке; Шакирова Л. С. осуществила построение фазовых портретов.

About the authors

Yu. V. Bashkatova

Federal Research Center for Scientific Research Institute of System Research of the Russian Academy of Sciences

Surgut, Russia

M. A. Filatov

Tyumen Industrial University in Surgut

Email: Filatovmik@yandex.ru
Surgut, Russia

L. S. Shakirova

Federal Research Center for Scientific Research Institute of System Research of the Russian Academy of Sciences

Surgut, Russia

References

  1. Дерягина Л. Е., Цыганок Т. В., Рувинова Л. Г., Гудков А. Б. Психофизиологические свойства личности и особенности регуляции сердечного ритма под влиянием трудовой деятельности // Медицинская техника. 2001. № 3. С. 40-44
  2. Долгобородова А. А., Гудков А. Б., Быков А. В., Дёмин А. В. Характеристика психологического компонента функциональной подготовленности игроков сборной России по флорболу в динамике игрового сезона // Теория и практика физической культуры. 2019. № 4. С. 80-82.
  3. Леонов Б. И., Григоренко В. В., Еськов В. М., Хадарцев А. А., Иляшенко Л. К. Автоматизация диагностики возрастных изменений параметров сердечно-сосудистой системы // Медицинская техника. 2018. № 3 (309). С. 48-51.
  4. Нифонтова О. Л., Гудков А. Б., Щербакова А. Э. Характеристика параметров ритма сердца у детей коренного населения Ханты-Мансийского автономного округа // Экология человека. 2007. № 11. С. 41-44.
  5. Albert S. T., Hadjiosif A. M., Jang J., Zimnik A. J., Soteropoulos D. S., Baker S. N., Churchland M. M., Krakauer J. W., Shadmehr R. Postural control of arm and fingers through integration of movement commands. Elife. 2020, 9, p. e52507.
  6. Churchland M. M., Cunningham J. P., Kaufman M. T., Foster J. D., Nuyujukian P., Ryu S. I., Shenoy K. V. Neural population dynamics during reaching. Nature. 2012, 487, pp. 51-56.
  7. Eskov V. M., Filatova O. E. Problem of identity of functional states in neuronal networks. Biophysics. 2003, 48 (3), pp. 497-505.
  8. Eskov V. M., Eskov V. V., Filatova O. E., Khadartsev A. A., Sinenko D. V. Neurocomputing identification of the order parameter in gerontology. Advances in gerontology. 2015, 28 (3), pp. 435-440.
  9. Eskov V. M., Pyatin V. F., Eskov V. V., Ilyashenko L. K. The heuristic work of the brain and artificial neural networks. Biophysics. 2019, 64 (2), pр. 293-299.
  10. Eskov V. V., Filatova D. Y., Ilyashenko L. K., Vochmina Y. V. Classification of uncertainties in modeling of complex biological systems. Moscow university physics bulletin. 2019, 74 (1), pp. 57-63.
  11. Filatova O. E., Bazhenova A. E., Grigorieva S. V., Ilyashenko L. K. Estimation of the parameters for tremograms according to the Eskov-Zinchenko effect. Biophysics. 2018, 63 (2), pp. 262-267.
  12. Gavrilenko T. V, Eskov V. M., Khadartsev A. A., Sokolova A. A. New methods for gerontology in the longevity projections of the indigenous population of Ugra. Advances in gerontology. 2014, 27 (1), pp. 30-36.
  13. Ilyashenko L. K., Bazhenova A. E., Berestin D. K., Grigorieva S. V. Chaotic dynamics parameters of the tremorgrams at the stress exposure. Russian journal of biomechanics. 2018, 22 (1), pp. 62-71.
  14. Kolosova A. I., Filatov M. A., Maistrenko E. V., Ilyashenko L. K. An analysis of the attention indices in students from Surgut and Samara oblast from the standpoint of stochastics and chaos. Biophysics. 2019, 64 (4), pp. 662-666.
  15. Vokhmina Y. V., Eskov V. M., Gavrilenko T. V., Filatova O. E. Measuring order parameters based on neural network technologies. Measurement techniques. 2015, 58 (4), pp. 462-466.
  16. Zilov V. G., Eskov V. M., Khadartsev A. A., Eskov V. V. Experimental confirmation of the effect of “Repetition without repetition” N. A. Bernstein. Bulletin of experimental biology and medicine. 2017, 163 (1), pp. 4-8.
  17. Zilov V. G., Khadartsev A. A., Eskov V. V., Eskov V. M. Experimental study of statistical stability of cardiointerval samples. Bulletin of experimental biology and medicine. 2017, 164 (2), pp. 115-117.
  18. Zilov V. G., Khadartsev A. A., Ilyashenko L. K., Eskov V. V., Minenko I. A. Experimental analysis of the chaotic dynamics of muscle biopotentials under various static loads. Bulletin of experimental biology and medicine. 2018, 165 (4), pp. 415-418.
  19. Zilov V. G., Khadartsev A. A., Eskov V. V., Ilyashenko L. K., Kitanina K. Yu. Examination of statistical instability of electroencephalograms. Bulletin of experimental biology and medicine. 2019, 168 (7), pp. 5-9.
  20. Zilov V. G., Khadartsev A. A., Eskov V. M., Ilyashenko L. K. New effect in physiology of human nervous muscle system. Bulletin of experimental biology and medicine. 2019, 167 (4), pp. 419-423.

Statistics

Views

Abstract - 68

PDF (Russian) - 22

Cited-By


PlumX

Dimensions

Refbacks

  • There are currently no refbacks.

Copyright (c) 2020 Bashkatova Y.V., Filatov M.A., Shakirova L.S.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies