Блок информации. Создание теоретических основ ТХС и разработка формального анализа синергизма в биологических динамических системах (БДС)

Создание теоретических основ ТХС и разработка формального анализа синергизма в биологических динамических системах (БДС), к которым относятся и все ФСО человека, составляет основу развития современного естествознания. Однако, при этом возникают весьма сложные задачи формализации процедуры идентификации параметров порядка (ПП) и русел (Р), описывающих динамику поведения вектора состояния биосистемы (ВСБ) в m – мерном фазовом пространстве состояний. Следует отметить, что после идентификации ПП и Р мы уже работаем в k – мерном пространстве признаков БДС, т.к. параметры порядка определяют только наиболее важную часть компонент x_i (i=1, …, k) из всего набора компонент ВСБ x=(x₁, …, x_m)^T.

Основу системного синтеза как раз и составляет теория отыскания параметров порядка и русел, минимальной размерности k подпространства состояний, в котором можно бы было весьма полно и прогнозируемо описывать динамику поведения вектора состояния организма человека (ВСОЧ) или любой другой биосистемы. Последний в m – мерном фазовом (общем) пространстве состояний мог бы описывать довольно точно саногенез или патогенез любого организма, любого человека, но работать с такими большими размерностями (m> 1000, например) весьма неудобно, дорого (на одну полную диагностику уйдет много средств и времени), но и главное - это не нужно делать. Достаточно выявить параметры порядка x_i (где i=1, …, k) и идентифицировать русла.

В медицине это делается постоянно на любых этапах работы врача. Например, при обращении к терапевту последний обязан выполнить идентификацию минимум четырех признаков (k=4), т.е. определить температуру тела пациента (tº C=x₁), систолическое артериальное давление (x₂= САД), диастолическое давление (x₃= ДАД) и измерить частоту сердечных сокращений (x₄=ЧСС). Во многих случаях эти параметры порядка должны измеряться для определения временной нетрудоспособности пациента. В более сложных случаях приходиться расширять пространство признаков, увеличивать размерность k, т.е. переходить от k к k₁ или k₂ и т.д. В биологии такие задачи тоже имеются и решаются аналогично.

Увеличение размерности пространства состояний k должно сопровождаться идентификацией конкретного заболевания. Если диагноз будет поставлен правильно и будет выявлена нозологическая единица, то и в этом случае возникает проблема: какие координаты ВСОЧ следует наблюдать в дальнейшем, на какие x_i обратить особое внимание, какие из них можно считать параметрами порядка?

Следует отметить, что в рамках классического подхода европейской медицины этот вопрос часто и не стоит особо остро. У врача есть стандартные методики, должностные инструкции и правила (учебники, научная литература) по клинике данного заболевания и он работает в рамках этих стандартных правил. Однако, в восточной медицине работает другой подход. Он основан на индивидуализации заболевания. В рамках биофизики и клинической кибернетики это означает, что у каждого пациента (даже если уже поставлен правильный диагноз) его ВСОЧ может иметь только ему (пациенту) присущие координаты.

Это очень необычно для европейской медицины, т.к. получается, что для каждого пациента будет своя размерность фазового пространства и свой набор ранжирования диагностических признаков (т.е. свои x_i и свое k_j, где j – номер пациента). На данном этапе развития медицины мы готовы говорить об эндемичности признаков, т.е. для каждой группы населения (проживающей в особых экологических условиях) современная медицина допускает разделения значимости диагностических признаков и измерение размерности фазового пространства. Однако, что бы говорить о такой индивидуализации для каждого пациента, то для современной медицины это пока не допустимо.

Вместе с тем с позиций ТХС – это уже свершившийся факт. Каждый человек, животное, растение индивидуалны, у каждого живого существа существует свой набор ПП и Р для саногенеза и патогенеза. Более того, протекание заболевания Z в возрасте 25 лет будет описываться другими (не совпадающими) параметрами x_i чем у того же пациента, но в 50 или 65 лет. Мы сейчас подходим к индивидуальной медицине, т.к. клиническая кибернетика позволяет уже это выполнять. Однако главная проблема системного синтеза – это формализация процедуры идентификации ПП и Р и она все – таки остается не разрешимой для многих задач биологии и медицины.

На сегодняшний день существуют несколько подходов к решению этой проблемы. В частности, для ряда режимов поведения БДС в лаборатории биокибернетики и биофизики сложных систем (ЛББСС) при Сургутском государственном университете (СурГУ) такая проблема уже решена в виде создания специальных алгоритмов, зарегистрированных программ ЭВМ и разработки специальной теории идентификации частичного или полного синергизма в БДС и идентификации интервалов устойчивости БДС. Такие методы и программные продукты обеспечивают идентификацию ПП и Р для БДС, находящихся в стационарных (или квазистационарных в биологическом смысле) режимах функционирования. Они пригодны для компартментного и кластерного анализа БДС при дискретности мониторирования БДС (в режиме “стоп-кадр”). Наконец, они сейчас успешно применяются для идентификации параметров аттракторов и диагностики различий между стохастикой и хаосом в любом режиме поведения БДС.

В настоящей работе представляется фрагмент одного из трех созданных подходов в клинической кибернетике (конкретно нейрокомпьютерный подход) для идентификации ПП и Р с использованием нейросетевых технологий.

Следует отметить некоторую парадоксальность постановки и решения использования нейро – ЭВМ для идентификации параметров порядка. Действительно, нейросети и нейро – ЭВМ – это уже порождения хаоса и синергетики. Можно сказать, что дитя хаоса за счет собственной самоорганизации решает задачи созданные хаосом и самоорганизацией. Последнее означает, что любой ВСОЧ, фактически, находится в хаотической динамике. И если его отдельные координаты по поведению стоят ближе к стохастике, то наиболее важные жизненные функции прибывают в аттракторах хаоса (по своим фазовым координатам).

Например, многие показатели кардио – респираторной системы (КРС) находятся в аттракторах хаотических состояний. Это и ЧСС, САД и ДАД, показатели сипатотонии (СИМ) и парасимпатотонии (ПАР) и др. Это же относится и к показателям нервно – мышечной системы (НМС), в частности, к показателям тремора при удержании суставного угла и др. Биохимические показатели крови (белки, углеводы, жиры и другие параметры) существенно зависят от приема пищи, экофакторов среды и других факторов (экофакторы, которые хаотичны по своей сути). Все это образует хаотическую динамику движения ВСОЧ, которую надо как-то описывать, диагностировать в ней ПП и Р.

Упомянутый выше парадокс заключается в том, что и структуры и функции (точнее сказать функциональные связи внутри естественной или искусственной нейросети) имеют чисто хаотический характер. Например, нейро – ЭВМ, настраиваясь на решение определенной задачи, уже устанавливает чисто хаотические связи. И каждый раз эти связи различны и неповторимы, нейросеть хаотична по своей природе, но при этом она способна самоорганизоваться и решать весьма сложные задачи. Вот именно с этого момента, с создания уже человеком, а не природой этих принципов самоорганизации и возникли нейро – ЭВМ и человек стал Криэйтором (создателем с большой буквы). Началась эпоха нейрокомпьютинга и нейросетевых технологий.

Возможности нейросетевых технологий пока еще непознаны, так же, как и возможности нашего мозга. Но можно уже уверенно говорить, что теория хаоса и синергетика начали жить своей формальной жизнью в современном естествознании, т.к. заработал аппарат решения задач естествознания. Возможно в будущем мы вообще отойдем от алгоритмизации любых задач, а синергетические машины будут решать любые проблемы человечества.

В настоящее время мы уже можем с помощью нейро-ЭВМ решать весьма сложные задачи системного синтеза. Для этого необходимо изначально иметь набор x_i (диагностических признаков), т.е. координат ВСОЧ для конкретного человека и для группы симптоматично сходных людей. Это могут быть больные одним заболеванием или просто контрольная группа для сравнения. При этом очень важно выбрать квалифицированно обучающие выборки, у которых бы параметры x_i группировались внутри компактного аттрактора.

В целом, разработанные методы ранжирования диагностических признаков и идентификация параметров порядка и русел нами выполнена в трех вариантах. Во-первых, на базе программ ЭВМ, которые идентифицируют V и rxy и позволяют методом исключения убирать те x_i из общего списка, которые не оказывают существенного влияния на значения параметров аттрактора. Во-вторых, для стационарных состояний БДС в режиме возмущающих воздействий можно получить выходные марковские параметры и по ним найти минимальную модель БДС (с ПП и Р).

Наконец, существует и третий подход, который основан на нейросетевых технологиях. Рассмотрим более подробно новый метод идентификации хаотических и стохастических параметров экосреды.

Как уже указывалось выше, базовыми проблемами молодой науки синергетики являются проблемы идентификации параметров порядка и русел различных динамических систем и проблемы диагностики превалирования хаотических или стохастических режимов поведения у, например, биологических динамических систем (БДС). И если первая уже решена усилиями лаборатории биокибернетики и биофизики сложных систем (ЛББСС) СурГУ для БДС, находящихся в стационарных режимах, то второй блок проблем продолжает оставаться нерешенным на уровне формального (алгоритмизируемого) решения. Решению этих проблем и посвящается настоящая работа на примере параметров экосреды. Существенно, что разработанный подход может быть использован и для оценки состояния функциональных систем организма (ФСО) человека, других систем.

Известно, что сейчас теория хаоса и синергетики (ТХС) подошла к пониманию природных процессов в терминах русел и параметров порядка, когда вектор состояния биологической динамической системы описывается в некоторых подпространствах, меньшей размерности k. Например, для характеристики климата мы можем использовать три параметра, которые достаточно полно дают оценку экологического состояния территории и климата. Обычно для этих целей используют три основных показателя: температуру воздуха Т° (в градусах Кельвина), влажность R (обычно используют относительную влажность) и атмосферное давление P. Именно эти три параметра могут характеризовать любую территорию с экологической точки зрения или климатической и именно они могут задавать параметры порядка экосреды и влиять на динамику вектора состояния организма человека (ВСОЧ).

Так, например, для территории с низкой годовой температурой мы можем говорить об арктическом климате или о суровых зимах, жарком лете и т.д. В районах Земли, где низкая влажность, мы говорим об аридных зонах, а для больших R (R®100%) мы говорим о тропических зонах с высокой влажностью и т.д. Если рассматривать эти показатели на больших интервалах времени (например, тысячелетия), то можно говорить о динамике климата (сухой и жаркий климат, или холодный и влажный и т.д.). Все эти характеристики приняты в экологии и широко используются для определения параметров отдельных территорий или даже целых континентов.

В рамках ТХС и с использованием компьютерных технологий в НИИ БМК был выполнен анализ динамики поведения вектора состояния экосреды в m – мерном (т.е. многомерном) пространстве состояний, на основе которого мы сделали обоснование и разработали критерии оценки различий между стохастической и хаотической динамиками поведения параметров метео - и экофакторов среды обитания на примере г. Сургута. При этом, были разработаны критерии оценки различий между стохастическими и хаотическими процессами в многомерном фазовом пространстве путем анализа параметров многомерного параллелепипеда (его объема V, его геометрического центра x_c). ЭВМ за счет специальной программы в настоящее время рассчитывает координаты x_сi этого центра, расстояние r между точкой центра стохастического (координаты x_s) и хаотического центра (координаты x_c). После апробирования на многочисленных данных по состоянию метеофакторов и экофакторов среды Югры (на примере г. Сургута) было установлено, что чем больше расстояние между геометрическим и среднестатистическим стохастическим центром в фазовом m-мерном пространстве, тем ярче выражена мера хаотичности в динамике поведения вектора состояния экофакторов среды. Аналогичные данные были получены и при анализе динамики поведения ВСОЧ (для разных ФСО человека на Севере, которые подвергаются действию хаотически изменяющихся параметров среды – метеофакторов, экофакторов урбанизированных территорий).

Известно, что существующая традиционная методология описания стохастических процессов основываются, как правило, на распределении Гаусса. Нами был введен определенный параметр r (расстояние r, см. выше), который находился по формуле:

(2.7.1)

Рассмотрим алгоритм диагностики на некоторых гипотетических примерах, поясняющих различие между реальными гистограммами и гипотетической хаотической гистограммой (в виде одного прямоугольника). На примерной гистограмме (рис.2.7.1) представлено k -число интервалов разбиения (k =5), по одной из координат x_i(i=1, 2, …, m). Причем, для каждого их этих интервалов находится свое значение P_ij – частоты попадания случайной величины в интервал Dх_ij (m_ij – число результатов измерений, попавших в Dx_ij, а P_ij=m_ij/n_i, где n_i – общее число измерений). Для фазовой координаты x_i будем иметь некоторое усредненное значение < P_i>, которое соответствует гипотетическому хаотическому распределению (вида “белый шум”). Тогда < P_i> = 1/k. Введем понятие центра каждого интервала Dx_ij для каждой i – й координаты и j -го интервала из k: < х_ij > –центр j -го интервала для каждой координаты x_i общего фазового пространства находится из уравнения:

(2.7.2)

Рис.2.7.1. Пример соотношения между реальной (набор прямоугольников) гистограммой и гипотетической (характерной для хаоса в виде прямоугольника высотой < P_i >).

Далее, если параметры изучаемой динамической системы (например, параметры ФСО или экофакторов ХМАО) в первом приближении могут укладываться в некоторый нормальный закон распределения вида:

(2.7.3)

где D - дисперсия, σ – среднеквадратичное отклонение, , - среднеарифметическая величина, то можно с помощью ЭВМ методом наименьших квадратов (МНК) рассчитать погрешность (т.е. переменную z_s) различий между функцией распределения Гаусса f(x) и реальными гистограммами для всех координат x_si в m -мерном фазовом пространстве (по каждой координате x_si отдельно!). Полученные все m значений Z_s для всех погрешностей образуют некоторую характеристику отклонений f(x) от реальных значений . При этом использовалась следующая формула (см. рис.2.7.1):

(2.7.4)

где P_ij частота попадания случайной величины x_is в интервал Dx_ij, < x_ij > – центр интервала Dx_ij, _, k – число интервалов разбиения реальных интервалов изменения фазовых координат по каждой x_i, которые ограничены левыми и правыми значениями фазовых координат x_imin и x_imax. Они образуют некоторое множество, которое может быть стандартизовано (или откорректировано) в пределах всего m -мерного пространства. При этом дает общее представление о различии между гистограммами и гипотетическим нормальным распределением во всем m – мерном пространстве.

Существенно, что нами составлена программа на ЭВМ, которая с помощью МНК позволяет подобрать такие минимальные (оптимальные) параметры ( и s_i) функции Гаусса, при которых погрешности по всем координатам фазового пространства Z _si будут минимальными и их средние значения тоже будут минимальными. При этом относительные погрешности по всем m координатам фазового пространства также минимизируются, т.е.

Если же система в своей динамике хаотична, то область (x_i1, x_ik) (см. рис. 2.7.1 – границы изменения фазовой координаты x_i для всех координат пространства) и всю гистограмму можно представить в виде прямоугольника (см. рис.2.7.1). Здесь средняя высота < P_i > определяется выражением:

и тогда

Далее, ведем показатели:

и , (2.7.5)

которые будут характеризовать меру различия между фактическим значением измеряемой величины (по конкретной координате x_i) и гипотетическим (предполагаемым) хаотическим значением (которому соответствует частота события 1/k). Очевидно, чем меньше значение , тем ближе истинный процесс попадает под определение хаотического процесса, который можно представлять, например, белым шумом с P_i=const.

Очевидно, что в хаосе гипотетическая гистограмма должна принять вид прямоугольника с основанием (т.е. каждое состоит из , где j=1, …, k, а i=1, …, m) и одинаковой высотой < P_i> =const=1/k. Сама величина θ _ci дает абсолютную характеристику отличий фактического распределения СВ (т.е. реальной гистограммы) от гипотетического равномерного хаотического распределения (“белый шум”).

Отметим, что построение математических моделей суточных или сезонных колебаний P, R, T обычно производится в рамках дифференциальных уравнений (ДУ) или разностных уравнений (РУ). В ряде случаев производится статистическая обработка результатов измерений, например, вычисляются мода, медиана, доверительный интервал, дисперсия, выполняется факторный анализ и т.д.

В рамках разрабатываемых в НИИ БМК новых подходов мы вынуждены работать с понятиями фазовых пространств и аттракторов, параметров порядка и русел, областей джокеров и кластеров устойчивости различных динамических систем. Новая трактовка получается и при оценке закономерностей в динамике метеофакторов и параметров климата.

Действительно, сейчас уже надо точно определять можем ли мы оценивать метеофакторы с традиционных позиций климата и периодики вращения Земли, или они представляют раздел хаотичной динамики? Однако постановка такой проблемы еще не означает ее решения. Это обусловлено в первую очередь тем, что синергетика и теория хаоса не выработали четких критериев деления процессов природы на стохастические или хаотические. Это значит, что в изучении метеофакторов с позиций стохастики или хаоса необходимо, прежде всего, определиться с методами идентификации хаоса или вероятностной оценкой любых динамических процессов.

В этой связи в НИИ БМК и разработали некоторые оценочные механизмы для классификации таких подходов и алгоритмы, которые позволили классифицировать любые динамические процессы. Отметим, что говорить о стохастике мы можем вполне однозначно, если на динамику природных процессов действуют некоторые факторы (одни или несколько) в рамках не синергических механизмов, направленных на достижение одного результата, единой цели управления. Примеров подобных процессов очень много в неживой природе и технике. Здесь мы можем говорить о жестких управляющих силах или о кооперации малых регуляторных систем, действующих в одном русле.

Например, свободное падение с ускорением g на Земле будет описываться в рамках распределения Гаусса с модой, дисперсией и доверительным интервалом. Можно сказать, что все законы физики, химии, ряд биологических законов протекают в условиях доминирования одного или нескольких синергетических законов, а другие процессы (движение воздуха, флуктуации плотности и т.д. в свободном падении, например) оказывают весьма незначительное возмущение. Именно для таких процессов мы и имеем жесткое выполнение стохастических закономерностей.

Сейчас становится понятным, что если в системе действуют много законов (без доминантных), тем более если движущие силы процессов неоднородны и асинергичны, то говорить о стохастичности таких систем в их динамике нет смысла. Именно такие характерные объекты мы имеем в живой природе.

Любая живая система, отдельный организм и биосфера Земли в целом – это одна большая флуктуация, один большой хаос. Уже возникновение конкретного организма в данной точке пространства (например, рождение именно такого ребенка, именно у такой матери, именно в данное время) – это уже огромная флуктуация, а точнее хаос. Сама жизнь на Земле – это гигантская флуктуация, которая существует в мире хаоса, в любой момент она может прекратить свое существование на нашей планете.

С другой стороны, любой организм и любое сообщество имеет такое огромное количество обратных связей, регулирующих устойчивость любой БДС, что говорить о превалировании чего-либо сейчас уже сомнительно. Мы понимаем, что это голый агностицизм, который противостоит современной детерминистско – стохастической науке. Ведь любая наука изучает, описывает и прогнозирует именно такие системы регуляции, базирующиеся на связях и взаимосвязях. На их основе возникают законы и закономерности, создаются методы лечения, поддерживается саногенез организма человека и т.д. И это все правильно за общим исключением: все это имеет место в среднем, статистически на небольшом промежутке времени, пока функционирует биосистема в пределах своего аттрактора саногенеза.

Как только организм отдельного человека, или популяция, или целая экосистема выходит за границы аттрактора нормы (попадают в области джокеров, выходят за границы устойчивости и русел), так сразу действуют другие законы или начинается хаос. В последнем случае мы не можем дать на будущее никаких прогнозов, новый аттрактор состояния БДС требует нового изучения, а о хаотичности таких процессов вообще говорить бессмысленно. Более того, число систем регулирования при этом может резко возрасти, а их законы могут быть вообще не установлены или их идентификация потребует огромных сил и временных затрат. Можно сказать, что БДС в точке катастрофы резко изменяет размерности ФА (обычно , где или k). Возрастает размерность m вектора состояния БДС (ВСОЧ в частности). На этом основан метод идентификации ТК для БДС.

Таким образом, переход в область джокеров непредсказуем для любой БДС, а число регуляторных систем, удерживающих любую БДС в аттракторах состояний, может быть чересчур велико (без выделения доминантных, главных регуляторных систем). С этих позиций можно однозначно утверждать, что на планете Земля никогда не было, нет, и не будет 2-х одинаковых организмов! И речь идет не о генетике, а об организме как целой системе. Нет одинаковых (морфологически!) людей и их невозможно вычислить. Даже если это будут клоны, однояйцевые близнецы (и т.д.!), у них будут разные фенотипы.

Морфогенез любого человека – это не изготовление детали на заводе и не сборка машины на конвейере! Все люди разные морфологически и по реализации конкретных функций отдельных клеток, органов, ФСО, организма в целом. Влияние хаоса еще более существенно, если учесть хаотическую динамику действующих на человека экофакторов среды, т.е. хаос нас преследует от рождения до старости (стареем хаотически) и смерти. При этом меняются аттракторы движения ВСОЧ в ФП.

Рассмотрим конкретные примеры применения ТХС в биологии и экологии. Как известно, Ханты-Мансийский автономный округ – Югра часто определяют как природную экстремальную зону, предъявляющую повышенные требования к приспособительным возможностям организма и вызывающую существенные изменения в работе всех его систем. Суровость климата характеризуется длительной и жесткой зимой с очень низкими температурами; коротким и холодным летом с высокой влажностью воздуха; резкими перепадами атмосферного давления, температуры и влажности воздуха; сильными и частыми ветрами; магнитными возмущениями; бедностью флоры и фауны, особенностями питания, связанными с возможностями развития гиповитаминозов и т.д.

Здоровье людей, приехавших на север, очень часто отличается от нормы. Характерно особенное течение сердечно-сосудистых заболеваний, что связано с перестройкой и истощением регуляторных механизмов и функциональных систем (нарушением равновесия в вегетативной нервной системе в сторону ее парасимпатического отдела). В условиях севера человек вынужден, прежде всего, адаптироваться к холоду. В холодный период года организм жителей севера находится в состоянии напряжения, что связано с необходимостью поддерживать температурный гомеостаз на должном уровне. Состояние сердечно-сосудистой системы (ССС) жителей севера в холодный период года характеризуется наклонностью к усилению тонического напряжения периферических сосудов, повышением артериального давления и общего периферического сопротивления сосудов. Сдвиги в деятельности ССС могут проявляться и развитием артериальной гипертензии.

В целом, воздействие погоды на организм человека осуществляется через формирование приспособительных реакций на уровне ЦНС и ВНС, через закрепление условно рефлекторного влияния. Отмечена корреляционная связь между изменениями температуры воздуха, относительной влажностью воздуха, атмосферного давления, магнитного поля Земли и психофизиологическими показателями – повышением максимального и пульсового давления, частотой сердечных сокращений, состоянием тревожности.

Среди климатических факторов одно из первых мест по степени воздействия на организм человека, прежде всего, сердечно-сосудистую систему (ССС), занимают непериодические, резкие сезонные, внутри и межсуточные перепады атмосферного давления и температуры воздуха. Установлено, что люди реагируют на изменение погоды не только в этот день, но и за 1 – 2 дня до и после перемены погоды. Хотя метеотропные факторы, стимулирующие ухудшение физиологического состояния людей, еще не изучены до конца, все же можно говорить о том, что действие погоды имеет сигнальный, а не прямой характер. Причем, необходимо учитывать влияние климатических факторов не по отдельности, а в их взаимодействии.

В современной трактовке естествознания оценке метеорологических факторов с точки зрения их биологического действия на организм человека и на ряд связанных с ними процессов уделяется большое и пристальное внимание. Однако остаются дискуссионными вопросы, которые связаны с методологией выполнения оценки изменения параметров. В частности, продолжаются дискуссии по методам оценки параметров экосреды с позиций теории хаоса с одной стороны и традиционных подходов в рамках теории вероятности и математической статистики.

Динамика естественных явлений часто носит флуктуационный характер и единственной моделью их до недавнего времени считали случайные, вероятностные процессы. Предполагалось, что исследуемый процесс есть решение системы стохастических уравнений, которые содержат источник случайности, так называемый белый шум. И решения эти, как результат фильтрации этого шума, тем более хаотичны и непредсказуемы, чем выше его дисперсия. Однако уже давно наблюдались эффекты возникновения причудливых, неповторяющихся колебаний в автономных системах, не имеющих внешних возбудителей (например, в некоторых электронных приборах с обратными связями, в нелинейных оптических и механических системах).

Действительно, известно, что поведение природных хаотических систем протекает в рамках аттракторов состояний. Именно в таких аттракторах находятся показатели метеофакторов - температуры (Т), давления атмосферного воздуха (Р), и влажности (R) что весьма убедительно иллюстрируется в ряде наших примеров.

Таким образом, организм северян функционирует под воздействием довольно жестких климатических факторов, оказывающих влияние на состояние здоровья в силу того, что часть резервов кардио-респираторной системы задействованы в процессах адаптации и направлены на формирование приспособительных реакций гомеостаза. Работа ряда систем организма в таких условиях не может не приводить к более частому возникновению предпатологических и патологических сдвигов, особенно в тех системах и органах, в которых наиболее полно задействованы резервы и выражены адаптивные перестройки.

Объектом изучения НИИ БМК являлся п.г. Федоровский Сургутского района ХМАО с населением 18400 человек в аспекте исследования функционального состояния сердечно-сосудистой системы (анализ количества обращений за скорой медицинской помощью жителей по поводу артериальной гипертензии) на фоне динамики погодных условий в период 2005- 2004 гг.

Методы исследования основывались как на использовании ЭВМ и применении запатентованных авторских программ, разработанных в лаборатории биокибернетики и биофизики сложных систем при Сургутском государственном университете, так и традиционных подходов и методологий математической статистики. В рамках теории хаоса и синергетики был выполнен анализ динамики поведения вектора состояния организма ВСОЧ (частота случаев обращения по поводу артериальной гипертензии) человека для m-мерного фазового пространства состояний.

Для выявления оценки различий динамики поведения вектора состояния экосреды и обращаемости населения в 3–мерном фазовом пространстве состояний была выполнена обработка данных с использованием разработанного алгоритма - «Программы идентификации параметров аттракторов поведения вектора состояния биосистем в m-мерном фазовом пространстве».

В качестве системы рассматривалась модель 3–мерного фазового пространства, параллелепипед, внутри которого находится аттрактор поведения параметров метеосреды и показатель частоты случаев обращения населения п.г. Федоровский по поводу артериальной гипертензии.

Далее, в рамках традиционных подходов и методов математической статистики был проведен анализ динамики погодных условий на примере п.г. Федоровский в период 2004 – 2005 гг. с расчетом индексов изменчивости погоды (ИИП) по данным температуры атмосферного воздуха (К_(t)) или атмосферного давления (К_(Р)) для каждого месяца, а также корреляционный анализ между показателями индексов изменчивости температуры воздуха (К_(t)), атмосферного давления (К_(Р) и количеством обращений в скорую медицинскую помощь N(а.г.)) по поводу артериальной гипертензии с помощью программ DOV_INT.BAS и NCORREL.BAS.

За период 2004-2005гг год было зарегистрировано 1254 случая обращений жителей за скорой медицинской помощью по поводу артериальной гипертензии; рассчитаны индексы изменчивости погодных условий (по температуре (К_(t)) и атмосферному давлению (К_(Р))); определены устойчивые корреляционные зависимости частоты обращений жителей по поводу артериальной гипертензии (N(а.г.)) с метеопараметрами среды. Наибольшее количество обращений жителей г.п. Федоровский за медицинской помощью по поводу артериальной гипертензии наблюдалось в зимние и осенние месяцы года, что соответствует высоким значениям рассчитанных индексов ИИП.

Таблица 2.7.1

Значение индексов изменчивости погоды по температуре (К_(t)), атмосферному давлению (К_(Р)) и количество обращений жителей г.п. Федоровский за неотложной медицинской помощью по поводу артериальной гипертензии (N (а.г.)) за 2004, 2005 гг.

Здесь: N(а.г.) - количество обращений жителей за медицинской помощью по поводу артериальной гипертензии; К_(t) - индекс изменчивости погодных условий по температуре; К_(Р) - индекс изменчивости погодных условий по атмосферному давлению.

Находились значения индексов изменчивости погоды по температуре (К_(t)) и атмосферному давлению (К_(Р)) на фоне обращений жителей по поводу артериальной гипертензии за период 2004-2005гг., а в таблице 2 - установленные коэффициенты корреляции частоты обращения в зависимости от рассчитанных индексов изменчивости погодных условий (К_(t), К_(Р)). Большие значения индексов К_(t) и К_(Р) отражают неблагоприятные для человека погодные условия и указывают на высокую вероятность ухудшения его самочувствия, а полученные значения коэффициентов корреляции r_{(К(Р), N(а.г.))} и r_{(К(t), N(а.г.))} отражают устойчивую, высокую зависимость с погодными факторами.

Таблица 2.7.2

Значения коэффициентов корреляции частоты обращений жителей (N(а.г.)) г.п. Федоровский за неотложной медицинской помощью с индексом изменчивости погодных условий по температуре (r(К_(t))) и атмосферному давлению (r(К_(Р))) в период 2004-2005 гг.

Здесь: N(а.г.) - количество обращений жителей за медицинской помощью по поводу артериальной гипертензии; r_{(К(t), N(а.г.)) -} коэффициент корреляции частоты обращений с индексом изменчивости погодных условий по температуре; r_{(К(Р), N(а.г.))}- коэффициент корреляции частоты обращений с индексом изменчивости погодных условий по атмосферному давлению.

Полученные результаты убедительно иллюстрируют тот факт, что в определении влияния экологического, в данном случае абиотического фактора (температура атмосферного воздуха и атмосферное давление) на организм человека необходимо определять не только его величину (абсолютное значение), но и режим, в котором он воздействует на организм (особенно параметры изменчивости).

Метод обработки данных (частота обращений жителей за медицинской помощью по поводу артериальной гипертензии на фоне влияния метеопараметров среды) с использованием авторской программы «Идентификации параметров аттракторов поведения вектора состояния биосистем в m-мерном фазовом пространстве» позволил увидеть траекторию вектора состояния исследуемой системы, визуализацию скорости изменения и амплитуды параметра, оценить меру стохастической и хаотической динамики метеотропных реакций человека на фоне влияния погодных факторов, а также определить размеры аттракторов состояний путем анализа параметров трехмерного параллелепипеда - его объема V, геометрического центра rx_i и хаотического центра (координаты x_c) всех его переменных (N, T, P,) в 3-мерном фазовом пространстве состояний.

В качестве примера на рис. 2.7.2, 2.7.3 мы приводим некоторые фазовые портреты движения вектора состояний биологической системы (оценивается обращение населения) в 3–мерном фазовом пространстве состояний в соответствующих координатах переменных для сезонов года с наибольшей (рис.2.7.2) и наименьшей частотой случаев обращения жителей (рис.2.7.3).

Рис.2.7.2. Суммарный аттрактор фазового пространства состояний, иллюстрирующий траекторию вектора обращаемости жителей г.п. Федоровский (N) по поводу артериальной гипертензии в сочетании с метеопараметрами окружающей среды (T°К-температура, P-атмосферное давление) для января 2004 г.

Рис.2.7.3. Суммарный аттрактор фазового пространства состояний, иллюстрирующий траекторию вектора обращаемости жителей г.п. Федоровский (N) по поводу артериальной гипертензии в сочетании с метеопараметрами окружающей среды (T°К- температура, P-атмосферное давление) для июля 2004г.

На рис.2.7.4-2.7.6. мы представляем гистограммы распределения значений переменных, а также коэффициент асимметрии выбранных фазовых параметров

Рис.2.7.4. Иллюстрация суточных перепадов одной фазовой переменной (T°К- температура) по выборке месячной усредненной регистрации за январь 2004 г.

Рис.2.7.5. Иллюстрация суточных перепадов одной фазовой переменной (Р - атмосферное давление) по выборке месячной усредненной регистрации за январь 2004г.

Рис.2.7.6. Иллюстрация суточных перепадов одной фазовой переменной (N- обращаемости жителей по поводу артериальной гипертензии) по выборке месячной усредненной регистрации за январь 2004г.

Студентам предлагается получить результаты количественной обработки параметров аттракторов состояния системы и ряд значений, характеризующих хаотическую динамику поведения каждого из этих параметров для 2004 и 2005гг (записать в отдельные таблицы) и сделать выводы о сравнении параметров аттракторов (зима, лето, осень).

МЕТОДИЧЕСКИЕ УКАЗАНИЯ ПО III ЭТАПУ:

“Получение зачета по лабораторной работе”

Перед выполнением работы обучающийся должен изучить все методические указания, ответить на вопросы из раздела “Самоподготовка”.

После выполнения III этапа необходимо оформить протокол работы и подписать у преподавателя, а затем приступить к оформлению работы в тетради. Обратите особое внимание на параметры аттракторов метеофакторов Югры.

Работа считается зачтенной после сдачи преподавателю отчета по теоретическому и практическому разделам работы.

Лабораторная работа № 2.8.