В Главе 4 книги Чибисова С.М., Овчинниковой Л.К., и Бреус Т.К. «Биологические ритмы сердца и «внешний» стресс» (1998) исследовался частично тот же банк данных, что и в настоящей книге, с целью выявления сезонных вариаций показателей сердечно-сосудистой системы кроликов. Анализ, однако, проводился линейными статистическими методами, фактически опирающимися на гипотезу о нормальности распределения параметров. Вследствие описанной выше критики применения линейных методов математической статистики в биологии и медицине, в данной работе было решено проверить характер распределения значений исследуемых показателей в различные сезоны года. Оно осуществлялось с помощью построения гистограммы распределения и вычисления значения W-критерия Шапиро-Уилка (Shapiro, Wilk, 1968). Уровень значимости принимался равным р<0,05.

В случае ненормальности распределения параметров необходимо было также проверить полученные Чибисовым и др.(1998) результаты о наличии сезонных вариаций параметров. Это осуществлялось методами, свободными от распределения. Определение различий между независимыми выборками осуществлялось с помощью непараметрического рангового критерия Краскела-Уоллиса. Если расчетное значение Н-критерия Краскела-Уоллиса было больше критического, то гипотеза о равенстве средних значений выборок отклонялась.

Нахождение зависимостей между параметрами производилось с помощью коэффициентов ранговой корреляции Спирмена. Это непараметрический критерий, и он не требует нормальности распределения и линейной зависимости между переменными. Этот метод можно применять как к количественным, так и к порядковым признакам. Для вычисления коэффициента ранговой корреляции Спирмена данные упорядочивались по возрастанию и заменялись рангами. Затем, беря вместо самих значений их ранги, можно уже рассчитывать коэффициенты корреляции Пирсона, которые в данном случае являются коэффициентами ранговой корреляции Спирмена. Матрица коэффициентов корреляции Спирмена также использовалась в кластерном анализе(Шебзухов К.В с соавт., 1999, 2000,2001).

Методы кластерного анализа

Для изучения интегральных характеристик сезонных изменений в структуре различных функциональных систем организма, например, поддерживающих оптимальное артериальное давление, газовый состав и кислотно-основное состояние крови, было решено использовать многомерные методы статистики, а именно, кластерный анализ. Взаимодействие функциональных систем представляет собой сложный, многоуровневый, мультипараметрический процесс, показатели которого изменяются с течением времени. Применение традиционных линейных методов статистики, таких как кросскорреляционный анализ, позволяет оценить только один уровень взаимодействия физиологических параметров, указывая на наиболее очевидные связи. Именно поэтому в нашем случае было целесообразнее использовать многомерные статистические методы. Кластерный анализ является одним из наиболее наглядных и интуитивно понятных. Он позволяет находить скрытые связи как внутри функциональных систем, так и между ними, и решать следующие задачи:

- проверять предположения о наличии структуры в изучаемой совокупности;

- изучать структуру совокупности с целью выделения групп объектов или параметров, схожих между собой по нескольким признакам;

- снижать размерность признакового пространства без существенной потери информации о взаимосвязи между переменными.

В проведенном нами исследовании сезонных эффектов на животных использовались два метода кластерного анализа: метод Уорда и метод k-средних. Данные методы были выбраны в соответствии с результатами сравнительного анализа алгоритмов, приведенными в работах И.Д.Манделя (1988). Классификация считалась достоверной в случае совпадения результатов работы двух методов. Дополнительно для определения достоверности был проведен факторный анализ данных по методу главных компонент. Далее будут приведены результаты анализа по методу Уорда, как наиболее наглядно представляемые.

В качестве оценки меры близости переменных применялись коэффициенты ранговой корреляции Спирмена, на основании которых проводился дальнейший анализ. Алгоритм метода Уорда является агломеративным и предполагает, что на первом шаге каждый кластер состоит из одного объекта. Первоначально объединяются два ближайших кластера. В дальнейшем на каждом шаге работы алгоритма объединяются те объекты или кластеры, которые дают наименьшее приращение величины внутриклассовой вариации. В итоге все объекты оказываются объединенными в один кластер. Результат работы метода Уорда (как и других агломеративных методов) демонстрируется с помощью дендрограммы (древовидной диаграммы), на которой указываются названия или номера признаков (объектов) и расстояние, на котором произошло объединение в каждом кластере. Увеличение расстояния ослабляет критерий оценки, связывая в кластеры все большее количество объектов, в итоге образуя один кластер.

Анализ производился в программном пакете STATISTICA 5.0 c использованием стандартных процедур.

2.2 Материалы и методы исследования космонавтов

Для исследования воздействий возмущений геомагнитного поля на функциональное состояние космонавтов во время полета в космосе применялся специальный подход, основанный на математическом анализе сердечного ритма. Этот подход позволяет получать статистически сопоставимые данные о вегетативной регуляции кровообращения, и используются как в наземных условиях, так и в космосе (Р.М.Баевский, 1979, 1983, 1995; Р.М Баевский, О.И Кириллов, С.З. Клецкин, 1984; Р.М. Баевский, А.Д.Егоров, 1984). Математический анализ сердечного ритма применяется в космической медицине с ее первых шагов. Первые результаты были получены еще во время полетов животных на искусственных спутниках Земли и первых полетов человека на кораблях "Восток". К настоящему времени накоплен обширный банк данных, который может стать источником ретроспективного анализа. Вместе с тем существует обширная литература об опыте использования математического анализа ритма сердца и его вариабельности в клинике и прикладной физиологии, в профилактической медицине (Р.М.Баевский, 1979; Р.М.Баевский, О.И. Кириллов, С.З. Клецкин, 1984; О.Г. Газенко, Р.М.Баевский с соавт., 1988). Это позволяет с достаточной объективностью обсуждать получаемые результаты с учетом опыта других исследователей.

Материалы исследований космонавтов

Было проведено четыре серии аналитических исследований, в которых использовались информационные массивы RR-интервалов электрокардиограммы, полученные в условиях космического полета.

В первой серии исследований были использованы материалы банка данных по начальным этапам космических полетов экипажей транспортных кораблей (ТК) "Союз" за 1990 -1995 гг.

Во второй серии исследований для анализа были использованы данные Холтеровского мониторирования (запись ЭКГ в течение суток) у членов экипажа ЭО-21 на орбитальной станции "Мир", полученные на 30-32 сутки полета ( 21-23 марта 1996 г.).

В третьей серии анализировались данные о влиянии геомагнитных возмущений на функциональное состояние космонавтов на 6-м месяце полета.

Четвертая серия исследований относилась к заключительной фазе космического полета - возвращению на Землю. Для анализа были отобраны суточные массивы кардиоинтервалов, полученные в день посадки у 6 членов экипажа

Методика исследований

Изменения ритма сердца - универсальная оперативная реакция целостного организма в ответ на любое воздействие факторов внешней среды. Однако традиционно измеряемая средняя частота пульса отражает лишь конечный эффект многочисленных регуляторных влияний на аппарат кровообращения и характеризует особенности уже сложившегося гомеостатического механизма. Одна из важных задач этого механизма состоит в том, чтобы обеспечить баланс между симпатическим и парасимпатическим отделами вегетативной нервной системы (вегетативный гомеостаз). Одной и той же частоте пульса могут соответствовать различные комбинации активностей звеньев системы, управляющей вегетативным гомеостазом. Кроме того, на ритм сердца оказывают влияние и более высокие уровни регуляции. Это дает основание рассматривать синусовый узел как чувствительный индикатор адаптационных реакций организма в процессе его приспособления к условиям окружающей среды.

Благодаря успехам космической медицины использование сердечно-сосудистой системы в качестве индикатора адаптационных реакций всего организма в настоящее время считается вполне обоснованным и, в частности, все более широкое распространение получают методы математического анализа ритма сердца, разработанные более 30 лет назад в рамках космической кардиологии (В.В.Парин, Р.М. Баевский, Ю.Н. Волков, О.Г. Газенко, 1967). Основная информация о состоянии систем, регулирующих ритм сердца, заключена в "функции разброса" длительностей кардиоинтервалов. Синусовая аритмия отражает сложные процессы взаимодействия различных контуров регуляции сердечного ритма.

Периодические колебания частоты сердечных сокращений, не вызванные нарушением функции автоматизма, проводимости и возбудимости, получили название "синусовой аритмии", открытой в прошлом веке (Ludwig, 1847).

В настоящее время известно несколько составляющих ритма сердца: дыхательная, или синусовая аритмия, медленные и сверхмедленные волны недыхательного генеза с различными периодами (от 10 секунд до нескольких десятков минут).

Пока еще нет единого мнения о происхождении дыхательной аритмии, хотя большинство исследователей считают неоспоримым фактом влияние дыхания на ритм сердца. Представляется установленным также активное участие в этом процессе ядер блуждающих нервов, торможение и возбуждение которых передается к синусовому узлу через соответствующие нервные окончания, вызывая укорочение продолжительности кардиоинтервалов на вдохе и удлинение на выдохе (Ludwig, 1847; Л.И. Фогельсон, 1951; М.А. Эплер, П.О. Кингесепп, 1968).

Недыхательная синусовая аритмия представляет собой колебания сердечного ритма с периодами выше 10 секунд. Медленные (недыхательные) колебания сердечного ритма коррелируют с аналогичными волнами артериального давления и плетизмограммы. Различают медленные волны 1-го, 2-го и более высоких порядков.

Таблица 1 Классификация периодических составляющих сердечного ритма (Стандарт Европейского кардиологического общества и Северо-американского общества по электрофизиологии, 1996)

Существующий уровень знаний не позволяет достаточно точно указать источник происхождения каждого из видов медленных волн. Sayers (Sayers, 1973) считает, что медленные волны сердечного ритма первого порядка связаны с деятельностью системы регуляции артериального давления, а волны второго порядка - с системой терморегуляции. Предполагается, что колебания с периодом более 20 секунд определяются механическими характеристиками гладких мышц сосудов. Подчеркивается нелинейность этой механической системы и возможность интерференции медленных колебаний с дыхательными, особенно при большой глубине дыхания, в частности, при умственной и физической нагрузках.

Навакатикян А.О. с соавторами (А.О. Навакатикян, В.В. Кржановская, 1979) выявил связь медленных волн сердечного ритма с колебаниями содержания в крови катехоламинов и кортикостероидов. Отмечена связь между медленными волнами сердечного ритма и активностью системы гипофиз-надпочечники (А.В.Карпенко, 1977; А.О. Навакатикян, В.В. Кржановская, 1979).

В опубликованных недавно стандартах измерения вариабельности сердечного ритма (Европейское Кардиологическое общество и Североамериканское общество по электрофизиологии, Circulation, 1996;93:1043-1065) предлагается следующая классификация периодических составляющих сердечного ритма, представленная в Таблица 1.

Показано, что у спортсменов с низким уровнем работоспособности, как и у нетренированных лиц, существенно чаще наблюдается выраженное увеличение ЧСС и появление медленноволновой периодики. А Кепеженас и Д. Жемайтите (1983) показали, что при длительных физических нагрузках и при снижении тренированности спортсменов происходит изменение типа ритмограммы. Наблюдается переход от ритмограмм парасимпатико-тонического типа с медленным ритмом и с большой амплитудой дыхательных волн к тем типам ритмограмм, которые отражают снижение парасимпатических влияний на функцию синусового узла, и далее к появлению ритмограмм с преобладанием медленных волн. Другими словами, ритмограмма отражает соотношение симпатического воздействия на периодическую структуру сердечного ритма (Р.М.Баевский, 1976; Д. Жемайтите, 1972).

Выделяются три группы методов, направленные, соответственно, на исследование средней частоты пульса, его вариабельности и переходных процессов. Центральное место в этой классификации занимают методы изучения вариабельности сердечного ритма. Эти методы можно условно разделить на три группы:

методы оценки общих статистических характеристик;

методы оценки связи между кардиоинтервалами;

методы выявления скрытой периодичности динамического ряда кардиоинтервалов.

Методы оценки общих статистических характеристик динамического ряда кардиоинтервалов включают вычисления математического ожидания (М) и частоты сердечных сокращений (ЧСС- HR-Heart Rate), среднего квадратического отклонения (SDNN), коэффициента вариации (CV) и показателей вариационной пульсометрии (мода - Мо, амплитуда моды - АМо и вариационный размах - VR). Вариационной пульсометрией называют метод анализа вариабельности сердечного ритма, основанный на использовании данных о распределении кардиоинтервалов по выбранным диапазонам значений. Нами была принята градация диапазонов распределения через 50 миллисекунд (0,05 с.). По данным вариационной пульсометрии вычисляется ряд производных показателей. Наиболее информативным является индекс напряжения регуляторных систем (Stress Index-SI). Этот показатель вычисляется по формуле SI=AMo/2Mo*VR. Индекс напряжения отражает степень централизации управления ритмом сердца и характеризует cуммарную активность симпатического отдела вегетативной нервной системы. К числу статистических оценок, принятых западными исследователями относится RMSSD (Root Mean of the Sum of the Square of Differences). Этот показатель вычисляется по значениям разностей между последовательными кардиоинтервалами. Из суммы квадратов разностей извлекается квадратный корень и делится на число проанализированных кардиоинтервалов. При таком способе анализа выделяются преимущественно изменения, связанные с дыхательными вариациями сердечного ритма, поскольку более медленные составляющие сглаживаются. Поэтому RMSSD хорошо отражает состояние парасимпатического отдела вегетативной нервной системы.

В числе методов оценки внутренней связи между кардиоинтервалами данного ряда используется автокорреляционный анализ. Автокорреляционная функция представляет собой график динамики коэффициентов корреляции, получаемых при последовательном смещении анализируемого динамического ряда на одно число по отношению к своему собственному ряду. После первого сдвига на одно значение коэффициент корреляции (СС1) тем меньше единицы, чем более выражены дыхательные волны, а степень влияния центрального контура управления на автономный тем выше, чем больше число сдвигов до первого отрицательного коэффициента корреляции (СС0).

В качестве метода выявления скрытой периодичности динамического ряда кардиоинтервалов наиболее часто используется метод спектрального анализа. При этом определялются мощности ( P-Power) спектра в указанных выше диапазонах ( см. Таблицу 1). Мы, однако, выделяем для оценки VLF диапазон частот от 0,04 до 0,015 гц (25-70 секунд). Это важно для того, чтобы оценить активность подкоркового сердечно-сосудистого центра, имеющего в своем составе три ядра (центра) -сосудистый, ускоряющий и ингибиторный ( Фолков, Нил, 1983). При этом сосудистый (или вазомоторный ) центр функционирует в диапазоне частот около 0,1 гц, а регулирующие активность симпатического отдела вегетативной нервной системы ускоряющий и ингибиторный центры, характеризуются более низкочастотными колебаниями. Колебания с частотами ниже 0,015 гц.(>70 с.), по имеющимся литературным данным (Sayers, 1973), отражают состояние центров терморегуляции и ренин-ангиотензивной системы (van Ravenswaaij-Arts, Kollee et al, 1993). Таким образом, мощность спектров медленных волн первого и второго порядков указывает на активность различных уровней центральной регуляции. При этом медленные волны первого порядка отражают состояние вазомоторного центра, а волны второго порядка - активность симпатического отдела вегетативной нервной системы. Суммарная мощность( ТР-Total Power) всех волн в диапазоне от 0,4 до 0,015 гц.(2,5-70 с.) характеризует общую активность внутрисистемных ( уровень В центрального контура регуляции) и автономных регуляторных механизмов. Следует отметить, что снижение показателя ТР может рассматриваться как результат активации более высоких уровней регуляции, вследствие чего подавляется активность нижележаших центров. Следует отметить, что значения отдельных составляющих спектра (HF, LH, VLF) вычисляются как в абсолютных значениях ( в мс-2), так и в относительных единицах ( в процентрах по отношению к суммарной мощности). По данным спектрального анализа сердечного ритма вычисляются два интегральных показателя: индекс централизации (ИЦ-Index of Centralization-IC) и индекс активации подкорковых нервных центров (АПНЦ-Subcortical Nervous Centers Activation -SNCA). Для их вычисления применяют следующие формулы: IC = VLF + LF / HF, SNCA = LF/VLF. Физиологический смысл IC состоит в том, что он отражает соотношение между центральным и автономным контурами управления сердечным ритмом. SNCA позволяет оценить состояние сердечно-сосудистого подкоркового нервного центра с точки зрения соотношений специфичного барорефлекторного (сосудистого) компонента регуляции и неспецифических симпатических влияний ( стрессорный компонент).

Специального внимания заслуживает получивший широкое распространение в России (СССР) показатель активности регуляторных систем (ПАРС-IARS-Regulatory Systems Activity Index). Этот показатель вычисляется по специальному алгоритму (Р.М. Басевский, О.И. Кириллов, С.З. Клецкин, 1984) с учетом результатов вариационной пульсометрии и спектрального анализа. IARS- хорошо отражает изменения в различных звеньях системы регуляции (5,13,18-2). IARS- очень чувствительный показатель и тонко реагирует на различные воздействия (физические нагрузки, эмоциональный стресс, ортостатическое тестирование и.т.д.). По значениям IARS производится интегральная оценка состояния регуляторных систем (см. Таблицу 2).

Таблица 2 Шкала оценки уровня адаптации по показателю активности регуляторных систем (IARS).

Таблица 3 Основные показатели вариабельности сердечного ритма и их физиологическиая интерпретация

Методика анализа динамических рядов кардиоинтервалов имела свои особенности в каждой из серий исследований. При анализе файлов в первой серии исследований использовался дискретно-скользящий метод, когда анализируются выборки со стандартной длительностью в 256 секунд с шагом в 20 секунд. Длительность записей ЭКГ в этой серии колебалась от 6 до 20 минут, поэтому на каждую запись приходилось от 4 до 50 последовательных выборок.

При анализе суточных массивов кардиоинтервалов каждая суточная запись дробилась на 5-минутные отрезки (300 секунд), каждый из которых анализировался как отдельная выборка. Затем полученные результаты с помощью специальной программы "Holter" усреднялись за каждый час, за каждые 8 часов (утро, вечер, ночь) и за полные сутки.

Для анализа вариабельности ритма сердца в данном исследовании использовался комплекс программ "Контроль", разработанная фирмой "Конто" (Москва) совместно с Институтом Медико-Биологических Проблем Минздрава России и Клиникой Бавария (Германия). В Таблице 3 представлена краткая физиологичекая интерпретация основных показателей, использованных нами.

На представлены образцы графиков, получаемых при первичном анализе динамического ряда RR-интервалов с помощью программы "Контроль". В Таблице 3 представлена только та часть из боле чем 50 вычисляемых математико-статистических показателей, которая была использована нами. В таблице приводится английская транскрипция показателей, в том виде как они выдаются на печать после компьютерной обработки данных.

Статистическая значимость различий между показателями вариабельности сердечного ритма в различных группах определялась при попарном сравнении по t-критерию Стьюдента, а также методом пошагового дискриминантного анализа с построением математических моделей исследуемых явлений. В тех случаях, когда распределение выглядит достаточно симметричным и располагается далеко от 0, применение методов основанных на нормальности распределения (в частности критерия Стьюдента), представляется допустимым.

ГЛАВА 3. ХАРАКТЕРИСТИКИ ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ СЕРДЕЧНО-СОСУДИСТОЙ СИСТЕМЫ В РАЗЛИЧНЫЕ ФАЗЫ 11-ЛЕТНЕГО ЦИКЛА СОЛНЕЧНОЙ АКТИВНОСТИ

Первые попытки экспериментального изучения биотропного действия 11-летней цикличности солнечной активности предпринял Дж.Пиккарди (1967). Наблюдая на протяжении 9,5 лет различные физико-химические процессы, он пришел к выводу о ритмичности их изменений, как на протяжении года, так и в течение многих лет.

В рамках нашего лабораторного эксперимента с подопытными кроликами изучалось функциональное состояние сердечно-сосудистой системы в различные фазы 11-летнего цикла солнечной активности (СА). Наши данные, полученные идентичными методами в одни и те же сезоны максимума солнечной активности (1980 г.) и фазы ее спада (1984г.), позволили достоверно выявить долгопериодические изменения, связанные с вариациями солнечной активности на фоне сезонных и суточных изменений.

Анализ абсолютных среднегодовых значений показателей функции сердечно-сосудистой системы подопытных животных (Таблица 4) показывает, что в период максимума солнечной активности (1980 г) все показатели значительно ниже, чем в фазу спада.

Динамика сезонных колебаний максимального (а) и реального (b) давления (мм рт.ст.) в полости левого желудочка сердца в разные фазы СА (1980 - год максимума СА, 1984 - год спада)

Примечание: 1 - весна, 2 - лето, 3 - осень, 4 - зима, 5 - в среднем по году

Таблица 4 Сезонная динамика артериального давления и некоторых показателей сократительной функции сердца в годы максимума (1980 г) и минимума (1984 г) солнечной активности

Динамика сезонных колебаний максимального (а) и реального (b) давления (мм рт.ст.) в полости правого желудочка сердца в разные фазы СА (1980 - год максимума, 1984 - год спада)

Примечание: 1- весна, 2 - лето, 3 - осень, 4 - зима, 5 - в среднем по году

Показатели давления крови в полостях левого и правого желудочков сердца в среднем на 26% ниже в год пика СА, чем в год спада. Из рис.7 и 8 видно, что не только среднегодовые значения показателей деятельности сердца, но и средне сезонные значения имеют относительно низкие значения в период максимума солнечной активности. Также можно отметить, что в год максимума солнечной активности сезонные изменения имеют более высокую амплитуду колебаний с выраженным весенним пиком.

Летом и осенью систолическое и диастолическое артериальное давление в период максимума СА меньше на 24% и 13% соответственно по сравнению с периодом спада СА. В зимне-весенний сезоны показатели артериального давления сохраняют высокие значения вне зависимости от фазы СА. Интересно, что весной сократительная сила сердца достигает максимальных значений и также не зависит от фазы СА. Зимой в фазу максимума СА резко снижается работоспособность левого желудочка сердца, о чем свидетельствует снижение практически в 2 раза (42%) показателя пикового систолического давления в полости левого желудочка.

Колебания величины реального давления в полости левого желудочка сердца в различные фазы 11-летнего солнечного цикла. Примечание: Кружочком обозначена группа животных, у которой производились измерения; количество животных в группе от 5 до 20. Пояснения в тексте.

Летом и осенью показатели функции сердечно-сосудистой системы практически не отличаются между собой по величине, и все они существенно ниже в год максимума СА. Например, летом в период пика СА систолическое и диастолическое артериальное давление ниже на 23% и 14 % соответственно, реальное и максимальное давление в полости левого желудочка на 50% и 24%, реальное и максимальное давление в полости правого желудочка на 36% и 31% соответственно.

На показана сезонная и многолетняя динамика колебаний давления в полости левого желудочка сердца с выраженным минимумом в год активного солнца.

Кроме изменения абсолютных значений показателей работы сердца в различные сезоны максимума и минимума СА, происходит изменение корреляционных взаимоотношений между ними. В период спада СА увеличивается количество корреляционных связей, т.е. возрастает степень синхронизации между работой различных отделов сердца (табл.5). Особенно это характерно для осеннего и зимнего сезонов. Из Таблицы 2 видно, что корреляционная зависимость таких пар показателей как ADMAX и ADMIN, VPREALRV и VPMAXRV не зависит от сезона и года исследования.

У интактных животных циркадианные изменения этих показателей синхронны. Достаточно устойчивой является и корреляционная пара VPREALLV и VPMAXRV, особенно в год спада солнечной активности. Наименьшее количество корреляционных связей приходится на летний сезон, а наибольшее - на осенне-зимний. Высокая степень синхронизации показателей деятельности сердца, характерная для фазы спада СА, является одним из механизмов, поддерживающим высокие значения сократительной силы левого и правого желудочков сердца.

Таблица 5 Корреляция показателей сердечно-сосудистой системы в различные сезоны фазы максимума (1980 г) и спада (1984 г) солнечной активности

Примечание: * - р < 0,05

Проведение корреляционного анализа влияния изменений солнечной активности позволило установить, что ее флуктуации определяют динамику сократительной силы сердца интактных животных. Так, между числами Вольфа и показателем пикового систолического давления в полости левого желудочка сердца существует сильная отрицательная достоверная связь (коэффициент корреляции -0,87). Эта же тенденция характерна и для других показателей. Следовательно, можно сказать, что изменение солнечной активности (через множество космобиосферных посредников) определяет хроноструктуру низкочастотных и сверхмедленных ритмов функционирования сердечно-сосудистой системы интактных животных.

ГЛАВА 4. СУТОЧНО-СЕЗОННЫЕ ИЗМЕНЕНИЯ ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ СЕРДЕЧНО-СОСУДИСТОЙ СИСТЕМЫ ЖИВОТНЫХ

4.1 Общие сведения

В данной главе приводятся результаты исследований сезонных вариаций суточных ритмов сократительной функции сердца и сосудистого тонуса интактных кроликов непараметрическими методами математической статистики.

Экспериментальные материалы, использованные для анализа, охватывают исследования за период 1984-1985 гг. и получены на 480 кроликах при условиях эксперимента и методами, описанными в Главе 2.

Исследования проводились 21-23 июня 1984г, 21-23 сентября 1984г , 21-23 декабря 1984г и 21-23 марта 1985г.

Следует подчеркнуть, что для анализа сезонных зависимостей использовались также и показатели активности лизосомных ферментов печени кроликов.

У кроликов после регистрации функциональных показателей производили экстирпацию печени, помещали в ледяной буферный раствор для гомогенизации следующего состава: 0.33 М сахароза (х. ч), 1 мМ ЭДТА (Serva, ФРГ), 3.8 мМ триэтаноламин рН 7.25.

При температуре 0-4°С печень отмывали, очищали от соединительной ткани, измельчали ножницами и гомогенизировали в стеклянном гомогенизаторе Поттера-Эвелгейма с тефлоновым пестиком (зазор- 0.21 мм) в течение 180с при 40 об/с. Гомогенат 1:10 подвергали дифференциальному центрифугированию (Ruth, 1978) на ультрацентрифуге L8-M фирмы "Beckman" (CШA). Получали лизосомный супернатант (надосадочная жидкость) и обогащенную лизосомами фракцию (осадок), которую ресуспендировали 1:5 в буферном растворе 0.7 М сахарозы, 1 мМ ЭДТА (Serva, ФРГ), рН = 7.0. О структурной целостности лизосом судили по величине активности лизосомных ферментов в различных фракциях.

Изучаемые активности лизосомных ферментов (см. Список сокращений в Главе2):

1. Активность ферментов, определяемая в супернатанте, обозначалась как свободная или неседиментируемая активность - NSA.

2. Активность ферментов, определяемая в обогащенном лизосомном осадке и доступная для субстрата, характеризовалась как доступная активность - EA.

3. После дезинтеграции мембран лизосом методом замораживания и оттаивания (С. Buya et al., 1978) определялась общая активность - CA.

4.2 Результаты тестов на нормальность распределения

Как уже отмечалось в Главе 2 (2.1.7 и 2.1.8.), для корректного выбора статистического метода исследований и выявления зависимостей исследуемых харакетристик от внешних факторов необходимо было произвести оценку распределения значений исследуемых медицинских параметров. Следует отметить, что из анализа распределения параметров сразу же можно сделать предварительный вывод о том, сколько функциональных систем участвует в формировании и регуляции данного параметра. Если, например, параметр имеет нормальное или близкое к нормальному распределение, то он, по всей очевидности, задействован в одной функциональной системе. Если распределение существенно отличается от нормального, то можно с уверенностью утверждать, что параметр задействован в нескольких функциональных системах одновременно.

На основе обобщения результаты тестов на нормальность распределения данных в рассматриваемом эксперименте, была построена круговая диаграмма (Рис.10), из которой видно, что 83% рассматриваемых параметров в течение года имеют значения, не подчиняющиеся нормальному закону распределения.

Как свидетельствуют наши исследования, нормальное распределение за годичный цикл имеют только параметры APMAX, VPREALLV, AHCO3, VHCO3. Перечисленные параметры имеют ненормальное распределение только в один из четырех сезонов, главным образом, осенью и зимой. Для VPREALLV - это зимний сезон, для APMAX- осень, для AHCO3, VHCO3 - осень и зима соответственно. Очевидно, можно предположить, что данные показатели являются “ведущими” в тех функциональных системах, которые заняты их регулированием, и их роль в течение года не изменяется. Функциональная система, поддерживающая оптимальный для метаболизма уровень артериального давления, включает в себя сразу несколько типов регуляции: гемодинамический, нервный, гуморальный. Функциональная система, поддерживающая оптимальный для метаболизма уровень рН в крови, включает в себя несколько буферных систем. Судя по характеру распределения, карбонатный буфер является наиболее стабильным.

В каждый сезон отдельно отношение нормально рапределенных параметров к параметрам с ненормальным распределением существенно изменяется. Так ненормальное распределение имеют 75% параметров в весенний период, 71% параметров в летний период, 83% в осенний период и 58% в зимний сезон (Рис. 10).

4.3 Проверка на достоверность существования сезонных вариаций

Проведенный в предыдущем параграфе анализ свидетельствует, что большая часть изучаемых параметров не подчиняется нормальному распределению. В то же время, как уже отмечалось, в книге Чибисова С.М., Овчинниковой Л.К. и Бреус Т.К. (1998) были выявлены выраженные сезонные эффекты в используемых здесь функциональных характерисиках кроликов линейными статистическими методами, фактически опирающимися на гипотезу о нормальности их распределения. Поэтому на первом этапе анализа в данной работе была осуществлена проверка наличия сезонных различий с помощью непараметрического рангового критерия Краскела - Уоллиса.

Было сделано предположение, что различия значений показателей, полученных в ходе эксперимента в разные сезоны, случайны, и данные являются выборками из непрерывного распределения с равными медианами. Таким образом, была сформулирована нулевая гипотеза для сезонных вариаций. Для всех переменных был вычислен Н-критерий Краскела-Уоллиса.

Таблица 6 Значения H-критерия Краскела Уоллиса при сравнении сезонных выборок.

Из Таблицы следует, что во всех случаях Н-критерий превышал критические значения (см. Главу 2), p< 0,001. Таким образом, гипотеза об отсутствии сезонных различий должна быть отклонена: у всех показателей имеются статистически значимые существенные сезонные различия. Отсюда можно было заключить, что наличие сезонных вариаций не является артефактом, вызванным применением в книге Чибисова С.М., Овчинниковой Л.К. и Бреус Т.К. (1998) параметрических методов, опирающихся на гипотезу о нормальности. Очевидно, что параметры характеризуются достаточно сильными связями, и качественные выводы, полученные в Главе 4 упомянутой книги, можно считать справедливыми, несмотря на ограниченность использованных авторами методов.

В данной работе для выявления сезонных различий в значениях функциональных показателей сердечно-сосудистой системы кроликов были применены непараметрические методы статистики. В целом применение непараметрических методов, основанных на рангах, незначительно загрубляет результаты, делая анализ менее чувствительным к выбросам. Тем не менее, такие методы успешно выделяют главные закономерности, а также вскрывают многофункциональные дополнительные связи, не выявляемые линейными методами.

4.4 Результаты кластерного анализа сезонных изменений структуры связей между показателями

Изучение структуры сезонных связей исследуемых характеристик сердечно-сосудистой системы и активности лизосомных ферментов печени кроликов проводилось по описаной в разделе 2.1.8. Главы 2 методике кластерного анализа.

Для исследования были выбраны группы по 120 животных в каждый сезон.

Весенний сезон

Как можно видеть из, параметры, связанные с поддержанием активной реакции крови (VHCO3- уровень НСО3 в венозной крови., VBE- избыток оснований в венозной крови., AHCO3., AВЕ., VPH., APH.) а также показатели APCO2 и VPCO2 (парциальное давление СО2 в артериальной и венозной крови) образуют плотный кластер (темная штриховка на рисунке), наиболее удаленный от остальных показателей. Второй кластер состоит из показателей активности лизосомных ферментов печени (NSA, EA,CA) и части показателей газового состава (APO2 , VPO2- - парциального давления О2 в артериальной и венозной крови).

Отдельный кластер образуют показатели, характеризующие деятельность сердечно-сосудистой системы. В него группируются показатели артериального давления (APMAX., APMIN.), пульсовое давление PP и показатель VPMAXLV- внутрижелудочковое давление максимальное в левом желудочка). Далее присоединяются остальные показатели внутрижелудочкового давления VPMAXRV (то же, но в правом желудочке сердца), VPREALLV VPREALRV (внутрижелудочковые давления реальные в левом и правом желудочках сердца), напряжение кислорода в венозной крови VPO2 с показателем геомагнитной активности АР и показатели гемоглобина в венозной и артериальной крови (VHB, AHB.). Необходимо отметить, что наиболее тесная связь среди показателей внутрижелудочковых давлений отмечена между показателями правого желудочка.

Факторный анализ, проведенный с данными весенней выборки, выделил 7 главных факторов. Первый фактор объединяет показатели VHCO3., VBE., AHCO3., ABE., VPH, APH.. Второй - показатели внутрижелудочкового давления. Третий - показатели лизосомной активности CA, EA, NSA. Четвертый -параметры VPCO2 . и APCO2 . Пятый - показатели гемоглобина. Шестой - артерио-венозную разницу и напряжение кислорода в артериальной крови. Седьмой - артериальное и пульсовое давление.

Таким образом, факторный анализ в весенний сезон выделяет те же структурные элементы, что и кластерный анализ по методу Уорда.

Летний сезон.

Как можно видеть из Рис.12, параметры, связанные с поддержанием активной реакции крови (VHCO3, VВЕ., AHCO3., AВЕ., VPH, APH) образуют плотный кластер, наиболее удаленный от остальных показателей. Второй кластер состоит из показателей лизосомной активности (CA, NSA, EA), объединенных с показателями кислорода (AVPO2, APO2., VPO2) и показателями гемоглобина в венозной и артериальной крови (VHB., AHB.).

Отдельные кластеры образуют показатели, характеризующие деятельность сердечно-сосудистой системы. В первый кластер группируются показатели артериального давления (АDMAX, АDMIN.) и пульсовое давление PP. Второй кластер содержит все показатели внутрижелудочковых давлений (VPMAXRV, VPMAXLV, VPREALLV, VPREALRV). В летний сезон показатели внутрижелудочковых давлений объединены попарно в симметричную структуру, что, очевидно, свидетельствует о синхронности регуляторных процессов в сердце. В кластер показателей сердечно-сосудистой системы входит кластер, содержащий показатели VPCO2 , APCO2. .В этот кластер также входит показатель геомагнитной активности AP.

Факторный анализ, проведенный с данными летней выборки, выделил 8 главных факторов. Первый фактор объединяет показатели VHCO3., VВЕ., AHCO3., AВЕ., VPH, APH.. Второй - параметры VPCO2. и APCO2. Третий - показатели внутрижелудочкового давления. Четвертый - артериальное и пульсовое давление. Пятый - показатели лизосомной активности CA, NSA, EA. Шестой - артерио-венозную разницу и напряжение кислорода в артериальной крови. Седьмой - показатели гемоглобина. Восьмой - напряжение кислорода в венозной крови.

Таким образом, факторный анализ в летний сезон выделяет те же структурные элементы, что и кластерный анализ по методу Уорда. Этот факт подтверждает достоверность классификации показателей.

Осенний сезон

Как видно из Рис.13, параметры, характеризующие поддержание активной реакции крови (VHCO3, VВЕ, AHCO3., AВЕ, VPH., APH) а также показатели APCO2 и VPCO2. образуют плотный кластер, значительно удаленный от остальных показателей. Второй кластер состоит из показателей лизосомной активности (CA, NSA, EA), показателей VPO2 и АР, а также показателей AVPO2 и APO2 .

Отдельный кластер образуют показатели, характеризующие деятельность сердечно-сосудистой системы. В него группируются показатели артериального давления (ADMAX, ADMIN.), пульсовое давление PP и показатель VPMAXLV. Далее присоединяются показатели гемоглобина в венозной и артериальной крови (AHB, VHB.) и остальные показатели внутрижелудочкового давления (VPMAXRV, VPREALRV, VPREALLV). Необходимо отметить, что наиболее тесная связь среди показателей внутрижелудочковых давлений снова отмечена между показателями правого желудочка. десинхроноз сердечный сосудистый геомагнитный

Факторный анализ, проведенный с данными осенней выборки, выделил 7 главных факторов. Первый фактор объединяет показатели VHCO3., VВЕ, AHCO3, AВЕ., VPH, APH. Второй - показатели внутрижелудочкового давления. Третий - показатели лизосомной активности СА, NSA и EА. Четвертый -параметры VPCO2 и APCO2. Пятый - артерио-венозную разницу по кислороду. Шестой - показатели гемоглобина. Седьмой - артериальное и пульсовое давление.

Таким образом, факторный анализ в осенний сезон выделяет те же структурные элементы, что и кластерный анализ по методу Уорда. Это свидетельствует о достоверности классификации, полученной методами кластерного анализа.

Зимний сезон.

Параметры, связанные с поддержанием активной реакции крови (VHCO3, VВЕ., AHCO3., AВЕ, VPH, APH.) образуют плотный кластер (Рис. 14), наиболее удаленный от остальных показателей. Второй кластер состоит из показателей парциального давления углекислого газа в крови (VPCO2 , APCO2.), показателей геомагнитной активности AP и VPO2, показателей лизосомной активности (CA, NSA, EА). Последними ко второму кластеру присоединяются показатели AVPO2 и APO2 .

Отдельные кластеры образуют показатели, характеризующие деятельность сердечно-сосудистой системы. В первый кластер группируются показатели артериального давления (АDMAX, АDMIN) и показатели гемоглобина в венозной и артериальной крови (VHB, AHB.). Второй кластер содержит все показатели внутрижелудочковых давлений (VPMAXLV, VPMAXRV, VPREALRV, VPREALLV) и пульсовое давление PP. В зимний сезон показатели внутрижелудочковых давлений объединены попарно в симметричную кластерную структуру.

Факторный анализ, проведенный с данными зимней выборки, выделил 7 главных факторов. Первый фактор выделяет в качестве главных компонент показатели VHCO3., VВЕ, AHCO3, AВЕ, VPH., APH. Второй - показатели внутрижелудочкового давления. Третий - параметры VPCO2 и APCO2. Четвертый - показатели лизосомной активности NSA и EА. Пятый - показатели гемоглобина и артериальное давление. Шестой - не выделил достоверных главных компонент, но ведущую роль в нем играют показатели APO2 и AVPO2. Седьмой - VPO2.

Таким образом, факторный анализ в зимний сезон выделяет те же структурные элементы, что и кластерный анализ по методу Уорда. Этот факт подтверждает корректность группировки показателей, полученной методами кластерного анализа.

.4.5. Анализ суточных выборок данных в осенний сезон, относящихся к высокой геомагнитной активности

Осенний период эксперимента характеризовался повышенным значением геомагнитной активности. Это обстоятельство вызвало необходимость провести анализ суточных выборок из данных осеннего эксперимента. Проводился кластерный анализ данных по методу Уорда и методу k-средних (приведены результаты, полученные методом Уорда).

Первые сутки (21.09. 1984)

В первые сутки осеннего эксперимента наиболее удаленный от остальных показателей кластер состоит из показателей лизосомной активности (CA, NSA, EA), к которым присоединяются показатели AVPO2 и APO2 (Рис.15).

Параметры, характеризующие поддержание активной реакции крови (VHCO3., VВЕ, AHCO3, AВЕ, VPH, APH) образуют плотный кластер, в состав которого также входят показатели парциального давления углекислого газа в крови (VPCO2, APCO2).

Отдельный кластер образуют показатель геомагнитной активности AP и показатель VPO2 с показателями гемоглобина в венозной и артериальной крови (VHB, AHB.).

Показатели, характеризующие деятельность сердечно-сосудистой системы группируются следующим образом: показатели артериального давления (ADMAX., ADMIN.); показатели внутрижелудочковых давлений (VPMAXRV, VPREALRV, VPREALLV); пульсовое давление PP и VPMAXLV.

Вторые сутки (22.09.1984)

Во вторые сутки осеннего эксперимента наиболее удаленный от остальных показателей кластер состоит из показателей лизосомной активности (CA, NSA, EА), к которым присоединяются показатель геомагнитной активности AP и показатель VPO2 (Рис 16).

Параметры, характеризующие поддержание активной реакции крови (VHCO3., VВЕ, AHCO3., AВЕ, VPH, APH) образуют, как и в первые сутки, плотный кластер, в состав которого также входят показатели парциального давления углекислого газа в крови (VPCO2., APCO2).

Отдельный кластер образуют показатели внутрижелудочковых давлений (VPMAXRV, VPREALRV, VPREALLV, VPMAXLV).

Показатели, характеризующие артериальное давление (ADMAX., ADMIN.) и пульсовое давление PP группируются с показателями гемоглобина в венозной и артериальной крови (VHB., AHB.). Далее к ним присоединяются показатели AVPO2 и APO2 .

Третьи сутки (23.09.1984)

В третьи сутки осеннего эксперимента (Рис. 17) наблюдалось значительное (в 10 раз) увеличение показателей геомагнитной активности. Две геомагнитные бури произошли одна вслед за другой, и вторая буря наложилась на фазу восстановления первой геомагнитной бури. Этому событию будет посвящен отдельный анализ исследования животных в следующих главах данной книги. В данной Главе нас интересовало изменение структуры сезонных связей различных параметров, происходившее в связи с геомагнитным возмущением, т.е. в связи с вариациями Ар - индекса геомагнитной активности.

Структура связей на дендрограмме, относящейся к фазе максимального взмущения и возрастания Ар - индекса, представляется полностью измененной по сравнению с предыдущими днями.

Параметры, характеризующие поддержание активной реакции крови (VHCO3., VВЕ., VHCO3., AВЕ., VPH, APH) образуют плотный кластер, наиболее удаленный от остальных показателей. В предыдущие дни наиболее удаленный кластер организовывали показатели лизосомной активности (CA, NSA, EА). В данном случае они образуют кластер с тремя показателями внутрижелудочковых давлений (VPMAXRV, VPREALRV, VPREALLV).

Остальные показатели образуют ветьв кластера, состоящего из трех подветвей:

Первое объединение образует кластер показателей AVPO2 и APO2. Второй кластер подветви состоит из показателей парциального давления углекислого газа в крови (VPCO2, APCO2.), пульсового давления PP и показателей артериального давления (ADMAX., АDMIN.). Третий кластер состоит из показателя геомагнитной активности Aр и показателя VPMAXLV, к которым присоединились показатели гемоглобина в венозной и артериальной крови (VHB, AHB.) и показатель кислорода в венозной крови VPO2.

4.5 Обсуждение и выводы

При изучении дендрограмм кластерного анализа за разные сезоны года становится очевидной сезонная перестройка структуры взаимодействия различных функциональных систем организма, как на внутрисистемном, так и на межсистемном уровне. Можно выделить некоторые общие черты, которые определяют характер поведения и взаимодействия функциональных систем в различные сезоны. В целом, наблюдается сходство выявленных отдельных кластерных структур исследованных функциональных связей.

Однако, при детальном анализе видны некоторые различия,...