Анализ электрофизиологических детерминант мозгового метаболизма и их влияние на показатели скорости и выносливости у обучающихся в вузе

I.M. Mazikin1,2, ,

M.M. Lapkin3, ,

N.N. Sentyabrev4, ,

M.V. Akulina3, , N.A. Kulikova3, , 1 Moscow State University of Sport and Tourism, Moscow, Russia

Введение. Высокие результаты в студенческом спорте, в том числе при выполнении нормативов Всероссийского комплекса норм ГТО, могут быть связаны с применением системного подхода к организации тренировочного процесса и реализации соревновательной деятельности [9]. Системная оценка индивидуальных физиологических особенностей участников спортивных испытаний и их адаптационных резервов позволяет подобрать оптимальные испытания скоростных качеств и испытания, направленные на выявление выносливости и скорости для успешной сдачи норм ГТО. В последние годы отечественные ученые находятся в активном поиске важных нейрофизиологических детерминант спортивной деятельности, определяющих лучшую результативность в различных физических качествах [7, 10]. К ним относят оценку моз- гового метаболизма по уровню постоянных потенциалов (УПП) коры головного мозга [5, 6, 12]. С этой целью используют оценку состояния структур головного мозга методом нейроэнергокатирования (НЭК), например, в тренировочной деятельности для контроля периода восстановления [2, 3, 7, 8]. В связи с этим актуальной является необходимость выявления ведущих детерминант максимальной реализации различных физических качеств при выборе норматива ВСК ГТО по данным НЭК. Развитие медицинской науки связано с процессами цифровизации и масштабным внедрением современных методов статистической обработки [1]. Применение аппаратно-программных комплексов открывает новые возможности для углублённого изучения физиологических основ физических качеств и формирования графических моделей взаимосвязей [4].

Цель: провести анализ электрофизиологических детерминант мозгового метаболизма по показателям УПП и оценить их связь с показателями скорости и выносливости у обучающихся в вузе.

Материалы и методы. Участники исследования – 70 юношей (без спортивных разрядов, возраст 18–20 лет, масса тела 73,5 ± 8,6 кг, основная группа здоровья), обучающиеся в Рязанском государственном медицинском университете им. академика И.П. Павлова. Все обследуемые подписывали договор согласия на участие в исследованиях (протокол исследования одобрен ЛЭК по биомедицинской этике ФГБОУ ВО «РязГМУ» Минздрава России). Структура исследования наряду с перечнем рассматриваемых критериев изложены в представленной блок-схеме (рис. 1).

Функциональные нагрузочные пробы (гипервентиляция и когнитивный тест Шульте – Горбова) проводили с целью выявления особенностей перестройки метаболизма головного мозга у испытуемых.

Полученные данные были статистически обработаны с помощью компьютерной программа Statistica 12.0. Кластерный анализ проводили по методу k-means (по средним значениям). Для оценки соответствия данных каждого кластера определенному характеру распределения данных были использованы метод частотных гистограмм, а также тест Шапиро – Уилка. Поскольку выявлено отклонение от нормальности, для определения статистически значимых различий между группами был применен U-критерий Манна – Уитни. Оценка силы и знака корреляционных связей между исследуемыми параметрами проводилась непараметрическим методом корреляционного анализа (R-Spearmen).

Результаты. По результатам выполнения норм ВСК ГТО (бег на 1000 м и на 100 м) обследуемые разделились на две однородные группы: кластер № 1 – «низкорезультативные», кластер № 2 – «высокорезультативные». С помощью непараметрического критерия U (тест Манна – Уитни) были найдены статистически значимые отличия результатов беговых тестирований. Студенты, относящиеся кластеру № 1 (n = 40), показали результаты относительно хуже, чем представители кластера № 2 (n = 30), которые справились с бегом на 100 м значительно лучше. Также при

1 этап

2 этап оценка электрофизиологических характеристик

оценка параметров результативности физических качеств

Регистрация уровня постоянных потенциалов (УПП) проводилась

• ❖    с помощью АПК Нейроэнергометр (НЭК-5)

• ❖    монополярно в пяти отведениях: нижнелобной (Fz), центральной (Cz), затылочной (Oz), а также правой (Td) и левой (Ts) височных областей головы

• ❖    с фиксацией референтного электрода на запястье правой руки

• ❖    непрерывно в течение 15-17 минут

Алгоритм регистрации УПП:

• 1.    5 мин - в состоянии относительного физиологического покоя,

• 2.    3 мин - при гипервентиляции,

• 3.    5 мин - когнитивная проба (тест Шульте -Горбова).

  Контрольные нормативы комплекса ВСК ГТО у участников исследования:

  1. Бег на 100 м (с) 2. Бег на 1000 м (с)

  Все испытания проходили на стандартизированном легкоатлетическом стадионе при судействе аккредитованных специалистов центра тестирования ГТО.

  Показатели скорости фиксировались электронным хронометражом

  
  

Рис. 1. Этапы и методы проведения исследования

Fig. 1. Stages and methods of research

Рис. 2. Результативность бегового тестирования в разных кластерах: **p < 0,01; ***p < 0,001 Fig. 2. Running test performance in different clusters: **p < 0.01; ***p < 0.001

Кластер

— Median

□ 25%-75%

J Min-Max

Кластер

Рис. 3. Изменения электрической активности мозга (∆УППг) при переходе от физиологического покоя к гипервентиляции у испытуемых выделенных кластеров: по оси ординат величины указаны в милливольтах, *p < 0,05, **p < 0,01, ***p < 0,001

Fig. 3. Changes in constant potential levels (∆CPLh) from physiological rest to hyperventilation in subjects from selected clusters: values on the y-axis are in mV: *p < 0.05, **p < 0.01, ***p < 0.001

выполнении норматива бег на 1000 м студенты кластера № 1 (n = 40) показали относительно низкую выносливость по сравнению с участниками кластера № 2 (n = 30) (рис. 2).

Изменения электрической активности мозга ∆УППг (переход от физиологического покоя к гипервентиляционной пробе) были зарегистрированы в кластерах по отведениям Fz, Cz, Oz, Td. Незначительная ∆УППг в диа- пазоне от –3 до 3 мВ у испытуемых кластера № 2, вероятно, свидетельствует о более высокой адаптированности организма к физическим нагрузкам, обменные процессы перестраиваются на более экономный расход энергетических ресурсов. Большая по величине ∆УППг у испытуемых первого кластера может быть связана с перенапряжением адаптационных механизмов (рис. 3).

Рис. 4. Изменения электрической активности мозга (∆УППк) при переходе от физиологического покоя к когнитивной нагрузке у испытуемых выделенных кластеров: по оси ординат величины указаны в милливольтах, *p < 0,05, **p < 0,01, ***p < 0,001

Fig. 4. Changes in constant potential levels (∆CPLс) from physiological rest to cognitive load in subjects from selected clusters: values on the y-axis are in mV: *p < 0.05, **p < 0.01, ***p < 0.001

Кластер 1 (N =40)

Рис. 5. Результаты корреляционного анализа между ∆УППг и результатами беговых нормативов ГТО. Rs – коэффициент корреляции Спирмена. Сплошные линии – прямые корреляции, пунктирные линии – обратные корреляции; толщина линий отражает силу корреляций (тонкие линии – Rs от 0,1 до 0,29 – слабые корреляционные связи, полужирные линии – Rs от 0,3 до 0,69 – корреляционные связи средней силы)

Fig. 5. Results of the correlation analysis between ∆CPLh and GTO running performance:

Rs – Spearman’s correlation coefficient. Solid lines indicate direct correlations; dashed lines indicate inverse correlations. Line thickness reflects correlation strength: thin lines indicate weak correlations (Rs = 0.1 – 0.29); semi-thick lines indicate moderate correlations (Rs = 0.3 – 0.69)

Кластер 2 (N =30)

На рис. 4 показаны отличия изменения УППк (переход от физиологического покоя к когнитивной пробе с сенсомоторным компонентом). Различия в показателях ∆УППк у представителей «низкорезультативного» кластера по сравнению с «высокорезультативным» могут свидетельствовать об особенно- стях метаболического обеспечения в сенсомоторных областях коры больших полушарий, которые влияют на скорость реакции и реализацию двигательных актов.

По результатам корреляционного анализа (Rs-Spearmen) были выявлены взаимосвязи между исследуемыми параметрами ∆УППг

Кластер 1 (N =40)

Кластер 2 (N =30)

Рис. 6. Результаты корреляционного анализа между ∆УППк и результатами беговых нормативов ГТО: Rs – коэффициент корреляции Спирмена. Сплошные линии – прямые корреляции, пунктирные линии – обратные корреляции; толщина линий отражает силу корреляций (тонкие линии – Rs от 0,1 до 0, 29 – слабые корреляционные связи, полужирные линии – Rs от 0,3 до 0,69 – корреляционные связи средней силы

Fig. 6. Results of the correlation analysis between ∆CPLс and GTO running performance:

Rs – Spearman’s correlation coefficient. Solid lines indicate direct correlations; dashed lines indicate inverse correlations.

Line thickness reflects correlation strength: thin lines indicate weak correlations (Rs = 0.1 – 0.29); semi-thick lines indicate moderate correlations (Rs = 0.3 – 0.69)

(переход от физиологического покоя к гипервентиляционной пробе) и результатами беговых нормативов ГТО на скорость и выносливость. Найденные взаимосвязи имели различную выраженность и знак у представителей выделенных кластеров (рис. 5).

Корреляционные связи в кластерах № 1 и 2 между показателями НЭК (∆УППг), теста на выносливость и скоростного тестирования значимо отличаются (p < 0,05) . В кластере № 1 выявлены две прямые связи слабой (Rs = 0,271; 0,245) и одна прямая связь средней силы (Rs = = 0,375). Между показателями ∆УППг и бегом на 100 м обнаружена одна обратная связь слабой (Rs = –0,271) и две обратные связи средней силы (Rs = –0,375; –0,389) между аналогичными показателями электрической активности мозга и бегом на 1000 м. В кластере № 2 выявлены две обратные связи средней силы (Rs = –0,471; –0,458) между бегом на 100 м и показателями ∆УППг Fz и ∆УППг Сz, а также одна обратная связь средний силы (Rs = –0,321) между ∆УППг Oz и бегом на 1000 м.

Также были выявлены особенности взаимосвязей исследуемых параметров ∆УППк (переход от физиологического покоя к когнитивной пробе) и результатов беговых нормативов ГТО на скорость и выносливость (рис. 6).

Корреляции в кластерах № 1 и 2 показателей НЭК (∆УППк), теста на выносливость и скоростного тестирования значимо отличают- ся (p < 0,05). В кластере № 1 обнаружена одна обратная связь слабой (Rs = –0,298) и одна обратная связь средней силы (Rs = –0,455) между ∆УППк и бегом на 100 м, а также одна средняя связь ∆УППк Oz с показателем бега на 1000 м (Rs = –0,489). В кластере № 2 выявлена обратная связь слабой силы (Rs = –0,279) между скоростным нормативом и показателями ∆УППк Fz, а также одна прямая связь слабой силы (Rs = 0,251) ∆УППк Oz и бега на 1000 м.

Корреляции средней силы можно определить как ведущие критерии, отражающие системную организацию поведения, направленного на успешное выполнение нормативов ГТО на скорость и выносливость у представителей выявленных кластеров, что свидетельствует о различной вовлечённости мозговых структур в механизмы адаптации испытуемых при реализации различных форм целенаправленной деятельности.

Заключение. Проведенное исследование показало эффективность использования метода нейроэнергокартирования (показатели УПП) для оценки резервных возможностей головного мозга при различных видах адаптации у студентов, обучающихся в медицинском вузе. Нейроэнергокартирование позволяет выявлять перераспределение мозговых энергетических ресурсов для решения различных задач, что делает данный метод ценным инструментом для нейрофизиологических исследований при различных видах диагностики. Это подтверждается другими исследованиями в спортивной физиологии [14, 15]. Для лиц с менее выраженным ∆УПП (представители кластера № 2) характерен более низкий уровень церебральных энергозатрат, что обеспечивает высокую результативность при сдаче нормативов.

Наше исследование показало, что изучение определенных электрофизиологических параметров и понимание их взаимосвязей с показателями результативности при оценке физических качеств (скорость и выносливость) с применением основ системного подхода может помочь преподавателям физической культуры и студентам с правильным выбором нормативов при сдаче норм ГТО и оптимально спланировать свою подготовку. Это находит отражение в работах отечественных и зарубежных авторов [11, 13]. Таким образом, результаты нашего исследования позволяют сформировать протокол комбинированной оценки электрофизиологических детерминант мозгового метаболизма для выявления энергетических резервов головного мозга и его способности переносить нагрузку для обеспечения высокой результативности при сдаче нормативов ВСК ГТО.