Minimization of vegetative regulation of heart rate charateristics in the evaluation of the functional status of young professional football players

Бесплатный доступ

The study involved 60 young professional football players, living in the North-West region. The functional status was monitored from 9:00 to 10:00 a.m. Registration of heart rate characteristics was carried out by the OMEGA-SPORT hardware and software complex of the DYNAMICS Research and Production company (NPF) (Saint Petersburg). Statistical analysis was performed in the application program STATISTICA. 12.0. Multiple linear regression analysis was used to solve these problems. It was found, that three parameters make the greatest contribution to the integral predictor "functional status, %": pNN50%, HF ms, LF ms, amongst wide range of statistical and spectral indicators of heart rate variability. Reducing the number of analyzed characteristics makes it possible to expand the physiological rationale for managing the functional status of young athletes, specializing in football, as well as to optimize the training load in the shortest possible time.

Еще

Minimization of characteristics, adaptation, heart rate, football for children and young people

Короткий адрес: https://sciup.org/140250144

IDR: 140250144

Текст научной статьи Minimization of vegetative regulation of heart rate charateristics in the evaluation of the functional status of young professional football players

Введение. На сегодняшний день современный спорт – это технологичный процесс. Аппаратно-программные комплексы, предназначенные для оценки срочных функциональных сдвигов в состоянии физиологических систем, в особенности системы кровообращения, в настоящее время составляют неотъемлемую часть тренировочной деятельности [1, 2, 3, 4, 5, 6, 7]. Однако различные инновационные технологии предлагают большой спектр параметров, в том числе и расчётных, что существенно усложняет анализ, понимание и интерпретацию получаемых данных для тренеров-практиков. В связи с этим задачей нашего исследования является минимизация числа показателей, оказывающих максимальное влияние на значение интегрального предиктора – «функциональное состояние, %».

Методика и организация исследования.

В исследовании участвовали 60 юношей, специализирующихся в футболе и проживающих в северо-западном регионе. Средние морфологические данные: возраст 16,8±1,5 лет; вес 69,4±3,5 кг; рост 170,3±3,9 см. Исследуемые показатели фиксировали в утренние часы с 9:00 до 10:00. На момент тестирования юные спортсмены не имели диагностированных заболеваний. Регистрация параметров сердечного ритма осуществлялась при помощи АПК «ОМЕГА-СПОРТ», НПФ «Динамика», Санкт-Петербург на протяжении одного года. Запись биоэлектрической активности сердца велась во II стандартном отведении из положения сидя. Анализировали статистические и спектральные показатели сердечного ритма: ИН, у.е. (индекс напряжения); ВР, мс (вариа- ционный размах); Мо, мс (мода); АМо, % (амплитуда моды); SDNN, мс (среднее квадратичное отклонение); RMSSD, мс (квадратный корень из среднего квадрата разностей величин последовательных пар интервалов NN); pNN50, % (процентное отношение последовательных интервалов NN); LF, мс² (низкочастотные волны спектра); HF, мс² (высокочастотные волны спектра); TP, мс² (общая мощность спектра); VLF, мс² (очень низкочастотные волны), а также интегральный показатель ФС, % (функциональное состояние, %). Статистический анализ осуществлялся в прикладной программе STATISTICA. 12.0. Для решения поставленных задач применяли множественный линейный регрессионный анализ.

Результаты исследования и их обсуждение.

Интегральный показатель – «функциональное состояние, %» отражает срочные приспособительные реакции организма на тренировочные нагрузки и сопровождающие их воздействия, определяя «физиологическую цену» адаптации по степени напряжения систем, регулирующих ритм сердца. Для расчета показателя «функциональное состояние, %» в программное обеспечение отправлялась запись электрокардиограммы, на основе которой анализировались 11 показателей вариабельности сердечного ритма. Выявление показателей, оказывающих наибольшее воздействие на интегральный предиктор, существенно сокращает время обработки и интерпретации данных без искажения физиологической составляющей функционального состояния спортсменов, что очень важно в практической деятельности. Анализ стандартизированных коэффициентов бета показал, что три переменных: pNN50, % (- 0,03406); LF, мс (- 0,00165) и HF, мс (0,00067) вносят наиболее значимый вклад в вариацию предиктора «функциональное состояние, %», статистически значим только один pNN50 % (0, 045623 р < 0,05) (таблица).

Таблица

Множественный регрессионный анализ зависимой переменной «функциональное состояние, %»

N=120

Regression Summary for Dependent Variable: ФС % R=,29161455 R?= ,08503905 Adjusted R?= ,06137626 F(3,116)= 3,5938 p<,01579 Std. Error of estimate: 15,382

b*

Std.Err. of b*

b

Std.Err. of b

t(116)

p-value

Intercept

81,79175

2,526420

32,37456

0,000000

pNN50, %

-0,182287

0,090214

-0,03406

0,016855

-2,02062

0,045623

LF, мс

-0,165805

0,091158

-0,00165

0,000905

-1,81888

0,071510

HF, мс

0,139846

0,089907

0,00067

0,000431

1,55545

0,122562

Регрессионное уравнение получило следующий вид: ФС, % = 81,79175 – 0,03406 x pNN50, % - 0,00165 x LF, мс + 0,00067 x HF, мс. Увеличение на 1 % синусовых интервалов R-R, различающихся более чем 50 мс (pNN50 %), способствует уменьшению текущего функционального состояния на 0,03406 у. е. Более того, с увеличением медленных частотных волн I порядка (LF) на 1 мс снижение функционального состояния составляет 0,00165 у. е. Исследователи [1 и др.] данные параметры относят к группе симпатического звена автономной регуляции ритма сердца. Увеличение же быстрых частотных волн (HF) на 1 мс проявляет функциональные сдвиги положительного характера на 0,0067 у.е.

Анализ регрессионных остатков позволил определить разность фактических значений «функционального состояния, %» и значений, предсказанных по уравнению регрессии. На рисунке 1 частотная гистограмма указывает на относительную симметричность значений остатков, а фактические значения, представленные на рисунке 2, не систематически отклоняются от теоретической нормальной кривой. Это подтверждает предположение о не отклонении нормальности остатков.

Distribution of Raw residuals

Рисунок 1. Частотная гистограмма нормального распределения значений остатков

Рисунок 2. Графический анализ нормально-вероятностных значений остатков

Общие бета-коэффициенты с 95 % доверительными интервалами были построе- ны по экспоненте и нанесены на диаграмму рассеивания для анализа статистически значимых оценок. Выявлена частичная зависимость остатков от предсказанных по уравнению регрессии значений «функционального состояния, %» (рисунок 3).

Predicted vs. Residual Scores

Рисунок 3. Графический анализ предсказанных и остаточных значений зависимой переменной «функциональное состояние, %»

Таким образом, статистический анализ позволил установить зависимость между значениями прогнозирующего параметра «функциональное состояние, %» и значениями-факторами (статистические и спектральные показатели), оказывающими наибольшее влияние на его преобразование.

Заключение. Наибольшее воздействие на показатель «функциональное состояние, %», который, в свою очередь, является предиктором развития заболеваний и травм, связанных с тренировочной деятельностью, оказывают три параметра сердечного ритма: pNN50%; HF, мс и LF, мс. Статистический анализ подтвердил их надежность и информативность. Зная физиологическую интерпретацию этих показателей и их изменение при воздействии различных факторов, возможно управление функциональным состоянием спортсменов. Таким образом, использование ограниченного числа рассматриваемых показателей в современных технологиях позволяет в кратчайшие сроки принимать физиологически обоснованные решения для оптимизации тренировочного процесса.

Статья научная