СПИСОК СОКРАЩЕНИЙ 2
ВВЕДЕНИЕ 5
ГЛАВА 1. АДАПТАТИВНЫЕ ВОЗМОЖНОСТИ ОРГАНИЗМА ЧЕЛОВЕКА 8
1.1. Общие представления о адаптации 8
1.2. Изменение функционального состояния и напряжение регуляторных
систем как механизм дезадаптации 10
1.3. Функциональное состояние и напряжение регуляторных механизмов
при стрессе 13
1.4. Методы оценки функционального состояния 16
1.4.1. Вариабельность сердечного ритма как способ оценки
функционального состояния 17
ГЛАВА 2. ОБЪЕКТ И МЕТОДЫ ИССЛЕДОВАНИЯ 19
2.1. Контингент исследования 19
2.2. Методы исследования 19
2.3. Календарный план проекта 25
2.3. Описание бюджета проекта 26
ВЫВОДЫ 42
РЕКОМЕНДАЦИИ 43
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 44
Приложение
Поиск методик мониторинга функционального состояния и прогнозирование риска развития тревожно-депрессивных состояний в настоящее время стоит очень остро, поскольку психоэмоциональное напряжение становится обычным явлением. Это связано с нестабильным финансовым положением, увеличением информационного потока, влиянием неблагоприятных экологических и социально-психологических факторов. В период с 1990 по 2013 гг. число людей страдающих от тревожных и деперссивных расстройств увеличилось вдвое, примерно 10 % населения мира страдает этими заболеваниями, а 30 % приходится на психические расстройства. Стоит отметить, что хроническая психическая напряжённость, вызванная тревогой и депрессией, приводит к нарушению адаптации. При дезадаптации наблюдается нарушение социализации, нарушение механизмов восприятия и характера ответной реакции, ухудшеная анализ ситуации и адекватность принятия решения, повышая уровень агрессии, всё это является нежелательным явлением не только в повседневной жизни, но и в профессиональной деятельности (Байдина, Сосницкая, 2012).
Учитывая, изложенное выше, тревожные и депрессивные состояния в нашем исследовании рассматриваются как проявление психофизиологической дезадаптации (Незнанов, Мартынихин, Мосолов, 2017; Alonso J., etc., 2004; Аввад, 2002; Баранов, Баевский, Берсенева, Михайлов, 2004).
Основываясь на представлении о ведущей роли функционального состояния в процессе адаптации, мы можем говорить о том, что без его объективной оценки и оценки динамики его изменений невозможна оптимизация процесса жизнедеятельности. Однако, в настоящее время нет адекватных методов скрининговой оценки функционального состояния и состояния адаптивных систем, что затрудняет профессиональный отбор и прогнозирование деятельности в условиях стресса (Садретдинова, Сетко, Бейлина, 2015; Жильцова, Котов, Альжев 2016). Но, на сегодняшний день идёт активное внедрение компьютерных технологий, что позволяет в биомедицинских измерительных системах выявить новые способы получения, анализа и обработки биологических сигналов. Таким образом разработка методики по выявлению дезадаптивных состояний на донозологическом уровне, с использованием нейронной сети, на наш взгляд является весьма перспективным.
Цель исследования:
Изучить особенности вариабельности сердечного ритма у лиц с разным уровнем тревоги и депрессии.
Задачи:
1. Оценить функциональное состояние сердечно-сосудистой системы у лиц с разным уровнем тревоги и депрессии
2. Выявить маркеры дезадаптивных состояний на основе интеллектуального анализа данных
3. Разработать архитектуру и параметры искусственной нейронной сети для интеллектуального анализа данных.
Научная новизна. Предложен способ использования интелектуального анализа для выявления маркёров психофизиологической дезадаптации.
Ожидаемые результаты. Предикторы тревоги и депрессии донозологического уровня по данным вариационной пульсометрии.
Нейронная сеть способная определять дезадаптивные изменения на основе вариационной пульсометрии с вероятностью не менее 70%.
Создаваемый автоматизированный программный комплекс (АПК) предположительно будет обладать следующими качествами и
характеристиками:
1. Одновременный анализ разнородных биометрических данных для распознавания состояния;
2. Использование современных технологий анализа данных;
3. Возможность самообучения системы на основе вновь полученных данных;
4. Обучение с подкреплением (обучение системы под индивидуального пользователя).
Практическая значимость. Структура разработанного АПК позволяет производить раннюю диагностику, прогнозировать риски, осуществлять подбор индивидуальной траектории коррекционных мероприятий.
Апробация. На настоящий момент проект был представлен на VII региональной молодежной конференции «Мой выбор - Наука!» 2020г.
Личный вклад. Был осуществлен сбор данных для проведения научно-исследовательской работы, а именно:
- сбор данных об уровнях депрессии и тревоги на основе тестовых методик;
- регистрация электрической активности сердца (ЭКГ) для оценки уровня тревоги и депрессии при помощи электрокардиографа.
Также была создана объемная база. Статистическая обработка данных была проведена при помощи IBM SPSS Statistics 17.0.
Для интеллектуального анализа данных и прогнозирования дезадаптивных реакций применяли многослойный перцептрон (MLP) модуля IBM SPSS Neural Networks.
Выпускная квалификационная работа (бакалаврская работа) выполнена в рамках научно-исследовательского проекта «Разработка алгоритма раннего выявления и коррекции психофизиологических дезадаптаций».
1. По мере увеличения тревожных состояний у испытуемых наблюдается увеличение ЧСС, и более высокие значения АМо и ИН, что является следствием напряжения регуляторных механизмов и преобладанием симпатического отдела ВНС, которые свидетельствуют о компенсаторной адаптации.
2. У испытуемых с депрессивными расстройствами наблюдается возрастание ЧСС и снижение показателей средней длительности интервалов Я-Я и значений Мо, которые также обусловлены преобладанием влияния симпатического отдела и напряжением регуляторных механизмов.
3. Совместное использование статистических и нейросетевых методов позволило установить, что маркерами психофизиологической дезадаптации могут служить такие показатели вариационной пульсометрии как ЯЯКЛ, рИН50, Мо, АМо, Ме, 81 (ИН), е11_Ь, е11_и, Ь/и, е11_8.
4. Многослойный перцептрон с двумя скрытыми слоями, пороговой функцией активации выходного слоя и применением алгоритма обратного распространения ошибки для обучения позволяет с близким к оптимальному соотношением ошибок первого и второго рода оценить риск дезадаптаци.
