RU2644847C1 - Способ прогнозирования результативности моделируемой когнитивной деятельности на основе комплекса физиологических показателей и логит регрессионного анализа - Google Patents

Abstract

Изобретение относится к области медицины, а именно к физиологии и гигиене труда. Регистрируют электрофизиологические показатели и определяют: мощность тета-колебаний ЭЭГ в отведении F3 в мкВ²/с², частоту кросскорреляционной функции ЭЭГ в отведении F3-F4, межпиковую амплитуду N2P3 когнитивного вызванного потенциала Р300 в Cz в мкВ, амплитуду условно-негативного отклонения (УНВ) в Cz в мкВ и среднее квадратичное отклонение вариабельности сердечного ритма в мс. Рассчитывают уравнение регрессии: у=-4,41+0,07*мощность тета-колебаний ЭЭГ в F3-0,43*частота корреляции ЭЭГ F3-F4-0,23*амплитуда N2P3 Р300 в Cz+0,03*амплитуда УНВ в Cz -0,004*СКО ВСР и логит преобразования Р=е^у/(1-е^у), и определяют вероятность распределения исследуемых на результативную и низко результативную группы. Способ повышает достоверность прогноза, что достигается за счет использования указанных выше электрофизиологических параметров. 2 табл.

Description

Изобретение относится к области медицины, а именно к физиологии и гигиене труда.

Определение результативности деятельности, связанной с восприятием большого числа объектов, вниманием, принятием решения в отношении объекта (операторская деятельность) является актуальной задачей физиологии и гигиены труда [6, 9]. Принципиально важным является выделение прогностически значимых для определения результативности деятельности факторов в моделируемой ситуации с возможностью последующей экстраполяции результатов на реальные рабочие условия. Прогностически значимые факторы (предикторы) с позиции системной методологии должны отражать функциональное состояние головного мозга как результат взаимодействия активирующих и деактивирующих влияний стволовых структур и корковых нейронных популяций [1], деятельность специфических сенсорных систем, механизмы опознания объекта, сравнения его параметров с информацией в памяти, принятие решения в его отношении [4, 5], а также моторные эффекторные механизмы [11] и вегетативное обеспечение деятельности [12, 13]; при этом необходима комплексная оценка данных факторов. Таким образом, для прогнозирования результативности деятельности человека необходима разработка интегрального показателя, характеризующего эту деятельность, на основе комплекса физиологических и психофизиологических показателей.

Наиболее близким способом того же назначения к заявленному изобретению по совокупности признаков является способ оценки пригодности персонала для различных видов деятельности (ПРОТОТИП) [10], в котором на основе физиологического обследования с регистрацией электроэнцефалограмм, когнитивных вызванных потенциалов, психофизиологического обследования с оценкой сенсомоторных реакций, а также реакции сердечно-сосудистой системы на заданную психоэмоциональную нагрузку и многоаспектного психологического тестирования выделяют группу риска из оперативного персонала

К причинам, препятствующим достижению результата при использовании известного способа, принятого за прототип, относится использование преимущественно качественных характеристик изучаемых явлений, экспертный характер заключения, применение достаточно большой группы показателей, усложняющих реализацию метода.

Целью изобретения является прогнозирование результативности когнитивной деятельности на основе комплекса физиологических показателей и логит регрессионного анализа.

Цель достигается тем, что на основе показателей мощности тета-колебаний ЭЭГ в отведении F3 (мощность тета-колебаний F3) в мкВ²/с², частоты кросскорреляционной функции ЭЭГ F3-F4 (частота корреляции ЭЭГ F3-F4) в Гц, межпиковой амплитуды N2P3 когнитивного вызванного потенциала Р300 в Cz (амплитуда N2P3 Р300 в Cz) в мкВ, амплитуды условно-негативного отклонения (УНВ) в Cz (амплитуда УНВ в Cz) в мкВ и среднего квадратичного отклонения вариабельности сердечного ритма (СКО ВCP) в миллисекундах, зарегистрированных у исследуемых при стандартных условиях, при помощи уравнения регрессии, имеющего вид:

у=-4,41+0,07*мощность тета-колебаний ЭЭГ в F3-0,43*частота корреляции ЭЭГ F3-F4-0,23*амплитуда N2P3 Р300 в Cz+0,03*амплитуда УНВ в Cz - 0,004*СКО ВСР и логит преобразования Р=е^у/(1-е^у),

определяется вероятность распределения исследуемых в результативную или низко результативную группы.

Способ прогнозирования результативности когнитивной деятельности на основе комплекса физиологических показателей и логит регрессионного анализа осуществляется следующим образом.

Регистрируется электроэнцефалограмма в течение 5 минут в исходном состоянии, для анализа выделяется фрагмент ЭЭГ, не содержащий артефактов, методом спектрального анализа и анализа кросскорреляционной функции при величине эпохи анализа 20,48 секунд определяется мощность тета-колебаний ЭЭГ в F3 и частота кросскорреляционной функции ЭЭГ в паре отведений F3-F4. Регистрация когнитивного вызванного потенциала Р300 осуществляется в стандартных условиях, описанных ниже в экспериментальном обосновании, идентифицируются пики N2 и Р3, определяется межпиковая амплитуда N2P3 в отведении Cz. Регистрируется условно-негативная волна в стандартных условиях, описанных ниже в экспериментальном обосновании, определяется амплитуда УНВ. Для анализа ВСР используется электрокардиограмма длительностью 5 минут, зарегистрированная одновременно с ЭЭГ в положении сидя; на основе методов статистического анализа динамического ряда R-R интервалов определяется СКО ряда R-R интервалов. Данные показатели вводятся как независимые факторы в вышеописанное уравнение с известными коэффициентами регрессии, в результате при использовании логит преобразования определяется вероятность распределения исследуемого в результативная группу практически здоровых лиц (при значении р равном или меньшем 0,5) или низко результативную группу (при значении Р больше 0,5).

Экспериментальное обоснование проведено на выборке практически здоровых лиц из 47 мужчин и 25 женщин; средний возраст составил 33,1 лет, стандартная ошибка средней 0,56 лет. В группу практически здоровых лиц включались лица в возрасте от 18 до 75, подписавшие договор информированного согласия, способные после предварительной инструкции выполнять тестовые задания исследования; к критериям исключения относились беременность, наличие заболеваний или травм нервной системы в анамнезе, наличие эпилептических приступов в анамнезе, прием нейротропных препаратов в течение 3 месяцев до включения в исследование; заболевания дыхательной и сердечно-сосудистой системы в стадии декомпенсации.

Регистрация и анализ ЭЭГ проводились с целью оценки состояния неспецифических модулирующих систем ствола мозга, корковых нейронных популяций [7]. Регистрация ЭЭГ осуществлялась при помощи 19-канального цифрового электроэнцефалографа «Нейро-спектр-3» и соответствующего программного обеспечения «Нейрон-спектр». Монтаж электродов проводился по схеме «10-20%» (Fp1, Fp2, F7, F3, F4, F8, Т3, С3, С4, Т4, Т5, Р3, Р4, Т6, O1, O2, Fz, Cz, Pz) с референтными электродами на ушах А1 и А2. Частота квантования АЦП составляла 200 Гц, фильтр высоких частот (постоянная времени) - 0,5 Гц (0,32 с), фильтр нижних частот - 75 Гц. Средняя эпоха анализа составила 20,48 секунд (4096 отсчетов). Перед проведением математического анализа ЭЭГ проводилось выделение и исключение из анализа артефактов. Анализ ЭЭГ проводился методами спектрального анализа на основании быстрого преобразования Фурье с выделением следующих частотных диапазонов: дельта (0,5-3,9 Гц), тета (4,0-7,9 Гц), альфа (8-13 Гц), бета-1 (14-19,9 Гц), бета-2 (20-35 Гц). При спектральном анализе исследовались следующие показатели: полная мощность, средняя мощность, средняя амплитуда и средняя частота альфа-колебаний; бета 1-колебаний и бета 2-колебаний, тета- и дельта-колебаний. Проводился кросскорреляционный анализ с расчетом межполушарных и внутриполушарных показателей коэффициента кросскорреляции, а также средней частоты кросскорреляционной функции.

Проводилась регистрация потенциала Р300 в рамках вероятностной парадигмы появления значимого стимула. Осуществлялась звуковая стимуляция с частотой и вероятностью незначимого стимула 1000 Гц и 80%, значимого стимула с частотой и вероятностью - 2000 Гц и 20% соответственно, длительность стимула 50 мс, интенсивность 60 дБ SPL, межстимульный интервал составил 2 с. Регистрация и усреднение ответа проводились по отведениям Pz, Cz, Fz с референтными электродами на ушах (A1, А2), полоса частот составила от 0,5 Гц до 30 Гц, эпоха анализа 750 мс. Испытуемый находился в положении сидя с открытыми глазами, предварительно давалась инструкция о нажатии на кнопку ответа пациента при появлении значимого стимула. В структуре когнитивного вызванного потенциала осуществлялась идентификация поздней волны N2-P3-N3, то есть когнитивной составляющей ответа на значимый стимул. При этом пик N2 в комплексе Р300 ассоциировался с правильностью опознания стимула, а пик Р3 с принятием решения в его отношении. Анализировались следующие параметры: латентность N2; межпиковая амплитуда P2N2; латентность Р3; межпиковая амплитуда N2P3, также оценивалось среднее время реакции на значимый стимул, число верных и неверных нажатий [3].

Регистрация УНВ проводилась эпохами до 2,5 секунд, в парадигме предупреждающего и пускового стимулов. Регистрация проводилась в отведениях Fz, Cz, Pz с расположением референтных электродов на ушах (А1 и А2). Использовалась постоянная времени (фильтр высоких частот) 0,1 Гц, фильтр низких частот - 70 Гц, сетевой фильтр - 50 Гц, импеданс под электродами менее 5 кОм. В качестве предупреждающего стимула выступал звуковой стимул частотой 2000 Гц, интенсивностью 80 дБ, длительность 40000 мкс, в качестве пускового сигнал с частотой 1000 Гц, число усреднений составило 40. УНВ выделялась как негативная волна между предупреждающим и пусковым стимулом, оценивалась амплитуда волны [3].

Исследование ВСР применялось для оценки вегетативного обеспечения целенаправленной деятельности. Использовался метод кратковременных записей (5 минут). Регистрация электрокардиограмм проводилась при помощи прибора Варикард 2.5 (фирма «Рамена», г. Рязань) и программы «ИСКИМ» (версия 6.0). Запись электрокардиограмм осуществлялась в I стандартном отведении (при вертикальной электрической оси сердца во II отведении) при положении испытуемого сидя. Настройки фильтра верхних частот 0,1 Гц, нижних частот - 100 Гц, режекторный фильтр 50 Гц, частота дискретизации 300 Гц. После регистрации проводилась дополнительная фильтрация записи для устранения артефакта колебания электродов и распознавание зубцов R-R. Минимальное значение кардиоинтервала, которое оценивалось как нормальное (не аритмическое) 0,24 секунды, максимальное - 2 секунды. Использовались статистические методы анализа ВСР с определением, в том числе, среднего квадратичного отклонения (СКО) и методы спектрального анализа [2].

Создание модели логит регрессии осуществлялось при помощи пакета программ Statistica 6.0 [8]. Уравнение регрессионного анализа представлено в виде Y=b₀+b₁*X1+b₂*X2…+b_n*X_n, где b₀ - константа (свободный член), b₁, b₂ … b_n - коэффициенты регрессии для независимых факторов, Х₁, Х₂ … X_n - независимые факторы; вероятность распределения пациентов в подгруппы оценена по формуле Р=е^у/(1+е^у); для минимизации функции потерь использован метод максимума правдоподобия, алгоритм Хука-Дживиса; для оценивания пригодности модели был использован статистический критерий сходимости хи-квадрат (при р<0,05). После выполнения шагов итерации были определены следующие характеристики модели логит регрессии (таблица 1).

Целенаправленная когнитивная деятельность моделировалась при помощи теста Шульте, на основании его результативности методом кластерного анализа выделены 2 подгруппы исследуемых: подгруппа 1 «результативная» и подгруппа 2 «низко результативная». Показатели выполнения теста представлены в таблице 2.

Показатель сходимости модели по критерию хи-квадрат для данной модели составил 16,8, р=0,005; как следует из таблицы, коэффициенты регрессии для параметров статистически значимы. Оценивалась вероятность распределения пациентов в группы на основе предсказанных значений Р(у) меньше или равных 0,5 для группы 1 и больше 0,5 для группы 2; распределение осуществлено корректно в 82% в группе 1 и 78% в группе 2.

Отношение шансов для свободного члена составило 82, для независимого фактора 1 (мощность тета-колебаний F3) 1,07; для независимого фактора 2 (частота кросскорреляционной функции ЭЭГ F3-F4) 0,65; независимого фактора 3 (амплитуды N2P3 Р300 в Cz) 0,79; для независимого фактора 4 (амплитуда УНВ в Cz) 1,03, для независимого фактора 5 (СКО ВСР) 0,99.

Метод позволит спрогнозировать результативность когнитивной деятельности человека, связанной с функцией внимания, в группах исследуемых, что значимо для физиологии и гигиены труда.

СПИСОК ЛИТЕРАТУРЫ

1. Анализ вызванной синхронизации и десинхронизации ЭЭГ при эмоциональной активации у человека: временные и топографические характеристики [Текст] / Л.И. Афтанас [и др.] // Журнал высшей нервной деятельности им. И.П. Павлова. - 2003. - Т. 53, №4. - с. 485-494.

2. Баевский P.M. Анализ вариабельности сердечного ритма в космической медицине / P.M. Баевский // Физиология человека. - 2002. - Т. 28, №2. - С. 70-82.

3. Гнездицкий В.В. Атлас по вызванным потенциалам мозга (практическое руководство, основанное на анализе конкретных клинических наблюдений) / В.В. Гнездицкий, О.С. Корепина. - Иваново: ПресСто, 2011. - 532 с.

4. Гордеев С.А. Применение метода эндогенных связанных с событиями потенциалов мозга Р300 для исследования когнитивных функций в норме и клинической практике // Физиология человека. - 2007. - Т. 33, №2. - С. 121-133.

5. Дипольные модели источников поздних компонентов вызванных потенциалов в вербальных задачах на интермодальное внимание и память человека [Текст] / Е.В. Мнацакян [и др.] // Журнал высшей нервной деятельности им. И.П. Павлова. - 2005. - Т. 55, №3. - С. 315-321.

6. Дементиенко В.В. Оценка эффективности систем контроля уровня бодрствования человека-оператора с учетом вероятностной природы возникновения ошибок при засыпании / В.В. Дементиенко, В.Б. Дорохов // Журнал высшей нервной деятельности им. И.П. Павлова. - 2013. - Т. 63, №1. - С. 24-32.

7. Зенков Л.Р. Клиническая электроэнцефалография (с элементами эпилептологии) / Л.Р. Зенков. - М: МЕДПресс, 2004. - 187 с.

8. Руководство по обеспечению решения медико-биологических задач с применением программы Statistica 10.0 / В.М. Боев [и др.] - Оренбург: Южный Урал, 2004. - 208 с.

9. Самороднов О.В. Теппинг-тест как индикатор включения релаксационного механизма срочной защиты [Текст] / О.В. Самороднов, В.А. Чуев. - Научные труды SWorld. - 2012, Т. 14. - №2. - С. 75-84.

10. Прототип. Способ оценки профессиональной пригодности персонала для различных видов деятельности: заявка №2003113579/14, заявл. 08.05.2003, опубл. 27.01.2005. RU 2245097 С1.

11. Cortical EEG alpha rhythms reflect task-specific somatosensory and motor interactions in humans [Tex] / C. Babiloni et al. // Clinical Neurophysiology. - 2014. - Vol. 125, №10. - p. 1936-1945.

12. The physiological cost and enjoyment of Wii Fit in adolescents, young adult, and older adults [Tex] / L.E. Graves et al. // Journal of Physical Actitvity and Health. - 2010. - Vol. 7, №3. - p. 393-401.

13. The relationship of age and cardiovascular fitness to cognitive and motor processes / C.H. Hillman et al. - Psychophysiology. - 2002. - Vol. 39, №3. - p. 303-312.

Claims (2)

1. Способ прогнозирования результативности когнитивной деятельности на основе комплекса физиологических показателей и модели логит регрессионного анализа, отличающийся тем, что на основе показателей мощности тета-колебаний ЭЭГ в отведении F3 в мкВ²/с², частоты кросскорреляционной функции ЭЭГ F3-F4, межпиковой амплитуды N2P3 когнитивного вызванного потенциала Р300 в Cz в микровольтах, амплитуды условно-негативного отклонения (УНВ) в Cz в микровольтах и среднего квадратичного отклонения вариабельности сердечного ритма в миллисекундах, зарегистрированных у исследуемых при стандартных условиях, при помощи уравнения регрессии, имеющего вид
2. у=-4,41+0,07*мощность тета-колебаний ЭЭГ в F3-0,43*частота корреляции ЭЭГ F3-F4-0,23*амплитуда N2P3 Р300 в Cz+0,03*амплитуда УНВ в Cz -0,004*СКО ВСР и логит преобразования Р=е^у/(1-е^у), определяется вероятность распределения исследуемых на результативную и низко результативную группы.