Способ диагностики уровня и нарушений морфофункционального состояния организма
Изобретение относится к медицине, в частности к спортивной медицине, и может быть использовано для диагностики уровня морфофункционального состояния организма. Способ включает сбор морфофункциональных признаков, характеризующих состояние пациента, и последующий расчет интегральных показателей, отражающих морфофункциональное состояние пациента и его принадлежность к диагностируемой группе. Исследуют массоростовой индекс, жизненный индекс, силовой индекс становой тяги, силовой индекс кистевой динамометрии, показатель двойного произведения, относительную физическую работоспособность. Стандартизируют полученные показатели для приведения к единому виду, вычитая среднее арифметическое и поделив на среднее квадратическое отклонение показатели каждого признака. Затем подвергают кластерному анализу по методу k-средних для выявления частных коэффициентов кластерной принадлежности. Их интерпретируют, исходя из принадлежности к одному из типов оценочных шкал следующим образом: массоростовой индекс по сигмовидной шкале, жизненный индекс, силовой индекс, относительную физическую работоспособность по прямой пропорциональной шкале, и суммируют, получая общий коэффициент кластерной принадлежности. Общий коэффициент кластерной принадлежности подвергают повторному кластерному анализу по методу k-средних, чтобы выявить реально статистически различные группы обследуемых, которые относят к основной, подготовительной и специальной медицинским группам. Способ позволяет объективизировать и оптимизировать процесс определения принадлежности к медицинской группе у занимающихся спортом. 14 табл.
Изобретение относится к медицине, а именно к спортивной медицине и врачебному контролю. Может быть использовано дня диагностики функционального состояния организма и нарушений функционального состояния организма, а также для определения медицинской группы занимающихся физической культурой и спортом.
Известен способ количественного определения уровня физического здоровья организма (Апанасенко Г.Л., 1988). Однако известный способ не дает возможности отнесения исследуемого к той или иной медицинской группе.
Наиболее близким к предлагаемому является общеизвестный способ определения функционального состояния и функциональных нарушений с последующей субъективной интерпретацией медицинской группы (Дембо А.Г., 1988).
Однако данный способ имеет недостаточную точность вследствие наличия возможности привнесения субъективизации в процесс интерпретации медицинской группы, а также отсутствия возможности определить точные количественные детерминанты уровня морфофункционального состояния организма.
Целью изобретения является определение уровня морфофункционального состояния организма и степени нарушений морфофункционального состояния, а также объективизация и оптимизация процесса определения принадлежности к медицинской группе у занимающихся физической культурой и спортом.
Эта цель достигается тем, что у человека или группы людей исследуются морфофункциональные признаки, коррелирующие с уровнем физического здоровья организма: рост, вес, жизненная емкость легких, динамометрия, пульсометрия, артериальное давление, физическая работоспособность. Признаки подвергаются кластерному анализу и разделяются на статистически достоверно отличающиеся структуры данных, включающие исследуемых, схожих по уровню морфофункционального состояния и степени отклонений морфофункционального состояния.
Способ реализуется следующим образом.
Исследуемые морфофункциональные признаки переводятся в известные и описанные в литературе относительные величины (массоростовой индекс, жизненный индекс, силовой индекс, показатель двойного произведения, относительная физическая работоспособность), статистически стандартизируются (из исследуемой величины вычитается среднее арифметическое и разность делится на среднее квадратическое отклонение ((х-М/СКО)) и по отдельности подвергаются кластерному анализу (по методу кластеризации k-средних) (В.П.Боровиков, 2001). В k-методе объект относится к тому классу, расстояние до которого минимально. Расстояние понимается как евклидово расстояние, то есть объекты рассматриваются как точки евклидова пространства. Евклидово расстояние между объектами является геометрическим расстоянием в многомерном пространстве и вычисляется следующим образом:
где d - расстояние между объектами; х, у - объекты совокупности; i - численность объектов.
Расстояние от объектов до совокупности объектов определялось по методу невзвешенного попарного центроидного усреднения (UPGMC - Sneath, Sokal, 1973), где расстояние между кластерами определяется как расстояние между их “центрами тяжести”. Под “центрами тяжести” понимается среднее арифметическое векторных наблюдений объектов, входящих в кластер. Расчет данного расстояния ведется по формуле
где d - расстояние между кластерами; 
(1) - среднее арифметическое векторных наблюдений, входящих в кластер S1; 
(k) - среднее арифметическое векторных наблюдений, входящих в кластер Sk.
Метод кластеризации производится на основании общепринятых представлений о теории медицинских групп, утверждающей, что существуют три основные медицинские группы: основная, подготовительная и специальная. Интерпретация исследуемых признаков ведется с учетом типа оценочной шкалы в случае каждого исследуемого признака.
Применялись оценочные шкалы трех типов: сигмовидная, прямая пропорциональная, обратная пропорциональная. К сигмовидной относился массоростовой показатель, к прямой пропорциональной - жизненный индекс, силовые индексы (становой и кистевой) и показатель относительной физической работоспособности, к обратной пропорциональной - показатель двойного произведения. Интерпретация показателей осуществлялась по-разному, в зависимости от типа оценочной шкалы в каждом случае. Для сигмовидной шкалы алгоритм интерпретации выглядел так: чем ближе к зоне средних значений, тем более оптимальный результат; для прямой пропорциональной: чем выше показатель, тем выше результат; для обратной пропорциональной: чем ниже показатель, тем выше результат.
Деление на группы, исходя из этих предпосылок, теоретически выглядело бы следующим образом: в основную группу войдут студенты, имеющие условно максимальные показатели в прямых пропорциональных шкалах измерения, минимальные показатели в обратных пропорциональных шкалах и средние показатели в сигмовидных шкалах измерения; в подготовительную группу войдут студенты, имеющие условно средние показатели в прямых и обратных пропорциональных шкалах и средние между средними (центральными) и крайними показателями в сигмовидных шкалах; в специальную же группу попадут студенты, имеющие условно максимальные показатели в обратных пропорциональных шкалах, минимальные показатели в прямых пропорциональных шкалах и крайние показатели в сигмовидных шкалах.
Данные по массоростовому индексу соответствовали сигмовидному типу оценочных шкал, имея оптимальные показатели соотношения массы и роста в зоне средних величин, что теоретически обусловливало принадлежность к основной медицинской группе; в зоне крайних (максимальных и минимальных) величин - к специальной медицинской группе; в зоне между средними и крайними показателями - к подготовительной медицинской группе.
Данные по показателю двойного произведения соответствовали обратному пропорциональному типу оценочных шкал, имея оптимальные показатели в зоне минимальных величин, что обуславливало принадлежность к основной медицинской группе; в зоне средних величин - к подготовительной медицинской группе; в зоне максимальных величин - к специальной медицинской группе.
Данные по жизненному индексу, силовому индексу (становой тяги), силовому индексу (кистевой динамометрии), относительной физической работоспособности соответствовали прямому пропорциональному типу оценочных шкал, имея оптимальные показатели в зоне максимальных величин, что обуславливало принадлежность к основной медицинской группе; в зоне средних величин - к подготовительной медицинской группе; в зоне минимальных величин - к специальной медицинской группе.
Таким образом, исследуемые могут быть разделены на отличные друг от друга структуры данных (группы) внутри каждого признака. В зависимости от распределения в ту или иную группу исследуемый получает тот или иной интерпретирующий коэффициент соответствующего признака. Интерпретирующий коэффициент тем выше, чем более функционально оптимальным является полученный у исследуемого показатель и чем меньше выражены отклонения от нормальных величин значения морфофункциональных признаков. Для основной группы интерпретирующий коэффициент равен трем, для подготовительной - двум, для специальной - одному. Получая некое количество интерпретирующих коэффициентов у конкретного исследуемого, равное числу исследуемых признаков, и суммируя их, выводят суммарный интерпретирующий коэффициент, отражающий уровень функционального состояния, и его отклонение от нормального функционального состояния в количественном отношении у данного человека.
Далее суммарные интерпретирующие коэффициенты подвергаются повторной кластеризации, разделяясь на группы, отличающиеся друг от друга по уровню морфофункционального состояния организма исследуемых (из-за разных типов оценочных шкал, к которым относятся исследуемые признаки, одноэтапное применение кластерного анализа сразу ко всем признакам привело бы к нарушению физиологически верной трактовки степени вклада разных признаков в общую картину диагностируемого функционального состояния, поэтому кластеризация проводилась в два этапа). Группа с наиболее низким уровнем морфофункционального состояния относится к специальной медицинской группе, группа со средним - к подготовительной, а группа с высоким - к основной. Причем важным условием является то, что получаемые группы статистически достоверно отличаются друг от друга по совокупности значений суммарных интерпретирующих коэффициентов для каждой из групп (р<0,001).
Для выявления правил классификации в исследуемой группе применяется дискриминантный анализ. При этом рассчитываются решающие правила для каждой медицинской группы, что позволяет выработать правила классификации для данной выборки обследуемых, что дает возможность интерпретировать медицинскую группу у вновь исследуемых. При помощи дискриминантного анализа выстраивается “модель”, позволяющая лучше всего предсказать, к какой совокупности будет принадлежать тот или иной образец исследуемой выборки. В условиях данной “модели” возможно автоматически определять некоторые оптимальные комбинации переменных, в которых функции будут независимыми или ортогональными, то есть их вклады в разделение совокупностей не будут перекрываться. Они могут быть интерпретированы следующим образом: чем больше стандартизованный коэффициент, тем больше вклад соответствующей переменной в дискриминацию совокупностей.
Существуют функции классификации, которые возможно использовать для прямого вычисления показателя классификации для некоторых новых значений. В данном способе применяется линейная дискриминантная фукнция.
Функции классификации предназначены для определения того, к какой группе наиболее вероятно может быть отнесен каждый объект. Имеется столько же функций классификации, сколько групп. Каждая функция позволяет для каждого образца и для каждой совокупности вычислить веса классификации по формуле
Si=сi+wi1*х1+wi2*х2 +...+Wim*Xm,
где индекс i обозначает соответствующую совокупность, а индексы 1, 2, ..., m обозначают m переменных; сi являются константами для i-ой совокупности, wij - веса для j-ой переменной при вычислении показателя классификации для i-ой совокупности; хj - наблюдаемое значение для соответствующего образца j-ой переменной. Величина Si является результатом показателя классификации.
Таким образом, осуществляется деление исследуемой выборки на медицинские группы по выявленным морфофукнциональным признакам.
Предложенный способ применен при определении медицинской группы у 1560 человек мужского и женского пола в возрасте от 16 до 28 лет. При этом отмечено, что процент правильно классифицированных объектов исследования согласно выявленным правилам классификации достаточно велик и составляет в среднем 75% от общего числа случаев, что свидетельствует о высокой точности и надежности предложенного метода. Корреляция методики распределения по медицинским группам на основании исследования морфофункциональных показателей определенной выборки проведена в сравнении с методикой определения показателя активности регуляторных систем (ПАРС), являющегося интегральным показателем общего состояния организма в целом (P.M. Баевский, 1984). Результаты выявили статистически достоверную (р<0,05) высокую степень корреляции в прямой пропорциональной зависимости между состоянием ПАРС и распределением в медицинскую группу исследованных. То есть у представителей основной группы, показатели ПАРС отражали высокий уровень состояния систем адаптации организма, у представителей подготовительной это уровень был ниже, а у представителей специальной медицинской группы был низким и соответствовал уровню “функционального напряжения” или более выраженному состоянию стресса.
Пример 1. Я-ко А.А., 18 лет, студентка, практически здорова. Исследование проводилось с выявлением морфофункциональных показателей в группе студентов в женской подвыборке при плановом медицинском обследовании (см. таблицу №1).
Далее индивидуальные стандартизированные показатели обследованной подвергались кластерному анализу совместно со всеми показателями данной выборки для выявления общегрупповых закономерностей кластерной принадлежности (см. таблицу №2).
После этого, сравнивая общегрупповые и индивидуальные кластерные закономерности можно было выяснить индивидуальные тяготения обследуемого к определенной группе внутри каждого признака (см. таблицу №3).
От “центров тяжести” каждого кластера внутри каждого из исследуемых признаков были определены евклидовы расстояния, которые определяли границы разброса от “центра тяжести” значений, определяющих принадлежность каждого индивидуального показателя к той или иной группе.
Таким образом, отнесение к той или иной кластерной группе проводилось на основании сравнения индивидуального стандартизированного значения исследуемого с разбросом значений полученных евклидовых расстояний от “центров тяжести” каждого кластера. Данная операция проводилась автоматически в статистической компьютерной программе Statistica 6.0 (Statsoft, USA).
Далее суммируя индивидуальные интерпретационные коэффициенты как вклады в кластерную принадлежность внутри каждого признака, можно было получить общий вклад данного исследуемого в принадлежность к определенной группе:
где ОККП - общий коэффициент кластерной принадлежности исследуемого;
ЧККП - частный коэффициент кластерной принадлежности исследуемого по определенному признаку;
n - количество исследуемых признаков.
Применительно к данному случаю ОККП=(2+3+3+2+3+2)/6=2,5.
Для выяснения того, к какой медицинской группе можно отнести исследуемого с найденным общим коэффициентом кластерной принадлежности, все общие коэффициенты кластерной принадлежности всех участников данной подвыборки подвергали повторно кластерному анализу (см. таблицы №4, 5).
В данном случае по общему коэффициенту кластерной принадлежности, равному 2,5 исследуемого можно отнести к группе с интерпретационным коэффициентом (3), то есть к основной медицинской группе.
Проверим это утверждение при помощи выявления правил классификации, а именно при помощи дискриминантного анализа.
Получив кластерные принадлежности для каждого члена выборки по всем исследованным признакам в совокупности, можно выявить правила классификации конкретно для данной выборки. Применив дискриминантный анализ, получаем правила классификации в каждую группу (см. таблицу №6).
Касаемо данного примера были вычислены коэффициенты математической модели - линейной дискриминантной функции для формулировки решающего правила, представленного линейным многочленом вида
Y=A1X1+A2X2+А3Х3+...+AnXn+C,
где Xi - значения анализируемых признаков; Ai - коэффициенты; С - константа.
В результате дискриминантного анализа были выявлены формулы, которые применимы для дифференциации медицинской группы участника данной выборки. Это достигалось посредством подстановки значений исследуемых параметров участника (см. таблицу №7) в решающее правило для каждой из групп данной (мужской или женской) подвыборки и получения максимального коэффициента линейной дискриминантной функции в формуле той медицинской группы, к которой данного исследуемого следует отнести.
Применительно к данной выборке получились следующие формулы: СПЕЦжен=0,266МРИ+0,808ЖИ+0,194СИ+0,877СИкис+0,192ПДП+1,128ФРотн-100,725;
ПОДГжен=0,266МРИ+0,646ЖИ+0,158СИ+1,252СИкис+0,135ПДП+ 1,540ФРотн -105,838;
ОСНжен=0,279МРИ+0,892ЖИ+0,224СИ+0,935СИкис+0,16ПДП+1,236ФРотн-118,127.
Подставляя в формулы данные индивидуальных морфофункциональных показателей получаем следующие коэффициенты линейной дискриминантной функции:
СПЕЦжен=0,266*332+0,808*47+0,194*147+0,877*47+0,192*75+1,128*13-100,725=116,367;
ПОДГжен=0,266*332+0,646*47+0,158*147+1,252*47+0,135*75+1,540*13-105,838=119,251;
ОСНжен=0,279*332+0,892*47+0,224*147+0,935*47+0,16*75+1,236*13-118,127=121,366.
Коэффициент линейной дискриминантной функции основной группы оказался максимальным. Следовательно, данная исследуемая принадлежит к основной медицинской группе. Это значит, что данная исследуемая обладает высоким уровнем функционального состояния и имеет минимальные морфофункциональные отклонения, которые могут вполне позволять ей заниматься по программе основной медицинской группы, а именно занятия по учебным программам физического воспитания в полном объеме, сдачу контрольных норм без ограничений, занятия в одной из спортивных секций, участие в соревнованиях.
Пример 2. Пр-с Ю.А., 17 лет, студентка, в анамнезе хронический тонзилит, вегетососудистая дистония. Исследование проводилось с выявлением морфофункциональных показателей в группе студентов в женской подвыборке при плановом медицинском обследовании (см. таблицу №8).
Далее индивидуальные стандартизированные показатели обследованной подвергались кластерному анализу совместно со всеми показателями данной выборки для выявления общегрупповых закономерностей кластерной принадлежности (см. таблицу №9).
После этого, сравнивая общегрупповые и индивидуальные кластерные закономерности, можно было выяснить индивидуальные тяготения обследуемого к определенной группе внутри каждого признака (см. таблицу №10).
От “центров тяжести” каждого кластера внутри каждого из исследуемых признаков были определены евклидовы расстояния, которые определяли границы разброса от “центра тяжести” значений, определяющих принадлежность каждого индивидуального показателя к той или иной группе.
Таким образом, отнесение к той или иной кластерной группе проводилось на основании сравнения индивидуального стандартизированного значения исследуемого с разбросом значений полученных евклидовых расстояний от “центров тяжести” каждого кластера. Данная операция проводилась автоматически в статистической компьютерной программе Statistica 6.0 (Statsoft, USA).
Далее суммируя индивидуальные интерпретационные коэффициенты как вклады в кластерную принадлежность внутри каждого признака, можно было получить общий вклад данного исследуемого в принадлежность к определенной группе:
где ОККП - общий коэффициент кластерной принадлежности исследуемого;
ЧККП - частный коэффициент кластерной принадлежности исследуемого по определенному признаку;
n - количество исследуемых признаков.
Применительно к данному случаю ОККП=(2+1+1+1+1+2)/6=1,33.
Для выяснения того, к какой медицинской группе можно отнести исследуемого с найденным общим коэффициентом кластерной принадлежности, все общие коэффициенты кластерной принадлежности всех участников данной подвыборки подвергали повторно кластерному анализу (см. таблицы №11, 12).
В данном случае по общему коэффициенту кластерной принадлежности, равному 1,33, исследуемого можно отнести к группе с интерпретационным коэффициентом (1), то есть к специальной медицинской группе.
Проверим это утверждение при помощи выявления правил классификации, а именно при помощи дискриминантного анализа.
Получив кластерные принадлежности для каждого члена выборки по всем исследованным признакам в совокупности, можно выявить правила классификации конкретно для данной выборки. Применив дискриминантный анализ, получаем правила классификации в каждую группу (см. таблицу №13).
Касаемо данного примера были вычислены коэффициенты математической модели - линейной дискриминантной функции для формулировки решающего правила, представленного линейным многочленом вида
Y=A1Х1+А2Х2+А3Х3+...+AnXn+C,
где Xi - значения анализируемых признаков; Ai - коэффициенты; С - константа.
В результате дискриминантного анализа были выявлены формулы, которые применимы для дифференциации медицинской группы участника данной выборки. Это достигалось посредством подстановки значений исследуемых параметров участника (см. таблицу №14) в решающее правило для каждой из групп данной (мужской или женской) подвыборки и получения максимального коэффициента линейной дискриминантной функции в формуле той медицинской группы, к которой данного исследуемого следует отнести.
Применительно к данной выборке получились следующие формулы:
СПЕЦжен=0,266МРИ+0,808ЖИ+0,194СИ+0,877СИкис+0,192ПДП+1,128ФРотн-100,725;
ПОДГжен=0,266МРИ+0,646ЖИ+0,158СИ+1,252СИкис+0,135ПДП+1,540ФРотн-105,838;
ОСНжен=0,279МРИ+0,892ЖИ+0,224СИ+0,935СИкис+0,16ПДП+1,236ФРотн-118,127.
Подставляя в формулы данные индивидуальных морфофункциональных показателей, получаем следующие коэффициенты линейной дискриминантной функции:
СПЕЦжен=0,266*433+0,808*28+0,194*70+0,877*28+0,192*128+1,128*8-100,725=101,59;
ПОДГжен=0,266*433+0,646*28+0,158*70+1,252*28+0,135*128+1,540*8-105,838=99,86;
ОСНжен=0,279*433+0,892*28+0,224*70+0,935*28+0,16*128+1,236*8-118,127=96,68.
Коэффициент линейной дискриминантной функции специальной группы оказался максимальным. Следовательно, данная исследуемая принадлежит к специальной медицинской группе. Это значит, что данная исследуемая обладает низким уровнем функционального состояния и имеет значительные морфофункциональные отклонения, которые могут ограничивать ее физические возможности, быть причиной нарушений состояния здоровья, что требует ограничения физических нагрузок и проведения занятий не по учебным программам физического воспитания в полном объеме, а по специальным учебным программам, освобождается от сдачи контрольных нормативов в полном объеме и от участия в соревнованиях.
Литература:
1. Апанасенко Г.Л. Охрана здоровья здоровых: некоторые проблемы теории и практики //Валеология: диагностика, средства и практика обеспечения здоровья. - СПб: Наука, 1993, с.49-60.
2. Апанасенко Г.Л. Оценка физического развития: методология и практика поисков критерия оценки// Гигиена и санитария. - 1983, №12, с.51-53.
3. Баевский P.M., Кириллов О.И., Клецкин С.З. Математический анализ изменений сердечного ритма при стрессе. - М.: Наука, 1984.
4. Боровиков В.П. Программа STATISTICA для студентов и инженеров. М.: ООО “КомпьютерПресс”, 2001.
5. Боровиков В.П., Боровиков И.П. “STATISTICA - статистический анализ и обработка данных в среде Windows”. - М.: “Филин”, 1998. - с.608.
6. Дембо А.Г. Врачебный контроль в спорте. - М.: Медицина,1988.- 278 с.
| Таблица №1 | ||||
| Описательная статистика (М, СКО) исследуемых параметров в женской подвыборке, исследованные морфофункциональные показатели исследуемой Я-ко А. А. и их стандартизация | ||||
| Исследуемые параметры | М | СКО | Исследованные показатели | Стандартизированные показатели |
| МРИ, г/см | 349 | 48 | 332 | -0,36 |
| ЖИ, л/кг | 40 | 10 | 47 | 0,69 |
| СИ стан., %/кг веса | 113 | 26 | 147 | 1,30 |
| СИ кис, %/кг веса | 43 | 9 | 47 | 0,42 |
| ПДП, у.е. | 92 | 18 | 75 | -0,95 |
| ФРотн, кгм/мин/кг | 9 | 4 | 13 | 0,84 |
| Таблица №2 | ||||||
| Распределение по кластерным группам стандартизированных показателей в исследуемой выборке (женская подгруппа) | ||||||
| Кластер, соответствующий определенной медицинской группе | 1 кластер | 2 кластер (подг) | 3 кластер (осн) | 4 кластер (подг) | 5 кластер (спец) | |
| Стандартизированное (сигмальное) значение “центров тяжести” эвклидовых расстояний кластеров в исследуемых показателях | МРИ | 2,906 | 1,348 | 0,348 | -0,363 | -1,158 |
| ЖИ | -1,244 | -0,014 | 1,308 | - | - | |
| СИстан | -1,097 | 0,100 | 1,397 | - | - | |
| СИкис | -1,168 | -0,015 | 1,148 | - | - | |
| ПДП | 1,541 | 0,241 | -0,920 | - | - | |
| ФРотн | -1,027 | 0,192 | 1,954 | - | - |
| Таблица №3 | |||||||
| Сравнение индивидуальных и общегрупповых закономерностей | |||||||
| Морф.-функц. пр-ки | Индив. станд. пок-ли | 1 кластер (спец)-центры тяжести ИК=1 | 2 кластер (подг) -центры тяжести ИК=2 | 3 кластер (осн) -центры тяжести ИК=3 | 4 кластер (подг) -центры тяжести ИК=2 | 5 кластер (спец)-центры тяжести ИК=1 | Интерпр. коэф. (ИК) |
| МРИ | -0,36 | 2,906 | 1,348 | 0,348 | -0,363 | -1,158 | 2 |
| ЖИ | 0,69 | -1,244 | -0,014 | 1,308 | - | - | 3 |
| СИ стан | 1,30 | -1,097 | 0,100 | 1,397 | - | - | 3 |
| СИ кис | 0,42 | -1,168 | -0,015 | 1,148 | - | - | 2 |
| ПДП | -0,95 | 1,541 | 0,241 | -0,920 | - | - | 3 |
| ФРотн | 0,84 | -1,027 | 0,192 | 1,954 | - | - | 2 |
| Таблица №4 | |||||||
| Результат кластеризации общего коэффициента кластерной принадлежности | |||||||
| Средняя величина коэффициента в кластере/пол подгруппы | Кластер №1 специальная группа - центр тяжести | Кластер №2 подготовительная группа - центр тяжести | Кластер №3 основная группа - центр тяжести | ||||
| Женщины | 1,631676 | 2,072381 | 2,426724 |
| Таблица №5 | ||||
| Взвешенные (относительные) евклидовы расстояния между полученными кластерами | ||||
| Пол | Взвешенные евклидовы расстояния | Кластер №1 | Кластер №2 | Кластер №3 |
| Женщины | Кластер №1 | 0,000000 | 0,194221 | 0,632102 |
| Кластер №2 | 0,440705 | 0,000000 | 0,125559 | |
| Кластер №3 | 0,795048 | 0,354343 | 0,000000 | |
| Таблица №6 | ||||
| Коэффициенты линейной дискриминантной функции выборки | ||||
| Подгруппа | Исследуемые признаки | Специальная группа | Подготовительная группа | Основная группа |
| Женщины | МРИ | 0,266 | 0,266 | 0,279 |
| ЖИ | 0,755 | 0,808 | 0,892 | |
| СИ стан | 0,185 | 0,194 | 0,224 | |
| СИ кис | 0,802 | 0,877 | 0,935 | |
| ПДП | 0,212 | 0,192 | 0,16 | |
| ФР | 0,962 | 1,128 | 1,236 | |
| Константа | -100,725 | -105,838 | -118,127 |
| Таблица №7 | ||||
| Данные индивидуальных морфофункциональных показателей | ||||
| Исследуемые параметры | Исследованные индивидуальные показатели | |||
| МРИ, г/см | 332 | |||
| ЖИ, л/кг | 47 | |||
| СИ стан., %/кг веса | 147 | |||
| СИ кис, %/кг веса | 47 | |||
| ПДП, у.е. | 75 | |||
| ФРотн, кгм/мин/кг | 13 | |||
| Таблица №8 | ||||
| Описательная статистика (М, СКО) исследуемых параметров в женской подвыборке, исследованные морфофункциональные показатели исследуемой Пр-с Ю.А. и их стандартизация | ||||
| Исследуемые параметры | М | СКО | Исследованные показатели | Стандартизированные показатели |
| МРИ, г/см | 349 | 48 | 433 | 1,75 |
| ЖИ.л/кг | 40 | 10 | 28 | -1,18 |
| СИ стан., %/кг веса | 113 | 26 | 70 | -1,62 |
| СИ кис, %/кг веса | 43 | 9 | 28 | -1,62 |
| ПДП, у.е. | 92 | 18 | 108 | 0,88 |
| ФРотн, кгм/мин/кг | 9 | 4 | 8 | -0,26 |
| Таблица №9 | ||||||
| Распределение по кластерным группам стандартизированных показателей в исследуемой выборке (женская подгруппа) | ||||||
| Кластер, соответствующий определенной медицинской группе | 1 кластер | 2 кластер (подг) | 3 кластер (осн) | 4 кластер (подг) | 5 кластер (спец) | |
| Стандартизированное (сигмальное) значение “центров тяжести” эвклидовых расстояний кластеров в исследуемых показателях | МРИ | 2,906 | 1,348 | 0,348 | -0,363 | -1,158 |
| ЖИ | -1,244 | -0,014 | 1,308 | - | - | |
| СИстан | -1,097 | 0,100 | 1,397 | - | - | |
| СИкис | -1,168 | -0,015 | 1,148 | - | - | |
| ПДП | 1,541 | 0,241 | -0,920 | - | - | |
| ФРотн | -1,027 | 0,192 | 1,954 | - | - |
| Таблица №10 | |||||||
| Сравнение индивидуальных и общегрупповых закономерностей | |||||||
| Морф.-функц. пр-ки | Индив. станд. пок-ли | 1 кластер (спец)-центры тяжести ИК=1 | 2 кластер (подг) -центры тяжести ИК=2 | 3 кластер (осн) -центры тяжести ИК-3 | 4 кластер (подг) -центры тяжести ИК=2 | 5 кластер (спец)-центры тяжести ИК=1 | Интерпр. коэф. (ИК) |
| МРИ | 1,75 | 2,906 | 1,348 | 0,348 | -0,363 | -1,158 | 2 |
| ЖИ | -1,18 | -1,244 | -0,014 | 1,308 | - | - | 1 |
| СИ стан | -1,62 | -1,097 | 0,100 | 1,397 | - | - | 1 |
| СИ кис | -1,62 | -1,168 | -0,015 | 1,148 | - | - | 1 |
| ПДП | 0,88 | 1,541 | 0,241 | -0,920 | - | - | 1 |
| ФРотн | -0,26 | -1,027 | 0,192 | 1,954 | - | - | 2 |
| Таблица №11 | |||
| Результат кластеризации общего коэффициента кластерной принадлежности | |||
| Средняя величина коэффициента в кластере/пол подгруппы | Кластер №1 специальная группа - центр тяжести | Кластер №2 подготовительная группа -центр тяжести | Кластер №3 основная группа - центр тяжести |
| Женщины | 1,631676 | 2,072381 | 2,426724 |
| Таблица №12 | ||||
| Взвешенные (относительные) евклидовы расстояния между полученными кластерами | ||||
| Пол | Взвешенные евклидовы расстояния | Кластер №1 | Кластер №2 | Кластер №3 |
| Женщины | Кластер №1 | 0,000000 | 0,194221 | 0,632102 |
| Кластер №2 | 0,440705 | 0,000000 | 0,125559 | |
| Кластер №3 | 0,795048 | 0,354343 | 0,000000 | |
| Таблица №13 | ||||
| Коэффициенты линейной дискриминантной функции выборки | ||||
| Подгруппа | Исследуемые признаки | Специальная группа | Подготовительная группа | Основная группа |
| женщины | МРИ | 0,266 | 0,266 | 0,279 |
| ЖИ | 0,755 | 0,808 | 0,892 | |
| СИ стан | 0,185 | 0,194 | 0,224 | |
| СИ кис | 0,802 | 0,877 | 0,935 | |
| ПДП | 0,212 | 0,192 | 0,16 | |
| ФР | 0,962 | 1,128 | 1,236 | |
| Константа | -100,725 | -105,838 | -118,127 |
| Таблица №14 | |
| Данные индивидуальных морфофункциональных показателей | |
| Исследуемые параметры | Исследованные индивидуальные показатели |
| МРИ, г/см | 433 |
| ЖИ, л/кг | 28 |
| СИ стан., %/кг веса | 70 |
| СИ кис, %/кг веса | 28 |
| ПДП, у.е. | 108 |
| ФРотн, кгм/мин/кг | 8 |
Способ диагностики уровня морфофункционального состояния организма, включающий сбор морфофункциональных признаков, характеризующих состояние пациента и последующий расчет интегральных показателей, отражающих морфофункциональное состояние пациента и его принадлежность к диагностируемой группе, отличающийся тем, что исследуют морфофункциональные признаки: массоростовой индекс, жизненный индекс, силовой индекс становой тяги, силовой индекс кистевой динамометрии, показатель двойного произведения, относительную физическую работоспособность, стандартизируют полученные показатели для приведения к единому виду, вычитая среднее арифметическое, и поделив на среднее квадратическое отклонение показатели каждого признака, подвергают кластерному анализу по методу k-средних, для выявления частных коэффициентов кластерной принадлежности, их интерпретируют, исходя из принадлежности к одному из типов оценочных шкал следующим образом: массоростовой индекс по сигмовидной шкале, жизненный индекс, силовой индекс, относительную физическую работоспособность по прямой пропорциональной шкале и суммируют, получая общий коэффициент кластерной принадлежности, общий коэффициент кластерной принадлежности подвергают повторному кластерному анализу по методу k-средних, чтобы выявить реально статистически различные группы обследуемых, которые относят к основной, подготовительной и специальной медицинским группам.
