mesЭкстремальная биомедицинаExtreme Medicine3033-89643033-8972Centre for Strategic Planning of the Federal Medical and Biological Agency10.47183/mes.2023.037mes-47Research ArticleОРИГИНАЛЬНОЕ ИССЛЕДОВАНИЕORIGINAL RESEARCHВзаимосвязь показателей «предстартового» состояния спортсмена с физиологической реакцией на стандартизированную нагрузкуRelationship between the athlete’s pre-start state parameters and physiological response to standardized loadЧиковА. Е.ChikovA. E.

Александр Евгеньевич Чиков

ул. Заводская, зд. 6/2, корп. 93, гп. Кузьмоловский, Санкт-Петербург, 188663

Alexander E. Chikov

Zavodskaja, zd. 6/2, korp. 93, gp. Kuzmolovskij, Saint Petersburg, 188663 

chikov.alexandr@yandex.ruКуцалоА. Л.KutsaloA. L.

Санкт-Петербург

Saint Petersburg

КиселевА. Д.KiselevA. D.

Санкт-Петербург

Saint Petersburg

ВладимировВ. В.VladimirovV. V.

Санкт-Петербург

Saint Petersburg

КрыловаМ. В.KrylovaM. V.

Санкт-Петербург

Saint Petersburg

МедведевД. С.MedvedevD. S.

Санкт-Петербург

Saint Petersburg

КаплунД. И.KaplunD. I.

Санкт-Петербург

Saint Petersburg

ШпаковскаяИ. И.ShpakovskayaI. I.

Санкт-Петербург

Saint Petersburg

Научно-исследовательский институт гигиены, профпатологии и экологии человека ФМБА России; Национальный медицинский исследовательский центр имени В. А. Алмазова Минздрава РоссииРоссияResearch Institute of Hygiene, Occupational Pathology and Human Ecology of Federal Medical Biological Agency; Almazov National Medical Research CentreRussian FederationНаучно-исследовательский институт гигиены, профпатологии и экологии человека ФМБА РоссииРоссияResearch Institute of Hygiene, Occupational Pathology and Human Ecology of Federal Medical Biological AgencyRussian FederationСанкт-Петербургский Институт биорегуляции и геронтологииРоссияSaint Petersburg Institute of Bioregulation and GerontologyRussian FederationСанкт-Петербургский государственный электротехнический университет «ЛЭТИ» имени В. И. Ульянова (Ленина)РоссияSaint Petersburg Electrotechnical University "LETI"Russian Federation20232310202425399103Copyright © Чиков А.Е., Куцало А.Л., Киселев А.Д., Владимиров В.В., Крылова М.В., Медведев Д.С., Каплун Д.И., Шпаковская И.И., 20242024Чиков А.Е., Куцало А.Л., Киселев А.Д., Владимиров В.В., Крылова М.В., Медведев Д.С., Каплун Д.И., Шпаковская И.И.Chikov A.E., Kutsalo A.L., Kiselev A.D., Vladimirov V.V., Krylova M.V., Medvedev D.S., Kaplun D.I., Shpakovskaya I.I.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.extrememedicine.ru/jour/article/view/47

Интенсивная физическая работа характеризуется активностью физиологических механизмов как взаимосвязанных компонентов, объединенных для выполнения физической нагрузки. Определение набора индивидуально-типологических паттернов активности физиологических механизмов отвечает на вопросы, связанные с повышением эффективности реализации потенциала спортсмена, определением лимитирующих звеньев и резервных возможностей организма, управлением тренировочной нагрузкой. Целью работы было изучение взаимосвязи реакции физиологических механизмов при выполнении стандартизированной физической нагрузки с показателями «предстартового» состояния. Для исследования физиологических закономерностей спортсмен выполнял ступенчато-возрастающий тест на беговой дорожке с фиксацией показателей газообмена, частоты сердечных сокращений. Расчет показателей физиологических реакций производили относительно ключевых фаз нагрузочного тестирования: «предстартового» состояния, аэробного и анаэробного порогов, пика нагрузки, фаз быстрого и медленного восстановления. С использованием алгоритмов понижения размерности T-SNE была разработана математическая модель «Подкова_покоя», характеризующая «предстартовое» состояние спортсмена перед выполнением теста. Модель позволяет оценить уровень выделения неметаболического СО2 за весь период тестирования (MIC — 0,29) и за период нагрузки (MIC — 0,35).

Intense physical work is characterized by activity of physiological mechanisms as interrelated components joint for physical exertion. Definition of a set of individual and typological patterns of the physiological mechanisms’ activity answers the questions related to improvement of the athlete’s potential realization efficiency, definition of the limiting components and body’s reserve capacity, training load management. The study was aimed to assess the relationship between the responses of physiological mechanisms associated with standardized physical exertion and the pre-start state parameters. The athlete was through the step incremental test with the treadmill involving recording of the gas exchange parameters and heart rate to study physiological patterns. The physiological response parameters were calculated relative to the key phases of the exercise test: pre-start state, aerobic and anaerobic thresholds, peak exertion, rapid and slow recovery phases. The mathematical model “Horseshoe of Rest” characterizing the athlete’s pre-start state before performing the test was constructed using the T-SNE dimensionality reduction algorithms. The model enables estimation of the release of non-metabolic СО2 throughout the testing period (MIC — 0.29) and the exertion period (MIC — 0.35).

спортсменфизическая нагрузка«предстартовое» состояниемоделирование энергообеспеченияпорог анаэробного обменафизиологическая реакциястандартизированная нагрузкаathletephysical activitypre-start statemodeling of energy supplythreshold of anaerobic metabolismphysiological responsestandardized loadReferencesОжгибесова М. А., Ганеева Е. Р., Куриляк М. М. Ключевые механизмы мышечного роста. Научное обозрение. Педагогические науки. 2019; 4: 31–4.Ozhgibesova MA, Ganeeva ER, Kurilyak MM. Key mechanisms of muscle growth. Scientific Journal Scientific Review. Pedagogical sciences.2019; 4: 31–4. Russian.Piuccoa T, Diefenthaelerb F, Prossera A, Binic R. Validity of different EMG analysis methods to identify aerobic and anaerobic thresholds in speed skaters. Journal of Electromyography and Kinesiology. 2020; 52.Piuccoa T, Diefenthaelerb F, Prossera A, Binic R. Validity of different EMG analysis methods to identify aerobic and anaerobic thresholds in speed skaters. Journal of Electromyography and Kinesiology. 2020; 52.Zignoli A, Fornasiero A, Stella F, Pellegrini B, Schena F, Biral F, et al. Expert-level classification of ventilatory thresholds from cardiopulmonary exercising test data with recurrent neural networks. European Journal of Sport Science. 2019; 19 (9): 1221–9.Zignoli A, Fornasiero A, Stella F, Pellegrini B, Schena F, Biral F, et al. Expert-level classification of ventilatory thresholds from cardiopulmonary exercising test data with recurrent neural networks. European Journal of Sport Science. 2019; 19 (9): 1221–9.Анохин П. К. Принципиальные вопросы общей теории функциональных систем. Принципы системной организации функций. М.: Наука, 1973; 120 с.Anokhin PK. Printsipial'nye voprosy obshchey teorii funktsional'nykh sistem. Printsipy sistemnoy organizatsii funktsiy. M.: Nauka; 1973. 120 s. Russian.Быков Е. В., Балберова О. В., Коломиец О. И., Чипышев А. В. Ч. Взаимосвязь данных функционального тестирования и результатов соревновательной деятельности спортсменов с различной направленностью физических нагрузок. Ученые записки университета им. П. Ф. Лесгафта. 2018; 8: 32–8.Bykov EV, Balberova OV, Kolomiets OI, Chipyshev AVCh. Correlation of functional testing data and results of competitive activities of athletes with different directions of physical activity. Scientific notes of the University. P.F. Lesgaft. 2018; 8: 32–8. Russian.Ham J-H, Park H-Y, Kim Y-H, Bae S-K, Ko B-H, Nam S-S. Development of an anaerobic threshold (HRLT, HRVT) estimation equation using the heart rate threshold (HRT) during the treadmill incremental exercise. J Exerc Nutrition Biochem. 2017; 21 (3): 43–9.Ham J-H, Park H-Y, Kim Y-H, Bae S-K, Ko B-H, Nam S-S. Development of an anaerobic threshold (HRLT, HRVT) estimation equation using the heart rate threshold (HRT) during the treadmill incremental exercise. J Exerc Nutrition Biochem. 2017; 21 (3): 43–9.Киселев А. Д. Моделирование элементов спортивной деятельности для оценки и развития специальной работоспособности. Физическое воспитание и спортивная тренировка. 2021; 35: 72–80.Kiselev AD. Modeling of elements of sports activities for the assessment and development of special performance. Physical education and sports training. 2021; 35: 72–80. Russian.Wasserman K, Hansen JE, Sue DY, Stringer W, Sietsema K, X-G Sun, et al. Principles of Exercise Testing and Interpretation. 3rd ed. Lipincott Williams & Wilkins, 1999; p. 551.Wasserman K, Hansen JE, Sue DY, Stringer W, Sietsema K, X-G Sun, et al. Principles of Exercise Testing and Interpretation. 3rd ed. Lipincott Williams & Wilkins, 1999; p. 551.Korzeniewski B. Regulation of ATP supply in mammalian skeletal muscle during resting state intensive work transition. Biophysical Chemistry. 2000; 83 (1): 19–34.Korzeniewski B. Regulation of ATP supply in mammalian skeletal muscle during resting state intensive work transition. Biophysical Chemistry. 2000; 83 (1): 19–34.Sales MM, Sousa CV, Alves PM. Response to “A comprehensive integrative perspective of the anaerobic threshold engine”: the driver is not a part of an engine. Physiology & Behavior. 2019; 15.Sales MM, Sousa CV, Alves PM. Response to “A comprehensive integrative perspective of the anaerobic threshold engine”: the driver is not a part of an engine. Physiology & Behavior. 2019; 15.Giovanelli N, Scaini S, Billat V, Lazzer S. A new field test to estimate the aerobic and anaerobic thresholds and maximum parameters. European Journal of Sport Science. 2020; 20 (4): 437–43.Giovanelli N, Scaini S, Billat V, Lazzer S. A new field test to estimate the aerobic and anaerobic thresholds and maximum parameters. European Journal of Sport Science. 2020; 20 (4): 437–43.Etxegaraia U, Portillo E, Irazusta J, Arriandiaga A, Cabanes I, et al. Estimation of lactate threshold with machine learning techniques in recreational runners. Applied Soft Computing. 2018; 63: 181–96.Etxegaraia U, Portillo E, Irazusta J, Arriandiaga A, Cabanes I, et al. Estimation of lactate threshold with machine learning techniques in recreational runners. Applied Soft Computing. 2018; 63: 181–96.Moxnes JF, Sandbakk Mathematical modelling of the oxygen uptake kinetics during whole-body endurance exercise and recovery. Mathematical and Computer Modelling of Dynamical Systems. 2018; 24 (1): 76–86.Moxnes JF, Sandbakk Mathematical modelling of the oxygen uptake kinetics during whole-body endurance exercise and recovery. Mathematical and Computer Modelling of Dynamical Systems. 2018; 24 (1): 76–86.Morton RH, Billat V. Modelling decremental ramps using 2- and 3-parameter "critical power" models. Journal of Sports Sciences. 2013; 31 (7): 731–5.Morton RH, Billat V. Modelling decremental ramps using 2- and 3-parameter "critical power" models. Journal of Sports Sciences. 2013; 31 (7): 731–5.Lin C-W, Huang C F, Wang J, Fu L-L, Mao T-Y. Detection of ventilatory thresholds using near-infrared spectroscopy with a polynomial regression model. Saudi Journal of Biological Sciences. 2020; 27 (6): 1637–42.Lin C-W, Huang C F, Wang J, Fu L-L, Mao T-Y. Detection of ventilatory thresholds using near-infrared spectroscopy with a polynomial regression model. Saudi Journal of Biological Sciences. 2020; 27 (6): 1637–42.Chikov A, Egorov N, Medvedev D, Chikova S, Pavlov E, Drobintsev P, et al. Determination of the athletes' anaerobic threshold using machine learning methods. Biomedical Signal Processing and Control. 2022; 73: 47–53.Chikov A, Egorov N, Medvedev D, Chikova S, Pavlov E, Drobintsev P, et al. Determination of the athletes' anaerobic threshold using machine learning methods. Biomedical Signal Processing and Control. 2022; 73: 47–53.Reshef DN, Reshef YA, Finucane HK, Grossman SR, McVean G, Turnbaugh PJ, et al. Detecting novel associations in large data sets. Science. 2011; 334 (6062): 1518–24.Reshef DN, Reshef YA, Finucane HK, Grossman SR, McVean G, Turnbaugh PJ, et al. Detecting novel associations in large data sets. Science. 2011; 334 (6062): 1518–24.Van der Maaten L, Hinton G. Visualizing data using t-SNE. Journal of machine learning research. 2008; 9: 11.Van der Maaten L, Hinton G. Visualizing data using t-SNE. Journal of machine learning research. 2008; 9: 11.James G, Witten D, Hastie T, Tibshirani R. An Introduction to Statistical Learning: with Applications in R / 1nd ed. Statistical Theory and Related Fields. 2021; 6 (1): 440.James G, Witten D, Hastie T, Tibshirani R. An Introduction to Statistical Learning: with Applications in R / 1nd ed. Statistical Theory and Related Fields. 2021; 6 (1): 440.McInnes L, Healy J, Melville J. Uniform manifold approximation and projection for dimension reduction. 2018 Feb. Available from: https://arxiv.org/abs/1802.03426.McInnes L, Healy J, Melville J. Uniform manifold approximation and projection for dimension reduction. 2018 Feb. Available from: https://arxiv.org/abs/1802.03426.Occhipinti R, Boron WF. Role of carbonic anhydrases and inhibitors in acid-base physiology: insights from mathematical modeling. International Journal of Molecular Sciences. 2019; 20 (15): 38–41.Occhipinti R, Boron WF. Role of carbonic anhydrases and inhibitors in acid-base physiology: insights from mathematical modeling. International Journal of Molecular Sciences. 2019; 20 (15): 38–41.Науменко Ж. К., Черняк А. В., Неклюдова Г. В., Чучалин А. Г. Вентиляционно-перфузионное отношение. Практическая пульмонология. 2018; 4: 86–90.Naumenko ZhK, Chernyak AV, Neklyudova GV, Chuchalin AG. Ventilation-perfusion ratio. Journal of Practical Pulmonology. 2018; 4: 86–90. Russian.Овсянников Р. Ю., Лебединский К. М. Выбор конечноэкспираторного давления при механической респираторной поддержке (обзор). Общая реаниматология. 2022; 18 (6): 50–8.Ovsyannikov RYu, Lebedinsky KM. Choice of ultimate expiratory pressure with mechanical respiratory support (review). General resuscitation. 2022; 18 (6): 50–8. Russian.Чеснокова Н. П., Понукалина Е. В., Моррисон В. В., Бизенкова М. Н. Лекция 4. Физиология транспорта газов кровью и кислородного обеспечения тканей. Научное обозрение. Медицинские науки. 2017; 2: 40–2.Chesnokova NP, Ponukalina EV, Morrison VV, Bizenkova MN. Lecture 4. Physiology of blood gas transport and tissue oxygen supply. Scientific review. Medical sciences. 2017; 2: 40–2. Russian.Тхоревский В. И., Литвак А. Л. Взаимосвязь между потреблением О2 и кровоснабжением сокращающихся мышц при работе разной мощности у лиц, тренирующих аэробную выносливость. Теория и практика физической культуры. 2006; 4: 49–54.Torevsky VI, Litvak AL. The relationship between O2 consumption and blood supply of contracting muscles when working at different capacities in aerobic endurance trainees. Theory and practice of physical culture. 2006; 4: 49–54. Russian.Анаев Э. Х. Лактат и легкие: от теории к практике. Пульмонология. 2014; 6: 108–14.Anaev EKh. Lactat and lungs: from theory to practice. Pulmonology. 2014; 6: 108–14. Russian.Михайлов С. С. Биохимия двигательной деятельности. М.: Спорт, 2016; 296 с.Mikhaylov SS. Biokhimiya dvigatel'noy deyatel'nosti. M.: Sport, 2016; 296 s. Russian.Лазарева Э. А. Биоэнергетические критерии работоспособности спортсменов, специализирующихся на различных дистанциях легкоатлетического бега. Особенности формирования здорового образа жизни: факторы и условия. 2015; 179–82.Lazareva EA. Bioenergetic performance criteria for athletes specializing in various distances of athletics running. Features of the formation of a healthy lifestyle: factors and conditions. 2015; 179–82. Russian.

The authors declare that there are no conflicts of interest present.