Взаимосвязь показателей «предстартового» состояния спортсмена с физиологической реакцией на стандартизированную нагрузку

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).

1. Ожгибесова М. А., Ганеева Е. Р., Куриляк М. М. Ключевые механизмы мышечного роста. Научное обозрение. Педагогические науки. 2019; 4: 31–4.

2. 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.

3. 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.

4. Анохин П. К. Принципиальные вопросы общей теории функциональных систем. Принципы системной организации функций. М.: Наука, 1973; 120 с.

5. 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.

6. 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.

7. Киселев А. Д. Моделирование элементов спортивной деятельности для оценки и развития специальной работоспособности. Физическое воспитание и спортивная тренировка. 2021; 35: 72–80.

8. 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.

9. Korzeniewski B. Regulation of ATP supply in mammalian skeletal muscle during resting state intensive work transition. Biophysical Chemistry. 2000; 83 (1): 19–34.

10. 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.

11. 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.

12. 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.

13. 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.

14. Morton RH, Billat V. Modelling decremental ramps using 2- and 3-parameter "critical power" models. Journal of Sports Sciences. 2013; 31 (7): 731–5.

15. 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.

16. 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.

17. 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.

18. Van der Maaten L, Hinton G. Visualizing data using t-SNE. Journal of machine learning research. 2008; 9: 11.

19. 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.

20. McInnes L, Healy J, Melville J. Uniform manifold approximation and projection for dimension reduction. 2018 Feb. Available from: https://arxiv.org/abs/1802.03426.

21. 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.

22. Науменко Ж. К., Черняк А. В., Неклюдова Г. В., Чучалин А. Г. Вентиляционно-перфузионное отношение. Практическая пульмонология. 2018; 4: 86–90.

23. Овсянников Р. Ю., Лебединский К. М. Выбор конечноэкспираторного давления при механической респираторной поддержке (обзор). Общая реаниматология. 2022; 18 (6): 50–8.

24. 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.

25. 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.

26. Анаев Э. Х. Лактат и легкие: от теории к практике. Пульмонология. 2014; 6: 108–14.

27. Михайлов С. С. Биохимия двигательной деятельности. М.: Спорт, 2016; 296 с.

28. Лазарева Э. А. Биоэнергетические критерии работоспособности спортсменов, специализирующихся на различных дистанциях легкоатлетического бега. Особенности формирования здорового образа жизни: факторы и условия. 2015; 179–82.