Scientific journal
Modern problems of science and education
ISSN 2070-7428
"Перечень" ВАК
ИФ РИНЦ = 1,006

MODEL CHARACTERISTICS OF THE ATHLETES ACCORDING TO THEIR SPECIALIZATION IN TERMS OF THE PERIPHERAL ERYTHRON AND IMMUNE STATUS.

Bolotov A.A. 1 Sashenkov S.L. 1 Tishevskaya N.V. 1
1 South Ural State Medical University
There have been examined qualified sportsmen with predominantly aerobic (cross-country skiers, swimmers) and anaerobic (wrestlers, boxers) tendency of training process. It has been found out some peculiarities of morpho - functional characteristics of blood parameters and immune status associated with the peculiarities of physical activity among representatives of different sports . The article shows the possibility and high efficiency of multivariate statistical analysis methods for predicting sports specialization athletes. Purposes of statistical treatment was to identify the minimum required number of indicators ( variables studied in athletes ), allowing the athlete to carry a particular specialization and identify a minimum number of parameters that most strongly affect their specialization. It has been shown that it is possible for more than halve the number of hematological and immunological parameters that define sports specialization , wherein a prediction value does not fall below an average of 87.7 %.
prediction.
immunological and haematological parameters
athletes

Введение

С физиологической точки зрения наиболее значимым является подразделение спортивных нагрузок на аэробные (циклические виды спорта) и анаэробные (скоростно-силовые и сложно-координационные виды спорта). При подготовке спортсменов различной специализации могут преобладать или анаэробные (борьба) или аэробные нагрузки (лыжные гонки), которые могут оказывать диаметрально противоположные влияния на функциональное состояние систем транспорта кислорода и на систему иммунобиологического надзора. В связи с этим весьма актуальной является проблема отбора для занятий конкретным видом спорта [4]. В настоящей работе сделана попытка на основе современных методов математического моделирования создать научно обоснованный способ классификации принадлежности конкретного спортсмена к определенной профессиональной группе, что может послужить основой для системы профессионального отбора для занятий конкретным видом спорта.

Материал и методы исследования

Исследования проведены на здоровых мужчинах-добровольцах, профессионально занимающихся лыжным спортом, плаванием, борьбой (самбо, дзюдо) и боксом и достигших определенной квалификации в этих видах деятельности. Исследовались показатели периферической крови и иммунного статуса организма [2]. Статистическая обработка результатов наблюдений за спортсменами проводилась с использованием лицензионного пакета программ прикладной статистики SPSS 17.0 [3]. У каждого спортсмена измерялись и вычислялись 65 показателей. Таким образом, можно сказать, что каждый спортсмен есть точка в 65-мерном фазовом (фиктивном) пространстве. Целями статистической обработки являлось выявление минимально необходимого количества показателей (переменных, изучаемых у спортсменов), позволяющих отнести спортсмена к той или иной специализации, и выявление минимально необходимого количества показателей, наиболее сильно влияющих на их специализацию. Такой подход позволяет оптимальным образом организовать профессиональную подготовку и может быть применен с целью отбора наиболее перспективных спортсменов [1].

Результаты исследования и их обсуждение

На первом этапе выполнялся факторный анализ всех переменных без учета специализации и квалификации спортсменов с целью определения возможности уменьшения размерности пространства переменных. Была сделана попытка уменьшить размерность пространства переменных в два раза. Было задано сформировать новое пространство с размерностью тридцать.

На рис. 1 приведены собственные значения, из которых видно, что нет необходимости увеличивать размерность пространства переменных более 30-ти.

Рис. 1 График собственных значений пространства исследуемых переменных.

Факторный анализ показал также, что 30 компонент обеспечивают более 92 % объясненной дисперсии, что также вполне достаточно для анализа распределения спортсменов по специализациям. При выполнении факторного анализа вращение было задано по типу «варимакс с нормализацией Кайзера», которое сошлось за 34 итерации. Анализ матрицы повернутых компонент подтвердил правильность выбранной стратегии при выборе пространства переменных. Только первый фактор включил в себя 7 переменных, связанных в основном показателями системы красной крови. Эти переменные приведены в таблице 1.

Таблица 1

Переменные, входящие в первый фактор

Переменные

Факторная нагрузка

Средняя толщина эритроцита

0,975

Средний диаметр эритроцита

0,975

Средний объем эритроцита

0,973

Среднее содержание гемоглобина в эритроците

0,927

Средняя концентрация гемоглобина в эритроците

0,933

Цветной показатель

0,927

Количество эритроцитов

-0,865

Первый фактор (7 переменных) объясняет более 12 % дисперсии, и факторная нагрузка оказалась очень велика. Полученный результат подтверждает данные литературы об основном вкладе систем транспорта кислорода и, в частности, периферического отдела эритрона в специализацию, квалификацию и достижение высокого спортивного результата. Остальные факторы включают от одной до трех переменных, причем факторов с тремя переменными всего три, что подтверждает правильность выбранной стратегии анализа.

На втором этапе выполнялся дискриминантный анализ раздельно по спортивной специализации (лыжники, пловцы, борцы, боксеры). Дискриминантный анализ использовал пошаговый метод и выполнялся в двух вариантах: для всех 65-ти переменных и для переменных, выбранных на основании факторного анализа. Так как количество специализаций четыре, то дискриминантных функций достаточно использовать только три. В таблице 2 приведены собственные значения, процент объясненной дисперсии и коэффициент канонической корреляции для каждой из них.

Таблица 2

Собственные значения, процент объясненной дисперсии и коэффициент канонической корреляции для дискриминантных функций

Собственные значения

Функция

Собственное значение

% объясненной дисперсии

Кумулятивный %

Каноническая корреляция

1

3,611

53,0

53,0

0,885

2

1,847

27,1

80,1

0,805

3

1,360

19,9

100,0

0,759

Примечание: В анализе использовались первые 3 канонические дискриминантные функции.

Из таблицы 2 видно, что коэффициенты канонической корреляции достаточно велики, что позволяет получить высокое качество разделения.

Тест Лямбда-Уилкса, результаты которого приведены в таблице 3, показывает, что средние значения дискриминирующих функций статистически значимо отличаются друг от друга. Уровень значимости менее 0,001 (в таблице 0,000) указывает на очень значимые различия.

Таблица 3

Тест Лямбда-Уилкса

Проверка функций

Лямбда Уилкса

Хи-квадрат

ст. св.

Значимость

от 1 до 3

,032

684,939

63

0,000

от 2 до 3

,149

380,35

40

0,000

3

,424

171,301

19

0,000

В таблицах 4 и 5 приведены нормированные и ненормированные коэффициенты дискриминирующих функций. Нормированные коэффициенты дают полное представление о силе связи между переменными и дискриминирующими функциями, а также о направлении связи, а таблица нормированных коэффициентов должна использоваться при выполнении конкретных расчетов значений дискриминирующих функций.

Таблица 4

Нормированные коэффициенты канонической дискриминантной функции

Переменная

Функция

1

2

3

абсолютное количество ретикулоцитов

,155

-,025

,281

количество эритроцитов

,253

,323

,146

средняя концентрация Hb в 1 эритроците

-,192

,266

-,217

ИКУК

,173

,194

-,183

Цветной показатель

-,534

,089

,254

Количество лейкоцитов

-,073

,805

-,221

% палочкоядерных нейтрофилов

,132

-,562

-,197

абсолютное количество моноцитов

,098

-,474

-,220

% лимфоцитов

,433

,125

-,115

абсолютное количество лимфоцитов

,096

-,597

,015

Лизосомальная активность нейтрофилов

-,090

-,094

,410

Спонтанный NST-тест нейтрофилов (акт)

-,087

,445

,151

Индуцированный NST-тест нейтрофилов (акт)

,224

-,334

1,189

Индуцированный NST-тест нейтрофилов (инт)

-,254

,419

-,692

IgG

,120

-,248

-,047

CD 34

,028

,322

-,499

CD 56

-,140

,165

-,353

CD 95

,311

-,115

,536

концентрация циркулирующих иммунных комплексов

,442

,322

,098

уровень C1 компонента комплемента

-,359

,090

,159

уровень C5 компонента комплемента

,238

-,110

-,370

Анализ таблиц 1-5 показывает, что наибольшее влияние на разделение спортсменов по специализации оказывают переменные: цветной показатель, количество лейкоцитов, спонтанный NST-тест нейтрофилов (активность). Последний показатель характеризует готовность нейтрофилов к респираторному взрыву (резкое усиление окислительного метаболизма) в активированных фагоцитах, ведущего к образованию широкого спектра первичных (супероксидный анион, перекись водорода, гидроксильный радикал, синглетный кислород) и вторичных (гипохлорная кислота, хлорамин, продукты перекисного окисления липидов) метаболитов, обладающих мощной бактерицидной активностью.

Таблица 5

Ненормированные коэффициенты канонической дискриминантной функции

Переменная

Функция

1

2

3

абсолютное количество ретикулоцитов

,061

-,010

,110

количество эритроцитов

,535

,683

,310

средняя концентрация Hb в 1 эритроците

-,091

,127

-,103

ИКУК

5,715

6,424

-6,068

Цветной показатель

-5,826

,971

2,769

Количество лейкоцитов

-,047

,522

-,143

% палочкоядерных нейтрофилов

,061

-,259

-,091

абсолютное количество моноцитов

,094

-,454

-,211

% лимфоцитов

,045

,013

-,012

абсолютное количество лимфоцитов

,155

-,968

,024

Лизосомальная активность нейтрофилов

,000

,000

,003

NST SN a Спонтанный NST-тест нейтрофилов (акт)

-,005

,023

,008

NST InN a Индуцированный NST-тест нейтрофилов (акт)

,015

-,022

,078

NST InN i Индуцированный NST-тест нейтрофилов (инт)

-,949

1,564

-2,585

IgG

,057

-,117

-,022

CD 34

,005

,055

-,086

CD 56

-,023

,027

-,058

CD 95

,039

-,014

,067

концентрация циркулирующих иммунных комплексов

,027

,020

,006

уровень c1 компонента комплемента

-,012

,003

,005

уровень c5 компонента комплемента

,007

-,003

-,010

Константа

-2,729

-16,088

4,386

Координаты центров групповых центроидов для трех дискриминирующих функций приведены в таблице 6.

Таблица 6

Координаты центров функций в центроидах групп

специализация

Функция

1

2

3

1 (лыжники)

1,385

1,340

,640

2 (пловцы)

,920

-1,407

-,665

3 (борцы)

-3,046

1,333

-1,657

4 (боксеры)

-3,077

-1,177

2,238

Разделение спортсменов по различным специализациям происходит в трехмерном пространстве, изображение которого на плоскости рисунка довольно неэффективно. Поэтому на рис. 2 приведены проекции результатов разделения на плоскость в координатах первых двух дискриминирующих функций.

Рис. 2. Проекции результатов разделения на плоскость в координатах первых двух дискриминирующих функций.

Из рисунка 2 видно, что даже в проекции наблюдается хорошее разделение спортсменов по специализациям. В таблице 7 представлены результаты классификации спортсменов по специализациям с использованием 21-ой выбранной по результатам дискриминантного анализа переменных.

Таблица 7

Результаты классификации по 21 переменной

 

специализация

Предсказанная принадлежность к группе

Итого

1

2

3

4

Исходные

Частота

1 - лыжники

72

4

1

0

77

2 - пловцы

8

75

2

0

85

3 - борцы

0

0

32

0

32

4 - боксеры

1

0

1

24

26

%

1 - лыжники

93,5

5,2

1,3

,0

100,0

2 - пловцы

9,4

88,2

2,4

,0

100,0

3 - борцы

,0

,0

100,0

,0

100,0

4 - боксеры

3,8

,0

3,8

92,3

100,0

92,3% исходных сгруппированных наблюдений классифицировано правильно.

Как видно из таблицы 7, в среднем с вероятностью 0,923 можно предсказать спортивную специализацию.

5.3 Результаты дискриминантного анализа для специализации спортсменов (30 переменных по результатам факторного анализа, пошаговый метод). Аналогичный анализ был проведен для переменных, отобранных по результатам факторного анализа. Исходно таких переменных 30. В таблице 8 приведены собственные значения и коэффициенты канонической корреляции для трех дискриминирующих функций.

Таблица 8

Собственные значения и коэффициенты канонической корреляции

Функция

Собственное значение

% объясненной дисперсии

Кумулятивный %

Каноническая корреляция

1

2,334a

55,2

55,2

,837

2

1,345a

31,8

87,0

,757

3

,548a

13,0

100,0

,595

Примечание: В анализе использовались первые 3 канонические дискриминантные функции.

Как видно из таблицы 8, коэффициенты канонической корреляции немного ниже, но все равно достаточно высоки для корректной классификации. Тест Лямбда-Уилкса, результаты которого приведены в таблице, также показал высокие результаты.

Таблица 9

Тест Лямбда-Уилкса

Проверка функций

Лямбда Уилкса

Хи-квадрат

ст.св.

Значимость

от 1 до 3

,083

507,491

45

,000

от 2 до 3

,275

262,450

28

,000

3

,646

88,981

13

,000

В таблицах 9-12, аналогично изложенному выше, приведены нормированные и ненормированные коэффициенты дискриминирующих функций.

Таблица 10

Нормированные коэффициенты канонической дискриминантной функции

Переменная

Функция

1

2

3

Гемоглобин

-,111

,321

,014

абсолютное количество ретикулоцитов

-,234

,099

,341

средняя концентрация Hb в 1 эритроците

,746

-,163

-,036

средняя толщина единичного эритроцита

,757

-,373

,379

% содержание эозинофильных гранулоцитов

,302

,002

,138

% содержание базоофильных гранулоцитов

,154

,293

,090

% содержание "палочкоядерных" нейтрофилов

-,189

-,493

,341

% содержание "сегментоядерных" нейтрофилов

,515

,170

,128

абсолютное количество нейтрофилов

,060

,512

-,493

абсолютное количество моноцитов

-,102

-,512

-,199

лизосомальная активность нейтрофилов

,061

,056

,471

спонтанный НСТ-тест (акт)

,095

,498

,258

спонтанный НСТ-тест (инт.)

,116

,081

-,378

CD 4/8

,097

-,066

-,468

уровень C4 компонента комплемента

,108

-,159

-,304

Анализ таблицы 10 показывает, что наибольшее влияние на разделение спортсменов по специализации оказывают переменные: средняя концентрация Hb в 1 эритроците, абсолютное количество нейтрофилов, лизосомальная активность нейтрофилов.

Таблица 11

Ненормированные коэффициенты канонической дискриминантной функции

Переменная

Функция

1

2

3

Гемоглобин

-,010

,030

,001

абсолютное количество ретикулоцитов

-,091

,039

,133

средняя концентрация Hb в 1 эритроците

,356

-,078

-,017

средняя толщина единичного эритроцита

9,928

-4,897

4,965

% содержание эозинофильных гранулоцитов

,111

,001

,051

% содержание базоофильных гранулоцитов

,279

,530

,163

% содержание "палочкоядерных" нейтрофилов

-,087

-,228

,157

% содержание "сегментоядерных" нейтрофилов

,059

,020

,015

абсолютное количество нейтрофилов

,051

,435

-,419

абсолютное количество моноцитов

-,098

-,492

-,191

лизосомальная активность нейтрофилов

,000

,000

,003

спонтанный НСТ-тест (акт)

,005

,026

,013

спонтанный НСТ-тест (инт.)

,020

,014

-,065

CD 4/8

,257

-,175

-1,240

уровень C4 компонента комплемента

,003

-,005

-,009

Константа

-37,742

7,545

-11,550

Ненормированные коэффициенты

Как видно из таблиц 9-10, результаты несколько отличаются от предыдущего случая, но все равно достаточно высоки для корректной классификации.

В таблице 11 приведены координаты центров групповых центроидов для полученных дискриминирующих функций.

Таблица 12

Координаты центров групповых центроидов групп

специализация

Функция

1

2

3

1 - лыжники

-,728

1,410

,204

2 - пловцы

-1,090

-1,170

-,253

3 - борцы

2,713

,277

-1,140

4 - боксеры

2,142

-,862

1,584

На рис. 3 приведены проекции результатов разделения на плоскость в координатах первых двух дискриминирующих функций.

Рис. 3. Проекции результатов разделения на плоскость в координатах первых двух дискриминирующих функций по 15 переменным.

В таблице 13 представлены результаты классификации спортсменов по специализациям с использованием 15-ти переменных, выбранных по результатам дискриминантного анализа. Результаты несколько хуже, но все равно достаточно высоки, а число переменных можно уменьшить до 15. Таким образом, можно сократить размерность пространства в 4 раза.

Таблица 13

Результаты классификации с использованием 15-ти переменных

 

специализация

Предсказанная принадлежность к группе

Итого

1

2

3

4

Исходные

Частота

1 - лыжники

66

9

0

2

77

2 - пловцы

10

71

2

2

85

3 - борцы

0

0

32

0

32

4 - боксеры

2

0

0

24

26

%

1 - лыжники

85,7

11,7

,0

2,6

100,0

2 - пловцы

11,8

83,5

2,4

2,4

100,0

3 - борцы

,0

,0

100,0

,0

100,0

4 - боксеры

7,7

,0

,0

92,3

100,0

87,7% исходных сгруппированных наблюдений классифицировано правильно.

Средняя вероятность правильной классификации составляет 0,877.

Таким образом, дискриминантный и факторный анализ показали, что:

1. 30 показателей периферического отдела эритрона и иммунного статуса организма обеспечивают более 92 % объясненной дисперсии;

2. Наибольшее влияние на разделение спортсменов по специализациям оказывают переменные: цветной показатель, количество лейкоцитов, спонтанный NST-тест нейтрофилов (активность), средняя концентрация Hb в 1 эритроците, абсолютное количество нейтрофилов, лизосомальная активность нейтрофилов;

3. При использовании 21 переменной с вероятностью 0,923 (92,3%) можно предсказать спортивную специализацию, при использовании 15 переменных (что сокращает размерность пространства в 4 раза) средняя вероятность правильной классификации составляет 0,877 (87,7%).

Рецензенты:

Сабирьянов А.Р., д.м.н., профессор, заведующий кафедрой реабилитации и спортивной медицины ГБОУ ВПО «Южно-Уральский государственный медицинский университет» Минздрава России, г. Челябинск.

Колесников О.Л., д.м.н., профессор, заведующий кафедрой биологии ГБОУ ВПО «Южно-Уральский государственный медицинский университет» Минздрава России, г. Челябинск.