Содержание к диссертации
Введение
Глава 1. Анализ методов, моделей и систем оценки уровня заболеваемости, обусловленного экологическим фактором 13
1.1. Современные методы и системы медико-экологического прогноза 16
1.2. Анализ возможностей существующих систем поддержки принятия решений для решения задач экологического и социально-гигиенического мониторинга 21
1.3. Влияние электромагнитного излучения (ЭМИ) на здоровье человека 28
1.4. Санитарно-гигиеническое нормирование ЭМП 31
1.5. Методы сбора информации об опасности воздействия факторов окружающей среды и анализ возможных ошибок при эпидемиологических исследованиях 35
1.6. Методы исследования влияния электромагнитных полей на человека 39
1.6.1. Сенсорные реакции на электромагнитные поля 39
1.6.2. ЭЭГ-изменения при воздействии электромагнитных полей на человека 41
1.6.3. Психологические методы исследования деятельности человека-оператора при воздействии ЭМП 42
1.7. Цели и задачи исследования 45
Глава 2. Синтез комбинированных моделей для определения риска заболеваемости при воздействии факторов внешней среды 47
2.1. Форма представления данных медико-экологического мониторинга жителей города и способ синтеза из них вариационных рядов для построения статистических моделей 47
2.2. Статистическая модель риска ССЗ, связанного с электромагнитной загрязненность 53
2.3. Логистическая модель, связывающая риск ССЗ и вегетативный статус 58
2.4. Модель влияния ЭМЗ на вегетативный статус 60
2.5. Комбинированная модель влияния ЭМЗ на интенсивность ССЗ 63
2.6. Исследование модели связи вегетативного статуса с уровнем электромагнитной загрязненности 65
2.7. Выводы по второй главе 71
Глава 3. Разработка программно-аппаратных средств медико-экологического мониторинга для оценки риска сердечно-сосудистых заболеваний, связанного с электромагнитной загрязненностью 72
3.1. Автоматизированная система медико-экологического мониторинга 72
3.2. Разработка средств измерения параметров электромагнитного поля в черте города 77
3.2.1. Способ определения интенсивности электромагнитного излучения в сегменте 77
3.2.2. Сравнительный анализ классов магнитометров и определение концептуального решения 80
3.2.3. Прибор контроля электромагнитных полей ПКЭМ-1 81
3.3 Программное обеспечение системы медико-экологического мониторинга 87
3.3.1. Описание листов книги ССС больные.х1з 88
3.3.2. Описание работы программы 89
3.3.3. Описание процедур программного обеспечения 94
3.4. Алгоритм принятия решений по определению риска возникновения ССЗ под воздействием ЭМЗ и управления медико экологической ситуацией 98
3.5. Выводы по третьей главе 101
Глава 4. Экспериментальные проверки выдвинутых гипотез и адекватности моделей влияния электромагнитного излучения на интенсивность сердечно сосудистых заболеваний 103
4.1. Экспериментальные исследования влияния электромагнитного излучения в выбранных диапазонах частот на интенсивность сердечно-сосудистых заболеваний 103
4.1.1. Анализ эффекта обработки посредством критерия знаков 108
4.1.2 Однофакторный дисперсионный анализ (параметрический метод) 110
4.1.3. Непараметрический критерий проверки однородности (критерий Джонкхиера) 112
4.2. Исследование влияния электромагнитных полей на вегетативный статус 114
4.2.1. Методика получения параметров модели, связывающей вегетативный статус и параметры электромагнитного поля 114
4.2.2. Описание экспериментальной установки 121
4.3. Экспериментальное уточнение моделей связи заболеваемости ССЗ с электромагнитной загрязненностью среды 123
4.4. Выводы по четвертой главе 128
Заключение 130
Библиографический список 132
- Анализ возможностей существующих систем поддержки принятия решений для решения задач экологического и социально-гигиенического мониторинга
- Исследование модели связи вегетативного статуса с уровнем электромагнитной загрязненности
- Прибор контроля электромагнитных полей ПКЭМ-1
- Методика получения параметров модели, связывающей вегетативный статус и параметры электромагнитного поля
Введение к работе
Актуальность работы. Важной задачей национальной политики в России является достижение каждым гражданином такого уровня здоровья, который позволит жить продуктивно в социальном и экономическом плане при максимально возможной продолжительности жизни (В.И. Покровский, 1996 г.)., Здоровье населения формируется под воздействием внешних болезнетворных факторов и биологических особенностей популяции людей, которые в совокупности составляют медико-экологические факторы. Хорошее здоровье и благосостояние людей не могут быть достигнуты в условиях опасной и постоянно ухудшающейся окружающей среды, а свободный доступ людей к медицинской помощи не дает гарантий нейтрализовать отрицательные последствия ухудшения среды обитания человека. Поэтому исключительно важное место в обеспечении и сохранении здоровья в настоящее время занимает выявление факторов риска и условий, способствующих их возникновению.
Одним из существенных факторов в загрязнении окружающей среды является электромагнитное поле. Масштабы электромагнитного загрязнения среды стали столь существенны, что Всемирная организация здравоохранения (ВОЗ) включила эту проблему в число наиболее актуальных для человечества. За несколько последних десятилетий сформировался новый фактор окружающей среды - электромагнитные поля (ЭМП) антропогенного происхождения. Некоторые специалисты относят электромагнитное излучение (ЭМИ) к числу сильнодействующих эгологических факторов с катастрофическими последствиями для всего живого.
Наиболее ранними клиническими проявлениями последствий воздействия ЭМИ на человека являются функциональные нарушения со стороны нервной системы, проявляющиеся прежде всего в виде вегетативных дисфункций неврастенического и астенического синдрома. Нередко к этим симптомам присоединяются расстройства вегетативных функций. Нарушения со стороны сердечно-сосудистой системы проявляются, как правило, нейроциркуляторний дистонией: лабильность пульса и артериального давления, наклонность к гипотонии, боли в области сердца и др. Отмечаются также фазовые изменения состава периферической крови (лабильность показателей) с последующим развитием умеренной лейкопении, нейропении, эритроцитопении. Таким образом, проблема электромагнитной безопасности населения приобрела в настоящее время социальное, а следовательно, и государственное значение.
Улучшение санитарно-эпидемиологической обстановки не может быть достигнуто без получения адекватной информации, позволяющей определить источник и величину опасности, а также наметить направление, в котором следует осуществлять необходимые действия. Такая информация может быть получена посредством мониторинга, ітмиїт'} ні. ший "'JJIW " является не только получение достоверной и обд>^ЬїШррмаІии, но и ее
С.Петерб^^У
БИБЛИОТ С.Петербі 09 WO
системный анализ, оценка и подготовка условий для выработки предложений по всем вопросам обеспечения санитарно-гигиенического благополучия населения.
,При оценивании медицинских рисков основной задачей является определение связи данного фактора (экологического, социального и т.д.) или комбинации факторов с нарушением здоровья. Однако в статистических моделях, описывающих такие связи, всегда существует некоторая неопределенность, связанная, во-первых, с отсутствием в модели факторов, существенно влияющих на уровень заболеваемости данной нозологией, во-вторых, трудностями получения репрезентативных выборок и зашумленностью данных в них. Поэтому разработка новых методов и средств поддержки принятия решений при социально-гигиеническом мониторинге состояния здоровья человека в условиях электромагнитного загрязнения (ЭМЗ), повышающих качество управления службами здравоохранения и экологической безопасности является актуальной задачей.
Работа выполнена в соответствие с научно-технической программой «Научные исследования высшей школы по приоритетным направлениям гауки и' техники», подпрограмма 204 «Технология живых систем» и в соответствии с научным направлением Курского государственного технического университета «Разработка медико-экОлогических информационных технологий».
Цель работы. Разработка методов, моделей и алгоритмов для системы поддержки принятия решений при социально-гигиеническом мониторинге, позволяющих повысить достоверность оценки риска возникновения заболеваний сердечно-сосудистой системы при воздействии электромагнитных полей антропогенного характера.
Дня достижения поставленной цели необходимо решить следующие задачи:
- провести анализ степени влияния электромагнитного излучения в
различных частотных диапазонах и различных интенсивностей на
сердечно-сосудистую систему;
-. синтезировать набор моделей, позволяющих связать риск сердечнососудистых заболеваний (ССЗ) с электромагнитной загрязненностью окружающей среды;
.- разработать способ сегментации территории города, позволяющий получить статистически независимые выборки для построения прогностических моделей влияния электромагнитного излучения на . интенсивность сердечно-сосудистых заболеваний;
на основе показателей вегетативной обеспеченности получить модель, позволяющую оценить влияние электромагнитного излучения на вегетативный статус;
предложить алгоритм принятия решений по определению риска возникновения сердечно-сосудистых заболеваний и рациональному управлению мероприятиями, снижающими этот риск;
разработать программно-аппаратный комплекс, обеспечивающий проведение социально-гигиенического и экологического мониторинга в черте города;
провести экспериментальные исследования, подтверждающие работоспособность предложенных моделей и способов оценки и прогнозирования риска ССЗ, связанных с электромагнитным фактором загрязнения окружающей среды.
Методы исследований. Для решения поставленных задач использовались методы системного анализа, математической статистики, теории управления, моделирования, экспертного оценивания и принятия решений.
Научная новизна. В диссертации получены следующие результаты, характеризующиеся научнойновизной:
метод синтеза комбинированных моделей для определения риска заболеваемости при воздействии факторов внешней среды, отличающийся использованием для их построения комбинации параметрически связанных моделей, полученных на основе многомерного линейного регрессионного анализа по' данным медико-экологического мониторинга, и нелинейного регрессионного анализа, связывающего вегетативный статус и электромагнитную загрязненность среды;
система комбинированных моделей, позволяющая прогнозировать уровень ССЗ, отличающаяся учетом как статистических, так и детерминистских данных об объекте исследования;
способ выделения метасегментов в черте города путем объединения сегментов, селектированных по интенсивности ССЗ во' времени и экологических факторов в пространстве, позволяющий получить статистически независимые выборки для построения прогностических моделей;
модель множественной регрессии, связывающая изменение вегетативного статуса с изменением уровня~ электромагнитной загрязненности окружающей среды, полученная на основе трехфакторного трехфазного плана эксперимента, позволяющая перейти к одномерной регрессионной модели, связывающей интегральный электромагнитный фактор и вегетативный статус;
алгоритм принятия решений по определению риска возникновения ССЗ, вызванных электромагнитной загрязненностью, и выработки управленческих решений по проведению лечебно-профилактических мероприятий, позволяющий рационализировать управление в системе здравоохранения и экологических службах.
Практическая значимость и результаты внедрения. Разработанные методы, модели и алгоритмы составили основу построения автоматизированной системы поддержки принятия решения по управлению процессами прогнозирования динамики сердечно-сосудистых заболеваний в г. Курске. Рекомендации системы могут использоваться для принятия
решений по обеспечению экологической и санитарно-гигиенической безопасности в городе.
Результаты работ внедрены в учебном процессе Курского государственного технического университета при подготовке специалистов по направлению 553900 - «Биомедицинская инженерия» и используются в автоматизированной системе экологического мониторинга г. Курска.
Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих научно-технических конференциях и семинарах: на XII научно-технической конференции с участием зарубежных специалистов "Датчики и преобразователи информации систем измерения, контроля и управления" (Москва, 2000), на Всероссийской научно-технической конференции студентов, молодых ученых и специалистов "Биотехнические, медицинские и экологические системы и комплексы" (Рязань 2000), на IX Российской научно-технической конференции (Курск, 2001), на пятой и шестой Международных научно-технических конференциях «Медико-экологические информационные технологии» (Курск 2002, 2003), на Всероссийской научно-технической конференции «Биотехнические и медицинские аппараты и системы» (Махачкала, 2003), на 6-й Международной конференции «Распознавание 2003 (Курск, 2003).
Публикации. Самостоятельно и в соавторстве по теме диссертации опубликовано 7 печатных работ.
Личный вклад автора. В работах, опубликованных в соавторстве и приведенных в конце автореферата, в [1] соискателем предложен комплекс технических средств, для картирования электромагнитных полей в черте города. В [3] автором обоснована структура автоматизированной системы контроля электромагнитной загрязненности. В [4] соискателем проведено исследование по влиянию электромагнитного загрязнения на уровень сердечно-сосудистых заболеваний. В [5] соискателем проведено моделирование функциональных состояний человека посредством методов физиологического тестирования. В [6] предложены модели риска заболеваний, связанных с электромагнитным фактором. В [7] соискателем предложены комбинированные модели для оценки риска ССЗ.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и списка литературы, включающего 148 отечественных и 4 зарубежных наименования. Работа изложена на 131 странице машинописного текста, содержит 29 рисунков и 30 таблиц.
Анализ возможностей существующих систем поддержки принятия решений для решения задач экологического и социально-гигиенического мониторинга
Для автоматизации процессов оценки рисков разработаны специальные компьютерные программные комплексы, в частности система RISK ASSISANT («Помощник по рискам»), CalTOX, компьютерная программа для оценки распределения свинца в окружающей среде и его поступления в организм человека и др. Приведем далее в качестве примера описание возможностей системы RISK ASSISANT.
Система RISK ASSISANT является специализированным программным комплексом, предназначенным для оценки рисков, связанных с химическим загрязнением окружающей среды.
RISK ASSISANT позволяет произвести два типа оценки риска:
-для потенциальных канцерогенов - оценку индивидуального дополнительного риска заболеть раком в результате исследуемого воздействия;
-для потенциальных неканцерогенов — коэффициенты опасности (для отдельных химических соединений) или индексы опасности (для комбинаций нескольких веществ).
Данная система позволяет анализировать химические загрязнения в 10 компонентах окружающей среды, включая 5 видов продуктов питания: воздухе, поверхностных водах, грунтовых водах, почве, донных отложениях, овощах, фруктах, рыбе, мясе и молочных продуктах.
Предусмотрено 12 сценариев воздействия загрязнителей на организм человека:
— питьевая вода;
— принятие душа; — воздух внутри помещений;
— воздух вне помещений;
— купание;
— пыль и почва в закрытом помещении;
— пыль и почва на открытом воздухе;
— овощи;
— фрукты;
— молочные продукты;
— мясо;
— рыба, ракообразные и моллюски.
Каждому из сценариев соответствует один или несколько механизмов проникновения токсических веществ в организм (пероральный, ингаляционный, кожный). При выполнении расчетов по сценариям используются включенные в систему RISK ASSISANT математические модели обмена загрязнителями между различными компонентами внешней среды.
Для каждого из сценариев пользователь должен задать набор интересующих его токсичных веществ, указать их величины для исследуемой территории (включая координаты и моменты измерения для каждого из используемых значений концентраций) и параметры воздействия (его продолжительность и интенсивность), а также характеристики населения, для которого проводится анализ, и характеристики токсикологического эффекта исследуемых соединений (угловые коэффициенты зависимостей «доза—эффект» или «доза—риск»). В качестве исходных данных могут быть использованы как данные, измеренные или смоделированные для конкретной территории и популяции, так и данные по отдельным территориям и группам населения, содержащиеся в базах данных системы RISK ASSISANT. Результатом расчетов по сценарию являются оценки дополнительного канцерогенного риска для каждого рассматриваемого канцерогена, коэффициенты опасности для каждого не канцерогена и индекс токсикологической опасности, представляющий собой сумму коэффициентов опасности по всем рассматриваемым токсичным веществам. При вычислении оценок риска RISK ASSISANT использует единый список химических веществ, независимо от того, в какой составляющей окружающей - они находятся.
Система RISK ASSISANT для оценки токсикологического эффекта позволяет использовать несколько баз данных:
— IRIS — электронную текстовую базу данных, изданную Агентством по охране окружающей среды США;
— HEAST — таблицы, издаваемые тем же агентством и содержащие временные или предварительные оценки токсикологической опасности для веществ, включенных в IRIS;
— оценки токсикологической опасности примесей, содержащихся в питьевой воде, разработанные в штате Нью-Джерси;
— оценки канцерогенной опасности химических соединений, разработанные для штата Калифорния.
Пользователь также имеет возможность самостоятельно задавать параметры токсикологической опасности отдельных соединений.
В качестве количественных характеристик популяции с точки зрения ее чувствительности и степени подверженности различным факторам риска (пол, возраст, национальность, продолжительность жизни, особенности рациона питания и режима двигательной активности, соотношение времени, проводимого в помещении и на открытом воздухе), в системе RISK ASSISANT использованы оценки, полученные Агентством по охране окружающей среды для различных категорий населения США.
Система RISK ASSISANT не позволяет вычислять оценки групповых рисков, а также оценивать риски сокращения ожидаемой продолжительности жизни, экономического ущерба, негативных социальных последствий загрязнения окружающей среды, а также анализировать неопределенности, обусловленные неточностью используемы токсикологических характеристик (т. е. зависимостей «доза—эффект» и «доза—риск»). В работе [3] приводятся сведения о том, что из шести тысяч нозологических форм болезней, приводимых в мировых классификаторах, 80% является производными от экологического напряжения. Отрицательные антропогенные факторы влияют как на экосистемы, так и способствуют снижению резервов здоровья на индивидуальном и популяционном уровнях, нарастанию степени психофизического и генетического напряжения, росту специфических патологий и появлению новых форм экологических болезней.
В настоящее время на практике продемонстрирована целесообразность использования компьютера в профессиональной деятельности врача и эколога любой специальности. Известно достаточно большое число примеров применения компьютерных технологий отдельно в медицине и экологии, а также работы, посвященные влиянию экологических факторов на состояние здоровья человека. Так, например, в г. Воронеже и Воронежской области исследуют характер влияния окружающей среды на заболеваемость людей. В частности, в Воронежском областном онкологическом диспансере изучалось влияние окружающей среды на заболеваемость рака. Была разработана сетевая программа, состоящая из медицинской БД (база данных), содержащая данные о больных и экологическая база данных (содержащая данные по одной точке отбора проб или проведения замеров за определенный отрезок времени). Проблема выбора оптимального промежутка времени сводилась к оценке имеющихся ресурсов распределенных машиной памяти и обучающего объема информации. В Курске ведется статистика влияния экологических факторов на заболеваемость рака. Строятся картограммы, отображающие уровень заболеваемости, смертности; территориальное распространение и интенсивность онкогенных факторов и следят за профилактикой рака. Все необходимые исследования производятся практически вручную.
В работе [4] разработан алгоритм выбора тактики лечения пациентов в экологически неблагоприятной зоне проживания. Он реализован с помощью экологического, метеорологического, клинико-иммунологического мониторинга. Существуют несколько баз данных (БД): метеорологическая, экомо 25 ниторинга, эпидситуаций, клиника острого периода, иммуномониторинга, в которые заносятся необходимые данные. Затем интегрируют эти данные на основе преобразования конкретных статистических закономерностей и реализуются информационные модели внутри этих баз.
Исследование модели связи вегетативного статуса с уровнем электромагнитной загрязненности
Прежде чем исследовать модель (2.16), необходимо выбрать методику определения вегетативного статуса. Вегетативный статус зависит от множества факторов и не может быть однозначно определен параметрами ЭМП окружающей среды.
Вегетативный статус определяют исходя из экспертной оценки ряда физиологических показателей и анамнеза или по интегральному критерию. Один из возможных симптомокомплексов, по которому оценивают вегетативный статус, приведен в табл. 2.11 [33].
Представленные в табл. 2.12 признаки для определения вегетативного статуса обладают тем недостатком, что по нему вегетативный статус может быть отнесен только к определенному классу, следовательно, является качественной переменной, что не позволяет использовать его значение в уравнении (2.15). Способы, представленные в табл. 2.10, не достаточно точны. В связи с этим нами предложен способ построения регрессионной модели, основанный на комбинации способов, представленных в таблицах 2.11 и 2.12. Сущность его заключается в том, что для построения регрессионной модели объекты разбиваются на несколько классов, причем принадлежность объекта к тому или иному классу оценивается согласно экспертной оценки, как наиболее точной (табл. 2.11). Изменения же вегетативного статуса, вызванные электромагнитной загрязненностью, оцениваются по одному из интегральных показателей, представленных в табл. 2.12. Если классифицировать вегетативный статус по четырем классам, то уравнение (2.16) преобразуется в систему уравнений А. П. Берсеневой (1986, 1991) для оценки уровня функционирования системы кровообращения и определения ее адаптационного потенциала был предложен индекс функциональных изменений (ИФИ). ИФИ определяется в условных единицах — баллах. Для вычисления ИФИ требуются лишь данные о частоте пульса (ЧП), артериального давления (САД — систолическое, ДАД — диастолическое), росте (Р), массе тела (МТ) и возрасте (В): ИФИ=0,011 ЧП+0,014САД+0,008ДАД+0,014В+0,009МТ-0,009Р-0,27. (2.21)
Данный вариант формулы для вычисления ИФИ получен в результате применения методики регрессионного анализа на информационном массиве в 2000 обследований. Значения ИФИ позволяют выделять четыре группы лиц по вегетативному статусу. В табл. 2.13 представлена шкала оценок уровня функционирования системы кровообращения или ее адаптационного потенциала по данным измерения ИФИ. Следует отметить, что для оценки уровня функционирования используется терминология теории адаптации (удовлетворительная адаптация, напряжение механизмов адаптации, неудовлетворительная адаптация, срыв адаптации). Выбор граничных значений ИФИ и проверка точности оценок проводились путем сравнения результатов классификации по ИФИ и результатов экспертных оценок функционального состояния (отнесение пациентов к определенном группе). Коэффициент корреляции между экспертной оценкой функционального состояния и его расчетными значениями равен 0,71.
Оценка уровня функционирования системы кровообращения по ИФИ, при всей своей простоте, обеспечивает системный подход к решению задачи количественного измерения уровня здоровья. Это определяется тем, что ИФИ как комплексный, интегральный показатель отражает сложную структуру функциональных взаимосвязей, характеризующих уровень функционирования сердечно-сосудистой системы. Дело в том, что исходные измеренные показатели, входящие в состав ИФИ, вместе с тем тесно связаны с основными параметрами гемодинамики, такими, как ударный и минутный объем кровообращения (УОК, МОК), среднее динамическое давление (СДД), общее периферическое сосудистое сопротивление (ОПС). Указанные показатели могут вычисляться по формулам (Т. С. Виноградова, 1987; А. Hinderliteretal., 1987).
Таким образом, алгоритм получения модели (2.18) состоит в следующем.
1) Получаем четыре обучающих выборки, причем решение о включении того или иного объекта в ту или другую обучающую выборку принимаем на основании экспертного заключения по симптомокомплексу табл. 2.11 или по ИФИ согласно табл. 2.11,2.12.
2) Определяем ИФИ для каждого объекта из четырех выборок согласно (2.21).
3) Определяем оценку математического ожидания ИФИ для каждой выборки ую.
4) Для контрастирования влияния ЭМП проводим функциональную пробу с каждым объектом из четырех выборок.
5) Определяем наличие эффекта обработки, то есть по парное статистическое различие между выборками, принадлежащими к одному и тому же классу до функциональной пробы и после функциональной пробы, если такого различия нет, то увеличиваем нагрузку при функциональной пробе, например, увеличиваем число «сжигаемых» калорий на велоэргометре.
6) Составляем план эксперимента согласно раздела 2.4.
7) Повторяем п.4 при наличии ЭМП согласно выбранному плану эксперимента.
8) Определяем наличие эффекта обработки, то есть по парное статистическое различие между выборками, принадлежащими к одному и тому же классу при функциональных пробах при отсутствии и наличие ЭМП, если такого различия нет, то переходим к следующему эксперименту согласно плана, а результаты текущего эксперимента не учитываем в регрессионной модели, в противном случае считаем выборку значимой.
9) Определяем средние значения в каждой из значимых выборок.
10) Определяем разности между средними значениями в соответствующих выборках, то есть выборках, полученных при функциональной пробе при отсутствии ЭМП и при наличии ЭМП.
11) Строим множественную регрессионную модель, определяющую связь между разностями средних значений в соответствующих значимых выборках и соответствующими параметрами ЭМП.
Прибор контроля электромагнитных полей ПКЭМ-1
1 Разработанный нами прибор контроля электромагнитных полей ПКЭМ-1 (далее - ПКЭМ) предназначен для регистрации электромагнитных (ЭМ) излучений и оценки их интенсивности в стационарных и полевых условиях. ПКЭМ работает в диапазонах: 0,5 - 256 Гц - при регистрации магнитных полей индукцией
Отсчет значения напряженности ЭМ поля ведется по стрелочной измерительной головке. ПКЭМ позволяет прослушивать на встроенный громкоговоритель сигналы с амплитудной модуляцией (AM) в диапазоне 0,3 - 3 МГц и с частотной (ЧМ) - в диапазоне 45 - 230 МГц, что в ряде случаев может быть полезно для определения характера источника ЭМ излучений.
Прибор имеет автономное питание - две батареи типа "Крона". В стационарных условиях ПКЭМ может работать от внешнего источника двуполярного напряжения ±9В.
Габариты прибора - 300x220x120 мм3, масса вместе с батареями питания - 3,5 кг.
Конструктивно ПКЭМ представляет собой три блока - низкочастотный (НЧ) (0,5-256 Гц), среднечастотный (СЧ) (0,3-3 МГц) и высокочастотный (ВЧ) (45-230 МГц), объединенных в общем корпусе от прибора Ц4311.
В нижней части корпуса на поворотном кронштейне закреплена телескопическая антенна, используемая при измерении напряженности электрического поля. Для измерения индукции магнитного поля к ПКЭМ через разъем подключается выносной зонд, представляющий собой катушку с ферромагнитным сердечником, рядом с которой смонтирован предварительный усилитель.
При внесении преобразователя в переменное магнитное поле на его выводах наводится ЭДС, определяемая при синусоидальном изменении напряженности поля по соответствующим формулам [70].
Магнитометр должен обладать сравнительно высокой чувствительностью (10 нТл), поэтому к выходу катушки подключается предварительный усилитель, служащий для усиления сигналов, снимаемых с преобразователя до уровня, обеспечивающего удовлетворительное соотношение сигнал/шум при обработке полезного сигнала в последующих каскадах прибора. Для устранения зависимости показаний прибора от частоты, к выходу предварительного усилителя подключен интегрирующий преобразователь. Действие интегратора в этом случае объясняется следующим. Пусть интегрирующий преобразователь в общем случае описывается уравнением:
Таким образом, интегрирующий преобразователь устраняет зависимость показаний магнитометра от частоты исследуемого магнитного поля.
Для измерения напряженности магнитного поля интересующей частоты служит активный фильтр. Он позволяет осуществлять ручное сканирование частоты и примерно определить её значение. К выходу активного фильтра подключен прецизионный пиковый детектор, нагрузкой которого является интегрирующая цепочка, состоящая из накопительного конденсатора и повторителя напряжения с подключенным стрелочным прибором, и применяемая в связи с необходимостью измерения очень малых частот при сравнительно низких инерционных свойствах измерительной головки, что при отсутствии указанной цепочки приведет к колебаниям стрелки микроамперметра на нижнем пределе частотного диапазона с частотой измеряемого поля.
Структурная схема среднечастотного блока показана на рис. 3.5. Среднечастотный блок состоит из входного перестраиваемого колебательного контура, усилителя высокой частоты (УВЧ) и детектора, нагруженного на стрелочную головку. Такое построение схемы блока значительно упрощает коммутацию поддиапазонов, по сравнению с супергетеродинной схемой, кроме того, создание супергетеродина в лабораторных условиях является достаточно длительным и кропотливым процессом, требует для настройки сложной контрольно-измерительной аппаратуры. Высокая чувствительность может быть реализована оптимальной схемой УВЧ, а единственное в этом случае преимущество супергетеродинной схемы - узкая полоса пропускания, для ПКЭМ не является решающим фактором. Колебательный контур образуют одна из 4-х (в зависимости от выбранного поддиапазона) катушек с подстроечниками из феррита и КПЕ, которым производят перестройку по частоте.
УВЧ выполнен по оригинальной схеме, обеспечивающей чувствительность на уровне промышленных приемников IV класса. Первый каскад УВЧ выполнен на полевом транзисторе КПЗОЗД по схеме с общим истоком, что позволило полностью подключить к УВЧ колебательный контур (без катушек связи). Этим достигается более высокое значение сигнала на входе УВЧ, по сравнению с традиционными схемами, упрощение коммутации поддиапазонов, уменьшение возможности появления паразитной обратной связи (ОС). Особенность включения транзисторного каскада - отсутствие цепи автоматического смещения (исток заземлен). Регулировка усиления входного каскада осуществляется подачей в цепь контурной катушки напряжения с делителя, подключенного к стабилизированному источнику отрицательного напряжения.
Второй каскад УВЧ выполнен по стабилизированной схеме с общим эмиттером на транзисторе КТ3102В, обладающим высоким значением /г21Э и малым уровнем собственных шумов. Третий каскад УВЧ выполнен по схеме с общим коллектором на р-п-р транзисторе КТ3107В, что позволило непосредственно подключить его к предыдущему каскаду. Такое решение позволило избежать обычного в трехкаскадных УВЧ самовозбуждения и, вместе с тем, повысить усиление, благодаря согласованию выхода УВЧ с детекторным каскадом.
Детектор собран на диодах Д9Б по схеме с удвоенным напряжением.
Напряжение полного отклонения стрелки было выбрано равным 1В, что стало возможным благодаря высокому коэффициенту усиления УВЧ. При таком уровне сигнала на выходе УВЧ погрешность, вносимая нелинейностью начального участка вольт-амперной характеристики (ВАХ) диодов детектора незначительна, т.к. UBblx.yB4=lB»UnoporGe диода 0,1В, и может быть существенна только в первой четверти шкалы.
Структурная схема высокочастотного блока показана на рис. 3.6. Высокочастотный блок построен по супергетеродинной схеме, что объясняется высоким значением чувствительности (100 мкВ). Наиболее просто и эффективно заданные характеристики достигаются при создании блока на основе промышленно изготавливаемых функциональных узлов - селекторов частот метрового и дециметрового диапазонов и усилителя промежуточной частоты изображения.
В блоке применяются: селектор каналов метровых волн - СК-М-30-1С, дециметровых волн - СК-Д-30-1С и плата УПЧИ, УПЧЗ, УНЧ и АРУ.
Регулировка усиления блока осуществляется подачей напряжения с делителя, подключенного к стабилизатору, на входы АРУ СКМ, СКД.
Методика получения параметров модели, связывающей вегетативный статус и параметры электромагнитного поля
О влиянии неионизирующего излучения на сердечно-сосудистую систему имеется много сообщений, однако данные об этом влиянии достаточно противоречивы. В [137] сообщается об экспериментах с DAPHNIA - MAGNA, но они малоинформативные, так как исследовались только ритмограммы сердца. Поэтому представляет интерес проследить эффекты электромагнитных воздействий на человека с помощью активного эксперимента.
Для определения параметров модели (2.7) были созданы четыре обучающих выборки, в которые вошли студенты факультета биомедицинской инженерии Курского государственного технического университета и биотехнического факультета Курского государственного медицинского университета. Объем выборок составил 30 объектов на класс. Разбиение объектов по классам осуществлялось по показателю ИФИ А.П. Берсеневой согласно табл. 2.11.
Антропогенное электромагнитное поле генерировалось в трех частотных диапазонах согласно табл. 2.1 таким образом, чтобы смоделировать реальную электромагнитную загрязненность в сегментах города. Параметры интенсивности электромагнитного поля контролировались прибором контроля электромагнитных полей ПКЭМ-1, то есть тем же прибором, посредством которого проводился экологический мониторинг электромагнитной загрязненности сегментов города.
Для проведения эксперимента был предложен трехфазный двухуровневый план трехфакторного эксперимента. При составлении этого плана основное внимание уделялось проверки гипотезы о статистической неоднородности выборок, получаемых в результате экспериментов в каждом классе. Для доказательства статистической неоднородности выборок использовался критерий Джонкхиера.
При прогнозировании интенсивности ССЗ, связанной с ЭМЗ-фактором, необходимо модели (2.1-2.4), полученные на основе пространственного распределения усредненной по времени интенсивности ССЗ в сегментах города, сопоставить с ее временными эволюциями, полученными в результате мониторинга ССЗ в сегментах по годам. Учитывая, что мониторинг ЭМЗ на протяжении ряда лет велся только в двух частотных диапазонах, модели, связывающие вегетативный статус и ЭМЗ должны быть одномерными. При этом интенсивность электромагнитной загрязненности оценивалась одним интегральным показателем. Следовательно, нам необходимо быть уверенным, что в каждом последующем эксперименте это фактор больше (меньше), чем в предыдущем эксперименте.
В общем случае для получения моделей (2.7) согласно плану табл. 2.7 необходимо провести 27 экспериментов на один объект каждого класса. Для сокращения числа экспериментов разобьем полный план эксперимента на три фазы. Разбиение полного плана на фазы осуществляется согласно следующих критериев.
Поэтому один из возможных планов эксперимента (одна из фаз плана) может быть представлен в табл.4.3. В ней интегральный фактор записан по убыванию и биологический эффект электромагнитного поля заведомо в текущем эксперименте меньше, чем в последующем.
Однако кроме плана, представленного в табл.4.4, могут быть предложены еще два альтернативных плана, которые представлены в табл. 4.5 и табл.4.6.
Часть экспериментов в фазах плана проходят при одних и тех же значениях факторов. Эксперименты, совпадающие в первой и второй фазах отмечены в табл. 4.5. одной звездочкой, а эксперименты, совпадающие в первой и третьей фазах отмечены в табл. 4.6 двумя звездочками. Эти эксперименты могут быть исключены из планов соответствующих фаз, что приводит к сокращению общего числа экспериментов, так как одна и та же выборка может быть использована при проверке однородности в нескольких фазах.
После этого для каждой фазы определяем статистику Джонкхиера и для построения модели берем экспериментальные данные той фазы, показатель статистики Джонкхиера у которой выше.
В табл. 4.7 представлены экспериментальные данные для построения линейной многомерной регрессионной модели в первой и второй фазе плана эксперимента для первого класса.
При получении данных табл. 4.7 использовалось контрастирование посредством функциональной пробы на велоэргометре. Каждый студент выборки определенного класса за одно занятие проходил только один эксперимент согласно выбранной фазе плана.
При получении данных табл.4.7 использовалось контрастирование посредством функциональной пробы на велоэргометрс Каждый студент из группы за одно занятие проходил только один эксперимент согласно выбранной фазе плана.
Для построения регрессионной модели по данным табл. 4.7 в качестве вектора значений функции использовался последняя строка табл. 4.7, а в качестве матрицы параметров - план первой фазы, представленный в табл. 4.4.
В табл. 4.8-4.11 показаны результаты моделирования по трем фазам плана эксперимента для каждого из четырех классов вегетативного статуса, соответственно.
