Диагностический инструментарий, программы.

21.08.2015 [ English Version ]

[ Статьи по ВСР ] [ Человеческий фактор ] [ Литература по ВСР ] [ Об авторе ] [ Песни ] [ Фотоальбомы ] [ Стихи для внучек ]
  • MAVR.HRV - Демонстрационная программа для диагностики функционального состояния человека на основе трехфакторной модели вариабельности сердечного ритма (Delphi 7). Машин В.А., 2015.

  • Демо-версия программы MAVR.HRV (Программа оптимизирована для разрешения экрана 1920 x 1200)
    Скриншот программы MAVR.HRV

    Основные функции программы MAVR.HRV


  • MABP.PartCor - Программа для расчета частных коэффициентов корреляций и критерия КМО. Машин В.А.

  • Скачать MABP.PartCor v.1.01 (2009) Freeware. (MABP.PartCor.zip - 199 Kbt)
    Программа и исходный код (Delphi) для расчета частных коэффициентов корреляции (по исходной матрице корреляций) и критерия адекватности выборки Кайзера-Мейера-Олкина (КМО) - проверка целесообразности использования факторной модели анализа.
    Скриншот программы MABP.PartCor.


  • MABP.Alarm - Программа будильника (Borland Delphi 5). Машин В.А.

  • Скачать MABP.Alarm v.1.03 (2012) Freeware. (MABP.Alarm.zip - 218 Kbt)
    Скачать Default.mp3 Звуковой файл в mp3-формате (Default.mp3.zip - 1.146 Kbt). Можно заменить на любой другой.
    Программа позволяет сразу установить два времени срабатывания будильника. Сигнал будильника - любой mp3-файл под именем "Default.mp3". После установки будильника, программу можно скрыть в трее.
    Скриншот программы MABP.Alarm.


  • MABP.ICO-BMP - Программа для преобразования ICO-файлов в формат BMP и BMP-файлов в формат ICO (Borland Delphi 5). Машин В.А.

  • Скачать MABP.ICO-BMP v.1.03 (2009) Freeware. (MABP.ICO-BMP.zip - 153 Kbt)
    Программа работает с BMP и ICO изображениями (32х32 и 16х16). Размер исходного BMP-файла не имеет значения. Программа позволяет настраивать цвет прозрачности у BMP-файлов. Тестирована для WinMe и Win2000.
    Скриншот программы MABP.ICO-BMP.


  • MABP.OptimHTML - Программа для оптимизации HTML-кода страниц, созданных MS Word, FrontPage, Dreamweaver и прочими WYSWYG-редакторами (Borland Delphi 5). Машин В.А.

  • Скачать MABP.OptimHTML v.1.09 (2008) Freeware. (MABP.OptimHTML.zip - 294 Kbt)

    *Для Intel Celeron, 1000 MHz, RAM 256 Mbt, Windows-2000.
    Скриншот программы MABP.OptimHTML (1).
    Скриншот программы MABP.OptimHTML (2).


  • MABP.Lib - База данных для хранения и редактирования информации по библиографическим ссылкам (Borland Delphi 5, Microsoft Access 2000). Машин В.А.

  • Скачать MABP.Lib 4.01 (2005-2008) Freeware. (MABP.Lib.zip - 664 Kbt)
    Программа для работы с ссылочной информацией при подготовке статей, кандидатских и докторских диссертаций, книг. Позволяет удобно организовать хранение и работу с разнообразной текстовой, графической и другой информацией. Программа написана на Borland Delphi 5 и тестирована для Microsoft Access 2000.
    Скриншот программы MABP.Lib (1).
    Скриншот программы MABP.Lib (2).


  • MABP.DBase-PFO - Программа сбора, хранения, анализа и подготовки рекомендаций на основе данных психологических обследований (Borland Delphi 5, Microsoft Access 2000). Машин В.А.

  • Краткая справка по программе MABP.DBase-PFO v.2.01 - 20.01.2004 г. (WinHelp - формат).
    Процесс психологического сопровождения деятельности профессионалов (отбор, текущие обследования) требует от психолога анализа динамики индивидуальных результатов выполнения тестовых заданий, сопоставления их с результатами референтной выборки, построения на основе анализа психологического заключения. С этой целью нами была разработана программа MABP.DBase-PFO v.2.01, в которой решены поставленные выше задачи: ввод, редактирование, анализ и составление психологического заключения по результатам обследований.
    Исходная информация хранится в формате Microsoft Access-2000. База данных разработана на языке Delphi-5. Доступ к данным осуществляется с помощью компонента ADO (MDAC версии 2.5).
    Скриншот программы MABP.DBase-PFO (1).
    Скриншот программы MABP.DBase-PFO (2).


  • MABP.DBase-HRV - Программа сбора, хранения, анализа и подготовки рекомендаций на основе данных психофизиологических обследований (Borland Delphi 5, Microsoft Access 2000). Машин В.А.

  • Краткая справка по программе MABP.DBase-HRV v.3.01 - 20.01.2004 г. (WinHelp - формат).

    Назначение Программы MABP.DBase-HRV v.3.01

    Скриншот программы MABP.DBase-HRV.




  • MABP.Chaos - Программа графического отображения и анализа показателей нелинейной динамики различных процессов (Borland Delphi 5). Машин В.А.

  • Назначение Программы MABP.Chaos v.4.01

    Скриншот программы MABP.Chaos.


  • Разработанные диагностические программы тестов и опросников (на языке Borland Delphi 5). Машин В.А.


  • К вопросу правильного применения статистических методов в психологических исследованиях

  • Машин В.А. Ошибки статистического анализа в психологических исследованиях.  Краткие замечания к книге: Леонова А.Б. Психодиагностика функциональных состояний человека. М.: Изд-во Московского университета. 1984. 200 с. (doc, 1403 Kbt)

    Рассмотрены следующие вопросы:

    I. Необоснованное использование параметрического t-критерия Стьюдента для сравнения средних значений показателей по группам.
    У автора отсутствует проверка допущения применения t-критерия Стьюдента - нормальное распределение исследуемых показателей. Полученные выводы (особенно, на таких малых выборках) нельзя считать статистически обоснованными.
    Также неясно, какой t-критерий Стьюдента был использован – для зависимых или независимых выборок. Согласно представленным исследованиям, это должен был быть t-критерий Стьюдента для зависимым выборок.

    II. Отсутствие понимания различий в использовании непараметрических критериев для сравнения средних значений показателей по группам.
    Автор использует критерий "U Вилкоксона-Манна-Уитни". Но в природе не существует подобного критерия. Есть критерий Вилкоксона для сравнения зависимых переменных, и критерий U Манна-Уитни для сравнения независимых переменных. В приведенном ниже исследовании для группы обследуемых сравниваются результаты выполнения ими различных методик. Таким образом, речь идет о зависимых выборках и мы должны использовать в этом случае критерий Вилкоксона. Прискорбно, но автор везде свои выводы строит на критерии U, из чего можно сделать вывод, что он все-таки имеет в виду критерий U Манна-Уитни, который обоснованно можно применять лишь для сравнения независимых переменных. В итоге все полученные выводы можно считать статистически необоснованными.

    III. Отсутствие понимания в использовании критерия Хи-2 Пирсона.
    Критерий Хи-2 отвечает на вопрос: с одинаковой ли частотой встречаются разные значения признака в двух (и более) эмпирических распределениях. При сопоставлении двух эмпирических распределений мы определяем степень расхождения между эмпирическими частотами. Чем больше расхождение между эмпирическими частотами двух сопоставляемых распределений, тем больше эмпирическое значение Хи-2. В приведенном ниже исследовании признак (обобщенные оценки по трем шкалам опросника САН - Самочувствие, Активность, Настроение) измеряется количественно, поэтому требуется предварительно объединить полученные значения в несколько разрядов и подсчитать полученную частоту. Этого не было выполнено. Но как в таком случае можно сравнить распределения частот? Второе, данный критерий позволяет нам проверить гипотезу: эмпирические распределения частот оценок САН в начале смены и в конце отличаются. Как при этом автор смог "достоверно" установить с помощью этого критерия снижение к концу смены усредненных оценок по САН? Данный критерий не предназначен для проверки этой гипотезы…

    IV. Поверхностное и некритичное использование факторного анализа.
    Приведенное ниже исследование является продолжением описанного выше – применение факторного анализа к оценкам по отдельным конструктам (парам прилагательных) опросника САН (обследуемые - телеграфистки). Из текста совершенно неясно, какой объем выборки был использован для каждого факторного анализа. Какая исходная матрица корреляций была использована для факторного анализа? Была ли выполнена проверка допущения о нормальности распределений переменных? Какова была процедура и критерии отбора главных компонент (общих факторов)? Каковы собственные значения главных компонент для различенных условий эксперимента, их доля в общей дисперсии, суммарная доля дисперсии отобранных главных компонент? Читателя просто ставят перед следующим выводом – "в целом выделялась четырехфакторная структура массива обрабатываемых данных", который он должен принять на веру.

    V. Необоснованное использование дисперсионного анализа
    В приведенном ниже исследовании процессов утомления у операторов-контролеров и операторов сварщиков автор использовал метод дисперсионного анализа. Но в описании отсутствует упоминание проверки следующих значимых для выполнения этого анализа допущений: (1) нормальности распределения исследуемых признаков, (2) однородности – гомоскедактичности (равности) дисперсий исследуемых признаков. Неясно, в чем состояла суть "модели с дробной репликой" (используется для сокращения числа экспериментов полных факторных планов)? Кроме этого, не приведены значения критерия F и его уровня значимости для полученных результатов. Совершенно неясно, каким образом с помощью дисперсионного анализа производился отбор валидных показателей.


  • Анализ дополнительных показателей графа сердечного ритма (24.09.2002)

  • Машин В.А.Анализ дополнительных показателей графа сердечного ритма.(Краткое сообщение.) - 2002 г.
    Данное краткое сообщение содержит анализ дополнительных показателей графа сердечного ритма: сумма квадратов наименьших расстояний от узлов графа до оси Х (SumX2), сумма квадратов наименьших расстояний от узлов графа до оси Y (SumY2), отношение SumX2/SumY2. Анализируется корреляция представленных показателей с показателями вариабельности сердечного ритма, связь SumX2/SumY2 с частотой гармонических колебаний и частотой пика с максимальной спектральной плотностью. Исследуются значения дополнительных показателей графа при различных функциональных состояниях и оценивается их возможность для диагностики стационарности процесса.

    Исследуя структуру графа сердечного ритма, мы пришли к выводу о целесообразности рассмотрения следующих дополнительных показателей: Квадрат наименьшего расстояния от узла графа до оси Х рассчитывался по формуле: QX=0.5*(RR[i]-RR[i+1])^2. Нетрудно заметить общность формул Sum(QX) и RMSSD (Root Mean Sum Successful Deviation).
    Для расчета QY необходимо было учесть тот факт, что середина квадрата, в который вписывался граф, не всегда совпадала со средним значением RR-интервалов по выборке (RRcp). Другими словами, были случаи, когда значение ВР/2 было больше или меньше RRcp-RRmin. При этом "центр тяжести" графа смещался по оси Х либо вверх, либо вниз от центра квадрата. С учетом коррекции по RRcp формула для расчета квадрата наименьшего расстояния от узла графа до оси Y приобрела следующий вид: QY=0.5*(RR[i]+RR[i+1]-2*RRmin-2*RRcp)^2.
    В таблице 1 представлены значения коэффициентов корреляции Пирсена (r) для различных показателей вариабельности сердечного ритма (регистрация RR-интервалов проводилась в состоянии покоя; более полное описание процедуры обработки данных представлено в статьях Анализ вариабельности сердечного ритма с помощью метода графа и Факторный анализ показателей графа сердечного ритма). N=10036, ln-натуральный логарифм, HF-мощность спектра сердечного ритма в высокочастотном диапазоне, PW-общая мощность спектра, SD-стандартное отклонение.

    Таблица 1.
    r, p=0.00lnRMSSDHFlnSDlnPW
    Sum(QX)0.56800.96620.47960.4823
    lnSum(QX)0.99350.64940.88430.8869
    lnSum(QY)0.82870.48010.98900.9835

    Согласно таблице 1, сумма квадратов наименьших расстояний от узлов графа до оси Х имеет очень высокую корреляцию с показателями тонуса парасимпатической нервной системы - RMSSD и HF (коэффициент корреляции между lnRMSSD и lnHF равен 0.9631). В тоже время, сумма квадратов наименьших расстояний от узлов графа до оси Y тесно связана с общей вариабельностью сердечного ритма - SD и PW (коэффициент корреляции между SD^2 и PW равен 0.9938, а между lnSum(QY) и ln(lnSD) 0.9920).
    Логично было ожидать высокую корреляцию отношения Sum(QX) к Sum(QY) с показателями HFn (HFn=100*HF/PW) и LF/HF (LF-мощность спектра сердечного ритма в низкочастотном диапазоне). Это подтвердил корреляционный анализ, результаты которого представлены в Таблице 2 (PXY=Sum(QX)/Sum(QY)). Дополнительно приведены значения коэффициента корреляция для показателя DFA (Detrended Fluctuation Analysis).

    Таблица 2.
    r, p=0.00HFnlnHFnln(LF/HF)DFA
    lnPXY0.85600.8607-0.7671-0.7344
    DFA-0.7369-0.75740.4881-

    На следующем шаге мы рассчитали значения показателя PXY для гармонического колебания с различным периодом и амплитудой. Анализ показал наличие связи PXY с частотой гармонических колебаний. Исключение составили колебания с нечетными периодами (например, 5, 15 сек.), что вытекает из природы графа (возникает асимметричность графа относительно осей X и Y).
    Но в отличие от моделируемого гармонического колебания, реальный сердечный ритм содержит множество колебаний различной частоты и амплитуды, динамично изменяющихся во времени. Нами была выдвинута гипотеза: показатель PXY отражает ведущую (центральную) частоту колебаний, имеющих наибольшее влияние на сердечный ритм. Для обоснования этой гипотезы были проанализированы спектрограммы сердечного ритма, определены частоты пиков с максимальной спектральной плотностью, которые затем сравнивались с PXY. Коэффициент корреляции между PXY и частотой пика с максимальной спектральной плотностью (fmax) хотя и оказался достаточно высоким (r=0.7035, р=0.00), но потребовал более детального анализа конкретных ритмограмм. Это позволило выделить три варианта отношений между PXY и fmax.
    1) Наблюдается очень высокое совпадение значений PXY и fmax (например, fmax=0.082, PXY=0.080). Это характерно для состояния активного покоя (готовность к выполнению деятельности). Можем предположить, что при этом высоко влияние вегетативной нервной системы (ВНС) на регуляцию сердечного ритма.
    2) Рост PXY значительно опережает рост fmax (например, fmax=0.301, PXY=1.082). Данный процесс характерен для состояния глубокого расслабления. Это сопровождается снижением роли ВНС в регуляции сердечного ритма, нарастанием хаотичности процесса. Значения PXY стремятся к 1.0. Именно такие значения были получены нами при моделировании "белого шума".
    3) Снижение fmax сопровождается ростом PXY (например, fmax=0.016, SD=3257 msec2, PXY=0.328 - хроническое перенапряжение, регистрация в состоянии покоя). Данный процесс характерен для высокого психического напряжения и различных патологических процессов. Смеем предположить, что в этом случае нормальная регуляция сердечного ритма через ВНС становится невозможным, что также сопровождается ростом хаотичности процесса, но с очень низкой амплитудой (выраженная стабилизация ритма).
    Отдельно необходимо рассмотреть случай, когда спектрограмма содержит значимые пики в различных диапазонах частот. В этом случае показатель PXY представляет собой результирующую частот двух колебаний. Например, при наличии пиков спектральной плотности с частотой 0.102 Гц (LF-диапазон, SD=337420 msec2) и 0.207 Гц (HF-диапазон, SD=31345 msec2), значение PXY было равно 0.132 Гц. Заметим также, что показатель PXY наиболее чувствителен к колебаниям в диапазонах LF и HF.
    Для четырех групп обследуемых: 1 - норма, 2 - невротическое возбуждение, 3 - функциональное утомление, 4 - психическое перенапряжение были рассчитаны средние значения анализируемых показателей графа по каждой группе (Таблице 3, Nv - число выборок, значения Sum(QX) и Sum(QY) даны в msec2).

    Таблица 3.
    Группа1234
    Sum(QX)345576105006217543626
    Sum(QY)85391618036299131925783
    PXY0.4080.0550.2700.1675
    Nv6311508452478

    Как и ожидалось, максимальное значение Sum(QX) (индикатора активности парасимпатической нервной системы) было получено для первой группы ("Норма"), и минимальное - для четвертой ("Перенапряжение"). Максимальное значение Sum(QY) (показателя общей вариабельности сердечного ритма) характерно для состояния невротического возбуждения (влияние корково-лимбических систем, отметим значительное снижение PXY - показателя ведущей (результирующей) частоты колебаний сердечного ритма). Высокое значение PXY для группы "Перенапряжение" отражает ранее рассмотренную нами динамику повышения PXY при снижении fmax для случаев стабилизации ритма.
    Использование показателей SumQX, SumQY и PXY в дискриминантном анализе позволили существенно повысить точность дифференциальной диагностики представленных выше функциональных состояний.
    В заключении позволим себе вернуться к упомянутому ранее факту несовпадения середины квадрата, в который вписывается граф, со средним значением RR-интервалов: середина вариационного размаха может отличаться от RRcp-RRmin. Рассмотрим возможные три варианта:
    1)ВР/2-(RRcp-RRmin)>0 - характерно для переходного процесса: плавная (долговременная) смена одного функционального состояния другим, устойчивое эмоциональное возбуждение.
    2)ВР/2-(RRcp-RRmin)<0 - характерно для нарушения регуляции сердечного ритма: резкая (кратковременная) смена одного функционального состояния другим, резкая волна эмоционального возбуждения.
    3)ВР/2-(RRcp-RRmin)=0 - характерно для стационарного процесса.
    Для обоснования своей гипотезы мы сравнили свои результаты с оценками стационарности временного ряда, полученные стандартным путем (через проверку постоянства во времени математического ожидания и дисперсии ряда). Разность между ВР и (RRcp-RRmin) мы выразили в процентах от (RRcp-RRmin): Dvm=100*(ВР/2-(RRcp-RRmin))/(RRcp-RRmin). Для оценки значимости отношений между двумя категориальными переменными по критерию Pearson Chi-square мы воспользовались данными регистрации RR-интервалов в состоянии покоя (N=10036). Мы рассчитали стационарность по Dvm, когда разность не превышала 1, 2 и 3 процентов (Таблица 4).

    Таблица 4.
    Dvm1%2%3%
    Pearson Chi-square2.15588.935611.0789
    p0.142040.002800.00087

    Согласно результатам, представленным в таблице 4, показатель Dvm действительно может служить оценкой стационарности временного ряда. Анализ реальных ритмограмм показал, что выбор Dvm=1% приводит к более точной диагностике стационарности, чем в случае стандартной оценке. Безусловно, последующие исследования должны подтвердить или опровергнуть нашу гипотезу.

  • Граф сердечного ритма

  • Согласно исследованиям вариабельности сердечного ритма с помощью метода графа, граф сердечного ритма характеризуется числом узлов (ND) и ребер (NRib). Десятичный логарифм ND является ни чем иным, как показателем сложности системы (HmND). Зная вероятности распределения узлов, легко рассчитать показатель энтропии - меры неопределенности системы (НND). Относительная организация системы (RND) будет равна: 1 - HND/HmND. Перечисленные показатели были рассчитаны как для ND, так и для NRib.
    Для четырех групп обследуемых: 1 - норма, 2 - невротическое возбуждение, 3 - функциональное утомление, 4 - психическое напряжение, были рассчитаны средние по каждой группе (использовались скользящие выборки объемом 256 RR-интервалов и шагом 10). В таблице 1 представлены средние показателей по каждой группе, а также значения F-критерия Фишера для однофакторного анализа ANOVA (Nv - число выборок).

    Таблица 1.
    ГруппаHNDHmNDRNDHRibHmRibRRib Nv
    12.152.210.0292.372.380.004 1042
    22.052.140.0432.292.310.011 1610
    31.781.900.0652.192.240.022 441
    41.251.460.1551.621.750.080 322
    F380038152508335027523225 322

    Согласно таблице 1, уровень сложности системы (как по числу узлов, так и по числу ребер) наиболее высокий в спокойном состоянии (норма) и уменьшается при росте психического напряжения. Показатели энтропии (уровень неопределенности) и относительной организации системы (как по числу узлов, так и по числу ребер) минимальны для первой группы и максимальны для психического напряжения.
    Дополнительно был рассчитан показатель ND/NRib. Корреляционный анализ выявил интересную закономерность между этим показателем и числом узлов. Если для первых трех групп значения r - коэффициента Пирсона указывали на высокую положительную взаимосвязь между ND и ND/NRib (0.98, 0.94 и 0.87, соответственно), то для состояния психического напряжения r=-0.75. Это можно прокомментировать следующим образом: в обычных условиях рост или снижение числа узлов сопровождается идентичным ростом или снижением числа ребер. В состоянии высокого психического напряжения, снижение числа узлов сопровождается относительно более выраженным снижением числа ребер графа сердечного ритма. В дальнейшем планируется продолжить исследования показателей графа сердечного ритма, используя дискриминантный анализ.

  • Detrended Fluctuation Analysis

  • Одним из методов нелинейной оценки фрактальных свойств сердечного ритма служит Detrended Fluctuation Analysis (DFA, Peng et al. 1995). В статье Peng C-K, Hausdorff JM, Goldberger AL. Fractal mechanisms in neural control: Human heartbeat and gait dynamics in health and disease. In: Walleczek J, ed. Nonlinear Dynamics, Self-Organization, and Biomedicine. Cambridge: Cambridge University Press, 1999. содержится достаточно полное описание DFA. Но для расчетов лучше воспользоваться любезно предоставленными авторами программами: Download the detrended fluctuation analysis (DFA) software package. (Кроме программ, zip-file содержит исходные тексты в C-code. Требуется совсем немного времени для внесения необходимых изменений перед трансляцией исходного текста в Turbo Pascal 6.0, например.) В ряде исследований установлено, что рассчитываемый с помощью процедуры DFA показатель alfa у здоровых субъектов равен приблизительно 1.00, снижение характерно для пациентов с сердечно-сосудистыми нарушениями, а увеличение - для пожилых людей (Peng et al. 1995, Ho et al. 1997, Hausdorff et al. 1995, Iyengar et al. 1996). Но отметим, что эти данные были получены для долговременных записей RR-интервалов (24 часа).
    Используя данные по четырем группам обследуемых: 1 - норма, 2 - невротическое возбуждение, 3 - функциональное утомление, 4 - психическое напряжение, были рассчитаны показатели alfa по процедуре DFA для кратковременной записи (скользящие выборки объемом 256 RR-интервалов и шагом 10). Затем были рассмотрены в каждой группе корреляционные связи показателя alfa с показателями статистического и спектрального анализа, а также графа сердечного ритма. Значимая положительная связь (p=0.000) была обнаружена с нормированным показателем мощности спектра в VLF-диапазоне: VLFn=100*VLF/TP (TP-общая мощность спектра в мсек2). В таблице 2 приведены средние показателя alfa, r - коэффициент корреляции Пирсона между alfa и VLFn, а также число выборок по каждой группе.

    Таблица 1.
    Группа alfa r Nv
    1 0.688 0.931042
    2 1.086 0.78 1610
    3 0.820 0.89 441
    4 0.921 0.52 322

    Из таблицы 1 видно, что чем спокойнее субъект, тем меньше показатель alfa (стремится к 0.5). При психическом напряжении показатель приближается к 1.00. При невротическом возбуждении alfa превышает 1.00.
    Коэффициент корреляции Пирсона между alfa и VLFn указывает на высокую положительную связь (рост относительной мощности спектра в VLF-диапазоне совпадает с ростом показателя alfa) для всех групп, кроме четвертой. В состоянии психического напряжения коэффициент корреляции резко снижается (зависимость между показателями становится не очевидной). Любопытно отметить, что показатель alfa имеет отрицательную корреляционную связь (но менее выраженную) с HFn (100*HF/TP).
    Согласно однофакторному анализу ANOVA (по четырем группам) коэффициент Фишера для alfa равен 2214, для числа ребер графа сердечного ритма F=4468, для показателя уровня сложности системы по числу узлов графа F=3814.
    В дальнейшем планируется продолжить исследования возможности применения DFA на коротких выборках для дифференциальной диагностики различных функциональных состояний.



    [ Статьи по ВСР ] [ Человеческий фактор ] [ Литература по ВСР ] [ Об авторе ] [ Песни ] [ Фотоальбомы ] [ Стихи для внучек ]

    ©2001-2017 Владимир Машин