Определение центральной температуры тела при предсменном медицинском осмотре

Цель исследования – разработка методики косвенной оценки центральной температуры тела по результатам измерений частоты сердечных сокращений и температуры ладоней с использованием комплекта технических средств в процессе прохождения теста сложной зрительно-моторной реакции. 
Методы. В процессе разработки была проведена серия обследований с последовательным измерением ЦТТ медицинским термометром и КТС, используемых в разрабатываемой методике измерения. Полученные результаты измерений были обобщены регрессионным анализом, на основе полученных обобщений был синтезирован набор данных для обучения регрессионной модели алгоритма машинного обучения «случайный лес». Разработанная методика измерений верифицирована в соответствии с требованиями, предъявляемыми к измерению ЦТТ при проведении предсменных медицинских осмотрах. 
Результаты. В результате проведенных исследований и выявленных параметров  (препроцессинга данных, синтеза данных и алгоритма регрессионной модели)  была разработана методика косвенной оценки ЦТТ, определены ее точностные характеристики. 
Заключение. Разработанная методика соответствует требованиям нормативных документов, предъявляемым к измерению ЦТТ при прохождении предсменных медицинских осмотров. Методика применяется в диапазоне температуры окружающей среды от 18 до 35ºС, диапазон измерения ЦТТ от 35 до 42ºС, абсолютная погрешность измерения ЦТТ ± 0,1ºС. Методика аттестована и зарегистрирована Федеральным агентством по техническому регулированию и метрологии (Росстандарт). Номер свидетельства об аттестации методики (метода) измерений –  2207/2411-(RA.RU.310494)-2023, номер в реестре – ФР.1.32.2024.47935. С использованием методики разработано специальное программное обеспечение «Оценка функционального состояния». СПО зарегистрировано Федеральной службой по интеллектуальной собственности (Роспатент) и внесено в реестр программ для ЭВМ. Номер свидетельства о государственной регистрации программы для ЭВМ – 2024612210. Разработанное в соответствии с методикой СПО используется в программно-аппаратном комплексе, предназначенном для проведения предсменных медицинских осмотров. 

1. Sund-Levander M., Forsberg C., Wahren L. K. Normal oral, rectal, tympanic and axillary body temperature in adult men and women: a systematic literature review // Scandinavian Journal of Caring Sciences. 2002. N 16(2). P. 122–128. https://doi.org/10.1046/j.1471-6712.2002.00069.x

2. Физиология человека. Атлас динамических систем / К. В. Судаков, В. В. Андрианов, Ю. Е. Вагин, И. И. Киселев; под редакцией академика РАМН К. В. Судакова. 2-е изд. М.: ГЭОТАР-Медиа; 2018. 416 с.

3. Kuht J., Farmery A. D. Body temperature and its regulation // Anaesthesia & Intensive Care Medicine. 2021. N 22(10). P. 657–662. https://doi.org/10.1016/j.mpaic.2021.07.004

4. FeverPhone: Accessible Core-Body Temperature Sensing for Fever Monitoring Using Commodity Smartphones / J. Breda, M. Springston, A. Mariakakis, S. Patel // Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies. 2023. N 7(1). P. 1–23. https://doi.org/10.1145/3580850

5. Lenhardt R., Sessler D. Estimation of Mean-body Temperature From Mean-skin and Core Temperature // Anesthesiology. 2007. N 105(6). P. 1117–1121. https://doi.org/10.1097/00000542-200612000-00011

6. Ураков А. Л., Касаткин А. А., Уракова Н. А. Инфракрасная термография пальцев и ладоней при шоке как способ оценки устойчивости пациентов к гипоксии и «отзывчивости» их к оживлению // Вестник Российской военно-медицинской академии. 2013. № 4(44). С. 169–171. EDN RPTIQT

7. Взаимосвязь колебаний температуры и кровотока пальцев рук / Д. А. Усанов, А. А. Сагайдачный, А. В. Скрипаль, А. В. Фомин // Регионарное кровообращение и микроциркуляция. 2012. № 2(42). С. 37–42. EDN PACULL

8. Skin and core temperature response to partial- and whole- body heating and cooling / C. Huizenga, H. Zhang, E. Arens, D. Wang // Journal of Thermal Biology. 2004. N 29(7-8). P. 549–558. https://doi.org/10.1016/j.jtherbio.2004.08.024

9. Michael K., Garcia-Souto M. D. P., Dabnichki P. An investigation of the suitability of Artificial Neural Networks for the prediction of core and local skin temperatures when trained with a large and gender-balanced database // Applied Soft Computing. 2017. N 50. P. 327–343. https://doi.org/10.1016/j.asoc.2016.11.006

10. Estimation of core body temperature from skin temperature, heat flux, and heart rate using a Kalman filter / A. P. Welles, X. Xu, W. R. Santee, D. P. Looney, M. J. Buller, A. W. Potter, R. W. Hoyt // Computers in Biology and Medicine. 2018. N 99(2). P. 1–6. https://doi.org/10.1016/j.compbiomed.2018.05.021

11. Prediction of Core Body Temperature Based on Skin Temperature, Heat Flux, and Heart Rate Under Different Exercise and Clothing Conditions in the Heat in Young Adult Males / P. Eggenberger, B. A. MacRae, S. Kemp, M. Bürgisser, R. M. Rossi, S. Annaheim // Frontiers in Physiology. 2018. N 9(1780). P. 1–11. http://doi.org/10.3389/fphys.2018.01780

12. Estimation of human core temperature from sequential heart rate observations / M. J. Buller, W. J. Tharion, S. N. Cheuvront, S. J. Montain, R. W. Kenefick, J. Castellani, W. A. Latzka, W. S. Roberts, M. Richter, O. C. Jenkins, R. W. Hoyt // Physiological Measurement. 2013. N 34(7). P. 781–798. http://doi.org/10.1088/0967-3334/34/7/781

13. Estimating Resting Core Temperature Using Heart Rate / D. P. Looney, M. J. Buller, A. V. Gribok, J. L. Leger, A. W. Potter, W. V. Rumpler, W. J. Tharion, A. P. Welles, K. E. Friedl, R. W. Hoyt // Journal for the Measurement of Physical Behaviour. 2018. N 1(2). P. 1–7. http://doi.org/10.1123/jmpb.2017-0003

14. Серрано Л. Г. Грокаем машинное обучение. СПб.: Питер; 2024. 512 с.

15. Breiman L. Random Forests // Machine Learning. 2001. N 45(1). P. 5–32. http://doi.org/10.1023/A:1010950718922

16. Friedman J. H. Greedy Function Approximation: A Gradient Boosting Machine // The Annals of Statistics. 2001. N 29(5). P. 1189–1232. http://doi.org/10.1214/aos/1013203451

17. Boosting Algorithms as Gradient Descent in Function Space / L. Mason, J. Baxter, P. Bartlett, M. Frean. URL: https://www.researchgate.net/publication/2750572_Boosting_Algorithms_as_Gradient_Descent_in_Function_Space (дата обращения: 19.03.2025).