Abstract: O. E. Dick, A. Glazov (2023)

We applied methods for determining the recurrence based phase synchronization index and the coupling directionality based on conditional probabilities of recurrence to analyze the direction of coupling and synchronization of time series obtained from experimental data. The activity of brain neurons, fluctuations in arterial blood pressure, and the respiratory rhythm of anesthetized rats were used as experimental data. For the first time, variants of changing the direction of the coupling between the analyzed time series before and during pain exposure were revealed. The relationship of pain exposure with the adjustment of the frequency of the variability of neuron activity of the brain to the frequency of the variability of arterial blood pressure or with the adjustment of the frequency of the variability of blood pressure to the respiratory rhythm with the subsequent occurrence of phase synchronization has been established.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Revealing the coupling directionality and synchronization between time series from physiological data by analysis of joint recurrences