محمدعلی طبیبی

هدف از پژوهش حاضر، تأثیر تمرین مقاومتی و انسداد جریان خون بر بیان ژن عامل انتقال دهنده سیگنال و فعال کننده رونویسی (STAT3) و عامل عضله زایی 5 (Myf5) افراد جوان فعال غیرورزشکار است. 20 مرد با دامنه سنی 25 ± 5 سال به صورت تصادفی به دو گروه ده نفره تمرین مقاومتی برون گرا با و بدون انسداد جریان خون (BFR) تقسیم شدند.با استفاده از دستگاه ایزوکنتیک، پروتکل تمرین مقاومتی برون گرا (ECC RET) شامل حدود 70 تکرار در عضلات بازکننده های زانو اجرا شد. انسداد با استفاده از دستگاه فشارسنج بادی ایجاد شد. پس از بی حسی موضعی با تزریق لیدوکائین 1% و نوراپی نفرین از عضله پهن جانبی پای فعال، 48 ساعت قبل و 24 ساعت پس از فعالیت نمونه برداری شد. STAT3 و MyF5 به روش ایمونوهیستوشیمیایی انجام گرفت. بیان ژن STAT3 در نمونه های BFR در گروه پس آزمون نسبت به پیش آزمون 846/3 برابر بیشتر شده بود که این میزان (001/0=P) تفاوت معناداری را نشان داد. همین طور بیان ژن MyF5 در نمونه های BFR در گروه پس آزمون نسبت به پیش آزمون 479/3 برابر بیشتر شده بود که این میزان (005/0=P) تفاوت معناداری را نشان داد. بهره گیری از تمرین مقاومتی برون گرا همراه با انسداد جریان خون از طریق افزایش بیان ژن STAT3 و Myf5 ممکن است سبب حفظ و بهبود توده عضلانی شود.  

ریزش مورد انتظار، امید ریاضی ضرر یک سبد سهام را برای مقادیر فراتر از یک مقدار آستانه و در یک سطح اطمینان و یک افق زمانی معلوم اندازه می گیرد. ریزش مورد انتظار چندافقی که در پژوهش حاضر معرفی می گردد، ریزش مورد انتظار معمولی را برای یک سرمایه گذاری با مجموعه ای از افق های سررسید، توسعه می دهد. در پژوهش حاضر دو مدل سبد سهام بر اساس ریزش مورد انتظار چندافقی طراحی می گردد که اولی بر اساس سناریوسازی تاریخی و دومی به صورت پارامتریک و بر اساس توزیع مخلوط نرمال-لاپلاس چندگانه با هدف برازش مناسب در دنباله های توزیع بازده است. برای محاسبه عددی ریزش مورد انتظار چندافقی در شکل پارامتریک از امید چندکی استفاده می شود. نتیجه مطالعه تجربی بر روی یک سبد سهام با هشت شاخص از بورس اوراق بهادار تهران با کدنویسی در محیط نرم افزار متلب و با استفاده از الگوریتم بهینه ساز تجمعی ذرات در بازه 1390 تا 1399 نشان می دهد که رویکرد پارامتریک در داده های تست و در سه معیار متوسط بازده کسب شده، نسبت شارپ و خطای نسبی بین ریزش مورد انتظار چندافقی پیش بینی شده توسط مدل و مقدار واقعی مشاهده شده، عملکرد بهتری نسبت به رویکرد سناریوسازی تاریخی دارد.