View
2
Download
0
Category
Preview:
Citation preview
PÉCSI TUDOMÁNYEGYETEM
BIOLÓGIAI ÉS SPORTBIOLÓGIAI DOKTORI ISKOLA
SZABÁLYOZÁSBIOLÓGIAI PROGRAM
A Wi-Fi elektromágneses tér sugárzásának hatása
a humán kognitív működésekre
PhD értekezés
Zentai Norbert
Témavezeto:
Dr. Hernádi István
habilitált egyetemi docens
Témavezető aláírása Iskolavezető aláírása
PÉCS, 2019
i
TARTALOMJEGYZÉK Rövidítésjegyzék .................................................................................................................... 1
1. Bevezetés ........................................................................................................................ 4
1.1. Elektromágneses terek ............................................................................................ 6
1.1.1. Elektromágneses spektrum .............................................................................. 6
1.1.2. Dozimetriai alapfogalmak ................................................................................ 7
1.1.3. A WLAN, Wi-Fi bemutatása ........................................................................... 7
1.2. A kognitív teljesítmény mérési módszerei .............................................................. 9
1.2.1. A reakcióidő típusai és mérése ........................................................................ 9
1.2.2. Vigilancia ....................................................................................................... 10
1.3. Elektroenkefalográfia alapfogalmai, az EEG-jel keletkezése ............................... 11
1.4. Elektromágneses terek biológiai hatásai ............................................................... 13
1.4.1. Az elektromágneses terek sugárzásának hatásai az élő szervezetekre .......... 13
1.4.2. Wi-Fi eszközök sugárzása hatásainak vizsgálatai ......................................... 16
1.4.3. Az elektromágneses terek hatásainak vizsgálatai a kognitív működésre ...... 22
2. Problémafelvetés és Célkitűzések ................................................................................. 27
3. Egyedileg tervezett Wi-Fi besugárzó rendszer humán vizsgálatokra: Felépítése és
dozimetriai mérések ............................................................................................................. 29
3.1. Bevezetés ............................................................................................................... 29
3.2. Anyagok és módszerek ......................................................................................... 31
3.2.1. A Wi-Fi besugárzó rendszer felépítése .......................................................... 31
3.2.2. A Wi-Fi besugárzó rendszer dozimetriája ..................................................... 33
3.3. Eredmények ........................................................................................................... 38
3.3.1. Elektromágneses térerősség és a Wi-Fi besugárzó rendszer karakterisztikája ..
....................................................................................................................... 38
4. Akut Wi-Fi besugárzás hatásának vizsgálata az EEG hullámtevékenységre és a
kognitív teljesítményre ........................................................................................................ 46
4.1. Bevezetés ............................................................................................................... 46
4.2. Vizsgálati személyek és módszerek ...................................................................... 47
4.2.1. Vizsgálati személyek ..................................................................................... 47
4.2.2. Besugárzó rendszer és dozimetriai mérése .................................................... 47
4.2.3. A vizsgálat menete ......................................................................................... 47
4.2.4. Az adatok elemzése ....................................................................................... 54
4.3. Eredmények ........................................................................................................... 56
4.3.1. Akut Wi-Fi besugárzás hatása sEEG hullámtevékenységre .......................... 56
4.3.2. A besugárzás hatása a vigilanciára ................................................................ 58
ii
5. Az eredmények közös összefoglalása ........................................................................... 62
6. Összefoglalás ................................................................................................................ 73
7. Summary ....................................................................................................................... 74
8. Köszönetnyilvánítás ...................................................................................................... 75
9. Irodalomjegyzék ........................................................................................................... 76
10. Saját publikációs jegyzék ............................................................................................. 89
1
RÖVIDÍTÉSJEGYZÉK
ACK – acknowledgement, visszaigazoló csomag
A/D converter – analogue-digital converter, analóg-digitális konverter
AP – access point, elérési pont
CCK – complementary code keying, kiegészítő kód kulcs
CDMA – code division multiple access, kódosztásos multiplexálás
CU – client unit, kliens egység
DC signal – direct current signal, egyenirányított jel
DECT – digital enhanced cordless telecommunication, digitális továbbfejlesztett vezeték
nélküli telefon
DSSS – direct-sequence spread spectrum, direkt sorrendű szórt spektrum
EEG – elektroenkefalográfia, elektroenkefalogram
EM – electromagnetic, elektromágneses
EMF – electromagnetic field, elektromágneses tér
EOG – electro-oculogram, elektrookulogram
ERD – event related desynchronization, eseményhez kötött deszinkronizáció
ERP – event related potential, eseményhez kötött potenciál
ERS – event related synchronization, eseményhez kötött szinkronizáció
FHSS – frequency-hopping spread spectrum, frekvenciaugrásos szórt spektrum
FFT – fast Fourier transform, gyors Fourier-transzformáció
GSM – global system for mobile communication, második generációs (2G)
mobilkommunikációs szabvány
IARC – International Agency for Research on Cancer, Nemzetközi Rákkutató Ügynökség
2
ICRP – International Commission on Radiation Protection, Nemzetközi Sugárvédelmi
Bizottság
ICNIRP – International Commission on Non-Ionizing Radiation Protection, Nem-ionizáló
Sugárvédelem Nemzetközi Bizottsága
IEEE – Institute of Electrical and Electronics Engineers, Villamos- és Elektronikai
Mérnökök Intézete
LAN – local area networking, helyi hálózat
LTE – Long-Term Evolution, „hosszútávú fejlődés” negyedik generációs (4G)
mobilkommunikációs szabvány
MH – mikrohullám
MIMO – multiple-input and multiple-output, többszörös bemenet és többszörös kimenet
MMN – mismatch negativity, eltérési negativitás
mPCI – mini peripheral component interconnect, mini perifériás alkatrészeket összekötő
(sín)
MR – magnetic resonance, mágneses rezonancia
OFDM – orthogonal frequency-division multiplexing, ortogonális frekvencia-osztásos
multiplexálás
PC – personal computer, személyi számítógép
POE – power over Ethernet, Ethernet porton keresztüli tápellátás
PVT – Psychomotor Vigilance Test, Pszichomotoros Vigilancia Teszt
rANOVA – repeated measures analysis of variance, ismétléses varianciaanalízis
RF – radio frequency, rádiófrekvencia
RFID – radio frequency identification, rádiófrekvenciás azonosítás
RT – reaction time, reakcióidő
RTM – rövidtávú memória
SAR – specific absorption rate, specifikus sugárelnyelődési ráta
3
sEEG – spontán elektroenkefalogram
TCP – transmission control protocol, átviteli vezérlő protokoll
TDMA – time division multiple access, időosztásos többszörös hozzáférés
UDP – user datagram protocol, felhasználói datagram protokoll
UHF – ultra high frequency range, ultramagas frekvenciatartomány
UMTS – universal mobile telecommunication system, harmadik generációs (3G)
mobilkommunikációs szabvány
UTP – unshilded twisted pair, csavart érpár
VAS – Visual Analogue Scale, Vizuális Analóg Skála
WHO – World Health Organization, Egészségügyi Világszervezet
WLAN – wireless local areal network, vezeték nélküli helyi hálózat
Wi-Fi – Wireless-Fidelity, vezeték nélküli elektromágneses adatátviteli szabványok (IEEE
802.11 a/b/g/n/ac) gyűjtőneve
4
1. BEVEZETÉS
Az elektromágneses (EM) sugárzás életünk mindennapos velejárója. Létezik egy állandó
természetes háttérsugárzás a látható fény tartományán kívül, amely helytől, napszaktól és
évszaktól független, ~3 K intenzitású kozmikus háttérsugárzás (Penzias és Wilson, 1965).
Az emberi szervezet működése olyanformán alakult, hogy a természetben fellépő, átlagos
mértékű EM hatások közvetlenül nem befolyásolják az életfolyamatokat. Napjainkban
előfordulhat, hogy a természetes sugárzás jellemzői viszonylag rövid időn belül változnak
(például az ultraibolya-sugárzás intenzitása), és a megváltozott környezeti hatások
befolyásolják az élő szervezetek reakcióit.
A mesterséges sugárforrások megjelenésével, azok folyamatosan növekvő expozíciójával
azonban számottevően megváltozott az élő szervezetek, közöttük az emberi szervezet
reagálása az EM hatásokra. A mesterségesen keltett környezeti EM sugárterhelés az utóbbi
40 évben a mikrohullámú (MH) és rádiófrekvenciás (RF) tartományban mintegy
350-szeresére nőtt. Napjainkban a városi lakosság hozzávetőlegesen, átlagosan 5 nW/cm2
teljesítménysűrűségben él (Gandhi, 2002; Thuróczy és Bakos, 2002), amely intenzitás több
nagyságrenddel alatta van a Nem-ionizáló Sugárvédelem Nemzetközi Bizottsága által előírt
egészségügyi határértékeknek (ICNIRP, 1998). Azonban a lakosság egyre nagyobb része
van, illetve lesz a közeljövőben kitéve huzamosan az igen alacsony frekvenciás (300 Hz
alatti, Extremely Low Frequency - ELF) EM terek és a RF sugárzás együttes hatásának
(például a hálózati áram vezetékei és átalakító berendezései, rádiófrekvenciás átjátszók)
(Thuróczy, 2002). Ezzel párhuzamosan jelentősen növekszik a beltéri EM források száma is
(például irodatechnikai eszközök, vezeték nélküli berendezések). Az elmúlt években a mobil
hírközlés robbanásszerű fejlődése is − a korábbiakhoz képest − nagyságrendekkel nagyobb
EM kitettséget jelent a felhasználók számára.
A mobiltelefonokat illetően 2014-ig 6,9 milliárd előfizetést regisztráltak1. 2015-2016-ban
évente további közel 2 milliárd készüléket értékesítettek világszerte2. Tehát 2016 végéig
nagyságrendileg 11 milliárd mobiltelefon állt az emberek rendelkezésére. Az előrejelzések2
szerint az elkövetkező két év során évente szintén megközelítőleg 2-2 milliárddal fog
növekedni a mobiltelefonok száma, ami 2018 végéig várhatóan közel 18 milliárd készüléket
fog jelenteni.
1 http://www.who.int/mediacentre/factsheets/fs193/en/ 2 http://www.gartner.com/newsroom/id/3187134
5
Ezzel párhuzamosan, még elképesztőbb tempóval növekszik a Wi-Fi eszközök terjedése,
használata. 2006-ra a Wi-Fi kompatibilis integrált áramkörök gyártása elérte az éves 200
millió darabot. Az elmúlt egy évtized alatt a növekedés olyan, sosem látott mértékűvé vált a
Wi-Fi technológiákat használó eszközök esetében, hogy 2016 végére közel 15 milliárd
eszköz került piaci forgalomba3. Az előrejelzések4 szerint ezen eszközök eladása a
következő két évben, évente megközelítőleg 4 milliárddal fog növekedni, így a
mobiltelefonok forgalmazásának közel duplája várható. 2018 végére tehát a mobiltelefonok
18 milliárdos forgalmához képest 23 milliárdos nagyságrendű lesz. Fontos kutatási területté
vált tehát − a számos mobiltelefonos hatásvizsgálatot követően − a Wi-Fi technológiákat
használó eszközök által keltett EM terek potenciális humán biológiai hatása.
A mobilkommunikációs eszközök használatának rohamos növekedése miatt az
Egészségügyi Világszervezet (World Health Organization, WHO) is vizsgálatokat kezdett a
lehetséges hatások feltárása céljából. Mobiltelefonok esetében generált 450-2700 MHz
frekvenciatartományba eső, 0,1-2 W teljesítménnyel rendelkező EM tereket vizsgálták, a
sugárzó eszközöket a felhasználótól 30-40 cm-re elhelyezkedően a közeltérben. Az
eredmények úgy összegezhetők, hogy bár a keletkező EM tér energiája viszonylag
alacsonyabb, és nem okoz inter- és intramolekuláris kötésfelhasításokat, azonban ezek a
nem-ionizáló sugárzások mégis képesek lehetnek megváltoztatni az érintett biológiai
rendszer energiaháztartását, normál működését. Mind ezek fényében a WHO a korábbi
vizsgálatokon (IARC, 2011) alapulva, a Nemzetközi Rákkutató Ügynökséggel (International
Agency for Research on Cancer, IARC) együttműködve 2011. május 31-én a
rádiófrekvenciás elektromágneses tereket (EMF) illetően a következő ajánlást hozta: az
emberi szervezetre potenciálisan karcinogén hatású, 2B kategória (WHO, 2011). Valamint
az Európai Bizottság által létrehozott European Health Risk Assessment Network on
Electromagnetic Fields Exposure (EFHRAN, 2012) hálózata törekszik összefogni az EMF
sugárzás egészségügyi kockázatait vizsgáló európai kutatócsoportokat, és kollaborációs
kapcsolatokat kialakítani nemzetközi szervezetekkel. 2012-es jelentésükben összegyűjtötték
és értékelték az elmúlt 30 évben e témakörben született kutatási eredményeket. A Scientific
Committee on Emerging and Newly Identified Health Risks (SCENIHR, 2012) bizottsága
kutatásmódszertani ajánlása pedig pontos útmutató az újonnan felmerülő egészségügyi
kockázatok megbízható tudományos vizsgálatának kialakításához.
3 http://www.wi-fi.org/news-events/newsroom/wi-fi-device-shipments-to-surpass-15-billion-by-end-of-2016 4 https://www.abiresearch.com/press/abi-research-anticipates-more-20-billion-cumulativ/
6
Kutatásunk kurrens jellegéhez az is hozzájárul, hogy bár 2010 előtt a figyelem
középpontjában az akkor még nagyobb számban jelenlévő mobiltelefonok álltak, a velük
egy időben Wi-Fi technológiákat használó eszközök egy jó része szintén a korábbi
vizsgálatokban leírt paraméterekkel jellemezhető. A 2,4 GHz (pontosan 2412-2472 Hz)
frekvenciatartományban működő eszközök számára a Magyar Nemzeti Média és Hírközlési
Hatóság (NMHH, 2012) 100 mV-ban (0,1 W) maximalizálta a kimeneti teljesítményt.
Mindezeken alapulva tehát abból a munkahipotézisből indultunk ki, hogy a WHO által
szorgalmazott vizsgálatokban korábban kimutatott, potenciálisan módosító EM hatáshoz
hasonló, bár jelmodulációjában valamelyest eltérő Wi-Fi eszközök által keltett EM tér is
kölcsönhatásba léphet más bioelektromosságra épülő rendszerekkel, például az emberi agy
működésével, és megváltoztathatja egyensúlyi állapotát (amiről a regisztrált EEG
informálhat), ezáltal módosító hatással lehet a reakcióidőre (RT), illetve a RT mögött álló
kognitív teljesítményre is.
1.1. Elektromágneses terek
1.1.1. Elektromágneses spektrum
A sugárzás a frekvenciától függően ionizáló vagy nem-ionizáló. Ionizáló hatás csak 3 PHz
feletti frekvenciákon, azaz a távoli ultraibolya spektrumban lép fel, a sugárzás hullámhossza
<100 nm. Az élő szervezetre az ilyen sugárzásoknak károsító, a molekulákat roncsoló hatása
ismert. A nem-ionizáló elektromágneses sugárzások spektrumában az optikai sugárzásnak a
100-400 nm (3-0,75 PHz) közé eső része az ultraibolya (UV-C, UV-B, UV-A), 400-800 nm
(750-375 THz) a látható fény tartománya, 800 nm-1 mm (375-0,3 THz) az infravörös
spektrum (IR-A, IR-B, IR-C). Mikrohullámú és rádiófrekvenciás sugárzások (1 mm-1000
m, 300 GHz-0,3 MHz) közül tájékozódásként említeném az ultra-magas (10-100 cm, 3-0,3
GHz, például mikrohullámú sütő, mobiltelefon, Wi-Fi berendezések), magas (10-100 m, 30-
3 MHz) és közép frekvenciát (100-1000 m, 3-0,3 MHz). Az alacsony frekvenciás mágneses
terek tartományát illetően példaként hozható az alacsony frekvencia (1-10 km, 300-30 kHz,
például egyes számítógép monitorok) és az extrém alacsony frekvencia (>1000 km, 100-300
Hz, például a háztartási elektromos hálózat) (Finta, 2007; Thuróczy és mtsai., 2004).
7
1.1.2. Dozimetriai alapfogalmak
A MH és RF sugárzások biológiai hatásai kapcsán az elméleti villamosságtanban szokásos
definíciók is használatosak: elektromos térerősség (E, V/m), mágneses térerősség (H, A/m),
teljesítménysűrűség (S, W/m2, illetve mW/cm2), amelyek a szabad térben mérhető értékeket
adják meg. A MH és RF sugárzások térerőssége a távolsággal arányosan,
teljesítménysűrűsége a távolsággal négyzetesen csökken.
A biológiai objektumban, például az emberi testben elnyelt dózis fogalmára egységesen a
fajlagosan elnyelt teljesítmény, az úgynevezett SAR (Specific Absorption Rate) használatos,
amely megadja az egységnyi tömegben elnyelt teljesítmény nagyságát W/kg-ban, illetve
mW/g-ban. Az energia elnyelődésének mértékét döntően a sugárzás frekvenciája, valamint
az objektum víztartalma, illetve alakja határozza meg. A víztartalomtól függően az
objektumban elnyelt EM sugárzás hullámhossza és behatolási mélysége változó. Behatolási
mélységen azt a távolságot értjük, ahol az EM térerősség, az elnyelt teljesítmény a felszínhez
képest 13,5%-ra csökken. Az emberben elnyelt átlagos SAR meghatározása általában
modellek alkalmazásával történik, amely alapján az egységnyi teljesítménysűrűségre
vonatkoztatott (mW/g)/(mW/cm2) frekvenciafüggő értékek megadása elfogadott (Thuróczy,
2002).
1.1.3. A WLAN, Wi-Fi bemutatása
A vezeték nélküli helyi hálózati (Wireless Local Area Networking, WLAN) eszközök
használata napjainkra igencsak elterjedt kommunikációs formává vált. A WLAN
technológiát használják eszközök közötti adatátvitelben (például Wireless Fidelity, Wi-Fi),
továbbá helyi hálózatok (Personal Area Network, Local Area Network) létrehozásában, vagy
akár nagy távolságú hálózatok (Metropolitan Area Network, Wide Area Network)
kialakításában. A Wi-Fi kifejezés bizonyos vezeték nélküli elektromágneses adatátviteli
szabványok (IEEE 802.11 a/b/g/n/ac) hétköznapi gyűjtőneve. A vezeték nélküli LAN
technológia óriási növekedésének lehettünk szemtanúi az elmúlt tíz év során. A kezdetek
1888-ra tehetők, amikor Hertz felfedezte a rádióhullámokat. Ezt követték 1894-ben Marconi
kezdeti kísérletei rádióhullámok továbbítása és vétele terén. A XX. században a rádiós
kommunikáció és a radartechnológia felbecsülhetetlen értékűvé vált a hadászatban, ami a
szórt spektrumú technológiák fejlődését is magával hozta. Az első csomag-kapcsolt vezeték
nélküli hálózatot, az ALOHANET-et, a Hawaii Egyetem kutatói fejlesztették ki 1971-re. Hét
számítógépet telepítettek négy szigetre, amelyek egy központi géppel kommunikáltak csillag
8
topológia használatával. Mérföldkő volt a kereskedelmi WLAN hálózatok számára 1985,
amikor az Amerikai Szövetségi Távközlési Bizottság (Federal Communications
Commission, FCC) engedélyezte a kísérleti ipari-tudományos-orvosi rádiósávok gazdasági
célú használatát a szórt spektrumú technológiák számára. Ezeket a sávokat használva a
szabadalmaztatott WLAN eszközök számos generációját fejlesztették ki, többek között a
BellLabs-féle (New Jersey, Amerikai Egyesült Államok) Wave-LAN-t is. Ezek az eszközök
kezdetben drágák voltak, és telepítésük is meglehetősen nehéz volt. A félvezető technológiák
fejlődésével és a WLAN IEEE 802.11 szabvány bevezetésével drámaian csökkenni kezdtek
a költségek, és egyre elfogadottabbá vált maga a WLAN technológia is. Az egyre növekvő
kereskedelmi érdeklődés hatására 1999-ben megalakult a Wi-Fi Szövetség (Wi-Fi Alliance),
ami különböző gyártók szigorú tesztjeit követően biztosítani tudta az IEEE 802.11 eszközök
közötti átjárhatóságot.
A mai WLAN termékek és rendszerek döntő többsége az IEEE 802.11 b és IEEE 802.11 g
szabványokon, illetve az IEEE 802.11 a szabvány módosított változatán alapul, ez pedig a
teljesítmény növekedéséhez vezet az eredeti IEEE 802.11 szabványnak a TCP/IP hálózati
modell5 szerinti fizikai rétegéhez képest. A WLAN technológia további fejlődése az IEEE
802.11 n szabvány kifejlesztésével folytatódott. A megnövekedett adatátviteli sebességet a
többszörös bemenet-többszörös kimenet (multiple-input and multiple-output, MIMO)
koncepciójával sikerült megvalósítani. 2004-ben az Atheros (Kalifornia, Amerikai Egyesült
Államok) cég bemutatta, hogy 40 MHz-en működő eszközök szinte azonos költségen
állíthatók elő, mint 20 MHz-esek. Ezzel közel azonos időben az Amerikai Szövetségi
Távközlési Bizottság és az Európai Telekommunikációs Szabványügyi Hivatal (European
Telecommunications Standards Institute, ETSI) az 5 GHz-es sávra új szabályozást vezetett
be, és egy további 400 MHz-es szabad sávot engedélyezett a kereskedelmi WLAN hálózatok
számára. Mindezek kövezték ki az utat a 40 MHz-el működő IEEE 802.11 n szabvány
elfogadásához egyre szélesebb körben, valamint az egyre nagyobb népszerűségnek örvendő
IEEE 802.11 ac szabvány kifejlesztéséhez.
5 https://technet.microsoft.com/en-us/library/cc958821.aspx
9
1.2. A kognitív teljesítmény mérési módszerei
1.2.1. A reakcióidő típusai és mérése
A reakcióidő (reaction time, a továbbiakban RT) mérés egy gyakran választott és hatékony
módszer a pszichológiai és kognitív folyamatok jellemzéséhez, mivel objektív, mérhető
viselkedési adatokat szolgáltat az összehasonlításokhoz és értelmezésekhez.
Definíciószerűen a RT az adott inger megjelenésétől a kívánatos válasz megjelenéséig tartó
idő hossza milliszekundumban. A RT a pszichomotoros aktivitás egyik jellemzője. Előre
kialakított, részletes, jól kontrollált körülmények között javasolt a mérése, amikor az
ingereseményt és a kívánatos választ is előre meghatározzuk a vizsgálati elrendezésben. A
reakcióidő mérésének számos különböző fajtája ismert az inger- és a válaszdimenzió
sajátosságai mentén. Az ingerek fajtája, vagyis az adott elrendezésben ingerelt receptorok
szerint megkülönböztetünk vizuális, akusztikus, taktilis, ízlelési, szaglási, hő- vagy
fájdalomingerre adott RT fajtákat. Egy-egy modalitáson belül is többféle ingertulajdonság
mentén vizsgálódhatunk, például a válaszreakció változását illetően az inger intenzitása,
terjedelme, téri elhelyezkedése függvényében. A válasz regisztrálása tekintetében is számos
lehetőség áll rendelkezésre. Talán a leggyakrabban használt a manuális válaszadási
elrendezés (például egy gomb lenyomása), de lehetőség van egyéb végtagokkal, vagy
vokálisan adott válaszok mérésére, vagy fiziológiai változások regisztrálására. A háttérben
zajló folyamatokról még részletesebb képet ad a több RT dimenzióban kapott értékek
összehasonlítása, például a válaszok idői megjelenése, intenzitása, idői lefutása. A RT-t az
inger- és válaszváltozókon kívül számos egyéni, organikus és személyi változó is
befolyásolhatja. Például a vizsgálati személyek egyéni motivációs szintje, aktuális ébersége,
a feladattal és a teljesítményhelyzettel kapcsolatos elvárásai, attitűdje, specifikus figyelmi
beállítódása, a feladattípusban gyakorlottsága, az életkora, kognitív képességeinek
színvonala, fizikai jellemzők és a szocio-ökonómiai státusz is. Ezen különbségek esetében
bizonyos tekintetben törekszünk a homogenitásra (például amikor arra kérjük a vizsgálati
személyeket, hogy a vizsgálat előtti 24 órában ügyeljenek a megfelelő mennyiségű pihenésre
és az alkoholtól való tartózkodásra), más esetekben éppen a különbözőségek mentén történő
összehasonlítás a cél. Bizonyos vizsgálati elrendezésekben pedig a hangsúlyt az egyéni
különbségek mellett is megjelenő csoportszintű változási tendenciákra helyezzük (Kondé,
2015).
10
A RT alaptípusainak meghatározása az adott vizsgálati helyzetben végrehajtandó feladat
alapján történik. Az alábbiakat különböztetjük meg (Donders, 1969):
• Egyszerű RT: az előre meghatározott inger megjelenésére kell a lehető leggyorsabb
válaszadással reagálni az előre megadott módon. A későbbi PVT vizsgálatban arra
kértük a vizsgálati személyeket, hogy a képernyőn egy piros korong megjelenésére
a lehető leggyorsabban válaszoljanak egy billentyű lenyomásával.
• Választásos RT: két vagy több inger megjelenése esetén minden ingerre a különböző,
előzetesen hozzárendelt válasszal kell reagálni. Például a Stroop-teszt esetén a
különböző színeknek megfelelő gomb minél gyorsabb lenyomásával.
• Szelektív vagy Go/No-Go RT: két vagy több ingert egyesével exponálunk, és a
vizsgálati személy feladata az, hogy az egyik, célzott ingerre válaszoljon például
gomblenyomással, a másik/többi inger esetén ne nyomjon semmit, tehát ne
produkáljon választ (válaszgátlás).
A RT alaptípusaira épülve számos RT mérési variációt dolgoztak ki. Például a két
választásos RT feladatot kombináló feladatváltási, vagy a szelektív RT-re épülő stop-szignál
feladatot. Az alaptípusok kombinációjára is van lehetőség, mint például a választásos és
szelektív RT feladat együttesére épülő előfeszítéses (priming) helyzet. Mivel az utóbbi
paradigmák a mi vizsgálatainkhoz nem kapcsolódnak szervesen, nem térünk ki ezek
részletezésére, ahogyan az RT alaptípusoktól már valamelyest eltérő további lehetőségekre
(például diszkriminációs feladatok) sem (Woodworth és Schlosberg, 1954). A
pszichomotoros aktivitás minőségének meghatározásához használatos eszközök közül azért
az egyszerű RT mérést választottuk a Wi-Fi besugárzás magatartási hatásainak méréséhez,
mert az előzetes irodalmi adatok és saját meglátásunk szerint is egyszerű és reprodukálható
vizsgálati elrendezés alakítható ki vele.
1.2.2. Vigilancia
A vigilancia kifejezés összefoglalóan éberséget, hosszan fenntartott figyelmet jelent
(Czigler, 2007). A vigilancia terminust Head (1920) angol neurológus vezette be, aki ezalatt
a fiziológiai szempontból maximális hatékonyság fenntartott állapotát értette. Mackworth
(1970) megfogalmazása szerint a vigilanciáról olyan állapotként gondolkodhatunk, amely
lehetővé teszi azt, hogy bizonyos (kisebb) intenzitású, véletlenszerűen megjelenő környezeti
ingerekre meghatározott módon válaszoljunk. A vigilancia feladatokban a figyelmi
teljesítményt szokásosan a találati aránnyal, a reakciók latenciaidejével, a reakció szignál
11
hosszúságával, az ismétlődések számával, a kihagyások és a téves riasztások számával,
illetve ezek arányaival fejezik ki. A szignáldetekciót és a fenntartott figyelmet befolyásoló
és módosító tényezők kutatását már a második világháború idején elkezdték, majd az 1960-
70-es években született több, máig is érvényes eredményeket és következtetéseket hozó
vizsgálat. A modern kutatások a figyelem különböző aspektusaival kapcsolatban az
alkalmazott területekről érkező kérdések mentén szerveződtek. Napjainkban egyre inkább a
hatékonyság hátterében álló idegrendszeri folyamatok azonosítása a fókusz. A fenntartott
figyelmi teljesítmény vizsgálatára, számos egyéb kidolgozott feladathelyzet mellett,
klasszikusan a Mackworth-féle óratesztet említeném. A közel két órán át tartó elrendezésben
egy óralapon másodpercenként ugró mutató dupla ugrásait kell detektálni, és egy gomb
lenyomásával jelezni. A radarjelzéshez hasonló helyzeteket – amikor egy homogén háttéren
jelenik meg egy más színű folt – is gyakorta alkalmazták. Ezeknél és ezekhez hasonló
feladatoknál is megfigyelték, hogy körülbelül fél óra után a teljesítmény, tehát a vigilancia,
jellemzően csökkenni kezd, az idő előre haladtával pedig, bár kisebb arányban, de még
tovább csökken. Az egyes jelzőingerekre lebontott részletes elemzés alapján a teljesítmény
kezdettől lassuló ütemű csökkenést mutat (Jerison, 1963). A vigilancia csökkenésének
hátterében több tényező együttesen áll. Az egyik legszembetűnőbb tényező az idő előre
haladtával az aktiváció csökkenése, hétköznapi megfogalmazásban az unalom kialakulása.
Csökkenti az összteljesítményt a visszajelzések hiánya is. Ezzel szemben lassítja a
teljesítményromlást a jó válaszok esetén adott pozitív, hibás válaszok esetén a negatív
megerősítés. Broadbent (1971) nyomán figyelmet érdemel a szükségszerű válaszgátlás
esetleges kiterjedése a hasonló ingerekre, illetve a figyelmi szűrő természetes labilitása.
Mackworth (1969) felhívta még a figyelmet a habituáció jelenségére, Deese (1955) az
elvárások változásainak szerepére. Smith (1966) rámutatott a csökkenő motiváció
teljesítményrontó hatására, illetve hullámzó belső motiváció esetén a külső motiváló
lehetőségek teljesítménynövelő hatására.
1.3. Elektroenkefalográfia alapfogalmai, az EEG-jel keletkezése
Hans Berger (1929) német pszichiáter nevéhez köthető elsőként elektromos aktivitás
regisztrálása emberi fejbőrről kísérletes körülmények között. A módszer az
elektroenkefalográfia (EEG) elnevezést kapta. Az EEG egy olyan elektrofiziológiai eljárás,
amely az idegsejtek elektromos aktivitásának valós idejű rögzítésérése alkalmas. Az EEG
jel (elektroenkefalogram) legnagyobb valószínűség szerint több ezernyi neuron egyazon
időben történő tüzelésének az eredményeképpen detektálható. Az agykéregben a felszínhez
12
közel elhelyezkedő piramissejtek alkotta szinaptikus funkcionális egységek dendritfáin
végbemenő posztszinaptikus potenciálváltozások generálják a µV-os nagyságrendű szignált.
Ehhez elengedhetetlen a sejtek bizonyos geometriai konfigurációja, hogy a koponya
felszínére merőlegesen, egymással párhuzamosan, open filed szerveződésben
helyezkedjenek el (Kéri és Gulyás, 2003). Ez által a dendrit depolarizáció és a megváltozott
extracelluláris ioneloszlás következtében keletkezett mikrofeszültségek összeadódnak,
felerősítik egymást, és lehetővé válik a jel elvezetése. Az EEG lényegében egy periodikus
görbe, ami komplex módon, több hullámkomponensből áll, és változásai megfeleltethetők
különböző mentális állapotoknak, folyamatoknak. Az alfa aktivitást az agy
„alapritmusának” nevezik, nyugalmi állapotban a legjellemzőbb, amikor 8-12 Hz-es
frekvenciatartományba eső, viszonylag nagy amplitúdójú (30-50 µV) hullámok dominálnak.
Amellett, hogy Berger feltételezte, hogy az alfa komponens jellemzően kapcsolódik a
figyelmi folyamatokhoz, később kimutatták, hogy szerepe van a memória és munkamemória
feladatok során az aktív gátló folyamatokban is (Klimesch, 1999). Stimuláció hatására,
legyen az például akár egy egyszerűbb fényinger a szem nyitásakor, vagy egy összetettebb
mentális megpróbáltatás, ritmusváltás következik be, egy nagyobb frekvenciájú (13-30 Hz),
kisebb amplitúdójú (<20 µV) hullámkomponens, a béta-aktivitás veszi át a főszerepet.
Amellett, hogy a béta aktivitás Berger szerint az agy anyagcserefolyamataival is
összefüggésben áll, kognitív folyamatokban, mozgáskontrollban betöltött szerepe is
bizonyítást nyert (Engel és Fries, 2010), valamint az éberségben betöltött vivőfrekvenciás
szerepét is több vizsgálat alátámasztotta (Kaminski és mtsai., 2012). Amellett, hogy az EEG
jelben az alfa és béta aktivitás a legmeghatározóbb, más frekvenciájú és amplitúdójú
hullámkomponensek is megtalálhatóak. Ezeknek a komponenseknek a megjelenése és
aránya az éberségi szint függvénye. Fokozott éberség – például összetettebb inger- és
információfeldolgozás – esetén magas frekvenciájú, alacsony amplitúdójú komponensek
(gamma, 30-50 Hz, <10 µV) dominálnak. REM alvás, meditáció, relaxáció, hipnózis esetén
és kisgyermekkorban a jelben alacsonyabb frekvenciájú és amplitúdójú (théta, 4-7 Hz, <30
µV) hullámkomponens van jelen. A théta-oszcilláció tanulási és memóriafolyamatokkal
való kapcsolatát számos tanulmány alátámasztja (Gruber és mtsai., 2013; Guderian és mtsai.,
2009), emellett fontos szerepet játszik az érzelemfeldolgozásban (Cahn és mtsai., 2013),
valamint a jutalommal kapcsolatos ingerfeldolgozásban (Gruber és mtsai., 2013) is. A
mélyalvás fázisában a legalacsonyabb frekvenciájú és legnagyobb amplitúdójú hullámok
(delta, 0,5-3,5 Hz, 100-200 µV) dominálnak. Egy adott mentális, éberségi állapotban az EEG
felvételen tehát mindegyik hullámkomponens jelen van, azonban különböző mértékben és
hangsúllyal. A Fourier-analízis módszerrel lehetővé válik a komplex EEG-görbe
13
komponenseire bontása. A feldolgozás során a konkrét időablak meghatározásával az EEG
szignál időben változó amplitúdójának (teljesítményének) és fázisának meghatározását lehet
elvégezni az egyes frekvenciatartományokban. Az alapfogalmak között fontos még
definiálni a deszinkronizációt, amikor egy nagyobb amplitúdójú és kisebb frekvenciájú
hullámot egy kisebb amplitúdójú és nagyobb frekvenciájú váltja fel (például az alfa aktivitást
a szem kinyitásakor béta aktivitás követi). A folyamat ellenkező irányú változását jelöli a
szinkronizáció elnevezés, például a munkamemória működésében az alfa szinkronizáció
(Klimesch és mtsai., 2010), illetve a figyelmi szelektivitáshoz társított delta szinkronizáció
(Lakatos és mtsai., 2008).
Lehmann-féle P-energia elméletre alapozva, Mosso pletizmográfiás vizsgálati módszerével
Berger rámutatott egy érdekes jelenségre, miszerint az agyi vérátáramlás megváltozását
megelőzi az EEG szignál változása (Millett, 2001). Ezáltal az EEG jobb és precízebb időbeli
felbontást tesz lehetővé, mint a modern képalkotó eljárások, például a pozitronemissziós
tomográfia (PET) vagy a funkcionális mágneses rezonancia (fMRI) vizsgálat. Hatalmas
előnye mellett, hogy milliszekundumos mérésekre is lehetőséget biztosít, jókora hátránya a
lokalizáció szempontjából sokkal pontosabb technológiákhoz képest a jóval gyengébb
térbeli felbontás.
1.4. Elektromágneses terek biológiai hatásai
1.4.1. Az elektromágneses terek sugárzásának hatásai az élő szervezetekre
A biológiai rendszerekben az EM terekkel fellépő kölcsönhatások vizsgálatának lehetőségei
egyre bővülnek a molekuláris szintű elektromos, elektrokémiai folyamatok egyre
részletesebb ismeretei által. Az eddigi neurofiziológiai vizsgálatok egy részének fókuszában
az EM sugárzás sejtmembránnal történő kölcsönhatásainak mérése, a Ca2+ ion szerepének
tisztázása volt. A Ca2+ ionoknak fontos szerepük van az agyszövet fiziológiai és metabolikus
folyamataiban. Lin (1989) vizsgálataiban bizonyította, hogy az amplitúdó-modulált RF és
MH tér növelte a Ca2+ kiáramlást. Más vizsgálatokban az EM sugárzás idegrendszeri hatásai
hátterében többek között a vér-agy gát permeabilitásának megváltozását tartják. Erre
vonatkozóan eddig állatkísérletes eredmények születtek (Thuróczy, 2002). A kezdeti
kutatások alapkérdése a nagyfrekvenciás sugárzások hőhatásának (az expozíció
hőmérsékletemelkedéssel jár, 2-8 mW/g felett, 1°C-nál nagyobb hőmérsékletemelkedést
okozva), a biológiai rendszerek termikus, termoregulációs reakcióinak vizsgálata volt.
14
Napjainkban további újabb kérdéseket vet fel az EM sugárzások hőhatással nem járó,
atermális (nincs hőmérsékletemelkedés a termoreguláció miatt, 0,5-2mW/g között), illetve
nem-termális (nincs hőmérsékletemelkedés, a termoreguláció nem érintett, 0,5 mW/g alatt)
hatása. Az élő szervezetre kifejtett potenciális biológiai hatások függhetnek az adott
objektum fiziológiai paramétereitől, a frekvenciafüggő elnyelési képességétől, tehát
ugyanazon SAR-értékhez különböző levegőben mérhető teljesítménysűrűség is tartozhat,
ezért különösen nehéz megítélni a sugárzásokból keletkező elnyelt teljesítmény pontos valós
értékeit (Thuróczy, 2002). A hatásokat továbbá befolyásolja az élő szövetek szerkezete,
egyedi és változó mágneses tulajdonságaik (Binhi és Rubin, 2007). Henderson és Bangay
(2006) azt vizsgálták, hogy milyen erősségű EM sugárzás mérhető második (2G) és
harmadik (3G) generációs mobiltelefon-bázisállomásoktól 50-500 méter távolságokban.
Mérési eredményeik szerint a sugárzási szint minden esetben jóval az egészségügyi
határértékek (ICNIRP és Ausztrál RF standard) alatt maradt. Otto és von Muhlendahl (2007)
metaanalízisükben azokat az eredményeket tekintették át, és értékelték, amik a gyerekek
sérülékenységét, gyerekkori daganatos betegségek kialakulásának rizikó tényezőit
vizsgálták az EM terek nem-hőhatás jellegű hatásai szempontjából. Juutilainen (2008)
áttekintő tanulmányában az extrém alacsony frekvenciájú (>=100 µT) EM terek
karcinogénekkel asszociált hatásával kapcsolatos kutatási eredményeket tekintette át.
Összegezve, együttes hatás esetén tovább növelik a daganatos megbetegedések
kialakulásának valószínűségét. Ahlbom és mtsai. (2009) összegző tanulmányukban
áttekintették azokat a vizsgálatokat, amelyek a mobiltelefonok EMF sugárzása és a rákos
megbetegedések közötti lehetséges kapcsolat kérdésével foglalkoznak. Mindamellett, hogy
több tanulmány emelkedett glioma-rizikót mutatott ki, összességében nem tárható fel oki
kapcsolat a hosszútávú (10 év) mobiltelefon-használat és a gyorsabb kialakulású
agytumorok előfordulása között. A hosszabb távú potenciális humán hatásokat illetően a
korábban említett 2011-es WHO ajánlás − az IARC átfogó tanulmányára (IARC, 2011, „The
Interphone Study”) hivatkozva − az RF EM tereket összességében az emberi szervezetre
potenciálisan karcinogén hatásúnak véleményezte, és a 2B kategóriába sorolta. A besorolást
azokra a mobiltelefonokkal kapcsolatos kutatásokra alapozták, amelyek szerint a glioma
(rosszindulatú agydaganat) rizikóját növeli az UHF mobiltelefonos sugárzás. Hardell és
mtsai. (2013) kutatásukban a kifejezetten hosszú idejű (10 év<) vezetéknélküli
telefonhasználat és malignus agytumor kialakulásának kapcsolatát vizsgálták. Ilyen
daganatos betegséggel diagnosztizált emberek mobiltelefon-használati szokásait,
demográfiai és a betegségük megjelenésével kapcsolatos adatait elemezték. Eredményeik
szerint már a néhány éves digitális vezeték nélküli telefonhasználat is megnöveli az
15
agytumor kialakulásának valószínűségét, különösen, ha jellemzően mindig a fejnek ugyanaz
az oldala van kitéve a sugárzásnak, és kitüntetetten érintett a temporális lebeny a magasabb
rizikóval kapcsolatban. Tehát eredményeik megerősítették a korábbi vizsgálatok
konklúzióját, miszerint az RF-EMF sugárzás szerepet játszik a karcinogenezis
kialakulásában és lefolyásának alakulásában. Borbely és mtsai. (1999) 2G mobiltelefon
készülék egész éjszakás sugárzásának hatását vizsgálták az alvó emberi agyra. Eredményeik
szerint a besugárzás alatt csökkent az alvást megszakító ébrenlétek hosszúsága, valamint az
EEG-vel mért spektrális teljesítmény emelkedett a non-REM alvás fázisokban 10-11 Hz és
13,5-14 Hz frekvenciatartományokban. Ezt úgy értelmezték, hogy ez a sugárzás akár
támogató is lehet az alvás szempontjából. Huber és mtsai. (2002) az EM terek hatását
vizsgálták éber és alvó EEG-re, 900 MHz-es pulzusmodulált illetve nem-modulált szignálok
esetében. Azt találták, hogy a moduláció kulcsszerepet tölthet be az esetleges módosító hatás
szempontjából. Modulált jel esetében nem csak az ébredéskori, lokális agyi vérátáramlás
változik meg, hanem az EEG-n az alfa frekvenciatartomány esetében
teljesítménynövekedést figyeltek meg az elalvás előtt, illetve a polisomnográfiás felvételen
változást az alvás-orsó frekvenciájával kapcsolatban a felszínes alvás (S2) szakaszában.
Mindemellett nem-modulált EMF esetében semmilyen változást nem detektáltak. Az alvást
megelőző 900 MHz-es modulált RF-EMF sugárzás hatását vizsgálták a non-REM alvásra
Schmid és mtsai. (2012) is, akik leírták, hogy − bár meglehetősen nagy egyéni különbségek
mellett − a 14 Hz-es besugárzás esetén az alvás-orsó frekvenciája szintén megnőtt az S2
szakaszban. Juhász és mtsai. (2011) hordozható személyi doziméter (térerősségmérő,
personal exposimeter, PEM), óvodai gondozók és iskolai tanárok segítségével mérték, hogy
a magyarországi oktatási intézményekben milyen mértékű és típusú EM sugárzás éri a
gyerekeket. Kontrollként irodákban dolgozó felnőtteknél végeztek méréseket. Eredményeik
szerint a legtöbb frekvenciatartományban a gyerekeket érő sugárzás mértéke a PEM mérési
határértéke alatt volt, valamint nem különböztek a munkahelyi irodákban mérhetőkétől. Egy
másik expoziméterrel végzett vizsgálatban 21 gyermek esetében, egy átjátszó állomás
közelében lévő lakásban mérték több, mint 3 hónapon át a hordozható készülékkel az
extrém-alacsony frekvenciás és RF-EMF (DECT vezeték nélküli otthoni telefon, Wi-Fi)
sugárzásnak kitettség mértékét. Az átlagolt értékek, a jellemző és legrosszabb helyzetek
esetében is a határértékek alatt voltak minden típusú sugárzás esetében (Valic és mtsai.,
2014).
16
Mindezek fényében különösen fontos és időszerű az EM sugárzások, ezen belül is a Wi-Fi,
mint rohamosan növekvő felhasználású technológia biológiai/humán szervezetre gyakorolt
hatásainak mind szélesebb körű, és minél részletesebb kísérletes vizsgálata.
1.4.2. Wi-Fi eszközök sugárzása hatásainak vizsgálatai
A mobiltelefonok mobilitás nyújtotta kényelmét alapul véve, a Wi-Fi-vel történő adatátvitel
internetes elérhetőséget is lehetővé tesz, nagyon alacsony költséggel, vagy akár anélkül. Az
internetszolgáltatásnak a vezeték nélküli adatátvitel csak az egyik formája, így az
internetezésnek ugyan nem szükséges feltétele a Wi-Fi használat, azonban ezen kívül
számos más hétköznapi helyen is használt. Például helyi hálózatok létrehozásában, eszközök
közötti adatátvitelben, akár már bizonyos háztartási eszközöknél is (Monebhurrun és
Letertre, 2009).
Állatkísérletek. A Wi-Fi eszközök rohamos terjedésével párhuzamosan a Wi-Fi
berendezések által kibocsájtott EM sugárzás mértékét és hatását élő szervezetre eddig
számos állatkísérletben vizsgálták. Patkányok esetében 2,4 GHz-es, 28 napon át tartó, 1
óra/nap EM sugárzás hatását, illetve a szelén és L-carnitin potenciális védő hatását a vérben.
Az eredményeikből levont következtetés az volt, hogy ez a típusú sugárzás oxidatív stresszt
okoz a vérben, és az L-carnitin ebből a szempontból protektívnek mutatkozott (Gumral és
mtsai., 2009). Pinto és mtsai. (2010) tanulmányukban egerek számára fejlesztett kettős
besugárzású, cellás elrendezésű Wi-Fi besugárzó rendszerük dozimetriáját ismertetik.
Meghatározzák a sugárzás elnyelődésének mértékét (SAR) és a helyes teljesítmény- és
dózisbeállításokat fejlődő egerekkel végzett kísérletek számára. Sambucci és mtsai. (2010)
egerek esetében vizsgálták a Wi-Fi sugárzás vemhességre gyakorolt hatását, és a B-sejtek
működését, lymphocyta termelést az utódokban. Tizenhat nőstény egeret három csoportba
osztottak: sugárzásnak kitett, szimulált besugárzás, kontroll csoport. 2,4 GHz-es
frekvenciájú, 4 W/kg SAR teljesítményű EM jelet alkalmaztak. A nőstény állatok
besugárzását 5 nappal a párzás után kezdték, naponta 2 órán át, 14 napon keresztül.
Eredményeik szerint a kontroll csoporthoz képest, a besugárzottaknál is normális volt az
anya/újszülött arány, valamint a testtömegük. Követték az utódok fejlődését 5-26 hetes
korig, amikor is elvégezték az immunológiai vizsgálatokat. Az így kapott eredmények a
három csoport között nem mutattak szignifikáns különbséget sem a B-sejtek számában, sem
az ellenanyag-termelés mértékében. Ennek a vizsgálatnak az eredményei szerint a 2,4 GHz
frekvenciájú EM besugárzás nincs hatással a vemhesség kimenetelére, vagy a korai és késői
B-sejt differenciálódásra, funkciójára. Következő vizsgálatukban újszülött egereket tettek ki
17
0,08 illetve 4 W/kg elnyelődésű Wi-Fi sugárzásnak a születésüket követően 5 héten át,
naponta 2 óra, 5 nap/hét időtartamra. A besugárzásnak sem a testsúlyban, sem a
fejlődésükben, sem a nemek között, sem pedig az immunológiai analízis által vizsgált
paraméterek tekintetében nem tudtak kimutatni lényegi módosító hatását (Sambucci és
mtsai., 2011). Egy másik vizsgálatban vemhes egerek besugárzását végezték három hétig,
három teljesítményszint (SAR: 0,08, 0,4, és 4 W/kg.) mellett. Az esetleges prenatális hatások
vizsgálata céljából a kölyköket császármetszéssel hozták világra, majd a szülőállatokat és az
utódok fejlődését egyaránt további 28 napig figyelték. Megfigyelésük nem hozott eredményt
az ajánlott határétékek alatti Wi-Fi EM tér bármiféle teratogén vagy posztnatális fejlődést
módosító hatását illetően (Poulletier de Gannes és mtsai., 2012). Továbbá vizsgálták a
Wi-Fi EM tér lehetséges hatását patkányok esetében a szaporító szervrendszerre és a
fertilitásra, valamint az utódokra. Előzetesen az ivarérés során a hímeket 3, a nőstényeket 2
hétig sugározták be, majd további 3 hétig a pároztatás után. Egy nappal az ellés előtt a
magzatokat világra hozták, és megvizsgálták őket intrauterin halálozási arány, fejlődési
abnormalitások szempontjából. Azonban nem találták hatását a Wi-Fi EM sugárzásnak sem
a szülő állatok szaporítószervei fejlődésében és fertilitásában, sem pedig a magzatokban
makroszkópikus elváltozásokat illetően (Poulletier de Gannes és mtsai., 2013). Patkányok
esetében az anyaállatnak a vemhesség utolsó két hetében, illetve a születés után az
utódoknak további 5 hétig történt különböző teljesítményű Wi-Fi besugárzása után nem
találtak károsító hatást az utódok vérszérumából kimutatható immunológiai biomarkerek
(antitestek és antigének) esetében, a szülőállatok és a kicsinyek testtömege, az utódszám és
genitális fejlődés szempontjából sem (Ait-Aissa és mtsai., 2012). Feltárható jatrogén hatás
nem mutatkozott az így besugárzott utódok különböző kérgi és hippokampális területeiről
vett mintákban elemzett stressz markerek esetében sem (Ait-Aissa és mtsai., 2013). Laudisi
és mtsai. (2012) nagy teljesítményű Wi-Fi sugárzásnak (SAR=4W/kg) a T-sejtek fejlődésére
és működésére gyakorolt hatását vizsgálták újszülött egerekben. A vemhes egerek
besugárzása a párosodást követő ötödik naptól a várt ellés előtti napig tartott. Eltérést nem
találtak a kontroll csoporthoz képest egyik vizsgált időpontban (5 és 26 hetes korukban) sem,
a T-sejtek számát, fenotípusát és működését, a lépsejtek számát, citokin termelődését illetően
sem. Shekoohi-Shooli és mtsai. (2016) hím patkányok májenzim-aktivitásának és
metabolikus paramétereinek változását, illetve a C-vitamin (250 mg/kg/nap) oxidatív stressz
elleni protektív hatását vizsgálták 2,4 GHz-es Wi-Fi besugárzás (8 óra/nap) esetén. A kétféle
kísérleti elrendezés közül (1 és 5 napos) az 1 napos helyzetben mind a négy csoport (Wi-Fi
besugárzás, Wi-Fi besugárzás + C-vitamin, csak C-vitamin, kontroll csoport) esetében
emelkedett vércukor és triglicerid szinteket találtak, azonban a besugárzásban részesült
18
állatok esetén ezek az értékek a két másik csoporthoz mérten is szignifikánsan jobban nőttek.
Az 5 napos elrendezésben ezzel szemben csökken a vércukorszint, a C-vitamint kapott
csoportok esetében a másik kettőhöz képest szignifikánsabb nagyobb csökkenés volt
detektálható. Az eredményeket úgy értelmezték, hogy a Wi-Fi sugárzás módosító hatást
gyakorolhat bizonyos metabolikus paraméterekre és a hepatikus enzim aktivitásra az
oxidatív stressz és a szabadgyökök növekedése által. Emellett a C-vitamin optimális dózisa
érdemi rádióprotektív hatású lehet. Woelders és mtsai. (2017) csirke embriók esetében
vizsgálták különböző nagy frekvenciájú EM terek (GSM 1800 MHz, DECT 1880 MHz,
UMTS 2100 MHz, WLAN 5600 MHz,) hatását morfológiai és hisztológiai paraméterekre.
A folyamatos, 3 V/m térerősségű besugárzások egyike esetében sem növekedett a mortalitási
ráta, illetve nem voltak gyakoribbak az embrionális elváltozások.
Az élettani hatásokkal kapcsolatos kísérleteket az 1. táblázat összegzi.
1. táblázat: Összefoglalás a Wi-Fi sugárzás élettani hatásainak állatkísérletes vizsgálatairól.
19
Cobb és mtsai. (2004) a 2450 MHz-es EM tér (10 napig, 45 perc/nap besugárzás) hatását
tanulmányozták patkányok munkamemóriájára. Az állatok a besugárzást megelőzően három
pszichoaktív vegyület (fizostigmin, naltrexon-hidroklorid, naloxone methodid) egyikét vagy
csak sóoldatot kaptak, és azt nézték, hogy az EM tér interakcióba lép-e a pszichoaktív szerek
hatásaival úgy, hogy változást okoz a 12-karú labirintus teszt teljesítésében. Azonban − a
természetes tanulási folyamat miatt bekövetkező változásokon kívül − sem a vegyületeknek,
sem az EM sugárzásnak nem tudták kimutatni módosító hatását, és nem volt azonosítható
interakció sem a kondíciók között. Egy másik vizsgálatban elválasztott fiatal hím patkányok
esetében vizsgálták 2,4 GHz-es, 0,344 mW/cm2 teljesítménysűrűségű, 0,11 W/kg
elnyelődésű, 35 napos, 2 óra/napos időtartamú, folytonos hullám besugárzás hatását a PKC
enzim aktivitásra, illetve morfológiai változásokra. Szignifikánsan csökkent PKC aktivitást
mutattak ki a hippokampuszban, valamint megnövekedett gliasejtszámot a besugárzott
csoport egyedeinél (Paulraj és Behari, 2006). Naziroglu és Gumral (2009) patkányok
esetében vizsgálták 2,4 GHz-es, 28 napon át tartó, 1 óra/nap EM sugárzás hatását az agyi
antioxidáns redox rendszerre, illetve a szelén és L-carnitin potenciális védő hatását. Az
agykéreg vitaminkoncentrációjának csökkenését találták besugárzás hatására, és az említett
anyagok, főként az L-carnitin protektív hatását a redox rendszer támogatása által.
Hosszútávú (1 hónap, 2 óra/nap), 2,4 GHZ-es, 1,6 W/kg elnyelődési rátájú sugárzás hatását
tanulmányozták vadon élő és Alzheimer-kór vizsgálata céljából tenyésztett transzgenikus
(3xTg-AD) egereknél. Eredményeik szerint az RF sugárzás hatékony memóriaserkentő a
transzgenikus egyedek esetében (Banaceur és mtsai., 2013). Ait-Aissa és mtsai. (2010)
állatkísérletükben azt kutatták, hogy patkányoknál az anyaállatnak a vemhesség utolsó két
hetében, illetve a születés után az utódoknak további 5 hétig történt különböző teljesítményű
Wi-Fi besugárzása összefüggésben áll-e agyfejlődési károsodással, a gliózis vagy apoptózis
folyamataival. Eredményeik szerint nem találtak különbséget a csak terhesség alatt, illetve a
terhesség és születés után is besugárzott egyedek között, tehát nem fejtett ki a Wi-Fi sugárzás
agykárosító hatást a fiatal utódokban. A későbbiekben Celik és mtsai. (2016) Wi-Fi
besugárzás (intrauterin és posztnatális) oxidatív stressz növelő hatását találták patkányoknál
agykéreg és májminták elemzése alapján. Hassanshahi és mtsai. (2017) 2,4 GHz, 23,6 dBm,
30 nap, 12 óra/nap sugárzás hatását felnőtt hím patkányoknál (80 egyed) vizsgálták az uni-
és multimodális tárgyfelismerés hatékonyságára. Eredményeik szerint a sugárzás ronthatja
mind az unimodális, mind pedig a keresztmodális információfeldolgozást.
Az idegrendszeri hatásokkal kapcsolatos kísérleteket a 2. táblázat összegzi.
20
Összegezve: Az állatkísérletekben a Wi-Fi sugárzás élettani (1. táblázat) és idegrendszeri
(2. táblázat) hatásait illetően megállapíthatjuk, hogy ezek a vizsgálatok mind
módszertanukban, mind eredményeikben nagyon különbözőek és ellentmondásosak, ezért
egységes konklúzió egyelőre nem vonható le.
Modellezéses vizsgálatok. A Wi-Fi eszközök által kibocsájtott EM sugárzásnak az emberi
szervezetre gyakorolt hatásait eddig jellemzően modell kísérletekben vizsgálták. Egy
modellezéses vizsgálatban beltéri, vezeték nélküli kommunikációs eszközök, Wi-Fi,
Bluetooth, DECT (például vezeték nélküli előfizetéses otthoni telefon, bébiőr) készülékek
esetében, szokásos használati jellemzők mellett számították és mérték az adott eszközre
jellemző RF sugárzás mértékét és mintázatát. Egy átlagosan 6 perces sugárzásnak való
kitettség alatt a teljesítménysűrűség minden készülék esetében a referenciaértékek 0,1%-a
alatt volt (Schmid és mtsai., 2007a). Martinez-Burdalo és mtsai. (2009) emberi
fej-mellkas modell esetében kalkulálták az elnyelődés mértékét 2,4 GHz-en működő elérési
pont esetében. Eredményeik szerint rossz jelminőség (amikor nagyobb EM tér generálódik)
mellett is a sugárzás mértéke nem éri el a mobiltelefonok szintjét. Valamint a Wi-Fi-vel
megegyező, 2400 MHz-en működő Bluetooth és 1800 MHz-es GSM sugárzás kombinált
hatása sem éri el az egészségügyi határértéket. Egy laptopnál ülő ember helyzetét
szimulálták 5,2 GHz frekvenciájú sugárzással, egyszerű fantomban (Wang és Fujiwara,
2005). Megállapították, hogy az antenna lehetséges legnagyobb kimenő teljesítménye (100
mW) esetén is a maximum SAR az egészségügyi határérték mindössze 5%-át érte el. Wiart
és mtsai. (2008) azt vizsgálták, hogy modellezett gyermekfej szöveteiben milyen mértékben
2. táblázat: Összefoglalás a Wi-Fi sugárzás idegrendszeri hatásainak állatkísérletes vizsgálatairól.
21
nyelődik el a különböző frekvenciájú EM sugárzás. A modellek életkorok szerint, nagy
felbontású mágneses rezonancia (MR) felvételeken alapultak, és morfolási módszerrel
igazították a valós, egy életkoron belüli variabilitáshoz. A gyerekmodellekben kapott
értékeket felnőtt modellek eredményeivel vetették össze. Úgy találták, hogy bár
összességében csekély a különbség az eredmények között, mégis 5-8 év közötti gyerekek
esetén az EM tér elnyelődése megközelítőleg kétszer nagyobb, mint a felnőtteké. Azonban
8 évnél idősebbeknél ez a különbség már nem volt megfigyelhető. A különbségek a kisebb
gyerekek vékonyabb fülcimpájával, bőrével, koponyájával magyarázhatók. Findlay és
Dimbylow (2010) 10 éves korú gyermeknek megfelelő modellre vonatkozóan mértek SAR-
t heterogén fantomban. A fantom a Nemzetközi Sugárvédelmi Bizottság (ICRP, 2002)
ajánlása alapján 32 kg tömegű, 1,13 m magasságú, ülő pozíciójú volt. Besugárzó
rendszerként egy laptopot használtak, amelynek kinyitott állapotban lévő képernyője köré
horizontális és vertikális polarizációjú antennákat helyeztek el, így vizsgálva az azok által
kibocsájtott 2,4 GHz és 5 GHz frekvenciájú EM jel abszorpcióját a fantomban. A
besugárzást végző laptop és a fantom között különböző távolságokat alkalmaztak. A test
különböző pontjain, mint például fej, kéz, mellkas, valamint különböző ülő helyzetű
elrendezésekben mérték az EM sugárzás elnyelődését. Minden esetben 100 mW maximális
teljesítményű sugárzással dolgoztak. Mérési eredményeik szerint az elnyelődés akkor a
legnagyobb, ha 3 cm távolságból, 2,4 GHz frekvenciát és teljes kitöltési tényezőt
alkalmaztak. Parazzini és mtsai. (2010b) modellezett kutatásukban azt tanulmányozták,
hogy az egyre nagyobb számban alkalmazott aktív működésű, orvosi implantátumok − mint
esetükben a hallást segítő cochleáris implantátumok − milyen mértékben módosítják a
fejmodellben, széleskörben alkalmazott frekvenciatartományokban (2,4; 5,2; 5,8 GHz-es) a
Wi-Fi EM sugárzás elnyelődésének a mértékét. Azt találták, hogy az implantátum
elhanyagolható mértékben módosítja az EM térerősséget és az átlag SAR-t, és ez utóbbi csak
mérsékelten változtatja meg lokálisan, a belső fülhöz közel elhelyezkedő elektróda mentén
mért értékeket. Egy másik modell vizsgálatukban azt nézték, hogy milyen mértékben
módosítja a terhes nők és a magzatok testszöveteinek hőmérsékletét az UHF RFID sugárzás.
Eredményeik azt mutatják, hogy relatíve magas (0,7°C) a hőmérsékletemelkedés a
magzatokban és a terhességgel kapcsolatos szövetekben, ami megközelíti a biológiai hatások
küszöbértékét (Fiocchi és mtsai., 2014).
Összegezve: A humán modellezéses vizsgálatok eredményei azt mutatják, hogy több,
különböző vizsgálati elrendezésben a legnagyobb megengedett kimenő teljesítmény mellett
is az elnyelt sugárzás mértéke mindig a nemzetközi határértékek alatt maradt. Emellett
22
azonban felhívják a figyelmet arra, hogy az abszorpció mértéke életkoronként és
egyénenként is nagyon változó lehet, például kisgyermekek és várandósság esetén jóval
nagyobb az elnyelődés.
1.4.3. Az elektromágneses terek hatásainak vizsgálatai a kognitív működésre
Az EEG regisztrátumban megjelenő RF-EMF hatások. A bioelektromágneses
sugárzásokkal foglalkozó tanulmányok közül több esetben kimutatták, hogy az éber és alvás
közben regisztrált EEG-n is meghatározott változások mérhetők RF-EMF sugárzás hatására.
Az emelkedett alfa és béta értékek mellett csökkent aktivitást regisztráltak a théta
frekvenciatartományban, többféle besugárzási körülmények között (Borbely és mtsai., 1999;
Croft és mtsai., 2010; Curcio és mtsai., 2005; Huber és mtsai., 2002; Leung és mtsai., 2011;
Reiser és mtsai., 1995). Ezzel szemben más vizsgálatok nem találtak eltérést az sEEG
mintázatokban RF-EMF sugárzás hatására (Hietanen és mtsai., 2000; Kleinlogel és mtsai.,
2008; Röschke és Mann, 1997; Trunk és mtsai., 2013). Bizonyos vizsgálatok pedig arra
mutattak rá, hogy az RF-EMF sugárzás akár önmagában, akár más környezeti faktorokkal
(például karcinogének és koffein) kombinálva hathat, illetve a hatás modulációfüggő
természetű lehet. Juutilainen és mtsai. (2011) összegző tanulmányukban részletesen
áttekintették az 1998-2011 között született kutatásokat és azok eredményeit, a
modulációfüggőség szerepét a humán központi idegrendszer működésére. Kiemeltek néhány
érdekes, további kutatásra érdemes vizsgálatot az amplitúdó-moduláció kérdése
szempontjából. Kutatócsoportunk korábbi munkái között a koffein és az UMTS sugárzás
potenciális kombinált hatását vizsgáltuk EEG-vel, kiváltott válasz feladatban, miközben RT
is rögzítésre került. Eredményeink szerint a koffeinnek önmagában teljesítményjavító hatása
detektálható (RT csökkenés, P300 hullámkomponens görbe alatti területének csökkenése),
azonban az UMTS sugárzásnak sem önmagában, sem a koffeinnel szinergiában nincs
kimutatható módosító hatása az RT-re és a P300 hullámkomponensre (Trunk és mtsai.,
2014), valamint az UMTS expozíció nem módosítja az inger megjelenési valószínűségének
az EEG-re gyakorolt hatását sem (Trunk és mtsai., 2015).
Mobiltelefon-készülékek EM tereinek hatása a humán agyműködésre és a kognícióra.
Az RF-EM terek közül kiemelten kutatott a mobiltelefonok hatása kognitív funkciókra. A
Wi-Fi-vel kapcsolatos kutatások alapjául azért szolgálnak − és különösen fontosak − a
mobilkészülékekkel végzett vizsgálatok, mert ezek a mobilkommunikációs eszközök
23
hasonló paraméterekkel jellemezhetők. A mobiltelefonok mindkét (GSM/2G, UMTS/3G)
rendszere hatást gyakorolhat az idegrendszer működésére. Az is valószínűsíthető, hogy a
hatások modulációfüggők. Használat közben a készülékek külső vagy beépített antennája a
fejhez igazán közel van, így az agy magas frekvenciájú (850-2100 MHz) EM sugárzásnak
van kitéve. A kimenő teljesítmény (maximum 2 W) 40-55%-a a felhasználó fejében nyelődik
el (Gandhi, 2002). Haarala és mtsai. (2003a) PET-vizsgálatban, 902 MHz-es mobiltelefon
besugárzás hatását vizsgálták az agyi vérátáramlásra, vizuális munkamemória feladat
közben. Eredményeik relatív csökkenést mutattak a hallókérget érintő vérátáramlásban, de
értelmezésük szerint ez a változás nem egyértelműen a besugárzáshoz köthető. Volkow és
mtsai. (2011) mobiltelefonok által kibocsájtott EMF-ek és az emberi agyi vérátáramlás
összefüggéseit vizsgálva kimutatták, hogy a mobilkészülék használata nincs szignifikáns
hatással a teljes agy metabolizmusára, de a metabolizmus szignifikánsan magasabb mértékű
volt az agy azon területein, amelyek az antennához a legközelebb voltak. A lokális
anyagcsere-növekedés pedig korrelált az EM tér amplitúdójával. van Rongen és mtsai.
(2009) összefoglalták az irodalomban addig fellelhető tanulmányok eredményeit, amelyek a
2G mobiltelefonok által kibocsájtott EM tér hatását vizsgálták az emberi idegrendszerre.
Megállapították, hogy nincs egységes kép az EM terek módosító hatását illetően. Bizonyos
kutatások módosító hatást találták az éber és alvó EEG-re, míg mások nem. A módosító
hatás lehetőségét nem támasztották alá a kiváltott választ mérő vizsgálatok sem. Az RF
forrásokhoz szubjektíven társított tünetek (például fejfájás, migrén, fáradás, bőrirritáció)
esetén sem volt kimutatható ok-okozati kapcsolat a tünetek és az EMF sugárzás között.
Összegezve, a mérési eredmények nagyon eltérők. Ha mutatható is ki bizonyos helyzetekben
kis mértékű hatás, az nem kapcsolódik kedvezőtlen egészségügyi problémákhoz, sem
felnőtteknél, sem gyermekeknél. A hallást és az egyensúlyozó rendszert illetően
egyértelműen nem tárható fel a rövidebb idejű GSM-használatból eredő sugárzás módosító
hatása. 20 perces, 1947 MHz-es, 1,75 W/kg elnyelődésű UMTS sugárzás hallórendszerre
gyakorolt vizsgálata során nem tudtak azonosítani közvetlen módosító hatást (Parazzini és
mtsai., 2010a).
Kwon és Hamalainen (2011) metaanalízisükben értékelték az elmúlt két évtizedben,
mobiltelefon sugárzás és agyműködés, kogníció kérdéskörében született kutatások vizsgálati
és adatfeldolgozási módszertanát. A korábbi eredmények inkonzisztenciájának hátterében
értelmezésük szerint esetleges pszichológiai tényezők, és nem kellően pontos statisztikai
elemzések állhatnak. Szükség van tehát további szigorú követelmények mentén
megtervezett vizsgálati módszerekre és részletes, pontos adatelemzésekre. Számos
24
vizsgálatban nem találtak kognícióra hatást. Például Regel és mtsai. (2007) 3G mobiltelefon
sugárzás hatását vizsgálták az emberi közérzetre és kognitív teljesítőképességre.
Randomizált, kettős vak, keresztezett elrendezésben 45 perc sugárzásnak tették ki a
vizsgálati személyeket három különböző teljesítménnyel (0 V/m, 1 V/m, 10 V/m), egy hetes
időközönként, három héten át. Eredményeikben azonban sem a közérzetre, sem a kognitív
teljesítményre nem tudták kimutatni az UMTS EM tér szignifikánsan módosító hatását.
Tanszékünkön is több elrendezésben vizsgáltuk az UMTS készülék modulált jelű, egyszerű,
rövid idejű EM sugárzásának hatását a humán agyműködésre, spontán EEG, eseményhez
kötött potenciál (ERP), valamint eltérési negativitás (MMN) regisztrálásával. A vizsgálatok
eredményei nem támasztották alá, hogy az UMTS EM sugárzás szignifikáns hatással lenne
a sEEG aktivitásra, a kiváltott potenciál megjelenésére hanginger esetében, az eltérési
negativitásra, valamint az inger megjelenési valószínűségével kapcsolatos hatásra sem
(Stefanics és mtsai., 2008; Trunk és mtsai., 2014, 2015; Trunk és mtsai., 2013). Emellett
ismertek olyan eredmények is, melyek a RT csökkenéséről számolnak be egyszerű és
választásos RT-t mérő feladatoknál GSM mobil besugárzást követően. Preece és mtsai.
(1999) először 915 MHz-es mobil besugárzás (analóg és digitális) hatását nézték kognitív
funkciókat vizsgáló teszteknél. A választásos RT csökkenését detektálták, főként az analóg
EMF esetén. Egy másik munkájukban (Preece és mtsai., 2005) a 902 MHz-es GSM EM
sugárzás hatását vizsgálták a RT-vel mért kognitív teljesítményre 10-12 év közötti
gyerekeknél. Normál mobiltelefon használatot modelleztek egy fejre helyezhető műanyag
tartóra erősített mobiltelefon segítségével. Eredményeikben nem tudták kimutatni az EM
sugárzás statisztikailag szignifikáns hatását, ami tehát nincs összhangban a korábbi
vizsgálatukban tapasztaltakkal. A különbséget az eredményeik között nagy valószínűséggel
az magyarázza, hogy az előző vizsgálatban nagyobb teljesítményű EM sugárzású analóg
mobilt alkalmaztak. Koivisto és mtsai. (2000a; 2000b) számos RT feladatot alkalmazva 902
MHz-es mobiltelefon besugárzáshoz köthető figyelmi és munkamemória feladatokban,
valamint 3 elemes n-back teszt esetében a reakcióidő csökkenését tudták kimutatni. Edelstyn
és Oldershaw (2002) 30 perces, 900 MHz-es mobiltelefon sugárzás hatását vizsgálták az
információfeldolgozás sebességére és kapacitására a figyelmi rendszerben. A vizsgálati
személyeket két csoportra (besugárzott és nem-besugárzott) osztották. Három időpontban
(besugárzás előtt, valamint 15 majd 30 perccel utána) összesen hat neuropszichológiai
feladatot kellett megoldani. Eredményeikben két figyelmi kapacitást és egy feldolgozási
sebességet mérő tesztben tudtak kimutatni különbséget a két csoport között úgy, hogy a
besugárzást követően a teljesítmény javulását detektálták. Haarala és mtsai. (2003b) 902
MHz-es EMF besugárzásnak a hatását vizsgálták többféle szempontból és eszközzel. A
25
sugárzásnak nem találták azonnali hatását a RT-re vagy a kognitív feladatokban a válaszadás
pontosságára, hibaszámára. Az EMF-nek az RTM-re n-back teszt segítségével sem mértek
kimutatható hatását (Haarala és mtsai., 2004), ahogy gyerekek kognitív funkcióira sem
(Haarala és mtsai., 2005). Egy másik vizsgálatukban 0,25 W kimeneti teljesítményű
folyamatos hullám, pulzáló hullám és nem-besugárzott kontroll csoport esetében, bal illetve
jobb féltekei besugárzási elrendezés mellett, kognitív tesztek felvétele közben vizsgálták az
esetleges hatásokat. Nem mutatkozott szignifikáns különbség a kondíciók között, amit úgy
értelmeztek, hogy a normál mobil sugárzás nem fejt ki mérhető hatást a humán kognitív
teljesítményre (Haarala és mtsai., 2007).
A WLAN EM terek kognitív hatásai. A mobiltelefonok által keltett EM tér sugárzásának
hatását a kognitív folyamatokra tehát széles körben vizsgálták. Azonban ehhez képest a
Wi-Fi eszközök által generált EM tér közvetlen vagy közvetett hatását a humán kognícióra
még csak néhány kutatás vizsgálta. Papageorgiou és mtsai. (2011) nem-modellezett humán
vizsgálatukban ERP mérésével azt vizsgálták, hogy a 2,4 GHz-es Wi-Fi sugárzás (1,5 méter
távolságból) okoz-e változást egy nyelvi feladatban nyújtott teljesítményben, illetve a
kapcsolódó agyi oszcilláló tevékenységben. 30 résztvevővel végezték a vizsgálatot (15 nő,
15 férfi), amiben a vizsgálati személyek feladata a Hayling-féle mondatbefejezési teszt volt,
miközben EEG-t rögzítettek, valódi és ál-besugárzási kondíciókkal egyaránt, két ülésben. A
nemek között különbségek mutatkoztak. Férfiak esetében a P300 hullámkomponens
amplitúdójának csökkenését találták, míg a nőknél ennek növekedését. Ál-besugárzás
(bekapcsolt, de nem sugárzó eszköz) esetén ezek a különbségek nem mutatkoztak. A
kutatócsoport egy másik dolgozatában ugyanezen elrendezésben Wechsler-féle
munkamemória feladat végzése során vizsgálták az alfa, béta, delta és théta
hullámkomponensek teljesítményének változását. Míg delta és théta komponensek esetében
nem mutatkozott különbség, addig az alfa és béta komponensek esetén a jobb anterior illetve
occipitális területekről elvezetett jel esetén a nőknél szignifikáns teljesítménycsökkenést
tapasztaltak (Maganioti és mtsai., 2010). Calvente és mtsai. (2016) egy cohort-study-ban
résztvevő fiúgyermekek (123 fő) esetében vizsgálták, hogy az életterükben jellemző
100 kHz-6 GHz EM sugárzásnak kitettség esetén van-e kapcsolat az RF-EMF sugárzás és a
viselkedéses-idegélettani működések között. A legtöbb funkcióra nem találtak hatást,
azonban a magasabb teljesítménysűrűségű sugárzású környezetben élő gyerekek
alacsonyabb pontszámokat értek el a verbális megértés és kifejezés feladatban, illetve
26
magasabb pontszámokat az internalizáló és stresszel összefüggő zavarok tekintetében. Minél
magasabb volt a teljesítménysűrűség, ez az együttjárás annál erősebb volt.
A humán, közvetlen Wi-Fi sugárzás kognícióra gyakorolt hatásának kis számú és
ellentmondásos vizsgálata indokolja a témának további részletes kutatását.
27
2. PROBLÉMAFELVETÉS ÉS CÉLKITŰZÉSEK
Az elmúlt évtizedekben a nem-ionizáló EM terek, ezen belül is a kutatásaink szempontjából
kiemelt, vezeték nélküli mobilkommunikációs eszközök között legdinamikusabban terjedő,
Wi-Fi EM terek keltette sugárzás mennyisége, és ezáltal az emberi test sugárzásnak
kitettsége, jelentősen megnőtt. Az eddigi vizsgálatok és biztonsági ajánlások
középpontjában jellemzően a mobiltelefonok álltak. A Wi-Fi technológiákat használó
eszközök egy jó része szintén a korábbi vizsgálatokban leírt paraméterekkel jellemezhető
(450-2700 MHz frekvenciájú, 0,1-2 W kimeneti teljesítményű EM terek, a felhasználótól
30-40 cm-re). Azonban terjedésük rohamos ütemét a mobiltelefonokhoz képest körülbelül
egy fél évtizeddel később lehetett csak detektálni. Ezért az UMTS EM terek hatásainak
vizsgálatához képest egyelőre jóval kevesebb kutatás foglalkozik a WLAN EM terek
sugárzásának potenciális hatásainak kérdéseivel. A Wi-Fi vezeték nélküli hálózatok ott
vannak az életünk szinte minden területén. A hálózatok elérési pontjai a minket közvetlenül
körülvevő életterekben helyezkednek el, ezáltal a hálózatok által generált EM terek
sugárzásának minden nap, napi több órán keresztül észrevétlenül is ki vagyunk téve. Mi
több, a vezeték nélküli hálózatok kliens egységéhez tartozó antennái gyakran igen közel
találhatóak a felhasználóhoz, így az emberi testben meglehetősen nagy energiamennyiség
nyelődhet el. A Wi-Fi EMF sugárzás hatásait eddig elsősorban állatkísérletekben és humán
modellvizsgálatokban próbálták megismerni. Valódi, emberre vonatkozó vizsgálat, jól
kontrollált laboratóriumi körülmények között végzett besugárzási vizsgálatok alig találhatók
a szakirodalomban, az is nem megfelelően módszertanú publikáció, ezért az eredmények
igencsak korlátozottan értelmezhetők. A Wi-Fi EMF sugárzás hatásaival kapcsolatos eddig
született biológiai és humán vizsgálatok eredményei ellentmondásosak, ezért széleskörűen
nem általánosíthatók. A közvetlen, akut Wi-Fi sugárzás hatásának pontos és megbízható
vizsgálatához elsőként egy stabilan működő, a fizikai paraméterek, az EM jel
tulajdonságainak és a rendszer beállításainak szempontjából részletesen vizsgált eszközt
szükséges megalkotni. A vizsgálati elrendezésnek továbbá szükségszerűen a hétköznapi
használat jellemzőit kell alapul vennie. Így válik realisztikusan vizsgálhatóvá a Wi-Fi
eszközök EM sugárzásának humán kognitív működésre gyakorolt hatása.
Sürgető feladat volt tehát egy ilyen besugárzó rendszer megépítése és dozimetriai bemérése.
Ezt követően nyílik lehetőség elkezdeni a Wi-Fi EM terek potenciális humán kognitív
hatásainak vizsgálatát, amit a WHO (2010) is magas prioritású kutatási területként ajánl.
Mindezeket szem előtt tartva a következő célokat jelöltük ki.
28
Célkitűzések
1. Egy egyedileg tervezett, humán vizsgálatok céljára alkalmazható, stabil, pontosan
kontrollálható Wi-Fi besugárzó rendszer építése.
2. A rendszer teljesítményének dozimetriai vizsgálata: a) az eszköz által kibocsájtott jel
minősége és teljesítménye, b) a rendszer működésének stabilitása.
3. Az így felépített rendszerrel célunk volt megfigyelni az akut Wi-Fi expozíció (60
perc, IEEE 802.11 b/g, 2,4 GHz, 100 mW, 40 cm távolságban) hatására regisztrálható
potenciális változásokat a nyugalmi agyi oszcillációra (EEG).
4. Továbbá a Wi-Fi besugárzás hatását vizsgálni a humán kognitív teljesítményre
pszichomotoros vigilancia tesztben (PVT teszt, RT).
29
3. EGYEDILEG TERVEZETT WI-FI BESUGÁRZÓ RENDSZER HUMÁN
VIZSGÁLATOKRA: FELÉPÍTÉSE ÉS DOZIMETRIAI MÉRÉSEK
3.1. Bevezetés
A mindennapos használatban a Wi-Fi kompatibilis eszközök által generált EMF-nek
− amennyiben az EM sugárzás közelterében tartózkodunk − a testben való elnyelődése az
eszköztől való közelséggel exponenciálisan növekszik. Ezeknek a hatásoknak a humán
kísérletes vizsgálatához a valódi használatot és kitettséget modelláló eszközök és elrendezés
szükséges. Bioelektromágneses kutatás terén fontos kritérium, hogy az EM sugárzás
elnyelődését vizsgáló kutatási elrendezés nem alakítható ki teljes mértékben ismert
tulajdonságokkal rendelkező és megbízhatóan működő besugárzó rendszer nélkül. Foster és
Moulder (2013) összefoglaló tanulmányukban a Wi-Fi, mint EM tér lehetséges módosító,
egészségkárosító hatásait vizsgáló kutatásokat és eredményeiket tekintették át. Számos
kiváló színvonalú kutatás született már eddig is, de ezek sem tudták minden igényt
kielégítően feltárni a Wi-Fi RF sugárzás tulajdonságait. Emellett a technológia
szempontjából is jól specifikált, biológiai hatásokat vizsgáló tanulmányok is nagyon
változók minőségük és eredményeik tekintetében is. Tehát, amellett, hogy a Wi-Fi
készülékek és vezeték nélküli hálózatok sugárzása minden eddig vizsgált esetben jóval a
nemzetközi RF energia határértékek alatt voltak, mindmáig kevés olyan eredmény született,
amiből messzemenő következtetéseket lehetne levonni. Ezért ezen a területen további
vizsgálatok szükségesek. Foster (2007) egy másik vizsgálatban különböző országokban
(USA és három európia ország) és életterekben (otthonok, kereskedelmi terek, egészségügyi
és oktatási intézmények, nyilvános helyek) mérte a Wi-Fi elérési pontokhoz lehető
legközelebb az azok által generált EM térerősséget, valamint összehasonlításként egy
laptopról indított fájl fel-, illetve letöltés közben mérhető EM teret egy méter távolságból.
Eredményei az mutatták, hogy minden esetben mélyen az egészségügyi határértékek alatt
maradt a sugárzás mértéke. Véleménye szerint ez azért lehet, mert a Wi-Fi eszközök
kimeneti teljesítménye a nemzetközi szabályozásokban nagyon alacsony szinten van
meghatározva. Napjainkban az egyre növekvő számú, iskolákban használt Wi-Fi eszközök
keltette EM tér vizsgálatát tűzték ki célul Khalid és mtsai. (2011). Általános- és középiskolai
osztálytermi foglalkozások alatt használt laptopok keltette Wi-Fi EM teret és annak kitöltési
tényezőjét mérték. Eredményeik azt mutatták, hogy a kitöltési tényezők 1-11,7% között
alakultak, és lényegében megegyeztek az általános- és a középiskolákban is. A modelljükben
mért értékek alapján azt állapították meg, hogy fél méter távolságból a laptopok által generált
30
EM tér teljesítménysűrűsége 220 μW/m lehet, és 10 éves gyerekekben a legmagasabb SAR
értéket (körülbelül 80 μW/kg) a mellkasban valószínűsítik 34 cm távolságból. Peyman és
mtsai. (2011) az Egyesült Királyság iskoláiban használatos Wi-Fi eszközök (elérési pontok,
laptopok) teljesítménysűrűségét és összesített kimeneti teljesítményét vizsgálták, különböző
frekvenciákon (2,4 és 5 GHz) és távolságokban, laboratóriumi körülmények között. Mérési
eredményeik azt mutatták, hogy a teljesítménysűrűség fél méter vagy annál nagyobb
távolságokból 2,4 GHz-en 5-17 mW között, valamint 5 GHz-en 1-16 mW tartományban
változott, a legnagyobb térerősség a laptopok képernyőjének mindkét felső sarkába integrált
antennák esetén mutatkozott. Elérési pontok esetén ezek az értékek 2,4 GHz-en 3-28 mW, 5
GHz-en 3-29mW között alakultak. Ezek alapján elmondható, hogy a kimeneti teljesítmény
ennek a vizsgálatnak minden esetében is jóval az ICNIRP referencia szintek alatt volt.
Schmid és mtsai. (2007b) modellezett Wi-Fi besugárzás értékelése alapján kiválasztott
frekvencia tartományoknak, valós körülmények között mérték az átlagos és lokális csúcs
EM térerősségét bel- és kültéren egyaránt. Azt találták, hogy az átlagos teljesítménysűrűség
beltérben kisebb, mint 20 mW/m2, ami 0,2%-a az Európai Tanács által meghatározott
referenciaszintnek. Lokális csúcsok esetén ez lehet akár két nagyságrenddel nagyobb, vagy
a változó adatforgalom miatt az átlagos értékek akár két-három nagyságrenddel kisebbek is.
Verloock és mtsai. (2010) egy gyors és pontos, optimális beállításokkal rendelkező mérési
eljárást alakítottak ki WLAN rendszerek által generált EM sugárzás kísérletes vizsgálatára.
Munkájuk során kifejlesztettek egy WLAN sugárzó és mérő rendszert (WiLab), amelynek
használatával lényegesen le tudták csökkenteni a mérésekre fordított időt. Kühn és mtsai.
(2007) azt hangsúlyozzák − a különböző kis hatótávolságú vezeték nélküli RF eszközök által
generált EM tér pontos hatásának további tudományos vizsgálatához −, hogy minden egyes
sugárzástípus, eszköz egyedi, részletes dozimetriai értékelése elengedhetetlen. Karipidis és
mtsai. (2017) 23 ausztrál iskolában vizsgálták a Wi-Fi tipikus és csúcs sugárzásának
mértékét. Mérési eredményeik szerint a sugárzás mértéke minden esetben jóval a nemzetközi
ajánlásokban található határértékek alatt voltak, és hasonlóak vagy alacsonyabbak más,
például mobiltelefon sugárzások mértékéhez képest.
Eddig a kutatások jellemzően a határértékek meghatározására fókuszáltak. Kutatásunk
kifejezetten a potenciális humán biológiai hatások pontos és finomabb vizsgálatát célozza
meg. Ezért első lépésként tehát egy minden szempontból megbízható Wi-Fi besugárzó
eszköz építése vált szükségessé.
31
3.2. Anyagok és módszerek
3.2.1. A Wi-Fi besugárzó rendszer felépítése
Napjaink WLAN termékeinek és rendszereinek többsége dedikáltan az IEEE 802.11 b és
IEEE 802.11 g szabványra épülő protokollokat használja. A kezdeti IEEE 802.11 szabvány
1997-ben készült el (Valadas és mtsai., 1998), amelynek 3 fizikai rétege volt: 1) az
infravörös, 2) a 2,4 GHz-es frekvencia-ugrásos szórt spektrum (FHSS) és 3) a 2,4 GHz-es
direkt sorrendű szórt spektrum (DSSS). Ezt követően 1999-ben két szabványmódosítást is
kidolgoztak: az IEEE 802.11 b a DSSS-re épülve megnövelte az adatátviteli sebességet 2,4
GHz-en; és az IEEE 802.11 a egy új fizikai réteget hozott létre 5 GHz-en. Az IEEE 802.11
b kiegészítő kód kulccsal (CCK) erősített DSSS-sel az adatátvitel sebességét 11 Mbps-ra
tudta növelni. A magasabb adatátviteli sebességgel az IEEE 802.11 b eszközök jelentős piaci
sikereket értek el, míg az infravörös és FHSS-t használó eszközöknek nem lett igazán piaci
kereslete. Az IEEE 802.11 a szabvány fejlesztése során bevezették az ortogonális
frekvencia-osztásos multiplexálást (OFDM) az IEEE 802.11-hez. Bár az IEEE 802.11 a meg
tudta növelni az adatátviteli sebességet egészen 54 Mbps-ig, 5 GHz-es sávszélességhez volt
kötve, ezért ennek az alkalmazása meglehetősen lassú volt. Ahhoz, hogy az új eszközök
kihasználhassák az IEEE 802.11 a magas adatforgalmi sebességének előnyét, de egyben
megőrizzék a korábbi IEEE 802.11 b eszközökkel való kompatibilitást, két rádiósávot kellett
létrehozni: egy 2,4 GHz-eset az IEEE 802.11 b-hez, illetve egy 5 GHz-eset az IEEE 802.11
a-hoz. Azt követően az IEEE 802.11 munkacsoport kifejlesztette az IEEE 802.11 g
módosított szabványt, ami magában foglalja az IEEE 802.11 a OFDM fizikai rétegét a 2,4
GHz-es sávon, és a szabvány részeként alkalmazta 2003-tól. Ráadásul a korábbi eszközökkel
való kompatibilitás és átjárhatóság is megmaradt az IEEE 802.11 g és a korábbi IEEE 802.11
b eszközök között. A különböző fizikai rétegek alkalmazásával az IEEE 802.11 szabványok
esetében öt lépcsőben nőtt az adatátviteli sebesség. Ez a növekedés az IEEE 802.11 n
szabvánnyal folytatódik, ami 20 MHz-en 300 Mbps, 40 MHz-en 600 Mbps (Berg, 2011). A
különböző törvényi rendelkezéseknek és szabályozásoknak megfelelően a nem-ipari célú
Wi-Fi eszközök (mindegyik IEEE 802.11 szabvány esetén) alacsony teljesítménnyel
működhetnek, és olyan frekvenciatartományban, amit más kommunikációs eszközök is
használnak (pl. vezeték nélküli telefonok). Összegezve, mindmáig a lakossági felhasználásra
legáltalánosabban elterjedtebb szabványok tehát az IEEE 802.11 b és g (2,4 GHz, maximum
100 mW kimeneti teljesítmény), valamint az IEEE 802.11 a (5 GHz, maximum 1 W kimeneti
32
teljesítmény). Ezért a vizsgálatainkban mi is az IEEE 802.11 b/g szabványra épülő
technológiát használtuk.
A jelen kutatásban egy WLAN besugárzó rendszert építettünk egyszerű, kereskedelmi
forgalomban is kapható alkatrészekből, amiket a MikroTik6 (MikroTik Co., Riga,
Lettország) cég állít elő és forgalmaz (1. ábra). A biológiai vizsgálatok számára tervezett
WLAN besugárzó rendszert úgy alkottuk meg, hogy két mPCI (mini pheripheral component)
RouterBoard kártyával is működhet. Az R52 típusú kártya IEEE 802.11 a/b/g szabvány
kompatibilis, és a gyártói adatok szerint 20-80 mW (13-19 dBm) a maximális kimeneti
teljesítménye. Az R52n típusú kártya IEEE 802.11 a/b/g/n szabványokat támogat, 20-200
mW (13-23 dBm) maximális kimeneti teljesítménnyel. Mind az R52, mind pedig az R52n
RouterBoard kártyákat b/g transzfer módban használtuk, a és n átviteli módban egyáltalán
nem. Mindkét kártya U.FL antenna csatlakozóval rendelkezett. A WLAN besugárzó
rendszer egy elérési pontból (access point – a továbbiakban AP) és egy kliens egységből
(client unit – a továbbiakban CU) áll.
Az AP router alaplapja MikroTik RB 433AH típusú, 680 MHz-es MIPSBE processzorral,
128 MB RAM memóriával, valamint három mPCI csatlakozóval és három Ethernet
csatlakozóval rendelkezik, kereskedelmi forgalomban is kapható. A rendszer egy router OS
operációs rendszert 5-ös szintű licenc-szel 4.10 verzióban, AP támogatással futtat. Az AP-t
egy kifejezetten ehhez a típusú alaplaphoz elérhető RB433U alumínium műszerházban
helyeztük el, amin három AC/SWI Swivel antenna beszerelési pont található a három
6 https://mikrotik.com/
1. ábra: A besugárzó rendszer fő részei. Az A) elérési pont (AP) a három forgatható antennával, valamint a
B) kliens egység (CU) a két forgatható antennával.
33
AC/SWI 2 dBi teljesítményű Swivel, minden irányban forgatható, körsugárzó antennák
számára U.FL antenna csatlakozóval. Az AP-t 24 V/1,6 A áramerősségű Power over
Ethernet (POE) tápegységgel működtettük, CAT5 szabványú UTP kábelen keresztül. A CU
MikroTik RB411AH típusú alaplappal, az AP-ével megegyező, 680 MHz-es MIPSBE
processzorral, 64 MB RAM memóriával, egy mPCI és egy LAN csatlakozóval rendelkezik.
A CU egy router OS operációs rendszert 4-es szintű licenc-szel 4.10 verzióban, AP
támogatással futtat. Szintén a gyártó által speciálisan ehhez az alaplaphoz elérhető beltéri
RB411 típusú alumínium műszerházba szereltük, amin az AP-vel megegyezően három
AC/SWI Swivel antenna beszerelési pont található, azonban itt csak két AC/SWI 2 dBi
teljesítményű Swivel, minden irányban forgatható, körsugárzó, U.FL csatlakozóval ellátott
antenna került beépítésre. Az CU-t 24 V/1,6 A POE tápegységgel működtettük, CAT5
szabványú UTP kábelen keresztül. Mindkét egység működését egy személyi számítógép
(PC) kontrollálta, MS Windows operációs rendszer (Microsoft Co., Redmond, Amerikai
Egyesült Államok) alatt futó WinBox v 2.2.18 szoftver (MikroTik Co.) segítségével.
3.2.2. A Wi-Fi besugárzó rendszer dozimetriája
Az antenna sugárzási mintázatok modellezése. A modellezett mérések az Olaszországi
Nemzeti Kutatási Tanács (CNR) Mérnöki Elektronikai, Számítástechnikai és Távközlési
Intézet (IEIIT) milánói laboratóriumában7 valósultak meg. A két CU antenna jellemzői a
sugárzási mintázat kísérletes becslése alapján kerültek meghatározásra. A generált EM tér
mért és modellezett eredményei az antennák aktív és függőleges helyzetű beállítása esetén
szinte teljesen megegyezők voltak (5,37 V/m, eltérés <2%) (2. ábra). Kereskedelmi
forgalomban elérhető SEMCAD X8 (Schmid & Partner Engineering AG, Zürich, Svájc)
platform segítségével hasonlítottuk össze az adatokat. A besugárzó egységet a valós fizikai
dimenziói mentén modelleztük. Az alumínium műszerház mérete: 180×112×31 mm, a
kétpólusú antenna hossza: 113 mm, a két antenna távolsága: 54 mm volt. A modellt
2,4 GHz-es frekvenciára programoztuk 20 dBm (100 mW) kimeneti teljesítménnyel.
7 http://www.ieiit.cnr.it/mi/index.php 8 https://www.speag.com/products/semcad/EuCAPAnimation/
34
A szabad levegőben történt mérések vizsgálati elrendezése. Ezeket a méréseket az
Országos Közegészségügyi Központ (OKK) Országos Sugárbiológiai és Sugáregészségügyi
Kutató Igazgatóság (OSSKI)9 Főosztálya, Nem-ionizáló Sugárzások Osztályának budapesti
kutatólaboratóriumában végeztük. A levegőben való mérésekhez a AP-t és a CU-t is egy
elektromágnesesen árnyékolt kamrába helyeztük. A keletkezett EM tér erősségét egy
szélessávú elektromágneses szondával felszerelt Narda PMM 805310 (Narda Safety Test
Solutions, Savona, Olaszország) térerősségmérővel mértük. A CU antennák és a
térerősségmérő közti távolságot 40 cm-re állítottuk be. Ez megfelel annak a gyakori életszerű
helyzetnek, amikor is a felhasználók a számítógépük, laptopjuk előtt ülve használják az
eszközöket, és utóbbi monitorjának a keretébe építve találhatjuk leggyakrabban a Wi-Fi
antennákat. Az AP-t és a CU-t Ethernet kábeleken keresztül vezérlő, valamint a
térerősségmérőtől adatokat gyűjtő két személyi számítógép a kamrán kívül kapott helyet,
hogy elektromágnesesen ne interferáljanak a kamrában kialakuló térrel. A rögzített
pozícióban elhelyezett AP és térerősségmérő között a CU-t egy programozható, forgatható
állványra helyeztük úgy, hogy az állvány forgási tengelye a két antenna közötti távolságnak
pontosan a közepére essen (3. ábra).
9 http://www.osski.hu/ 10 http://narda-sts.it/narda/story_en.asp
2. ábra: A besugárzó rendszer tipikus sugárzási mintázata, 20 dBm kimeneti teljesítmény mellett, 40 cm-es
távolsággal, mindkét antenna aktív és függőleges helyzete esetén. A folyamatos vonal jelöli a szabad
levegőben történt valódi mérés mintázatát, a pontozott vonal a számított eredményeket.
35
Számos Wi-Fi jel-konfigurációt teszteltünk. Az antennák működését és pozícióját illetően
mértük a kialakult EM teret az egyik vagy mindkét antenna aktív működése, az antennák
fekvő/horizontális pozíciója, valamint álló/vertikális helyzete esetében. Hogy
meggyőződjünk a kibocsájtott RF tér stabilitásáról, egy sávszélességtesztet futtattunk a CU
vezeték nélküli interfészen keresztül indítva, egy órán át WinBox szoftverrel. A különböző
vizsgálati elrendezésekben mért értékeket a következők szerint értékeltük: különböző
adatátviteli protokollokkal (Transmission Control Protocol, TCP, illetve User Datagram
Protocol, UDP) tesztelve, számos adatátviteli csatornán (1-13, 2412- 2472 MHz), különböző
vezeték nélküli kommunikációs szabványokkal (IEEE 802.11 b, IEEE 802.11 b/g), és
adatátviteli sebességekkel (1/5,5/11 Mbps a b szabvány esetén, valamint 6/24/54 Mbps a g
szabványnál). A különböző beállítások kitöltési tényezőinek meghatározásához szükséges
volt ismernünk a csomagszélességeket és az időegység alatt közvetített jel részletes
tulajdonságait. Ezen adatok méréséhez a CU közelébe egy kis antennát (AR006-WO1,
Wellshow Technology Co Ltd., Taiwan)11 helyeztünk. Az így észlelt jelet egy mikrohullámú
detektorral (NardaType-503, Hauppauge, NY, Amerikai Egyesült Államok) invertáltuk
egyenirányított DC jellé, majd a keletkezett jelet digitalizáltuk egy 16 bites analóg-digitális
konverterrel (A/D converter, CED Micro1401, Cambridge, Egyesült Királyság), amelynek
a mintavételezési frekvenciája 100 kHz-re volt állítva. Az AP és a CU között kialakítottuk a
vezeték nélküli adatkapcsolatot, majd egy sávszélességtesztet indítottunk a CU felől, hogy
11 http://www.wellshow.com/antenna/wlan/ar006-w01/
3. ábra: A vizsgálati elrendezés sematikus ábrája a szabad levegőben történt mérések során.
36
elérjük a lehető legnagyobb arányú csatorna-kihasználtságot a különböző módokban. A
vizsgálati elrendezésünkben az adatátvitel gyakorlatilag egy fájl letöltését jelentette egy
helyi szerverről, ezáltal a lehető legvalósághűbben modellezve a hétköznapokban szokásos
Wi-Fi használati helyzetet. Az adatok letöltését és feltöltését egyaránt teszteltük. Úgy a
letöltésnél, mint a feltöltés esetén, a kommunikáció mindig két irányú volt. A letöltés TCP
kommunikációs szabvány szerint valósult meg. Ebben a szabványban a letöltés esetén a
visszafelé ágon csak visszaigazoló csomagokat (ACK) detektálhatunk. Ezeket a méréseket
különböző meghatározott adatátviteli sebesség-beállítások mellett többször megismételtük
(1/5,5/11 Mbps az IEEE 802.11 b szabvány esetén, valamint 6/24/54 Mbps az IEEE 802.11
g szabvány használatakor).
SAR modellezés. Ahhoz, hogy az épített Wi-Fi besugárzó rendszert a továbbiakban
biztonságosan lehessen használni, a rendszer által generált EM tér energiájának emberi
szervezetben való elnyelődése először számítógépes modellezésre került. Vizsgálatunkban
a kereskedelmi forgalomban elérthető SEMCAD X szimulációs platform segítségével
határoztuk meg a sugárzás elnyelődésének mértékét valósághű anatómiai emberi
modellekben. Az elnyelődés mértékét 10 g testszövetenként határoztuk meg. A
számításokhoz eredetileg 1 W kimeneti teljesítményű, 2,4 GHz-es jelet használtunk
100%-os kitöltési tényező mellett. Azonban ahhoz, hogy a valós sugárzás mértékének
megfeleltethető legyen, szükséges volt a kapott eredmények átszámítása 100 mW-os
teljesítmény, 66,19%-os kitöltési tényező melletti értékekre a szabad levegőben történt
mérések eredményei alapján (10. ábra). Meg kell jegyezzük, hogy még az utóbbi érték is
szignifikánsan a mindennapi használat jellemző kitöltési tényezője felett van, ami
nagyságrendileg ~1% (Mann, 2010). Az elnyelődés mértékével kapcsolatos számításokat a
szövet tömegének függvényében az IEEE Standard C95.3 (IEEE, 2002), valamint az IEEE
Standard 1528 (<10 g) (IEEE, 2003) ajánlásai alapján készítettük. A CU eszköz a modellezés
során minden geometriai és fizikai paraméterében megegyezett az eredeti eszközzel (lásd
korábban: az alumínium műszerház méretei, az antennák fajtái, mérete, távolsága és
pozícionálása), 2,54 GHz hullámhosszra hangolva. Két egészalakos valósághű voxel
embermodellt használtunk a kutatási célok számára elérhető virtuális családból (“Ella”, nő,
26 éves, 1,63 m magas, 58 kg testsúlyú, BMI: 22,0 kg/m2; valamint “Duke”, férfi, 34 éves,
1,77 m magas, 72,4 kg, BMI: 23,1 kg/m2) (Christ és mtsai., 2010). A modelleket álló és ülő
pozícióban is használtuk. Az ülő pozíciót a SEMCAD X programban található “Poser”
37
eszköz segítségével állítottuk be (4. ábra), amit kutatási célokra az IT’ IS Foundation12
fejlesztett ki.
A modellek egészséges vizsgálati személyek nagyfelbontású MR felvételein alapultak, 1
mm felbontású voxel formátumban megjelenítve. Így a humán modellekben 77 különböző
szövettípust különböztethettünk meg. Ezeknek a szöveteknek a dielektromos tulajdonságai
a klasszikus parametrikus modell alapján kerültek meghatározásra (Gabriel és mtsai., 1996).
A CU a modellált verzióban is szintén 40 cm-re a homlokcsont és az orrcsont találkozásától
került elhelyezésre úgy, hogy a két antenna közti távolság középpontja a test függőleges
tengelyével esett egybe. Egy nem-egységes geometriai hálót (non-uniform mesh)13
alkalmaztunk a modellek térbeli elhelyezésének meghatározásához. A geometriai háló
virtuális térben maximális 3 mm-es lépése az anatómiai modellen 1 mm-re, a CU esetén 0,2
mm-re csökkent. A humán modell esetén az ülő pozíció úgy lett kialakítva, hogy az a lehető
legélethűbben utánozza például a valós notebook használatot. Korábbi tanulmányok utalnak
arra, hogy a teljes testre vonatkozó elnyelődés mértéke jelentősen megnő az ülő helyzetben
az álló pozícióhoz képest. Findlay és Dimbylow (2005) azt vizsgálták, hogy az emberi
testtartás befolyásolja-e az elektromágneses sugárzás elnyelődését. Anatómiailag valósághű,
álló, egész emberi test modellt dolgoztak át új, ülő voxel modellekké. Két ülő pozíciót
12 https://www.itis.ethz.ch/ 13 http://www.eecs.wsu.edu/~schneidj/Tmp/semcad-x-manual.pdf
4. ábra: Az EM sugárzás modellezett elnyelődése során használt pozíciók,
az „Ella” női voxel modellel szemléltetve.
38
hasonlítottak össze a standard helyzet (ahol a karok a test mellett helyezkednek el)
értékeivel: ülő, oldalra kinyújtott, és ülő, fej fölé emelt karokkal. Eredményeik szerint az
utóbbi helyzetben a teljes testre nézve az átlagos SAR értékhez képest akár 35%-kal nagyobb
lehet az elnyelődés mértéke. Ez felhívja a figyelmet arra, hogy a meglévő elnyelődési
határértékek mellé szükség lehet egy másodlagos referencia szintre is, a végtagok helyzetére
vonatkozóan. Egy következő szimulációs vizsgálatban azt vizsgálták 15 emberi voxel
modellben, 720 vizsgálati helyzetben, hogy a 300 MHz-5 GHz közé eső EM sugárzás
elnyelődése miként változik, ha módosítjuk a besugárzás irányát, polarizációját, illetve a
modellek pozícióját. Számos eredményük közül azt emelném ki, hogy a pozíció
megváltozása a standard álló helyzetből változást okoz a GHz-es frekvencia tartományokban
a teljes testre vetített SAR mértékét illetően, a 300 és 450 MHz körüli tartományokban ez a
változás akár 2 dB-es növekedést is okozhat, a maximális elnyelődés értékekre pedig még
nagyobb befolyással van (Uusitupa és mtsai., 2010).
3.3. Eredmények
3.3.1. Elektromágneses térerősség és a Wi-Fi besugárzó rendszer karakterisztikája
A rendszer által keltett sugárzás tulajdonságairól az EM térerősség magnitúdója is tájékoztat
minket, melyet számos különböző beállítás mellett teszteltünk. Vizsgáltuk az EM térerősség
változásait a különböző adatátviteli csatornák esetében (5. ábra). Az adatátviteli csatornák
egyben meghatározzák a frekvenciát és az adott csatorna középértékét is (csatorna1: 2412
MHz, csatorna2: 2417 MHz, csatorna3: 2422 MHz, csatorna4: 2427 MHz, csatorna5: 2432
MHz, csatorna6: 2437 MHz, csatorna7: 2442 MHz, csatorna8: 2447 MHz, csatorna9: 2452
MHz, csatorna10: 2457 MHz, csatorna11: 2462 MHz, csatorna12: 2467 MHz, csatorna13:
2472 MHz), a különböző szabványok pedig a csatornák szélességét is szabályozzák (például
az IEEE 802.11 b/g szabvány esetében a középérték ±11 MHz, az IEEE 802.11 n szabvány
esetében a középérték ±10/20 MHz). Mindkét RouterBoard kártya esetén ismét kiemelendő,
hogy a kártyákat csak IEEE 802.11 b/g szabvány szerint működtettük, nem vizsgáltuk az a
és n szabványt. A méréseket a MikroTik eszköz alapbeállításain végeztük el úgy, hogy
mindkét antenna függőleges helyzetű, és az egyik antenna aktív volt, UDP adatátviteli
szabványt használva. Ebben az elrendezésben azt találtuk, hogy a 10-13 csatornákon (2,452
GHz tartomány felett) leromlott a jelminőség, ezáltal csökkent az adatátviteli sebesség,
indukálva az adatok mennyiségének csökkenését is. Mindezen változások miatt ezeknek a
csatornáknak az esetében a térerősség jelentősen csökkent, ezért ezeket a további
39
vizsgálatokból kizártuk. Ezzel szemben a 9-es csatornán (2452 MHz) mértük a
megbízhatóan legnagyobb térerősséget mindkét RouterBoard kártya esetében.
Következésképpen ez a csatorna bizonyult a legmegfelelőbbnek a későbbi lehetséges
biológiai hatások vizsgálatára is.
A további részletes elemzésekhez kiválasztottuk az 1-es csatornát (2412 MHz). Ezen
teszteltük az adatátviteli sebességet mindkét RouterBoard kártya (R52 és R52n) esetén,
valamint a két eltérő protokollt (TCP és UDP) használva (6. ábra). A kimeneti teljesítményt
állandó 20 dBm-ben (100 mW) határoztuk meg, illeszkedve a NMHH által meghatározott
beltéri, 2,4 GHz-en működő IEEE 802.11 b/g/n szabványt alkalmazó eszközök
teljesítményének maximumához. Mindezen beállítások közül, amiket WinBox router
konfigurációs szoftverrel alakítottunk, az R52n kártyával és a TCP szabvánnyal kaptuk a
legnagyobb EM teret. Minden adatátviteli sebesség mellett nagyobb teljesítmény volt így
elérhető, mint az R52 kártya és/vagy a UDP mód esetén.
5. ábra: Az EM térerősség függése 40 cm távolságban a csatorna számától (frekvenciától) az R52 (folytonos
vonal) és az R52 n (szaggatott vonal) RouterBoard kártyák esetében, UDP módban, egy függőleges helyzetű,
aktív antennával. A csillaggal jelölt 10-13 csatornák esetében a teljesítmény erőteljes csökkenését
detektáltuk. A hibasávok az átlag ± szórást mutatják.
40
Következő mérésünkben ugyanazon metódust alkalmaztuk, csak a kimenő teljesítményt
változtattuk (7. ábra). Méréseink során az rajzolódott ki, hogy 18 dBm felett TCP szabvány
esetén adatátviteli hibák jelentkeztek, így a rendszer nem tudta a maximális adatátviteli
sebességet produkálni. Az UDP szabvány alkalmazása így mégis megbízhatóbb
eredményeket hozott, különösen az R52n kártya használatával.
a
6. ábra: Az EMF térerősség változása a névleges adatátviteli sebesség függvényében, UDP és TCP
adatátviteli szabványok, R52 és R52 n RouterBoard kártyák használata esetén. Az ábrán látható
eredmények az 1-es csatornán (2412 MHz) mért értékeket mutatják 20 dBm rögzített kimeneti
teljesítmény mellett.
7. ábra: A mért EMF térerősség változása a kimeneti teljesítmény függvényében, UDP és TCP adatátviteli
szabványok, R52 és R52 n RouterBoard kártyák használata esetén, az adatátviteli sebesség korlátozása
nélkül. A csillagozott esetekben a RouderBoard nem tudta elérni a maximális adatátviteli sebességet. Az
ábrán látható eredmények csak az 1-es csatornán (2412 MHz) mért értékeket mutatják, hogy
összehasonlíthatók legyenek a különböző adatátviteli szabványok esetében.
41
A továbbiakban a hétköznapi gyakorlathoz illeszkedően legáltalánosabban használt három
csatornán [1-es csatorna (2412 MHz), 6-os csatorna (2437 MHz), 9-es csatorna (2452 MHz)]
teszteltük tovább az adatátvitelt UDP szabvány szerint, és mértük az EM térerősséget
(8. ábra). A kimeneti teljesítmény továbbra is 20 dBm-ben volt rögzítve. A 9-es csatorna
(2452 MHz) esetén detektáltuk a legnagyobb EM teret az 1-es (2412 MHz) és 6-os
csatornához (2437 MHz) képest, mindkét RouterBoard kártya esetében.
Ezt követően a kimeneti teljesítmény stabilitását teszteltük az előbbi három csatorna és
mindkét RouterBoard kártya esetében egy 1 órán át (9. ábra). A kimeneti teljesítmény
ingadozását mindhárom csatorna esetében szinte elhanyagolható mértékűnek találtuk az
R52n kártya esetében, míg a legjelentősebb fluktuáció az R52 kártyával volt detektálható a
9-es csatornán (2452 MHz): 30,78%.
8. ábra: Az EM térerősség eredmények összehasonlítása az 1-es (2412 MHz, folyamatos vonal), 6-os (2437
MHz, szaggatott vonal), és 9-es (2452 MHz, pontozott vonal) csatornák esetében az A) R52 és B) R52 n
RouterBoard kártyák használatával.
9. ábra: A kimeneti teljesítmény stabilitása egy 60 perc idejű teszt periódus alatt: R52 n RouterBoard kártya
használata mellett A) 9-es csatorna (2452 MHz), B) 1-es csatorna (2412 MHz), C) 6-os csatorna (2437
MHz), illetve R52 RouterBoard kártyával D) 9-es csatorna (2452 MHz), E) 1-es (2412 MHz) csatorna, F) 6-
os csatorna (2437 MHz) esetében.
42
Hogy részletes információkat kapjuk a sugárzás modulációjáról, a WLAN besugárzó
rendszer által kibocsájtott RF sugárzás hullámformáit vizsgáltuk (10. ábra), mivel a további
biológiai vizsgálatok szempontjából a moduláció kulcsszerepet játszhat. Előre megválasztott
adatátviteli sebességek és vezeték nélküli hálózati szabványok mellett végeztünk
sávszélesség tesztet. A hullámformák detektálásához egy antennát helyeztünk el a CU
közelében, a jelet egy detektorral egyenirányítottuk, majd egy 16 bit-es A/D konverterrel
100 kHz-es frekvenciájú mintavételezéssel rögzítettük. A különböző beállítások kitöltési
tényezőinek meghatározása is szükséges volt. Megvizsgáltuk a csomagszélességeket és a
frame-k eloszlását.
Fontos kiemelni, hogy a besugárzó rendszer működését csak a fenti körülmények között,
alkatrészekkel és beállításokkal teszteltük. A méréseink reprodukciójához tehát javasolt
pontosan ugyanezen márkájú és típusú alkatrészek, beállítások alkalmazása.
Irány karakterisztikák. A Wi-Fi besugárzó rendszer által keltett sugárzási mintázatok
szabad levegőben történt mérése során a beállításokat a CU-n három különböző antenna
pozícióval alakítottuk ki. Az egyik elrendezésben az egyik antenna aktív és vízszintes
helyzetű volt, a másik inaktív és függőlegesen állt (𝐸MAX = 4,09 V/m). A második
elrendezésben az egyik antenna aktív és függőleges, a másik inaktív és vízszintes helyzetű
volt (𝐸MAX = 3,14 V/m). A harmadik beállításban mindkét antenna aktív volt, és vertikálisan
pozícionáltuk őket (𝐸MAX = 5,29 V/m) (11. ábra). Az utóbbi elrendezéssel generálódott a
legnagyobb EM tér, ezért a továbbiakban ezt a beállítást alkalmaztuk, a számítógépes
szimuláció során is.
10. ábra: A) A WLAN besugárzó rendszer által generált EM terek kitöltési tényezői százalékosan megadva.
B) Hullámformák, az AP és a CU között rögzített, ugyanazon adatátviteli sebesség és szabvány mellett. Egy
sávszélesség tesztet futtattunk UDP módban, 1500 byte/frame beállításokkal. C) Frame-ek (feketével jelölve)
és a frame-ek közötti szünetek (szürkével jelölve) hosszának eloszlása különböző adatátviteli szabványokkal
és adatátviteli sebességek mellett (0,01 másodperces részlet a regisztrátumból).
43
SAR szimuláció eredményei. A számítógéppel modellezett EM tér minden fizikai
elrendezés és eszközbeállítási paraméterében pontosan megegyezett a tervezett későbbi
humán vizsgálati elrendezéssel. A jel forrása a CU volt, ami 20 dBm kimeneti
teljesítménnyel működött 2,4 GHz-es frekvencián, 40 cm-re a fejtől. Annak fényében, hogy
egymásnak ellentmondó vizsgálati eredményeket közölnek tanulmányok az akut RF-EMF
sugárzás, ezen belül is a Wi-Fi sugárzás magasabb rendű gondolkodási funkciókra, agyi
fiziológiai folyamatokra gyakorolt hatását illetően, szükségesnek gondoltuk a mi vizsgálati
elrendezésünkben is mérni az elnyelődés mértékét a kognitív feladatokhoz kapcsolódó agyi
struktúrák esetében. Az elnyelődés legnagyobb mértékben feltételezhetően a homlok bőrén
és az alatta elhelyezkedő agyszövetekben, úgymint a homloklebenyi agykéregben, valamint
a homloklebenyi axonpályákban lesz detektálható.
11. ábra: Az EM térerősség függése az aktív antennák számától és az antennapozícióktól. Folyamatos vonal:
egy antenna aktív, az aktív antenna függőleges helyezű, a passzív antenna vízszintes irányú. Szaggatott vonal:
egy antenna aktív, az aktív antenna vízszintes helyezű, a passzív antenna függőleges irányú. Pontozott vonal:
két antenna aktív, mindkettő függőleges helyzetű.
44
Az általunk kapott eredményeket a 12. ábra szemlélteti, ahol a fehér négyzetek jelölik a
maximális SAR helyeit. Az eredmények az ülő elhelyezkedésre vonatkoznak, bár az ülő és
álló elrendezés közti különbségek ez esetben minimálisak (különbség <5%).
12. ábra: A maximális elnyelődés értékek (SAR10g) eloszlása a A) kéregállományban és a
B) fehérállományban. A felső sor képei ábrázolják a női (Ella), az alsó sor képei a férfi (Duke) modellben
kapott értékeket. Indikátorsáv: normalizált maximális elnyelődés értéke 10 g szövetben.
A fehér négyzetek jelölik a maximális elnyelődés helyét.
3. táblázat: A modellezés során kapott maximális elnyelődés értékek 10 g testszövetenként az agyszövetekben
a két anatómiai modell esetében. A bal oldali oszlopban az 1 W névleges kimeneti teljesítmény és 100%-os
kitöltési tényező melletti értékek láthatók. A jobb oldali oszlopban az átszámított eredmények, 0,1 W névleges
kimeneti teljesítmény és 66,19%-os kitöltési tényező mellett értendők.
45
A Duke és Ella modelleknél a nagy különbségek a két modellben mérhető maximális SAR
szintek között a morfológiai és szövetvastagsági eltérésekből adódnak (3. táblázat), amit
korábban számos tanulmány úgy értékelt, hogy az egyik legjelentősebb tényező az EM tér
energiájának elnyelődése szempontjából.
Összegezve: Először megépítettünk egy kereskedelmi forgalomban kapható alkatrészekből
szerelt besugárzó eszközt. Az egyedi besugárzó rendszer stabilitásának és
megbízhatóságának kialakítása érdekében számos módon teszteltük a különböző beállítások
karakterisztikáját. Megmértük a generált elektromágneses jel részletes jellemzőit különböző
antenna beállításokkal, a kimeneti teljesítményt és annak stabilitását különböző csatornákon,
az adatátviteli sebességet és a különböző hálózati protokollokat. A hétköznapi valóságos
használatot modellező vizsgálati elrendezésben a valódi felhasználási körülményeket,
szokásokat és idő kereteket teszteltük. A számított elnyelődés mértékét valóságos, humán
egész testet modellező számítógépes szimuláció segítségével becsültük meg.
Miután a Wi-Fi technológia EM sugárzása komplex karakterisztikájának kísérletes leírását
elvégeztük, és meggyőződtünk arról, hogy a rendszerünk működése stabil, ezen alapulva egy
olyan vizsgálati elrendezés kialakítására nyílt lehetőség, amely alkalmas modulált Wi-Fi
jelet [IEEE 802.11 b/g szabvány szerinti, 9-es csatornán (2452 MHz), 20 dBm/100 mW
kimeneti teljesítményű, R52n kártyával, UDP adatátviteli szabvánnyal, mindkét antenna
aktív működésével és vertikálisan pozícionálva] használó WLAN sugárzás potenciális
humán biológiai hatásának vizsgálatára, különösen az agyi funkciókat illetően.
46
4. AKUT WI-FI BESUGÁRZÁS HATÁSÁNAK VIZSGÁLATA AZ EEG
HULLÁMTEVÉKENYSÉGRE ÉS A KOGNITÍV TELJESÍTMÉNYRE
4.1. Bevezetés
A munkánkban első lépésként megalkotott, humán biológiai vizsgálatokban megfelelően
használható besugárzó eszköz segítségével lehetővé vált, hogy minden eddiginél
biztonságosabban és pontosabban tanulmányozható legyen a modulált Wi-Fi jelet használó
WLAN sugárzás potenciális humán biológiai hatása, konkrétabban esetünkben a kognícióra,
azon belül is a nyugalmi agyi oszcillációra és a reakcióidő által informált vigilanciára
gyakorolt esetleges hatás. A megépített besugárzó rendszerünkkel modelleztük a Wi-Fi
kompatibilis eszközök jellemző hétköznapi használatát, a térbeli elhelyezkedést, a sugárzás
paramétereit és időtartamát tekintve egyaránt. A következőkben tehát a lehetséges hatást egy
60 perces időtartamú, IEEE 802.11 b/g szabvány szerinti, 2,4 GHz-es, 100 mW kimeneti
teljesítményű Wi-Fi besugárzás közben vizsgáltuk, két különböző vizsgálati elrendezésben.
Megvizsgáltuk a besugárzás hatását az sEEG-n, majd ugyanazon tulajdonságú besugárzás
hatását a pszichomotoros vigilancia tesztben (PVT). Mindkét típusú vizsgálati helyzet kettős
vak, placebo-kontrollált, keresztezett (crossover) elrendezésű volt. Az első elrendezésben
választásunk azért esett az sEEG mérés használatára, mivel széles körben használt és
érzékeny mérőeszköze a különböző nyugalmi állapotú agytevékenységek regisztrálásának,
egészséges vizsgálati személyek, kognitív zavarokkal küzdő páciensek (Uhlhaas és mtsai.,
2008), vagy metabolikus intoxikációk hatásainak vizsgálata (Rosadini és mtsai., 1974)
esetén is. A második elrendezésben a PVT teszt optimális mérőeszköze volt a fenttartott
figyelem és fáradás vizsgálatának, ahogy más vizsgálatokban is a fáradáshoz (Drummond és
mtsai., 2005) illetve alkoholfogyasztáshoz (Howland és mtsai., 2010) kapcsolódó változások
detektálásához a figyelmi funkciókban.
Jelen vizsgálatunk az első, amely ilyen korszerű dozimetriai mérésekkel bevizsgált Wi-Fi
besugárzó rendszerrel próbálja feltárni az indukált EM tér sugárzásának lehetséges hatását
az EEG-re és pszichomotoros vigilanciára, az sEEG-vel és a PVT-vel mért adatok által.
47
4.2. Vizsgálati személyek és módszerek
4.2.1. Vizsgálati személyek
A két külön vizsgálathoz (sEEG, PVT) két különböző csoportba toboroztunk résztvevőket.
Az sEEG mérésben 33 fő, a PVT feladatban 23 fő fiatal, egészséges, jobbkezes egyetemi
hallgató vett részt. A vizsgálati személyeket illetően a két csoport között nem volt átfedés.
Az előbbi csoportból 8, az utóbbiból 4 személy vizsgálati eredményeit volt szükséges
kihagynunk a későbbi elemzésekből különböző kizáró tényezők miatt, például aki az
előzetesen megbeszélt kritériumok ellenére a vizsgálatot megelőzően koffeint fogyasztott,
vagy a második ülésen nem jelent meg, illetve túlzott mértékű hibát tartalmazó mért adatok
miatt. Az sEEG vizsgálat végső mintája így 25 fő (15 nő, 10 férfi, átlag életkoruk 23,3 év,
SEM 0,6) lett. A PVT mérések eredményei pedig 19 részvevő adatait tartalmazták (10 nő, 9
férfi, átlag életkoruk 21,0 év, SEM 0,4). Ezen résztvevők elmondása szerint kórelőzményük
nem tartalmazott pozitivitást neurológiai zavarokra. Az önkéntes résztvevőket előzetesen
tájékoztattuk a vizsgálat részletes menetéről, amit aláírásukkal is megerősítettek. A
részvételüket tantárgyi plusz kreditekkel tudtuk honorálni. Arról is informáltuk őket, hogy a
részvételtől a vizsgálat bármely pontján indoklás nélkül elállhatnak, és ez nem fogja érinteni
a jutalmukat.
A vizsgálati protokollt a Pécsi Tudományegyetem Klinikai Központ, Regionális
Kutatásetikai Bizottsága jóváhagyta (ügyiratszám: 4174). A vizsgálatokat a Pécsi
Tudományegyetem Biológiai Intézete, Kísérletes Állattani és Neurobiológiai Tanszékének
Pszichofiziológiai Laboratóriumában végeztük.
4.2.2. Besugárzó rendszer és dozimetriai mérése
A biológiai méréseket megelőző kutatásunk leírásában, amely a dolgozat első felében
olvasható, részletesen bemutattuk a besugárzó rendszer dozimetriai mérésének eredményeit.
4.2.3. A vizsgálat menete
Mindkét vizsgálati elrendezés (sEEG, PVT) esetében a vizsgálati személyeket előzetesen
arra kértük, hogy tartózkodjanak a vizsgálatot megelőző 12 órában az alkohol- és
koffeintartalmú ételektől és italoktól, és a vizsgálatokat megelőző éjjel legalább 6 órát
töltsenek alvással. A kritériumok miatt kizárt résztvevőkön kívül minden vizsgálati személy
48
úgy nyilatkozott, hogy betartotta a részvételhez szükséges feltételeket. Előzetesen
tájékoztattuk őket a vizsgálatok körülbelüli idői kereteiről (~2 óra/ülés), ennél pontosabban
azonban nem, sőt még az órájukat is megkértük, hogy vegyék le a vizsgálat elején. Mindkét
vizsgálat alatt a résztvevők egy kényelmes karfás székben foglaltak helyet a visszafogottan
megvilágított labor helyiségben. A fej megtámasztásához egy kisebb párnát használtunk a
fejmozgásokból eredő mérési hibák kiküszöbölése céljából. Minden személy két ülésen vett
részt, amelyek között legalább egy hét telt el. Mind az sEEG, mind pedig a PVT mérés során
az egyik ülés alatt valódi, a másik alatt ál-besugárzásnak tettük ki a feji régiót, minden
esetben kettős vak, keresztezett elrendezésben. Azon az ülésen, amikor az ál-besugárzást
alkalmaztuk, nem volt adatátvitel a rendszerben, tehát a vizsgálati személyek nem voltak
semmilyen direkt besugárzásnak kitéve. A valódi és ál-besugárzások sorrendjének
kiegyenlítettsége is módszertanilag fontos szempont. A kiegyenlítettség ez esetben azt
jelenti, hogy a valódi (A) és ál (B) besugárzás sorrendjének mintázata (AB vs. BA) lehetőleg
egyenlő arányban alakuljon, ami a vizsgálatvezető tudtán kívül generálódott. Végül az sEEG
vizsgálat esetében a 25 résztvevőből 11-nél (ebből 8 nő), a PVT teszt esetében a 19
résztvevőből 10-nél (ebből 5 nő) került sor először a valódi besugárzásra. Azért, hogy a
cirkadián ritmus változásainak módosító hatását elkerüljük, az egy személyhez tartozó két
ülést minden esetben ugyanarra az időpontra időzítettük. Egy ülés a résztvevők számára az
előkészületekkel, a besugárzással és a teljes lebonyolítással így összesen két órát vett
igénybe. A vizsgálati időpontokat 8 óra és 18 óra között választhatták. Arra is ügyeltünk,
hogy a lehetséges időpontokat (8-10-, 10-12-, 12-14-, 14-16-, 16-18 óráig) egyenlő arányban
adjuk ki. A Wi-Fi CU-t mindkét vizsgálati elrendezésben a 13. ábraán látható módon, az ülő
résztvevők fejétől 40 cm-re, a két szem közötti távolság függőleges felezővonalához
illesztve helyeztük el, aktív antennákkal, azokat vertikális helyzetbe állítva. A 40 cm
meghatározása a jellemző laptophasználat helyzetéhez illeszkedően történt, még a közeltér
határán belül, illeszkedve a WHO vizsgálataihoz.
49
sEEG: Az EEG jelek elvezetése leggyakrabban nem invazív módon, a hajas fejbőrről, kis
ellenállású (<5 kOhm) fém elektródákkal történik. Az elektródok felhelyezésénél a
nemzetközileg elfogadott 10-20-as rendszert (14. ábra) használják (Jasper, 1958; Jurcak és
mtsai., 2007).
a
13. ábra: A besugárzó rendszer vizsgálati elrendezése. A) Az elérési pont (AP) és az azt vezérlő PC a
laborhoz kapcsolt egyik szomszédos helyiségben kapott helyet. B) A kliens egységet (CU) a vizsgálati
helyiségben helyeztük el, ahol a besugárzás történt, és ahol az sEEG regisztrálására, valamint a PVT teszt
felvételére is sor került. A CU a vizsgálati személyek testközépvonalában, állványra szerelt módon egyenesen
elé lógatva, a nasiontól 40 cm-re lett pozícionálva. Mindkét antenna aktív és függőleges helyzetű volt.
14. ábra: Az EEG-elektródák elhelyezkedése a nemzetközi 10-20-as rendszer szerint.
50
Eszerint a négy referenciaponthoz (nasion, inion, két preauriculáris pont) képest a nasion-
inion távolságát alapul véve az elektródák 10% (nasion-Fp, inion-O), illetve 20%-os (Fp-Fz,
Fz-Cz, Cz-Pz, Pz-O) távolságra helyezkednek el. Az egyes elvezetési pontok elnevezésére
használt nagybetűk az általuk lefedett kérgi területekre utalnak (F=frontális, P=parietális,
C=centrális, O=occipitális, T=temporális), míg a kapcsolódó szám értékek páratlan számok
esetén a bal, párosak esetén a jobb oldali féltekét jelzik. A középvonali elektródok
elhelyezkedésére a jelölésben a z (zentral) utal. Inaktív referencia elektródákat, amik nem
közvetítenek idegi aktivitást, helyezhetünk például a fülre, orra vagy a homlokra.
Vizsgálatunk során az agyi aktivitást három Ag/AgCl elektróda segítségével a középvonali
Fz (frontális), Cz (centrális), és Pz (parietális) elektród pozíciókból rögzítettük. A két
elektróda közötti potenciálkülönbséget unipoláris (aktív és inaktív elektróda közötti)
elvezetéssel mértük. Az orra helyezett elektródát jelöltük ki referencia elektródnak, egy
homlokra helyezettet pedig földelésnek. A vízszintes és függőleges szemmozgások miatt
potenciálisan keletkező mérési hibák kiküszöbölése céljából két elektrookulogram (EOG)
elektródát helyeztünk el a szem külső sarka alá és fölé, aminek felvételét szintén rögzítettük.
Az összes elektróda impedanciáját minden vizsgálat kezdetekor 5 kOhm alá állítottuk. A
detektált elektromos jelet elsőként erősítenünk szükséges, majd különböző szűrőkkel a
frekvenciatartomány beszűkítése lehetséges (jellemzően 0,5-től 100-200 Hz közé) azért,
hogy kiszűrjük a jelből a nemkívánatos elemeket annak érdekében, hogy ne torzítsák az EEG
szignált, végül pedig az analóg jelet A/D konverterrel az értékeléshez digitális jellé alakítjuk.
Vizsgálatunk során a jelet 1 kHz-es mintavételezési frekvenciával, 0,16-150 Hz-es
sávszűréssel, 50 Hz-es lyukszűrővel (az elektromos hálózat által keltett zavarok kiszűrésére)
digitalizáltuk. Az adatokat egy PC-n tároltuk a későbbi elemzéshez (15. ábra).
51
Mindkét vizsgálati ülést (valódi vagy ál Wi-Fi besugárzás) három EEG-regisztrációs blokkra
osztottuk: besugárzás előtti (a továbbiakban Pre), közbeni (Mid) és utáni (Post). Az sEEG
vizsgálati helyzet összességében 80 percig tartott, ami magában foglalt három 10 perces
EEG-felvételi szakaszt. Az elsőt közvetlenül a 60 perces valódi/ál-besugárzás kezdete előtt
rögzítettük. A másodikat pontosan a besugárzás közepére időzítettük. A harmadik blokkot
pedig azonnal a besugárzás végét követően regisztráltuk (16. ábra). Az ülés teljes ideje alatt
a vizsgálati személyeknek csupán annyi volt a teendője, hogy egy nyugodt hangulatú
dokumentumfilmet nézzenek elnémított hangszóróbeállítással. Előzetesen arról is
tájékoztattuk őket, hogy a film tartalmát a vizsgálat részeként később nem szükséges
felidézniük.
a
16. ábra: A valódi elrendezés az EEG mérések során.
15. ábra: Az sEEG felvétel vizsgálati elrendezésének sémája. Az EEG felvétel 3-szor 10 perces. Az első
felvétel (Pre) a 60 perces besugárzást megelőző 10 percben történt. A második (Mid) a besugárzás közepén,
a harmadik (Post) pedig az azt követő 10 percben. A Post blokkot 2 perces szegmensekre bontottuk az
esetleges utóhatás vizsgálata céljából.
52
A pszichomotoros vigilancia tesztet (Psychomotor Vigilance Test, PVT) a nyílt forráskódú
Psychology Experiment Building Language (PEBL) gyűjteményből választottuk (Mueller
és Piper, 2014). A PVT teszt általunk használt komputerizált változata egyszerű RT mérésére
lehetőséget adó program. A vizsgálati személyek feladata az volt, hogy a homogén
sötétszürke képernyő (Samsung S27A750D típusú monitor) közepén lévő fehér keresztre
fókuszáljanak, és az annak helyén, változó ingerkezdeti eltéréssel megjelenő vörös korong
felvillanására a lehető leggyorsabban reagáljanak a space (szóköz) billentyű lenyomásával.
A program automatikusan egy fájlba menti a kapott RT adatokat a további értékelés számára.
Ennél a vizsgálatnál is mindkét ülést (az egyik valódi, a másik ál-besugárzás/nem-
besugárzás) részekre osztottuk. A PVT feladatot négy 15 perces részre (Blokk I-IV).
Egyénenként egy-egy 15 perces blokkban 106 alkalommal történt reakcióidő mérés. Az első
(Blokk I), második (Blokk II) és harmadik (Blokk III) blokk után 5-5 perces szüneteket
iktattunk be. A vizsgálatot a negyedik PVT blokk (Post, Blokk IV) zárta, amely alatt nem
történt besugárzás. A besugárzás 60 perces ideje tehát az első blokk kezdetétől a harmadik
blokkot követő 5 perces szünet végéig tartott. Az ezt követő 20 perces szünet során sem
feladat, sem besugárzás nem történt. (17. ábra). A két négy-négy blokkos ülés során (valódi
és ál-besugárzás esetén is) összesen 424 alkalommal rögzítettük egy-egy egyén
reakcióidejét.
17. ábra: A PVT teszt és a mérési protokoll sémája. Minden próba (trial) elején fixációs kereszt jelenik meg a
képernyő közepén. Majd azt vörös korong alakú célinger követi 1-9 másodperc ingerkezdeti eltéréssel, amire
a vizsgálati személyeknek a space billentyű lenyomásával kell reagálni a lehető leggyorsabban. A PVT teszt 4
darab 15 perces blokkból áll, az első, a második és a harmadik után 5-5 perces szünetekkel, a negyediket egy
20 perces pihenőidő előzte meg. A besugárzás az első blokk elejétől a harmadik blokk utáni szünet végéig
tartott.
53
Továbbá a PVT vizsgálat során a VAS skálát (Visual Analogue Scale, Vizuális Analóg
Skála) (Aitken, 1969) használtuk még a fáradtság, a fáradás, az aktuális figyelem és a
feladathelyzettel kapcsolatos motiváció mértékének szubjektív becslésére a vizsgálat alatt
több alkalommal.
A vizsgálati személyeket tájékoztattuk, hogy reakcióidő feladatban vesznek részt, aminek
célja, hogy a vizsgálatvezető által bemutatott módon a megjelenő vizuális ingerre a lehető
leggyorsabban gombnyomással reagáljanak. Az ingerkezdeti eltérések (stimulus-onset
asynchrony, SOA) 1-9 másodperc között variálódtak (17. ábra). A programban a válaszadás
időkorlátját maximális 2000 ms-ban határoztuk meg. A rejtett asszociációk kiküszöbölése
miatt ugyanazt az egy billentyűt és jobb kézzel kértük lenyomni, az egyébként is jobbkezes
vizsgálati személyektől (18. ábra). Az időbeli keretekről szintén nagyvonalakban adtunk
tájékoztatást, és szintén kértük, hogy az óráikat vegyék le. A vizsgálat fő szakasza előtt egy
rövid gyakorlási fázist iktattunk be, az egyéni feladatkészültség potenciális eltéréseinek
kiegyenlítésére. Ekkor kértük először a vizsgálati személyeket arra is, hogy töltsék ki a VAS
skálát. Ezt a skálát a későbbiekben a szünetekben (közvetlenül a blokkok előtt és/vagy után)
a fáradás szempontjából 6, a motiváció szempontjából 5, a figyelmet illetően összesen 4
alkalommal töltettük ki. Ezt követően a vizsgálati személyek általi indítással (szóköz
billentyű lenyomásával) vette kezdetét a mérés. Minden választ követően a képernyőn
kiírásra került a RT milliszekundumban. A vizsgálat végén egy rövid, a részletekre nem
kiterjedő, általánosan pozitív visszajelzést adtunk a résztvevőknek a teljesítményükről, és
megköszöntük a részvételüket a vizsgálatban.
18. ábra: A vizsgálati elrendezés a PVT teszt során.
54
4.2.4. Az adatok elemzése
A Shapiro-Wilk teszt alapján az sEEG esetében epocholt, transzformált adatok, a PVT
esetében pedig az egyes vizsgálati személyek egy-egy blokkban mért RT értékeinek átlagai
normál eloszlást mutattak, így az átlagokból képzett csoportok (n*1, ahol n a vizsgálati
személyek száma) összehasonlítására ismétléses varianciaanalízist használtunk. 0,05 (alfa)
szignifikancia szint esetén vetettük el a nullhipotézist. Ahol szignifikáns hatást vagy
interakciót találtunk, azokban az esetekben Tukey HSD (Honest Significant Difference) post
hoc tesztet használtunk a csoportkülönbségek többszörös összehasonlításához. A hatások
erősségét a parciális éta-négyzet értékek mutatják meg.
sEEG adatok elemzése. A vizsgálat közben CED Spike2 program által PC-n rögzített
adatokat később Matlab14 (MathWorks, Natick, MA) programozói környezetben, Delorme
és Makeig (2004) által fejlesztett, kutatási célokra is ingyenesen hozzáférhető EEGLAB15
programmal értékeltük. Az adatokat a három elektródapozíció (Fz, Cz, Pz) szempontjából
elemeztük. A nyers adatokon szoftveresen 0,5-40 Hz közötti sávszűrést alkalmaztunk, ezt
követően pedig 2 másodperces epochokra osztottuk. A ±100 mV-ot meghaladó (többek
között az EOG-vel detektált szemmozgások okozta) próbák adatait kizártuk a későbbi
elemzésekből. Az epocholt adatokon gyors Fourier-transzformációt (FFT) futtattunk le
1024-es méretű FFT-vel (nfft=1024). Logaritmus-transzformációval számítottunk
teljesítményértékeket az irodalomban fellelhető, korábbi tanulmányokban (Kleinlogel és
mtsai., 2008; Trunk és mtsai., 2013) használt adatok alapján meghatározott
frekvenciatartományokban (delta: 1-3 Hz, théta: 4-8 Hz, alfa1: 9-10 Hz, alfa2: 11-12 Hz,
béta1: 13-18 Hz, béta2: 19-32 Hz), mindegyik sEEG rögzítési blokk (Pre, Mid, Post)
esetében a későbbi statisztikai analízishez. Három különböző analízist végeztünk azért, hogy
megállapítsuk, van-e különbség a valódi és ál-besugárzási körülmények között. Elsőként
minden felvételi blokkban az epochok válogatását végeztük el. Végül blokkonként minimum
150 epochnak kellett maradni ahhoz, hogy az adott vizsgálati személy eredményei a további
elemzésben részt vegyenek. A számított teljesítményértékeken ezután három utas ismétléses
varianciaanalízist (rANOVA) végeztünk a következő változókkal: BESUGÁRZÁS (valódi
vs. ál) × BLOKK (Pre vs. Mid vs. Post) × ELEKTRÓDA (Fz vs. Cz vs. Pz), mind a 6
definiált frekvenciatartomány (delta vs. théta vs. alfa1 vs. alfa2 vs. béta1 vs. béta2) esetében.
A második analízis során a 10 perces Post blokkot felosztottuk további 2 perces
szegmensekre (16. ábra). A szegmenseket tovább bontottuk 2 másodperces epochokra. Itt is
14 https://www.mathworks.com/ 15 http://sccn.ucsd.edu/eeglab/
55
meghatároztunk minimálisan elfogadható mennyiségű epochot, ami szegmensenként 30
darabot jelentett. A Post blokk esetében a Wi-Fi besugárzás feltételezett múló utóhatását a
következőképpen teszteltük rANOVA-val: BESUGÁRZÁS (valódi vs. ál) × SZEGMENS
(Seg 1 vs. Seg 2 vs. Seg 3 vs. Seg 4 vs. Seg 5) × ELEKTRÓDA (Fz vs. Cz vs. Pz). Hasonló
statisztikai módszerrel kutatócsoportunk korábbi munkájában találkozhatunk (Trunk és
mtsai., 2013). A harmadik analízis során a Wi-Fi sugárzás nemek szerinti hatását vizsgáltuk
minden korábban specifikált EEG frekvenciatartományban, minden szegmensben,
megismételve az előző számítást a nem (NEM, férfi vs. nő), mint független szempont szerint
alakított csoportok faktorával kibővítve.
PVT adatok elemzése. A PVT feladat végzése közben a program rögzítette a vizsgálati
személyek RT-jét. Az analízisek során használt – RT, illetve azokból kalkulálható – adatok
a következők voltak: átlagos reakcióidő (RT), lapszusok átlagos darabszáma (RT>500 ms),
reakcióidő inverze (1/RT × 1000, a továbbiakban 1/RT), variációs koefficiens (szórás/RT),
a leggyorsabb RT-k (10-dik percentilis alatt) és a leglassabb RT-k (90-dik percentilis felett).
A percentilisek tekintetében a számításokhoz minden esetben a teljes 15 perces PVT blokkok
értékeit vettük alapul. Azért az átlagolt RT-t és a belőle származtatott értékeket használtuk
a továbbiakban, mert PVT kutatásokban gyakran használják, és a vigilancia változásait
meglehetősen érzékenyen jelzik. A lapszusok száma egyénenként és blokkonként is eltérő
volt, a teljes PVT mérés-sorozat során 284 alkalommal mértünk ilyen RT>500 ms értékeket,
a blokkonként áltagolt lapszusok számát a 20. ábraán tüntettük fel. RT>2000 ms-os értékek
a későbbi számításokba bele sem kerültek, mivel ilyet csak olyan személyeknél mértünk,
akiknek az adatai időközben egyéb kritériumok miatt már kizárásra kerültek. RT<100 ms
(76 darab) értékeket a további elemzésből kivettük. Az adatok többszempontú elemzése
során a Wi-Fi besugárzás (valódi vs. ál), mint fő hatás mellett az esetleges prolongált hatás
jelentkezését is vizsgáltuk. A feladattal töltött időt (time on task) a 15 perces feladat blokkok
esetén is vizsgálhatnánk, de hogy részletesebben belelássunk a teljesítmény idői
változásaiba, a PVT adatokat blokkonként három-három egyenlő, 5 perces szakaszra
bontottuk (továbbiakban INTERVAL). A varianciaanalízisekhez tehát a következő három
változót használtuk: PVT 15 perces feladat BLOKK-ok (Blokk I, Blokk II, Blokk III), egy-
egy blokkon belüli 5-5 perces INTERVAL-ok (Int 1, Int 2, Int 3), BESUGÁRZÁS (valódi
vs. ál) (17. ábra). A PVT adatok tekintetében is három különböző analízist végeztünk.
Elsőként az első három blokkot elemeztük, amely alatt valódi vagy ál-besugárzás történt. Az
ismétléses varianciaanalízist a BESUGÁRZÁS (valódi vs. ál), BLOKK (Blokk I, Blokk II,
Blokk III) és az INTERVAL (Int 1, Int 2, Int 3) változókkal végeztük. A második analízis
56
során ugyanezen elemzést végeztük el a nem (NEM, férfi vs. nő), faktorával kibővítve. A
harmadik analízis során arra a kérdésre kerestük a választ, hogy vajon a besugárzás és a
besugárzás utáni blokkban mérhető teljesítmények között van-e különbség a valódi vagy
ál-besugárzás függvényében. Ennek megválaszolásához csak a harmadik és negyedik blokk
összehasonlítását választottuk, így az rANOVA-t a BESUGÁRZÁS (valódi vs. ál) ×
BLOKK (Blokk III, Blokk IV) × INTERVAL (Int 1, Int 2, Int 3)-on futtattuk. A negyedik
elemzésünk során nem az eddigi, RT-n alapuló adatokat használtuk. A feladat-specifikus,
szubjektív fáradás, motiváció és figyelmi kapacitás mértékének esetleges különbségeire is
kíváncsiak voltunk a valódi, illetve ál-besugárzás esetén. Ezért közvetlenül a vizsgálat
kezdete előtt, illetve az első három blokkot megelőzően/követően a VAS skálán jelzett
értékekkel dolgoztunk az rANOVA-ban, BESUGÁRZÁS (valódi vs. ál) és BLOKK (Pre,
Blokk I, Blokk II, Blokk III) változókkal.
4.3. Eredmények
4.3.1. Akut Wi-Fi besugárzás hatása sEEG hullámtevékenységre
Ahhoz, hogy a Wi-Fi sugárzás potenciális hatását az sEEG-re fel tudjuk tárni, a spektrális
teljesítmények átlagos amplitúdóját vizsgáltuk a korábban meghatározott delta, théta, alfa1,
alfa2, béta1, béta2 frekvenciatartományokban. A 19. ábraán láthatók az átlagolt amplitúdó
19. ábra: A Pz elektródáról rögzített spontán EEG felvétel amplitúdó görbéi a három vizsgálati blokkból
(Pre, Mid, Post), valódi és ál-besugárzás esetén. A felső görbén az eredmények kinagyítva láthatók minden
frekvenciatartomány és mérési kondíció esetében.
57
értékek minden frekvenciatartományban, a BLOKK (Pre, Mid, Post) és a BESUGÁRZÁS
(valódi vs. ál) típusa függvényében.
Az első analízis eredménye (4. táblázat) szerint a besugárzásnak nem volt szignifikáns hatása
az amplitúdók által jellemzett spektrális teljesítményre. Szignifikáns időbeli hatást az alfa1
frekvenciatartományban rögzített amplitúdó értékekben tudtunk kimutatni [BLOCK: F(2,
48)=4,74, p<0,05, parciális éta-négyzet=0,16]. Tehát a különbséget az amplitúdó
emelkedése okozta a harmadik (Post, átlag: 1,33 µV, SEM: 0,09) blokkban az első (Pre,
átlag: 1,27 µV, SEM: 0,08) és második (Mid, átlag: 1,26 µV, SEM 0,08) blokkokhoz képest.
A nemek közti különbséget illetően a sugárzással nem találtunk szignifikáns interakciót. A
második analízis során, amikor a Post blokkot öt darab 2 perces szegmensre osztottuk, több
ponton is mutatkoztak szignifikáns különbségek. Az alfa1 frekvenciatartományban [F(4,
96)=4,77, p<0,001, parciális éta-négyzet=0,16] a Tukey HSD teszt eredményei rámutattak
arra, hogy a negyedik szegmens (Seg 4, átlag: 1,25 µV, SEM: 0,07) jelentősen különbözött
mind az első (Seg 1, átlag: 1,37 µV, SEM: 0,1), mind a második (Seg 2, átlag: 1,36 µV,
SEM: 0,09), mind pedig a harmadik (Seg 3, átlag: 1,35 µV, SEM: 0,1) szegmensekben
regisztrálható teljesítmény értékektől. Szignifikáns főhatás volt detektálható az alfa2
tartomány esetén is [F(4, 96)=2,59, p<0,05, parciális éta-négyzet=0,09]. A Tukey HSD teszt
azt mutatta, hogy a negyedik szegmensben (Seg 4, átlag: 0,92 µV, SEM: 0,05) jelentősen
alacsonyabb amplitúdó mutatkozott, mint az elsőben (Seg 1, átlag: 0,97 µV, SEM: 0,06).
Szintén jelentkezett szegmens hatás a béta2 [F(4, 96)=10,75, p<0,01, parciális éta-
négyzet=0,3) frekvenciatartományban úgy, hogy a negyedik (Seg 4, átlag: 0,46 µV, SEM:
0,02) és az ötödik (Seg 5, átlag: 0,47 µV, SEM: 0,03) szegmensben regisztrált amplitúdók
átlaga jelentősen különbözött az első (Seg 1, átlag: 0,44 µV, SEM: 0,02) és másodikétól (Seg
2, átlag: 0,44 µV, SEM: 0,02). A besugárzás és szegmensek között azonban nem találtunk
interakciót. Amellett, hogy a harmadik analízis eredményei (4. táblázat) alapján a Wi-Fi
sugárzás és a nemek között nem mutatkozott interakció, érdekes, hogy a béta1 és béta2
frekvenciatartományokban mutatkozott a besugárzástól független különbség minden blokk
esetében.
Mivel a Wi-Fi elektromágneses sugárzásnak nem találtuk moduláló hatását, ezért az
elektródák között a különböző frekvencia tartományokban mért szignifikáns eltérések (4.
táblázat) nem az EM sugárzás következményeként értelmezhetők, hanem – egybevágóan
irodalmi adatokkal (Buzsaki és Draguhn, 2004; Groppe és mtsai., 2013) – közvetetten azt
bizonyíthatják, hogy a három elektróda valóban más forrásból vezet el jelet, tehát releváns
agyi aktivitásokat mértünk.
58
4.3.2. A besugárzás hatása a vigilanciára
Az első analízisben az ismétléses varianciaanalízis [BESUGÁRZÁS (valódi vs. ál) ×
BLOKK (Blokk I, Blokk II, Blokk III) × INTERVAL (Int 1, Int 2, Int 3)] eredményei (20.
ábra) szerint a feladattal eltöltött idő a teljesítményt valóban befolyásoló tényező. Ennél is
pontosabban, a romló teljesítmény és a megnövekedett feladattal töltött idő hátterében
szignifikáns BLOKK és INTERVAL főhatások is állhatnak. A BLOKK főhatás egyaránt
érvényesül az átlagos reakcióidő tekintetében [átlagos RT: F(2, 36)=6,62, p<0,01, parciális
éta-négyzet=0,27], az inverz reakcióidő [1/RT: F(2, 36)=7,85, p<0,01, parciális éta-
négyzet=0,30] és a leggyorsabb RT (10-dik percentilis alatt) [F(2, 36)=5,34, p<0,05,
parciális éta-négyzet=0,23) esetében is. Szintén szignifikáns INTERVAL hatást tudtunk
kimutatni az átlagos reakcióidőben [átlagos RT: F(2, 36)=18,99, p<0,001, parciális éta-
négyzet=0,51], az inverz reakcióidő [1/RT: F(2, 36)=20,17, p<0,001, parciális éta-
négyzet=0,53] és a lapszusok számának növekedésénél [F(2, 36)=4,88, p<0,05, parciális éta-
négyzet=0,21]. Emellett azt találtuk, hogy a résztvevők teljesítményében az első három
BLOKK esetében növekedett a válaszok variabilitása, közel szignifikáns INTERVAL
4. táblázat: Összefoglalás az sEEG analízisek eredményeiről.
59
főhatás [F(2, 36)=3,26, p=0,06, parciális éta-négyzet=0,15] volt azonosítható, ami a RT-k
variabilitásának növekedését is indukálta. Tehát az idő előre haladtával a PVT feladatban
nyújtott teljesítmény, a BLOKK-ok valamint a finomabb elemzésre is lehetőséget adó
INTERVAL-ok esetében kapott eredmények szerint is, gyengül. Fontos azonban
kiemelnünk, hogy a valódi besugárzásnak nem lehetett azonosítani moduláló szerepét sem
az RT és ebből származtatott értékek esetében [átlagos RT: F(1, 18)=0,55, n.s.; 1/RT: F(1,
18)=0,51, n.s.; leglassabb RT (90-dik percentilis felett): F(1, 18)<0,1, n.s.; leggyorsabb RT
(10-dik percentilis alatt): F(1, 18)=0,5, n.s.; lapszusok: F(1, 18)=0,12, n.s.; variabilitás F(1,
8)=0,24, n.s.], és nem mutatkozott szignifikáns interakció a valódi besugárzás esetében sem
(F=0,03-tól 1,7-ig; p=0,23-tól 0,99-ig). A második, NEM (férfi vs. nő) faktorával kiegészített
analízis eredményeként szintén nem találtuk a besugárzásnak szignifikáns hatását. A
harmadik analízis eredményeképpen (20. ábra), amikor a harmadik, utolsó besugárzási
blokkban (Blokk III) nyújtott teljesítményt hasonlítottuk össze a negyedik, besugárzást
követő blokkban (Blokk IV) mérhető adatokkal − a leglassabb RT (90-dik percentilis felett),
20. ábra: A PVT teszt eredményei a teljesítménytényezők függvényében. A) átlagos reakcióidő, B) inverz
reakcióidő, C) lapszusok száma, D) a válaszok variabilitása, valódi és ál-besugárzás esetén, mind a
négy vizsgálati blokkban. A részletesebb adatelemzés céljából mindegyik PVT blokkot három, egyenlő
hosszúságú (~5 perc) intervallumra osztottunk.
60
a variabilitás és lapszusok száma kivételével −, a teljesítmény szignifikáns javulását találtuk
a negyedik blokkban [átlagos RT: F(1, 18)=5,04, p<0,05, parciális éta-négyzet=0,22; 1/RT:
F(1, 18)=10,69, p<0,05, parciális éta-négyzet=0,37; leggyorsabb RT (10-dik percentil alatt):
F(1, 18)=10,45, p<0,01, parciális éta-négyzet=0,36]. A teljesítményben tapasztalt változást
nem befolyásolta a besugárzás minősége (valódi vs. ál), semmilyen szignifikáns interakció
nem mutatkozott a valódi besugárzás és a blokkok között egyik teljesítménytényező esetében
sem. A besugárzást követő blokkban (Blokk IV) mért teljesítmény javulás hátterében az azt
megelőző hosszabb (20 perces) pihenő idő hatása állhat.
Végül az önjellemző értékelésen alapuló szubjektív fáradás értékek varianciaanalízise azt
mutatta, hogy a PVT teszt végzése során, az idő, a blokkok előre haladtával a fáradtság
érzésének mértéke szignifikánsan nőtt [BLOKK: F(3, 54)=20,89, p<0,00, parciális éta-
négyzet=0,54] (21. ábra). Azonban ezen változás hátterében sem tudtuk kimutatni
főhatásként a valódi besugárzást, illetve a besugárzás és a blokkok szignifikáns interakcióját.
A motivációval [BLOKK: F(3, 54)=9,42, p<0,00, parciális éta-négyzet=0,34] (21. ábra) és
a figyelemmel [BLOKK: F(2, 36)=7,55, p<0,00, parciális éta-négyzet=0,3] (21. ábra)
kapcsolatban szignifikáns csökkenés mutatkozott a vizsgálat kezdetéhez (Pre) képest. Ezen
szubjektív becslések változásának hátterében szintén nem volt azonosítható a besugárzás,
mint főhatás.
21. ábra: A VAS skálán kapott szubjektív A) fáradás, B) motiváció, C) figyelem értékek változása az idő
előrehaladtával a PVT teszt során. A hibasávok az átlagos szórást (SEM) jelzik.
61
Tehát a feltárt szignifikáns összefüggések jelzik az idő előre haladtával a PVT-ben a
teljesítmény változását (az első három blokkban fokozatosan romlik, a negyedikben a
pihenést követően javul) és a fáradást. Azonban ezek egyike sem mutat szignifikáns
összefüggést a besugárzással, ezért nem annak következményeként értelmezhető, hanem a
természetes, besugárzástól független fáradást és velejáró teljesítményromlást tudtuk
detektálni. A pihenés utáni javulás ugyanezt támasztja alá.
62
5. AZ EREDMÉNYEK KÖZÖS ÖSSZEFOGLALÁSA
Kutatásunkban célul tűztük ki, hogy létrehozzunk és részletesen leírjunk egy olyan WLAN
kommunikációs rendszert, amely alkalmas bioelektromágneses mérésekhez élő
szövetekben, humán vizsgálatokban. Mivel a WLAN rendszerek rendkívül összetett,
modulált RF sugárzást bocsájtanak ki, ezért a sugárzás méréséhez kialakított vizsgálatoknak
és az eredmények értelmezésének igazodnia kell ehhez a komplexitáshoz. Az eszközünk
által kibocsájtott sugárzás modellezett SAR eredményeinek mélyebb értékelése alapján
elmondható, hogy jelentős, további akár évtizedes kutatások alapjául szolgáló adatokat
tártunk fel az RF sugárzás elnyelődése terén. Az emberi testben, kiemelten a fejben
abszorbeált sugárzás ilyen szintű ismerete döntő fontosságú az EM sugárzást kibocsájtó
rendszerek biztonságos használatának megítéléséhez, és a biológiai vizsgálatok
eredményeinek megbízható és korrekt interpretációjához. Joseph és mtsai. (2013) például
arra mutattak rá, hogy a WLAN esetében a nem egyenletes adatforgalom miatt és a
felhasználási körülményektől függően (lakossági vagy ipari célú fájlátvitel, video stream,
zenehallgatás, böngészés a neten) a kitöltési tényezők széles skálán mozoghatnak, és az
adatsűrűség változásával fordítottan arányosak. Tehát gyengébb WLAN kapcsolat esetén
nagyobb lehet a kitöltési tényező, ezáltal a lehetséges EM sugárzás mértéke.
Eredményeink szerint a legnagyobb mértékű elnyelődés az eszközökhöz legközelebb eső
szövetekben detektálható. Emellett a fej hátsó részén és a mélyebb szövetekben lényegesen
alacsonyabb, több, mint 26 dB-lel kisebb értékeket mértünk. Fontosnak tartjuk kiemelni,
hogy a modellezett SAR eredmények minden beállítás és minden szövet esetében jóval az
ICNIRP által megadott határértékek alatt voltak. A legnagyobb jelelnyelődést a bőrben és a
magas víztartalmú szövetekben találtuk. Sandrini és mtsai. (2004) valósághű környezetbeli,
női és férfi vizsgálati modellekkel szimulálták a 0,1-4 GHz közé eső EM terek elnyelődését.
Vizsgálatuk első felében meghatározták a női modell dielektromos tulajdonságát (fDAM),
majd a második lépésben összehasonlították a kapott értékeket nemek szerint az EMF
elnyelődés szempontjából. Eredményeikben kimutatták, hogy a női modellben a teljes testre
vetített SAR lényegesen nagyobb mértékű, mint a férfi modellben. A különbséget főleg a
bőr alatti vastagabb zsírréteg okozza. Egy másik vizsgálatban 5, 8 és 12 éves gyerek
modelleknél vizsgálták a 20 MHz-2,4 GHz-es tartományba eső EM sugárzás teljes testre
vetített SAR mértékét. Eredményeikben azt kapták, hogy − amellett, hogy a felnőtt modellek
esetében is nagy volt az eredmények variabilitása − ha az ICNIRP által meghatározott
teljesítményű sugárzásnak teszik ki a gyerek modelleket, akkor akár 40%-kal az alapvető
63
biztonsági limitek fölé emelkedhet az SAR értéke (Conil és mtsai., 2008). Habachi és mtsai.
(2010) a modellező vizsgálatokban alkalmazott emberi modellek nemek közötti morfológiai
különbségei miatt alakuló eltérő eredményekre mutat rá a 2100 MHz-es EM sugárzás
elnyelődésének vizsgálatán keresztül. Eredményeik alapján nemzetközileg elfogadott
morfológiai faktorok (például külső testfelszín, testtömeg, testtömeg-index; belső izmok,
testzsírszázalék) szükségességét állapítják meg. Mindkét modell esetén a kapott SAR
értékek jóval az ICNIRP ajánlások határértékei alatt találhatóak (például a legmagasabb
SAR10g esetén 2 W/kg). Az eredmények értelmezése során érdemes szem előtt tartanunk,
hogy a számítógépes modellezés során felmerül több különböző belső eredetű
bizonytalanság is, amik befolyásolhatják a becsült SAR értékeket. A szakirodalmak közül
több tanulmány is részletesen foglalkozik a maximális SAR értékekre vonatkozó
bizonytalanságokat illetően. Az ultra magas frekvenciájú (UHF) rádió frekvenciás
azonosításra (RFID) használt eszközök széles körű elterjedése miatt kérdéssé vált az azok
által generált EM tér elnyelődése mértékének megismerése. Fiocchi és mtsai. (2013)
modellező vizsgálatukban különböző, valódi helyzetet szimuláló, RFID olvasóval generált
besugárzási elrendezésekben, különböző emberi modellek (egy-egy felnőtt nő és férfi, négy
gyerek, valamint két, egy hét és egy kilenc hónapos várandós nő) esetében végeztek
számításokat. Úgy találták, hogy az átlagos SAR gyerekekben és felnőttekben alatta marad
az egészségügyi határértékeknek, azonban várandós nők esetében az anyában és a
magzatban is elérheti a maximálisan megengedett értéket abban az esetben, amikor a
sugárforrás antennája éppen a has előtt található. Bakker és mtsai. (2010) munkájukban az
ICNIRP által definiált EM sugárzásra vonatkozó referencia értékek felülvizsgálatát
javasolja, ugyanis modellezett mérési eredményeik szerint a gyerekmodellekben kapott SAR
értékek esetenként akár 45%-kal is meghaladták azokat.
Az eredményeink rámutatnak arra, hogy szükséges minden, többek között kutatási célokra
egyedileg készített Wi-Fi besugárzó rendszer megbízhatóságának előzetes vizsgálata, és a
kibocsájtott sugárzás minden paraméterének felmérése. Ezáltal nem csak a beállítások lehető
legjobb kombinációját alakíthatjuk ki, hanem biztosíthatjuk az eredmények validitását,
megismételhetőségét.
Összegezve: A megalkotott Wi-Fi besugárzó rendszert számos beállítással teszteltük a
legstabilabb, legmegbízhatóbb működés eléréséig. A legjobb jelminőség és jelerősség
mindkét antenna aktív működése, a 9-es csatorna (2452 MHz), UDP szabvány és R52n
RouterBoard kártya használata esetén valósult meg. A rendszer jól kontrollálhatóan,
stabilan, elhanyagolható mértékű kimeneti energiaingadozással működik. Ezáltal reliábilis
64
eszközt alkottunk biológiai, humán vizsgálatok számára, amelyek a Wi-Fi eszközök által
kibocsájtott EM sugárzás hatásait kívánják vizsgálni heurisztikusan kontrollált, valósághű
környezetben.
Jól ismert, hogy az agyi oszcillációs válaszok nagymértékben változnak az aktuális éberség
és figyelmi állapotok függvényében. Kutatásunkban a besugárzás utáni EEG blokkban
tapasztalható magasabb nyugalmi alfa1 aktivitás az éberség csökkenését jelezheti az idő
előre haladtával. Emellett azonban nem tudtunk azonosítani olyan nyugalmi agyi aktivitás
változást, amelyet a valódi Wi-Fi besugárzással idéztünk volna elő, tehát nem volt
detektálható olyan aktivitásváltozás, ami a Wi-Fi sugárzás következtében alakult volna ki.
A hullámtevékenység, a figyelem és az aktivitási szintek fontos szerepet játszanak akár az
egészséges, akár a patológiás kognitív állapotokban is. Basar és mtsai. (1999)
tanulmányukban áttekintették azokat a vizsgálati eredményeket, amelyek egészséges
vizsgálati személyeknél az eseményfüggő oszcillációt vizsgálták az alfa, théta, delta és
gamma EEG hullámkomponensek esetében. Azt találták, hogy az egyes
hullámkomponensekhez tartozó oszcillációs rendszerek úgy viselkednek, mint kiterjedt
neuroncsoportok kommunikációs hálózatai, és funkcionális kapcsolatban állnak a memória
és integratív kognitív funkciókkal. Ezen normál módon működő neurális oszcillációk és
szinkronizációjuk jelenthetik a rugalmas kommunikációt a kérgi területek között, illetve
kapcsolhatók bizonyos kognitív funkciókhoz is, például a figyelemfüggő ingerszelekció,
munkamemória, tudati működés. Ezeknek az oszcillációknak a megváltozása
neuropszichiátriai zavarokkal is társulhat. Például skizofrén betegekben bizonyított az
abnormális oszcilláció és szinkronizáció kapcsolata a kognitív zavarokkal. Egy összefoglaló
tanulmányban áttekintették a neuronális oszcillációk szerepét a normál agyműködés során,
illetve funkcionális kapcsolatukat különböző kognitív folyamatokkal. Majd összevetették
ezen működéseket a skizofréniában azonosítható kognitív diszfunkciókkal asszociálódott
abnormális szinkronizációkkal kognitív és viselkedéses feladathelyzetekben (Uhlhaas és
mtsai., 2008).
A külső környezeti hatások által okozott változások az agy fiziológiai állapotaiban krónikus
jelátviteli változásokhoz vezethetnek, egészségügyi kockázatot is jelentve. Jelen
vizsgálatunkban ezért kiemelt figyelmet szenteltünk annak, hogy a Wi-Fi sugárzásnak
bármilyen mérhető hatása lehet-e az agyi oszcillációra éber, illetve nyugalmi állapotban.
Meggyőző érvek támasztják alá, hogy nagyobb sejtcsoportok egyidejű oszcilláló működése
jelzi az agy nyugalmi állapotát. Klimesch (1996) 1-es típusú szinkronizációnak nevezte az
65
agy nyugalmi állapotát és a funkcionális gátláshoz kapcsolható oszcillációs mintázatot.
Ehhez képest mentális aktivitás esetén más neuronális hálózatok, más frekvenciákon
kezdenek szinkron oszcillációba. Ezt azonosította 2-es típusú szinkronizációnak, amely az
1-es szinkronizációt felváltja. A rövidtávú, epizodikus memória esetén a théta
frekvenciatartományban növekvő teljesítményű szinkronizáció tapasztalható. A hosszútávú,
szemantikus emlékezet a magasabb alfa tartományokban bekövetkező feladatspecifikus
deszinkronizációhoz vezet. Az előbbit az elülső limbikus rendszerben, az utóbbit a hátulsó
talamikus rendszerben azonosítható oszcillációk tükrözik. A különböző
frekvenciatartományokban detektálható oszcillációk jelenthetik tehát a különböző
memóriafolyamatok, például kódolás, hozzáférés és előhívás alapjait. Kutatásaink akut Wi-
Fi besugárzást vizsgáló részében 1-es típusú szinkronizáció esetén rögzítettük az EEG jelet,
míg például Maganioti (2010) vizsgálatában mért hullámkomponensek
teljesítményváltozásai 2-es típusú szinkronizációnak feleltethetők meg.
Szintén ismert, hogy az EEG oszcilláló aktivitásban történő változások megmutatkoznak az
olyan mérhető kognitív változókban, mint például a reakcióidő. Ez arra utal, hogy minden
nyugalmi helyzetben bekövetkező apró módosulás az agy állapotában tükröződik az
oszcillációt jellemző alap változókban. Kutatásunk során csupán nyugalmi, spontán EEG-t
vizsgáltunk a Wi-Fi sugárzás főhatás szempontjából. A PVT feladat során azonban ezúttal
nem került sor EEG regisztrálásra. A továbbiakban fontosnak tartjuk kognitív feladatvégzés
közben is mérni az agyi oszcillációban bekövetkező változásokat és a kiváltott választ. A
kiváltott válaszokban mérhető eseményfüggő alfa-deszinkronizáció (ERD) mellett bizonyos
esetekben eseményfüggő alfa-szinkronizáció (amplitúdó növekedés, ERS) lép fel, még
pedig olyankor, amikor a vizsgálati személy visszatartja, vagy valamilyen módon
kontrollálja a válasz kivitelezését. Tehát ez az alfa-ERS top-down, gátló folyamatokat jelez.
A neuroncsoportok ritmusos tüzelési mintázat változásához illeszkednek az amplitúdó
változások. A változások időbeli és irányparamétereit írják le a fázisok, amelyek
funkcionális kapcsolatban állnak a neuronális aktiváció folyamataival. A fázis visszaállása
pedig egy erőteljes mechanizmusként mutatkozik az eseményfüggő időzítés kérgi
feldolgozása során. Tehát az alfa-ERS aktív szerepet játszik a gátló és időzítő
folyamatokban, míg az alfa-ERD a gátlás fokozatos oldódását jelzi, a komplex aktivációs
folyamatok terjedésével hozható összefüggésbe (Klimesch és mtsai., 2007). A
béta-oszcillációnak az aktuális szenzomotoros vagy kognitív állapot fenntartásában lehet
fontos szerepe. A normál béta-oszcilláció még kifejezettebb lehet, ha az állandóság
fenntartása szándékos, vagy a változatlanság jósolható meg. Patológiásan megnövekedett
66
béta-aktivitás pedig az állandósághoz való abnormális ragaszkodáshoz, a rugalmas
viselkedésszervezésben és kognitív kontrollban romláshoz vezethet (Engel és Fries, 2010).
Számos vizsgálati eredmény támasztja alá, hogy a gamma-oszcillációnak kulcsszerepe lehet
lokális neuroncsoportok ingerelhetőségének ritmikus váltásaiban. Abban az esetben, ha a
célingerek bemutatása egy ritmikus menetben történik, akkor a béta-oszcilláció az elsődleges
vizuális kéregben idomul ehhez a ritmushoz, így azt eredményezi, hogy nagyobb találati
arány alakul a feladat szempontjából releváns eseményekre, és csökken a reakcióidő
(Lakatos és mtsai., 2008). Minél inkább anticipáljuk a választ egy jól bejósolható ingerre,
annál gyorsabban reagálunk arra. Stefanics és mtsai. (2010) rámutattak, hogy a különböző
szintű elvárásokhoz kapcsolódó teljesítményváltozások a delta-oszcillációs fázis dinamikus
modulációjából fakadnak. Auditoros célinger-detekciós feladathelyzetben azt tapasztalták,
hogy bejósolható ingerek esetében az EEG delta ritmus idomult a célinger hang
megjelenéséhez növekvő fázisszinkronizáció mellett. A RT korrelált a delta tartomány
oszcillációjának fázisával a célinger megjelenésekor. Tehát az EEG szignál ilyen részletes
elemzése arra is rámutathat, hogy az alacsony frekvenciájú oszcilláció funkcionális szerepet
játszhat az anticipatorikus mechanizmusokban, feltehetőleg azáltal, hogy nagyobb
neuroncsoportok tüzelésének szinkronizált ritmikus változására moduláló hatással lehet. A
PVT teszt esetében − ha rögzítettünk is volna EEG-t − a célinger bemutatása során a ritmikus
idomulás lehetőségét a változó ingerkezdeti eltérések miatt sem tudtuk volna vizsgálni.
Az irodalomban fellelhető tanulmányok szerint jellemzően a második generációs GSM
mobiltelefonok által keltett elektromágneses terek sugárzása interferálhat az sEEG
aktivitással. Reiser és mtsai. (1995) egyszeres vak, keresztezett, placebo-kontrollált
elrendezésben, 36 résztvevővel hasonlították össze egy EM terápiákhoz használatos
jelgenerátor és egy mobiltelefon által keltett sugárzásnak a hatását az EEG
hullámkomponensekre. A jelgenerátor EM mezőjének sugárzása következtében
teljesítménynövekedést regisztráltak a besugárzás alatt és azt követően egyaránt az alfa2,
béta1, béta2 frekvenciatartományokban. Hasonló növekedés volt azonosítható
mobiltelefonos besugárzás esetében ugyanazon frekvenciatartományokban, azzal a
különbséggel, hogy a sugárzást követően 15 perccel később jelentkezett a hatás. Röschke és
Mann (1997) rövid idejű GSM sugárzás hatásával kapcsolatban az éber EEG-re nem tudtak
azonosítani spektrális teljesítményváltozást. 2G és 3G mobiltelefonok sugárzása hatásának
esetleges korfüggését vizsgálták (Croft és mtsai., 2010). Három korcsoport esetén (serdülő,
fiatal felnőtt, középkorú felnőtt) kettős vak, keresztezett módszertannal nézték a nyugalmi
alfa aktivitás változását három kondícióban (ál-besugárzás, 2G és 3G mobiltelefon
67
sugárzás). Azt találták, hogy fiatal felnőttek esetében az alfa hullámkomponensben
teljesítménynövekedés jelentkezett 2G esetén, de nem mutatkozott szignifikáns eltérés a
serdülő és idősebb korosztályban. A 3G-típusú sugárzás semelyik életkorban nem
változtatott azt aktivitásmintázaton. A 2G és 3G mobiltelefonok keltette sugárzás hatását
vizsgálták szintén életkoronként Leung és mtsai. (2011) auditoros kakukktojás paradigmával
és n-back teszt segítségével. A 2G sugárzásnak az életkortól függetlenül az N1
hullámkomponensre találták módosító hatását, 3G esetén a serdülő korosztályban romlott a
végrehajtás pontossága, és mindkét típusú sugárzást illetően alfa komponens esetén
késletetett eseményfüggő szinkronizáció-deszinkronizáció volt azonosítható. Különböző,
900 MHz-en és 1800 MHz-en működő, analóg és digitális mobiltelefon készülékek által
generált EM terek hatásai és ál-besugárzás közötti különbségeket vizsgálták EEG
segítségével Hietanen és mtsai. (2000). Egy esetben találtak statisztikailag szignifikáns
változást a delta frekvenciatartomány abszolút teljesítményében, azonban nem találtak
eltérést a relatív teljesítményben. Eredményeikből azt a következtetést vonták le, hogy a
mobilkészülékek által kibocsájtott EMF-nek valójában nincs mérhető hatása az
EEG-aktivitásra, az általuk jegyzett különbség statisztikai hiba lehetett. Ezzel szemben
Curcio és mtsai. (2005) 900 MHz-es modulált EM sugárzás éber EEG-n regisztrálható
hatásával kapcsolatban úgy találták, hogy mind az EEG-felvételt megelőző, mind pedig az
alatta történő besugárzás esetében spektrális teljesítményváltozás azonosítható az alfa
frekvenciatartományban. Utóbbi esetben a módosító hatás még erőteljesebb. Későbbi
vizsgálatukban ugyanazon mobiltelefon sugárzással kapcsolatban azonban nem találtak
szignifikáns különbséget egyszerű RT értékek között (Curcio és mtsai., 2008). Ugyan a 2G
és a Wi-Fi eszközök eltérők például a frekvenciájuk és modulációjuk tekintetében is,
azonban az EM terek vizsgálatai során a mi eredményeink is azt a tábort erősítik, amelyek
nem tudtak kimutatni szignifikáns hatást az EEG hullámkomponenseire illetve az RT-re.
A 2G esetében bizonyos vizsgálatokban azonosított módosító változásokat az EEG
tekintetében nem detektáltak 3G UMTS EM terek esetében. Trunk és mtsai. (2013) − mint
már korábban említettük − 30 perces besugárzás kapcsán nem találtak módosító hatást a
nyugalmi agyi oszcillációban, illetve kakukktojás paradigmával vizsgálva a kiváltott válasz
és eltérési negatívitás esetében. Croft és mtsai. (2010) a különböző korosztályoknál végzett
vizsgálatukkal az alfa frekvenciatartományban ezt az eredményt támasztják alá. A GSM
kutatások eredményeinek többségével ellenkezően, azonban az UMTS vizsgálatokkal
megegyezően azt találták kakukktojás paradigmával kiváltott válasz feladatokban P100,
N100 és P300 hullámkomponensek és reakcióidő esetében, hogy semelyik típusú
68
sugárzásnak nem volt szignifikáns hatása egyik változó tekintetében sem az
ál-besugárzáshoz viszonyítva (Kleinlogel és mtsai., 2008).
Ismertek már adatok 4G (LTE) sugárzás hatásáról is az EEG-re. Lv és mtsai. (2014) rövidebb
idejű (30 perc) LTE EMF sugárzás (2,573 GHz) hatását tanulmányozták a teljes agy neurális
szinkronizációjára, amire eredményeik szerint módosító hatással lehet ez a típusú sugárzás.
Yang és mtsai. (2017) vizsgálatukban LTE mobiltelefon maximális sugárzásának (2,61
GHz, maximális kimeneti teljesítmény: 0,25 W, SAR: 1,34 W/kg, besugárzás ideje: 50 perc)
az EEG-e gyakorolt hatását vizsgálták. A biztonsági határértékek betartását modellezett
számításokkal igazolták. Eredményeik spektrális teljesítmény- és interhemiszferikus
koherencia-csökkenést mutattak az alfa és béta frekvenciatartományokban a frontális és
temporális agyi területeken. Kutatócsoportunk (Vecsei és mtsai., 2018) 30 perces UMTS és
LTE sugárzás hatását vizsgálva az EEG alfa hullámkomponensére valamint a Stroop-
tesztben nyújtott teljesítményre azt találták, hogy jelentős csökkenés mutatkozott az alfa-
oszcillációban, azonban a Stroop-tesztben nem volt detektálható módosító hatás.
A dozimetriai mérésekből kapott eredményeink legjobb tudásunk szerint az elsők a humán
vizsgálatra szánt rendszerek sorában. Ezzel a stabil, megbízható besugárzó eszközzel végzett
méréseink eredményei azt mutatják, hogy a tipikus hétköznapi eszközhasználat során a
Wi-Fi készülékek által jellemzően generált EM sugárzás nem gyakorol mérhető hatást a
nyugalmi állapotban regisztrálható spektrális aktivitás, hullámkomponensek esetében az
éber EEG-re, illetve a fenntartott figyelmet igénylő kognitív folyamatokra. A 2G, 3G és
Wi-Fi technológiákkal kapcsolatos kutatások eredményeinek diszkrepanciája hátterében egy
lehetséges magyarázat a különböző EMF terek moduláció-specifikussága. A 2G GSM jel
esetében kimutatott hatások, amik 3G és Wi-Fi esetében nem állnak fent, azt valószínűsítik,
hogy az EEG-re az alacsonyabb frekvenciájú (217 Hz) pulzáló moduláció gyakorolhat
hatást, nem pedig a vivőfrekvencia (900 vagy 1800 MHZ) vagy az EMF tér kimeneti
teljesítménye (max. 2 W).
Vizsgálati eredményeink csak részben hasonlíthatók össze Papageorgiou és mtsai. (2011)
eredményeivel. Vizsgálatukban a stimulus által kiváltott válasz amplitúdója férfiak esetében
csökkent, nők esetében pedig nőtt a jobboldali centrális-parietális régióban Wi-Fi besugárzás
esetén egy mondatbefejezési feladat végzése során. Az általuk, illetve az általunk végzett
vizsgálatok között több fontos különbség is található. Vizsgálatunkban az sEEG értékek
regisztrálása egy passzív filmnézési helyzetben, a PVT (RT) feladattól teljesen
különválasztva, két ülésben történt, hogy a nyugalmi sEEG-re potenciálisan hatással lévő
egyéb kognitív feladatvégzési kondíciókat mindenféleképpen kizárjuk. Ezzel szemben ők
69
kiváltott válaszokat (ERP) rögzítettek, és a mondatbefejezési kognitív feladattal egy ülésben
végezték a két vizsgálatot. Munkájukban nem publikálták a besugárzó készülék precíz
dozimetriájának és a vizsgálat teljes menetének a leírását, illetve a statisztikai elemzések
pontos eredményeit (F-érték, hatáserősség). Mindezek miatt az eredményeik nem
megfelelően értelmezhetőek, nem interpretálhatóak általánosan elfogadható bizonyítékként
az akut Wi-Fi sugárzás potenciális finom hatásait illetően a kognitív teljesítményre. Azonban
az, hogy a mondatbefejezési feladatban nem tudták kimutatni a Wi-Fi sugárzásnak az RT-re
gyakorolt hatását, akár támogathatja a mi PVT vizsgálatunk azon eredményét, hogy a Wi-Fi
sugárzásnak nem tárható fel semmilyen módosító hatása a kognitív feladatvégzésre.
Maganioti és mtsai. (2010) a Papageorgiou és mtsai-hoz (2011) hasonló vizsgálati
elrendezésben, azonban munkamemória feladat végzése közben rögzített EEG elemzése
során nők esetén az alfa és béta frekvenciatartományokban a jobb anterior és occipitalis
területeken szignifikánsan alacsonyabb teljesítmény értékeket találtak. Publikációjukban
nem szerepel sem a vizsgálat során használt WLAN EM jel részletes tulajdonságainak, sem
a vizsgálat menetének, sem a statisztikai eredményeknek a pontos leírása. Eredményeiket
vizsgálatunk eredményeivel − a nemek közötti különbségek tekintetében − szintén nem lehet
egzaktul összehasonlítani. Maganioti és mtsai. (2010) munkamemória feladat közbeni
EEG-t mértek, míg mi passzív helyzetben sEEG-t rögzítettünk. A nemek szerinti bontásban,
ilyen elrendezésben, nem találtunk eltérését a WLAN EM besugárzás hatására. További
fontos különbség, hogy a munkájukban használt 30 csatornás elvezetéshez képest mi 3
középvonali elektródot alkalmaztunk, ezért a hozzájuk hasonló lokalizáció szerinti
értékelésre nem volt lehetőségünk.
Calvente és mtsai. (2016) gyerekek esetében vizsgálták kognitív viselkedési feladatokra
vonatkozóan a mindennapos RF-EMF sugárzásnak kitettség hatását. Értelmezésük szerint
az eredményeik arra is utalhatnak, hogy gyermekek esetében a legtöbb paraméter
tekintetében nem mutatkozott hatás, azonban bizonyos területeken (verbális
megértés/kifejezés, internalizáló zavarok) lehet kapcsolat a sugárzásnak kitettség szintje és
a viselkedéses-kognitív fejlődés között. Mindazonáltal a nyelvi fejlődés és a szorongásos
zavarok kialakulásának etiológiája olyan mértékben multikauzális, hogy a sugárzásnak a már
ismert faktorokkal való korrelációjának a vizsgálata alapján következtethetünk csak arra,
hogy van-e az RF-EMF-nek önmagában moduláló hatása ezekre a fejlődési területekre.
Kutatásuk eredményei azonban nehezen hasonlíthatók össze vizsgálati eredményeinkkel. A
módszertanuk teljesen más. Az EM sugárzásnak a Wi-Fi (2,4 GHz) jelhez képest nagyon tág
spektrumát (100 kHz – 6 GHz) vizsgálták. Nem akut sugárzás hatásait mérték, hanem a
70
környezetből pontszerű mintavételezéssel megállapított sugárzási szintet vettek alapul, és a
sugárzásnak ezáltal hosszabb távú hatását lehetséges vizsgálni. A vizsgálati személyek, a mi
fiatal felnőtt résztvevőinkkel szemben gyermekek (9-11 éves) voltak, és a kognitív
tesztbattéria is teljesen különbözött a mi vizsgálati elrendezésünkben alkalmazott RT
feladattól.
Választásunk azért esett a PVT feladatra, mert az eddigi kutatásokban való használat alapján
jó indikátora az egyén éberség- és figyelemfenntartó endogén kapacitásának. Ezáltal a PVT
során mért RT és ebből származtatott értékek jó mutatói a figyelemmel kapcsolatos funkciók
Wi-Fi besugárzás esetén potenciálisan detektálható érzékenységének. Tehát az
eredményeink, amik nem mutattak ki semmilyen mérhető hatást, arra engednek
következtetni, hogy a jelen esetben PVT értékekkel jellemzett fenntartott figyelmi funkció
nem érzékeny a Wi-Fi sugárzásra. Ez a konklúzió akkor is helytálló, ha külön-külön csak a
leggyorsabb és leglassabb RT szempontjából értékeljük. A leggyorsabb RT értékek a
nyugalmi állapotban elérhető optimális teljesítményről informálnak. Az érintett
folyamatokat egy olyan kiterjedt agyi hálózat szabályozza, amelynek részei a frontális
végrehajtó területek, a fronto-parietális fenntartott figyelmi rendszerhez és a motoros
funkciókhoz kapcsolódó területek. Ezzel szemben a leglassabb RT jellemzi a szuboptimális
teljesítményt, illetve a figyelmetlenséghez és a figyelem elterelődéséhez kapcsolódik. Ezen
területek azonosítása céljából Drummond és mtsai. (2005) végeztek vizsgálatokat normál és
alvásmegvonásos helyzetekben PVT teljesítmény eredmények összehasonlításával, illetve
az érintett agyterületek fMRI lokalizációjával. Összegezve tehát a vizsgálatunkban használt
2,4 GHz-es Wi-Fi besugárzás nem idézett elő kísérletesen mérhető hatásokat sem az
optimális, sem pedig a nem-optimális PVT teljesítmény értékek szempontjából. A válaszok
variabilitását illetően az idő előre haladtával növekedést regisztráltunk. A variabilitás
növekedése pedig általában az alapvető perceptuális és motoros funkciók szabályozására
irányuló kognitív kontroll csökkenését jelzi. Az egyéni teljesítményben mutatkozó
változékonyság és a végrehajtó kontroll funkciók egymáshoz való viszonyát, valamint
funkcionális neuroanatómiai hátterét Bellgrove és mtsai. (2004) vizsgálták részletesen
eseményfüggő fMRI vizsgálattal szelektív reakcióidő/Go/No-Go paradigmában.
A PVT feladattal kapcsolatos eredményeink közül fontos még foglalkoznunk a feladattal
töltött idő hatásával. A teljesítmény egyértelmű csökkenésével párhuzamosan nőtt a
feladattal töltött idő, ami a legtöbb teljesítménymutatóban is jelentkezett. Emellett a
vizsgálati személyek is a fáradás mértékének szubjektív növekedéséről, a motiváció és
71
figyelmi kapacitás szubjektív csökkenéséről számoltak be. Így a szubjektív és objektív
adatok alapján elmondható, hogy a PVT feladat során romló teljesítmény hátterében a
fáradási hatás állhat. A feladattal töltött idő, ami lényegében tehát a fáradást jelzi, azonban
nem mutatott összefüggést a Wi-Fi besugárzással, még fáradtabb résztvevők esetén sem
rontotta tovább a teljesítményt. A PVT feladatban kapott eredményeink azonban egy, a
hipotéziseink között nem szereplő állítást megerősítenek. A Wi-Fi besugárzásnak ugyan
nincs hatása a kognitív teljesítményre, azonban a PVT a vigilancia változását, a fáradási
hatást − amire dedikált mérőeszköz − megbízhatóan kimutatta a mi vizsgálati
elrendezésünkben is, ami a PVT megbízhatóságát támasztja alá.
Összegezve: A Wi-Fi besugárzásnak a jelen vizsgálati elrendezésben nem volt semmilyen
mérhető hatása az emberi agy neurokognitív funkcióira. Az eredményeink, amik nem
jeleznek összefüggést a Wi-Fi sugárzás és a vizsgált pszichofiziológiai változók között, jól
összhangban vannak korábbi, nyugalmi EEG-vel kapcsolatos vizsgálatok publikált
eredményeivel, amelyek szintén nem találták hatását az UMTS sugárzásnak az agyi
oszcillációra. Azt is megállapíthatjuk, hogy az alkalmazott Wi-Fi besugárzásnak nincsen
semmilyen módosító hatása a kognitív teljesítmény egyszerű viselkedéses változóira sem.
Annak ellenére, hogy a jelenlegi mérések során nem alkalmaztunk pozitív kontrollt (például
alvásmegvonást vagy farmakológiai hatást), kijelenthetjük, hogy az általunk alkalmazott
módszertan kellően robusztus volt ahhoz, hogy detektálni lehetett volna vele a Wi-Fi
sugárzás bárminemű hatását a feladat változókra. Relatíve nagy statisztikai teljesítményt
kaptunk a statisztikai modellünk belső, nemkörnyezeti változók főhatásaira, mint például
ELEKTRÓDA főhatás az EEG-ben, és INTERVAL főhatás a PVT-ben. Kutatásunk során
megalkottunk tehát egy olyan eszközt és vizsgálati elrendezést, amivel végzett vizsgálataink
megbízható eredményekkel szolgálhatnak a 2,4 GHz-es Wi-Fi RF-EMF sugárzás akut
élettani hatásait illetően (Foster és Moulder, 2015, 2019).
Emellett egy ezen alapuló következő vizsgálat tervezése során a jelen, csupán alap
paradigma vizsgálatára lehetőséget adó három középvonali elektródát használó mérés
helyett mindenféleképpen több csatornás elvezetéssel lenne érdemes dolgozni, ami lehetővé
tenné akár a lokalizáció szerinti részletesebb elemzést is, valamint összehasonlíthatóvá
válna, hogy történik-e információvesztés az elvezetések számának függvényében. Továbbá
fontos ügyelni a mérési hibák kiküszöbölésére az aktuálisan elérhető optimális mérési
eszközök kiválasztásával. Esetleges ráépülő kutatások során nagyobb mintaelemszám
szükséges, ezáltal kiterjeszthető lenne akár több korosztály jellemzőinek összehasonlító
72
vizsgálatára is. A továbbiakban a vizsgálati elrendezés bővíthető összetettebb RT, ERP vagy
a kognitív működés több területéről informáló komplexebb feladatvégzéssel. Mivel az újabb,
5 GHz-es vivőfrekvencián működő Wi-Fi jelnek magasabb a frekvenciája, ami által kisebb
a behatolási mélysége, ezért azt is gondolhatnánk, hogy az eredményeink kiterjeszthetők
lennének ugyanezen beállítások esetén az 5 GHz-es frekvencián generálható Wi-Fi EM
sugárzás hatásait illetően is, azonban ezzel óvatosan kell bánni, mivel a NMHH által
megszabott, nagyságrenddel nagyobb kimenő teljesítmény határérték (1 W) miatt a valós
felhasználási körülmények és hatások lényegesen eltérők lehetnek. További vizsgálatokat
tartunk szükségesnek különböző szabvány (IEEE 802.11 n és ac) és jel-modulációs
elrendezésekkel is ahhoz, hogy végső következtetéseket vonhassunk le a Wi-Fi sugárzás
potenciális neurokognitív hatásait illetően.
73
6. ÖSSZEFOGLALÁS
A természetes háttérsugárzás mellett, a mikrohullámú és rádiófrekvenciás tartományba eső,
környezeti elektromágneses sugárterhelés exponenciálisan megnövekedett az utóbbi
évtizedekben. Bár a mobilkommunikációs eszközök használata közben keletkező EM tér
energiája nem okoz molekuláris kötésfelhasításokat, ezek a nem-ionizáló sugárzások
képesek megváltoztatni az emberi szervezet normál működését. Ezeknek az eszközöknek a
rohamos elterjedését nem előzték meg olyan vizsgálatok, amelyek ezeket a potenciális
hatásokat felderítették volna, ezért napjaink tudományos feladata az esetleges
kölcsönhatások finom részleteinek feltárása. A mobiltelefonok GSM és UMTS
rendszereinek hatásával sok kutatás foglalkozik, de az utóbbihoz hasonló paraméterekkel
jellemezhető Wi-Fi-kompatibilis eszközök által generált EM terek mindennapi és hosszabb
távú használatából eredő sugárzásának vizsgálata még csak most kezdődik. Ezért célul
tűztük ki, hogy létrehozzunk egy olyan vizsgálati elrendezést, amely a valódi hétköznapi
eszközhasználat jellemzőin alapul, és az EM sugárzást a protokolloknak és biztonsági
előírásoknak megfelelően tudjuk modellezni. Kutatásunk első részeként megépítettünk egy
egyedi, modulált Wi-Fi jelet használó WLAN EM sugárzást generáló eszközt, amelynek
megbízható és biztonságos működését a minden paraméterre kiterjedő precíz dozimetria
eredményei garantálják. Ezt követően, megvizsgáltuk egy 60 perces időtartamú, IEEE
802.11 b/g szabvány szerinti, 2,4 GHz-es, 9-es csatornán (2452 MHz), 100 mW kimeneti
teljesítményű Wi-Fi besugárzás hatását a nyugalmi állapotú agytevékenységre és a
fenntartott figyelem és fáradás vizsgálatára alkalmas pszichomotoros vigilancia tesztben
nyújtott teljesítményre. Eredményeink szerint az egyszeri, akut, rövid idejű, Wi-Fi
készülékek által jellemzően generált EM sugárzás nem gyakorol mérhető hatást a nyugalmi
állapotban regisztrálható spektrális aktivitásra, hullámkomponensek esetében az éber
EEG-ben, illetve a fenntartott figyelmet igénylő kognitív folyamatokra. A GSM, UMTS és
Wi-Fi technológiákkal kapcsolatos kutatások eredményeinek diszkrepanciája a különböző
EM terek moduláció-specifikusságával magyarázható. Bár az általunk alkalmazott
módszertan kellően robusztus volt ahhoz, hogy detektálni tudjuk a Wi-Fi sugárzás és a
vizsgált pszichofiziológiai változók közötti összefüggéseket, és eredményeink összhangban
vannak korábbi, UMTS EM sugárzással kapcsolatos vizsgálatok eredményeivel, további
vizsgálatokat tartunk szükségesnek különböző szabvány (IEEE 802.11 n és ac) és
jel-modulációs elrendezésekkel ahhoz, hogy végső következtetéseket vonhassunk le a
Wi-Fi sugárzás potenciális neurokognitív hatásait illetően.
74
7. SUMMARY
In addition to natural background radiation, exposure to the man-made enviromental
electromagnetic (EM) energy including microwaves and radio waves has dramatically
increased in the recent decades. Most of the exposure is derived from mobile communication
(MC) technology. Although all MC device operate at EM energy levels that cannot disrupt
chemical bonds, the non-ionizing radiation emitted by them may interfere with
neurocognitive processes in the human brain. As no attempts had been done to analyze these
effects prior to the recent rapid proliferation of MC technology, therefore revealing and fine
dissection of the possible interactions with MC derived EM with the living organisms are
urgent. Biological effects of EM energy emitted by GSM and UMTS systems are intensively
studied, nevertheless, the research of EM radiation generated by WLAN devices with similar
parameters has just begun. Therefore, we aimed to build an experimental setup, which
mimics the features of EM radiation emitted by commercially available WLAN technology
that enables us to probe a model under highly regulated and safe circumstances. As the first
step, a unique WLAN device was designed with precise dosimetry on free-field
measurements and computational estimation of SAR, substantially described with heuristic
characterization method, with stable exposure, and with peak SAR values below the
international guidelines. Next, the effects of a 60-min irradiation [2.4 GHz, channel 9 (2452
MHz), 100 mW Wi-Fi in standard IEEE 802.11 b/g mode] was investigated on spontaneous
awake electroencephalographic (sEEG) or sustained attention. The latter was measured
using a computerized psychomotor vigilance test (PVT). Although the method applied in
our study was robust enough to evoke changes, our results consistent with other studies
clearly showed that an acute, 60-min single dose Wi-Fi exposure affects neither the sEEG
activity nor the basic neurocognitive processes in the human brain. It is important to point
out, however, that research related to GSM, UMTS or Wi-Fi technologies provides
controversial, sometimes opposing results that can be explained by the modulation-specific
effects of the different EM fields. Thus, to offer a final conclusion in respect of Wi-Fi
radiation and psychophysiological functions, our results prompt further studies by using n
and ac modes of IEEE 802.11 WLAN standard and by applying various signal-modulation
scenarios.
75
8. KÖSZÖNETNYILVÁNÍTÁS
Szeretnék köszönetet mondani Dr. Hernádi István habilitált docensnek, témavezetőmnek
minden segítségért, amit csoportjában – eredendően informatikusként – a szükséges
biológiai és tudományos ismeretek elsajátításához, a vizsgálati módszerek megismeréséhez,
a publikálásokhoz és a disszertáció elkészülése során tőle kaptam.
Ezúton köszönöm Dr. Gábriel Róbert egyetemi tanárnak, a Biológiai és Sportbiológiai
Doktori Iskola vezetőjének a doktori tanulmányaimhoz nyújtott támogatását.
Hálás köszönet illeti Dr. Serena Fiocchi szerzőtársamat, valamint Dr. Marta Parazzini és
Dr. Paolo Ravazzani kutatótársaimat a modellező mérésekhez nyújtott értékes
segítségükért.
Köszönöm Dr. Thuróczy Györgynek osztályvezetőnek és Juhász Péternek a besugárzó
eszköz dozimetriai méréséhez való nélkülözhetetlen hozzájárulásukat.
Hálás szívvel gondolok Dr. Csathó Árpád habilitált docens szerzőtársammal töltött
brainstormingokra.
Külön köszönetemet szeretném kifejezni Dr. Trunk Attila tudományos munkatársamnak,
kutatótársamnak, valamint Dr. Dénes Viktória habilitált docens kolléganőmnek,
barátaimnak, a kutatási folyamatban a tervezéstől a megvalósítás és a kiértékelések
nehézségein át a publikációk és a disszertáció megszületéséig tőlük kapott mindennemű
becses szakmai és emberi segítségért.
Nagyon köszönöm Dr. Csoknya Mária professzor asszonynak, Dr. Völgyi Béla habilitált
docens kollégámnak és Dr. Laczkó József habilitált docens munkahelyi vezetőmnek az
évek során kedves támogatásukat.
Hálásan köszönöm a PTE TTK Kísérletes Állattani és Neurobiológiai valamint
Információtechnológia és Biorobotika Tanszékek minden dolgozójának a
hozzájárulásukat a kutatásaim megszületéséhez.
Szavakba nem önthető a hálám szüleimnek és feleségemnek, akik életem minden napján
számos formában segítenek, támogatnak az emberi fejlődésben és a szakmai haladásban
egyaránt.
A kutatásokat a Magyar Köztársaság és az Európai Unió együttesen támogatta, az Európai
Szociális Alap részfinanszírozásával valósultak meg a TÁMOP-4.2.2-08/1-2008-0011
valamint a TÁMOP-4.2.2.A-11/1/KONV-2012-0024 és GINOP-2.3.2-15-2016-00022
keretében. Egyúttal köszönetünket szeretnénk kifejezni a Schmid & Partner Engineering
AG-nek a SEMCAD X szimulációs szoftverért.
76
9. IRODALOMJEGYZÉK
Ahlbom, A., Feychting, M., Green, A., Kheifets, L., Savitz, D. A., Swerdlow, A. J.,
Epidemiology, I. S. C. o. (2009). Epidemiologic evidence on mobile phones and
tumor risk: a review. Epidemiology, 20(5), 639-652.
Ait-Aissa, S., Billaudel, B., Poulletier De Gannes, F., Hurtier, A., Haro, E., Taxile, M.,
Ruffie, G., Athane, A., Veyret, B., Lagroye, I. (2010). In situ detection of gliosis and
apoptosis in the brains of young rats exposed in utero to a Wi-Fi signal. Comptes
Rendus Physique, 11(9-10), 592-601.
Ait-Aissa, S., Billaudel, B., Poulletier de Gannes, F., Ruffie, G., Duleu, S., Hurtier, A., Haro,
E., Taxile, M., Athane, A., Geffard, M., Wu, T., Wiart, J., Bodet, D., Veyret, B.,
Lagroye, I. (2012). In utero and early-life exposure of rats to a Wi-Fi signal:
screening of immune markers in sera and gestational outcome. Bioelectromagnetics,
33(5), 410-420.
Ait-Aissa, S., de Gannes, F. P., Taxile, M., Billaudel, B., Hurtier, A., Haro, E., Ruffie, G.,
Athane, A., Veyret, B., Lagroye, I. (2013). In situ expression of heat-shock proteins
and 3-nitrotyrosine in brains of young rats exposed to a WiFi signal in utero and in
early life. Radiat Res, 179(6), 707-716.
Aitken, R. C. (1969). Measurement of feelings using visual analogue scales. Proc R Soc
Med, 62(10), 989-993.
Bakker, J. F., Paulides, M. M., Christ, A., Kuster, N., van Rhoon, G. C. (2010). Assessment
of induced SAR in children exposed to electromagnetic plane waves between 10
MHz and 5.6 GHz. Phys Med Biol, 55(11), 3115-3130.
Banaceur, S., Banasr, S., Sakly, M., Abdelmelek, H. (2013). Whole body exposure to 2.4
GHz WIFI signals: effects on cognitive impairment in adult triple transgenic mouse
models of Alzheimer's disease (3xTg-AD). Behav Brain Res, 240, 197-201.
Basar, E., Basar-Eroglu, C., Karakas, S., Schurmann, M. (1999). Are cognitive processes
manifested in event-related gamma, alpha, theta and delta oscillations in the EEG?
Neurosci Lett, 259(3), 165-168.
Bellgrove, M. A., Hester, R., Garavan, H. (2004). The functional neuroanatomical correlates
of response variability: evidence from a response inhibition task. Neuropsychologia,
42(14), 1910-1916.
Berger, H. (1929). Über das Elektrenkephalogramm des Menschen. Archiv für Psychiatrie
und Nervenkrankheiten, 87, 527-570.
77
Binhi, V. N. és Rubin, A. B. (2007). Magnetobiology: the kT paradox and possible solutions.
Electromagn Biol Med, 26(1), 45-62.
Borbely, A. A., Huber, R., Graf, T., Fuchs, B., Gallmann, E., Achermann, P. (1999). Pulsed
high-frequency electromagnetic field affects human sleep and sleep
electroencephalogram. Neurosci Lett, 275(3), 207-210.
Broadbent, D. E. (1971). Decision and stress. Academinc Press, London.
Buzsaki, G. és Draguhn, A. (2004). Neuronal oscillations in cortical networks. Science,
304(5679), 1926-1929.
Cahn, B. R., Delorme, A., Polich, J. (2013). Event-related delta, theta, alpha and gamma
correlates to auditory oddball processing during Vipassana meditation. Soc Cogn
Affect Neurosci, 8(1), 100-111.
Calvente, I., Perez-Lobato, R., Nunez, M. I., Ramos, R., Guxens, M., Villalba, J., Olea, N.,
Fernandez, M. F. (2016). Does exposure to environmental radiofrequency
electromagnetic fields cause cognitive and behavioral effects in 10-year-old boys?
Bioelectromagnetics, 37(1), 25-36.
Celik, O., Kahya, M. C., Naziroglu, M. (2016). Oxidative stress of brain and liver is
increased by Wi-Fi (2.45GHz) exposure of rats during pregnancy and the
development of newborns. J Chem Neuroanat, 75(Pt B), 134-139.
Christ, A., Kainz, W., Hahn, E. G., Honegger, K., Zefferer, M., Neufeld, E., Rascher, W.,
Janka, R., Bautz, W., Chen, J., Kiefer, B., Schmitt, P., Hollenbach, H. P., Shen, J.,
Oberle, M., Szczerba, D., Kam, A., Guag, J. W., Kuster, N. (2010). The Virtual
Family--development of surface-based anatomical models of two adults and two
children for dosimetric simulations. Phys Med Biol, 55(2), N23-38.
Cobb, B. L., Jauchem, J. R., Adair, E. R. (2004). Radial arm maze performance of rats
following repeated low level microwave radiation exposure. Bioelectromagnetics,
25(1), 49-57.
Conil, E., Hadjem, A., Lacroux, F., Wong, M. F., Wiart, J. (2008). Variability analysis of
SAR from 20 MHz to 2.4 GHz for different adult and child models using finite-
difference time-domain. Phys Med Biol, 53(6), 1511-1525.
Croft, R. J., Leung, S., McKenzie, R. J., Loughran, S. P., Iskra, S., Hamblin, D. L., Cooper,
N. R. (2010). Effects of 2G and 3G mobile phones on human alpha rhythms: Resting
EEG in adolescents, young adults, and the elderly. Bioelectromagnetics, 31(6), 434-
444.
78
Curcio, G., Ferrara, M., Moroni, F., D'Inzeo, G., Bertini, M., De Gennaro, L. (2005). Is the
brain influenced by a phone call? An EEG study of resting wakefulness. Neurosci
Res, 53(3), 265-270.
Curcio, G., Valentini, E., Moroni, F., Ferrara, M., De Gennaro, L., Bertini, M. (2008).
Psychomotor performance is not influenced by brief repeated exposures to mobile
phones. Bioelectromagnetics, 29(3), 237-241.
Czigler, I. (2007). Figyelem: információfeldolgozás, teljesítmény. Általános pszichológia 1.
(pp. 511-552). Osiris kiadó, Budapest.
Deese, J. (1955). Some problems in the theory of vigilance. Psychological Review, 62(5),
359-368.
Delorme, A. és Makeig, S. (2004). EEGLAB: an open source toolbox for analysis of single-
trial EEG dynamics including independent component analysis. J Neurosci Methods,
134(1), 9-21.
Donders, F. C. (1969). Over de snelheid van psychische processen [On the speed of
psychological processes]. Attention and Performance: II., (Eredetileg publikálva:
1868).(Amsterdam: North-Holland.).
Drummond, S. P., Bischoff-Grethe, A., Dinges, D. F., Ayalon, L., Mednick, S. C., Meloy,
M. J. (2005). The neural basis of the psychomotor vigilance task. Sleep, 28(9), 1059-
1068.
Edelstyn, N. és Oldershaw, A. (2002). The acute effects of exposure to the electromagnetic
field emitted by mobile phones on human attention. Neuroreport, 13(1), 119-121.
EFHRAN. (2012). European Health Risk Assessment Network on EMF Exposure. Report
on risk analysis of human exposure to electromagnetic fields [Internet]. Letöltve:
2017. június. 23. Link: http://efhran.polimi.it/docs/D2_Finalversion_oct2012.pdf.
Engel, A. K. és Fries, P. (2010). Beta-band oscillations--signalling the status quo? Curr Opin
Neurobiol, 20(2), 156-165.
Findlay, R. P. és Dimbylow, P. J. (2005). Effects of posture on FDTD calculations of specific
absorption rate in a voxel model of the human body. Phys Med Biol, 50(16), 3825-
3835.
Findlay, R. P. és Dimbylow, P. J. (2010). SAR in a child voxel phantom from exposure to
wireless computer networks (Wi-Fi). Phys Med Biol, 55(15), N405-411.
Finta, V. (2007). Milyen hatásai vannak a környezetünkben lévő nem ioniozáló
elektromágneses sugárzásoknak? Fizikai Szemle, LVII. évfolyam(11. szám), 349-357.
79
Fiocchi, S., Markakis, I. A., Ravazzani, P., Samaras, T. (2013). SAR exposure from UHF
RFID reader in adult, child, pregnant woman, and fetus anatomical models.
Bioelectromagnetics, 34(6), 443-452.
Fiocchi, S., Parazzini, M., Liorni, I., Samaras, T., Ravazzani, P. (2014). Temperature
increase in the fetus exposed to UHF RFID readers. IEEE Trans Biomed Eng, 61(7),
2011-2019.
Foster, K. R. (2007). Radiofrequency exposure from wireless LANs utilizing Wi-Fi
technology. Health Phys, 92(3), 280-289.
Foster, K. R. és Moulder, J. E. (2013). Wi-Fi and health: review of current status of research.
Health Phys, 105(6), 561-575.
Foster, K. R. és Moulder, J. E. (2015). Can Wi-Fi Affect Brain Function? Radiat Res, 184(6),
565-567.
Foster, K. R. és Moulder, J. E. (2019). Response to Pall, "Wi-Fi is an important threat to
human health". Environ Res, 168, 445-447.
Gabriel, S., Lau, R. W., Gabriel, C. (1996). The dielectric properties of biological tissues:
III. Parametric models for the dielectric spectrum of tissues. Phys Med Biol, 41(11),
2271-2293.
Gandhi, O. P. (2002). Electromagnetic fields: human safety issues. Annu Rev Biomed Eng,
4, 211-234.
Groppe, D. M., Bickel, S., Keller, C. J., Jain, S. K., Hwang, S. T., Harden, C., Mehta, A. D.
(2013). Dominant frequencies of resting human brain activity as measured by the
electrocorticogram. Neuroimage, 79, 223-233.
Gruber, M. J., Watrous, A. J., Ekstrom, A. D., Ranganath, C., Otten, L. J. (2013). Expected
reward modulates encoding-related theta activity before an event. Neuroimage, 64,
68-74.
Guderian, S., Schott, B. H., Richardson-Klavehn, A., Duzel, E. (2009). Medial temporal
theta state before an event predicts episodic encoding success in humans. Proc Natl
Acad Sci U S A, 106(13), 5365-5370.
Gumral, N., Naziroglu, M., Koyu, A., Ongel, K., Celik, O., Saygin, M., Kahriman, M.,
Caliskan, S., Kayan, M., Gencel, O., Flores-Arce, M. F. (2009). Effects of selenium
and L-carnitine on oxidative stress in blood of rat induced by 2.45-GHz radiation
from wireless devices. Biol Trace Elem Res, 132(1-3), 153-163.
Haarala, C., Aalto, S., Hautzel, H., Julkunen, L., Rinne, J. O., Laine, M., Krause, B.,
Hamalainen, H. (2003a). Effects of a 902 MHz mobile phone on cerebral blood flow
in humans: a PET study. Neuroreport, 14(16), 2019-2023.
80
Haarala, C., Bergman, M., Laine, M., Revonsuo, A., Koivisto, M., Hamalainen, H. (2005).
Electromagnetic field emitted by 902 MHz mobile phones shows no effects on
children's cognitive function. Bioelectromagnetics, Suppl 7, S144-150.
Haarala, C., Bjornberg, L., Ek, M., Laine, M., Revonsuo, A., Koivisto, M., Hamalainen, H.
(2003b). Effect of a 902 MHz electromagnetic field emitted by mobile phones on
human cognitive function: A replication study. Bioelectromagnetics, 24(4), 283-288.
Haarala, C., Ek, M., Bjornberg, L., Laine, M., Revonsuo, A., Koivisto, M., Hamalainen, H.
(2004). 902 MHz mobile phone does not affect short term memory in humans.
Bioelectromagnetics, 25(6), 452-456.
Haarala, C., Takio, F., Rintee, T., Laine, M., Koivisto, M., Revonsuo, A., Hamalainen, H.
(2007). Pulsed and continuous wave mobile phone exposure over left versus right
hemisphere: effects on human cognitive function. Bioelectromagnetics, 28(4), 289-
295.
Habachi, A. E., Conil, E., Hadjem, A., Vazquez, E., Wong, M. F., Gati, A., Fleury, G., Wiart,
J. (2010). Statistical analysis of whole-body absorption depending on anatomical
human characteristics at a frequency of 2.1 GHz. Phys Med Biol, 55(7), 1875-1887.
Hardell, L., Carlberg, M., Soderqvist, F., Mild, K. H. (2013). Case-control study of the
association between malignant brain tumours diagnosed between 2007 and 2009 and
mobile and cordless phone use. Int J Oncol, 43(6), 1833-1845.
Hassanshahi, A., Shafeie, S. A., Fatemi, I., Hassanshahi, E., Allahtavakoli, M., Shabani, M.,
Roohbakhsh, A., Shamsizadeh, A. (2017). The effect of Wi-Fi electromagnetic
waves in unimodal and multimodal object recognition tasks in male rats. Neurol Sci,
38(6), 1069-1076.
Head, H. (1920). Studies in Neurology. Oxford University Press.
Henderson, S. I. és Bangay, M. J. (2006). Survey of RF exposure levels from mobile
telephone base stations in Australia. Bioelectromagnetics, 27(1), 73-76.
Hietanen, M., Kovala, T., Hamalainen, A. M. (2000). Human brain activity during exposure
to radiofrequency fields emitted by cellular phones. Scand J Work Environ Health,
26(2), 87-92.
Howland, J., Rohsenow, D. J., Bliss, C. A., Almeida, A. B., Calise, T. V., Heeren, T., Winter,
M. (2010). Hangover Predicts Residual Alcohol Effects on Psychomotor Vigilance
the Morning After Intoxication. J Addict Res Ther, 1(101), pii: 1000101.
Huber, R., Treyer, V., Borbely, A. A., Schuderer, J., Gottselig, J. M., Landolt, H. P., Werth,
E., Berthold, T., Kuster, N., Buck, A., Achermann, P. (2002). Electromagnetic fields,
81
such as those from mobile phones, alter regional cerebral blood flow and sleep and
waking EEG. J Sleep Res, 11(4), 289-295.
IARC. (2011). IARC Report to the Union for International Cancer Control (UICC) on the
Interphone Study [Internet]. Letöltve: 2017. július. 15. Link:
http://interphone.iarc.fr/UICC_Report_Final_03102011.pdf.
ICNIRP. (1998). Guidelines for limiting exposure to time-varying electric, magnetic, and
electromagnetic fields (up to 300 GHz). International Commission on Non-Ionizing
Radiation Protection. Health Phys, 74(4), 494-522.
ICRP. (2002). Annual Report [Internet]. Letöltve: 2017. június. 23. Link:
http://www.icrp.org/docs/2002_Ann_Rep_52_429_03.pdf.
IEEE. (2003). 1528-2003 - IEEE Recommended Practice for Determining the Peak Spatial-
Average Specific Absorption Rate (SAR) in the Human Head from Wireless
Communications Devices: Measurement Techniques.
IEEE (Ed.) (2002). Standard C95.3-2002. IEEE Recommended practice for measurements
and computations of Radio Frequency Electromagnetic Fields with respect to human
exposure to such fields, 100 kHz-300 GHz. . Piscataway, NJ, USA: IEEE Standards
Coordinating Committee 28.
Jasper, H. H. (1958). The ten twenty electrode system of the international federation.
Electroencephalography and Clinical Neurophysiology, 10:371–375.
Jerison, H. J. (1963). On the decrement function in human vigilance. Vigilance: A
symposium., New York: McGraw-Hill, 199-212.
Joseph, W., Pareit, D., Vermeeren, G., Naudts, D., Verloock, L., Martens, L., Moerman, I.
(2013). Determination of the duty cycle of WLAN for realistic radio frequency
electromagnetic field exposure assessment. Prog Biophys Mol Biol, 111(1), 30-36.
Juhász, P., Bakos, J., Nagy, N., Jánossy, G., Finta, V., Thuróczy, G. (2011). RF personal
exposimetry on employees of elementary schools, kindergartens and day nurseries
as a proxy for child exposures. Prog Biophys Mol Biol, 107(3), 449-455.
Jurcak, V., Tsuzuki, D., Dan, I. (2007). 10/20, 10/10, and 10/5 systems revisited: Their
validity as relative head-surface-based positioning systems. Neuroimage,
34(34):1600–1611.
Juutilainen, J. (2008). Do electromagnetic fields enhance the effects of environmental
carcinogens? Radiat Prot Dosimetry, 132(2), 228-231.
Juutilainen, J., Hoyto, A., Kumlin, T., Naarala, J. (2011). Review of possible modulation-
dependent biological effects of radiofrequency fields. Bioelectromagnetics, 32(7),
511-534.
82
Kaminski, J., Brzezicka, A., Gola, M., Wrobel, A. (2012). beta band oscillations engagement
in human alertness process. Int J Psychophysiol, 85(1), 125-128.
Karipidis, K., Henderson, S., Wijayasinghe, D., Tjong, L., Tinker, R. (2017). Exposure to
Radiofrequency Electromagnetic Fields From Wi-Fi in Australian Schools. Radiat
Prot Dosimetry.
Kéri, S. és Gulyás, B. (2003). Elektrofiziológiai módszerek a kognitív idegtudományokban.
Kognitív idegtudomány (pp. 81-96). Osiris Kiadó, Budapest.
Khalid, M., Mee, T., Peyman, A., Addison, D., Calderon, C., Maslanyj, M., Mann, S. (2011).
Exposure to radio frequency electromagnetic fields from wireless computer
networks: duty factors of Wi-Fi devices operating in schools. Prog Biophys Mol Biol,
107(3), 412-420.
Kleinlogel, H., Dierks, T., Koenig, T., Lehmann, H., Minder, A., Berz, R. (2008). Effects of
weak mobile phone - electromagnetic fields (GSM, UMTS) on event related
potentials and cognitive functions. Bioelectromagnetics, 29(6), 488-497.
Klimesch, W. (1996). Memory processes, brain oscillations and EEG synchronization. Int J
Psychophysiol, 24(1–2), 61-100.
Klimesch, W. (1999). EEG alpha and theta oscillations reflect cognitive and memory
performance: a review and analysis. Brain Res Brain Res Rev, 29(2-3), 169-195.
Klimesch, W., Freunberger, R., Sauseng, P. (2010). Oscillatory mechanisms of process
binding in memory. Neurosci Biobehav Rev, 34(7), 1002-1014.
Klimesch, W., Sauseng, P., Hanslmayr, S. (2007). EEG alpha oscillations: the inhibition-
timing hypothesis. Brain Res Rev, 53(1), 63-88.
Koivisto, M., Krause, C. M., Revonsuo, A., Laine, M., Hamalainen, H. (2000a). The effects
of electromagnetic field emitted by GSM phones on working memory. Neuroreport,
11(8), 1641-1643.
Koivisto, M., Revonsuo, A., Krause, C., Haarala, C., Sillanmaki, L., Laine, M., Hamalainen,
H. (2000b). Effects of 902 MHz electromagnetic field emitted by cellular telephones
on response times in humans. Neuroreport, 11(2), 413-415.
Kondé, Z. (2015). Megfontolások reakcióidő-mérésen alapuló kísérletek tervezéséhez.
Pszichológiai módszertani tanulmányok. (pp. 97-125). Debreceni Egyetemi Kiadó.
Kühn, S., Lott, U., Kramer, A., Kuster, N. (2007). Assessment Methods for Demonstrating
Compliance With Safety Limits of Wireless Devices Used in Home and Office
Environments. IEEE Transactions on Electromagnetic Compatibility, 49(3), 519 -
525.
83
Kwon, M. S. és Hamalainen, H. (2011). Effects of mobile phone electromagnetic fields:
critical evaluation of behavioral and neurophysiological studies.
Bioelectromagnetics, 32(4), 253-272.
Lakatos, P., Karmos, G., Mehta, A. D., Ulbert, I., Schroeder, C. E. (2008). Entrainment of
neuronal oscillations as a mechanism of attentional selection. Science, 320(5872),
110-113.
Laudisi, F., Sambucci, M., Nasta, F., Pinto, R., Lodato, R., Altavista, P., Lovisolo, G. A.,
Marino, C., Pioli, C. (2012). Prenatal exposure to radiofrequencies: effects of WiFi
signals on thymocyte development and peripheral T cell compartment in an animal
model. Bioelectromagnetics, 33(8), 652-661.
Leung, S., Croft, R. J., McKenzie, R. J., Iskra, S., Silber, B., Cooper, N. R., O'Neill,
B., Cropley, V., Diaz-Trujillo, A., Hamblin, D., Simpson, D. (2011). Effects of 2G
and 3G mobile phones on performance and electrophysiology in adolescents, young
adults and older adults. Clin Neurophysiol, 122(11), 2203-2216.
Lin, J. C. (1989). Pulsed radiofrequency field effects in biological systems. Biological
Effects of EM Fields (pp. 165–177). Plenum Press NY, Amerikai Egyesült Államok.
Lv, B., Su, C., Yang, L., Xie, Y., Wu, T. (2014). Whole brain EEG synchronization
likelihood modulated by long term evolution electromagnetic fields exposure. Conf
Proc IEEE Eng Med Biol Soc, 2014, 986-989.
Mackworth, J. F. (1969). Vigilance and habituation: A neuropsychological approach.
Penguin Books.
Mackworth, J. F. (1970). Vigilance and attention: A signal detection approach.
Maganioti, A. E., Papageorgiou, C. C., Hountala, C. D., Kyprianou, M. A., Rabavilas, A. D.,
Papadimitriou, G. N., Capsalis, C. N. (2010). Wi-Fi electromagnetic fields exert
gender related alterations on EEG [Internet]. ResearchGate, Letöltve: 2017. július
15. Link: https://www.researchgate.net/publication/267816859_WI-
FI_ELECTROMAGNETIC_FIELDS_EXERT_GENDER_RELATED_ALTERATIO
NS_ON_EEG.
Mann, S. (2010). Assessing personal exposures to environmental radiofrequency
electromagnetic fields. Comptes Rendus Physique, 11(9–10), 541-555.
Martinez-Burdalo, M., Martin, A., Sanchis, A., Villar, R. (2009). FDTD assessment of
human exposure to electromagnetic fields from WiFi and bluetooth devices in some
operating situations. Bioelectromagnetics, 30(2), 142-151.
Millett, D. (2001). Hans Berger: From Psychic Energy to the EEG. Perspectives in Biology
and Medicine, 44(4), 522-542.
84
Monebhurrun, V. és Letertre, T. (2009). Evaluation Of Electromagnetic Fields From WiFi
Devices: Specific Absorption Rate Measurements. . BIOEM 2009, Abstract
Collection, 87.
Mueller, S. T. és Piper, B. J. (2014). The Psychology Experiment Building Language
(PEBL) and PEBL Test Battery. J Neurosci Methods, 222, 250-259.
Naziroglu, M. és Gumral, N. (2009). Modulator effects of L-carnitine and selenium on
wireless devices (2.45 GHz)-induced oxidative stress and electroencephalography
records in brain of rat. Int J Radiat Biol, 85(8), 680-689.
NMHH. (2012). Eljárási tájékoztató a 2,4 GHz-es és az 5 GHz-es sávban működő
berendezések engedélyezéséről. [Internet]. Letöltve: 2017. június 24. Link:
http://nmhh.hu/cikk/297/Eljarasi_tajekoztato_a_24_GHzes_es_az_5_GHzes_savba
n_mukodo_berendezesek_engedelyezeserol
Otto, M. és von Muhlendahl, K. E. (2007). Electromagnetic fields (EMF): do they play a
role in children's environmental health (CEH)? Int J Hyg Environ Health, 210(5),
635-644.
Papageorgiou, C. C., Hountala, C. D., Maganioti, A. E., Kyprianou, M. A., Rabavilas, A. D.,
Papadimitriou, G. N., Capsalis, C. N. (2011). Effects of wi-fi signals on the p300
component of event-related potentials during an auditory hayling task. J Integr
Neurosci, 10(2), 189-202.
Parazzini, M., Lutman, M. E., Moulin, A., Barnel, C., Sliwinska-Kowalska, M., Zmyslony,
M., Hernadi, I., Stefanics, G., Thuroczy, G., Ravazzani, P. (2010a). Absence of short-
term effects of UMTS exposure on the human auditory system. Radiat Res, 173(1),
91-97.
Parazzini, M., Sibella, F., Paglialonga, A., Ravazzani, P. (2010b). Assessment of the
exposure to WLAN frequencies of a head model with a cochlear implant.
Bioelectromagnetics, 31(7), 546-555.
Paulraj, R. és Behari, J. (2006). Protein kinase C activity in developing rat brain cells
exposed to 2.45 GHz radiation. Electromagn Biol Med, 25(1), 61-70.
Penzias, A. és Wilson, R. (1965). Penzias and Wilson discover cosmic microwave radiation
[Internet]. Letöltve: 2017. június 23. Link:
http://www.pbs.org/wgbh/aso/databank/entries/dp65co.html
Peyman, A., Khalid, M., Calderon, C., Addison, D., Mee, T., Maslanyj, M., Mann, S. (2011).
Assessment of exposure to electromagnetic fields from wireless computer networks
(wi-fi) in schools; results of laboratory measurements. Health Phys, 100(6), 594-612.
85
Pinto, R., Lopresto, V., Galloni, P., Marino, C., Mancini, S., Lodato, R., Pioli, C., Lovisolo,
G. A. (2010). Dosimetry of a set-up for the exposure of newborn mice to 2.45-GHZ
WiFi frequencies. Radiat Prot Dosimetry, 140(4), 326-332.
Poulletier de Gannes, F., Billaudel, B., Haro, E., Taxile, M., Le Montagner, L., Hurtier, A.,
Ait Aissa, S., Masuda, H., Percherancier, Y., Ruffie, G., Dufour, P., Veyret, B.,
Lagroye, I. (2013). Rat fertility and embryo fetal development: influence of exposure
to the Wi-Fi signal. Reprod Toxicol, 36, 1-5.
Poulletier de Gannes, F., Haro, E., Hurtier, A., Taxile, M., Athane, A., Ait-Aissa, S., Masuda,
H., Percherncier, Y., Ruffie, G., Billaudel, B., Dufour, P., Veyret, B., Lagroye, I.
(2012). Effect of in utero wi-fi exposure on the pre- and postnatal development of
rats. Birth Defects Res B Dev Reprod Toxicol, 95(2), 130-136.
Preece, A. W., Goodfellow, S., Wright, M. G., Butler, S. R., Dunn, E. J., Johnson, Y.,
Manktelow, T. C., Wesnes, K. (2005). Effect of 902 MHz mobile phone transmission
on cognitive function in children. Bioelectromagnetics, Suppl 7, S138-143.
Preece, A. W., Iwi, G., Davies-Smith, A., Wesnes, K., Butler, S., Lim, E., Varey, A. (1999).
Effect of a 915-MHz simulated mobile phone signal on cognitive function in man.
Int J Radiat Biol, 75(4), 447-456.
Regel, S. J., Gottselig, J. M., Schuderer, J., Tinguely, G., Retey, J. V., Kuster, N., Landolt,
H. P., Achermann, P. (2007). Pulsed radio frequency radiation affects cognitive
performance and the waking electroencephalogram. Neuroreport, 18(8), 803-807.
Reiser, H., Dimpfel, W., Schober, F. (1995). The influence of electromagnetic fields on
human brain activity. Eur J Med Res, 1(1), 27-32.
Rosadini, G., Rodriguez, G., Siani, C. (1974). Acute alcohol poisoning in man: an
experimental electrophysiological study. Psychopharmacologia, 35(3), 273-285.
Röschke, J. és Mann, K. (1997). No short-term effects of digital mobile radio telephone on
the awake human electroencephalogram. Bioelectromagnetics, 18(2), 172-176.
Sambucci, M., Laudisi, F., Nasta, F., Pinto, R., Lodato, R., Altavista, P., Lovisolo, G. A.,
Marino, C., Pioli, C. (2010). Prenatal exposure to non-ionizing radiation: effects of
WiFi signals on pregnancy outcome, peripheral B-cell compartment and antibody
production. Radiat Res, 174(6), 732-740.
Sambucci, M., Laudisi, F., Nasta, F., Pinto, R., Lodato, R., Lopresto, V., Altavista, P.,
Marino, C., Pioli, C. (2011). Early life exposure to 2.45GHz WiFi-like signals:
effects on development and maturation of the immune system. Prog Biophys Mol
Biol, 107(3), 393-398.
86
Sandrini, L., Vaccari, A., Malacarne, C., Cristoforetti, L., Pontalti, R. (2004). RF dosimetry:
a comparison between power absorption of female and male numerical models from
0.1 to 4 ghz. Phys Med Biol, 49(22), 5185-5201.
SCENIHR. (2012). Scientific Committee on Emerging and Newly Identified Health Risks.
Memorandum on the use of the scientific literature for human health risk assessment
purposes – weighing of evidence and expression of uncertainty. European
Commission [Internet], Letöltve: 2017. június 23. Link:
http://ec.europa.eu/health/scientific_committees/emerging/docs/scenihr_s_001.pdf.
Schmid, G., Lager, D., Preiner, P., Uberbacher, R., Cecil, S. (2007a). Exposure caused by
wireless technologies used for short-range indoor communication in homes and
offices. Radiat Prot Dosimetry, 124(1), 58-62.
Schmid, G., Preiner, P., Lager, D., Uberbacher, R., Georg, R. (2007b). Exposure of the
general public due to wireless LAN applications in public places. Radiat Prot
Dosimetry, 124(1), 48-52.
Schmid, M. R., Loughran, S. P., Regel, S. J., Murbach, M., Bratic Grunauer, A., Rusterholz,
T., Bersagliere, A., Kuster, N., Achermann, P. (2012). Sleep EEG alterations: effects
of different pulse-modulated radio frequency electromagnetic fields. J Sleep Res,
21(1), 50-58.
Shekoohi-Shooli, F., Mortazavi, S. M., Shojaei-Fard, M. B., Nematollahi, S., Tayebi, M.
(2016). Evaluation of the Protective Role of Vitamin C on the Metabolic and
Enzymatic Activities of the Liver in the Male Rats After Exposure to 2.45 GHz Of
Wi-Fi Routers. J Biomed Phys Eng, 6(3), 157-164.
Smith, R. L. (1966). Monotony and motivation: A theory of vigilance. Los Angeles: Dunlop
and Associates.
Stefanics, G., Hangya, B., Hernádi, I., Winkler, I., Lakatos, P., Ulbert, I. (2010). Phase
entrainment of human delta oscillations can mediate the effects of expectation on
reaction speed. J Neurosci, 30(41), 13578-13585.
Stefanics, G., Thuroczy, G., Kellenyi, L., Hernadi, I. (2008). Effects of twenty-minute 3G
mobile phone irradiation on event related potential components and early gamma
synchronization in auditory oddball paradigm. Neuroscience, 157(2), 453-462.
Thuróczy, G. (2002). A rádiófrekvenciás sugárzások egészségügyi kérdései. Magyar
Tudomány (Vol. 2002, pp. 1010-1025).
Thuróczy, G. és Bakos, J. (2002). Az elektromágneses terek és környezetünk.
Környezetvédelmi Füzetek (pp. 1-60): BME-OMIKK, Budapest.
87
Thuróczy, G., Szabó, J., Bakos, J. (2004). Hálózati frekvenciájú elektromágneses terek
környezetünkben. Possum, 2004. - 56 p, 39-41.
Trunk, A., Stefanics, G., Zentai, N., Bacskay, I., Felinger, A., Thuróczy, G., Hernádi, I.
(2014). Lack of interaction between concurrent caffeine and mobile phone exposure
on visual target detection: an ERP study. Pharmacol Biochem Behav, 124, 412-420.
Trunk, A., Stefanics, G., Zentai, N., Bacskay, I., Felinger, A., Thuróczy, G., Hernádi, I.
(2015). Effects of concurrent caffeine and mobile phone exposure on local target
probability processing in the human brain. Sci Rep, 5, 14434.
Trunk, A., Stefanics, G., Zentai, N., Kovács-Bálint, Z., Thuróczy, G., Hernádi, I. (2013). No
effects of a single 3G UMTS mobile phone exposure on spontaneous EEG activity,
ERP correlates, and automatic deviance detection. Bioelectromagnetics, 34(1), 31-
42.
Uhlhaas, P. J., Haenschel, C., Nikolic, D., Singer, W. (2008). The role of oscillations and
synchrony in cortical networks and their putative relevance for the pathophysiology
of schizophrenia. Schizophr Bull, 34(5), 927-943.
Uusitupa, T., Laakso, I., Ilvonen, S., Nikoskinen, K. (2010). SAR variation study from 300
to 5000 MHz for 15 voxel models including different postures. Phys Med Biol, 55(4),
1157-1176.
Valadas, R. T., Tavares, A. R., deO. Duarte, A. M., Moreira, A. C., Lomba, C. T. (1998).
The infrared physical layer of the IEEE 802.11 standard for wireless local area
networks. IEEE Communications Magazine, 36(12), 107-112.
Valic, B., Kos, B., Gajsek, P. (2014). Typical Exposure of Children to Emf: Exposimetry
and Dosimetry. Radiat Prot Dosimetry.
van Rongen, E., Croft, R., Juutilainen, J., Lagroye, I., Miyakoshi, J., Saunders, R., de Seze,
R., Tenforde, T., Verschaeve, L., Veyret, B., Xu, Z. (2009). Effects of radiofrequency
electromagnetic fields on the human nervous system. J Toxicol Environ Health B
Crit Rev, 12(8), 572-597.
Vecsei, Z., Knakker, B., Juhász, P., Thuróczy, G., Trunk, A., Hernádi, I. (2018). Short-term
radiofrequency exposure from new generation mobile phones reduces EEG alpha
power with no effects on cognitive performance. Sci Rep, 8(1), 18010.
Verloock, L., Joseph, W., Vermeeren, G., Martens, L. (2010). Procedure for assessment of
general public exposure from WLAN in offices and in wireless sensor network
testbed. Health Phys, 98(4), 628-638.
88
Volkow, N. D., Tomasi, D., Wang, G. J., Vaska, P., Fowler, J. S., Telang, F., Alexoff, D.,
Logan, J., Wong, C. (2011). Effects of cell phone radiofrequency signal exposure on
brain glucose metabolism. JAMA, 305(8), 808-813.
Wang, J. és Fujiwara, O. (2005). EM Interaction between a 5 GHz Band Antenna Mounted
PC and a Realistic Human Body Model. IEICE Transactions on Communications,
E88-B(6), 2604-2608.
WHO. (2011). IARC classifies radiofreqency electromagnetic fields as possibly
carcinogenic to humans. [Internet]. Letöltve: 2017. június. 23. Link:
http://www.iarc.fr/en/media-centre/pr/2011/pdfs/pr208_E.pdf.
Wiart, J., Hadjem, A., Wong, M. F., Bloch, I. (2008). Analysis of RF exposure in the head
tissues of children and adults. Phys Med Biol, 53(13), 3681-3695.
Woelders, H., de Wit, A., Lourens, A., Stockhofe, N., Engel, B., Hulsegge, I., Schokker, D.,
van Heijningen, P., Vossen, S., Bekers, D., Zwamborn, P. (2017). Study of potential
health effects of electromagnetic fields of telephony and Wi-Fi, using chicken
embryo development as animal model. Bioelectromagnetics, 38(3), 186-203.
Woodworth, R. S. és Schlosberg, H. (1954). Experimental Psychology. Henry Holt, New
York.
Yang, L., Chen, Q., Lv, B., Wu, T. (2017). Long-Term Evolution Electromagnetic Fields
Exposure Modulates the Resting State EEG on Alpha and Beta Bands. Clin EEG
Neurosci, 48(3), 168-175.
89
10. SAJÁT PUBLIKÁCIÓS JEGYZÉK
A disszertáció témakörében készült publikációk:
1. Zentai, N., Fiocchi, S., Parazzini, M., Trunk, A., Juhász, P., Ravazzani, P., Hernádi, I.,
Thuróczy, Gy. (2015). Characterization and evaluation of a commercial WLAN system for
human provocation studies. Biomed Res Internat, Vol. 2015: Paper 289152. 10 p. IF:
2,706
2. Zentai, N., Csathó, Á., Trunk, A., Fiocchi, S., Parazzini, M., Ravazzani, P., Thuróczy,
Gy., Hernádi, I. (2015). No effects of acute exposure to Wi-Fi electromagnetic fields on
spontaneous EEG activity and psychomotor vigilance in healthy human volunteers. Rad
Res, 184(6):568-577. IF: 2,539
A disszertáció alapjául szolgáló előadások:
1. Zentai, N., Trunk, A., Csathó, Á., Juhász, P., Fiocchi, S., Thuróczy, Gy., Hernádi, I.
(2014). Investigation of possible cognitive effects of WiFi electromagnetic fields assessed
by spontaneous EEG and psychomotor vigilance measures. 9th FENS Forum of
Neuroscience, Milan, Italy. (Poster presentation, abstract)
2. Zentai, N., Csathó, Á., Trunk, A., Hernádi, I. (2013). No effects of 60 minute WiFi
electromagnetic field exposure on human cognitive performance in a psychomotor vigilance
task. II. Interdiszciplináris Doktorandusz Konferencia, Pécs, Magyarország. (Poster
presentation, abstract)
3. Zentai, N., Csathó, Á., Trunk, A., Hernádi, I. (2013). Investigation of possible effects of
60 minute WiFi electromagnetic field exposure on human cognitive performance in a
psychomotor vigilance task. 14th Conference of the Hungarian Neuroscience Society
(MITT), Budapest, Hungary. (Poster presentation, abstract)
4. Zentai, N., Trunk, A., Juhász, P., Thuróczy, Gy., Hernádi, I. (2012). The effects of 60
minute WiFi electromagnetic field exposure on spontaneous EEG activity of healthy
human volunteers. 8th FENS Forum of European Neuroscience, Barcelona, Spain. (Poster
presentation, abstract)
90
5. Zentai, N., Trunk, A., Stefanics, G., Hernádi, I. (2012). The effect of 60 minute WiFi
electromagnetic field exposure on skin surface temperature and spontaneous EEG activity
of healthy human volunteers. IBRO International Workshop, Szeged, Hungary. (Poster
presentation, abstract)
6. Zentai, N., Trunk, A., Juhász, P., Stefanics, G., Thuróczy, G., Hernádi, I. (2011). The
effect of a single 60 minute WiFi electromagnetic field exposure on spontaneous EEG
activity of healthy human volunteers. 13th Conference of the Hungarian Neuroscience
Society (MITT), Budapest, Hungary. (Poster presentation, abstract)
7. Zentai, N., Juhász, P., Trunk, A., Thuróczy, G., Hernádi, I. (2011). Evaluation of WLAN
exposure system constructed from modular, commercially available parts for biological
experimentation. 10th International Conference of the European Bioelectromagnetics
Association (EBEA), Roma, Italy. (Poster presentation, abstract)
8. Fiocchi, S., Parazzini, M., Liorni, I., Zentai, N., Guadagnin, V., Thuróczy, Gy.,
Ravazzani, P., (2014). SAR assessment in different models and positions from Wireless
Local Area Networks (WLAN) system. Joint Annual Meeting of the Bioelectromagnetics
Society (BEMS) and European Bioelectromegnetics Association (EBEA), Cape Town,
South Africa. (Poster presentation, abstract)
Egyéb publikációk:
1. Trunk, A., Stefanics G., Zentai, N., Bacskay, I., Felinger, A., Thuróczy Gy., Hernádi, I.
(2015). Effects of concurrent caffeine and mobile phone exposure on local target
probability processing in the human brain. Sci Rep 5, Article number: 14434. IF: 4,259
2. Trunk, A., Stefanics, G., Zentai, N., Bacskay, I., Felinger, A., Thuróczy, Gy., Hernádi, I.
(2014). Lack of interaction between concurrent caffeine and mobile phone exposure on
visual target detection: An ERP study. Pharmacol Biochem Behav, 124: pp. 412420. IF:
2,820
3. Trunk, A., Stefanics, G., Zentai, N., KovácsBálint, Zs., Thuróczy, G., Hernádi, I. (2013).
No effects of a single 3G UMTS mobile phone exposure on spontaneous EEG activity,
ERP correlates, and automatic deviance detection. Bioelectromagnetics, 34:(1) pp. 3142.
IF: 1,859
91
Egyéb előadások:
1. Horváth, Z., Zentai, N., Jenák, I. (2017). Indoor autonomous drone development. 13th
International Conference on Natural Computation, Fuzzy Systems and Knowledge Discovery
(ICNC-FSKD). Guilin, China. (Presentation, conference article)
2. Botzheim, L., Mravcsik, M., Zentai, N., Malik, S., Laczkó, J. (2017). Body position affects
muscle activity variances in the non-dominant arm during arm cycling. Neuroscience (SfN),
Washington, USA. (Poster presentation, abstract)
3. Zentai, N., Mravcsik, M., Botzheim, L., Malik, Sz., Laczkó J. (2016). Kinematic stability of
arm cycling by the dominant and nondominant arm. 38th Annual International Conference of
the IEEE Engineering in Medicine and Biology Society, Orlando, USA. (Poster presentation,
abstract)
4. Botzheim, L., Malik, Sz., Mravcsik, M., Zentai, N., Laczkó, J. (2016). Comparison of muscle
activities during arm cycling in horizontal and vertical planes. V. International Scientific
Conference - Motor Control, Wisła, Poland. (Poster presentation, abstract)
5. Mravcsik, M., Zentai, N., Botzheim, L., Laczkó, J. (2016). Unimanual versus bimanual arm
cycling movements − muscle activity variances. Neuroscience (SfN), San Diego, USA. (Poster
presentation, abstract)
6. Mravcsik M., Botzheim L., Zentai N., Laczkó J. (2015). Stabilization of arm configuration and
muscle activity patterns during cycling arm movements against external resistances. Progress
in Motor Control X. Conference, Budapest, Hungary. (Poster presentation, abstract)
7. Mravcsik, M., Botzheim, L., Zentai N., Laczkó J. (2015). Variances of joint configuration and
muscle activity patterns during arm cycling against external resistances. Neuroscience (SfN),
Chicago, USA. (Poster presentation, abstract)
8. Trunk, A., Stefanics, G., Zentai, N., Bacskay, I., Felinger, A., Thuróczy, Gy., Hernádi, I.
(2014). Investigation of possible synergistic effects of caffeine intake and UMTS mo bile
phonelike exposure on human visual attention. 7th COURSE: “Biological effects of
combined exposures to EMF and other chemical and physical agents”, Erice, Italy. (Poster
presentation, abstract)
9. Trunk, A., Zentai, N., Csathó, Á., Gács, B., Hernádi, I. (2014). Modulatory effects of
92
caffeine on human visual attention indexed by the N200 event related potential. 9th Forum
of Neuroscience (FENS), Milan, Italy. (Poster presentation, abstract)
10. Vecsei, Zs., Zentai, N., Thuróczy, Gy., Hernádi, I. (2014). Twenty-Minute UMTS
mobile phone exposure does not affect cognitive performance of young healthy
volunteers evaluated on the basis of the Stroop color word test. International Brain
Research Organization Workshop (IBRO), Debrecen, Hungary. (Poster presentation,
abstract)
11. Trunk, A., Zentai, N., Csathó, Á., Hernádi, I. (2014). Koffein vizuális figyelmet javító
hatása: eseményhez kötött potenciál vizsgálat. A Magyar Kísérletes és Klinikai
Farmakológiai Társaság Experimentális Farmakológiai szekciójának VIII. szimpóziuma
és az MBKE Gyógyszerbiokémiai Szakosztály XXVIII. Munkaértekezlete, Velence,
Magyarország. (Poszter előadás, absztrakt)
12. Trunk, A., Zentai, N., Stefanics, G., Bacskay, I., Felinger, A., Thuróczy, Gy., Hernádi,
I. (2013). No combined effects of caffeine and 3G mobile phone exposure on predictive
coding in the human brain. 14th Conference of the Hungarian Neuroscience Society
(MITT), Budapest, Hungary. (Poster presentation, abstract)
13. Trunk, A., Stefanics, G., Zentai, N., Bacskay, I., Felinger, A., Thuróczy, Gy., Hernádi,
I. (2013). No evidence of interactions between caffeine intake and 3G mobile phone
exposure on target expectancy in the human brain. II. Interdiszciplináris Doktorandusz
Konferencia, Pécs, Hungary. (Poster presentation, abstract)
14. Trunk, A., Stefanics, G., Zentai, N., Bacskay, I., Felinger, A., Thuróczy, Gy., Hernádi,
I. (2013). Investigation of possible synergistic effects of caffeine intake and UMTS
mobile phonelike exposure on predictive coding in the human brain. 11th International
Conference of the European Bioelectromanetics Association (EBEA), Thessaloniki,
Greece. (Poster presentation, abstract)
15. Vecsei, Zs., Zentai, N., Juhász, P., Thuróczy, Gy. (2013). Possible effects of 20 min
LTE mobile phone exposure on cognitive performance assessed by Stroop test in young
healthy human volunteers. 11th International Conference of the European
Bioelectromanetics Association (EBEA), Thessaloniki, Greece. (Poster presentation,
abstract)
16. Vecsei, Zs., Báló, V., Zentai, N., Juhász, P., Thuróczy, Gy., Hernádi, I. (2013).
93
Investigation of putative effects induced by acute LTE mobile phonelike exposure on
cognitive performance of healthy volunteers. II. Interdiszciplináris Doktorandusz
Konferencia, Pécs, Hungary. (Poster presentation, abstract)
17. Bacskay, I., Trunk, A., Zentai, N., Thuróczy, Gy., Hernádi, I., Felinger, A. (2012). Új
generációs mobiltelefon sugárzás hatása a koffein nyálba történő kiválasztására
emberben. Magyar Elválasztástudományi Vándorgyűlés, Hajdúszoboszló,
Magyarország. (Poszter előadás, absztrakt)
18. Trunk, A., Stefanics, G., Zentai, N., Bacskay, I., Felinger, A., Thuróczy, Gy., Hernádi,
I. (2012). Novel experimental design to test potential synergistic effects of caffeine and
3G mobile phone exposure on human visual evoked potentials. 8th FENS Forum of
European Neuroscience, Barcelona, Spain. (Poster presentation, abstract)
19. Trunk, A., Stefanics, G., Zentai, N., Bacskay, I., Felinger, A., Thuróczy, Gy., Hernádi,
I. (2012). Possible synergistic effects of caffeine and 3G mobile phone exposure on
human reaction time and visual eventrelated potentials. IBRO International Workshop,
Szeged, Hungary. (Poster presentation, abstract)
20. Trunk, A., Zentai, N., Stefanics, G., Bacskay, I., Felinger, A., Thuróczy, Gy., Hernádi,
I. (2012). Combined effects of caffeine and 3G mobile phone exposure on predictive
coding in the human brain. ERNIHSF. Brain oscillations in health and disease,
Budapest, Hungary. (Poster presentation, abstract)
21. Trunk, A., Stefanics, G., Zentai, N., KovácsBálint, Zs., Thuróczy, G., Hernádi, I.
(2011). The effect of a single 30 minute long 3G EMF exposure on auditory evoked
potentials, automatic deviance detection and spontaneous EEG (sEEG). 13th Conference
of the Hungarian Neuroscience Society (MITT), Budapest, Hungary. (Poster
presentation, abstract)
22. Trunk, A., Stefanics, G., Zentai, N., Hernádi, I. (2011). A koffein hatása az emberi
auditoros és vizuális eseményhez kötött kiváltott potenciálokra ingerdiszkriminációs
paradigmában. Magyar Farmakológus Anatómus Mikrocirkulációs Élettani Társaságok
Közös Tudományos Konferenciája (FAME), Pécs, Magyarország. (Poszter előadás,
absztrakt)
Doktori értekezés benyújtása és nyilatkozat a dolgozat eredetiségéről
Alulírott
név: Zentai Norbert
születési név: Zentai Norbert
anyja neve: Paróczi Matild
születési hely, idő: Szigetvár, 1981.07.27.
A Wi-Fi elektromágneses tér sugárzásának hatása a humán kognitív működésekre
című doktori értekezésemet a mai napon benyújtom a(z)
Doktori Iskola: Biológiai és Sportbiológiai Doktori Iskola
Témavezető(k) neve: Dr. Hernádi István
Egyúttal nyilatkozom, hogy jelen eljárás során benyújtott doktori értekezésemet
- korábban más doktori iskolában (sem hazai, sem külföldi egyetemen) nem
nyújtottam be,
- fokozatszerzési eljárásra jelentkezésemet két éven belül nem utasították el,
- az elmúlt két esztendőben nem volt sikertelen doktori eljárásom,
- öt éven belül doktori fokozatom visszavonására nem került sor,
- értekezésem önálló munka, más szellemi alkotását sajátomként nem mutattam be,
az irodalmi hivatkozások egyértelműek és teljesek, az értekezés elkészítésénél
hamis vagy hamisított adatokat nem használtam.
Dátum: Pécs, 2019.01.14.
...................................................
doktorjelölt aláírása
Recommended