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&apos;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