Seleno-Gravitational Rhythm (SGR): импульсные лунные приливные волны как модулятор сознания, поведения и соматического здоровья человека
Кросс-городской мета-анализ криминальной и медицинской статистики мегаполисов США (2001–2025). Автор: Артём Тысяцкий. Версия 1.1, 2026. DOI: 10.5281/zenodo.20518660.
1. Краткий ответ
Seleno-Gravitational Rhythm (SGR) — открытый фреймворк для проверки ассоциаций между динамикой лунных приливов и популяционными данными о поведении, преступности и здоровье. Использует авторский ddF-детектор импульсных скачков второй производной приливного потенциала (d²F/dt²) и применяет его к семи официальным базам данных пяти мегаполисов США (Chicago, Los Angeles, New York, Philadelphia, San Francisco) за 2001–2025 годы — более 106 миллионов записей криминальной статистики, вызовов скорой помощи и службы 911.
Кросс-городской мета-анализ с HKSJ-коррекцией выявил воспроизводимый сигнал снижения имущественной преступности в окне импульсной волны перед лунной квадратурой (g = −0.032, p = 3.11×10⁻², I² = 0% по пяти городам). Одиночный анализ уникальных баз (NYC 911, NYC EMS) с полной робастностной батареей дал 14 находок уровня TIER1 и 17 уровня TIER2.
2. Вопрос исследования и гипотеза
Современная литература о лунном влиянии на человека, как правило, ограничивается анализом четырёх статических фаз Луны и даёт противоречивые результаты — во многом потому, что биологически значимым может быть не только абсолютный уровень приливного фона, но и динамика его изменения, включая первую и вторую производные приливного потенциала.
Лунный приливной потенциал содержит как минимум два независимых биологически релевантных слоя: (i) статический фазовый слой — традиционные четыре фазы Луны как маркер долгопериодической нейроэндокринной модуляции; и (ii) импульсный волновой слой — кратковременные скачки второй производной d²F/dt², действующие как биомеханический триггер для механочувствительных тканей. Оба слоя биологически значимы, имеют разные временные профили и разные молекулярные мишени.
Элементы новизны: (1) впервые разработан и применён детектор импульсных скачков d²F/dt² (ddF-detector) для социально-медицинских временных рядов городского уровня; (2) впервые проведён кросс-городской мета-анализ лунного влияния на криминальную и медицинскую статистику пяти мегаполисов США с random-effects моделью и HKSJ-коррекцией; (3) впервые формально разделены и сопоставлены фазовый и волновой слои через ортогональную декомпозицию Branch A / Branch B; (4) впервые показано существование устойчивой дихотомии syzygy/quadrature на массиве более 106 млн записей.
3. Данные
Использованы семь открытых официальных баз данных, доступных через порталы data.cityofnewyork.us, data.lacity.org, data.cityofchicago.org, opendataphilly.org и data.sfgov.org.
| База | Период | Записей |
|---|---|---|
| Chicago Crimes | 2001-01-01 — 2026-02-20 | ~7 000 000 |
| Los Angeles Crimes | 2010-01-01 — 2022-12-31 | ~3 000 000 |
| New York City Crimes | 2008-01-01 — 2023-12-31 | ~7 300 000 |
| Philadelphia Crimes | 2006-01-01 — 2026-02-26 | ~3 500 000 |
| San Francisco Crimes | 2003-01-01 — 2017-12-31 | ~2 000 000 |
| New York City 911 Calls | 2018-01-01 — 2025-12-31 | ~54 900 000 |
| New York City EMS | 2005-01-01 — 2025-08-31 | ~28 700 000 |
| Итого | ~106 400 000 |
Анализ стратифицирован по эпохам: PRE2014 (до 2014 г. включительно, вложенная sensitivity-страта до волны декриминализации в ряде штатов США), PRE (полный период до пандемии, до 1 марта 2020 г. — основная эпоха анализа), POST (с 2022 г., не используется для выводов из-за социальных сдвигов). Эпоха COVID (2020-03-01 — 2021-12-31) полностью исключена. Из-за неоднородной таксономии полицейских кодов сформированы две независимые группировки: pure-таблица (отдельные "чистые" коды, например PURE_ROBBERY) и semantic families (агрегированные семьи, например PROPERTY_CRIME) — полный SEMANTIC_MAP опубликован в репозитории.
4. Методология
Все астрономические параметры рассчитаны библиотекой Skyfield (v1.53) и эфемеридами JPL DE421 для локального полудня каждого города. Полный лунно-солнечный приливной скаляр F(t) и его первая (dF/dt) и вторая (d²F/dt²) производные вычисляются конечными разностями с шагом 1 час.
ddF-детектор
Формальная процедура с порогами THR_BASE = 0.035 и THR_STEP = 0.020 (откалиброваны на 24-летнем интервале и зафиксированы до основного прогона) флагирует кратковременные скачки d²F/dt² и классифицирует их по ближайшей фазе Луны (syzygy/quadrature) и позиции (before/after), давая семь бинарных триггеров. Событие регистрируется в окне ±1–2 дня от фазы и крайне редко совпадает с самой фазой — то есть волновые триггеры конструктивно ортогональны статическим фазовым меткам.
Детрендинг и ортогональная декомпозиция Branch A / Branch B
Каждый ряд log1p(counts) обрабатывается OLS-регрессией: полиномиальный тренд 4-й степени, годовой Фурье-базис (3 гармоники), dummies дней недели, US federal holidays с лагами ±1 день; остатки винсоризуются (1%/1%). Branch A (для PHASE_-триггеров) не включает лунные переменные. Branch B (для WAVE_-триггеров) включает 12 статических лунных dummies — поэтому все оценки WAVE_-эффектов являются нижними границами истинного волнового сигнала.
Эффект и мета-анализ
Основная метрика — Hedges' g с малой-выборочной поправкой; дополнительно вычисляется непараметрический Mann–Whitney U-тест. BH-FDR применяется внутри страт (эпоха × семейство триггеров × лаг). Кросс-городская агрегация — двухстадийный random-effects мета-анализ: сначала объединение внутри города (fixed-effect), затем между городами с HKSJ-коррекцией (df = k − 1, город — единица репликации). Одиночные базы (NYC 911, NYC EMS) проходят внутреннюю робастностную батарею: block-permutation (14 и 28 дней), circular-shift (≥ 7 дней), bootstrap 95% ДИ, slice stability (5 срезов), placebo resampling, quasi-Poisson GLM sanity-check.
TIER-классификация
Кросс-городская: TIER1_PUBLISH (p_meta < 0.005, k ≥ 3, I² < 40%), TIER2_PROMISING (p_meta < 0.010, k ≥ 3, I² < 60%), TIER3_SIGNAL (p_meta < 0.050, k ≥ 2). Одиночная база: TIER1_PUBLISH (p_MW < 0.005, slice_sign_frac ≥ 0.80, 3/3 permutation pass, placebo pass), TIER2_PROMISING (p_MW < 0.010, slice_sign_frac ≥ 0.75, ≥ 2/3 permutation pass, placebo pass), TIER3_SIGNAL (p_MW < 0.050, slice_sign_frac ≥ 0.50).
5. Ключевые находки
На вход финальному анализу подано 10 192 валидных строки мета-пайплайна и 19 916 строк одиночного пайплайна. Из 1144 family-уровневых строк primary-триггеров признано NULL 1139, значимыми остались лишь 5 строк TIER3 — то есть метод не "находит" эффекты повсеместно.
Главный кросс-городской сигнал
PROPERTY_CRIME × WAVE_before_quadrature × PRE2014 × WIN3: g_meta = −0.032, 95% ДИ [−0.059, −0.005], p = 3.11×10⁻², I² = 0%, k = 5 городов (21 effect-size вклад: Chicago = 3, LA = 7, NYC = 4, Philadelphia = 4, SF = 3). Реплицирован в полной PRE-эпохе: g_meta = −0.023, 95% ДИ [−0.045, −0.005], p = 4.07×10⁻², I² = 0%.
![Форест-плот мета-анализа: PROPERTY_CRIME × WAVE_before_quadrature × PRE2014 × WIN3, g = −0.032, 95% ДИ [−0.059, −0.005], p = 0.031, I² = 0%](../assets/img/figure_2_forest.png)
Величина g_meta ≈ −0.03 объективно мала по шкале Cohen's d, но должна интерпретироваться в контексте шумовой городской среды и заведомо консервативного дизайна: WAVE-сигналы оцениваются на остатках, где статические фазы уже абсорбировали часть волновой дисперсии, а HKSJ при k = 5 накладывает консервативный штраф. Главный аргумент — не размер эффекта, а сочетание устойчивости, межгородской однородности (I² = 0%) и временной репликации.
Дополнительные кросс-городские сигналы (TIER3)
- PURE_ROBBERY × WAVE_before_quadrature × PRE2014 × lag=0: g = −0.085, 95% ДИ [−0.170, −0.001], p = 4.85×10⁻², I² = 0%, k = 5.
- PURE_VEHICLE_THEFT × PHASE_FirstQ × PRE × lag=−1: g = −0.100, 95% ДИ [−0.197, −0.004], p = 4.49×10⁻², I² = 0%.
- PURE_VEHICLE_THEFT × PHASE_Quadrature × PRE × lag=−1: g = −0.072, 95% ДИ [−0.142, −0.002], p = 4.60×10⁻², I² = 0%.
Все пять кросс-городских TIER3-сигналов указывают в одну сторону: имущественная и связанная с ней корыстная преступность снижается в окнах, примыкающих к квадратуре.
Находки на одиночных базах (NYC 911, NYC EMS)
Всего зарегистрировано 14 TIER1 + 17 TIER2 + 115 TIER3 сигналов. Примеры TIER1/TIER2: OTHER EMS × WAVE_before_quadrature (g = +0.103 в PRE, +0.121 в PRE2014, TIER1 в обеих эпохах); HYPTN (гипертонический криз) × PHASE_LastQ (g = +0.156, TIER1); OBLAB (роды) × PHASE_FirstQ (g = +0.201, TIER1); OBMIS (угроза выкидыша) × WAVE_before_quadrature (g = −0.172/−0.117, репликация в двух эпохах); EDP в помещении × WAVE_before_quadrature (g = −0.214, TIER2, парадоксальное снижение — но рост в общественном транспорте, g = +0.363: сцена определяет направление); CVA (инсульт) × WAVE_event (g = +0.082, TIER3, сигнал специфичен волновой ветви).
Дихотомия syzygy/quadrature
Сквозной структурный отпечаток данных: по сердцу — syzygy снижает острые остановки, quadrature повышает острые сосудистые события; по имуществу — снижение на quadrature (устойчивый кросс-городской сигнал); по психиатрии — меньше вызовов на фазах, ещё меньше на quadrature (кроме общественного транспорта). Такую согласованную дихотомию нельзя объяснить случайным шумом — она требует физического механизма, по-разному действующего в окнах syzygy и quadrature.
6. Защита от артефактов
Систематически рассмотрены и отклонены альтернативные объяснения (§6 статьи): (A) лунный свет как тривиальный конфаундер — квадратура физически менее светлая, чем полнолуние, но именно на квадратуре концентрируется большинство волновых сигналов; (B) календарный артефакт — все календарные переменные включены в детрендинг; (C) артефакт периода COVID — период полностью исключён; (D) артефакт множественных сравнений — применена BH-FDR, сигнал воспроизводится в двух эпохах и на pure-выборках; (E) артефакт агрегации семей — pure-выборки подтверждают знак с I² = 0%; (F) артефакт стандартной ошибки при малом k — применена консервативная HKSJ-коррекция; (G) артефакт совместного движения сезонных рядов — синодический цикл 29.53 дня не синхронен с григорианским календарём, а circular-shift permutation (≥ 7 дней) разрушает эффект, подтверждая фазовую специфичность; (H) артефакт изменения политики регистрации — именно поэтому выбрана эпоха PRE2014 до волны декриминализации; (I) артефакт "winner's curse" при выборе лага — используется фиксированное окно WIN3 без оптимизации; (J) артефакт исследовательских степеней свободы — все пороги зафиксированы в коде до финального прогона.
7. Границы интерпретации и ограничения
Исследование, при всей строгости методологии, обладает рядом принципиальных ограничений (§7 статьи, приведены полностью):
- Дневное временное разрешение. Все базы агрегированы на уровне календарного дня, что исключает оценку внутрисуточных сдвигов, хотя ожидаемые нефотические эффекты (мелатонин, вегетативный баланс) имеют выраженную внутрисуточную структуру.
- Отсутствие учёта геомагнитного фона (K-индекс). Геомагнитная активность не включена как ковариата, хотя потенциально важна для электромагнитных и циркадных каналов и может смешиваться с приписываемыми эффектами.
- Отсутствие локализации сцены. В большинстве баз сцена события ("помещение/улица/транспорт") не выделена системно; там, где возможно (NYC 911, NYC EMS), стратификация дала структурный результат (сцен-зависимая дихотомия EDP).
- Популяционный, а не индивидуальный уровень эффекта. Наблюдаемые сдвиги (~3–6% для имущественных преступлений, ~10–20% для отдельных медицинских показателей) — популяционные статистики, а не индивидуальные вероятности; для конкретного человека лунный сигнал слабее влияния питания, сна, стресса и социальных факторов.
- Ограничения географической экстраполяции. Четыре из пяти городов расположены на океанском побережье, один — на озёрном бассейне; экстраполяция на глубоко континентальные регионы требует отдельной верификации.
- Временная локализация эпох. Основной массив PRE частично попадает на минимум нодального цикла (2015 г.), что создаёт неоднородность ожидаемой амплитуды эффекта между эпохами.
- Ограничения причинной интерпретации. Работа фиксирует устойчивые ассоциативные связи, а не причинность; корректная причинно-следственная интерпретация требует проверок на молекулярном уровне и проспективных протоколов с индивидуальным мониторингом.
8. Практическая значимость
Если эффекты подтвердятся в дальнейших независимых репликациях, открывается ряд направлений (§8 статьи): прогнозирование нагрузки экстренных служб (TIER1-сигнал OTHER EMS на WAVE_before_quadrature); профилактика острых сосудистых событий (HYPTN, INBLED, CVA в соответствующих окнах, основа для хронофармакологических протоколов); акушерская профилактика и планирование (OBLAB, OBMIS); прогнозирование психиатрических декомпенсаций (сцен-зависимая дихотомия EDP); криминологическое планирование (только ресурсная оптимизация патрулей, не индивидуальное прогнозирование); хронобиологическое личное планирование; открытие нового класса исследовательских задач применительно к другим странам и исходам.
9. Данные, код и воспроизводимость
Все датасеты публичны и полностью деидентифицированы источником; ни один субъект не был напрямую задействован, индивидуальные данные не собирались. Автор заявляет об отсутствии конфликта интересов; работа выполнена самостоятельно, без внешнего финансирования (§9.0). Исходный код (base.py, gen.py, correlator.py, verdict.py, single_correlator.py, single_verdict.py), обработанные ежедневные таблицы, файлы лунно-приливных волн и полные выходные таблицы опубликованы в репозитории и в архивном снэпшоте на Zenodo.
Лицензии: код — MIT; обработанные данные и рисунки — CC-BY 4.0.