MétaCan
Menu
Retour à la cohorte
Enregistrement W16770356 · doi:10.1139/h05-015

Diffuse Connections: Making Sense of Smell in Canadian Diasporic Women's Writing

2014· article· en· W16770356 sur OpenAlexaboutno aff
Stephanie Oliver

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineArts and Humanities
ThématiquePoetry Analysis and Criticism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAestheticsGender studiesVisual artsSociologyHistoryLinguisticsArt

Résumé

récupéré en direct d'OpenAlex

Heart rate variability (HRV) is an umbrella term for a variety of measures that assess autonomic influence on the heart. Reduced beat-to-beat variability is found in individuals with a variety of cardiac abnormalities. A reduced HRV positively correlates with obesity, poor aerobic fitness, and increasing age. Racial (black-white) differences are apparent in adults and adolescents. We aimed to evaluate (i) Asian-Caucasian differences in HRV and (ii) differences in HRV between girls and boys. Sixty-two children (30 male (15 Caucasian, 15 Asian) and 32 female (15 Caucasian, 17 Asians)) with a mean age of 10.3 +/- 0.6 y underwent 5 min resting HRV recording, fitness testing (Leger's 20 m shuttle), and self-assessed maturity. Outcome HRV measures were a ratio of low to high frequency power (LF:HF), standard deviation of R-R intervals (SDRR) and root mean square of successive R-R intervals (RMSSD). Data were compared between groups using analysis of covariance (ANCOVA). There were no race or sex differences for time domain variables, mean R-R, body mass index, or blood pressure. Compared with Caucasian children, Asian children displayed a higher adjusted (fitness, R-R interval) LF:HF ratio (72.9 +/- 59.4 vs. 120.6 +/- 85.3, p < 0.05). Girls demonstrated a higher adjusted LF:HF power than boys (117.2 +/- 85.1 vs. 76.6 +/- 62.4, p = < 0.05). In conclusion, Asian and Caucasian children display different frequency domain components of heart rate variability.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,936
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,226
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPoetry Analysis and CriticismTravaux en français237 207