Can Psychological Factors Account for a Lack of Nocturnal Blood Pressure Dipping?
Notice bibliographique
Résumé
BACKGROUND: In healthy individuals, blood pressure (BP) decreases, or "dips", during sleep. Ethnicity and high daytime blood pressure level are known markers of nondipping status. The literature on psychological markers of nondipping is scant but suggests that anger/hostility and chronic stress may be contributors to nondipping. PURPOSE: We have investigated this phenomenon in drug-free hypertensives who participated in a clinical trial and supplied extensive demographic, psychological, and biological risk factor data after medication washout prior to any treatment. METHOD: Sixty-two patients were available for analysis (n = 30 nondippers). While most studies focus only on systolic BP nondipping, we explicitly studied both systolic and diastolic BP dipping as outcomes given that both have prognostic value. RESULTS: Hierarchical multiple regression revealed that predictor variables in total accounted for 38% of variance in systolic blood pressure dipping and 44% of variance in diastolic blood pressure dipping. A significant positive predictor was alcohol consumption (beta = 0.37, t = 2.8, p = 0.007) for systolic BP and beta = 0.43, t = 3.7, p = 0.001 for diastolic BP), and an anger diffusion preference was also a positive predictor (beta = 0.42, t = 2.7, p = 0.01) for systolic BP dipping. No measure of trait negative affect reached significance as a predictor for systolic or diastolic BP dipping. CONCLUSION: These findings suggest that for a better understanding of the nondipping phenomenon, behavioral risk factors are important, and anger response styles may also be worthy of further study. Furthermore, anger coping preferences may be as important, or even more so, than levels of negative affect.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».