Frequency domain analysis of heart rate variability in horses at rest and during exercise
Notice bibliographique
Résumé
The pattern of variation in heart rate on a beat-to-beat basis contains information concerning sympathetic (SNS) and parasympathetic (PNS) contributions to autonomic nervous system (ANS) modulation of heart rate (HR). In the present study, heart period (RR interval) time series data were collected at rest and during 3 different treadmill exercise protocols from 6 Thoroughbred horses. Frequency and spectral power were determined in 3 frequency bands: very low (VLF) 0-< or = 0.01, low (LO) >0.01-< or = 0.07 and high (HI) >0.07-< or = 0.5 cycles/beat. Indicators of sympathetic (SNSI = LO/HI) and parasympathetic (PNSI = HI/TOTAL) activity were calculated. Power in all bands fell progressively with increasing exercise intensity from rest to trot. At the gallop VLF and LO power continued to fall but HI power rose. SNSI rose from rest to walk, then fell with increasing effort and was lowest at the gallop. PNSI fell from rest to walk, then rose and was highest at the gallop. Normalised HI power exceeded combined VLF and LO power at all gaits, with the ratio HI to LO power being lowest at the walk and highest at the gallop. ANS indicators showed considerable inter-horse variation, and varied less consistently than raw power with increasing physical effort. In the horses studied, the relationship between power and HR changed at exercise intensities associated with heart rates above approximately 120-130 beats/min. At this level, humoral and other non-neural mechanisms may become more important than autonomic modulation in influencing heart rate and heart rate variability (HRV). HRV at intense effort may be influenced by respiratory-gait entrainment, energetics of locomotion and work of breathing. HRV analysis in the frequency domain would appear to be of potential value as a noninvasive means of assessing autonomic modulation of heart rate at low exercise intensities, only. The technique may be a sensitive method for assessing exercise response to experimental manipulations and disease states.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».