Effects of breathing patterns and light exercise on linear and nonlinear heart rate variability
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Despite their use in cardiac risk stratification, the physiological meaning of nonlinear heart rate variability (HRV) measures is not well understood. The aim of this study was to elucidate effects of breathing frequency, tidal volume, and light exercise on nonlinear HRV and to determine associations with traditional HRV indices. R-R intervals, blood pressure, minute ventilation, breathing frequency, and respiratory gas concentrations were measured in 24 healthy male volunteers during 7 conditions: voluntary breathing at rest, and metronome guided breathing (0.1, 0.2 and 0.4 Hz) during rest, and cycling, respectively. The effect of physical load was significant for heart rate (HR; p < 0.001) and traditional HRV indices SDNN, RMSSD, lnLFP, and lnHFP (p < 0.01 for all). It approached significance for sample entropy (SampEn) and correlation dimension (D2) (p < 0.1 for both), while HRV detrended fluctuation analysis (DFA) measures DFAα1 and DFAα2 were not affected by load condition. Breathing did not affect HR but affected all traditional HRV measures. D2 was not affected by breathing; DFAα1 was moderately affected by breathing; and DFAα2, approximate entropy (ApEn), and SampEn were strongly affected by breathing. DFAα1 was strongly increased, whereas DFAα2, ApEn, and SampEn were decreased by slow breathing. No interaction effect of load and breathing pattern was evident. Correlations to traditional HRV indices were modest (r from -0.14 to -0.67, p < 0.05 to <0.01). In conclusion, while light exercise does not significantly affect short-time HRV nonlinear indices, respiratory activity has to be considered as a potential contributor at rest and during light dynamic exercise.
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.
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 | 0,001 | 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 | 0,000 |
| 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 découle