MétaCan
Menu
Retour à la cohorte
Enregistrement W2072438369 · doi:10.1139/apnm-2014-0493

Effects of breathing patterns and light exercise on linear and nonlinear heart rate variability

2015· article· en· W2072438369 sur OpenAlexvenueno aff
Matthias Weippert, Kristin Behrens, Annika Rieger, Mohit Kumar, Martin Behrens

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Rate Variability and Autonomic Control
Établissements canadiensnon disponible
Organismes subventionnairesUniversität Rostock
Mots-clésHeart rate variabilitySample entropyVentilation (architecture)Detrended fluctuation analysisApproximate entropyHeart rateRespiratory rateMetronomeBreathingCardiologyTidal volumeMedicineRespiratory minute volumeInternal medicineAnesthesiaRespiratory systemMathematicsRhythmBlood pressureStatisticsPhysics

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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)0,0010,000

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 Opus0,010
Tête enseignante GPT0,245
Écart entre enseignants0,235 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations45
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and MetabolismMême sujetHeart Rate Variability and Autonomic ControlTravaux en français237 207