Linear Mixed-Effects Modeling of the Relationship Between Heart Rate Variability and Fatigue Arising from Sleep Deprivation
Notice bibliographique
Résumé
INTRODUCTION: Fatigue degrades cognitive performance, yet there is no universally accepted objective measure of fatigue. We tested whether fatigue arising from sleep deprivation can be quantified objectively using heart rate variability (HRV). METHODS: There were 35 male subjects (mean +/- SD; age = 21.4 +/- 2.6 yr) who were assigned to one of two experimental groups: (1) control (N = 16), or (2) 48-h sleep-deprived (N=19). Using 3-h sampling intervals, we simultaneously tracked fatigue level, cognitive performance, and HRV. Linear mixed-effects (LME) models were used to evaluate linear relationships between fatigue level and cognitive performance, as well as between fatigue level and HRV. RESULTS: Significant negative slopes were observed in LME models of cognitive performance and fatigue level. Of the several HRV parameters examined during standing and supine rest, the ratio of low-frequency to high-frequency R-R interval in the supine position had the clearest significant relationship when modeled against fatigue level. DISCUSSION: In summary, our results suggest that HRV tracks fatigue arising from sleep deprivation. This noninvasive, objective tool can quantify fatigue in real time.
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) | 0,000 | 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 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 ».