Effects of exercise and passive head-up tilt on fractal and complexity properties of heart rate dynamics
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
tk;1Passive head-up tilt and exercise result in specific changes in the spectral characteristics of heart rate (HR) variability as a result of reduced vagal and enhanced sympathetic outflow. Recently analytic methods based on nonlinear system theory have been developed to characterize the nonlinear features in HR dynamics. This study was designed to assess the changes in the fractal and complexity measures of HR behavior during the passive head-up tilt and during exercise. Fractal exponent (alpha(1)) and approximate entropy (ApEn), measures of short-term correlation properties and overall complexity of HR, respectively, along with spectral components of HR variability were analyzed during a passive head-up tilt test (n = 10) and a low-intensity steady-state exercise (n = 20) in healthy subjects. We observed that alpha(1) increased during the tilt test (from 0.85 +/- 0.22 to 1.48 +/- 0.20; P < 0.001) and during the exercise (from 1.00 +/- 0.22 to 1.37 +/- 0. 14; P < 0.001). ApEn also increased during the exercise (from 1.04 +/- 0.11 to 1. 11 +/- 0.08; P < 0.05), but it did not change during the tilt test. The normalized high-frequency spectral component decreased and the low-frequency component increased similarly during both the exercise and the tilt test (P < 0.001 for all). Exercise and passive tilt result in an increase of short-term fractal correlation properties of HR dynamics, which is related to changes in the balance between the low- and high-frequency oscillations in controlled situations. Overall complexity of HR dynamics increases during exercise but not during passive tilt.
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 | 0,000 | 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 | 0,002 |
| 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