Do physiological and pathological stresses produce different changes in heart rate variability?
Notice bibliographique
Résumé
Although physiological (e.g., exercise) and pathological (e.g., infection) stress affecting the cardiovascular system have both been documented to be associated with a reduction in overall heart rate variability (HRV), it remains unclear if loss of HRV is ubiquitously similar across different domains of variability analysis or if distinct patterns of altered HRV exist depending on the stressor. Using Continuous Individualized Multiorgan Variability Analysis (CIMVA™) software, heart rate (HR) and four selected measures of variability were measured over time (windowed analysis) from two datasets, a set (n = 13) of patients who developed systemic infection (i.e., sepsis) after bone marrow transplant (BMT), and a matched set of healthy subjects undergoing physical exercise under controlled conditions. HR and the four HRV measures showed similar trends in both sepsis and exercise. The comparison through Wilcoxon sign-rank test of the levels of variability at baseline and during the stress (i.e., exercise or after days of sepsis development) showed similar changes, except for LF/HF, ratio of power at low (LF) and high (HF) frequencies (associated with sympathovagal modulation), which was affected by exercise but did not show any change during sepsis. Furthermore, HRV measures during sepsis showed a lower level of correlation with each other, as compared to HRV during exercise. In conclusion, this exploratory study highlights similar responses during both exercise and infection, with differences in terms of correlation and inter-subject fluctuations, whose physiologic significance merits further investigation.
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 | 0,001 |
| 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 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 ».