High-Frequency Heart Rate Variability Reactivity and Trait Worry Interact to Predict the Development of Sleep Disturbances in Response to a Naturalistic Stressor
Notice bibliographique
Résumé
BACKGROUND: High-frequency heart rate variability (HF-HRV) reactivity was proposed as a vulnerability factor for stress-induced sleep disturbances. Its effect may be amplified among individuals with high trait worry or sleep reactivity. PURPOSE: This study evaluated whether HF-HRV reactivity to a worry induction, sleep reactivity, and trait worry predict increases in sleep disturbances in response to academic stress, a naturalistic stressor. METHOD: A longitudinal study following 102 undergraduate students during an academic semester with well-defined periods of lower and higher academic stress was conducted. HF-HRV reactivity to a worry induction, trait worry using the Penn State Worry Questionnaire, and sleep reactivity using the Ford Insomnia Stress Reactivity Test were measured during the low stress period. Sleep disturbances using the Pittsburgh Sleep Quality Index were assessed twice during the lower stress period and three times during the higher stress period. RESULTS: Greater reductions in HF-HRV in response to the worry induction predicted increases in sleep disturbances from the lower to the higher academic stress period. Trait worry moderated this association: individuals with both higher trait worry and greater HF-HRV reactivity to worry had larger increases in stress-related sleep disturbances over time, compared to participants with lower trait worry and HF-HRV reactivity. A similar, but marginally significant effect was found for sleep reactivity. CONCLUSION: This study supports the role of HF-HRV reactivity as a vulnerability factor for stress-induced sleep disturbances. The combination of high trait worry and high HF-HRV reactivity to worry might identify a subgroup of individuals most vulnerable to stress-related sleep disturbances.
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 | 0,005 | 0,004 |
| 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 ».