Evaluation of Heart Rate in Daily Life Based on 10 Million Samples Database
Notice bibliographique
Résumé
This research uses a very-large amount of heart rate data (approximately 10 millions entries) collected on one million persons to investigate heart rate trends in daily life. Trends were examined regarding both human characteristics (gender, age, BMI), and environmental properties (hour of the day, day of the week, season). Concerning the relation between heart rate and gender, women’s heart rate trend was significantly lower compared to men’s. As for the relation between heart rate and age, on one hand, women’s heart rate tends to become lower with aging. On the other hand, men’s heart rate tends to keep increasing until the 50’s. Also, men’s heart rate is lower than women’s in the 10’s and 20’s, the trend becomes opposite from the 30’s. In the relation between heart rate and BMI (Body Mass Index), heart rate is significantly higher for users with higher BMI. Regarding diurnal fluctuation of heart rate, it has been confirmed to take its lowest between 3 A.M. and 6 A.M., then increasing regularly until the peak between noon and 3 P.M., after which it decreases during the evening through the night. As for in-week fluctuation, the trend of higher heart rate during the week and lower heart rate during week-ends and holidays has been comfirmed. Specialy, heart rate remarkably increases from Sunday to Monday. Finally, concerning seasonal fluctuation trend, heart rate is decreasing from summer to autumn, and is at his highest level in winter. The results of this research tend to correspond with previous studies that have been carried out on smaller samples and fewer subjects, demonstrating the credibilitay and validity of the data measured by our system. Moreover, on a public health point of view, we can say that it is important to take into account various human properties and spatio-temporal characteristics when having a comparative analysis of people’s health distribution. We think the knowledge obtained in this research can be applied practically to the whole society as an indication for health care and various diseases prevention.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».