MétaCan
Menu
Retour à la cohorte
Enregistrement W2769870332 · doi:10.5539/gjhs.v10n2p126

Influence of HeartMath Training Programme on Physiological and Psychological Variables

2018· article· en· W2769870332 sur OpenAlexvenueno aff
Lucy H. Field L., Stephen D. Edwards, David J. Edwards, Sarah E. Dean

Notice bibliographique

RevueGlobal Journal of Health Science · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Rate Variability and Autonomic Control
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of ZululandNational Research Foundation
Mots-clésBiofeedbackPsychologyClinical psychologyRelaxation (psychology)MindfulnessHeart rate variabilityTest (biology)Sample (material)Physical therapyMedicineHeart rateSocial psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

This study investigated biofeedback using heart rate variability (HRV) and psychometric measures. An original, mixed, quantitative and qualitative, within subjects, pre-test and post-test design was employed to evaluate the influence of a HeartMath training programme on measures of HRV, sense of coherence, mindfulness and relaxation in a convenience sample of 13 participants with age range 26-62 (M = 41.46, SD = 14.39) years. Participants were required to attend a three-hour workshop and complete 30 minutes of HeartMath training that included 5 different biofeedback sessions. Paired sample t-tests indicated significant differences on all outcome variables with medium to large effect sizes. Qualitative findings revealed positive and informative experiences of taking part in the research. Integrated findings supported and extended previous studies attesting to the value of HeartMath training.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,875
Score d'incertitude au seuil0,467

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,103
Tête enseignante GPT0,400
Écart entre enseignants0,297 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetHeart Rate Variability and Autonomic ControlTravaux en français237 207