MétaCan
Menu
Retour à la cohorte
Enregistrement W2789331554 · doi:10.3389/fpsyg.2018.00229

Inter-individual Differences in Heart Rate Variability Are Associated with Inter-individual Differences in Empathy and Alexithymia

2018· article· en· W2789331554 sur OpenAlexaboutno aff
Alexander Lischke, Rike Pahnke, Anett Mau‐Moeller, Martin Behrens, Hans J. Grabe, Harald J. Freyberger, Alfons O. Hamm, Matthias Weippert

Notice bibliographique

RevueFrontiers in Psychology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Rate Variability and Autonomic Control
Établissements canadiensnon disponible
Organismes subventionnairesDeutsche Forschungsgemeinschaft
Mots-clésAlexithymiaEmpathyPsychologyHeart rate variabilityClinical psychologyToronto Alexithymia ScaleDevelopmental psychologyHeart rateInternal medicinePsychiatryMedicineBlood pressure

Résumé

récupéré en direct d'OpenAlex

In the present study, we investigated whether inter-individual differences in vagally mediated heart rate variability (vmHRV) would be associated with inter-individual differences in empathy and alexithymia. To this end, we determined resting state HF-HRV in 90 individuals that also completed questionnaires assessing inter-individual differences in empathy and alexithymia. Our categorical and dimensional analyses revealed that inter-individual differences in HF-HRV were differently associated with inter-individual differences in empathy and alexithymia. We found that individuals with high HF-HRV reported more empathy and less alexithymia than individuals with low HF-HRV. Moreover, we even found that an increase in HF-HRV was associated with an increase in empathy and a decrease in alexithymia across all participants. Taken together, these findings indicate that individuals with high HF-HRV are more empathetic and less alexithymic than individuals with low HF-HRV. These differences in empathy and alexithymia may explain why individuals with high HF-HRV are more successful in sharing and understanding the mental and emotional states of others than individuals with low HF-HRV.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,031
Tête enseignante GPT0,288
Écart entre enseignants0,256 · 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 source (Gemma direct ou Codex distillé), 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

Citations65
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetHeart Rate Variability and Autonomic ControlTravaux en français237 207