Heritability and genetic correlations of heart rate variability at rest and during stress in the Oman Family Study
Notice bibliographique
Résumé
INTRODUCTION: Individual differences in heart rate variability (HRV) can be partly attributed to genetic factors that may be more pronounced during stress. Using data from the Oman Family Study (OFS), we aimed to estimate and quantify the relative contribution of genes and environment to the variance of HRV at rest and during stress; calculate the overlap in genetic and environmental influences on HRV at rest and under stress using bivariate analyses of HRV parameters and heart rate (HR). METHODS: Time and frequency domain HRV variables and average HR were measured from beat-to-beat HR obtained from electrocardiogram recordings at rest and during two stress tests [mental: Word Conflict Test (WCT) and physical: Cold Pressor Test (CPT)] in the OFS - a multigenerational pedigree consisting of five large Arab families with a total of 1326 participants. SOLAR software was used to perform quantitative genetic modelling. RESULTS: Heritability estimates for HRV and HR ranged from 0.11 to 0.31 for rest, 0.09-0.43 for WCT, and 0.07-0.36 for CPT. A large part of the genetic influences during rest and stress conditions were shared with genetic correlations ranging between 0.52 and 0.86 for rest-WCT and 0.60-0.92 for rest-CPT. Nonetheless, genetic rest-stress correlations for most traits were significantly smaller than 1 indicating some stress-specific genetic effects. CONCLUSION: Genetic factors significantly influence HRV and HR at rest and under stress. Most of the genetic factors that influence HRV at rest also influence HRV during stress tests, although some unique genetic variance emerges during these challenging conditions.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».