Effects of exercise on heart rate variability by time-domain, frequency-domain and non-linear analyses in equine athletes
Notice bibliographique
Résumé
Background: Heart rate variability (HRV) is an intrinsic property that reflects autonomic balance and has been shown to be predictive of all-cause and cardiovascular mortality. It can be altered by physiological states such as exercise or pathological conditions. However, there are only a handful of studies on HRV in horses. The aim of this study is to compare HRV parameters before and during exercise in horses. Methods: Time-domain, frequency-domain and non-linear analyses were applied to quantify time series data on RR intervals before and during exercise in horses (n=7). Results: Exercise increased heart rate from 44±8 to 113±17 bpm (ANOVA, P <0.05) and decreased standard deviation (SD) from 7±2 to 4±2 bpm, coefficient of variation (CoV) from 16±4% to 3±2% and root mean square of successive RR interval differences (RMSSD) from 89.4±91.5 to 6.5±3.7 ms. Contrastingly, no difference in low-frequency (0.10±0.03 vs. 0.09±0.03 Hz) and high-frequency (0.19±0.03 vs. 0.18±0.03 Hz) peaks, nor in their percentage powers (2±1 vs. 4±5%; 59±9 vs. 64±20%; 39±10 vs. 32±19%) were observed but very low-frequency, low-frequency, and high-frequency powers (ms 2 ) were reduced from 29±17 to 2±5, 1138±372 to 22±22 and 860±564 to 9±6, respectively, as was total power (in logarithms) (7.52±0.52 to 3.25±0.73). Poincaré plots of RR n+1 against RR n revealed similar ellipsoid shapes before and after exercise. The SD along the line-of-identity (SD2) and SD perpendicular to the line-of-identity (SD1) were decreased by exercise (62±17 vs. 9±5 and 63±65 vs. 5±3), corresponding to increased SD2/SD1 ratio from 1.33±0.45 to 2.19±0.72. No change in approximate and sample entropy was detected (0.97±0.23 vs. 0.82±0.22 and 1.14±0.43 vs. 1.37±0.49). Detrended fluctuation analysis revealed unaltered short-term fluctuation slopes (0.76±0.27 vs. 1.18±0.55) but increased long-term fluctuation slopes (0.16±0.11 vs. 0.50±0.16) after exercise. Conclusion: Exercise leads to a decrease in HRV but did not affect signal entropy in horses.
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 | 0,002 |
| 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) | 0,001 | 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 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 ».