Stress Determined through Heart Rate Variability Predicts Immune Function
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Stress is a prevalent health problem in modern society. If experienced for long periods of time it can lead to immune dysfunctions. Thus, public health management practices must include the assessment of stress. In health management settings, electrocardiography (ECG) is routinely used to assess cardiovascular health and make inferences about stress using information from heart rate variability (HRV). However, it is unclear whether stress assessment based on HRV can also be used to index immune function. OBJECTIVES: To compare stress that was determined by a measure of HRV (pNN50) from ECG with immune function indices (neutrophil, monocyte, and lymphocyte percentages) obtained from blood samples. METHODS: A total of 184 healthy adults participated in the study, which took place in an examination room at the Health Management Center of The Affiliated Hospital of Hangzhou Normal University, China. Participants viewed a relaxing video while having a 2-min ECG recorded. They were then taken to have their blood drawn as part of their physical examination. Measures of stress (pNN50) were extracted from ECG, while measures of immune function (percentages of neutrophils, monocytes, and lymphocytes) were extracted from blood samples. RESULTS: Stress correlated positively with neutrophil percentages (r = 0.21) and negatively with monocyte (r = -0.16) and lymphocyte percentages (r = -0.18). CONCLUSIONS: These findings show HRV analysis to be a potentially viable noninvasive and inexpensive method not only for indexing stress, but also predicting immune function, thus managing the health risks associated with stress.
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.
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 | 0,001 | 0,000 |
| 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 découle