Toward a Taxonomy for Analyzing the Heart Rate as a Physiological Indicator of Posttraumatic Stress Disorder: Systematic Review and Development of a Framework
Notice bibliographique
Résumé
BACKGROUND: Posttraumatic stress disorder (PTSD) is a prevalent psychiatric condition that is associated with symptoms such as hyperarousal and overreactions. Treatments for PTSD are limited to medications and in-session therapies. Assessing the way the heart responds to PTSD has shown promise in detecting and understanding the onset of symptoms. OBJECTIVE: This study aimed to extract statistical and mathematical approaches that researchers can use to analyze heart rate (HR) data to understand PTSD. METHODS: A scoping literature review was conducted to extract HR models. A total of 5 databases including Medical Literature Analysis and Retrieval System Online (Medline) OVID, Medline EBSCO, Cumulative Index to Nursing and Allied Health Literature (CINAHL) EBSCO, Excerpta Medica Database (Embase) Ovid, and Google Scholar were searched. Non-English language studies, as well as studies that did not analyze human data, were excluded. A total of 54 studies that met the inclusion criteria were included in this review. RESULTS: We identified 4 categories of models: descriptive time-independent output, descriptive and time-dependent output, predictive and time-independent output, and predictive and time-dependent output. Descriptive and time-independent output models include analysis of variance and first-order exponential; the descriptive time-dependent output model includes a classical time series analysis and mixed regression. Predictive time-independent output models include machine learning methods and analysis of the HR-based fluctuation-dissipation method. Finally, predictive time-dependent output models include the time-variant method and nonlinear dynamic modeling. CONCLUSIONS: All of the identified modeling categories have relevance in PTSD, although the modeling selection is dependent on the specific goals of the study. Descriptive models are well-founded for the inference of PTSD. However, there is a need for additional studies in this area that explore a broader set of predictive models and other factors (eg, activity level) that have not been analyzed with descriptive models.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 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 ».