Feasibility of Using a Single Heart Rate–Based Measure for Real-time Feedback in a Voluntary Deep Breathing App for Children: Data Collection and Algorithm Development
Notice bibliographique
Résumé
Background Deep diaphragmatic breathing, also called belly breathing, is a popular behavioral intervention that helps children cope with anxiety, stress, and their experience of pain. Combining physiological monitoring with accessible mobile technology can motivate children to comply with this intervention through biofeedback and gaming. These innovative technologies have the potential to improve patient experience and compliance with strategies that reduce anxiety, change the experience of pain, and enhance self-regulation during distressing medical procedures. Objective The aim of this paper was to describe a simple biofeedback method for quantifying breathing compliance in a mobile smartphone app. Methods A smartphone app was developed that combined pulse oximetry with an animated protocol for paced deep breathing. We collected photoplethysmogram data during spontaneous and subsequently paced deep breathing in children. Two measures, synchronized respiratory sinus arrhythmia (RSAsync) and the corresponding relative synchronized inspiration/expiration heart rate ratio (HR-I:Esync), were extracted from the photoplethysmogram. Results Data collected from 80 children aged 5-17 years showed a positive RSAsync effect in all participants during paced deep breathing, with a median (IQR; range) HR-I:Esync ratio of 1.26 (1.16-1.35; 1.01-1.60) during paced deep breathing compared to 0.98 (0.96-1.02; 0.82-1.18) during spontaneous breathing (median difference 0.25, 95% CI 0.23-0.30; P<.001). The measured HR-I:Esync values appeared to be independent of age. Conclusions An HR-I:Esync level of 1.1 was identified as an age-independent threshold for programming the breathing pattern for optimal compliance in biofeedback.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».