Implicit Affect, Heart Rate Variability, and the Metabolic Syndrome
Notice bibliographique
Résumé
OBJECTIVE: Greater negative affect has been associated with an increased risk of the metabolic syndrome (METs). However, all studies to date have examined this association using explicit affect measures based on subjective ratings of emotional experiences. Prior studies suggest that implicit affect, representing the automatic, prereflective appraisal process involved in conscious emotional experiences, is associated with physiological stress responses independent of explicit affect. Furthermore, low resting heart rate variability (HRV) may increase the risk of stress-related diseases. The goals of this study were to evaluate the associations between implicit and explicit affect and METs and to assess whether these associations were amplified by lower HRV. METHODS: This secondary analysis of a larger study included 217 middle-aged women who completed measures of implicit affect, explicit affect, high-frequency HRV, and the different components of METs. RESULTS: There was a significant interaction between implicit negative affect and HRV predicting METs (odds ratio = 0.57, 95% confidence interval = 0.35-0.92), such that the combination of higher implicit affect and lower HRV was associated with a greater likelihood of METs. Similarly, there was a main effect of implicit negative affect as well as an interaction between implicit negative affect and HRV on the lipid accumulation product (b (standard error) = -0.06 (0.02), 95% confidence interval = -0.11 to -0.02), a combination of waist circumference and triglycerides. CONCLUSIONS: Higher implicit negative affect in the context of lower HRV may be related to a greater risk of METs. The present findings highlight the relevance of including implicit affect measures in psychosomatic medicine research.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 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 ».