Exploring the Effects of a Brief Biofeedback Breathing Session Delivered Through the BioBase App in Facilitating Employee Stress Recovery: Randomized Experimental Study
Notice bibliographique
Résumé
BACKGROUND: Recovery from stress is a predictive factor for cardiovascular health, and heart rate variability (HRV) is suggested to be an index of how well people physiologically recover from stress. Biofeedback and mindfulness interventions that include guided breathing have been shown to be effective in increasing HRV and facilitating stress recovery. OBJECTIVE: This study aims to assess the effectiveness of a brief app-based breathing intervention (BioBase) in enhancing physiological recovery among employees who were induced to cognitive and emotional stress. METHODS: In total, we recruited 75 full-time employees. Interbeat (RR) intervals were recorded continuously for 5 min at baseline and during cognitive and emotional stress induction. The session ended with a 5-min recovery period during which participants were randomly allocated into 3 conditions: app-based breathing (BioBase), mindfulness body scan, or control. Subjective tension was assessed at the end of each period. RESULTS: Subjective tension significantly increased following stress induction. HRV significantly decreased following the stress period. In the recovery phase, the root mean square of successive RR interval differences (P=.002), the percentage of successive RR intervals that differed by >50 ms (P=.008), and high frequency (P=.01) were significantly higher in the BioBase breathing condition than in the mindfulness body scan and the control groups. CONCLUSIONS: Biofeedback breathing interventions digitally delivered through a commercially available app can be effective in facilitating stress recovery among employees. These findings contribute to the mobile health literature on the beneficial effects of brief app-based breathing interventions on employees' cardiovascular health.
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 | 0,002 | 0,001 |
| 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 | 0,000 |
| 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 ».