Imbalance Model of Heart Rate Variability and Pulse Wave Velocity in Psychotic and Nonpsychotic Disorders
Notice bibliographique
Résumé
OBJECTIVES: Patients with psychiatric disorders have an increased risk of cardiovascular pathologies. A bidirectional feedback model between the brain and heart exists widely in both psychotic and nonpsychotic disorders. The aim of this study was to compare heart rate variability (HRV) and pulse wave velocity (PWV) functions between patients with psychotic and nonpsychotic disorders and to investigate whether subgroups defined by HRV and PWV features improve the transdiagnostic psychopathology of psychiatric classification. METHODS: In total, 3448 consecutive patients who visited psychiatric or psychological health services with psychotic (N = 1839) and nonpsychotic disorders (N = 1609) and were drug-free for at least 2 weeks were selected. HRV and PWV indicators were measured via finger photoplethysmography during a 5-minute period of rest. Canonical variates were generated through HRV and PWV indicators by canonical correlation analysis (CCA). RESULTS: All HRV indicators but none of the PWV indicators were significantly reduced in the psychotic group relative to those in the nonpsychotic group. After adjusting for age, gender, and body mass index, many indices of HRV were significantly reduced in the psychotic group compared with those in the nonpsychotic group. CCA analysis revealed 2 subgroups defined by distinct and relatively homogeneous patterns along HRV and PWV dimensions and comprising 19.0% (subgroup 1, n = 655) and 80.9% (subgroup 2, n = 2781) of the sample, each with distinctive features of HRV and PWV functions. CONCLUSIONS: HRV functions are significantly impaired among psychiatric patients, especially in those with psychosis. Our results highlight important subgroups of psychiatric patients that have distinct features of HRV and PWV which transcend current diagnostic boundaries.
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) | 0,001 | 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 ».