Moderation of the Stressor-Strain Process in Interns by Heart Rate Variability Measured With a Wearable and Smartphone App: Within-Subject Design Using Continuous Monitoring
Notice bibliographique
Résumé
BACKGROUND: The emergence of smartphones and wearable sensor technologies enables easy and unobtrusive monitoring of physiological and psychological data related to an individual's resilience. Heart rate variability (HRV) is a promising biomarker for resilience based on between-subject population studies, but observational studies that apply a within-subject design and use wearable sensors in order to observe HRV in a naturalistic real-life context are needed. OBJECTIVE: This study aims to explore whether resting HRV and total sleep time (TST) are indicative and predictive of the within-day accumulation of the negative consequences of stress and mental exhaustion. The tested hypotheses are that demands are positively associated with stress and resting HRV buffers against this association, stress is positively associated with mental exhaustion and resting HRV buffers against this association, stress negatively impacts subsequent-night TST, and previous-evening mental exhaustion negatively impacts resting HRV, while previous-night TST buffers against this association. METHODS: In total, 26 interns used consumer-available wearables (Fitbit Charge 2 and Polar H7), a consumer-available smartphone app (Elite HRV), and an ecological momentary assessment smartphone app to collect resilience-related data on resting HRV, TST, and perceived demands, stress, and mental exhaustion on a daily basis for 15 weeks. RESULTS: Multiple linear regression analysis of within-subject standardized data collected on 2379 unique person-days showed that having a high resting HRV buffered against the positive association between demands and stress (hypothesis 1) and between stress and mental exhaustion (hypothesis 2). Stress did not affect TST (hypothesis 3). Finally, mental exhaustion negatively predicted resting HRV in the subsequent morning but TST did not buffer against this (hypothesis 4). CONCLUSIONS: To our knowledge, this study provides first evidence that having a low within-subject resting HRV may be both indicative and predictive of the short-term accumulation of the negative effects of stress and mental exhaustion, potentially forming a negative feedback loop. If these findings can be replicated and expanded upon in future studies, they may contribute to the development of automated resilience interventions that monitor daily resting HRV and aim to provide users with an early warning signal when a negative feedback loop forms, to prevent the negative impact of stress on long-term health outcomes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».