Wearable technologies for assessing the effects of nature on physiological states
Notice bibliographique
Résumé
Forest bathing (FB) has been shown to have quantifiable positive effects on human physical and mental health, but few studies have employed non-invasive wearable technolo- gies to monitor autonomic nervous system signals. This study investigated the impacts of a 90-minute Nature Break activity on the physiological response of 10 individuals and the psychological response of 38 (age=43.55± 11.61 years) individuals. Autonomic nervous system response was assessed through continuous measurement of electrodermal activity (EDA), fingertip temperature, and blood volume pulse (BVP) using a wearable fingertip sensor. Psychological distress was assessed using the Profile of Mood States (POMS). Our results showed a decrease in the negative dimensions of POMS and an increase in the positive (vigor) dimension following Nature Break. Moderate evidence for a difference pre-forest and post-forest was found for the mean of the standard deviation of EDA slopes (BF10 = 4.462). Significant differences across stops was found for the mean of the standard deviation of EDA slopes(p<0.05), mean of the me- dian skin temperatures(p<0.05), and average HR (p<0.001), but not for the average HRV features or the slopes of the HR. Mean HR was found to decrease throughout Nature Break. Future research should further investigate the use of EDA and skin temperature as measures of ANS activity in order to develop a better understanding of the changes in these signals in the FB context.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».