Root mean square of successive differences is not a valid measure of parasympathetic reactivity during slow deep breathing
Notice bibliographique
Résumé
Deep breathing exercises are the second most used complementary health approach in the United States. Two heart rate variability (HRV) parameters, the root mean square of successive differences (RMSSD) and the respiratory sinus arrhythmia (RSA), are used to assess parasympathetic reactivity to deep breathing, but they are often not in agreement. Our purpose was to determine the cause of the disagreement. We investigated HRV parameters in 38 subjects during baseline, deep breathing, and recovery. Here we show that RMSSD as a measure of parasympathetic reactivity is unreliable; it does not reflect the increase in HRV during deep breathing as determined by RSA. We observed a decrease in RMSSD values despite a marked increase in HRV as determined by RSA and the standard deviation of normal heartbeat interval (SDNN) in healthy subjects and patients with functional bowel disorders. We show that RSA captures all aspects of HRV, whereas successive differences in heart rate intervals are only a small part of HRV, with decreasing variability during deep breathing in most subjects. We present a new measure of calculating RSA during deep breathing that may become an essential tool for researchers and clinicians. We also provide a unique visualization of the increased heart rate variability during deep breathing. Hence, RMSSD cannot be used to assess parasympathetic reactivity during deep breathing; using RSA is recommended. The use of RMSSD in previous influential studies may have led to erroneous conclusions about parasympathetic reactivity during deep breathing. Its continued use may undervalue the effects of the autonomic nervous system in slow deep breathing.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».