The relationship of heart rate variability measures with trait emotional intelligence in the presence of acute mental stress
Notice bibliographique
Résumé
Abstract Objective: Emotional intelligence (EI) is essential for effective stress management and may influence cardiac responses. This study seeks to investigate the relationship between EI and heart rate variability (HRV) due to limited physiological data, contributing valuable insights into this unexplored connection and its potential impact on overall well-being. Results: In a study of 55 participants, mainly undergraduate students (45.5%) and single (70.9%), females constituted 56.4% of the sample. The highest well-being score was 5.187 (Cronbach’s alpha = 0.76). One-way repeated measures ANOVA showed significant HRV differences across time points. Median HF at stress induction was 0.193 (IQR: 0.160–0.217), significantly decreasing from baseline (Z = -4.926, p < 0.001). LF/HF ratio increased at T2 (M = 0.579, p < 0.001), with SD2/SD1 ratio rising to 2.171. Pairwise comparisons indicated differences between baseline and stress induction (M = -0.018, p < 0.001), and stress induction and post-induction periods (M = 0.174, p = 0.032). SDNN correlated positively at T1 (r = 0.321, p = 0.020) and T3 (r = 0.280, p = 0.045). pNN50% correlated positively at T1 (r = 0.332, p = 0.020), while stress index showed negative correlations at T1 (r = -0.318, p = 0.023) and T3 (r = -0.337, p = 0.012). Sociability negatively correlated with HRV measures (r = -0.407, p = 0.002), indicating autonomic nervous system activity links.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».