Predicting response to stepped-care cognitive behavioral therapy for insomnia using pre-treatment heart rate variability in cancer patients
Notice bibliographique
Résumé
OBJECTIVE: This study examined whether high frequency heart-rate variability (HF-HRV) and HF-HRV reactivity to worry moderate response to cognitive behavioural therapy for insomnia (CBT-I) within both a standard and stepped-care framework among cancer patients with comorbid insomnia. Biomarkers such as HF-HRV may predict response to CBT-I, a finding which could potentially inform patient allocation to different treatment intensities within a stepped-care framework. METHODS: = 55.3, SD = 10.4) were randomized to receive either stepped-care or standard CBT-I. 145 participants had their HRV assessed at pre-treatment during a rest and worry period. Insomnia symptoms were assessed using the Insomnia Severity Index (ISI) and daily sleep diary across five timepoints from pre-treatment to a 12-month post-treatment follow-up. RESULTS: Resting HF-HRV was significantly associated with pre-treatment sleep efficiency and sleep onset latency but not ISI score. However, resting HF-HRV did not predict overall changes in insomnia across treatment and follow-up. Similarly, resting HF-HRV did not differentially predict changes in sleep diary parameters across standard or stepped-care groups. HRV reactivity was not related to any of the assessed outcome measures in both cross-sectional and longitudinal analyses. CONCLUSION: Although resting HF-HRV was related to initial daily sleep parameters, HF-HRV measures did not significantly predict longitudinal responses to CBT-I. These findings suggest that HF-HRV does not predict treatment responsiveness to CBT-I interventions of different intensity in cancer patients.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».