A consort-guided randomized, blinded, controlled clinical trial on the effects of 6 weeks training on heart rate variability in thoroughbred horses
Notice bibliographique
Résumé
Abstract Background Fitness assessment of horses remains challenging. Heart rate variability (HRV) can be used to monitor human athlete's training, but its value is unknown in horses. Hypothesis The linear domain HRV variables are affected by fitness. Animals Twelve healthy untrained thoroughbreds were randomly split into a training group (6 weeks of incremental racetrack training) and a control group (no training). Methods Linear domain HRV variables were analyzed (high frequency [HF], low frequency [LF], their normalized units [Hfnu, Lfnu], root mean square of successive differences between beats [RMSSD], Poincaré plot features [SD1 and SD2]) while resting overnight before (baseline) and after 2, 4 and 6 weeks of training. V̇O2max and echocardiographic indexes were measured at baseline and after 6 weeks. Changes in HRV variables over time (ANOVA), and correlation with V̇O2max (Pearson's chi-squared test) were tested (P < .05 significance). Results V̇O2max, LF/HF ratio, and LFnu increased while HFnu decreased in the training group (before and after training mean [SD] values: V̇O2max 134 [12.8]-146 [16.5] mL/[kg min]; P < .001; LF/HF ratio 0.51 [0.2]-0.91 [0.3] [P = .02]; LFnu 37.5 [10.1]-46.8 [7.8] [P = .02]; HFnu 76.2 [7.9]-53.2 [7.7] [P < .001]). Training did not affect RMSSD, SD1, SD2, resting HR, or echocardiographic indexes. Strong correlations were found between V̇O2max and HRV variables (V̇O2max and LFnu [r = −0.59, P = .04]; ΔV̇O2max and the corresponding ΔLF [r = −0.88, P = .02]). Conclusions and Clinical Importance Six weeks of training affected some frequency domain HRV variables. Further studies are necessary to validate the use of HRV for monitoring horses' responses to training.
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 | 0,046 | 0,094 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».