The stressed heart: Validity evidence supporting mobile heart rate variability applications to detect psychological stress in healthcare learners
Notice bibliographique
Résumé
Abstract Purpose The stress experienced by healthcare learners and practitioners can impact learning, delivery of care, and mental health. Heightened awareness regarding this impact of stress has sparked the growing use of mobile health technologies for real‐time tracking of stress in health professions education. The purpose of this study was to evaluate what can accurately be interpreted by the scores generated by mobile technology, regarding psychological stress levels in medical learners. Methods In a quasi‐experimental within‐subjects design, 10 Emergency Medicine residents experienced two rest periods and two stress‐inducing simulation scenarios. Heart rate variability (HRV) parameters produced by a mobile HRV application were compared to a reference standard analysis software, and with traditional stress measures (salivary cortisol and self‐report measures) using Pearson correlation coefficients. To determine whether HRV parameters from the mobile application differentiate between rest & psychological stress conditions, a Multivariate Analysis of Variance (MANOVA), with condition (rest, stress) as the independent variable, was calculated for the HRV, cortisol and self‐report measures. Results The mobile application's time‐domain HRV parameters correlate strongly with the reference software (r values: 0.93 to 0.99, all p < 0.01), salivary cortisol levels (r = −0.54 to −63, all p <. 0.01) and self‐reported stress (r = −0.46 to −0.49, all p < 0.01). These time‐domain HRV parameters also accurately differentiated between rest and stress periods (eta 2 = 0.43–0.70, all p < 0.01). In contrast, the frequency‐domain parameter (LF/HF) of the mobile application showed weaker associations with the reference software (r = 0.10, p = 0.58) and other measures of stress (r = 0.11 to −0.16, NS), and did not differentiate between rest and stress periods (eta 2 = 0.07, p = 0.25). Conclusion This study provides some validity evidence for the use of a subset of time‐domain HRV metrics, captured through a mobile application, for the detection of psychological stress responses in simulated clinical settings. The results also highlight the heterogeneity in HRV metrics produced by various programs. Despite the promise of mobile technologies for the detection of stress in learners and health professionals, further validity research is needed to support their use to detect stress in the health professions.
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 | 0,015 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».