Effect of Yogic Asanas on Autonomic Functions Tests in Premenstrual Syndrome Medical Students
Notice bibliographique
Résumé
Background: Premenstrual Syndrome (PMS) affects a significant number of menstruating women, including medical students who face unique stressors. The autonomic nervous system (ANS) is often disrupted in PMS, contributing to various symptoms. Yoga, particularly yogic asanas, may offer a non-pharmacological intervention to improve autonomic function and alleviate PMS symptoms. Objective: To evaluate the effect of yogic asanas on autonomic function tests and PMS symptoms in medical students. Methods: A randomized controlled trial was conducted with 60 medical students diagnosed with PMS, randomly assigned to an intervention group (yoga) or a control group. The yoga intervention included 60-minute sessions three times a week for 8 weeks. Autonomic function was assessed using heart rate variability (HRV) and blood pressure variability (BPV). PMS symptoms and quality of life were measured using the Premenstrual Symptoms Screening Tool (PSST) and WHOQOL-BREF scale. Results: The intervention group showed significant improvements in HRV (SDNN and RMSSD), reductions in BPV, and a notable decrease in PMS symptom severity compared to the control group. Quality of life scores also improved significantly in the intervention group. Conclusion: A structured yoga intervention effectively enhances autonomic function and reduces PMS symptoms in medical students. Integrating yoga into wellness programs could provide a valuable, non-pharmacological approach for managing PMS and improving overall quality of life.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».