Predicting Response to Stepped-Care Cognitive Behavioral Therapy for Insomnia (CBT-I) Using Pre-Treatment Heart Rate Variability (HRV) in Cancer Patients
Notice bibliographique
Résumé
Objective: This longitudinal study examined whether high frequency heart-rate variability (HF-HRV) and HF-HRV reactivity to stress moderates response to cognitive behavioural therapy for insomnia (CBT-I) within a stepped-care framework in cancer patients with comorbid insomnia. \nMethods: 177 participants (86.3% female; Mage=55.3, SD=10.4) were randomized to receive either stepped-care or standard CBT-I and were followed for 12 months following treatment. HRV measures were 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. \nResults: Resting HF-HRV significantly predicted pre-treatment sleep efficiency but not ISI score. No significant time x HF-HRV or CBT-I group x time x HF-HRV interactions were found, indicating that HF-HRV does not predict differential responses to the different CBT-I group. HRV reactivity was not cross-sectionally or longitudinally related to any outcome variables. In exploratory analyses, significant insomnia severity x time x HF-HRV interactions were observed, suggesting that HF-HRV may predict treatment responses differently based on initial insomnia severity. \nConclusion: Although resting HF-HRV was related to initial sleep efficiency, HF-HRV measures did not significantly predict response to either form of CBT-I. Resting HF-HRV may predict certain treatment outcomes when initial insomnia severity is considered, however these results are exploratory and of unclear clinical significance.
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 | 0,002 |
| 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) | 0,001 | 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 ».