Bayesian modeling of heartbeat evoked potentials (HEP) and heart rate variability (HRV) as biomarkers of spiritual and mental wellbeing; an exploratory study
Notice bibliographique
Résumé
Spiritual and mental wellbeing are vital to health. Identification of their psychophysiological correlates enables their evidence-based integration into clinical therapeutics. We applied Bayesian modeling to assess HEPs and HRV as potential biomarkers of spiritual and mental wellbeing as it provides a flexible probabilistic approach. In this cross-sectional study, n = 30 adults completed spiritual (SIWB) and mental (WEMWBS) wellbeing questionnaires, then underwent electrophysiological recordings (EO, EC) with HRV and power spectral density analysis. Influence of difference of HEP and HRV on spiritual and mental wellbeing was analyzed. Bayesian regression identified the combined ΔHEP1 + ΔHEP3 model as the best predictor of spiritual well-being (BF10 = 8.75; R2 = 0.36), where strongest inclusion probability was observed for ΔHEP at Fz (Pincl =0.723), followed by ΔHEP at F7 (Pincl =0.617), with uncertain CrIs (95% CrI [−2.01, 0.05] and CrI [−0.62, 0.01] respectively) providing moderate-to-strong evidence for their inclusion. ΔHEP at F8 showed the strongest inclusion probability (P(incl|data) = 0.64; BF(inclusion) = 1.80), with posterior mean of 0.52 and a 95% CrI spanning [0.00, 1.61]. Demographic factors did not influence SIWB or WEMWBS scores. Bayesian model indicates that HEP can serve as a valuable tool to study psychophysiological modulation in spiritual and psychological interventions.
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 | 0,011 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».