Le stress laisse une trace nette dans la respiration, mais pas l'amusement

Ce qu’une trace respiratoire d’une minute peut mesurer au-delà de la fréquence

Une trace respiratoire d’une minute est plus qu’un décompte des inspirations et des expirations. Elle porte aussi le rythme de chaque cycle et la stabilité de ce rythme dans le temps. L’analyse en fréquence découpe le signal en bandes, des ondes lentes de 0,05 à 0,20 hertz jusqu’à 5 hertz. Chaque bande suit un mouvement différent, des oscillations lentes aux fréquences courantes de l’adulte et aux petites ondulations de la forme d’onde. La fréquence respiratoire dominante est prise comme le pic le plus fort entre 0,05 et 1,00 hertz. Des bandes plus étroites ajoutent ensuite du détail, comme la puissance de 0 à 0,10 hertz ou de 0,70 à 1,00 hertz. Les outils d’ondelette regardent comment l’énergie se répartit sur les échelles, et les mesures d’entropie disent si cette répartition est ordonnée ou dispersée. Une caractéristique d’ondelette compare l’énergie dans une bande de détail rapide au reste du signal. Une autre demande à quel point l’énergie des ondelettes est distribuée uniformément, ce qui peut révéler une rugosité cachée dans une trace apparemment lisse. Les retards d’autocorrélation mesurent comment le signal se répète par rapport à lui-même après de courtes délais. Le premier passage de la corrélation positive à négative est appelé Zpm, et le retour suivant au positif est Zmp. Ces retards décrivent la longueur du cycle, sa régularité et la forme de l’alternance, pas seulement le nombre de respirations. Ils peuvent être calculés une fois pour la minute entière, ou encore à l’intérieur de chaque cycle respiratoire détecté. La médiane des Zmp entre les cycles donne une échelle temporelle typique, et son score de variation montre l’instabilité. D’autres résumés utilisent l’écart interquartile, l’étendue totale, la pente ou le changement dernier moins premier. Le coefficient de variation divise l’écart-type entre les cycles par la moyenne absolue. Cela sépare un effet moyen d’une instabilité dans le temps. Les résumés par pente et différence demandent si un marqueur dérive vers le haut ou vers le bas au cours de la minute. Une branche exploratoire demande aussi à quelle vitesse la prévisibilité à court terme se brise. Elle construit des prévisions à partir de motifs respiratoires passés similaires et suit comment l’erreur de prédiction croît avec l’horizon. Une montée plus raide au début signifie que la trace devient plus difficile à prévoir après seulement quelques secondes. Ces marqueurs non linéaires sont optionnels, car les caractéristiques temporelles et spectrales plus simples portent souvent le signal principal. Pris ensemble, ces descripteurs transforment une minute de respiration en une carte du rythme, de la forme, de la stabilité et de la prévisibilité.

Le stress, la méditation et l’état de référence laissent des marques respiratoires différentes

Le stress laisse une marque plus rapide et moins régulière dans le signal respiratoire. Le signe unique le plus fort est un excès d’énergie dans la bande de 0,70 à 1,00 hertz, avec un score de séparation de 72,70. Cette bande se situe au-dessus de la fréquence respiratoire habituelle de l’adulte, donc elle pointe vers des composantes ondulatoires plus rapides du signal. Le stress rend aussi le timing de chaque respiration moins cohérent d’un cycle à l’autre. La variabilité du ratio inspiratoire atteint un score de 62,81, donc la part d’inspiration dérive entre les cycles. La méditation laisse une marque plus lente et plus stable dans la même fenêtre respiratoire d’une minute. Son signe unique le plus clair est un marqueur temporel typique de cycle respiratoire plus long, avec un score de séparation de 79,82. La puissance basse fréquence dans la bande de 0,05 à 0,20 hertz aide aussi, car la méditation approfondit les oscillations lentes. Ensemble, ces marques donnent un score combiné de séparation très fort de 88,65 pour la méditation. L’état de référence montre un marqueur temporel plus court sur toute la fenêtre, avec son meilleur score unique à 57,97. Ce retard plus court suggère que la respiration au repos a un motif de répétition plus rapide que l’état méditatif. Lorsque plusieurs marques interprétables sont combinées, l’état de référence atteint des scores d’environ 63 à 64 dans les deux types de modèles. Ces chiffres montrent que les trois états ne se confondent pas en un seul motif respiratoire partagé. Le stress ajoute vitesse et tremblement, la méditation ajoute profondeur et régularité, et l’état de référence se situe entre eux avec une signature plus légère.

L’amusement est l’état le plus difficile à attraper à partir de la respiration seule

L’amusement laisse la marque la plus faible dans une trace respiratoire d’une minute. Le stress et la méditation produisent des changements plus clairs dans le rythme, le timing ou le contenu fréquentiel. Pour l’amusement, le meilleur marqueur unique est la fréquence respiratoire, avec un coefficient de corrélation de Matthews d’à peine 28,19. Ce score est bas, car cela signifie que le marqueur sépare faiblement les fenêtres amusées des autres états. Un score plus élevé montrerait un motif plus stable sur lequel un modèle pourrait compter. Lorsque plusieurs caractéristiques sont combinées, l’amusement résiste encore à une séparation nette. Les modèles compacts et transparents les plus forts atteignent des coefficients de corrélation de Matthews d’environ 31 à 35. Ces chiffres restent bien en dessous des scores obtenus pour le stress ou la méditation dans les mêmes tests. Le réseau sur signal brut a aussi du mal, même si sa précision rapportée semble respectable au premier abord. Pour l’amusement contre tous les autres états, il atteint une précision de 86,14 % mais un score de Matthews d’à peine 28,20. Cette haute précision est trompeuse, car les fenêtres non amusées sont beaucoup plus fréquentes dans les données. Un modèle peut obtenir un bon score simplement en disant que la plupart des fenêtres n’étaient pas amusées. La précision du réseau pour les vraies fenêtres d’amusement était de 37,93 %, donc beaucoup d’appels positifs étaient faux. Son rappel était de 34,07 %, ce qui signifie qu’il a manqué la plupart des vraies fenêtres d’amusement. Le modèle compact avait une faiblesse différente : la précision tombait à 30,44 % tandis que le rappel montait à 69,91 %. Cela signifie qu’il attrapait plus de vraies fenêtres d’amusement, mais trop d’autres fenêtres étaient aussi signalées. Ajouter des mesures supplémentaires de prévisibilité ne transforme pas l’amusement en état fiable. Elles améliorent un peu la séparation, mais le meilleur modèle compact n’atteint toujours que environ 35,69 sur le score équilibré. La lecture pratique est que l’amusement n’a pas une signature respiratoire stable dans ce jeu de données. La fréquence respiratoire, la variabilité du timing et l’énergie spectrale peuvent en donner un indice, mais le signal reste trop faible pour une détection confiante.

Un réseau compact gagne sur le stress, tandis que des marqueurs simples gagnent ailleurs

Le réseau compact qui lisait directement le signal respiratoire brut contenait environ 0,23 million de nombres ajustables. Il faisait passer une forme d’onde normalisée d’une minute à travers quatre couches convolutives, puis envoyait le résultat à un petit classifieur. Pour le stress, cette conception paie. Le coefficient de corrélation de Matthews est un score équilibré qui punit à la fois les cas manqués et les fausses alertes, donc il est utile lorsque les états ne sont pas également fréquents. Dans le test où chaque personne était exclue à tour de rôle, le réseau atteint un score de Matthews de 90,61, avec une précision de 96,72 %. Sa précision était de 93,03 % et son rappel de 92,41 %, donc il attrapait la plupart des fenêtres de stress tout en faisant peu d’appels faux sur le stress. Un modèle transparent à cinq caractéristiques gère aussi bien le stress, mais il reste en retrait de 7,10 points sur le score de Matthews, atteignant 83,51. Il attrape presque toutes les fenêtres de stress, avec un rappel de 95,31 %, mais sa précision est plus basse à 80,26 %. Ce motif signifie qu’il a manqué moins de fenêtres de stress, mais qu’il a fait plus d’appels faux sur le stress. En dehors du stress, la branche plus simple fait souvent mieux. Pour l’état de référence, un modèle compact de caractéristiques atteint un score de Matthews de 65,34, tandis que le réseau gère 52,56. L’écart est de 12,78 points. Il utilise la puissance dans la bande de 0,20 à 0,50 hertz, la variation d’un retard d’autocorrélation sur trois morceaux de vingt secondes, une mesure de prévisibilité à court horizon et l’entropie d’échantillon. L’entropie d’échantillon est un moyen simple de dire à quel point la forme d’onde semble inégale d’un instant à l’autre. Pour la méditation, le modèle de caractéristiques est encore plus clair. Il atteint un score de Matthews de 88,65 contre 77,58 pour le réseau, avec une précision de 96,49 % et un rappel de 86,19 %. En termes simples, il fait très peu d’appels faux sur la méditation, même s’il en manque encore quelques-uns. Ses cinq entrées incluaient la médiane du cycle respiratoire d’un retard d’autocorrélation plus long, la puissance basse fréquence dans la bande de 0,05 à 0,20 hertz, une mesure semblable à l’entropie des ondelettes, l’énergie spectrale moyenne et le timing inspiratoire. Un modèle par seuil aide ici, car la méditation semble suivre un motif respiratoire plus proche d’une règle que le stress. Le contraste suggère deux outils pour des tâches différentes. Le réseau sur signal brut est le choix le plus fort lorsque la vitesse et la précision sur le stress comptent le plus. La branche transparente de caractéristiques est meilleure lorsqu’un clinicien, un ingénieur ou un dispositif embarqué doit voir quel marqueur respiratoire a conduit à la décision.

Une voie pratique de la respiration à l’état

La leçon utile est que la respiration peut être lue comme un petit signal portable d’état mental. La lecture doit correspondre à la question. Pour le stress, un réseau compact entraîné sur des traces brutes d’une minute donne la séparation la plus forte. Il attrape la plupart des fenêtres de stress tout en gardant les fausses alertes assez basses pour un usage quotidien. Cela en fait un candidat plausible pour une surveillance discrète dans les téléphones, montres ou autres objets connectés qui suivent déjà le mouvement thoracique. Pour la méditation et l’état de référence, des modèles de caractéristiques plus simples font mieux lorsqu’ils sont jugés par précision équilibrée. Ils montrent quels marqueurs temporels, de variabilité, spectraux et de forme d’onde font le travail. Ces modèles transparents comptent lorsqu’un clinicien doit comprendre pourquoi une alerte s’est déclenchée. Ils aident aussi lorsque le dispositif a trop peu de mémoire pour un réseau plus grand. Les limites sont tout aussi instructives. L’amusement résiste à la détection même après avoir combiné plusieurs caractéristiques respiratoires. Cela suggère que certains états émotionnels ne laissent pas une signature respiratoire stable dans ce type de données. Une haute précision brute peut être trompeuse lorsqu’un état est rare. Les scores équilibrés révèlent à quelle fréquence le système sépare réellement la cible de tout le reste. Le travail dépend aussi d’un petit jeu de données public issu d’objets connectés et d’un test soigneux par participant. Un usage réel plus large aura besoin de groupes plus grands, de contextes quotidiens plus variés et de capteurs qui enregistrent la respiration de façon constante sans demander aux gens de porter un équipement supplémentaire. L’occasion n’est pas un seul test respiratoire universel. C’est un ensemble d’outils : un détecteur rapide pour le stress, un autre écran explicable pour les états plus calmes, et une incertitude honnête là où le signal s’affaiblit. Si les futurs dispositifs peuvent dire quand ils sont confiants et quand ils devraient rester silencieux, la respiration peut devenir moins comme un signe vital et plus comme une fenêtre discrète sur le bien-être des gens.