Une étude clinique exploratoire visant à déterminer l’utilité de l’analyse de la variabilité de la fréquence cardiaque dans l’évaluation du déséquilibre des dosha
Résumé
La présente étude compare les données de l’analyse spectrale de la variabilité de la fréquence cardiaque à l’évaluation clinique de l’état pathologique des doshas. Les valeurs calculées par cardio-intervalographie sont combinées dans trois index intégraux qui, selon l’opinion des auteurs, reflètent l’influence sur le rythme cardiaque de vata, pitta et kapha, les systèmes de régulation du corps connus sous le nom de doshas en Ayurveda. Sept déséquilibres bruts de dosha ont été évalués pour vérifier la concordance entre les deux méthodes de cette étude. Des données spectrales sur la variabilité de la fréquence cardiaque (HRV) ont été recueillies auprès de 42 participants afin de permettre la comparaison avec l’évaluation clinique du déséquilibre dosha. La méthode clinique d’évaluation du dosha et la méthode de calcul des indices intégraux à l’aide des données de cardio-intervalographie ont montré une concordance substantielle selon la statistique du coefficient de Kappa (k = 0,78) dans l’évaluation du déséquilibre brut du dosha. Les résultats des données générées par cette étude pilote justifient de nouvelles études pour valider de manière rigoureuse les algorithmes d’analyse de VRC pour la compréhension du déséquilibre dosha dans la pratique clinique et la recherche en médecine ayurvédique.
Mots clés
Variabilité de la fréquence cardiaque, Ayurveda, Analyse spectrale
- IntroductionL’Ayurveda explique l’homéodynamique et la santé en termes d’équilibre des trois doshas (systèmes de régulation), alors que la maladie est le résultat de l’incapacité de maintenir l’homéodynamique et est comprise en termes de déséquilibre des doshas. Afin de formuler un protocole de traitement spécifique, un médecin ayurvédique doit déterminer la nature exacte du déséquilibre des doshas et le substrat spécifique dans lequel se manifeste le déséquilibre. Dans une large mesure, le déséquilibre des doshas peut être compris par une analyse minutieuse des symptômes et des signes cliniques. Cependant, dans de nombreux cas, il peut être difficile de calculer le déséquilibre en termes de dominance et d’augmentation ou de diminution relative des doshas. Dans les temps anciens, les médecins ayurvédiques avaient mis au point des protocoles pour un examen approfondi de la langue, des yeux, de l’urine, des fèces, de la peau, etc., afin de mesurer le déséquilibre des doshas. Des techniques subtiles telles que le diagnostic du pouls ont été introduites plus tard et sont finalement devenues la référence en matière de diagnostic du déséquilibre dosha.1. VRC et déséquilibre des doshas?Le VRC résulte de l’impact de la régulation autonome sur le rythme cardiaque. Les doshas sont également des régulateurs autonomes de la physiologie corporelle. Il est bien connu que 90% de nos réponses aux défis de l’environnement externe sont déterminées par le système nerveux autonome. Travis et Wallace ont discuté des corrélations possibles entre le système nerveux autonome et les doshas [1]. Tyagi et Cohen ont examiné des données indiquant que le stress physiologique et psychologique perturbe l’équilibre de l’autonomie, ce qui a des conséquences à long terme pour un large éventail de maladies mentales et physiques [2]. Plusieurs études ont démontré que le VRC est un outil utile pour évaluer la pathologie ainsi que les résultats du traitement de nombreuses maladies. Masel et al. ont montré que le VRC pourrait être un marqueur de substitution pour le soulagement du cancer par la douleur et pourrait également détecter la douleur sans la participation active des patients [3]. Kim et al. ont démontré que la VRC périopératoire était corrélée à une humeur dépressive préopératoire chez les patients atteints d’un cancer du foie [4]. Koszewicz et al. Dysfonctions autonomes profilées chez des patients atteints d’une tumeur primitive du cerveau révélant une hyperactivité sympathique par analyse du VRC [5]. Zhou et al. ont examiné le rôle du VRC dans la prédiction de la survie chez les patients atteints de cancer [6]. Taffe et al. ont évalué l’analyse spectrale post-prandiale de HRV pour différencier le surpoids des adultes de poids normal [7]. Gupta et al. ont conclu qu’un écoulement vagal central significativement élevé et un efférent sympathique central significativement bas concomitant pourraient être appréciés chez les patients asthmatiques asymptomatiques par rapport à celui du groupe témoin par l’analyse des données spectrales de HRV [8]. Ces études indiquent que le VRC peut varier selon les maladies et également à des stades spécifiques de différentes maladies, ce qui est également le cas avec les Tridoshas. Cette étude vise à générer des données pilotes qui aideront à comprendre la corrélation entre le déséquilibre dosha et les modèles de VRC chez des patients chez lesquels on a diagnostiqué différentes conditions cliniques.1.2. Des études antérieures explorant la corrélation entre le VRC et les doshas
Récemment, Harupjit Singh du département de génie électrique et instrumentation de l’Université Thapar, Patiala, a exploré la relation entre trois doshas ayurvédiques et les bandes de fréquences de HRV en effectuant une étude pilote pour son mémoire de maîtrise [11]. Son étude ne portait que sur vingt-cinq patients et atteignait une précision de classification de 53% dans le cas du vata dosha et de 70% dans le cas du dosha pitta.
- Matériels et méthodes1. Description de l’étudePour les besoins de cette étude, quarante-deux patients présentant différentes constitutions et pathologies ayurvédiques ont été sélectionnés de manière aléatoire. Tous les patients fréquentaient l’école Amrita de l’hôpital Ayurveda et ont signé un accord volontaire et éclairé leur permettant de participer à l’étude.Les critères d’exclusion de l’étude comprenaient: les médicaments pour les maladies cardiaques influençant la chronotropie du nœud sinusal; multiples défaillances du rythme cardiaque; divergence dans les données de vérification de la dominance pathologique du dosha entre la liste de contrôle des symptômes de dominance du dosha et l’évaluation d’expert; Enregistrement HRV avec de nombreux artefacts.Une liste de contrôle des symptômes de dominance du dosha, établie à partir des textes classiques, a été utilisée pour dresser une liste exhaustive de la symptomatologie clinique du patient. Les patients ont ensuite été vus par une équipe d’experts cliniques qui ont évalué la dominance du dosha en effectuant une évaluation clinique indépendante du patient. Onze participants présentant une divergence dans la dominance du dosha selon la liste de contrôle et l’évaluation clinique ont été exclus de l’étude et quarante-deux participants présentant une congruence dans la dominance du dosha d’après la liste de contrôle et l’évaluation clinique ont été inclus pour l’analyse du VRC.
Les chercheurs qui ont rempli la liste de contrôle de la dominance du dosha, les experts cliniques et les experts ayant enregistré les données spectrales du VRC ont été mutuellement aveuglés par les résultats des évaluations indépendantes.
Un kit matériel et logiciel VedaPulse a été utilisé (fabriqué par Biokvant LLC, Russie) pour une évaluation quantitative objective de la dominance d’un dosha pathologique à l’aide d’algorithmes d’analyse du VRC. Ces algorithmes ont été développés avec la participation de professionnels ayurvédiques spécialisés dans le diagnostic du pouls ainsi que dans des études pilotes menées auprès de nombreuses personnes.
L’analyse de la dominance pathologique du dosha comprenait des actions séquentielles, y compris: l’enregistrement des biopotentiels du travail du cœur pendant 5 min en plaçant des électrodes sur les poignets, la filtration logicielle du signal avec réception ultérieure du périodogramme HRV et l’analyse du cardiointervalogramme à l’aide de méthodes de données spectrales analyse [9].
L’analyse de fréquence du cardio-intervalogramme a été réalisée en utilisant une transformée de Fourier discrète avec chevauchement. Le périodogramme a été divisé en trois parties égales et un spectre de Fourier a été calculé pour chacune d’elles, après quoi la moyenne de ces spectres a été calculée (voir Fig. 2). En utilisant l’analyse de Fourier, nous estimons trois intervalles spectraux: VLF – intervalle de très basses fréquences (couleur bleue); LF – intervalle de basses fréquences (couleur rouge); HF – intervalle de hautes fréquences (couleur verte). L’axe horizontal indique les fréquences en Hz, l’axe vertical indique la puissance du spectre en ms2.
En pratique, le calcul quantitatif de la balance dosha a été effectué de la manière suivante: nous avons calculé des valeurs absolues du spectre et les avons évaluées à l’aide d’un système de mesure à 10 degrés, auquel cas les valeurs de 2 à 4 points étaient considérées comme un intervalle relativement standard correspond à la valeur de population moyenne de la norme par les valeurs absolues du spectre (voir Fig. 3). Si les valeurs normalisées des doshas en points étaient supérieures à l’intervalle indiqué et que les spectres des intervalles VLF et LF étaient dominants, cela correspondait à – vata-pitta. Si les spectres VLF et HF dominaient, il correspondait à vata-kapha. Si les spectres LF et HF dominaient, il correspondait à pitta-kapha. Si les trois spectres avaient une tendance à la hausse, cela correspondait à VPK. Sur la figure 3, barre jaune (facteur «V») – valeur totale de vata dosha; barre rouge (facteur P) – valeur totale de pitta dosha; barre bleue (facteur K) – valeur totale de kapha. Le couloir de la norme 2–4 est surligné en vert.
Pour détecter les intervalles de fréquence, nous utilisons les cadres suivants:
Pour VLF – (Temps = 25–300 s, fréquence = 0,04–0,0033 Hz)
Pour BF – (Temps = 6,6–25 s, fréquence = 0,15–0,04 Hz)
Pour HF – (temps = 2,5–6,6 s, fréquence = 0,4–0,15 Hz)
Un groupe de scientifiques sous la direction du Dr Sorokin a commencé à effectuer une analyse comparative des données de VRC avec l’analyse clinique de la balance dosha à partir de 2006, dont les résultats ont été publiés. Plus tard, des algorithmes similaires pour calculer les doshas par HRV ont été proposés dans les travaux de Kelkar et al. [10] et Harupjit Singh [11], où ils ont montré la connexion de ces intervalles avec des doshas sur l’échantillon de plusieurs centaines de participants. La différence entre nos travaux réside dans le fait que la puissance du spectre par intervalles a été évaluée à l’aide d’un système de qualité sur 10, ce qui simplifie la comparaison avec le système de notation du calcul de dosha par méthode clinique. La normalisation de la puissance spectrale absolue sur une échelle de 10 degrés est nécessaire pour créer des valeurs relatives des indices secondaires – facteur V, facteur P, facteur K, qui reflètent la balance de dosha. L’utilisation d’une telle normalisation facilite la perception de l’équilibre entre ces facteurs, ce qui est difficile lorsque l’on compare les valeurs absolues du spectre. Cette normalisation ne change pas l’approche mathématique du calcul, elle facilite seulement une meilleure visualisation des données.
2.2. Échelles d’évaluation de la dominance des dosha
Il existe des échelles simples à complexes pour évaluer la dominance de dosha et la plus simple des échelles de catégorisation de la dominance de dosha en sept catégories a été choisie pour comparer l’accord de diagnostic dans cette étude. L’échelle la plus complexe de dominance de dosha comprend soixante-trois catégories, qui prennent en compte les permutations et les combinaisons de l’augmentation et de la diminution relatives des doshas.
Ces sept catégories couvrent les combinaisons de doshas simples, doubles (samsarga) et triples (sannipāta) qui sont systématiquement évaluées en pratique clinique. Au niveau de complexité suivant, on distingue vata-pitta et pitta-vata, ainsi qu’entre vata-kapha et kapha-vata et entre kapha-pitta et pitta-kapha. À des niveaux de complexité encore plus élevés, l’augmentation et la diminution relatives des doshas sont estimées. Par exemple, vata a augmenté, pitta a diminué, kapha normal et ainsi de suite.
L’évaluation de Dosha a été réalisée par un examen clinique des participants à l’étude par des experts, qui a ensuite été comparé aux données spectrales de HRV. Des algorithmes basés sur les données du VRC ont été utilisés pour évaluer la dominance du dosha par les signaux ECG. Par une analyse mathématique des signaux haute fréquence, basse fréquence et très basse fréquence issus des lectures ECG, l’influence dominante des doshas sur les systèmes de régulation du corps a été calculée. Les Fig. 1, Fig. 2, Fig. 3 illustrent la capture des signaux ECG et leurs interprétations en termes de dominance dosique par l’analyse HRV. Sur la figure 1, le graphique supérieur montre le calcul de la durée du cycle cardiaque en millisecondes via la mesure des intervalles RR de l’ECG. Le graphique inférieur montre la dépendance des variations de durée du cycle cardiaque (axe vertical, en ms) par rapport à l’ordre numérique du cardio-intervalle (axe horizontal).
- RésultatsLe tableau 1 indique la répartition par sexe des participants à l’étude. On constate que près des deux tiers étaient des femmes. Le tableau 1 présente la répartition par groupe d’âge des participants à l’étude, révélant que les deux tiers avaient plus de 50 ans et que le nombre maximum de participants était compris entre 61 et 70 ans. Les chiffres dans les tableaux indiquent la fréquence des participants dans une catégorie spécifique.
Table 1. Age and Gender wise distribution of patients.
| Age group | 21–30 | 31–40 | 41–50 | 51–60 | 61–70 | 71–80 | 81–90 | Total |
| Male | 1 | 2 | 2 | 3 | 6 | 1 | 1 | 16 |
| Female | 2 | 4 | 3 | 5 | 9 | 3 | 0 | 26 |
| Total | 3 | 6 | 5 | 8 | 15 | 4 | 1 | 42 |
Table 2. Dosha vikriti categories of study participants.
| HRV analysis | Clinical assessment | |
| V | 5 | 2 |
| P | 0 | 0 |
| K | 0 | 0 |
| VP | 15 | 17 |
| VK | 17 | 21 |
| KP | 3 | 1 |
| VPK | 2 | 1 |
Fait intéressant, l’analyse du VRC et l’évaluation clinique n’ont pas mis en évidence de déséquilibre extrême entre pitta et kapha. Il y avait très peu de participants pour les déséquilibres extrêmes vata, kapha-pitta et Tridosha. La majorité des participants ont été identifiés comme présentant des déséquilibres de vata-pitta ou de vata-kapha (voir tableau 4).
Le tableau 3 présente le diagnostic clinique des participants à l’étude ayant participé à l’étude.
Table 3. The clinical diagnosis of the study participants who participated in the study.
| Allopathic diagnosis (number of participants) | Ayurvedic diagnosis |
| Brachial neuralgia (1) | Apabahukam |
| Cervical spondylosis (1) | Manyasthambham |
| Diabetes melittus (1) | Prameha |
| Gouty arthritis (2) | Vataraktam |
| Ligament tear (1) | Marmabhighatam |
| Low back ache (2) | Katigraha |
| Lumbar spondylosis (3) | Katigraha |
| Obesity (1) | Sthoulya |
| Osteoarthritis (11) | Sandhigata vata |
| Partial paralysis (1) | Vatavyadhi |
| Peripheral neuropathy (1) | Padasupthi |
| Psoriasis (1) | Sidhma kushtam |
| Rheumatoid arthritis (4) | Amavata |
| Sciatica (11) | Gridhrasi |
| Sinusitis (1) | Peenasa |
Sur les quarante-deux participants ayant terminé l’étude, vingt-sept (64,28%) ont montré un accord total et dix (23,80%) ont montré un accord partiel dans l’évaluation effectuée par analyse VRC et évaluation clinique. Le désaccord était total chez cinq participants (11,90%). En cas d’accord partiel, l’évaluation du deuxième dosha était inadéquate (voir tableau 4).
Table 4. Diagnostic agreement between HRV analysis and clinical assessment of dosha.
| Clinical method | HRV analysis | ||||||
| V | P | K | VP | VK | KP | VPK | |
| V | 2 | 0 | 0 | 0 | 0 | 0 | 0 |
| P | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| K | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| VP | 1 | 0 | 0 | 11 | 2 | 2 | 1 |
| VK | 2 | 0 | 0 | 4 | 14 | 1 | 1 |
| KP | 0 | 0 | 0 | 0 | 1 | 0 | 0 |
| VPK | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
Afin d’évaluer la concordance diagnostique entre l’analyse du VRC et l’évaluation clinique, le coefficient de Kappa a été calculé en utilisant sept catégories. Les résultats sont présentés dans le tableau 2. Les valeurs dans la diagonale du tableau indiquent le nombre de participants classés par analyse du VRC et évaluation clinique dans la même catégorie. Les valeurs dans d’autres cellules indiquent le nombre de participants pour lesquels un désaccord a été observé.
Le coefficient Kappa est une mesure statistique permettant d’évaluer l’accord entre évaluateurs avec plus de précision qu’une simple analyse en pourcentage. Il est utile d’évaluer les tests de diagnostic qui impliquent un certain degré d’interprétation subjective des observateurs. Sa fiabilité réside dans sa capacité à prendre en compte l’accord survenu par hasard. Un score Kappa de 1 indique un accord parfait et un score de 0 indique un désaccord total. Même un score de 0,41 à 0,60 indique un accord modéré, tandis qu’un score de 0,61 à 0,80 indique un accord substantiel. Un score de 0,81–0,99 indique un accord parfait [12].
L’analyse des données a donné un score statistique de Kappa de 0,78, ce qui signifie un accord substantiel entre l’analyse du VRC et la méthode clinique d’évaluation des déséquilibres doshiques dans des conditions pathologiques.
4. Discussion
Dans le contexte de l’Ayurveda, les doshas sont les paramètres fonctionnels qui autorégulent la physiologie et peuvent donc avoir un impact sur le rythme cardiaque.
Par conséquent, s’il existe une continuité entre la formation de l’onde de pouls et le travail des stimulateurs cardiaques, l’analyse instrumentale du VRC apporte une contribution importante à la compréhension des processus de régulation physiologique, qui relie le développement de la maladie à la dominance pathologique du dosha.
Les technologies modernes d’enregistrement biosignal et d’analyse mathématique réfractées à travers le prisme de la connaissance empirique de la médecine ayurvédique ont permis de développer un algorithme permettant d’évaluer la constitution psychophysiologique et la dominance pathologique du dosha. En analysant les caractéristiques spectrales et temporelles du VRC, un système d’évaluation quantitative a été mis au point pour évaluer la dominance pathologique du dosha, qui se manifestait dans le kit matériel et logiciel VedaPulse. Cela a permis d’établir un lien entre les capacités de l’électrophysiologie moderne et la médecine ayurvédique. L’analyse spectrale a été réalisée sur la base de l’hypothèse que VLF, LF et HF reflètent grossièrement vata, pitta et kapha respectivement.
L’évaluation du déséquilibre de dosha est d’une importance capitale pour le diagnostic et le traitement ayurvédique des maladies. Toutefois, l’évaluation est hautement subjective et il n’existe aucun instrument validé disponible à cette fin. Il existe une grande variabilité entre les évaluateurs parmi les experts dans le domaine de l’Ayurveda. Pour cette raison, seuls les déséquilibres bruts de dosha ont été sélectionnés pour la comparaison dans cette étude.
L’examen du pouls devrait permettre de mieux comprendre l’état du déséquilibre doshique que la simple évaluation clinique. Par conséquent, l’évaluation clinique n’est pas la norme privilégiée pour tester la précision des algorithmes basés sur le VRC dans l’évaluation du déséquilibre dosha. L’avantage est que la méthode clinique d’évaluation du dosha basée sur l’analyse des symptômes est plus objective que l’analyse par le pouls par des experts. Une série d’études comparant l’analyse spectrale de HRV à l’évaluation clinique de la dynamique du dosha pourrait potentiellement aider à identifier et à caractériser les signatures de HRV capables de prédire le déséquilibre du dosha.
La présente étude a plusieurs limites. Les algorithmes basés sur le VRC utilisés dans l’étude pour évaluer le déséquilibre dosha en sont encore aux premières étapes des tests et de la validation. L’évaluation clinique des doshas n’est pas considérée comme aussi précise que l’évaluation par le pouls. Un questionnaire objectif pour l’évaluation clinique du déséquilibre dosha n’a pas encore été développé et validé. Il existe une variabilité entre les évaluateurs parmi les experts en évaluation clinique des doshas. Un contrôle apparié et l’adoption de mathématiques non linéaires et d’une analyse du domaine temporel seront entrepris dans les études futures. Compte tenu de ces limitations, seul le déséquilibre brut des doshas avec un consensus d’experts a été inclus aux fins de comparaison avec les algorithmes basés sur le VRC.
Une étude multicentrique de plus grande envergure s’étendant sur une longue période et tenant compte d’une erreur de diagnostic basée sur les résultats du traitement permettra d’évaluer plus précisément l’ampleur de l’analyse du VRC pour déterminer le déséquilibre des doshas.
5. Conclusions
Une étude préliminaire visant à évaluer la concordance diagnostique entre l’évaluation du déséquilibre de dosha brut par méthode clinique et l’analyse du VRC a montré une concordance substantielle, comme l’indique le score de Kappa de 0,78.
La présente étude démontre la portée et la pertinence d’autres études visant à valider l’utilité du VRC dans l’évaluation des déséquilibres de dosha complexes et d’autres paramètres tels que le déséquilibre de dhatu.
L’utilisation de questionnaires validés pour l’analyse de dosha est recommandée pour les études futures afin d’évaluer l’exactitude du diagnostic de l’analyse du VRC. L’analyse du VRC ne devrait pas remplacer l’évaluation du médecin par la palpation et l’examen clinique. D’autre part, il pourrait servir d’outil utile à des fins de recherche et d’aide à la pratique clinique de l’Ayurveda.
Sources de financement
Les auteurs reconnaissent le soutien financier reçu de Biokvant LLC, Russie, pour la réalisation de l’étude.
Conflit d’intérêt
Le deuxième auteur de l’article, le Dr Oleg Sorokin, est également sponsor de l’étude et développeur du dispositif matériel d’analyse du VRC et du logiciel utilisé dans l’étude (VedaPulse).
Remerciements
Les auteurs remercient le directeur de la recherche de l’Université Amrita Vishwa Vidyapeetham et le directeur médical de l’école Amrita de l’Ayurveda d’avoir fourni les installations nécessaires à la réalisation de l’étude. Nous remercions également le Dr Rajalakshmi, membre du personnel de recherche, le Dr Gopikrishna et le Dr Krishnaprabha, PG Scholars, Athira CP et Aparna S, Internees et le Dr Devipriya, faculté de l’école Amrita de l’Ayurveda, pour leur aide dans la conduite de la étude.
References
F.T. Travis, R.K. WallaceDoṣa brain-types: a neural model of individual differences
J Ayurveda Integr Med, 6 (4) (2015), pp. 280-285
- Tyagi, M. CohenYoga and heart rate variability: a comprehensive review of the literature
Int J Yoga, 9 (2) (2016), pp. 97-113
- Masel, P. Huber, T. Engler, H.H. Herbert WatzkeHeart rate variability during treatment of breakthrough pain in patients with advanced cancer: a pilot study
J Pain Res, 9 (2016 Dec), pp. 1215-1220
E.-H. Kim, J.-H. Park, S.M. Lee, M.-S. Gwak, G.-S. Kim, M.-H. KimPreoperative depressed mood and perioperative heart rate variability in patients with hepatic cancer
J Clin Anesth, 35 (2016 Dec), pp. 332-338
Download PDFView Record in Scopus
- Koszewicz, S. Michalak, M. Bilinska, S. Budrewicz, M. Zaborowski, K. Slotwinski, et al.Profile of autonomic dysfunctions in patients with primary brain tumor and possible autoimmunity
Clin Neurol Neurosurg, 151 (2016 Dec), pp. 51-54
Download PDFView Record in Scopus
- Zhou, Z. Ma, L. Zhang, S. Zhou, J. Wang, B. Wang, et al.Heart rate variability in the prediction of survival in patients with cancer: a systematic review and meta-analysis
J Psychosom Res, 89 (2016 Oct), pp. 20-25
Download PDFCrossRefView Record in Scopus
- Taffe, K. Stancil, V. Bond, S. Pemminati, V.R. Gorantla, K. Kadur, et al.Differentiation of overweight from normal weight young adults by postprandial heart rate variability and systolic blood pressure
J Clin Diagnostic Res, 10 (8) (2016 Aug), pp. CC01-CC06
- Gupta, A. Dube, V. Singh, R.C. GuptaSpectral analysis of heart rate variability in bronchial asthma patients
Indian J Physiol Pharmacol, 56 (4) (2012), pp. 330-336
O.V. Sorokin, M.A. SubotyalovComparative medical research of VedaPulse hardware and software kit // Health maintaining activities in educational system: theory and practice
Material of the all-Russian scientific and practical conference with international presence, October 26–27, 2011 Kemerovo, Russia (2011), pp. 225-230
- Kelkar, S. Karamchandani, S. JindaIdentifying tridosha for disease characterisation in morphology of an IPG pulse waveform
Proceedings of conference on advance applications in physiological variability, BARC (2010)
Harupjit SinghRelationship between three ayurvedic doshas and heart rate variability frequency bands: a pilot study
Thapar University, Patiala (2016)
J.V. Anthony, M.G. JoanneUnderstanding interobserver agreement: the kappa statistic
Fam Med, 37 (5) (2005 May), pp. 360-363
Peer review under responsibility of Transdisciplinary University, Bangalore.
Comments are closed