Body heat storage during dynamic exercise – A Comparison of direct calorimetry and thermometry
Notice bibliographique
Résumé
Heat storage is commonly estimated from body temperature derived from a weighted sum of mean skin and core temperatures, body mass, and the body specific heat value of 3.47 kJ·kg −1 . This model assumes uniformity of heat distribution throughout the body space and similar relative mass and composition of the body. We evaluated whether there are differences in the heat storage calculated by direct calorimetry compared to the heat storage obtained by thermometry measured during exercise. 41 subjects exercised in a Snellen air calorimeter on a cycle ergometer at 40% of VO 2peak until steady state rectal temperature was achieved. Oxygen consumption, sensible and insensible heat loss and core, muscle and skin temperatures were measured continuously. Body heat content (ΔH b ) was calculated as follows: ΔH b = Δ((0.80·T re )+(0.20·T sk )) · body mass · C p (Burton,, Nutr 9:261, 1935). Specific heat capacity (C p ) for each subject was calculated by partitioning body weight into fat, lean and bone by dual energy x‐ray absorptiometry. Changes in H b were 203 ± 78 W and 148 ± 58 W as measured by calorimetry and thermometry respectively (P<0.05). We proposed a new model incorporating muscle tissue temperature to estimate ΔH b which significantly improved the estimate of ΔH b as compared to conventional thermometry (212 ± 55 W vs. 148 ± 58 W, P<0.05). In summary, changes in ΔH b measured by thermometry are significantly underestimated when compared to those values measured by direct calorimetry. Funded by U.S. Army Medical Research Acquisition Activity and Natural Sciences and Engineering Research Council of Canada.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».