The Detection of Cortisol in Human Sweat
Notice bibliographique
Résumé
BACKGROUND: Hair cortisol analysis has been shown to be an effective measure of chronic stress. Cortisol is assumed to incorporate into hair via serum, sebum, and sweat sources; however, the extent to which sweat contributes to hair cortisol content is unknown. METHODS: Sweat and saliva samples were collected from 17 subjects after a period of intensive exercise and analyzed by salivary enzyme-linked immunosorbent assay (ELISA). Subsequently, an in vitro test on exposure of hair to hydrocortisone was conducted. Residual hair samples were immersed in a 50-ng/mL hydrocortisone solution for periods lasting 15 minutes to 24 hours, followed by a wash or no-wash condition. Hair cortisol content was determined using our modified protocol for a salivary ELISA. RESULTS: Postexercise control sweat cortisol concentrations ranged from 8.16 to 141.7 ng/mL and correlated significantly with the log-transformed time of day. Sweat cortisol levels significantly correlated with salivary cortisol concentrations. In vitro hair exposure to a 50-ng/mL hydrocortisone solution (mimicking sweat) for 60 minutes or more resulted in significantly increased hair cortisol concentrations. Washing with isopropanol did not affect immersion-increased hair cortisol concentrations. CONCLUSIONS: Human sweat contains cortisol in concentrations comparable with salivary cortisol levels. This study suggests that perfuse sweating after intense exercise may increase cortisol concentrations detected in hair. This increase likely cannot be effectively decreased with conventional washing procedures and should be considered carefully in studies using hair cortisol as a biomarker of chronic stress.
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 ».