Active Versus Passive Cooling During Work in Warm Environments While Wearing Firefighting Protective Clothing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study examined whether active or passive cooling during intermittent work reduced the heat strain associated with wearing firefighting protective clothing (FPC) and self-contained breathing apparatus (SCBA) in the heat (35 degrees Celsius, 50% relative humidity). Fifteen male Toronto firefighters participated in the heat-stress trials. Subjects walked at 4.5 km.h(-1) with 0% elevation on an intermittent work (50 min) and rest (30 min) schedule. Work continued until rectal temperature (T(re)) reached 39.5 degrees Celsius, or heart rate (HR) reached 95% of maximum or exhaustion. One of three cooling strategies, forearm submersion (FS), mister (M), and passive cooling (PC) were employed during the rest phases. Tolerance time (TT) and total work time (WT) (min) were significantly increased during FS (178.7 +/- 13.0 and 124.7 +/- 7.94, respectively) and M (139.1 +/- 8.28 and 95.1 +/- 4.96, respectively), compared with PC (108.0 +/- 3.59 and 78.0 +/- 3.59). Furthermore, TT and WT were significantly greater in FS compared with M. Rates of T(re) increase, HR and T-(sk) were significantly lower during active compared with passive cooling. In addition, HR and T(re) values in FS were significantly lower compared with M after the first rest phase. During the first rest phase, T(re) dropped significantly during FS (approximately 0.4 degree Celsius) compared with M (approximately 0.08 degree Celsius) while PC increased (approximately 0.2 degree Celsius). By the end of the second rest period T(re) was 0.9 degree Celsius lower in FS compared with M. The current findings suggest that there is a definite advantage when utilizing forearm submersion compared with other methods of active or passive cooling while wearing FPC and SCBA in the heat.
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.
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 découle