Water Immersion in the Treatment of Exertional Hyperthermia
Notice bibliographique
Résumé
PURPOSE: We examined the effect of differences in body surface area-to-lean body mass ratio (AD/LBM) on core temperature cooling rates during cold water immersion (CWI, 2°C) and temperate water immersion (TWI, 26°C) after exercise-induced hyperthermia. METHODS: Twenty male participants were divided into two groups: high (315.6 ± 7.9 cm·kg, n = 10) and low (275.6 ± 8.6 cm·kg, n = 10) AD/LBM. On two separate occasions, participants ran on a treadmill in the heat (40.0°C, 20% relative humidity) wearing an impermeable rain suit until rectal temperature reached 40.0°C. After exercise, participants were immersed up to the nipples (arms remained out of the water) in either a CWI (2°C) or a TWI (26°C) circulated water bath until rectal temperature returned to 37.5°C. RESULTS: Overall rectal cooling rates were significantly different between experimental groups (high vs low AD/LBM, P = 0.005) and between immersion conditions (CWI vs TWI, P < 0.001). Individuals with a high AD/LBM had an approximately 1.7-fold greater overall rectal cooling rate relative to those with low AD/LBM during both CWI (high: 0.27°C·min ± 0.10°C·min vs low: 0.16°C·min ± 0.10°C·min) and TWI (high: 0.10°C·min ± 0.05°C·min vs low: 0.06°C·min ± 0.02°C·min). Further, the overall rectal cooling rates during CWI were approximately 2.7-fold greater than during TWI for both the high (CWI: 0.27°C·min ± 0.10°C·min vs TWI: 0.10°C·min ± 0.05°C·min) and the low (CWI: 0.16°C·min ± 0.10°C·min vs TWI: 0.06°C·min ± 0.02°C·min) AD/LBM groups. CONCLUSION: We show that individuals with a low AD/LBM have a reduced rectal cooling rate and take longer to cool than those with a high AD/LBM during both CWI and TWI. However, CWI provides the most effective cooling treatment irrespective of physical differences.
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 | 0,001 | 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 | 0,001 |
| 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) | 0,001 | 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 ».