Circulating white blood cells affect red cell pulmonary transit times in endurance athletes during intense exercise
Notice bibliographique
Résumé
PURPOSE: The aim of this study was to determine the relationship between the right-to-left ventricular red cell pulmonary transit times (PTT) during intense exercise and circulating white blood cell (WBC) counts in highly trained endurance athletes. We postulated that high levels of WBCs preexercise would slow PTT. Eleven endurance-trained athletes (VO2max = 69.6 +/- 7.7 mL.kg-1.min-1; weight = 75.0 +/- 6.2 kg; height = 181.0 +/- 7.1 cm) performed 6.5 min constant-load, near-maximal cycling exercise (approximately 92% VO2max) on two different days. Preexercise WBC counts were measured in arterial blood drawn from the radial artery 30 min before exercise. PTT was measured during the 3rd min of exercise by first-pass radionuclide cardiography using centroid and deconvolution analysis, whereas cardiac output (Q) was measured during the last 2.5 min of exercise via a count-based ratio method from the MUGA technique. RESULTS: Combined mean PTT from both deconvolution and centroid analysis at minute three of exercise was 2.45 +/- 0.21 s, whereas the preexercise WBC count was 5.3 +/- 1.6 x 109.L-1. Cardiopulmonary blood volume at minute three of exercise was 1.22 +/- 0.13 L, VO2 was 4.58 +/- 0.44 L.min-1, and Q was 30.2 +/- 4.2 L.min-1. We found that PTT was negatively correlated with circulating WBC (r = -0.61; adjusted r2 = 0.30; P = 0.04; N = 11) but not with the dispersion (spread) of transit times around the mean (r = 0.19; P = 0.57). CONCLUSION: This suggests that athletes with higher circulating numbers of WBCs preexercise have faster (shorter) red cell transit times through the lung during intense exercise.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».