Sex-related Differences In Cooling Rates After Exercise-induced Hyperthermia
Notice bibliographique
Résumé
Ice-water immersion is the most efficient cooling treatment against exercise-induced hyperthermia (EIH). However, sex differences related to body composition may affect cooling rates in hyperthermic individuals. In normothermic individuals, a negative relationship between % body fat and cooling rates has been shown. However, this relationship might not hold true in hyperthermic individuals as redistribution of blood flow and previous heat storage come into play. PURPOSE: To determine sex related differences in cooling rates during ice-water immersion after exercise-induced hyperthermia. METHODS: Six males (M) and six females (F) subjects matched for Body Surface Area/Mass ratio (272.29 cm2/kg ± 22.95 (F) vs. 252.86 cm2/kg ± 15.77 (M), (P> 0.05)) but with different body fat percentage (23% ± 6 (F) vs. 14% ± 3 (M), (P< 0.05)) and different BSA/Lean Body Mass (LBM) ratio (351.92 cm2/kg of LBM ± 17.01 (F) vs. 296.62 cm2/kg of LBM ± 12,79 (M) (P< 0.05)) participated in this study. Subjects exercised at 65% VO2 peak at an ambient temperature of 40°C until rectal temperature (Tre) increased to 39.56°C ± 0.05. Following exercise, subjects were immersed in a 2.4°C ± 0.6 circulated water bath until Tre returned to 37.50 °C. RESULTS: Significant differences (P< 0.05) were found in the overall cooling rates of Tre (0.29°C/min ± 0.15 (F) vs. 0.12°C/min ± 0.02 (M)) and in the overall immersion times (8.42 min ± 3.02 (F) vs. 18.55 min ± 2.43 (M)). Differences also occurred in heat flux during immersion (953 W/m2 ± 146 (F) vs. 771 W/m2 ± 130 (M)). No differences (P> 0.05) were seen in metabolic heat production between groups. CONCLUSIONS: We conclude that previously hyperthermic females have a higher cooling rate compared to males despite a higher % body fat. We attribute this difference to the BSA/LBM ratio, which takes into account the underlying musculature of previously hyperthermic individuals after EIH. Funding for this research is provided by the Natural Sciences and Engineering Research Council of Canada (NSERC).
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».