Evidence that transient changes in sudomotor output with cold and warm fluid ingestion are independently modulated by abdominal, but not oral thermoreceptors
Notice bibliographique
Résumé
Two studies were performed to 1) characterize changes in local sweat rate (LSR) following fluid ingestion of different temperatures during exercise, and 2) identify the potential location of thermoreceptors along the gastrointestinal tract that independently modify sudomotor activity. In study 1, 12 men cycled at 50% Vo2peak for 75 min while ingesting 3.2 ml/kg of 1.5°C, 37°C, or 50°C fluid 5 min before exercise; and after 15, 30, and 45-min of exercise. In study 2, 8 men cycled at 50% Vo2peak for 75 min while 3.2 ml/kg of 1.5°C or 50°C fluid was delivered directly into the stomach via a nasogastric tube (NG trials) or was mouth-swilled only (SW trials) after 15, 30, and 45 min of exercise. Rectal (Tre), aural canal (Tau), and mean skin temperature (Tsk); and LSR on the forehead, upper-back, and forearm were measured. In study 1, Tre, Tau, and Tsk were identical between trials, but after each ingestion, LSR was significantly suppressed at all sites with 1.5°C fluid and was elevated with 50°C fluid compared with 37°C fluid (P < 0.001). The peak difference in mean LSR between 1.5°C and 50°C fluid after ingestion was 0.29 ± 0.06 mg·min(-1)·cm(-2). In study 2, LSR was similar between 1.5°C and 50°C fluids with SW trials (P = 0.738), but lower at all sites with 1.5°C fluid in NG trials (P < 0.001) despite no concurrent differences in Tre, Tau, and Tsk. These data demonstrate that 1) LSR is transiently altered by cold and warm fluid ingestion despite similar core and skin temperatures; and 2) thermoreceptors that independently and acutely modulate sudomotor output during fluid ingestion probably reside within the abdominal area, but not the mouth.
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) | 0,001 | 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 ».