Fluid ingestion is more effective in preventing hyperthermia in aerobically trained than untrained individuals during exercise in the heat
Notice bibliographique
Résumé
It is unclear if fluid ingestion during exercise in the heat alleviates the thermoregulatory and cardiovascular strain similarly in aerobically trained and untrained individuals. It is also unknown at what exercise intensity the effects of rehydration are greater. Ten aerobically trained (T) and 10 healthy untrained (UT) subjects ([Formula: see text]O(2peak), 60 ± 6 vs. 44 ± 3 mL O(2)·kg(-1)·min(-1), respectively; P < 0.05) pedalled in a hot, dry environment (36 ± 1 °C; 25% ± 2% relative humidity; airflow, 2.5 m·s(-1)) at 40%, 60%, and 80% [Formula: see text]O(2peak) while ingesting fluids (Fluid). The results were compared with those from our previous study [Mora-Rodriguez et al., Eur. J. Appl. Physiol. 109(5): 973-981 (2010)] with no fluid ingestion (No Fluid). Subjects were not heat-acclimated. At 40% [Formula: see text]O(2peak), Fluid reduced rectal temperature (T(RE)) in T and UT (0.31 ± 0.08 and 0.32 ± 0.07 °C; respectively). At 60% [Formula: see text]O(2peak), Fluid reduced T(RE) in T more than in UT (0.30 ± 0.10 °C vs. 0.18 ± 0.10 °C; P < 0.05) but had no effect at 80% [Formula: see text]O(2peak) in any group. At similar relative intensity, heart rates (HR) were similar between groups. Fluid lowered heart rate (i.e., HR) similarly in the T and UT at 40% and 60% [Formula: see text]O(2peak) (11% and 6%, respectively; P < 0.05) but not at 80% [Formula: see text]O(2peak) (P > 0.05). At similar metabolic heat production (i.e., 60% for T vs. 80% [Formula: see text]O(2peak) for UT), Fluid lowered T(RE) only in the T individuals (P < 0.05). In summary, rehydration during low- and moderate-intensity exercise reduces T(RE) and HR more than during high-intensity exercise (80% [Formula: see text]O(2peak)) in T and UT subjects. Fluid replacement is more effective on preventing the rise in T(RE) in T than in UT individuals during moderate-intensity exercise (60% [Formula: see text]O(2peak)), as well as when exercising at a similar heat production rate.
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 | 0,000 |
| 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) | 0,001 | 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 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 ».