Association Between Leisure Time Physical Activity, Cardiopulmonary Fitness, Cardiovascular Risk Factors, and Cardiovascular Workload at Work in Firefighters
Notice bibliographique
Résumé
BACKGROUND: Overweight, obesity, and cardiovascular disease risk factors are prevalent among firefighters in some developed countries. It is unclear whether physical activity and cardiopulmonary fitness reduce cardiovascular disease risk and the cardiovascular workload at work in firefighters. The present study investigated the relationship between leisure-time physical activity, cardiopulmonary fitness, cardiovascular disease risk factors, and cardiovascular workload at work in firefighters in Hong Kong. METHODS: Male firefighters (n = 387) were randomly selected from serving firefighters in Hong Kong (n = 5,370) for the assessment of cardiovascular disease risk factors (obesity, hypertension, diabetes mellitus, dyslipidemia, smoking, known cardiovascular diseases). One-third (Target Group) were randomly selected for the assessment of off-duty leisure-time physical activity using the short version of the International Physical Activity Questionnaire. Maximal oxygen uptake was assessed, as well as cardiovascular workload using heart rate monitoring for each firefighter for four "normal" 24-hour working shifts and during real-situation simulated scenarios. RESULTS: Overall, 33.9% of the firefighters had at least two cardiovascular disease risk factors. In the Target Group, firefighters who had higher leisure-time physical activity had a lower resting heart rate and a lower average working heart rate, and spent a smaller proportion of time working at a moderate-intensity cardiovascular workload. Firefighters who had moderate aerobic fitness and high leisure-time physical activity had a lower peak working heart rate during the mountain rescue scenario compared with firefighters who had low leisure-time physical activities. CONCLUSION: Leisure-time physical activity conferred significant benefits during job tasks of moderate cardiovascular workload in firefighters in Hong Kong.
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 ».