Hypercapnia Effect on Core Cooling and Shivering Threshold During Snow Burial
Notice bibliographique
Résumé
INTRODUCTION: Hypercapnia during avalanche burial may increase core temperature cooling rate by decreasing the temperature threshold for shivering or by increasing respiratory heat loss. METHODS: We studied the effect of hypercapnia on rectal core temperature (T(re)) cooling rate, respiratory heat loss, heat production, and the T(re) shivering threshold during snow burial (mean snow temperature -3.2 + 2.7 degrees C) in 11 subjects. In a 60-min hypercapnic burial subjects breathed a 5% carbon dioxide and 21% oxygen inhaled gas mixture and in a separate 60-min normocapnic burial subjects breathed ambient air. After extrication from snow burial subjects were passively rewarmed in a 15 degrees C shelter and T(re) afterdrop was measured. RESULTS: The deltaT(re) over 1 h of burial in the hypercapnic study was 1.28 +/- 0.4 degrees C and in the normocapnic study was 0.97 +/- 0.4 degrees C (P = 0.045). Minute ventilation, respiratory heat loss, total metabolic rate, and metabolic rate of the respiratory muscles were greater during the hypercapnic burial. There was no difference in shivering threshold between the hypercapnic and normocapnic conditions. Afterdrop in the hypercapnic study (0.69 +/- 0.4 degrees C at 21 +/- 8.1 min after extrication) was not different than in the normocapnic study (0.86 +/- 0.3 degrees C at 23.1 +/- 5.3 min after extrication). In both the hypercapnic and normocapnic studies afterdrop cooling rate was significantly greater during extrication than during snow burial. DISCUSSION: Hypercapnia significantly increased T(re) cooling rate by increasing respiratory heat loss but did not suppress shivering. Afterdrop may significantly contribute to hypothermia during rescue of avalanche burial victims.
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) | 0,000 | 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) | 0,000 | 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 ».