Airway Hyperresponsiveness in Elite Athletes
Notice bibliographique
Résumé
It has been suggested that high-level training could contribute to the development of airway hyperresponsiveness (AHR), but the comparative effects of different sports on airway function remains to be determined. We evaluated 150 nonsmoking volunteers 18 to 55 yr of age; 100 athletes divided into four subgroups of 25 subjects each according to the predominant estimated hydrocaloric characteristic of ambient air inhaled during training: dry air (DA), cold air (CA), humid air (HA) and a mixture of dry and humid air (MA), and 50 sedentary subjects. Each subject had a respiratory questionnaire, a methacholine challenge, allergy skin-prick tests, and heart rate variability recording for evaluation of parasympathetic tone. The athletes had a 49% prevalence of AHR (PC(20) < 16 mg/ml), with a mean PC(20) of 16.9 mg/ml, compared with 28% (PC(20): 35.4) in sedentary subjects (p = 0.009). The prevalence (%) of AHR and mean PC(20) (mg/ml) varied as followed in the four subgroups of athletes: DA: 32% and 30.9; CA: 52% and 15.8; HA: 76% and 7.3; and MA: 32% and 21.5 (p = 0.002). The estimated parasympathetic tone was higher in athletes (p < 0.001), but this parameter showed only a weak correlation with PC(20) (r = -0.17, p = 0.04). This study has shown a significantly higher prevalence of AHR in athletes than in the control group because of the higher prevalence in the CA and HA groups. Parasympathetic activity may act as modulator of airway responsiveness, but the increased prevalence of AHR in our athlete population may be related to the type and possibly the content of inhaled air during training.
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 | 0,001 |
| 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 | 0,002 |
| 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 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 ».