Human conscious response to thermal input is adjusted to changes in mean body temperature
Notice bibliographique
Résumé
OBJECTIVE AND DESIGN: To detect the dependable criteria of behavioural thermoregulation through modelling temperature fluctuations of individuals allowed to freely manipulate inlet water temperature of a liquid conditioning garment (LCG) during 130 min of passive exposure to -20 degrees C interspersed with a 10 min period of moderate exercise at the 65th minute using a double-blind experiment. PARTICIPANTS: Eleven volunteers (5 women; 23.40 (SD 2.09) years; BMI: 23.24 (SD 2.19)) who lacked previous experience with LCG and cold exposure experiments. RESULTS: Despite variations in core and skin temperatures, thermal comfort, thermal sensation, and mean body temperature did not fluctuate significantly over time. Participants were able to find a desired level of LCG inlet temperature within 25 minutes which was maintained at similar levels until the 65th minute of the cold exposure. During exercise, LCG inlet water temperature decreased significantly. Regression models demonstrated that mean skin temperature and change in mean body temperature were significantly associated with thermal comfort and thermal sensation. Subsequent models revealed that, although all temperature variables were associated with LCG inlet water temperature, the coefficient of determination mainly depended on mean skin temperature and change in mean body temperature. The involvement of skin temperature was anticipated as the liquid conditioning garment was in contact with the skin. CONCLUSIONS: Humans generate conscious thermoregulatory responses in resting and exercise conditions during exposures to cold environments that are aimed towards maintaining a threshold mean body temperature, rather than temperature changes in individual body regions.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 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 ».