Fueling shivering thermogenesis during passive hypothermic recovery
Notice bibliographique
Résumé
In humans, the relative importance of oxidative fuels for sustaining shivering during passive hypothermic recovery or rewarming is still unclear. The main goals of this study were 1) to quantify the respective contributions of lipids and carbohydrates (CHO) during passive rewarming and 2) to determine the effects of precooling exercise on the pattern of fuel utilization. With indirect calorimetry methodologies, changes in fuel metabolism were quantified in nonacclimatized adult men shivering to rewarm from moderate hypothermia (core temperature approximately 34.5 degrees C) not following (Con) or following a precooling exercise at 75% (.)Vo(2max) for 15 min (Pre-CE). As hypothermic individuals shiver to normothermia, results showed that CHO dominate at all shivering intensities above 50% Shiv(peak,) while lipids were preferred at lower intensities. This change in the relative importance of CHO and lipids to total heat production was dictated entirely by modulating CHO oxidation rate, which decreased by as much as 10-fold from the beginning to the end of rewarming (from 1,611 +/- 396 to 141 +/- 361 mg/min for Con and 1,555 +/- 230 to 207 +/- 261 mg/min for Pre-CE). In contrast, lipid oxidation rate remained constant and low (relatively to maximal rates at exercise) throughout rewarming, averaging 183 +/- 141 for Con and 207 +/- 118 mg lipids/min for Pre-CE. In addition, this pattern of fuel selection remained the same between treatments. We concluded that fuel selection is regulated entirely by changes in CHO oxidation rate. Further research should focus on establishing the exact regulatory processes involved in achieving this large upregulation of CHO utilization rate following hypothermia.
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 ».