<i>Meal Composition</i> And Shift Work Performance
Notice bibliographique
Résumé
Research indicates that the ability to perform a task can be affected by the composition of the meal preceding the task. This study investigated the effect of shift workers' consumption of a medium-fat, medium-carbohydrate meal on alertness scores. Six subjects (four men, two women) aged 19 to 44 recorded food intake, sleep, and quality of sleep for two weeks, and measured their body temperature and performed cognitive tests during two night shifts at baseline and in test periods. The Stanford Sleepiness Scale (SSS) was used to quantify sleepiness, and a Paced Auditory Serial Addition Test (PASAT) was used to measure cognitive performance. In comparison with the score at baseline, when subjects had a low-fat, high-carbohydrate dietary intake (1,335 kcal/5,588 kJ, 56% carbohydrate, 28% fat), the 1.6-second PASAT score improved significantly (p=0.042) during night shifts when subjects consumed a test meal (987 kcal/4,131 kJ, 46% carbohydrate, 42% fat). No statistically significant difference in SSS was found between baseline and test periods. The reduced body temperature between 2400 hours and 0530 hours was similar for both baseline and test periods. Meal composition and size during night shifts may affect cognitive performance.
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 | 0,002 | 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 | 0,001 |
| 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 ».