A comparison of thermoregulatory responses to exercise between mass-matched groups with large differences in body fat
Notice bibliographique
Résumé
We sought to determine 1) the influence of adiposity on thermoregulatory responses independently of the confounding biophysical factors of body mass and metabolic heat production (Hprod); and 2) whether differences in adiposity should be accounted for by prescribing an exercise intensity eliciting a fixed Hprod per kilogram of lean body mass (LBM). Nine low (LO-BF) and nine high (HI-BF) body fat males matched in pairs for total body mass (TBM; LO-BF: 88.7 ± 8.4 kg, HI-BF: 90.1 ± 7.9 kg; P = 0.72), but with distinctly different percentage body fat (%BF; LO-BF: 10.8 ± 3.6%; HI-BF: 32.0 ± 5.6%; P < 0.001), cycled for 60 min at 28.1 ± 0.2 °C, 26 ± 8% relative humidity (RH), at a target Hprod of 1) 550 W (FHP trial) and 2) 7.5 W/kg LBM (LBM trial). Changes in rectal temperature (ΔTre) and local sweat rate (LSR) were measured continuously while whole body sweat loss (WBSL) and net heat loss (Hloss) were estimated over 60 min. In the FHP trial, ΔTre (LO-BF: 0.66 ± 0.21 °C, HI-BF: 0.87 ± 0.18 °C; P = 0.02) was greater in HI-BF, whereas mean LSR (LO-BF 0.52 ± 0.19, HI-BF 0.43 ± 0.15 mg·cm(-2)·min(-1); P = 0.19), WBSL (LO-BF 586 ± 82 ml, HI-BF 559 ± 75 ml; P = 0.47) and Hloss (LO-BF 1,867 ± 208 kJ, HI-BF 1,826 ± 224 kJ; P = 0.69) were all similar. In the LBM trial, ΔTre (LO-BF 0.82 ± 0.18 °C, HI-BF 0.54 ± 0.19 °C; P < 0.001), mean LSR (LO-BF 0.59 ± 0.20, HI-BF 0.38 ± 0.12 mg·cm(-2)·min(-1); P = 0.04), WBSL (LO-BF 580 ± 106 ml, HI-BF 381 ± 68 ml; P < 0.001), and Hloss (LO-BF 1,884 ± 277 kJ, HI-BF 1,341 ± 184 kJ; P < 0.001) were all greater at end-exercise in LO-BF. In conclusion, high %BF individuals demonstrate a greater ΔTre independently of differences in mass and Hprod, possibly due to a lower mean specific heat capacity or impaired sudomotor control. However, thermoregulatory responses of groups with different adiposity levels should not be compared using a fixed Hprod in watts per kilogram lean body mass.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».