Novel Tools in Determining the Physiological Demands and Nutritional Practices of Ontario FireRangers during Fire Deployments
Notice bibliographique
Résumé
INTRODUCTION: The seasonal profession of wildland fire fighting in Canada requires individuals to work in harsh environmental conditions that are physically demanding. The purpose of this study was to use novel technologies to evaluate the physiological demands and nutritional practices of Canadian FireRangers during fire deployments. METHODS: Participants (n = 21) from a northern Ontario Fire Base volunteered for this study and data collection occurred during the 2014 fire season and included Initial Attack (IA), Project Fire (P), and Fire Base (B) deployments. Deployment-specific energy demands and physiological responses were measured using heart-rate variability (HRV) monitoring devices (Zephyr BioHarness3 units). Food consumption behaviour and nutrient quantity and quality were captured using audio-video food logs on iPod Touches and analyzed by NutriBase Pro 11 software. RESULTS: Insufficient kilocalories were consumed relative to expenditure for all deployment types. Average daily kilocalories consumed: IA: 3758 (80% consumption rate); P: 2945±888.8; B: 2433±570.8. Average daily kilocalorie expenditure: IA: 4538±106.3; P: 4012±1164.8; B: 2842±649.9. The Average Macronutrient Distribution Range (AMDR) for protein was acceptable: 22-25% (across deployment types). Whereas the AMDR for fat and carbohydrates were high: 40-50%; and low: 27-37% respectively, across deployment types. CONCLUSIONS: This study is the first to use the described methodology to simultaneously evaluate energy expenditures and nutritional practices in an occupational setting. The results support the use of HRV monitoring and video-food capture, in occupational field settings, to assess job demands. FireRangers expended the most energy during IA, and the least during B deployments. These results indicate the need to develop strategies centered on maintaining physical fitness and improving food practices.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».