Measurement of sodium concentration in sweat samples: comparison of 5 analytical techniques
Notice bibliographique
Résumé
Sweat sodium concentration (SSC) can be determined using different analytical techniques (ATs), which may have implications for athletes and scientists. This study compared the SSC measured with 5 ATs: ion chromatography (IChr), flame photometry (FP), direct (DISE) and indirect (IISE) ion-selective electrode, and ion conductivity (IC). Seventy sweat samples collected from 14 athletes were analyzed with 5 instruments: the 883 Basic IC Plus (IChr, reference instrument), AAnalyst 200 (FP), Cobas 6000 (IISE), Sweat-Chek (IC), and B-722 Laqua Twin (DISE). Instruments showed excellent relative (intraclass correlation coefficient (ICC) ≥ 0.999) and absolute (coefficient of variation (CV) ≤ 2.6%) reliability. Relative validity was also excellent between ATs (ICC ≥ 0.961). In regards to the inter-AT absolute validity, compared with IChr, standard error of the estimates were similar among ATs (2.8-3.8 mmol/L), but CV was lowest with DISE (3.9%), intermediate with IISE (7.6%), and FP (6.9%) and highest with IC (12.3%). In conclusion, SSC varies depending on the AT used to analyze samples. Therefore, results obtained from different ATs are scarcely comparable and should not be used interchangeably. Nevertheless, taking into account the normal variability in SSC (∼±12%), the imprecision of the recommendations deriving from FP, IISE, IC, and DISE should have trivial health and physiological consequences under most exercise circumstances.
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».