Salt + Glycerol-Induced Hyperhydration Enhances Fluid Retention More Than Salt- or Glycerol-Induced Hyperhydration
Notice bibliographique
Résumé
Hyperhydration has been demonstrated to improve work capacity and cardiovascular and thermoregulatory functions, enhance orthostatic tolerance, slow or neutralize bone demineralization, and decrease postdive bubble formation. Adding sodium or glycerol to a hyperhydration solution optimizes fluid retention. Sodium and glycerol produce their effect through different physiological mechanisms. If combined into a hyperhydration solution, their impact on fluid retention could potentially be greater than their singular effect. We compared the effect of salt-induced hyperhydration (SIH), glycerol-induced hyperhydration (GIH), and salt + glycerol-induced hyperhydration (SGIH) on fluid balance responses during a 3-hr passive experiment. Using a randomized, crossover, and counterbalanced experiment, 15 young men (22 ± 4 years) underwent three, 3-hr hyperhydration experiments during which they ingested 30 ml/kg fat-free mass (FFM) of water with an artificial sweetener plus either (a) 7.5 g of table salt/L (SIH), (b) 1.4 g glycerol/kg FFM (GIH), or (c) 7.5 g of table salt/L + 1.4 g glycerol/kg FFM (SGIH). After 3 hr, there were no significant differences in plasma volume changes among experiments (SIH: 11.3% ± 9.9%; GIH: 7.6% ± 12.7%; SGIH: 11.3% ± 13.7%). Total urine production was significantly lower (SIH: 775 ± 329 ml; GIH: 1,248 ± 270 ml; SGIH: 551 ± 208 ml) and fluid retention higher (SIH: 1,127 ± 212 ml; GIH: 729 ± 115 ml; SGIH: 1,435 ± 140 ml) with SGIH than either GIH or SIH. Abdominal discomfort was low and not significantly different among experiments. In conclusion, results show that SGIH reduces urine production and provides more fluid retention than either SIH or GIH.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».