The Physiology of Paragliding Flight at Moderate and Extreme Altitudes
Notice bibliographique
Résumé
Abstract Wilkes, Matt, Martin J. MacInnis, Lucy A. Hawkes, Heather Massey, Clare Eglin, and Michael J. Tipton. The physiology of paragliding flight at moderate and extreme altitudes. High Alt Med Biol 19:42–51, 2018.—Paragliding is a form of free flight, with extreme-altitude paragliding being an emerging discipline. We aimed to describe the physiological demands and the impact of environmental stressors of paragliding at moderate and extreme altitudes. We recorded oxygen consumption (VO 2 ), heart rate (HR), respiratory frequency ( f R), tidal volume ( V T ), oxygen saturation, accelerometry (G), and altitude in 9.3 hours of flight at moderate altitudes (to 3073 m, n = 4), 19.3 hours at extreme altitude (to 7458 m, n = 2), and during high-G maneuvers ( n = 2). We also analyzed HR data from an additional 17 pilots (138 hours) using the Flymaster Live database to corroborate our findings. All pilots were male. Overall energy expenditure at moderate altitude was low [1.7 (0.6) metabolic equivalents], but physiological parameters were notably higher during takeoff ( p < 0.05). Pilots transiently reached ∼7 G during maneuvers. Mean HR at extreme altitude [112 (14) bpm] was elevated compared to moderate altitude [98 (15) bpm, p = 0.048]. Differences in pilots' V T and f R at moderate and extreme altitudes were not statistically significant ( p = 0.96 and p = 0.058, respectively). Thus, we conclude that physical exertion in paragliding is low, suggesting that any subjective fatigue felt by pilots is likely to be cognitive or environmental. Future research should focus on reducing mental workload, enhancing cognitive function, and improving environmental protection.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».