The Relationship between Physical Fitness and Simulated Firefighting Task Performance
Notice bibliographique
Résumé
The overall aim of this study was to measure the physiological responses of firefighters from a single fire service during simulated functional firefighting tasks and to establish the relationship between physical fitness parameters and task performance. 46 males and 3 females firefighters were recruited. Firefighters’ aerobic capacity levels were estimated using the Modified Canadian Aerobic Fitness Test (mCAFT). Grip strength levels, as a measure of upper body strength levels, were assessed using a calibrated J-Tech dynamometer. The National Institute for Occupational Safety and Health (NIOSH) protocol for the static floor lifting test was used to quantify lower body strength levels. Firefighters then performed two simulated tasks: a hose drag task and a stair climb with a high-rise pack tasks. Pearson’s correlation coefficients ( r ) were calculated between firefighters’ physical fitness parameters and task completion times. Two separate multivariable enter regression analyses were carried out to determine the predictive abilities of age, sex, muscle strength, and resting heart rate on task completion times. Our results displayed that near maximal heart rates of ≥88% of heart rate maximum were recorded during the two tasks. Correlation ( r ) ranged from −0.30 to 0.20. For the hose drag task, cardiorespiratory fitness and right grip strength (kg) demonstrated the highest correlations of −0.30 and −0.25, respectively. In predicting hose drag completion times, age and right grip strength scores were shown to be the statistically significant ( p<0.05 ) independent variables in our regression model. In predicting stair climb completion times, age and NIOSH scores were shown to be the statistically significant ( p<0.05 ) independent variables in our regression model. In conclusion, the hose drag and stair climb tasks were identified as physiological demanding tasks. Age, sex, resting heart rate, and upper body/lower body strength levels had similar predictive values on hose drag and stair climb completion times.
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 | 0,002 |
| 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) | 0,001 | 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 ».