Efficacy of Head and Torso Rewarming Using a Human Model for Severe Hypothermia
Notice bibliographique
Résumé
Introduction To evaluate the rewarming effectiveness of a similar amount of heat (from a charcoal heater) applied to either the head or torso in a human model for severe hypothermia in which shivering is pharmacologically inhibited in mildly hypothermic subjects. Methods Six male subjects were cooled on 3 different occasions, each in 8°C water for 60 min, or to a lowest core temperature of 35°C. Shivering was inhibited by intravenous meperidine (1.5 mg·kg −1 ), administered during the last 10 min of the cold-water immersion. Subjects then exited from the cold water, were dried, and were placed in a 3-season sleeping bag for 120 min in one of the following conditions: spontaneous rewarming only, charcoal heater on the head, or charcoal heater on the torso. Supplemental meperidine (to a maximum cumulative dose of 3.3 mg·kg −1 ) was administered as required during rewarming to suppress shivering. Results No significant differences were found in the postcooling afterdrop amount or core rewarming rates among the 3 conditions (0.8°C·h −1 ). During the last 30 min of rewarming the net heat gain was significantly higher in the head (85.8±25.3 W) and torso (81.5±6.3 W) conditions compared with the spontaneous condition (56.9±12 W) ( P <0.05). Conclusions In our study, head and torso warming had the same core rewarming rates when shivering was pharmacologically inhibited in mildly hypothermic subjects. Therefore, in nonshivering cold subjects, head warming is a viable alternative if torso warming is contraindicated (eg, when performing cardiopulmonary resuscitation or working on open chest wounds).
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».