Factors Affecting Performance on an Army Urban Operation Casualty Evacuation for Male and Female Soldiers
Notice bibliographique
Résumé
INTRODUCTION: This study was conducted to determine what physical and physiological characteristics contribute to the performance of an urban operation casualty evacuation (UO) and its predictive test, FORCE combat (FC) and describe the metabolic demand of the UO in female soldiers. METHODS: Seventeen military members (9 M and 8 F) completed a loaded walking maximal aerobic test, the UO and FC. Heart rate reserve (HRR) and completion time were used as efficiency/performance measures. Oxygen consumption (VO2) was directly measured for UO on five female participants with a portable indirect calorimetry system, and analyzed using descriptive statistics. Stepwise multiple regression analysis was used to determine the contribution of the non-modifiable (age, sex, height) and modifiable characteristics (lean body mass to dead mass ratio (LBM:DM), VO2max corrected for load (L.VO2max), peak force (PF) measured on an isometric mid-thigh pull (IMTP) and medicine ball chest throw distance (Dist) on to the performance of each exercise. RESULTS: LBM:DM and PF were the only factors included in the stepwise regression model for UO, predicting 70% of UO performance (p < 0.01). For FC, L.VO2max only was included in the stepwise regression model predicting 54% of FC performance (p < 0.01). Sex, age and height were not included in the regression model. The average metabolic cost of UO was 21.4 mL of O2*kg-1*min-1 in female soldiers while wearing PPE. CONCLUSION: This study showed that modifiable factors such as body composition, PF on IMTP and L.VO2max are key contributors to performance on UO and FC performance.
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 | 0,001 | 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 | 0,000 |
| 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 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 ».