MétaCan
Menu
Retour à la cohorte
Enregistrement W2942654373 · doi:10.1242/jeb.196568

Finding the peak of dynamic oxygen uptake during fatiguing exercise in fish

2019· article· en· W2942654373 sur OpenAlexafffund
Yangfan Zhang, Matthew J. H. Gilbert, Anthony P. Farrell

Notice bibliographique

RevueJournal of Experimental Biology · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhysiological and biochemical adaptations
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFreshwater Fisheries Society of British Columbia
Mots-clésFish <Actinopterygii>VO2 maxOxygenBiologyFisheryChemistryEndocrinologyHeart rateBlood pressure

Résumé

récupéré en direct d'OpenAlex

As fish approach fatigue at high water velocities in a critical swimming speed (Ucrit) test, their swimming mode and oxygen cascade typically move to an unsteady state because they adopt an unsteady, burst-and-glide swimming mode despite a constant, imposed workload. However, conventional ṀO2 sampling intervals (5-20 min) tend to smooth any dynamic fluctuations in active ṀO2 (ṀO2active) and thus likely underestimate the peak ṀO2active. Here, we used rainbow trout (Oncorhynchus mykiss) to explore the dynamic nature of ṀO2active near Ucrit by using various sampling windows and an iterative algorithm. Compared with a conventional interval regression analysis of ṀO2active over a 10-min period, our new analytical approach generated a 23% higher peak ṀO2active. Therefore, we suggest that accounting for such dynamics in ṀO2active with this new analytical approach may lead to more accurate estimates of maximum ṀO2 in fishes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,335
Score d'incertitude au seuil0,822

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,264
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations51
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Experimental BiologyMême sujetPhysiological and biochemical adaptationsTravaux en français237 207