MétaCan
Menu
Retour à la cohorte
Enregistrement W3032094092 · doi:10.3390/nu12061638

Energy Balance of Canadian Armed Forces Personnel during an Arctic-Like Field Training Exercise

2020· article· en· W3032094092 sur OpenAlexafffundabout
Mavra Ahmed, Iva Mandić, Elliot R Desilets, Ingrid Smith, Wendy Sullivan‐Kwantes, Peter J.H. Jones, Len Goodman, Ira Jacobs, Mary R. L’Abbé

Notice bibliographique

RevueNutrients · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Performance
Établissements canadiensCanada Research ChairsDefence Research and Development CanadaUniversity of ManitobaUniversity of Toronto
Organismes subventionnairesDefence Research and Development CanadaUniversity of TorontoCanadian Armed ForcesCanadian Institutes of Health ResearchMitacsGovernment of Canada
Mots-clésEnergy balanceDoubly labeled waterEnergy expenditureArcticBalance (ability)MedicineEnvironmental sciencePhysical therapyPhysical activityPhysicsBiology

Résumé

récupéré en direct d'OpenAlex

Operating in temperature extremes frequently leads to a discrepancy in energy balance. Investigating the effects of operating in extreme cold temperatures on metabolic requirements has not been well described in Canadian Armed Forces (CAF) personnel. The objective was to accurately assess energy deficits using the "gold standard" methodology for measuring energy intake (EI) and energy expenditure (EE). Nutritional intake of a convenience sample of 10 CAF Class A Reservists, completing a basic military qualification (land) course under winter weather conditions, was assessed using the daily measured food intake/food waste collections. EE was measured by the doubly-labelled water method. Average EI was 2377 ± 1144 kcal/day, which was below the EE (4917 ± 693 kcal/day), despite having ~5685 kcal available in the field rations. A significant body weight loss of 2.7% was associated with the average daily energy deficit of 2539 ± 1396 kcal. As a result, participants demonstrated voluntary anorexia. Such results may have important implications for the impairment of performance and health under longer duration operations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,170

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
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 Opus0,086
Tête enseignante GPT0,361
Écart entre enseignants0,274 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations25
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetOccupational Health and PerformanceTravaux en français237 207