Notice bibliographique
Résumé
This thesis proposes a resilience assessment model to assess the physiological changes experienced during a simulated firefighting environment. Currently, a resilience assessment model that measures the response to job stressors does not exist. The model provides a mechanism to measure the level of progress or decline experienced by public safety personnel, while exposed to job-related stressors. The research design for the model includes analysis of heart rate and electrocardiogram-based RR intervals at baseline and during the training activity. The model was applied to a case study that involved an extreme heat (50?? C) search and rescue training task for pre-service firefighters (mean age of 21 years and a standard deviation of 4.6 years with 20% female). The performance of the female participants revealed a 54% higher standard deviation of normal R-R interval (SDNN) score compared to male participants. Furthermore, the average of the mean heart rate (HR) for males was 18% higher than the females. The SDNN for 93% (39) of males was less than 100ms as compared to the female SDNN where only 22% (2) of participants fell below 100 ms. Applying the model revealed female participants to be more resilient than their male counterparts. Prior studies have not addressed biological sex differences in their studies and this needs to be further explored. Implementation of the resilience assessment model to assess and improve the effectiveness of resilience training programs could benefit firefighters by reducing the incidence of PTSD, depression and workplace injuries.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».