MétaCan
Menu
Retour à la cohorte
Enregistrement W4295885595 · doi:10.1152/ajpregu.00339.2021

Cross-adaptation between heat and hypoxia: mechanistic insights into aerobic exercise performance

2022· review· en· W4295885595 sur OpenAlexaff
Alexandros Sotiridis, Tadej Debevec, Nickos D. Geladas, Igor B. Mekjavić

Notice bibliographique

RevueAmerican Journal of Physiology-Regulatory, Integrative and Comparative Physiology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueThermoregulation and physiological responses
Établissements canadiensSimon Fraser University
Organismes subventionnairesState Scholarships Foundation
Mots-clésAcclimatizationHypoxia (environmental)Aerobic capacityAdaptation (eye)Aerobic exerciseStressorHeat stressAdaptive responsePhysiological AdaptationsBiologyEcologyNeuroscienceMedicineChemistryPhysical therapyOxygenEndocrinology

Résumé

récupéré en direct d'OpenAlex

Acclima(tiza)tion to heat or hypoxia enhances work capacity in hot and hypoxic environmental conditions, respectively; an acclimation response is considered to be mediated by stimuli-specific molecular/systemic adaptations and potentially facilitated by the addition of exercise sessions. Promising findings at the cellular level provided the impetus for recent studies investigating whether acclimation to one stressor will ultimately facilitate whole body performance when exercise is undertaken in a different environmental condition. The present critical Mini-Review examines the theory of cross-adaptation between heat and hypoxia with particular reference to the determinants of aerobic performance. Indeed, early functional adaptations (improved exercise economy and enhanced oxyhemoglobin saturation) succeeded by later morphological adaptations (increased hemoglobin mass) might aid acclimatized humans perform aerobic work in an alternative environmental setting. Longer-term acclimation protocols that focus on the specific adaptation kinetics (and further allow for the adaptation reversal) will elucidate the exact physiological mechanisms that might mediate gains in aerobic performance or explain the lack thereof.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,080
Tête enseignante GPT0,362
Écart entre enseignants0,282 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Physiology-Regulatory, Integrative and Comparative PhysiologyMême sujetThermoregulation and physiological responsesTravaux en français237 207