MétaCan
Menu
Retour à la cohorte
Enregistrement W4389024345 · doi:10.1096/fasebj.30.1_supplement.1290.14

Menstrual Cycle Phase does not Influence Whole Body Heat Loss Responses During Exercise in the Heat

2016· article· en· W4389024345 sur OpenAlexafffundabout
Sheila Dervis, Martin P. Poirier, Gabrielle Paull, Sarah Y. Zhang, Glen P. Kenny

Notice bibliographique

RevueThe FASEB Journal · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueThermoregulation and physiological responses
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMenstrual cycleFollicular phaseEndocrinologyLuteal phaseInternal medicineEstrogenCalorimetryChemistryThermoregulationHormoneMedicineThermodynamics

Résumé

récupéré en direct d'OpenAlex

Traditionally, female reproductive hormones (i.e., estrogen and progesterone) have been shown to independently influence local thermal responses during exercise in the heat. Consequently, studies examining thermal responses during exercise usually only test females during the early follicular phase of the menstrual cycle (i.e., first five days) when estrogen and progesterone are at their lowest levels. However, it remains unclear whether local thermal responses translate into comparable changes in whole‐body heat loss throughout the menstrual cycle. Therefore, we examined changes in whole‐body evaporative heat loss as determined using direct calorimetry in the early follicular (i.e., when both estrogen and progesterone levels are low), late follicular (i.e., when estrogen levels are high) and mid‐luteal (i.e., when both progesterone and estrogen levels are high) phases in young females (n=5, 21±2 years). Participants performed three 30‐min bouts of semi‐recumbent cycling at a fixed rate of metabolic heat production equal to 250 (Ex1), 325 (Ex2) and 415 W (Ex3) in the heat (40°C and 15% relative humidity), each bout followed by 15‐min of recovery. Whole‐body heat loss (evaporative and dry) and metabolic heat production were measured by direct and indirect calorimetry, respectively. Whole‐body heat content was calculated as the temporal summation of heat production and heat loss. Our preliminary results demonstrate that the combined rate of metabolic heat production and dry heat gain (i.e., net heat load) was similar between hormonal phases throughout the incremental intermittent exercise protocol (P>0.05). The rate of whole‐body evaporative heat loss measured during the early follicular (Ex1: 259±10 W, Ex2: 328±17 W, Ex3: 353±20 W), late follicular (Ex1: 248±27 W, Ex2: 306±36 W, Ex3: 337±31 W) and mid‐luteal phases (Ex1: 246±21 W, Ex2: 304±52 W, Ex3: 346±46 W) of the menstrual cycle were similar between phases for each exercise bout (P≥0.05). Accordingly, whole‐body heat content was also similar (early follicular: Ex1: 124±80 kJ, Ex2: 147±80 kJ, Ex3: 247±78 kJ; late follicular: Ex1: 125±27 kJ, Ex2: 139±17 kJ, Ex3: 180±59 kJ; mid‐luteal: Ex1: 121±28 kJ, Ex2: 147±39 kJ, Ex3: 213±49 kJ) (P>0.05). Our preliminary findings suggest that ovarian hormone fluctuations (i.e., estrogen and progesterone) during the menstrual cycle in young females do not influence whole‐body heat dissipation and therefore the amount of heat stored during exercise in the heat. Support or Funding Information Funding support: This study was supported by grants from the Natural Sciences and Engineering Research Council of Canada (Discover grant, RGPIN‐06313‐2014; Discovery Grants Program ‐ Accelerator Supplement, RGPAS‐462252‐2014; funds held by Dr. Glen P. Kenny).

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

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
Bibliométrie0,0000,000
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)0,0030,000

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 Opus0,020
Tête enseignante GPT0,311
Écart entre enseignants0,291 · 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

Citations2
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetThermoregulation and physiological responsesTravaux en français237 207