MétaCan
Menu
Retour à la cohorte
Enregistrement W4394758117 · doi:10.14814/phy2.16005

Physiological impacts of atmospheric pollution: Effects of environmental air pollution on exercise

2024· article· en· W4394758117 sur OpenAlexaff
Michael S. Koehle

Notice bibliographique

RevuePhysiological Reports · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensCanadian Sport Centre PacificUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAir pollutionPollutionEnvironmental sciencePollutantOzoneDiesel exhaustEnvironmental healthMedicineDiesel fuelMeteorologyEcologyWaste managementBiologyEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

In this review, we discuss some of the recent advances in our understanding of the physiology of the air pollution and exercise. The key areas covered include the effect of exercise intensity, the effects of pre-exposure to air pollution, acclimation to air pollution, and the utility of masks during exercise. Although higher intensity exercise leads to an increase in the inhaled dose of pollutants for a given distance traveled, the acute effects of (diesel exhaust) air pollution do not appear to be more pronounced. Second, exposure to air pollution outside of exercise bouts seems to have an effect on exercise response, although little research has examined this relationship. Third, humans appear to have an ability to acclimate to ground level ozone, but not other pollutants. And finally, masks may have beneficial effects on certain outcomes at low intensity exercise in pollution with significant levels of particles, but more study is required in realistic conditions.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,959
Score d'incertitude au seuil1,000

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 technologies0,0000,001
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 Opus0,020
Tête enseignante GPT0,282
Écart entre enseignants0,262 · 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.

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

Citations14
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysiological ReportsMême sujetAir Quality and Health ImpactsTravaux en français237 207