MétaCan
Menu
Retour à la cohorte
Enregistrement W4398167135 · doi:10.1152/physiol.2024.39.s1.394

Influence of home-based heat therapy on thermal and cardiovascular strain during passive heat exposure in older adults

2024· article· en· W4398167135 sur OpenAlexaff
Heidi L. Cope, Rauchelle E. Richey, Ysabella Ruiz-Pick, Amy M. Moore, Albert H. Olivencia‐Yurvati, Tyson C. Garfield, Daniel Gagnon

Notice bibliographique

RevuePhysiology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueInfrared Thermography in Medicine
Établissements canadiensMontreal Heart Institute
Organismes subventionnairesnon disponible
Mots-clésStrain (injury)MedicineHeat stressInternal medicineBiologyAnimal science

Résumé

récupéré en direct d'OpenAlex

Heat waves are occurring more frequently and with greater intensity. In fact, 2023 marked the hottest summer ever recorded in the Northern Hemisphere. Heat waves increase the risk for heat-related morbidity and mortality, particularly for older adults who have a reduced ability to dissipate heat. Heat acclimation induces physiological adaptations that attenuate thermal and cardiovascular strain during subsequent heat exposures. However, traditional heat acclimation protocols require expensive equipment (e.g., climate chamber) and may be challenging for older adults with limited functional capacity. Home-based heat therapy provides a potentially safe and pragmatic option to induce heat acclimation. The purpose of this pilot study was to test the hypothesis that home-based heat therapy reduces thermal and cardiovascular strain in older adults during acute passive heat exposure. Six older adults (5 women; 67 ± 4 years) performed 8 weeks of home-based heat therapy by immersing their lower legs ~33 cm into a heated (~ 42°C) and circulated water bath 4 days per week, for 45 min per session. Intestinal temperature (telemetric pill) and heart rate were assessed before (pre) and after (post) the intervention during acute heat exposure (45 min lower leg water immersion). In addition, rate pressure product, an estimate of myocardial demand, was calculated as heart rate x systolic blood pressure. Resting intestinal temperature, heart rate, and rate pressure product did not differ from pre to post heat therapy (all P ≥ 0.6). However, the change in intestinal temperature during acute heat exposure was reduced after heat therapy (15 min: pre, Δ0.47 ± 0.17 °C vs. post, Δ0.33 ± 0.14 °C; 30 min: pre, Δ0.84 ± 0.29 °C vs. post, Δ0.72 ± 0.23 °C; 45 min: pre, Δ1.10 ± 0.27 °C vs. post, Δ1.07 ± 0.24 °C; P = 0.03 for main effect of time). Likewise, the change in heart rate was attenuated following the intervention (15 min: pre, Δ14 ± 9 bpm vs. post, Δ10 ± 5 bpm; 30 min: pre, Δ22 ± 13 bpm vs. post, Δ17 ± 6 bpm; 45 min: pre, Δ25 ± 9 bpm vs. post, Δ21 ± 6 bpm; P = 0.02 for main effect of time). Rate pressure product was also reduced following heat therapy (15 min: pre, Δ1280 ± 1636 bpm·mmHg vs. post, Δ322 ± 698 bpm·mmHg; 30 min: pre, Δ1800 ± 1573 bpm·mmHg vs. post, Δ1170 ± 450 bpm·mmHg; 45 min: pre, Δ2145 ± 593 bpm·mmHg vs. post, Δ840 ± 602 bpm·mmHg; P < 0.01 for main effect of time). Our preliminary data suggest that 8 weeks of home-based heat therapy elicits some adaptations that may reflect heat acclimation. However, further work is needed to confirm these initial findings. American Heart Association TPA958179. This is the full abstract presented at the American Physiology Summit 2024 meeting and is only available in HTML format. There are no additional versions or additional content available for this abstract. Physiology was not involved in the peer review process.

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 enseignants0,001
Score d'incertitude au seuil0,002

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)0,0010,000

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 Opus0,005
Tête enseignante GPT0,229
Écart entre enseignants0,224 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysiologyMême sujetInfrared Thermography in MedicineTravaux en français237 207