Determining cold strain in cold air: a comparison of two methods of partitional calorimetry to calculate heat storage and debt in cold air with mild hypothermia
Notice bibliographique
Résumé
We compared two methods of partitional calorimetry to calculate heat storage and heat debt during cold air (0°C) exposure causing mild core cooling. Twelve participants performed a 5 min baseline in thermoneutral conditions (∼22.0°C, ∼50% relative humidity) followed by cold air exposure (∼0°C) until rectal temperature was reduced by ∆−0.5°C. Partitional calorimetry was used to calculate avenues of heat exchange (radiative, convective, and evaporative), heat storage, and heat debt continuously throughout cold exposure. We compared deriving these variables using prediction equations based on environmental and participant characteristics (PCALEquation Method) versus using measurement tools such as humidity sensors and heat flux discs (PCALHeat Flux Method). There were significant differences between methods (all p ≤ 0.001) for determining heat exchange, heat storage, and heat debt. At ∆−0.5°C, PCALHeat Flux Method had greater levels of radiative and convective heat exchange (PCALHeat Flux Method: −143.0 ± 16.8 W∙m2 vs PCALEquation Method: −123.0 ± 12.9 W∙m2, p ≤ 0.001), evaporative heat exchange (PCALHeat Flux Method: −9.0 ± 1.7 W∙m2 vs PCALEquation Method: −4.1 ± 0.0 W∙m2, p ≤ 0.001), heat storage (PCALHeat Flux Method: −15.0 ± 31.0 W∙m2 vs PCALEquation Method: +6.0 ± 25.9 W∙m2, p = 0.020), and heat debt (PCALHeat Flux Method: −692.0 ± 315.0 kJ vs PCALEquation Method: −422.0 ± 136.0 kJ, p ≤ 0.001). Overall, this study found the largest discrepancies between the two methods were when the environmental conditions and skin temperature were in high flux, as well as when core temperature was reduced by ∆−0.5°C. The use of PCALHeat Flux Method may be more advantageous to use in the cold to provide a higher resolution measurement of cold strain.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».