MétaCan
Menu
Retour à la cohorte
Enregistrement W4404913849 · doi:10.3390/buildings14123861

Physiological Indicators of Thermal Comfort: A Comprehensive Approach Using the Metabolic-Based Predicted Mean Vote Index

2024· article· en· W4404913849 sur OpenAlexafffund
Abdelaziz Laouadi

Notice bibliographique

RevueBuildings · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensNational Research Council Canada
Organismes subventionnairesInfrastructure Canada
Mots-clésIndex (typography)Thermal comfortStatisticsEnvironmental scienceEconometricsComputer scienceMathematicsMeteorologyGeography

Résumé

récupéré en direct d'OpenAlex

Current thermal comfort constructs are perceptional, and their relationships to the physiological responses are not fully understood. The latter are very important, not only to indicate personal comfort perception but also to protect personal health against cold and heat stresses. This paper combined a two-node bioheat model with the metabolic-based predicted mean vote index (MPMV) to uncover the relationships between the physiological responses and perceptional thermal sensation at steady-state conditions. The MPMV index accounts for sweating and non-shivering thermogenesis (NST) at the neutral comfort state and handles both core and skin cooling cases. Simulations were conducted for adults in typical indoor environment conditions. The physiological responses investigated included the body, core and mean skin temperatures, skin evaporative heat flux, shivering metabolic rate, and skin blood flow. The study revealed that only the mean skin temperature and skin blood flow can discriminate between comfort perception levels and can therefore be used alone or combined with other variables as alternative physiological indicators. The comfort range (MPMV within ±1) in terms of the mean skin temperature is maintained by regulatory sweating and/or NST and gets wider with increasing activity levels. The study also offered important insights for practical applications and future research.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,170
Score d'incertitude au seuil0,531

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,016
Tête enseignante GPT0,226
Écart entre enseignants0,210 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations6
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBuildingsMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207