MétaCan
Menu
Retour à la cohorte
Enregistrement W4411875128 · doi:10.1152/physiol.2025.40.s1.0164

Effect of Age on Fluid Replacement during Heat Exposure – The Human Heat Stress Project

2025· article· en· W4411875128 sur OpenAlexaffabout
Thomas A. Deshayes, Adèle Mornas, Soha Sardar, Daniel Gagnon

Notice bibliographique

RevuePhysiology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueThermoregulation and physiological responses
Établissements canadiensMontreal Heart Institute
Organismes subventionnairesnon disponible
Mots-clésHeat stressChemistryBiologyAnimal science

Résumé

récupéré en direct d'OpenAlex

Introduction: Periods of extreme heat are associated with health risks, particularly among older adults. Electrolyte imbalances and acute kidney injuries are the main causes of heat-related hospitalizations in this population. It is often suggested that this is due to insufficient fluid replacement. However, limited research has explored differences in hydration behavior between older and younger adults during heat exposure. Objective/Hypothesis: This study examines the effect of age on hydration behavior during exposure to a hot and humid environment that includes light physical exercise to simulate activities of daily living. We hypothesize that advancing age is associated with less effective sweat loss replacement. Methodology: Eleven young adults (YA: 18-39 years old, 9 females), 13 middle-aged adults (MA: 45-63 years old, 5 females), 16 older adults (OA: 65-70 years old, 5 females), and 15 oldest older adults (OOA: 71-88 years, 6 females) were exposed to an environmental chamber maintained at 38°C with 60% humidity for 4 hours. Participants performed light exercise (~3.5 METs, walking or cycling) for 10 minutes each hour. Participants could drink water served at 15 ± 1°C ad libitum, without knowing their hydration behavior was being measured. They were asked to rate their thirst before each water intake using a visual analogue scale (180 mm, ranging from “not thirsty” to “extremely thirsty”). Sweat production was estimated from the change in body mass, corrected for urinary losses and fluid intake. Dehydration was estimated via changes in nude body mass. Participants completed a 24-hour urine collection before arriving to the laboratory and a blood sample was drawn upon arrival. Data are presented as mean ± standard deviation. Results: Pre-exposure urine volume (YA: 1.6 ± 0.6 L, MA: 2.3 ± 1.3 L, OA: 1.9 ± 0.8 L, OOA: 1.8 ± 0.7 L) and osmolality (560 ± 143 mOsm/kg, 535 ± 271 mOsm/kg, 596 ± 253 mOsm/kg, 504 ± 178 mOsm/kg) were not different across groups, suggesting comparable hydration status at baseline. However, baseline plasma osmolality was higher in OOA (297 ± 4 mOsm/kg), followed by OA (294 ± 7 mOsm/kg), MA (292 ± 4 mOsm/kg), and YA (289 ± 2 mOsm/kg). YA drank sooner (12 ± 11 min) than MA (20 ± 31 min) and OA (30 ± 58 min), but not OOA (19 ± 16 min). Thirst perception was higher in MA (90 ± 33 mm) followed by YA (85 ± 29 mm), OA (81 ± 44 mm), and OOA (76 ± 39 mm). MA consumed more water (1.3 ± 0.5 L) than OA (1.0 ± 0.7 L), YA (0.9 ± 0.3 L) and OOA (0.9 ± 0.5 L). Sweat losses were higher in MA (1.4 ± 0.3 L) followed by OA (1.3 ± 0.4 L), OOA (1.3 ± 0.3 L), and YA (1.0 ± 0.2 L). Consequently, MA (93 ± 44%) and YA (90 ± 28%) more effectively replaced their sweat losses compared to OA (80 ± 63%) and OOA (72 ± 39%), leading to greater dehydration in OOA (0.8 ± 0.7%) compared with OA (0.6 ± 0.8%), MA (0.6 ± 0.7%), and YA (0.5 ± 0.4%). Conclusion: These preliminary data suggest that older adults, particularly the oldest old, are less effective at replacing sweat losses during heat exposure combined with light physical exercise, leading to greater dehydration. Funding: Canadian Institutes of Health Research This abstract was presented at the American Physiology Summit 2025 and is only available in HTML format. There is no downloadable file or PDF version. The Physiology editorial board 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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,019
Tête enseignante GPT0,343
Écart entre enseignants0,324 · 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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysiologyMême sujetThermoregulation and physiological responsesTravaux en français237 207