The impact of healthy motion seating on lower‐limb blood flow and blood pressure response to simulated long‐haul air travel
Notice bibliographique
Résumé
Prolonged sitting inherent to long-haul air travel can acutely decrease lower-limb blood flow and increase brachial blood pressure. Healthy motion seating (HMS), which passively alters sitting interface pressure and posture, is a promising technology which may attenuate the deleterious effects of long-haul air travel. The aim of this study was to determine the impact of an innovative airplane passenger seat motion feature, aerospace HMS, on lower-limb blood flow and blood pressure in response to 6.5 h of simulated long-haul air travel. In a randomised cross-over design, 19 healthy adults completed a 6.5 h long-haul flight simulation in aerospace seating equipped with (HMS) and without (CON) healthy motion technology. Superficial femoral artery blood flow, brachial blood pressure, and perceptions of mood disturbance, pain and discomfort were measured before and after flight simulation. In linear mixed models there was a significant interaction (condition × time) effect for superficial femoral artery blood flow, with a decrease in lower-limb blood flow in CON (-22.4 mL/min; 95% CI: -2.41, -42.39; P = 0.032) but not HMS (3.7 mL/min; 95% CI: -16.3, 23.67; P = 0.720) across the 6.5 h flight simulation. There were no interaction, group nor time effects for blood pressure. Mood, pain and discomfort all worsened across the 6.5 h flight simulation (time, all P < 0.05), but there were no interaction nor group effects. The passive alterations in sitting interface pressure, posture and movement created by aerospace HMS can prevent prolonged sitting-induced reductions in local lower-limb blood flow typical of long-haul air travel.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».