目的以间接测热法测定的静息能量消耗(resting energy expenditure,REE)为金标准,结合体成分指标建立能量消耗预测公式,为寻找客观、准确、重复性高及可操作性强的飞行人员REE测量方法提供参考。方法纳入正常体型男性志愿者14名,通过低...目的以间接测热法测定的静息能量消耗(resting energy expenditure,REE)为金标准,结合体成分指标建立能量消耗预测公式,为寻找客观、准确、重复性高及可操作性强的飞行人员REE测量方法提供参考。方法纳入正常体型男性志愿者14名,通过低压舱构建低压低氧战训环境。所有受试者均按要求完成单任务(飞行操作)和双任务(飞行操作+计算任务)。使用体成分分析仪直接测定受试者体重、去脂体重(fat free mass,FFM)、肌肉重(muscle mass,MM)、脂肪重(fat mass,FM)、腰臀比(waist-to-hip ratio,WHR)、内脏脂肪重(visceral fat mass,VFM)及体脂率(body fat percentage,BF%),使用气体代谢仪监测其呼吸频率(respiratory frequency,RF)、CO_(2)产生量(volume of CO_(2),VCO_(2))、最大摄氧量(maximal volume of O_(2),VO_(2max))、潮气量(volume of tidal,VT)、每分通气量(minute ventilation volume,VE)、代谢当量(metablic equivalent,MET)、REE和每公斤体重每日静息能量消耗(REE/kg/d)。统计分析REE与体成分检测指标的相关性,并获得线性回归方程。结果在模拟低压低氧环境下,双任务时受试者的RF、VCO_(2)、VO_(2max)、VE、VT、REE、REE/kg/d、MET和心率略有增加趋势,但和单任务相比,其差异均无统计学意义(P均>0.05);REE与FFM、MM呈正相关(r=0.566、0.570,P=0.035、0.033),而与身高、FM和心率等无相关性(P均>0.05)。线性回归方程显示低压低氧环境下REE预测公式为模型A:REE=60.34×MM-1121(r=0.570,P=0.033),或模型B:REE=55.34×FFM-1073(r=0.566,P=0.035);模型A公式预测值与实测值REE具有正相关性(r=0.570,P=0.033),且误差值为(0.032±358.170)kcal/d,P=1.00>0.05。结论低压低氧环境下正常体型受试者的REE主要决定因素为FFM和MM,通过测定FFM或MM均可方便、准确地预测其REE水平。展开更多
目的分析飞行学员心理选拔综合考评成绩(total score of psychological selection,TSPS)对初级训练阶段的预测效度,为飞行学员心理选拔工作提供数据参考。方法采用系统评价研究。对某院校近年毕业的飞行学员进行整群抽样,调取能够反映...目的分析飞行学员心理选拔综合考评成绩(total score of psychological selection,TSPS)对初级训练阶段的预测效度,为飞行学员心理选拔工作提供数据参考。方法采用系统评价研究。对某院校近年毕业的飞行学员进行整群抽样,调取能够反映初级训练阶段综合能力水平的总评成绩和招飞阶段高考成绩,进行标准化(标准差标准化)转换,分别作为飞行绩效(flight performance,FP)和高考标准成绩(standardized scores of college entrance examination,SSCEE);调取TSPS及其3个分项成绩(均为9分制标准分):基本认知能力测试成绩(basic cognitive ability scores,BCAS)、飞行特殊能力测试成绩(flight special ability scores,FSAS)和专家面试评估成绩(interview performance scores,IPS)。将SSCEE按照标准差划分为高分组(≥1.0分)、中分组(-1.0~1.0分)和低分组(≤-1.0分);TSPS按照招飞阶段分级方式划分为高分组(≥6.5分)、中分组(4.5~6.5分)和低分组(≤4.5分)。比较不同生源类型、SSCEE和TSPS飞行学员的FP差异,并分析FP与SSCEE、TSPS、BCAS、FSAS及IPS的相关性。以FP为因变量,以BCAS、FSAS、IPS、SSCEE为自变量,构建回归方程。根据相关性分析和回归分析预测结果,计算BCAS、FSAS、IPS构成TSPS的最优权重模型。结果共选取267名飞行学员,TSPS以及BCAS、FSAS、IPS与FP呈正相关(r=0.440、0.160、0.303、0.380,P均<0.001)。不同TSPS组飞行学员的FP差异有统计学意义(H=55.37,P<0.001);不同生源组飞行学员的FP、TSPS差异均有统计学意义(H=7.26,F=7.43,P=0.039、<0.001);不同SSCEE组飞行学员的FP、TSPS差异无统计学意义(P>0.05)。基于相关系数、回归系数计算的TSPS与FP均呈正相关(r=0.450、0.452,P均<0.001)。各模型结果均优于现有模型的预测效度(0.440)。结论在招飞阶段心理选拔中,FSAS、IPS对飞行学员训练效能的预测有正向作用,且在TSPS模型中权重较高。建议通过科学调度、动态优化和有效的评价机制对招飞阶段心理选拔进行管理。展开更多
文摘目的分析飞行学员心理选拔综合考评成绩(total score of psychological selection,TSPS)对初级训练阶段的预测效度,为飞行学员心理选拔工作提供数据参考。方法采用系统评价研究。对某院校近年毕业的飞行学员进行整群抽样,调取能够反映初级训练阶段综合能力水平的总评成绩和招飞阶段高考成绩,进行标准化(标准差标准化)转换,分别作为飞行绩效(flight performance,FP)和高考标准成绩(standardized scores of college entrance examination,SSCEE);调取TSPS及其3个分项成绩(均为9分制标准分):基本认知能力测试成绩(basic cognitive ability scores,BCAS)、飞行特殊能力测试成绩(flight special ability scores,FSAS)和专家面试评估成绩(interview performance scores,IPS)。将SSCEE按照标准差划分为高分组(≥1.0分)、中分组(-1.0~1.0分)和低分组(≤-1.0分);TSPS按照招飞阶段分级方式划分为高分组(≥6.5分)、中分组(4.5~6.5分)和低分组(≤4.5分)。比较不同生源类型、SSCEE和TSPS飞行学员的FP差异,并分析FP与SSCEE、TSPS、BCAS、FSAS及IPS的相关性。以FP为因变量,以BCAS、FSAS、IPS、SSCEE为自变量,构建回归方程。根据相关性分析和回归分析预测结果,计算BCAS、FSAS、IPS构成TSPS的最优权重模型。结果共选取267名飞行学员,TSPS以及BCAS、FSAS、IPS与FP呈正相关(r=0.440、0.160、0.303、0.380,P均<0.001)。不同TSPS组飞行学员的FP差异有统计学意义(H=55.37,P<0.001);不同生源组飞行学员的FP、TSPS差异均有统计学意义(H=7.26,F=7.43,P=0.039、<0.001);不同SSCEE组飞行学员的FP、TSPS差异无统计学意义(P>0.05)。基于相关系数、回归系数计算的TSPS与FP均呈正相关(r=0.450、0.452,P均<0.001)。各模型结果均优于现有模型的预测效度(0.440)。结论在招飞阶段心理选拔中,FSAS、IPS对飞行学员训练效能的预测有正向作用,且在TSPS模型中权重较高。建议通过科学调度、动态优化和有效的评价机制对招飞阶段心理选拔进行管理。
