**摘要**
**通俗语言总结：**
**引言：**
消防学院的训练对消防员（FF）新兵提出了巨大的身体和心理挑战。本研究的目的是分析在为期6个月的消防与急救医疗技术员（EMT）培训期间，晨间休息时的血液动力学、水分状况和感知压力（PS）的周变化模式，并确定培训顺序（先进行EMT培训还是先进行消防培训）是否对这些指标的演变产生了影响。
**方法：**
共有34名新兵来自两个同时入学的班级，他们按照不同的顺序完成培训课程。A班（n=17）先完成EMT培训，随后进行消防培训；B班（n=17）则先进行消防培训。每日早晨的测量项目包括体重、尿液颜色（反映水分状况）、静息心率、呼吸频率、收缩压和舒张压（BP）以及感知压力。数据通过线性混合效应模型、非线性生长模型以及基于阶段的比较（EMT组与消防组）进行分析，同时考虑了个体的随机截距。
**结果：**
晨间测量数据显示出显著的周变化（P < 0.05）。早期培训阶段和高强度的消防培训期间，各项指标的波动最为明显。A班在尿液浓度、静息心率、呼吸频率、感知压力和收缩压方面表现出显著的时间效应（P < 0.05），而B班主要在感知压力和血压方面表现出显著的周变化。生长模型表明，非线性模型比线性模型更能准确描述这些指标的变化（P < 0.05），且条件R²值较高（0.48–0.99），表明个体间存在较大差异。基于阶段的分析显示，A班在感知压力（P = 0.001）和收缩压（P = 0.015）方面存在班级与阶段之间的交互作用。在消防培训期间，A班的感知压力较低（P = 0.038），且收缩压从EMT培训阶段到消防培训阶段有所下降（P < 0.001），而B班则没有出现类似的阶段相关变化。
**结论：**
消防学院新兵在培训期间的晨间血液动力学、水分状况和感知压力表现出动态的、非线性的以及个体化的变化模式。培训顺序可能影响他们的反应方式。这些发现强调了通过晨间监测来识别持续处于高压力状态的新兵的重要性。
**通俗语言总结：**
本研究跟踪了34名消防员新兵在为期6个月的消防与急救医疗技术员联合培训期间，每天的晨间体重、尿液颜色（反映水分状况）、静息心率、呼吸频率、血压（BP）和感知压力（PS）的变化。两个班级以不同的顺序完成相同的培训课程（先EMT培训或先消防培训）。数据显示出显著的周变化和非线性波动，尤其是在早期培训阶段和高强度消防培训期间。培训顺序对新兵的反应有影响：在消防培训期间，先进行EMT培训的组别感知压力较低，收缩压也有所下降。晨间监测有助于识别高风险时期或持续处于高压力状态的新兵。
**引言：**
消防员在保护社区和应对紧急情况方面发挥着至关重要的作用。这一职业特性使他们面临巨大的身体负荷（1）、较高的肌肉骨骼损伤风险（2,3）、心理压力（4）以及突发心脏事件的风险（5）。为了应对这些挑战，美国大多数专业消防部门要求潜在的消防员新兵完成结构化的消防培训。消防学院旨在模拟现实紧急情况下的身体和心理压力，对新兵提出严格要求（6）。培训内容不仅包括灭火技术，还包括急救医疗护理，使新兵获得急救医疗技术员（EMT）的资格。这一关键阶段的特点是严格的体能训练、认知要求高的教学内容、表现压力以及在准军事训练环境中的社会文化适应需求。先前的研究表明，长期处于高强度训练环境中会显著影响新兵的健康、表现和长期职业韧性（7）。对职业压力的生理和心理反应受到心血管、代谢和行为过程的共同影响。在实际操作中，监测通常依赖于反映日常压力和恢复状态的实用指标，而非直接测量压力系统活动（8–11）。静息血液动力学指标（如心率（8）、呼吸频率（RR）和血压（BP）受身体负荷（13）和心理因素（14）的影响，因此可以提供有关训练期间生理状态的有用信息（尽管是间接的）。水分状况也会影响血液动力学反应。脱水会损害应急反应所需的认知功能，如决策能力、注意力和记忆力（15）。心理压力对消防员的健康和表现也有影响，高职业压力与焦虑、抑郁和创伤后应激障碍等心理健康问题相关（16,17）。此外，消防员的职业压力还与较高的静息血压相关（18），这是心血管疾病的已知风险因素（5）。虽然体能对于执行消防任务至关重要（19,20），但仅提高体能并不能完全反映培训带来的生理负担（22）。先前的研究显示，新兵在培训期间力量、耐力和整体体能都有显著提升（21–23），证明了结构化体能训练的有效性。然而，体能提升并不一定意味着健康状况的改善（22），有证据表明某些健康指标（如血压）可能在培训期间下降（22）。因此，需要采取更全面的健康监测方法，同时考虑表现和生理负荷（24,25）。为了更好地理解消防学院培训的生理影响，并为促进新兵韧性提供干预措施，评估更广泛的健康维度至关重要（3,16）。尽管消防学院课程遵循国家和州级标准（26,27），但具体培训模块的结构和顺序通常由各消防部门决定。大多数学院采用双轨制，分别进行消防和EMT培训，每个阶段持续约14–16周。培训顺序不同：有些部门先进行EMT培训（以课堂为主，认知要求高），有些则先进行消防培训（身体负荷大，认知要求也高）。这种差异可能是影响新兵生理和心理反应的重要因素。鉴于体能对于安全高效的工作表现至关重要（20,28,29），结构化的体能训练贯穿整个培训过程。然而，EMT和消防培训的顺序可能会影响新兵对培训要求的体验和管理方式。例如，先进行EMT培训可以作为准备阶段，帮助新兵在面对高强度的灭火活动前建立韧性和体能。目前，关于新兵在培训期间血液动力学、水分状况和感知压力变化的长期研究较少，大多数研究采用前后对比设计（21–23）。本研究有两个主要目标：一是分析在6个月消防与EMT培训期间，晨间休息时的血液动力学、水分状况和感知压力的周变化模式；二是探讨EMT和消防培训顺序是否对这些指标的演变有影响。据我们所知，这是首次系统研究课程顺序对新兵这些生物标志物的影响。研究结果为优化培训结构和提高新兵培训效果提供了实用建议。
**研究方法：**
本研究采用自然主义、回顾性观察队列设计，评估消防员新兵在为期6个月的培训期间的血液动力学、水分状况和感知压力反应。两个同时入学的班级采用不同的培训顺序：A班先完成EMT培训，然后进行消防培训；B班则相反。学院根据后勤安排调整了培训顺序，包括EMT和消防培训所需的设备和师资配备。这种安排允许同时进行班级培训，同时保持较小的教学小组和较低的师生比例，以提供更多的反馈和练习机会。新兵入学时进行了基线体能评估，培训期间每天收集晨间休息时的血液动力学、水分状况和自我报告的压力数据。这些重复测量有助于分析时间变化模式，并探讨培训顺序对晨间血液动力学、水分状况和感知压力的影响。
**参与者：**
参与者是参加为期6个月消防培训的新兵，共34名，包括17名男性和17名女性。所有新兵都必须完成整个培训课程。数据由学院工作人员在常规监测过程中收集，未进行任何实验性干预。培训结束后，去标识化的数据被分享给研究团队。乔治梅森大学批准了对去标识化数据的回顾性分析（IRB编号：00000576）。因此，参与者无需签署知情同意书。所有程序均符合《赫尔辛基宣言》的规定。
**体能评估：**
在6个月培训开始时，所有新兵接受了全面的体能评估，以确定基线指标。评估内容包括基于健康（30）和职业相关（20,28,29）的体能领域，如身体成分、柔韧性、下肢力量、肌肉力量和耐力以及心肺功能。测试顺序如下：身体成分、柔韧性、下肢力量、力量测试、肌肉耐力测试，最后是最大摄氧量（V˙O2max）跑步机测试。选择该顺序是为了减少后续测试的疲劳影响（31）。身体成分通过空气置换容积描记法（BODPOD；COSMED）进行评估，参与者需穿着压缩服装和泳帽。柔韧性通过坐姿伸展测试测量，记录最大伸展距离。下肢力量使用Vertec垂直跳跃设备（JUMP USA）测量。新兵进行三次最大努力跳跃，记录最高跳跃高度。肌肉力量通过双侧手臂拉力测试（电缆张力计）和手持握力计（Jamar Hydraulic Hand Dynamometer，Sammons Preston）进行评估。肌肉耐力通过平板支撑测试（保持前臂平板姿势至力竭）和1分钟内完成的最大俯卧撑次数进行评估。心肺功能（V˙O2max）通过跑步机分级运动测试进行，同时使用Parvo Medics TrueOne® 2400代谢车进行连续代谢气体交换分析。
**每日晨间血液动力学、水分状况和感知压力测量：**
在6个月的培训期间，学院工作人员每天早上7:00收集晨间休息时的血液动力学、水分状况和感知压力数据，作为常规监测的一部分。白天不再收集其他数据。每日监测融入学院的晨间流程，通常在每天训练开始后的前15分钟内完成，这是操作时间表内的最大可行时间。新兵在工作人员监督下分批进行测量。所有数据立即记录并录入学院的监测数据库。为确保测量一致性，负责数据收集的工作人员接受了专门培训，并监督晨间监测过程，确保遵循标准化程序（如时间控制、参与者位置和测量技术）。所有测量在晨间进行，新兵在测量前需休息10分钟以减少先前活动的影响。测量顺序为：静息心率（RHR）和呼吸频率（RR）（坐姿）、血压（坐姿）、体重（站立），然后测量尿液颜色和感知压力。RHR和RR由受过培训的人员在参与者坐姿休息时手动测量，持续60秒。收缩压和舒张压的测量使用了标准的手动血压袖带（Paramed Basic，Paramed），遵循美国心脏协会关于袖带位置选择和尺寸的指南。由于早晨监测时间有限，每天只测量一次血压（即不进行平均值计算）。体重使用经过校准的数字秤（Seca GmbH & Co. KG）进行测量，参与者穿着标准的轻量级体能训练服装且不穿鞋。水分状态通过自我报告的尿液颜色来评估，使用一个经过验证的5级颜色量表（40分制），其中1分表示水分充足（淡黄色），5分表示严重脱水（深琥珀色）。尿液颜色基于当天的第一次排尿情况。感知压力通过一个10级的李克特量表来报告，要求新兵评估过去24小时的压力水平，1分表示没有压力，10分表示压力极高。A班在第12周和第14周没有每日监测数据，因为这些周新兵没有在校园内参加训练。在第12周，新兵通过直接前往消防站完成急救医疗技术员（EMT）和消防车的“驾驶时间”任务，以获得实地经验学习。第14周由于圣诞节假期和安排的驾驶时间补课，没有进行每日监测。B班在学院最后一周（第30周，毕业周）的数据缺失。表1提供了每周的学院课程安排和活动概览。除了体能和技术训练外，学院工作人员还提供了关于压力管理的生活方式策略的一般教育（例如，睡眠卫生、营养、水分补充和恢复行为）。这些课程融入了常规的学院教学中，但没有作为研究协议的一部分进行正式标准化或系统记录。
表1 - 消防学院A班和B班的每周培训计划和阶段结构
| 总体周数 | 日期范围 | A班 | B班 |
|--------|---------|------|------|
| 1 | 2023年9月21-22日 | 导入和文件处理——发放制服、参观场地、WPE概述 |
| 2 | 9月25-29日 | EMT——CPR认证和ICS、消防服务介绍 |
| 3 | 10月2-6日 | EMT——EMS系统、通信和患者搬运 |
| 4 | 10月9-13日 | EMT——患者评估、气道管理和SCBA熟悉 |
| 5 | 10月16-20日 | EMT——创伤处理、BLS复苏和止血 |
| 6 | 10月23-27日 | EMT——骨科、呼吸系统和环境紧急情况 |
| 7 | 10月30-11月3日 | EMT——药理学、心血管和神经紧急情况 |
| 8 | 11月6-10日 | EMT——内分泌学、毒理学、妇产科/儿科准备 |
| 9 | 11月13-17日 | EMT——儿科、老年医学和ALS辅助 |
| 10 | 11月20-24日 | EMT——感恩节假期前的最终技能测试 |
| 11 | 11月27-12月1日 | EMT——NREMT准备和最终考试 |
| 12 | 12月4-8日 | EMT——危险品模块和实践测试 |
| 13-14 | 12月11-29日 | EMT和消防车跟车实习、能力测试 |
| 15-16 | 1月1-12日 | 过渡到消防学院模块和SCBA周 |
| 17 | 1月15-2月2日 | 消防车操作和高层建筑训练 |
| 18 | 2月5-1日 | 消防车操作和EVOC驾驶训练 |
| 19 | 2月5-15日 | 消防——Mayday操作和现场烧伤训练 |
| 20 | 2月26-27日 | 额外的烧伤和救援场景 |
| 21 | 2月28-30日 | 表面水救援、EVOC最终测试和毕业准备 |
除了体能和技术训练外，学院工作人员在整个项目中还提供了关于压力管理的生活方式策略的一般教育（例如，睡眠卫生、营养、水分补充和恢复行为）。这些课程被嵌入到常规的学院教学中，但没有作为研究协议的一部分进行正式标准化或系统记录。
**统计分析**
共导入965份每周记录进行分析，包括A班的472项观察数据和B班的493项观察数据。识别出缺失值和错误条目（如非生理性的测量结果或格式错误的血压读数），并根据相邻数据的逻辑推断进行纠正，或用NaN（表示缺失）替换。总体而言，每日早晨监测变量的缺失率较低（<1%的观察值），未进行插补；使用线性混合效应（LME）模型来处理不平衡的重复测量数据。数据按培训周汇总，用于纵向分析和组间比较。创建了密度图和小提琴图等可视化图表，以评估每个变量在各个培训组中的分布模式和异常值。对每个连续变量应用Shapiro-Wilk检验以评估正态性。为了评估两组之间的基线可比性，使用独立t检验来评估A班和B班在体能指标上的差异，因为这些体能变量大致呈正态分布。此外，相关性分析还检查了生理指标和自我报告的压力指标之间的关联。
**目的1：纵向周际分析和生长模型**
为了解决第一个目的，采取了多种方法。计算了所有生物标志物的每周描述性统计量。随后，使用LME模型来评估学院期间生物标志物水平的周际差异。将数据周视为固定效应，第一周设为参考水平。为每个受试者包括随机截距，以考虑生物标志物水平的基线差异和个体内的重复测量。LME模型结构允许在控制个体内变异性的同时估计生物标志物的周变化。使用赤池信息量准则和贝叶斯信息量准则评估模型的拟合优度。此外，计算了组内相关系数（ICCs），以估计可归因于组间差异的方差比例，接近1的值表示个体间变异较大，接近0的值表示主要随时间的变化。接下来，使用线性和非线性生长模型来评估消防学院各周的变化趋势。生物标志物被建模为随时间（周）的结果，为每个受试者指定随机截距和斜率。比较了线性、二次和三次样条生长模型。边际R²捕捉了仅由固定效应解释的方差（即总体时间趋势），而条件R²反映了由固定效应和随机效应共同解释的总体方差。使用卡方统计量的似然比检验来评估添加二次项或样条项是否显著改善了模型的拟合度。
**目的2：培训阶段和组间比较**
为了解决第二个目的，实施了LME模型。每个生物标志物作为单独的因变量。固定效应包括班级、阶段及其交互作用（班级×阶段），而受试者ID作为随机截距，以考虑个体内的重复测量。在分析之前，计算了每个培训阶段每个参与者的平均生物标志物值。使用lme4包中的受限最大似然（REML）估计模型参数，并获得了固定效应的P值。使用赤池信息量准则和贝叶斯信息量准则评估模型拟合度。当观察到显著的主效应或交互效应时，使用emmeans包和Tukey调整的P值进行估计边际均值的成对比较。所有分析均使用R Studio（版本4.3.3，R Core Team）进行。由于所有可用的新兵数据都提供了给研究团队，因此没有进行先验功效分析。相关性的强度解释为：弱（r = 0.10–0.39）；中等（r = 0.40–0.69）；强（r = 0.70）。Cohen d值解释为：可忽略（d < 0.2）、小（d = 0.2–0.5）、中等（d > 0.5–0.8）和强（d > 0.8）。所有分析的alpha值预先设定为0.05。P值在0.05到0.10之间被视为统计趋势，但不具有显著性。
**结果**
**新兵的基线体能状况**
表2展示了所有消防新兵的基线体能特征。A班和B班在任何体能指标上均未观察到统计学上的显著差异（P > 0.05），表明两班的起始体能状况相当。效应大小从微小到中等不等，其中体脂百分比（d = 0.47）、V˙O2（L·min−1）（d = 0.41）和俯卧撑次数（d = 0.37）显示出最大的差异，但仍低于中等效应的阈值。只有A班的一名新兵没有完成消防学院培训；所有其他参与者（n = 33）完成了整个6个月的培训计划。这名新兵未包含在纵向分析中。
**消防员新兵的基线体能水平**
| 变量 | 综合（n = 34） | A班（n = 17） | B班（n = 17） |
|--------------|-----------|-----------|-----------|
| 体重（kg） | 83.1（11.2） | 81.2（9.0） | 85.0（13.1） |
| 体脂百分比 | 17.8（5.4） | 16.5（5.2） | 19.0（5.5） |
| 无脂质量（kg） | 68.3（9.7） | 67.8（8.5） | 68.7（11.0） |
| V˙O2max（mL·kg−1·min−1） | 46.4（3.3） | 46.3（3.1） | 46.5（3.5） |
| V˙O2max（L·min−1） | 3.8（0.4） | 3.8（0.4） | 3.9（0.5） |
| 手臂拉力（kg） | 38.2（9.6） | 37.1（9.0） | 39.4（10.4） |
| 手握力（kg） | 55.7（10.5） | 54.3（11.0） | 56.9（10.2） |
| 俯卧撑次数 | 36.2（8.2） | 37.7（8.3） | 34.7（8.2） |
| 竖跳（英寸） | 24.2（4.0） | 24.2（5.0） | 24.2（2.8） |
| 腘绳灵活性（英寸） | 15.4（2.7） | 15.4（2.5） | 15.4（3.0） |
**早晨休息时的血液动力学、水分状态和感知压力指标之间的关系**
在检查每周变化之前，我们首先探讨了每日早晨休息指标之间的相互关系，以描述血液动力学、水分状态和感知压力评分之间的关联。在所有消防新兵和班级中（补充图1A，补充数字内容1（https://links.lww.com/TJACSM/A339）），收缩压和舒张压显示出最强的相关性（ρ = 0.51，P < 0.001），反映了休息时血压成分之间的预期耦合。RR和舒张压之间也观察到了中等程度的关联（ρ = 0.31，P < 0.001）。在班级之间，A班（补充图1B，补充数字内容1（https://links.lww.com/TJACSM/A339）表现出更强的感知压力-水分耦合，较高的感知压力与更浓缩的尿液（ρ = 0.40，P < 0.001）和升高的RHR（ρ = 0.38，P < 0.001）相关，而B班（补充图1C，补充数字内容1（https://links.lww.com/TJACSM/A339）表现出更强的心肺耦合，表现为RR和BP之间的更强相关性（收缩压，ρ = 0.44；舒张压，ρ = 0.41，P < 0.001）。在消防训练周（补充图1D，补充数字内容1（https://links.lww.com/TJACSM/A339））期间，感知到的压力评分与早晨静息时的心肺测量值（RHR：ρ = 0.36，P < 0.001；RR：ρ = 0.31，P < 0.001）之间存在更一致的相关性。相比之下，在急救医疗技术（EMT）训练周（补充图1E，补充数字内容1（https://links.lww.com/TJACSM/A339）中，收缩压与舒张压之间存在较强的相关性（ρ = 0.56，P < 0.001）。虽然这些相关性主要是为了描述性目的，并为主要分析提供背景，但静息时的血液动力学测量值显示出了预期的关联，而感知压力与水分状态之间的关联则是一个更具实际信息量的发现。在整个消防学院训练过程中，每周的变化情况有所不同。
时间序列分析显示，在30周的培训期间，几乎所有生物标志物都存在明显的周际波动（A班：图1A–G；B班：图2A–G）。体重在整个培训期间相对稳定，每周的变化很小。相比之下，尿液浓度、RHR、RR、自我报告的压力和血压显示出与训练阶段和强度变化相一致的波动。热图提供了这些协调生理变化的补充视图（图3A，B）。有趣的是，两个班级在消防学院最初的几周内早晨的测量值都有所升高。这些描述性趋势进一步通过LME模型进行了评估，以检测显著的周际变化。
图1：A班（EMT → 消防）在EMT和消防训练期间早晨测量值的周趋势。A. 体重；B. 尿液；C. 心率；D. 呼吸频率；E. 感知压力；F. 收缩压；G. 舒张压。整个培训期间测量值的平均值（±95% CI）。垂直虚线和阴影区域表示EMT和消防训练阶段之间的过渡。A班的第12周和第14周数据缺失。
图2：B班（消防 → EMT）在EMT和消防训练期间早晨测量值的周趋势。A. 体重；B. 尿液；C. 心率；D. 呼吸频率；E. 感知压力；F. 收缩压；G. 舒张压。整个培训期间测量值的平均值（±95% CI）。垂直虚线和阴影区域表示EMT和消防训练阶段之间的过渡。A班的第12周和第14周数据缺失。
图3：按周划分的标准化（z分数）热图，显示了每个早晨测量值的班级内变化。A班（EMT → 消防）；B班（消防 → EMT）。每周特定班级的标准化（z分数）值。较暖的颜色（红色）表示变量高于班级平均值的周，而较冷的颜色（蓝色）表示低于班级平均值的周。A班的第12周和第14周数据缺失。
LME建模显示，A班几乎所有生物标志物都存在显著的周际变化。体重（F(27,448) = 1.94，P = 0.004）在9-11周（11月底至12月初）显示出较小的偏差，而尿液（F(27,425) = 4.10，P < 0.001）、RHR（F(27,428) = 1.75，P = 0.012）、RR（F(27,428) = 1.81，P = 0.009）和自我报告的压力（F(27,425) = 4.16，P < 0.001）在整个培训期间显示出更明显的时间变化。血压测量值也随时间发生了显著变化（舒张压：F(27,428) = 2.72，P < 0.001；收缩压：F(27,428) = 5.13，P < 0.001），特别是在后期训练阶段。ICC（内部一致性系数）表明，对于体重等稳定指标，个体间差异（较高的ICC）解释了大部分方差，而对于感知压力、RR和血压，则个体内变化（较低的ICC）更为显著。在B班中，LME分析同样发现了几项结果的显著周效应，包括体重（F(28,448) = 3.24，P < 0.001）、尿液浓度（F(28,448) = 1.54，P = 0.040）、自我报告的压力（F(28,448) = 3.72，P < 0.001）以及收缩压（F(28,448) = 2.11，P < 0.001）和舒张压（F(28,448) = 2.57，P < 0.001）。RHR和RR没有显示出统计学上显著的周际差异。ICC值再次反映了更稳定指标的较高个体间一致性，以及早晨血液动力学和感知压力指标的较大个体内变化（表3）。
表3：线性混合效应模型结果显示了周对早晨测量值的影响。固定效应：周；随机效应：受试者。
A. A班（EMT → 消防）
- 体重：F(27,428) = 1.943，P = 0.004；9, 10, 11, 16；2117/2242；361.6；19.0；0.99
- 尿液：F(27,425.01) = 4.101，P < 0.001；4, 5, 6, 7, 9, 10, 11, 13, 15–30；312/437；0.20；0.45；0.73
- RHR：F(27,428) = 1.755，P = 0.012；30；2682/2806；37.87；6.15；0.71
- RR：F(27,428) = 1.807，P = 0.009；每周；1537/1662；1.47；1.21；0.55
- 感知压力：F(27,425) = 4.160，P < 0.001；除第17周外每周；1101/1225；0.57；0.75；0.56
- 收缩压：F(27,425) = 5.130，P < 0.001；17–23, 25–28, 30；2738/2862；20.2；4.50；0.53
- 舒张压：F(27,428) = 2.719，P < 0.001；8–30；2803/2928；26.37；5.14；0.56
B. B班（消防 → EMT）
- 体重：F(28,448) = 3.235，P < 0.001；9–19, 25-27, 29；2438/2568；536.7；23.2；0.99
- 尿液：F(28,448) = 1.543，P = 0.040；5, 14, 16, 20, 22, 24；290/420；0.19；0.44；0.74
- RHR：F(28,448) = 0.739，P = 0.834；6, 21；2882/3012；41.37；6.43；0.69
- RR：F(28,448) = 0.463，P = 0.992；无；1929/2059；5.28；2.30；0.69
- 感知压力：F(28,448) = 3.716，P < 0.001；5, 14-17, 19–22, 25–29；1315/1445；0.52；0.72；0.44
- 收缩压：F(28,448) = 2.112，P < 0.001；5, 13, 15, 16；2735/2865；32.12；5.67
- 舒张压：F(28,448) = 0.250，P < 0.001；2–20, 29；2787/2917；27.99；5.29
模型包括周的固定效应和受试者的随机截距。报告的指标包括固定效应的F统计量和P值、显著周、模型拟合指数（AIC/BIC）、随机效应方差、标准差和ICC。
为了描述周际变化，计算了每个生物标志物的估计边际均值（补充表1，补充数字内容2（https://links.lww.com/TJACSM/A340）），确定了与基线（第1周）显著不同的周。对于A班，在EMT阶段（第2-14周），RR和自我报告的压力从第2周开始就持续低于基线，尿液浓度从第4周开始降低。体重在早期相对稳定，在感恩节假期期间的第9-11周略高于基线。过渡到消防阶段（第15周及以后），感知压力评分、RR和尿液浓度保持在基线以下，收缩压和舒张压也低于基线。B班的学员表现出不同的生理反应，这些反应因训练阶段而异。在消防阶段（第2-17周），舒张压从第2周开始就持续低于基线，并在整个阶段持续如此。体重从第9-17周逐渐下降，这与尿液浓度的间歇性减少和某些周（第5周、16-17周）收缩压的降低相吻合。值得注意的是，自我报告的压力在第5周和第14-17周有所升高，随后在EMT训练中又回到了低于基线的水平。在EMT阶段（第18-30周），压力和血压的降低持续存在，而体重保持在基线以下，水分状态（尿液）继续波动。
使用线性和非线性生长模型来研究整个培训期间早晨测量值的轨迹。表4总结了模型拟合指数和固定效应的显著性。在两个队列中，条件R2值都很高（0.48–0.99），反映了个体间的显著变异性，而边际R2值较低（<0.07），表明时间本身只能解释部分方差。一些指标遵循非线性模式，因为二次或样条模型显著改善了拟合效果。
表4：纵向生长模型比较了整个培训期间早晨测量值的差异。模型：边际R²；条件R²；P值；AIC；BIC；随机方差；随机标准差。
A班（EMT → 消防）
- 体重：
- 线性模型：<0.001；0.989；0.381；2114；2139；0.005；0.073
- 一阶二次模型：0.0005；0.990；0.380；2093；2122；0.005；0.073
- 二阶二次模型：<0.001
- 一阶三次模型：0.001；0.978；<0.001
- 二阶三次模型：0.361
- 模型比较（似然比检验）：二次模型比线性模型拟合得更好（P < 0.001）；三次样条模型比线性模型拟合得更好（P < 0.001）；二次和三次样条模型之间没有差异（P = 0.115）
B班：
- 尿液：
- 线性模型：<0.001；0.685；0.870；270.5；295.4；1.16×10^-6；0.003
- 一阶二次模型：0.030；0.703；0.878；227.7；256.7；1.51×10^-5
- 二阶二次模型：<0.001
- 一阶三次模型：0.030；0.711；<0.001
- 二阶三次模型：0.002
- 模型比较（似然比检验）：二次模型比线性模型拟合得更好（P < 0.001）；三次样条模型比线性模型拟合得更好（P < 0.001）；二次和三次样条模型之间没有差异（P = 0.579）
其他指标：
- 静息心率：
- 线性模型：0.012；0.713；0.009；2707；2732；31.51
- 一阶二次模型：0.014；0.697；0.009；2707；2736；28.54
- 一阶二次模型：0.137
- 一阶三次模型：0.016；0.718；<0.001
- 模型比较（似然比检验）：二次模型比线性模型拟合得更好（P < 0.001）；三次样条模型比线性模型拟合得更好（P = 0.033）
- 呼吸频率：
- 线性模型：0.011；0.557；0.039；1499；1524；1.72
- 一阶二次模型：0.022；0.569；0.039；1489；1519；1.73
- 一阶三次模型：0.023；0.568；0.031；1490；1519；1.71
- 二阶二次模型：<0.001
- 一阶三次模型：0.023；0.568；0.031；1490；1519；1.71
- 二阶三次模型：<0.001
- 模型比较（似然比检验）：二次模型比线性模型拟合得更好（P < 0.001）；三次样条模型比线性模型拟合得更好（P = 0.002）
- 感知压力：
- 线性模型：0.003；0.516；0.239；1103；1128；0.66
- 一阶二次模型：0.038；0.554；0.235；1070；1099；0.67
- 一阶三次模型：0.039；0.556；0.002；1070；1103；0.67
- 二阶二次模型：<0.001
- 一阶三次模型：0.039；0.556；0.002；1070；1103；0.67
- 二阶三次模型：<0.001
- 模型比较（似然比检验）：二次模型比线性模型拟合得更好（P < 0.001）；三次样条模型比线性模型拟合得更好（P = 0.002）
- 收缩压：
- 线性模型：0.002；0.483；0.378；2858；2883；11.06
- 一阶二次模型：0.066；0.544；0.381；2799；2828；10.83
- 二阶二次模型：0.067；0.562；<0.001
- 一阶三次模型：0.023；2797；2830；12.07；3.47
- 二阶三次模型：<0.001
- 模型比较（似然比检验）：二次模型比线性模型拟合得更好（P < 0.001）；三次样条模型比线性模型拟合得更好（P = 0.002）
- 舒张压：
- 线性模型：0.005；0.544；0.381；2799；2828；10.83
- 一阶二次模型：0.066；0.545；0.156；2875；2900；21.79
- 一阶三次模型：0.006；0.545；0.156；2875；2904；21.80
- 二阶二次模型：<0.001
- 一阶三次模型：0.010；0.549；0.116；2873；2907；21.83
- 二阶三次模型：<0.001
- 模型比较（似然比检验）：二次模型比线性模型拟合得更好（P < 0.001）；三次样条模型比线性模型拟合得更好（P = 0.002）
- 心率：
- 线性模型：0.012；0.713；0.009；2707；2732；31.51
- 一阶二次模型：0.014；0.697；0.009；2707；2736；28.54
- 一阶二次模型：0.137
- 一阶三次模型：0.016；0.718；<0.001
- 模型比较（似然比检验）：二次模型比线性模型拟合得更好（P < 0.001）；三次样条模型比线性模型拟合得更好（P = 0.002）
- 呼吸频率：
- 线性模型：0.011；0.557；0.039；1499；1524；1.72
- 一阶二次模型：0.022；0.569；0.039；1489；1519；1.73
- 一阶三次模型：0.023；0.568；0.031；1490；1519；1.71
- 二阶二次模型：<0.001
- 一阶三次模型：0.023；0.568；0.031；1490；1519；1.71
- 二阶三次模型：<0.001
- 模型比较（似然比检验）：二次模型比线性模型拟合得更好（P < 0.001）；三次样条模型比线性模型拟合得更好（P = 0.002）
- 感知压力：
- 线性模型：0.003；0.516；0.239；1103；1128；0.66
- 一阶二次模型：0.038；0.554；0.235；1070；1099；0.67
- 一阶三次模型：0.039；0.556；0.002；1070；1103；0.67
- 二阶二次模型：<0.001
- 一阶三次模型：0.039；0.556；0.002；1070；1103；0.67
- 二阶三次模型：<0.001
- 模型比较（似然比检验）：二次模型比线性模型拟合得更好（P < 0.001）；三次样条模型比线性模型拟合得更好（P = 0.002）
- 收缩压：
- 线性模型：0.002；0.483；0.378；2858；2883；11.06
- 一阶二次模型：0.066；0.544；0.381；2799；2828；10.83
- 二阶二次模型：0.067；0.562；<0.001
- 一阶三次模型：0.023；2797；2830；12.07；3.47
- 二阶三次模型：<0.001
- 模型比较（似然比检验）：二次模型比线性模型拟合得更好（P < 0.001）；三次样条模型比线性模型拟合得更好（P = 0.002）
- 舒张压：
- 线性模型：0.005；0.544；0.156；2875；2900；21.79
- 一阶二次模型：0.006；0.545；0.156；2875；2904；21.80
- 二阶二次模型：<0.001
- 一阶三次模型：0.010；0.549；0.116；2873；2907；21.83
- 二阶三次模型：<0.001
- 模型比较（似然比检验）：二次模型比线性模型拟合得更好（P < 0.001）；三次样条模型比线性模型拟合得更好（P = 0.002）
- 心率：
- 线性模型：0.002；0.483；0.378；2858；2883；11.06
- 一阶二次模型：0.066；0.544；0.381；2799；2828；10.83
- 二阶二次模型：0.067；0.562；<0.001
- 一阶三次模型：0.023；2797；2830；12.07；3.47
- 二阶三次模型：<0.001
- 模型比较（似然比检验）：二次模型比线性模型拟合得更好（P < 0.001）；三次样条模型比线性模型拟合得更好（P = 0.002）
- 舒张压：
- 线性模型：0.005；0.544；0.381；2858；2883；11.06
- 一阶二次模型：0.066；0.544；0.381；2799；2828；10.83
- 二阶二次模型：<0.001
- 一阶三次模型：0.023；2797；2830；12.07；3.47
- 二阶三次模型：<0.001
- 模型比较（似然比检验）：二次模型比线性模型拟合得更好（P < 0.001）；三次样条模型比线性模型拟合得更好（P = 0.002）
- 感知压力：
- 线性模型：0.003；0.516；0.239；1103；1128；0.66
- 一阶二次模型：0.038；0.554；0.235；1070；1099；0.67
- 二阶二次模型：<0.001
- 一阶三次模型：0.039；0.556；0.002；1070；1103；0.67
- 二阶三次模型：<0.001
- 模型比较（似然比检验）：二次模型比线性模型拟合得更好（P < 0.001）；三次样条模型比线性模型拟合得更好（P = 0.002）
- 收缩压：
- 线性模型：0.002；0.483；0.378；2858；2883；11.06
- 一阶二次模型：0.066；0.544；0.381；2799；2828；10.83
- 二阶二次模型：0.067；0.562；<0.001
- 一阶三次模型：0.023；2797；2830；12.07；3.47
- 二阶三次模型：<0.001
- 模型比较（似然比检验）：二次模型比线性模型拟合得更好（P < 0.001）；三次样条模型比线性模型拟合得更好（P = 0.002）
- 舒张压：
- 线性模型：0.005；0.544；0.156；2875；2900；21.79
- 一阶二次模型：0.006；0.545；0.156；2875；2904；21.80
- 二阶二次模型：<0.001
- 一阶三次模型：0.010；0.549；0.116；2873；2907；21.83
- 二阶三次模型：<0.001B类（消防员→急救医疗技术员）
**体重**
- **线性模型**：<0.001
- 0.992
- 0.305
- 2282
- 2307
- 523.15
- 22.87
- **一阶二次模型**：0.001
- 0.993
- 0.305
- 2233
- 2262
- 522.86
- 22.87
- **二阶二次模型**：<0.001
- **一阶三次模型**：0.002
- 0.994
- 0.203
- 2205
- 2239
- 523.15
- 22.87
- **二阶三次模型**：<0.001
- **模型比较（似然比检验）**：
- 二次模型比线性模型更适合数据（P < 0.001）
- 三次样条模型比线性模型更适合数据（P < 0.001）
- 三次样条模型比二次模型更适合数据（P < 0.001）
**尿液**
- **线性模型**：0.008
- 0.749
- 0.049
- 145
- 170
- 0.187
- 0.432
- **一阶二次模型**：0.010
- 0.751
- 0.049
- 144
- 173
- 0.187
- 0.432
- **二阶二次模型**：0.072
- **一阶三次模型**：0.010
- 0.751
- 0.011
- 145
- 179
- 0.187
- 0.433
- **二阶三次模型**：0.063
- **模型比较（似然比检验）**：
- 二次模型和线性模型之间没有差异（P = 0.072）
- 样条模型和线性模型之间没有差异（P = 0.158）
- 二次模型和三次样条模型之间没有差异（P = 0.500）
**静息心率**
- **线性模型**：<0.001
- 0.732
- 0.657
- 2859
- 2885
- 58.56
- 7.65
- **一阶二次模型**：<0.001
- 0.732
- 0.657
- 2862
- 2891
- 58.51
- 7.65
- **二阶二次模型**：0.818
- **一阶三次模型**：<0.001
- 0.732
- 0.807
- 2864
- 2897
- 58.51
- 7.65
- **二阶三次模型**：0.815
- **模型比较（似然比检验**：
- 二次模型和线性模型之间没有差异（P = 0.818）
- 三次样条模型和线性模型之间没有差异（P = 0.940）
- 二次模型和三次样条模型之间没有差异（P = 0.791）
**呼吸频率**
- **线性模型**：0.002
- 0.734
- 0.462
- 1840
- 1865
- 5.00
- 2.24
- **一阶二次模型**：0.002
- 0.734
- 0.462
- 1842
- 1871
- 5.00
- 2.23
- **二阶二次模型**：0.994
- **一阶三次模型**：0.003
- 0.735
- 0.969
- 1842
- 1876
- 5.00
- 2.24
- **二阶三次模型**：0.208
- **模型比较（似然比检验**：
- 二次模型和线性模型之间没有差异（P = 0.994）
- 三次样条模型和线性模型之间没有差异（P = 0.416）
- 二次模型和三次样条模型之间没有差异（P = 0.186）
**感知压力**
- **线性模型**：0.052
- 0.581
- 0.025
- 1186
- 1211
- 1.04
- 1.02
- **一阶二次模型**：0.058
- 0.588
- 0.025
- 1182
- 1211
- 1.04
- 1.02
- **二阶二次模型**：0.011
- **一阶三次模型**：0.063
- 0.593
- 0.001
- 1178
- 1211
- 1.05
- 1.02
- **二阶三次模型**：0.054
- **模型比较（似然比检验**：
- 二次模型比线性模型更适合数据（P = 0.011）
- 三次样条模型比线性模型更适合数据（P = 0.002）
- 三次样条模型比二次模型更适合数据（P = 0.015）
**收缩压**
- **线性模型**：0.003
- 0.734
- 0.392
- 2731
- 2756
- 21.90
- 4.68
- **一阶二次模型**：0.010
- 0.741
- 0.392
- 2720
- 2750
- 21.95
- 4.69
- **二阶二次模型**：<0.001
- **一阶三次模型**：0.0128
- 0.744
- 0.757
- 2716
- 2750
- 21.98
- 4.69
- **二阶三次模型**：0.143
- **模型比较（似然比检验**：
- 二次模型比线性模型更适合数据（P < 0.001）
- 三次样条模型比线性模型更适合数据（P < 0.001）
- 三次样条模型比二次模型更适合数据（P = 0.013）
**舒张压**
- **线性模型**：0.009
- 0.667
- 0.139
- 2810
- 2835
- 40.49
- 6.36
- **一阶二次模型**：0.015
- 0.674
- 0.144
- 2803
- 2832
- 40.63
- 6.37
- **二阶二次模型**：0.003
- **一阶三次模型**：0.022
- 0.681
- 0.132
- 2794
- 2828
- 40.68
- 6.38
- **二阶三次模型**：0.151
- **模型比较（似然比检验**：
- 二次模型比线性模型更适合数据（P = 0.003）
- 三次样条模型比线性模型更适合数据（P < 0.001）
- 三次样条模型比二次模型更适合数据（P = 0.001）
**晨间测量指标（如体重、尿液颜色、静息心率、呼吸频率、自我报告的压力和血压）**使用线性、二次和三次样条项在训练周内进行了建模。P值代表每周的固定效应。随机截距和斜率解释了受试者内的变异性。边际R²值反映了仅由固定效应（例如，周、训练轨迹）解释的方差，而条件R²包括固定效应和随机效应，捕捉了总解释的方差。似然比检验用于评估高阶模型是否比简单模型有更好的拟合度。
**AIC（赤池信息量准则）；BIC（贝叶斯信息量准则）**：非线性模型在两个类别中都拟合得最好（P < 0.001），尽管绝对体重变化较小。高条件R²（>0.98）表明个体轨迹高度一致。**尿液浓度**：A类显示二次/样条模型拟合效果更好（P < 0.001），而B类则没有。条件R²值（约0.70–0.75）表明个体间一致性适中。**静息心率**：A类表现出非线性变化（三次样条与线性对比，P = 0.033），而B类没有显著变化。**呼吸频率**：仅A类显示出显著的非线性效应（P < 0.01）；B类模型在不同形式间相当。**感知压力**：两个类别都显示出一致的非线性轨迹。样条模型拟合效果最好（所有P < 0.015），支持动态适应模式。**收缩压**：两个类别中都使用非线性项提高了模型拟合度（P < 0.001），表明有短暂升高后趋于稳定。**舒张压**：非线性模型适度提高了拟合度（A类：P = 0.047；B类：P ≤ 0.001）。**曲线形状**在不同队列间略有差异。
**训练阶段和队列比较**：双向混合模型检查了训练阶段（急救医疗技术员vs消防员）和学院类别（A vs B）之间晨间测量指标的平均值差异。图4提供了训练阶段和类别间晨间测量指标的估计边际均值。图4显示了每个生物标志物的模型平均值，按训练阶段调整，并考虑了受试者内的重复测量。误差条代表估计边际均值的标准误差。
**体重**：未发现类别（P = 0.350）、训练阶段（P = 0.600）或其交互作用（P = 0.460）的显著主效应，表明平均体重在队列间或急救医疗技术员和消防员阶段间没有显著差异。**尿液**：发现训练阶段的显著主效应（P = 0.023）和类别×阶段的显著交互作用（P < 0.001），而类别的主效应不显著（P = 0.35）。类别内比较显示，A类从急救医疗技术员到消防员的尿液浓度显著下降（P < 0.001），而B类没有显著变化（P = 0.680）。**静息心率**：未发现类别（P = 0.380）或训练阶段的显著主效应（P = 0.280），类别×阶段的交互作用也不显著（P = 0.910）。**呼吸频率**：发现类别（P = 0.047，B类 > A类）的显著主效应，表明队列间的RR模式存在差异，而训练阶段（P = 0.870）和类别×阶段的交互作用（P = 0.260）不显著。**感知压力**：未发现类别（P = 0.180）或训练阶段的显著主效应（P = 0.950），但观察到类别×阶段的显著交互作用（P = 0.001），表明感知压力反应模式在队列间有所不同。成对比较显示，A类和B类在急救医疗技术员阶段没有差异（P = 1.00），但A类在消防员阶段报告的感知压力显著较低（P = 0.038）。类别内分析显示，A类从急救医疗技术员到消防员训练的感知压力有上升趋势（P = 0.065），而B类在消防员训练期间的感知压力有下降趋势（P = 0.081）。**收缩压**：观察到类别（P = 0.027）和训练阶段的显著主效应（P < 0.001）以及类别×阶段的显著交互作用（P = 0.015）。成对比较表明，在急救医疗技术员阶段，A类的收缩压显著高于B类（P = 0.024），而在消防员训练阶段没有差异（P = 0.690）。类别内分析显示，A类从急救医疗技术员到消防员训练的收缩压显著下降（P < 0.001），但B类没有（P = 0.540）。**舒张压**：发现训练阶段的显著主效应（P = 0.003），但未发现类别（P = 0.170）或类别×阶段的显著效应（P = 0.650）。成对比较表明，A类和B类在急救医疗技术员（P = 0.660）或消防员（P = 1.00）阶段之间的舒张压没有显著差异。**讨论**：在6个月的学院培训期间，消防员新兵在每日晨间静息血流动力学（RHR、RR和BP）、水分状态和感知压力方面表现出逐周变化，这些变化随着训练需求的增加而波动。由于测量是在休息时每天进行一次，这些模式应被解释为基线状态的纵向波动。A类从急救医疗技术员培训开始，早期几个晨间血流动力学指标和感知压力评分有所下降，然后在转为消防员培训时发生变化。相比之下，B类从消防员培训开始，早期几个晨间生物标志物有所上升，随后在急救医疗技术员阶段下降。这些差异体现在逐周趋势和模型均值中，包括感知压力的显著交互作用（A类在消防员阶段较低）和收缩压（A类在急救医疗技术员阶段较高）。这可能表明从急救医疗技术员开始有优势，尽管这种差异也可能归因于外部因素，例如学院早期影响生理压力的室外温度，而不仅仅是训练顺序本身。鉴于观察设计和潜在的混杂因素，我们必须谨慎地将这些轨迹归因于单一驱动因素（例如，累积训练负荷），或将它们解释为确定的适应模式。还需要注意晨间静息血流动力学和感知压力的显著个体差异，尽管总体上有群体趋势，但仍有一些新兵表现出持续升高的值。类别级模式、个体差异和局限性将在后续部分进一步讨论。
**消防学院的时间模式**：观察到的时间模式显示，在早期几周，几个每日晨间静息血流动力学指标的值升高，随后在训练后期降低，表明消防员新兵在学院培训期间经历了血流动力学生物标志物和感知压力的动态纵向波动。如前所述，由于测量是在早晨休息时每天进行一次，这些轨迹应被解释为基线血流动力学和感知压力的变化，而不是急性压力反应或对离散训练暴露的生理适应的直接证据。尽管如此，观察到的模式与描述个体如何随时间适应持续职业和训练需求的概念模型大体一致。到学院中期，包括RHR、BP和感知压力在内的几个指标相对于初始值有所改善，表明适应了学院生活的常规需求。这些发现与之前的战术人群研究一致（22,44–46）。例如，Lan等人（22）报告称，即使在身体素质显著提高的情况下，消防员学院培训期间血压也略有上升（约3毫米汞柱）。重要的是，包含皮质醇等内分泌标志物的研究表明，消防员培训期间压力系统活动发生了变化（46）。由于本研究中未评估内分泌生物标志物，因此当前发现应解释为反映基线晨间监测模式，而不是直接的压力生理学。这些发现还表明，训练活动的性质显著影响了晨间测量指标的逐周变化幅度。消防模拟周的特点是艰苦的身体训练和暴露于高温，这与静息血流动力学、水分状态和感知压力评分的更大协调波动相关。在这些时期，消防员新兵表现出RHR、RR和感知压力水平的同步上升。由于测量数据是在早晨休息时收集的，而不是在实地训练活动中收集的，这些模式很可能反映了累积的应激和恢复需求，而不是急性交感神经激活。这种解释与先前的实验室研究结果一致，这些研究表明，即使是在身体状况良好的人中，模拟火场任务也会导致心率（47,48）、核心体温（47,48）和血液乳酸水平（49）显著升高。相比之下，强调课堂教学和认知负荷的急救医疗技术（EMT）培训周则表现出不同的早晨生理变化模式。虽然休息时的心血管指标变化通常比在火场训练期间小，但观察到血压有轻微升高，并且收缩压和舒张压之间存在强烈的关联。这可能反映了认知和心理需求（如学术测试、长时间久坐或预期焦虑）通过不同机制对血管调节的影响（13）。总体而言，这些与阶段相关的模式强调了学院训练的多因素性质，其中身体和认知要求高的训练阶段可能会对早晨的休息生理状态和感知压力产生不同的影响。尽管大多数消防新兵的早晨指标随时间有所下降，但在适应（43）或稳态负荷（25）框架内应谨慎解读这些模式。早晨的休息血流动力学和感知压力可以作为累积应激的实用代理指标，但它们并不能直接量化适应不良或压力系统的失调。然而，过度或计划不当的训练负荷与适应不良反应有关，表现为持续疲劳、心率升高和表现下降（7,25）。在这项研究中，学院日程中包含了结构化的休息时间和逐步增加的工作负荷，这可能有助于形成更有利的纵向趋势。尽管本研究仅评估了基线体能水平，但先前的研究表明，在消防学院训练期间体能会有显著提高（22,23）。这些改善与操作表现的提升有关（19,20）。身体状况良好的人也可能表现出较低的心血管应激（50,51）和更好的自主神经调节（52），这可能有助于长期保持稳定的早晨生理状况。未来需要结合重复的体能评估和多维度压力生物标志物（如皮质醇、炎症标志物和心率变异性）的研究，以直接评估训练适应、恢复和恢复力的发展过程。
消防新兵的早晨测量轨迹通常是非线性的。这种模式可能反映了学院交替进行高强度训练周（例如自给式呼吸装置演练、实际烧伤模拟、求救演习和考试）与计划中的恢复周的安排。这一点从两个队列的结果中可以看出，非线性生长模型在多个血流动力学指标（特别是自我报告的压力和血压）上的表现优于线性模型。观察到的轨迹特征包括早期的扰动、学院期间的应激波动以及最终几个早晨生物标志物的稳定。这种变化可能反映了累积训练需求、恢复过程和情境因素随时间的变化（53）。不同队列之间的差异进一步突显了这些模式的情境依赖性。A类队列在水分和血流动力学指标上表现出更明显的波动，而B类队列除了感知压力和血压外，趋势相对稳定。这种变异性可能源于热应激（由于季节性温度变化）、训练顺序的不同或基线体能和恢复力的差异。然而，在两个队列中，感知压力始终遵循非线性轨迹，表明主观应激与休息时的生理指标动态变化相关。所有生物标志物的高条件R²值表明，个体间差异解释了早晨测量值的大部分变异。虽然非线性模型有效地捕捉了群体趋势，但个体间的轨迹形状和幅度差异很大。这种异质性可能反映了新兵对持续训练需求的不同体验。个体差异的来源可能涉及心理和生物学因素（54）。先前的研究已经确定了在高压工作场景下“高”和“低”反应者（55,56）。我们的发现扩展了在战术人群中的先前证据（46,57,58），证明了在整个学院训练期间日常监测指标的显著个体差异。
这项研究有几个局限性，在解释结果时需要考虑。首先，样本规模相对较小，且来自单一的消防学院，限制了结果的普遍性。参与者主要是年轻男性，只有两名女性学员，因此无法对性别差异在血流动力学和感知压力反应中进行有意义的分析。先前的研究表明，男性和女性战术人员在训练中的心理和激素反应可能存在差异（58,59），因此以男性为主的样本限制了结果的广泛适用性。此外，两个队列都接受了相同的区域培训课程，其他机构的学院结构、气候、支持系统或文化背景的不同可能会导致不同的早晨血流动力学和感知压力轨迹。重要的是，由于季节性气候变化，环境温度在不同班级之间存在差异，这可能影响了水分和心血管指标。为了考虑季节性环境条件，该地区学院期间的典型温度范围是：9月平均最高/最低温度约为81°F/65°F，秋季降至63°F/44°F，11月降至冬季最低温度约50°F–54°F/32°F–36°F，然后在春季升至5月左右的76°F/58°F。虽然观察到的模式和个体差异可能适用于其他战术训练环境，但在将具体数值结果或效应幅度推广到其他消防学院时应谨慎。早晨的休息血流动力学和感知压力可以作为累积应激的实用代理指标，但它们并不能直接量化适应不良或压力系统的失调。尽管如此，过度或计划不当的训练负荷与适应不良反应有关，表现为持续疲劳、心率升高、表现下降和情绪紊乱（7,25）。在这项研究中，学院日程中包含了结构化的休息时间和逐步增加的工作负荷，这可能有助于形成更有利的纵向趋势。尽管本研究仅评估了基线体能水平，但先前的研究表明，在消防学院训练期间体能会有显著提高（22,23）。这些改善与操作表现的提升有关（19,20）。身体状况良好的人也可能表现出较低的心血管应激（50,51）和更好的自主神经调节（52），这可能有助于长期保持稳定的早晨生理状况。未来的研究需要结合重复的体能评估和多维度压力生物标志物（如皮质醇、炎症标志物和心率变异性），以直接评估训练适应、恢复和恢复力的发展过程。
消防新兵的早晨测量轨迹通常是非线性的。这种模式可能反映了学院交替进行高强度训练周（例如自给式呼吸装置演练、实际烧伤模拟、求救演习和考试）与计划中的恢复周的安排。这一点从两个队列的结果中可以看出，非线性生长模型在多个血流动力学指标（特别是自我报告的压力和血压）上的表现优于线性模型。观察到的轨迹特征包括早期的扰动、学院期间的应激波动以及最终几个早晨生物标志物的稳定，这可能反映了累积训练需求、恢复过程和情境因素随时间的变化（53）。不同队列之间的差异进一步突显了这些模式的情境依赖性。A类队列在水分和血流动力学指标上表现出更明显的波动，而B类队列除了感知压力和血压外，趋势相对稳定。这种变异性可能源于季节性温度变化引起的热应激、训练顺序的不同或基线体能和恢复力的差异。然而，在两个队列中，感知压力始终遵循非线性轨迹，表明主观应激与休息时的生理指标动态变化相关。所有生物标志物的高条件R²值表明，个体间差异解释了早晨测量值的大部分变异。虽然非线性模型有效地捕捉了群体趋势，但个体间的轨迹形状和幅度差异很大。这种异质性可能反映了新兵对持续训练需求的不同体验。个体差异的来源可能涉及心理和生物学因素（54）。先前的研究已经确定了在高压工作场景下“高”和“低”反应者（55,56）。我们的发现扩展了在战术人群中的先前证据（46,57,58），证明了在整个学院训练期间日常监测指标的显著个体差异。
这项研究有几个局限性，在解释结果时应予以考虑。首先，样本规模相对较小，且来自单一的消防学院，限制了结果的普遍性。参与者主要是年轻男性，只有两名女性学员，因此无法对基于性别的生理和感知压力反应差异进行有意义的分析。先前的研究表明，男性和女性战术人员在训练中的心理和激素反应可能存在差异（58,59），因此以男性为主的样本限制了结果的广泛适用性。此外，两个队列都接受了相同的区域培训课程，其他机构的学院结构、气候、支持系统或文化背景的不同可能会导致不同的早晨血流动力学和感知压力轨迹。重要的是，由于季节性气候变化，环境温度在不同班级之间存在差异，这可能影响了水分和心血管指标。为了考虑季节性环境条件，该地区学院期间的典型温度范围是：9月平均最高/最低温度约为81°F/65°F，秋季下降至63°F/44°F，11月降至冬季最低温度约50°F–54°F/32°F–36°F，然后在春季上升至5月左右的76°F/58°F。虽然观察到的模式和个体差异可能与其他战术训练环境相关，但在将具体数值结果或效应幅度推广到其他消防学院时应谨慎。此外，作为一项观察性队列研究，研究设计不允许对训练需求与每日早晨休息血流动力学指标或感知压力评分之间的关系进行因果推断。虽然发现了纵向趋势，但未测量的混杂因素（如个人生活因素（25）、睡眠质量（9）或营养（60）可能导致每周的变异。虽然每日早晨测量和感知压力评分在操作上可行，但可能错过了与特定事件或训练期间突发情况相关的急性压力波动。因此，不应将这些结果解释为对特定训练事件的急性压力反应。此外，由于每日监测由多名受过培训的人员进行，而不是由单一评估者进行，尽管有标准化培训和监督，手动测量结果（如心率变异性和呼吸频率）仍可能存在一些评估者间和程序上的差异。值得注意的是，由于操作时间限制，血压仅记录为每日一次测量（而不是多次测量平均值），这可能增加了测量的变异性。遗憾的是，毕业后没有进行体能测试；因此，我们无法评估体能是否在学院期间有所改善，或者体能的提高是否对早晨指标的纵向趋势有所贡献。此外，没有详细的训练负荷数据，限制了我们直接检查训练周期化或特定周的训练剂量与每周监测指标波动之间的关系。重要的是，本研究收集的指标代表早晨休息时的心血管和感知监测指标，可能只能作为累积应激和恢复的间接代理指标，而不能作为生理压力系统激活的明确生物标志物。该研究没有包括内分泌或免疫压力生物标志物（如皮质醇或细胞因子），这些指标可以提供有关压力系统功能的额外见解（61）。最后，研究在学院毕业时结束；因此，尚不清楚训练期间观察到的早晨监测指标是否可以预测后来的结果，如受伤、职业倦怠或操作表现。未来的研究需要包括更长期的随访、跨学院的广泛抽样和多维度生物标志物面板，以解决这些局限性并增强研究结果的适用性。
这项研究描述了消防新兵每日早晨休息时的血流动力学、水分状态和感知压力的周际变化，其中早期学院阶段的水平最高，后期训练阶段的水平较低。此外，训练顺序（EMT vs fire-first）可能影响了这些纵向轨迹。重要的是，早晨测量轨迹是非线性的，并且在个体间存在显著差异，突显了早晨监测指标的显著个体差异。实施实时生理追踪可以帮助优化表现、降低受伤风险并提高保留率。未来的研究应通过跟踪消防新兵的早期职业生涯，并评估增强恢复力和多维度生物标志物监测对长期健康和操作准备的影响来扩展这项工作。
当前的研究结果强调了在消防学院环境中使用简单的、可行的每日早晨评估方法进行个性化监测的潜在价值，这些评估包括休息时的血流动力学、水分状态和感知压力。由于这些指标每天仅在休息时收集一次，它们可以作为训练阶段新兵恢复状态的实用指标，帮助教练识别那些在多周内持续表现出较高早晨指标的个体。实施纵向追踪（在体育领域通常称为负荷监测）可以作为早期预警系统，以便在需要时及时调整训练、恢复重点或医疗跟进。此外，可穿戴技术（如心率变异性传感器、睡眠监测器）和常规健康调查可以通过全天捕捉更连续的生理和行为数据来补充早晨监测。这些工具可以通过提供关于实火演练、高要求训练事件和休息期间的急性反应的见解，帮助解决每日一次评估的重要局限性。借鉴军事和体育科学的最佳实践（62,63），学院可以考虑制定结构化的每周“健康报告”，综合客观指标（如心率变异性、血压、水分标志物）和主观评分（如情绪、感知压力），以更好地支持新兵的健康、表现和保留率。我们感谢弗吉尼亚海滩消防学院提供本研究分析的数据。我们特别感谢培训人员和参与研究的消防新兵的合作与承诺，没有他们的支持，这项研究是不可能完成的。本研究的结果不代表美国运动医学会（ACSM）的认可。作者没有需要披露的利益冲突。去标识化的数据可根据合理请求从通讯作者处获得。
打赏
