¿Cuánta cafeína puedo tomar diariamente?

lleri/ abril 15, 2019/ 3.- Estilo de Vida

Para la mayoría de nosotros, esta no es una pregunta normal. Afortunadamente, alguien más lo ha planteado y creado un algoritmo para calcular Cuánta cafeína podemos tomar para llegar a un mejor cerebro y rendimiento físico.

2B-Alert Webpredecir los efectos de sueño/vigilia y cafeína en alertnessBH
SAIBiotechnology Instituto de aplicaciones de software HPC

Esta herramienta de software predice el estado de alerta de un individuo «promedio» como una función del horario de sueño/vigilia y el consumo de cafeína. Específicamente, esta herramienta permite a los usuarios introducir manualmente un horario de sueño/vigilia y la dosificación y la sincronización de la cafeína, y muestra las predicciones correspondientes para tres diferentes estadísticas de vigilancia psicomotora tarea alerta. 

Esta herramienta se puede utilizar para:

  1. Evaluar el efecto de diferentes horarios de sueño/vigilia y consumo de cafeína
  2. Diseña horarios de sueño/vigilia y cafeína para optimizar el estado de alerta
  3. Genere hipótesis que puedan ser probadas experimentalmente
  4. Próximamente: la capacidad de optimizar el uso de cafeína

Descargo de responsabilidad: la herramienta web 2B-Alert es sólo para fines educativos e informativos. No se debe utilizar para predecir el desempeño de cualquier individuo específico o la probabilidad de errores o accidentes por cualquier individuo específico o un grupo de individuos.

Referencias clave:

  1. Rajdev, P., D. Thorsley, S. Rajaraman, t. l. Rupp, n. j. Wesensten, t. j. Balkin y J. Reifman. Un modelo matemático unificado para cuantificar el deterioro del rendimiento tanto para la restricción crónica del sueño como para la privación total del sueño. Revista de biología teórica. 2013 de abril de 24; 331:66-77. (ID de PubMed: 23623949)
  2. Ramakrishnan, S., S. Laxminarayan, n. j. Wesensten, g. h. Kamimori, t. j. Balkin y J. Reifman. Modelo dependiente de la dosis de efectos de la cafeína en la vigilancia humana durante la privación total del sueño. Revista de biología teórica. 2014 de octubre 7; 358:11-24. (ID de PubMed: 24859426)
  3. Ramakrishnan, S., n. j. Wesensten, t. j. Balkin y J. Reifman. Un modelo unificado de performance: validación de sus predicciones en diferentes programaciones de sueño/vigilia. Dormir. 2016 de enero de 1; 39 (1): 249-262. (ID de PubMed: 26518594)
  4. Ramakrishnan, S., n. j. Wesensten, g. h. Kamimori, j. e. Moon, t. j. Balkin y J. Reifman. Un modelo unificado de rendimiento para predecir los efectos del sueño y la cafeína. Dormir. 2016 octubre 1; 39 (10): 1827-1841. (ID de PubMed: 27397562)
  5. Reifman, J., K. Kumar, n. j. Wesensten, n. s. Tountas, t. j. Balkin y S. Ramakrishnan. 2B-Alert Web: una herramienta de acceso abierto para predecir los efectos de los programas de sueño/vigilia y el consumo de cafeína en el rendimiento neuroconductual. Dormir. 2016 diciembre 1; 39 (12): 2157-2159. (ID de PubMed: 27634801)
  6. Vital-López, f. g., S. Ramakrishnan, t. j. Doty, t. j. Balkin y J. Reifman. Estrategias de dosificación de cafeína para optimizar el estado de alerta durante la pérdida de sueño. Journal of Sleep Research. 2018 de mayo de 28; e12711. (ID de PubMed: 29808510)
  7. Reifman, J., S. Ramakrishnan, J. Liu, A. Kapela, t. j. Doty, t. j. Balkin, K. Kumar y m. Y. Khitrov. 2B-Alert App: una aplicación móvil para la predicción individualizada en tiempo real de la lucidez mental. Journal of Sleep Research. 2018 julio 23:e12725. (ID de PubMed: 30033688)

Cite 2B-Alert web como:

Reifman, J., K. Kumar, n. j. Wesensten, n. s. Tountas, t. j. Balkin y S. Ramakrishnan. 2B-Alert Web: una herramienta de acceso abierto para predecir los efectos de los programas de sueño/vigilia y el consumo de cafeína en el rendimiento neuroconductual. Dormir. 2016 diciembre 1; 39 (12): 2157-2159.



https://2b-alert-web.bhsai.org/2b-alert-web/login.xhtml


Compartir esta entrada