Spectral properties of muscle activation during incremental cycling test
Notice bibliographique
Résumé
It is uncertain whether fatigue and workload would affect muscle recruitment during cycling. To infer on changes in priority for recruitment of motor units, we assessed the combined effects of fatigue and workload during an incremental cycling test to exhaustion on frequency components of lower limbs muscle activation. Competitive cyclists performed an incremental maximal cycling test while muscle activations were recorded from the right and left vastus lateralis, biceps femoris and gastrocnemius medialis. Muscle activation signals were assessed using frequency band analyses and decomposed into overall, high and low frequency bands. Combined effects from workload/fatigue were assessed using t tests and Cohen’s effect sizes (ES). There were increases in the overall muscle activation due to increased workload/fatigue for biceps femoris (40% vs. 90%, p<0.01 and ES = 1.85) and vastus lateralis (40% vs. 70%, p=0.01 and ES = 0.96, and 40% vs. 90%, p<0.01 and ES = 2.03, and 70% vs. 90%, p<0.01 and ES = 0.96), but not for gastrocnemius medialis. There was also greater contribution from low frequency component for biceps femoris (40% vs. 90%, p = 0.01 and ES = 1.12). Similar workload/fatigue effects have been observed between lower limbs. In conclusion, incremental cycling test lead to an increase in activation of main knee joint flexors and extensors but not in plantar flexors during cycling. Biceps femoris changes its recruitment profile due to increases in low frequency content.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».