Do multiple ionic interactions contribute to skeletal muscle fatigue?
Notice bibliographique
Résumé
During intense exercise or electrical stimulation of skeletal muscle the concentrations of several ions change simultaneously in interstitial, transverse tubular and intracellular compartments. Consequently the functional effects of multiple ionic changes need to be considered together. A diminished transsarcolemmal K(+) gradient per se can reduce maximal force in non-fatigued muscle suggesting that K(+) causes fatigue. However, this effect requires extremely large, although physiological, K(+) shifts. In contrast, moderate elevations of extracellular [K(+)] ([K(+)](o)) potentiate submaximal contractions, enhance local blood flow and influence afferent feedback to assist exercise performance. Changed transsarcolemmal Na(+), Ca(2+), Cl(-) and H(+) gradients are insufficient by themselves to cause much fatigue but each ion can interact with K(+) effects. Lowered Na(+), Ca(2+) and Cl(-) gradients further impair force by modulating the peak tetanic force-[K(+)](o) and peak tetanic force-resting membrane potential relationships. In contrast, raised [Ca(2+)](o), acidosis and reduced Cl(-) conductance during late fatigue provide resistance against K(+)-induced force depression. The detrimental effects of K(+) are exacerbated by metabolic changes such as lowered [ATP](i), depleted carbohydrate, and possibly reactive oxygen species. We hypothesize that during high-intensity exercise a rundown of the transsarcolemmal K(+) gradient is the dominant cellular process around which interactions with other ions and metabolites occur, thereby contributing to fatigue.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».