Do multiple ionic interactions contribute to skeletal muscle fatigue?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle