Absolute versus relative intensity of physical activity in a dose-response context
Notice bibliographique
Résumé
PURPOSE: To examine the importance of relative versus absolute intensities of physical activity in the context of population health. METHODS: A standard computer-search of the literature was supplemented by review of extensive personal files. RESULTS: Consensus reports (Category D Evidence) have commonly recommended moderate rather than hard physical activity in the context of population health. Much of the available literature provides Category C Evidence. It has often confounded issues of relative intensity with absolute intensity or total weekly dose of exercise. In terms of cardiovascular health, there is some evidence for a threshold intensity of effort, perhaps as high as 6 METs, in addition to a minimum volume of physical activity. Decreases in blood pressure and prevention of stroke seem best achieved by moderate rather than high relative intensities of physical activity. Many aspects of metabolic health depend on the total volume of activity; moderate relative intensities of effort are more effective in mobilizing body fat, but harder relative intensities may help to increase energy expenditures postexercise. Hard relative intensities seem needed to augment bone density, but this may reflect an associated increase in volume of activity. Hard relative intensities of exercise induce a transient immunosuppression. The optimal intensity of effort, relative or absolute, for protection against various types of cancer remains unresolved. Acute effects of exercise on mood state also require further study; long-term benefits seem associated with a moderate rather than a hard relative intensity of effort. CONCLUSIONS: The importance of relative versus absolute intensity of effort depends on the desired health outcome, and many issues remain to be resolved. Progress will depend on more precise epidemiological methods of assessing energy expenditures and studies that equate total energy expenditures between differing relative intensities. There is a need to focus on gains in quality-adjusted life expectancy.
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 | 0,016 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».