Which common NIRS variable reflects muscle estimated lactate threshold most closely?
Notice bibliographique
Résumé
Various near-infrared spectroscopy (NIRS) variables have been used to estimate muscle lactate threshold (LT), but no study has determined which common NIRS variable best reflects muscle estimated LT. Establishing the inflection point of 2 regression lines for deoxyhaemoglobin (DeltaHHb(i.p).), oxyhaemoglobin (DeltaO2Hb(i.p.)), and tissue oxygenation index (TOIi.p.), as well as for blood lactate concentration, we then investigated the relationships between NIRS variables and ventilatory threshold (VT), LT, or maximal tissue hemoglobin index (nTHImax) during incremental cycling exercise. DeltaHHb(i.p.) and TOI(i.p.) could be determined for all 15 subjects, but DeltaO2Hb(i.p.) was determined for only 11 subjects. The mean absolute values for the 2 measurable slopes of the 2 continuous linear regression lines exhibited increased changes in 3 NIRS variables. The workload and VO2 at DeltaO2Hb(i.p.) and nTHImax were greater than those at VT, LT, DeltaHHb(i.p.), and TOI(i.p.). For workload and VO2, DeltaHHb(i.p.) was correlated with VT and LT, whereas DeltaO2Hb(i.p.) was correlated with nTHImax, and TOI(i.p.) with VT and nTHImax. These findings indicate that DeltaO2Hb strongly corresponds with local perfusion, and TOI corresponds with both local perfusion and deoxygenation, but that DeltaHHb can exactly determine deoxygenation changes and reflect O2 metabolic dynamics. The finding of strongest correlations between DeltaHHb and VT or LT indicates that DeltaHHb is the best variable for muscle LT estimation.
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 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) | 0,001 | 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».