Notice bibliographique
Résumé
OBJECTIVE: To examine acupuncture's effect on cycling performance. DESIGN: This was a prospective, single-blind, patient as own control (repeated measures), crossover design. Subjects underwent 3 tests a week, riding a stationary bike for 20-km as fast as able. Before each test, they received acupuncture (test A), "sham" acupuncture (test B), and no intervention (control, test C) once each in a random order. SETTING: University of Alberta, Faculty of Rehabilitation Medicine. PARTICIPANTS: 20 male cyclists (age, 18 to 30 years) were recruited via convenience sampling of students and general public. Athletic ability was assessed through a questionnaire and modified Par-Q. INTERVENTIONS: Acupuncture, sham acupuncture, and no intervention in random order with each subject before each test. Acupuncture points were chosen on the basis of Traditional Chinese Medicine and administered immediately before cycling. Sham was shallow needling of known acupoints. MAIN OUTCOME MEASUREMENTS: The outcome measures of each of the tests were time to completion, VAS for lower extremity/exercise-induced pain, Borg rating of perceived exertion (RPE), and blood lactate concentrations, recorded immediately following each test. RESULTS: Mean times to Test A, B, and C completion were 36.19 +/- 5.23, 37.03 +/- 5.66, and 37.48 +/- 6.00 minutes, respectively, P = 0.76. Mean RPE scores after tests A, B, and C were 17.65 +/- 0.67, 16.95 +/- 0.99, and 16.85 +/- 0.88, respectively, P = 0.0088. Mean VAS scores after tests A, B, and C were 7.72 +/- 0.86, 7.94 +/- 0.78, and 8.08 +/- 0.69, respectively, P = 0.76. CONCLUSIONS: The only statistically significant finding was that acupuncture gave higher RPE scores compared to the other tests. The clinical significance was that the higher RPE scores gave lower time and VAS scores.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 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 ».