Effect of different intensities of active recovery on sprint swimming performance
Notice bibliographique
Résumé
Active recovery reduces blood lactate concentration faster than passive recovery and, when the proper intensity is applied, a positive effect on performance is expected. The purpose of the study was to investigate the effect of different intensities of active recovery on performance during repeated sprint swimming. Nine male well-trained swimmers performed 8 repetitions of 25 m sprints (8 x 25 m) interspersed with 45 s intervals, followed by a 50 m sprint test 6 min later. During the 45 s and 6 min interval periods, swimmers either rested passively (PAS) or swam at an intensity corresponding to 50% (ACT50) and 60% (ACT60) of their individual 100 m velocity. Blood lactate was higher during PAS compared with ACT50 and ACT60 trials (p < 0.05), whereas plasma ammonia and glycerol concentration were not different between trials (p > 0.05). Mean performance time for the 8 x 25 m sprints was better in the PAS compared with the ACT50 and ACT60 trials (PAS: 13.10 +/- 0.07 vs. ACT50: 13.43 +/- 0.10 and ACT60: 13.47 +/- 0.10s, p < 0.05). The first 25 m sprint was not different across trials (p > 0.05), but performance decreased after sprint 2 during active recovery trials (ACT50 and ACT60) compared with the passive recovery (PAS) trial (p < 0.05). Performance time for the 50 m sprint performed 6 min after the 8 x 25 m sprints was no different between trials (p > 0.05). These results indicate that active recovery at intensities corresponding to 50% and 60% of the 100 m velocity during repeated swimming sprints decreases performance. Active recovery reduces blood lactate concentration, but does not affect performance on a 50 m sprint when 6 min recovery is provided. Passive recovery is advised during short-interval repeated sprint training in well-trained swimmers.
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) | 0,000 | 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 ».