Effects of Low- vs. High-Load Resistance Training on Muscle Strength and Hypertrophy in Well-Trained Men
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
The purpose of this study was to compare the effect of low- versus high-load resistance training (RT) on muscular adaptations in well-trained subjects. Eighteen young men experienced in RT were matched according to baseline strength and then randomly assigned to 1 of 2 experimental groups: a low-load RT routine (LL) where 25-35 repetitions were performed per set per exercise (n = 9) or a high-load RT routine (HL) where 8-12 repetitions were performed per set per exercise (n = 9). During each session, subjects in both groups performed 3 sets of 7 different exercises representing all major muscles. Training was performed 3 times per week on nonconsecutive days, for a total of 8 weeks. Both HL and LL conditions produced significant increases in thickness of the elbow flexors (5.3 vs. 8.6%, respectively), elbow extensors (6.0 vs. 5.2%, respectively), and quadriceps femoris (9.3 vs. 9.5%, respectively), with no significant differences noted between groups. Improvements in back squat strength were significantly greater for HL compared with LL (19.6 vs. 8.8%, respectively), and there was a trend for greater increases in 1 repetition maximum (1RM) bench press (6.5 vs. 2.0%, respectively). Upper body muscle endurance (assessed by the bench press at 50% 1RM to failure) improved to a greater extent in LL compared with HL (16.6 vs. -1.2%, respectively). These findings indicate that both HL and LL training to failure can elicit significant increases in muscle hypertrophy among well-trained young men; however, HL training is superior for maximizing strength adaptations.
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 | 0,002 | 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 | 0,001 |
| 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