Effects of Hyperoxic Training on Performance and Cardiorespiratory Response to Exercise
Notice bibliographique
Résumé
PURPOSE: To determine whether training in a hyperoxic environment would result in greater increases in VO2max and performance at 90% VO2max as compared with training in normoxia. METHODS: In a single blind design nine athletes trained for 6 wk on a cycle ergometer 3 d.wk(-1), 1 h.d(-1) (10 x 4-min intervals, with 2 min of rest between intervals) at 90% HR(max). Training HR range was maintained by adjusting the power output. Subjects were randomly assigned to H (60% O2) or N (21% O2) breathing conditions for training. After 12 wk of detraining, a second 6-wk training protocol was completed with the breathing conditions reversed. VO2max, performance time at 90% VO2max and cardiorespiratory response to a steady-state exercise at 80% VO2max were measured pre- and posttraining. All pre- and posttraining tests were conducted under normoxic conditions. RESULTS: There were no significant differences between pretraining results for any of the parameters. Power output was 8.1% higher while training in H compared with N, to maintain training HR. Both H and N training resulted in increased performance time, with H being greater than N. Although there was a trend for a greater increase in VO2max after H versus N training, this difference was not significant. HR(max) did not change for H or N. HR VE at 80% VO2max decreased posttraining with no differences between H and N. CONCLUSION: The data showed that a higher power output was required to maintain HR during H training. This increased training intensity during H resulted in improved exercise performance whereas cycling at 90% VO2max in room air and may be due to peripheral factors because cardiorespiratory responses were similar.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».