Exercise Intensity Prescription in Obese Individuals
Notice bibliographique
Résumé
The main purpose of this study was to evaluate the relationship between different methods proposed by the American College of Sports Medicine (ACSM) to prescribe exercise intensity using heart rate (HR) and oxygen uptake (VO2) in obese individuals. Sixty-eight overweight to severely obese adults were divided into three groups (tertile) based on their BMI. The groups were T1 group (BMI = 30.5 +/- 1.5, n = 23), T2 group (BMI = 34.3 +/- 1.0, n = 23), and T3 group (BMI = 40.2 +/- 3.7, n = 22). All subjects performed a graded exercise test using a ramp protocol on a treadmill. Individual linear regressions between %HR reserve (%HRR) and %VO2 reserve (%VO2R), %HRR and %VO2 peak (%VO2peak), %maximal HR (%HRmax) and %VO2R, and %HRmax and %VO2peak were calculated. When all the subjects were grouped together, the %HRR-%VO2R mean regression was partially related to the line of identity, while the %HRR-%VO2peak, %HRmax-%VO2R, and %HRmax-%VO2peak mean regressions were all significantly different than the line of identity (P < 0.001). The degree of obesity accounted for approximately 15% of the variation for both %HRR-%VO2R and %HRR-%VO2peak mean regressions. The %HRmax-%VO2R and %HRmax-%VO2peak mean regressions were not affected by the degree of obesity but resting HR accounted for 28-37% of the variation. The relationship between the exercise intensity determined by the %HRR-%VO2R and the %HRR-%VO2peak mean regression seems to be influenced by the degree of obesity. The degree of obesity does not affect the relationship between exercise intensity generated by the %HRmax-%VO2R or %HRmax-%VO2peak equations but the resting HR does.
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 ».