Biomechanical analysis to determine the external power output on an immersible ergocycle
Notice bibliographique
Résumé
The external power output (Pext) is unknown during chest-level immersion exercise on water immersible ergocycles (IE). This knowledge will allow the practitioner to prescribe accurately exercise on an IE to the same workload on dryland ergocycle (DE). To develop a mathematical model to calculate Pext during chest-level immersion exercise on IE at different pedalling rates (rpm) taking into account the water external force exerted on the legs and pedalling mechanism. Thirty healthy participants (age: 33 ± 10 years) performed a maximal incremental exercise test on IE (chest-level immersion) and on a DE. Pedalling rate was increased by 10 rpm every minute beginning at 40 till 120 rpm. Pext was calculated by applying the general fluid equation [Formula: see text] on all elements exposed to water external force exertions (legs and pedalling system). Regression analysis yielded the following equations to determine (1) IE Pext (W) based on pedalling rate (rpm): Pext (W) = 0.0004 (rpm)(2.993) (r(2) = 0.99, SEE = 7.6 W, p < 0.0001) and (2) when DE Pext (W) is known, IE pedalling rate (rpm) = 13.91 × DE Pext (W)(0.329) (r(2) = 0.99, SEE = 1.5 W, p < 0.0001). This study provides a mathematical model based on the general fluid equation to calculate IE Pext during chest-level immersion exercise using pedalling rate (rpm), IE pedalling system physical characteristics and lower limb size. This model can be used to determine Pext for any IE type for exercise training prescription.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».