Muscular pre-conditioning using light-emitting diode therapy (LEDT) for high-intensity exercise: a randomized double-blind placebo-controlled trial with a single elite runner
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
Recently, low-level laser (light) therapy (LLLT) has been used to improve muscle performance. This study aimed to evaluate the effectiveness of near-infrared light-emitting diode therapy (LEDT) and its mechanisms of action to improve muscle performance in an elite athlete. The kinetics of oxygen uptake (VO2), blood and urine markers of muscle damage (creatine kinase--CK and alanine), and fatigue (lactate) were analyzed. Additionally, some metabolic parameters were assessed in urine using proton nuclear magnetic resonance spectroscopy ((1)H NMR). A LED cluster with 50 LEDs (λ = 850 nm; 50 mW 15 s; 37.5 J) was applied on legs, arms and trunk muscles of a single runner athlete 5 min before a high-intense constant workload running exercise on treadmill. The athlete received either Placebo-1-LEDT; Placebo-2-LEDT; or Effective-LEDT in a randomized double-blind placebo-controlled trial with washout period of 7 d between each test. LEDT improved the speed of the muscular VO2 adaptation (∼-9 s), decreased O2 deficit (∼-10 L), increased the VO2 from the slow component phase (∼+348 ml min(-1)), and increased the time limit of exercise (∼+589 s). LEDT decreased blood and urine markers of muscle damage and fatigue (CK, alanine and lactate levels). The results suggest that a muscular pre-conditioning regimen using LEDT before intense exercises could modulate metabolic and renal function to achieve better performance.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle