The kinetics of blood lactate in boys during and following a single and repeated all-out sprints of cycling are different than in men
Notice bibliographique
Résumé
This study characterized the impact of high-intensity interval training on the kinetics of blood lactate and performance in trained boys and men. Twenty-one boys (11.4 ± 0.8 years) and 19 men (29.4 ± 5.0 years) performed a set of four 30-s sprints with 2-min of rest and a single 30-s sprint on 2 separate occasions (randomized order) with assessment of performance. Blood lactate was assayed after each sprint and during 30 min of recovery from both tests. The individual time-curves of blood lactate concentration were fitted to the biexponential function as follows: [Formula: see text], where the velocity parameters γ1 and γ2 reflect the capacity to release lactate from the previously active muscle into the blood and to subsequently eliminate lactate from the organism, respectively. In both tests, peak blood lactate concentration was significantly lower in the boys (four 30-s sprints: 12.2 ± 3.6 mmol·L(-1); single 30-s sprint: 8.7 ± 1.8 mmol·L(-1)) than men (four 30-s sprints: 16.1 ± 3.3 mmol·L(-1); single 30-s sprint: 11.5 ± 2.1; p < 0.001). The boys exhibited faster γ1 (1.4531 ± 0.65 min; p < 0.001) and γ2 (0.059 ± 0.023 min; p = 0.01) in the single 30-s sprint and faster γ2 (0.049 ± 0.016 min; p = 0.01) in the four 30-s sprints. The worsening of performance from the first to the last of the four 30-s sprints was less pronounced in boys (9.2% ± 13.9%) than men (19.2% ± 11.5%; p = 0.01). In the present study boys, when compared with men, exhibited lower Peak blood lactate concentration; less pronounced decline in performance during the sprints concomitantly with more rapid release and elimination during the single 30-s sprint; and faster elimination of lactate following the four 30-s sprints.
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 ».