MétaCan
Menu
Retour à la cohorte
Enregistrement W2053262646 · doi:10.1519/14183.1

Effect of Selected Recovery Conditions on Performance of Repeated Bouts of Intermittent Cycling Separated by 24 Hours

2004· article· en· W2053262646 sur OpenAlexaff
Kirstin N. Lane, Howard A. Wenger

Notice bibliographique

RevueThe Journal of Strength and Conditioning Research · 2004
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular and exercise physiology
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCyclingMedicineMassageImmersion (mathematics)Animal sciencePhysical therapyMathematicsBiology

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to examine the effects of active recovery (AR), massage (MR), and cold water immersion (CR) on performance of repeated bouts of high-intensity cycling separated by 24 hours. For each recovery condition, subjects were asked to take part in 2 intermittent cycling sessions; 18 minutes of varying work intervals performed in succession at a resistance of 80 g/kg body weight separated by 24 hours. One of four 15-minute recovery conditions immediately followed the first session and included: (a) AR, cycling at 30% Vo(2)max; (b) CR, immersion of legs in a 15 degrees C water bath; (c) MR, massage of the legs; and (d) control, seated rest. Only the control condition showed a significant decline in the total work completed between the first and second exercise sessions (108.1 +/- 5.4 kJ vs. 106.0 +/- 5.0 kJ, p < 0.05). Thus, AR, MR, and CR appeared to facilitate the recovery process between 2 high-intensity, intermittent exercise sessions separated by 24 hours.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,233

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,328
Écart entre enseignants0,314 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations88
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Strength and Conditioning ResearchMême sujetCardiovascular and exercise physiologyTravaux en français237 207