Neither Short-term Sprint nor Endurance Training Enhances Thermal Response to Exercise in a Hot Environment
Notice bibliographique
Résumé
Improvements in fitness from a brief period of physical training may elicit sufficient physiological adaptations to decrease thermal strain during exercise in the heat. This study tested heat adaptation from short-term endurance (ET) and sprint-interval (SIT) training in moderately fit individuals. The ET group (n = 8) cycled at 65% [Formula: see text] for 8 sessions (4 sessions each at 60 and 90 min, respectively) over two weeks, while the SIT group (n = 8) performed repeated 30-s Wingate sprints (resistance 7.5% body mass; 4 sessions each of 4 and 5 sprints, respectively). [Formula: see text] and heat stress testing (HST; 60 min cycling at 65% [Formula: see text] at 35ºC, 40% relative humidity) were performed pre- and post-training. [Formula: see text]increased by 11% (p = 0.025) and 14% (p = 0.020) for the ET and SIT groups post-training, respectively. Thermal stress was similar pre- and post-training, with no significant difference in the rate of whole-body metabolic heat production (p = 0.106) for either group post-training. Cardiovascular improvement was evident with both ET and SIT, with a significant mean decrease (p = 0.014) in HR for both groups (ET: 146 ± 15 beats·min(-1)pre vs. 142 ± 12 beats·min(-1)post; SIT: 149 ± 15 beats·min(-1)pre vs. 146 ± 12 beats·min(-1)post) during the HST post-training. However, mean sweat loss (p = 0.248) and the rise in core temperature (p = 0. 260) did not change significantly comparing pre- and post-training HST. While short-term ET and SIT both induced significant improvements in aerobic fitness and decreased cardiovascular strain, neither elicited improved thermal responses during exercise in the heat and do not replace heat acclimatization.
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) | 0,001 | 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 ».