MétaCan
Menu
Retour à la cohorte
Enregistrement W2069510464 · doi:10.1249/mss.0b013e3181e5eacd

Run Sprint Interval Training Improves Aerobic Performance but Not Maximal Cardiac Output

2010· article· en· W2069510464 sur OpenAlexaff
Rebecca E. K. MacPherson, Tom J. Hazell, T. Dylan Olver, D. H. Paterson, Peter W.R. Lemon

Notice bibliographique

RevueMedicine & Science in Sports & Exercise · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular and exercise physiology
Établissements canadiensHealth Sciences CentreWestern University
Organismes subventionnairesnon disponible
Mots-clésSprintInterval trainingLean body massAnimal scienceMedicineTime trialTreadmillAerobic exerciseHigh-intensity interval trainingRunning economyEndurance trainingVO2 maxCardiac outputMathematicsPhysical therapyHeart rateCardiologyInternal medicineBody weightHemodynamicsBiologyBlood pressure

Résumé

récupéré en direct d'OpenAlex

UNLABELLED: Repeated maximal-intensity short-duration exercise (sprint interval training, SIT) can produce muscle adaptations similar to endurance training (ET) despite a much reduced training volume. However, most SIT data use cycling, and little is known about its effects on body composition or maximal cardiac output (Qmax). PURPOSE: The purpose of this study was to assess body composition, 2000-m run time trial, VO(2max), and Q(max) effects of run SIT versus ET. METHODS: Men and women (n = 10 per group; mean ± SD: age = 24 ± 3 yr) trained three times per week for 6 wk with SIT, 30-s all-out run sprints (manually driven treadmill), four to six bouts per session, 4-min recovery per bout, versus ET, 65% VO(2max) for 30 to 60 min·d(-1). RESULTS: Training improved (P < 0.05) body composition, 2000-m run time trial performance, and VO(2max) in both groups. Fat mass decreased 12.4% with SIT (mean ± SEM; 13.7 ± 1.6 to 12.0 ± 1.6 kg) and 5.8% with ET (13.9 ± 1.7 to 13.1 ± 1.6 kg). Lean mass increased 1% in both groups. Time trial performance improved 4.6% with SIT (-25.6 ± 8.1 s) and 5.9% with ET (-31.9 ± 6.3 s). VO(2max) increased 11.5% with SIT (46.8 ± 1.6 to 52.2 ± 2.0 mL·kg·(-1)·min(-1)) and 12.5% with ET (44.0 ± 2.0 to 49.5 ± 2.6 mL·kg·(-1)·min(-1)). None of these improvements differed between groups. In contrast, Q(max) increased by 9.5% with ET only (22.2 ± 2.0 to 24.3 ± 1.6 L·min(-1)). CONCLUSIONS: Despite a fraction of the time commitment, run SIT induces similar body composition, VO(2max), and performance adaptations as ET, but with no effect on Q(max). These data suggest that adaptations with ET are of central origin primarily, whereas those with SIT are more peripheral

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,018
Tête enseignante GPT0,263
Écart entre enseignants0,245 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations273
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicine & Science in Sports & ExerciseMême sujetCardiovascular and exercise physiologyTravaux en français237 207