The effects of hypohydration and fatigue on neuromuscular activation performance
Notice bibliographique
Résumé
This study investigated the effects of hypohydration by fluid restriction on voluntary and evoked indices of neuromuscular performance at a functional joint angle. Measures of static volitional peak force (2-3-s maximal muscle actions) and evoked peak twitch force, electromechanical delay, and rate of force development were obtained from the knee extensors (30° knee flexion) of 10 males (age, 24 (4) years; height, 1.76 (0.10) m; body mass, 78.7 (9.13) kg (mean (SD))) prior to and immediately following 24 h of (i) euhydration (EU) and (ii) hypohydration (HYP). Neuromuscular performance was also assessed in response to a fatiguing task (3 × 30-s maximal static knee extensions) following each condition. Repeated-measures ANOVAs showed that HYP was associated with a significant 2.1% loss in body mass (p < 0.001) and a 7.8% reduction in volitional peak force (p < 0.05). Following fatigue, data indicated statistically similar levels of impairment to volitional peak force (11.6%, p < 0.01) and rate of force development (21.0%, p < 0.01) between conditions (EU; HYP). No changes to any other indices of performance were observed. The substantive hypohydration-induced deficits to muscle strength at this functional joint angle might convey a decreased performance capability and should be considered by the hypohydrated athlete. Whilst hypohydration did not affect fatigue-related performance of the knee extensors, the additive changes associated with lower baseline levels of strength performance (7.8%) and fatigue (11.6%) coupled with slower rate of muscle force production (from 0-100 ms) following fatigue may present significant challenges to the maintenance of dynamic knee joint stability, particularly at this vulnerable joint position.
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 ».