Effect of high‐speed power training on muscle performance, function, and pain in older adults with knee osteoarthritis: A pilot investigation
Notice bibliographique
Résumé
OBJECTIVE: To examine the effect of high-speed power training (HSPT) on muscle performance, mobility-based function, and pain in older adults with knee osteoarthritis. METHODS: Thirty-three participants (mean ± SD age 67.6 ± 6.8 years) were randomized to HSPT (n = 12), slow-speed strength training (SSST; n = 10), or control (CON; n = 11) for a 12-week intervention. HSPT performed 3 sets of 12-14 repetitions at 40% of the 1-repetition maximum (1RM) "as fast as possible," SSST performed 3 sets of 8-10 repetitions at 80% of the 1RM slowly, and CON performed stretching and warm-up exercises. Outcome measures included leg press (LP) 1RM and LP peak power (PP) from 40-90% of the 1RM and the corresponding PP velocity (PPV) and PP force; 400-meter walk, Berg Balance Scale, and timed chair rise; and self-reported function and pain using the Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC). Analysis of variance models were used to compare changes from baseline to 12 weeks. Statistical significance was accepted at P < 0.05. RESULTS: LP PP improved in both HSPT and SSST compared to CON (P = 0.04). LP PPV improved only in HSPT (P = 0.01). There were also improvements in timed chair rise (P = 0.002), WOMAC function (P = 0.004), and WOMAC pain (P = 0.02) across all of the groups. CONCLUSION: HSPT was effective at improving function and pain, but no more so than either SSST or CON. Because HSPT improved multiple muscle performance measures (strength, power, and speed), it is a more effective resistance training protocol than SSST and may increase safety in this population, especially when high-speed movements are required during daily tasks.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».