Effects of Respiratory Muscle Training on Performance in Athletes
Notice bibliographique
Résumé
The purpose of this study was to perform a systematic review to determine if respiratory muscle training (RMT) improves sport performance and respiratory muscle strength and endurance. Methodology followed the Cochrane Collaboration protocol. MEDLINE, CINAHL, SPORTDiscus, PEDro, EMBASE, EBM reviews, and COCHRANE electronic databases were searched until July 2011. Articles were included if: (a) participants were athletes; (b) RMT was compared with sham or control in a randomized controlled design and included outcomes of respiratory muscle and sport performance; and (d) published in English. Quality assessment using PEDro and data abstraction was performed by 2 authors. Outcomes evaluated were measures of sport performance, exercise capacity, spirometry, and respiratory muscle strength and endurance. Meta-analyses were performed on outcomes reported in 2 or more papers. Results of this systematic review revealed that of the 6,923 citations retrieved from the search strategy, 21 met the inclusion criteria. Meta-analyses demonstrated a significant positive effect of RMT on sport performance outcomes of time trials, exercise endurance time, and repetitions on Yo-Yo tests. Inspiratory muscle strength and endurance improved in most studies, which in part, was dependent on the type of RMT employed. Determination of the type of athlete that may benefit most from RMT was limited by small sample sizes, differing RMT protocols, and differences in outcome measures across studies. In conclusion, RMT can improve sport performance. Closer attention to matching the ventilatory demands of RMT to those required during athletic competition and more aggressive progression of training intensity may show greater improvements in future studies.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».