Differences in efficiency between trained and recreational cyclists
Notice bibliographique
Résumé
Controversy still exists in the literature as to whether cycling experience affects gross mechanical efficiency (GME). The aim of this study was to identify differences in efficiency between trained and untrained cyclists. Thirty-two participants, 16 trained (mean+/-SD: age, 33+/-4 y; height, 1.76+/-0.05 m; mass 75+/-10 kg; Wmax, 421+/-38 W; maximal oxygen uptake, 62.6+/-7.30 mL.kg(-1).min(-1)) and 16 untrained (22+/-3 y, 175+/-0.06 m, 76+/-10 kg, 292+/-34 W, 42.6+/-7.80 mL.kg(-1).min(-1)), performed two tests of cycling efficiency. One was at the relative workloads of 50% and 60% Wmax and the other was at a fixed workload of 150 W using an electrically braked cycle ergometer. Cadence was maintained at the cyclist's preferred rate throughout. All workloads lasted 10 min with data sampling in the final 3 min. GME was calculated from the gas data. GME was found to be significantly higher in the trained cyclists across all workloads (+1.4%; p=0.03). At workloads of 60% Wmax GME was significantly lower than work at 150 W (-0.8%; p=0.04), but not significantly different from 50% Wmax. These results show that differences do exist between trained and untrained cyclists, illustrating that training experience is a factor that warrants further investigation.
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 ».