Whole-body hypothermia has central and peripheral influences on elbow flexor performance
Notice bibliographique
Résumé
The superimposed twitch technique was used to study the effect of whole-body hypothermia on maximal voluntary activation of elbow flexors. Seven subjects [26.4 ± 4 years old (mean ± SD)] were exposed to 60 min of either immersion in 8°C water (hypothermia) or sitting in 22°C air (control). Voluntary activation was assessed during brief (3 s) maximal voluntary contractions (MVCs) and then during a 2 min fatiguing sustained MVC. Hypothermia (core temperature 34.8 ± 0.9°C) decreased maximal voluntary torque from 98.2 ± 1.0 to 82.8 ± 5.8% MVC (P < 0.001) and increased central conduction time from 7.9 ± 0.4 to 9.1 ± 0.7 ms (P < 0.05). Hypothermia also decreased maximal resting twitch amplitude from 17.6 ± 4.0 to 10.0 ± 1.7% MVC (P < 0.005) and increased the time-to-peak twitch tension from 55.4 ± 4.0 to 79.0 ± 11.7 ms (P < 0.001). During the 2 min contraction, hypothermia decreased initial torque (P < 0.01) but attenuated the subsequent rate of torque decline (control from 95.5 ± 4 to 29.4 ± 8% MVC; and hypothermia from 85.3 ± 8 to 37.3 ± 5% MVC; P < 0.01). Cortical superimposed twitches increased as fatigue developed but were always lower in the hypothermic conditions. Cortical superimposed twitches increased from a value of 0.4 ± 0.3% MVC prefatigue to 3.9 ± 1.4% MVC postfatigue (P < 0.001) in the hypothermic conditions and from 1.7 ± 0.9 to 5.5 ± 2.3% MVC in control conditions. Our results suggest that hypothermia decreases MVCs primarily via peripheral mechanisms and attenuates the rate of fatigue development by reducing central fatigue.
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) | 0,002 | 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 ».