MétaCan
Menu
Retour à la cohorte
Enregistrement W2156680630 · doi:10.1139/h2012-083

Extremely short duration high-intensity training substantially improves endurance performance in triathletes

2012· article· en· W2156680630 sur OpenAlexvenueno aff
John Jakeman, Simon Adamson, John Babraj

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTime trialBlood lactateMedicineRegimenAerobic exercisePhysical therapyAnimal scienceHeart rateInternal medicineBlood pressure

Résumé

récupéré en direct d'OpenAlex

High-intensity training (HIT) involving 30-s sprints is an effective training regimen to improve aerobic performance. We tested whether 6-s HITs can improve aerobic performance in triathletes. Six subelite triathletes (age, 40 ± 9 years; weight, 86 ± 11 kg; body mass index, 26 ± 3 kg·m⁻²) took part in cycle HIT and 6 endurance-trained subelite athletes (age, 36 ± 9 years; weight, 82 ± 11 kg; BMI, 26 ± 3 kg·m⁻²) maintained their normal training routine. Before and after 2 weeks of HIT, involving 10 × 6-s sprints or normal activity, participants performed a self-paced 10-km time trial and a time to exhaustion test on a cycle ergometer. Finger prick blood samples were taken throughout the time to exhaustion test to determine blood lactate concentration. Two weeks of HIT resulted in a 10% decrease in self-paced 10-km time trial (p = 0.03) but no significant change in time to exhaustion. The time taken to reach onset of blood lactate accumulation (OBLA, defined as the point where blood lactate reaches 4 mmol·L⁻¹) was significantly increased following 2 weeks of HIT (p = 0.003). The change in time trial performance was correlated to the change in time taken to reach OBLA (R² = 0.63; p = 0.001). We concluded that a very short duration HIT is a very effective training regimen to improve aerobic performance in subelite triathletes and this is associated with a delay in blood lactate build-up.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,253
Écart entre enseignants0,221 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and MetabolismMême sujetSports Performance and TrainingTravaux en français237 207