The effects of training in hyperoxia vs. normoxia on skeletal muscle enzyme activities and exercise performance
Notice bibliographique
Résumé
Inspiring a hyperoxic (H) gas permits subjects to exercise at higher power outputs while training, but there is controversy as to whether this improves skeletal muscle oxidative capacity, maximal O(2) consumption (Vo(2 max)), and endurance performance to a greater extent than training in normoxia (N). To determine whether the higher power output during H training leads to a greater increase in these parameters, nine recreationally active subjects were randomly assigned in a single-blind fashion to train in H (60% O(2)) or N for 6 wk (3 sessions/wk of 10 x 4 min at 90% Vo(2 max)). Training heart rate (HR) was maintained during the study by increasing power output. After at least 6 wk of detraining, a second 6-wk training protocol was completed with the other breathing condition. Vo(2 max) and cycle time to exhaustion at 90% of pretraining Vo(2 max) were tested in room air pre- and posttraining. Muscle biopsies were sampled pre- and posttraining for citrate synthase (CS), beta-hydroxyacyl-coenzyme A dehydrogenase (beta-HAD), and mitochondrial aspartate aminotransferase (m-AsAT) activity measurements. Training power outputs were 8% higher (17 W) in H vs. N. However, both conditions produced similar improvements in Vo(2 max) (11-12%); time to exhaustion (approximately 100%); and CS (H, 30%; N, 32%), beta-HAD (H, 23%; N, 21%), and m-AsAT (H, 21%; N, 26%) activities. We conclude that the additional training stimulus provided by training in H was not sufficient to produce greater increases in the aerobic capacity of skeletal muscle and whole body Vo(2 max) and exercise performance compared with training in N.
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) | 0,001 | 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 ».