Brain activity and perceived exertion during cycling exercise: an fMRI study
Notice bibliographique
Résumé
BACKGROUND/AIM: Currently, the equipment and techniques available to assess brain function during dynamic exercise are limited, which has restricted our knowledge of how the brain regulates exercise. This study assessed the brain areas activated during cycling by making use of a novel cycle ergometer, constructed to measure functional MRI (fMRI) brain images during dynamic exercise. Furthermore, we compared brain activation at different levels of ratings of perceived exertion (RPE) generated during the exercise. METHODS: Seven healthy adults performed cycling exercise in a novel MRI compatible cycle ergometer while undergoing brain fMRI. Participants completed a cycling block protocol comprising six trials of 2 min cycling with 16-s intervals between trials. Participants reported their RPE every minute through an audio link. The MRI cycling ergometer transferred the torque generated on the ergometer through a cardan system to a cycling ergometer positioned outside the MRI room. For data analysis, the effects of cycling as opposed to rest periods were examined after motion correction. RESULTS: The multiparticipant analysis revealed in particular the activation of the cerebellar vermis and precentral and postcentral gyrus when periods of cycling versus rest were compared. Single participant analysis in four participants revealed that activation of the posterior cingulate gyrus and precuneus occurred in cycling blocks perceived as 'hard' compared with exercise blocks that were less demanding. CONCLUSIONS: The present study offers a new approach to assess brain activation during dynamic cycling exercise, and suggests that specific brain areas could be involved in the sensations generating the rating of perceived exertion.
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 | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».