Immersible ergocycle prescription as a function of relative exercise intensity
Notice bibliographique
Résumé
The purpose of this study was to establish the relationship between various expressions of relative exercise intensity percentage of maximal oxygen uptake (%VO2max), percentage of maximal heart rate (%HRmax), %VO2 reserve (%VO2R), and %HR reserve (%HRR)) in order to obtain the more appropriate method for exercise intensity prescription when using an immersible ergocycle (IE) and to propose a prediction equation to estimate oxygen consumption (VO2) based on IE pedaling rate (rpm) for an individualized exercise training prescription. Thirty-three healthy participants performed incremental exercise tests on IE and dryland ergocycle (DE) at equal external power output (Pext). Exercise on IE began at 40 rpm and was increased by 10 rpm until exhaustion. Exercise on DE began with an initial load of 25 W and increased by 25 W/min until exhaustion. VO2 was measured with a portable gas analyzer (COSMED K4b2) during both incremental tests. On IE and DE, %VO2R, %HRmax, and %HRR at equal Pext did not differ (p > 0.05). The %HRR vs. %VO2R regression for both IE and DE did not differ from the identity line %VO2R IE = 0.99 × HRR IE (%) + 0.01 (r2 = 0.91, SEE = 11%); %VO2R DE = 0.94 × HRR DE (%) + 0.01 (r2 = 0.94, SEE = 8%). Similar mean values for %HRmax, %VO2R, and %HRR at equal Pext were observed on IE and DE. Predicted VO2 obtained according to rpm on IE is represented by: VO2 (L/min) = 0.000542 × rpm2 − 0.026 × rpm + 0.739 (r = 0.91, SEE = 0.319 L/min). The %HRR–%VO2R relationship appears to be the most accurate for exercise training prescription on IE. This study offers new tools to better prescribe, control, and individualize exercise intensity on IE.
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 | 0,012 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».