The impact of work-matched interval training on <i>V</i>O<sub>2peak</sub> and <i>V</i>O<sub>2</sub> kinetics: diminishing returns with increasing intensity
Notice bibliographique
Résumé
High-intensity interval training (HIIT) improves peak oxygen uptake (V̇O2peak) and oxygen uptake (V̇O2) kinetics, however, it is unknown whether an optimal intensity of HIIT exists for eliciting improvements in these measures of whole-body oxidative metabolism. The purpose of this study was to (i) investigate the effect of interval intensity on training-induced adaptations in V̇O2peak and V̇O2 kinetics, and (ii) examine the impact of interval intensity on the frequency of nonresponders in V̇O2peak. Thirty-six healthy men and women completed 3 weeks of cycle ergometer HIIT, consisting of intervals targeting 80% (LO), 115% (MID), or 150% (HI) of peak aerobic power. Total work performed per training session was matched across groups. A main effect of training (p < 0.05) and a significant interaction effect was observed for V̇O2peak, with the change in V̇O2peak being greater (p < 0.05) in the MID group than the LO group; however, no differences were observed between the HI group and either the MID or LO groups (ΔV̇O2peak; LO, 2.7 ± 0.7 mL·kg(-1)·min(-1); MID, 5.8 ± 0.7; HI, 4.2 ± 1.0). The greatest proportion of responders was observed in the MID group (LO, 8/12; MID, 12/13; HI, 9/11). A nonsignificant relationship (p = 0.26; r(2) = 0.04) was found between the changes in V̇O2peak and τV̇O2. These results suggest that training at intensities around V̇O2peak may represent a threshold intensity above which further increases in training intensity provide no additional adaptive benefit. The dissociation between changes in V̇O2peak and V̇O2 kinetics also reflects the different underlying mechanisms regulating these adaptations.
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 | 0,001 |
| 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 ».