Fuel selection during short-term submaximal treadmill exercise in the cold is not affected by pre-exercise low-intensity shivering
Notice bibliographique
Résumé
Exercise and shivering rely on different metabolic pathways and consequently, fuel selection. The present study examined the effects of a pre-exercise low-intensity shivering protocol on fuel selection during submaximal exercise in a cold environment. Nine male subjects exercised 4 times for 60 min at 50% (LOW) or 70% (MOD) of their peak oxygen consumption on a motorized treadmill in a climatic chamber set at 0 °C with (SHIV) and without (CON) a pre-exercise cooling protocol, inducing low-intensity shivering. Thermal, cardiorespiratory and metabolic responses were measured every 15 min whereas blood samples were collected every 30 min to assess serum nonesterified fatty acids (NEFA), glycerol, glucose, β-hydroxybutyrate (BHB) and plasma catecholamine concentrations. Rectal and skin temperatures were lower in the SHIV condition, within LOW and MOD conditions, during the first 45 min of exercise. Norepinephrine (NE) concentration was greater in SHIV vs. CON within LOW (1.39 ± 0.17 vs. 0.98 ± 0.17 ng·mL(-1)) and MOD (1.50 ± 0.20 vs. 1.01 ± 0.09 ng·mL(-1)), whereas NEFA, glycerol and BHB were greater in SHIV vs. CON (1060 ± 49 vs. 898 ± 78 μmol·L(-1); 0.27 ± 0.02 vs. 0.22 ± 0.03 mmol·L(-1); 0.39 ± 0.06 vs. 0.27 ± 0.04 mmol·L(-1), respectively) within MOD only. No changes were observed in fat or carbohydrate oxidation between SHIV and CON during exercise. Despite increases in NE, NEFA, glycerol and BHB from pre-exercise low-intensity shivering, fuel selection during short-term submaximal exercise in the cold was unaltered.
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 ».