Can Pacing Be Regulated by Post-Activation Potentiation? Insights from a Self-Paced 30 km Trial in Half-Marathon Runners
Notice bibliographique
Résumé
PURPOSE: Given the co-existence of post-activation potentiation (PAP) and fatigue within muscle, it is not known whether PAP could influence performance and pacing during distance running by moderating fatigue. The aim of this study was to assess the influence of PAP on pacing, jumping and other physiological measures during a self-paced 30 km trial. METHODS: Eleven male endurance-trained runners (half-marathon runners) volunteered to participate in this study. Runners participated in a multi-stage 30 km trial. Before the trial started, determination of baseline blood lactate (bLa) and countermovement jump (CMJ) height was performed. The self-paced 30 km trial consisted of 6 × 5 km splits. At the end of each 5 km split (60 s break), data on time to complete the split, CMJ height, Rating of Perceived Exertion (RPE) and blood lactate were collected while heart rate was continuously monitored. RESULTS: There was a significant decrease in speed (e.g. positive pacing strategy after the 4th split, p<0.05) with a progressive increase in RPE throughout the trial. Compared with baseline, CMJ height was significantly (p<0.05) greater than baseline and was maintained until the end of the trial with an increase after the 5th split, concomitant with a significant reduction in speed and an increase in RPE. Significant correlations were found between ΔCMJ and ΔSPEED (r = 0.77 to 0.87, p<0.05) at different time points as well as between RPE and speed (r = -0.61 to -0.82, p<0.05). CONCLUSION: Our results indicates that fatigue and potentiation co-exist during long lasting endurance events, and that the observed increase in jump performance towards the end of the trial could be reflecting a greater potentiation potentially perhaps counteracting the effects of fatigue and preventing further reductions in speed.
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) | 0,000 | 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 | 0,000 |
| 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 ».