A Comparison of Increases in Volume Load Over 8 Weeks of Low-Versus High-Load Resistance Training
Notice bibliographique
Résumé
BACKGROUND: It has been hypothesized that the ability to increase volume load (VL) via a progressive increase in the magnitude of load for a given exercise within a given repetition range could enhance the adaptive response to resistance training. OBJECTIVES: The purpose of this study was to compare changes in volume load (VL) over eight weeks of resistance training (RT) in high-versus low-load protocols. MATERIALS AND METHODS: Eighteen well-trained men were matched according to baseline strength were randomly assigned to either a low-load RT (LOW, n = 9) where 25 - 35 repetitions were performed per exercise, or a high-load RT (HIGH, n = 9) where 8 - 12 repetitions were performed per exercise. Both groups performed three sets of seven exercises for all major muscles three times per week on non-consecutive days. RESULTS: After adjusting for the pre-test scores, there was a significant difference between the two intervention groups on post-intervention total VL with a very large effect size (F (1, 15) = 16.598, P = .001, ηp(2) = .525). There was a significant relationship between pre-intervention and post-intervention total VL (F (1, 15) = 32.048, P < .0001, ηp(2) = .681) in which the pre-test scores explained 68% of the variance in the post-test scores. CONCLUSIONS: This study indicates that low-load RT results in greater accumulations in VL compared to high-load RT over the course of 8 weeks of training.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».