Enjoyment And Affective Responses To High-intensity Interval Training In Overweight Adults
Notice bibliographique
Résumé
Physiological benefits of high-intensity interval training (HIIT) are well-established and indicate great potency for cardiometabolic effects. Research is now establishing that HIIT is more pleasurable than relatively intense continuous exercise, while investigations comparing HIIT to lower intensity continuous exercise is less available. PURPOSE: Investigate the affective and enjoyment responses to continuous and interval exercise in overweight and insufficiently active adults. METHODS: 16 overweight-to-obese participants (9 female, 7 male; mean BMI = 28, mean VO2 peak = 34 ml/kg/min) completed four counterbalanced trials comprised of a 30-minute continuous trial at 33% peak power (CONT) and three 20-minute interval trials that alternated between 85% and 15% peak power using 1:1 work-to-recovery ratios: 15 secs (INT-15), 30 secs (INT-30), and 60 seconds (INT-60). RESULTS: Data was analyzed using RM ANOVA and pairwise comparisons. Affect declined during the INT-60 trial (p < 0.01; 1.7 ± 1.7 to 0.6 ± 1.8; ES = 0.6) but was preserved during all other trials (p > 0.05; ES < 0.3). Similarly, enjoyment declined during the INT-60 trial (p < 0.05; 3.3 ± 1.1 to 2.8 ± 1.4; ES = 0.4) but was preserved during all other trials (p > 0.05; ES < 0.2). Comparison across trials near the end of exercise indicated that affect was lower in the INT-60 trial than all other trials (p < 0.05) and that enjoyment was lower in the INT-60 trial than INT-30 and INT-15 trials (p < 0.05). CONCLUSIONS: Findings indicate that HIIT trials composed of relatively short interval segments produce more positive affect and enjoyment than longer interval trials and responses that are more like those observed during longer continuous trials performed at low-to-moderate intensities. These results provide justification for the utilization of shorter interval trials as a relatively time-efficient alternative to lower intensity continuous exercise when maintenance of positive psychological states is a desired outcome.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».