Postexercise cold-water immersion improves intermittent high-intensity exercise performance in normothermia
Notice bibliographique
Résumé
A brief cold water immersion between 2 continuous high-intensity exercise bouts improves the performance of the latter compared with passive recovery in the heat. We investigated if this effect is apparent in normothermic conditions (∼19 °C), employing an intermittent high-intensity exercise designed to reflect the work performed at the high-intensity domain in team sports. Fifteen young active men completed 2 exhaustive cycling protocols (Ex1 and Ex2: 12 min at 85% ventilatory threshold (VT) and then an intermittent exercise alternating 30-s at 40% peak power (P peak ) and 30 s at 90% P peak to exhaustion) separated by 15 min of (i) passive rest, (ii) 5-min cold-water immersion at 8 °C, and (iii) 10-min cold-water immersion at 8 °C. Core temperature, heart rate, rates of perceived exertion, and oxygen uptake kinetics were not different during Ex1 among conditions. Time to failure during the intermittent exercise was significantly (P < 0.05) longer during Ex2 following the 5- and 10-min cold-water immersions (7.2 ± 3.5 min and 7.3 ± 3.3 min, respectively) compared with passive rest (5.8 ± 3.1 min). Core temperature, heart rate, and rates of perceived exertion were significantly (P < 0.05) lower during most periods of Ex2 after both cold-water immersions compared with passive rest. The time constant of phase II oxygen uptake response during the 85% VT bout of Ex2 was not different among the 3 conditions. A postexercise, 5- to 10-min cold-water immersion increases subsequent intermittent high-intensity exercise compared with passive rest in normothermia due, at least in part, to reductions in core temperature, circulatory strain, and effort perception.
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 ».