Physiological, biochemical, anthropometric, and biomechanical influences on exercise economy in humans
Notice bibliographique
Résumé
Interindividual variation in running and cycling exercise economy ( EE ) remains unexplained although studied for more than a century. This study is the first to comprehensively evaluate the importance of biochemical, structural, physiological, anthropometric, and biomechanical influences on running and cycling EE within a single study. In 22 healthy males ( VO 2 max range 45.5‐72.1 mL·min −1 ·kg −1 ), no factor related to skeletal muscle structure (% slow‐twitch fiber content, number of capillaries per fiber), mitochondrial properties (volume density, oxidative capacity, or mitochondrial efficiency), or protein content ( UCP 3 and MFN 2 expression) explained variation in cycling and running EE among subjects. In contrast, biomechanical variables related to vertical displacement correlated well with running EE , but were not significant when taking body weight into account. Thus, running EE and body weight were correlated ( R 2 =.94; P <.001), but was lower for cycling EE ( R 2 =.23; P <.023). To separate biomechanical determinants of running EE , we contrasted individual running and cycling EE considering that during cycle ergometer exercise, the biomechanical influence on EE would be small because of the fixed movement pattern. Differences in cycling and running exercise protocols, for example, related to biomechanics, play however only a secondary role in determining EE . There was no evidence for an impact of structural or functional skeletal muscle variables on EE . Body weight was the main determinant of EE explaining 94% of variance in running EE , although more than 50% of the variability of cycling EE remains unexplained.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| 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 ».