Vascular conductance and muscle blood flow during exercise are altered by inspired oxygen fraction and arterial perfusion pressure
Notice bibliographique
Résumé
Abstract We tested the hypothesis during the combined challenges of altered inspired O 2 fraction (F I O 2 ) and posture changes at lower power output regardless of body position that the vascular conductance (VC) recruitment to the exercising muscle would not limit muscle perfusion and estimated O 2 delivery (DO 2 est ). However, in head‐down tilt at the higher power output exercise in hypoxia, the recruitment of VC would have a functional limitation which would restrict muscle blood flow (MBF) leading to a limitation in DO 2 est with consequent increases in metabolic stress. Ten healthy volunteers repeated plantar flexion contractions at 20% (low power output = LPO) and 30% (higher power output = HPO) of their maximal voluntary contraction in horizontal (HOR), 35° head‐down‐tilt (HDT) and 45° head‐up‐tilt (HUT). Popliteal diameter and muscle blood flow velocity were measured by ultrasound determining MBF. VC was estimated by dividing MBF flow by MPP, and DO 2 est was estimated by MBF times saturation. LPO HUT in hypoxia was associated with no changes in VC and MBF leading to reduced DO 2 est . In LPO HDT under hypoxia, despite no apparent functional limitation in the VC recruitment, rise in MBF to maintain DO 2 est was associated with marked increase in muscle electromyographic activity, indicating greater metabolic stress. In HPO HDT under hypoxia, a functional limitation for the recruitment of VC constrained MBF and DO 2 est . Elevated muscle electromyographic signal in HPO HDT under hypoxia was consistent with challenged aerobic metabolisms which contributed to a greater increase in the relative stress of the exercise challenge and advance the onset of muscle fatigue.
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 ».