MétaCan
Menu
Retour à la cohorte
Enregistrement W2596898459 · doi:10.1139/apnm-2016-0711

Whole-body active warm-up and inspiratory muscle warm-up do not improve running performance when carrying thoracic loads

2017· article· en· W2596898459 sur OpenAlexvenueno aff
Mark A. Faghy, Peter I. Brown

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBackpackMedicinePlaceboTime trialRunning economyAnimal scienceSurgeryInternal medicineBlood pressureVO2 maxBiologyHeart ratePathologyStructural engineering

Résumé

récupéré en direct d'OpenAlex

Whole-body active warm-ups (AWU) and inspiratory muscle warm-up (IMW) prior to exercise improves performance on some endurance exercise tasks. This study investigated the effects of AWU with and without IMW upon 2.4-km running time-trial performance while carrying a 25-kg backpack, a common task and backpack load in physically demanding occupations. Participants (n = 9) performed five 2.4-km running time-trials with a 25-kg thoracic load preceded in random order by (i) IMW comprising 2 × 30 inspiratory efforts against a pressure-threshold load of 40% maximal inspiratory pressure (P I max ), (ii) 10-min unloaded running (AWU) at lactate turnpoint (10.33 ± 1.58 km·h −1 ), (iii) placebo IMW (PLA) comprising 5-min breathing using a sham device, (iv) AWU+IMW, and (v) AWU+PLA. Pooled baseline P I max was similar between trials and increased by 7% and 6% following IMW and AWU+IMW (P < 0.05). Relative to baseline, pooled P I max was reduced by 9% after the time-trial, which was not different between trials (P > 0.05). Time-trial performance was not different between any trials. Whole-body AWU and IMW performed alone or combination have no ergogenic effect upon high-intensity, short-duration performance when carrying a 25-kg load in a backpack.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,790
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0040,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,383
Écart entre enseignants0,334 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and MetabolismMême sujetOccupational Health and PerformanceTravaux en français237 207