Effects of Dopamine and Norepinephrine on Exercise-induced Oculomotor Fatigue
Notice bibliographique
Résumé
INTRODUCTION: Fatigue-induced impairments in the control of eye movements are detectable via reduced eye movement velocity after a bout of prolonged, strenuous exercise. Slower eye movements caused by neural fatigue within the oculomotor system can be prevented by caffeine, and the upregulation of central catecholamines may be responsible for this effect. This study explored the individual contribution of dopamine and norepinephrine to fatigue-related impairments in oculomotor control. METHODS: The influence of a dopamine reuptake inhibitor (methylphenidate) and a norepinephrine reuptake inhibitor (reboxetine) was assessed in 12 cyclists performing 180 min of stationary cycling within a placebo-controlled crossover design. Eye movement kinematics (saccades, smooth pursuit, and optokinetic nystagmus) were measured using infrared oculography. Visual attention was assessed with overt and covert spatial attention tasks. RESULTS: Exercise-induced fatigue was associated with a 6% ± 8% reduction in the peak velocity of visually guided, reflexive prosaccades. Importantly, both dopamine reuptake inhibition and norepinephrine reuptake inhibition prevented fatigue-related decrements in the peak velocity of prosaccades. Pursuit eye movements, optokinetic nystagmus, and visual attention tasks were unaffected by exercise or drug treatments. CONCLUSION: Overall, our findings suggest that alterations in norepinephrinergic and dopaminergic neurotransmission are linked with the development of fatigue within circuits that control eye movements. Psychiatric medications that target central catecholamines can exert a protective effect on eye movements after prolonged exercise.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».