Comparison of 2 weekly-equalized volume resistance-training routines using different frequencies on body composition and performance in trained males
Notice bibliographique
Résumé
The present study compared the effects of 2 weekly-equalized volume and relative load interventions on body composition, strength, and power. Based on individual baseline maximal strength values, 18 recreationally trained men were pair-matched and consequently randomly assigned to one of the following experimental groups: a low volume per session with a high frequency (LV-HF, n = 9) group who trained for 4 days (Mondays, Tuesdays, Thursdays, and Fridays) or a high volume per session and low frequency (HV-LF, n = 9) group who trained for 2 days (Mondays and Thursdays). Both groups performed 2 different routines over 6 weeks. Participants were tested pre- and post- intervention for maximal strength, upper body power, fat-free mass, limb circumferences, and muscle thickness. Compared with baseline values, both groups increased their fat-free mass (HV-LF: +1.19 ± 1.94; LV-HF: +1.36 ± 1.06 kg, p < 0.05) and vastus medialis thickness (HV-LF: +2.18 ± 1.88, p < 0.01; LV-HF: +1.82 ± 2.43 mm, p < 0.05), but only the HV-LF group enhanced arm circumference (1.08 ± 1.47 cm, p < 0.05) and elbow flexors thickness (2.21 ± 2.81 mm, P < 0.01) values and decreased their fat mass (–2.41 ± 1.10, P < 0.01). Both groups improved (p < 0.01) the maximal loads lifted in the bench press (LV-HF: +0.14 ± 0.01; HV-LF: +0.14 ± 0.01 kg·body mass −1 ) and the squat (LV-HF: +0.14 ± 0.06; HV-LF: 0.17 ± 0.01 kg·body mass −1 ) exercises as well as in upper body power (LV-HF: +0.22 ± 0.25; HV-LF: +0.27 ± 0.22 W·body mass −1 ) Although both training strategies improved performance and lower body muscle mass, only the HV-LF protocol increased upper body hypertrophy and improved body composition.
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 ».