Environmental temperature and exercise modality independently impact central and muscle fatigue among people with multiple sclerosis
Notice bibliographique
Résumé
Background Heat sensitivity and fatigue limit the ability of multiple sclerosis patients to participate in exercise. Objective The purpose of this study was to determine the optimal aerobic exercise parameters (environmental temperature and exercise modality) to limit exercise-induced central and muscle fatigue among people with multiple sclerosis. Methods Fourteen people with multiple sclerosis with varying levels of disability completed four randomized exercise sessions at 65% of the maximal volume of oxygen: body-weight supported treadmill cool (16°C), body-weight supported treadmill room (21°C), total-body recumbent stepper cool and total-body recumbent stepper room. Maximum voluntary contraction, electromyography, and evoked contractile properties were collected from the more affected plantar flexors along with subjective levels of fatigue, body temperature and perceived level of exertion. Results Exercise in cooler room temperature increased maximum voluntary contraction force ( p = 0.010) and stabilized body temperature ( p = 0.011) compared to standard room temperature. People with multiple sclerosis experienced greater peak twitch torque ( p = 0.047), shorter time to peak twitch ( p = 0.035) and a longer half relaxation time ( p = 0.046) after total-body recumbent stepper suggestive of less muscle fatigue. Conclusion Cooling the exercise environment limits the negative effects of central fatigue during aerobic exercise and using total-body recumbent stepper (work distributed among four limbs) rather than body-weight supported treadmill lessens muscular fatigue. Therapists can titrate these two variables to help people with multiple sclerosis achieve sufficient exercise workloads.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».