Differences in the motor unit firing rates and amplitudes in relation to recruitment thresholds during submaximal contractions of the first dorsal interosseous between chronically resistance-trained and physically active men
Notice bibliographique
Résumé
Previous investigations report no changes in motor unit (MU) firing rates during submaximal contractions following resistance training. These investigations did not account for MU recruitment or examine firing rates as a function of recruitment threshold (REC). Therefore, MU recruitment and firing rates in chronically resistance-trained (RT) and physically active controls (CON) were examined. Surface electromyography signals were collected from the first dorsal interosseous during isometric muscle actions at 40% and 70% maximal voluntary contraction (MVC). For each MU, force at REC, mean firing rate (MFR) during the steady force, and MU action potential amplitude (MUAP AMP ) were analyzed. For each individual and contraction, the MFRs were linearly regressed against REC, whereas, exponential models were applied to the MFR versus MUAP AMP and MUAP AMP versus REC relationships with the y-intercepts and slopes (linear) and A and B terms (exponential) calculated. For the 40% MVC, the RT had less negative slopes (p = 0.001) and lower y-intercepts (p = 0.006) of the MFR versus REC relationships and lower B terms (p = 0.011) of the MUAP AMP versus REC relationships. There were no differences in either relationship between groups for the 70% MVC. During the 40% MVC, the RT had a smaller range of MFRs and MUAP AMPS in comparison with the CON, likely because of reduced MU recruitment. The RT had lower MFRs and recruitment during the 40% MVC, which may indicate a leftward shift in the force–frequency relationship, and thus require less excitation to the motoneuron pool to match the same relative force.
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) | 0,000 | 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 ».