MétaCan
Menu
Retour à la cohorte
Enregistrement W2790057164 · doi:10.1371/journal.pone.0192231

Effect of repeated-sprints on the reliability of short-term parasympathetic reactivation

2018· article· en· W2790057164 sur OpenAlexaff
Matteo Bonato, Andrea Meloni, Giampiero Merati, Antonio La Torre, Luca Agnello, Gianluca Vernillo

Notice bibliographique

RevuePLoS ONE · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Rate Variability and Autonomic Control
Établissements canadiensUniversity of Calgary
Organismes subventionnairesUniversità degli Studi di Milano
Mots-clésIntraclass correlationHeart rate variabilityCoefficient of variationReliability (semiconductor)MathematicsMedicineCardiologyStatisticsHeart rateReproducibilityInternal medicineBlood pressurePhysics

Résumé

récupéré en direct d'OpenAlex

This study determined the reliability of post-exercise heart rate recovery (HRR) and vagal-related HR variability (HRV) after repeated-sprints (RSs), and contrasted it with the smallest worthwhile change (SWC) of these indices. Fourteen healthy male participants performed on four occasions, separated by 7 days, five 30-m sprints interspersed by 25-s of recovery. Post-exercise HR during 10 min of seated rest was measured. HRR during the first 60-s of recovery was computed (HRR60s). HRV indices were calculated in time and frequency domains during the last 5-min of the recovery. Absolute and relative reliability were assessed by typical error of measurement expressed as coefficient of variation (CV) and intraclass correlation coefficients (ICCs), respectively. Sensitivity was assessed comparing SWC to the typical error of measurement. CV ranged from 3.6% to 13.5% and from 6.3% to 109.2% for the HRR and HRV indices, respectively. ICCs were from 0.78 to 0.96 and from 0.76 to 0.92, respectively. HRR and HRV indices showed large discrepancies reliability. HRR60s and the square root of the mean sum of the squared differences between R-R intervals presented the highest levels of both absolute and relative reliability. However, SWC was lower than the typical error of measurement, indicating insufficient sensitivity to confidently detect small, but meaningful, changes in HRR and HRV indices.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,230

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,034
Tête enseignante GPT0,268
Écart entre enseignants0,234 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetHeart Rate Variability and Autonomic ControlTravaux en français237 207