MétaCan
Menu
Retour à la cohorte
Enregistrement W2793464864 · doi:10.1139/apnm-2017-0826

Using ramp-incremental <i>V</i>O<sub>2</sub> responses for constant-intensity exercise selection

2018· review· en· W2793464864 sur OpenAlexaffvenue
Daniel A. Keir, Donald H. Paterson, John M. Kowalchuk, Juan M. Murias

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueCardiovascular and exercise physiology
Établissements canadiensUniversity of CalgaryUniversity Health NetworkWestern University
Organismes subventionnairesnon disponible
Mots-clésIntensity (physics)Exercise intensityConstant (computer programming)Incremental exerciseExercise prescriptionTask (project management)PsychologyComputer sciencePhysical therapyMedicinePhysicsInternal medicineHeart rateEngineering

Résumé

récupéré en direct d'OpenAlex

Despite compelling evidence to the contrary, the view that oxygen uptake (V̇O2) increases linearly with exercise intensity (e.g., power output, speed) until reaching its maximum persists within the exercise physiology literature. This viewpoint implies that the V̇O2 response at any constant intensity is predictable from a ramp-incremental exercise test. However, the V̇O2 versus task-specific exercise intensity relationship constructed from ramp-incremental versus constant-intensity exercise are not equivalent preventing the use of V̇O2 responses from 1 domain to predict those of the other. Still, this “linear” translational framework continues to be adopted as the guiding principle for aerobic exercise prescription and there remains in the sport science literature a lack of understanding of how to interpret V̇O2 responses to ramp-incremental exercise and how to use those data to assign task-specific constant-intensity exercise. The objectives of this paper are to (i) review the factors that disassociate the V̇O2 versus exercise intensity relationship between ramp-incremental and constant-intensity exercise paradigms; (ii) identify when it is appropriate (or not) to use ramp V̇O2 responses to accurately assign constant-intensity exercise; and (iii) illustrate the technical and theoretical challenges with prescribing constant-intensity exercise solely on information acquired from ramp-incremental tests. Actual V̇O2 data collected during cycling exercise and V̇O2 kinetics modelling are presented to exemplify these concepts. Possible solutions to overcome these challenges are also presented to inform on appropriate intensity selection for individual-specific aerobic exercise prescription in both research and practical settings.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,049
Tête enseignante GPT0,318
Écart entre enseignants0,269 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations95
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and MetabolismMême sujetCardiovascular and exercise physiologyTravaux en français237 207