MétaCan
Menu
Retour à la cohorte
Enregistrement W2800951187 · doi:10.1139/apnm-2018-0080

Neuromuscular fatigue during repeated sprint exercise: underlying physiology and methodological considerations

2018· review· en· W2800951187 sur OpenAlexaffvenue
Brandon W. Collins, Gregory E. P. Pearcey, Natasha C.M. Buckle, Kevin E. Power, Duane C. Button

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2018
Typereview
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensInternational Collaboration On Repair DiscoveriesUniversity of VictoriaMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésSprintPhysical medicine and rehabilitationMuscle fatigueNeuromuscular diseaseMedicinePhysical therapyElectromyographyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Neuromuscular fatigue occurs when an individual's capacity to produce force or power is impaired. Repeated sprint exercise requires an individual to physically exert themselves at near-maximal to maximal capacity for multiple short-duration bouts, is extremely taxing on the neuromuscular system, and consequently leads to the rapid development of neuromuscular fatigue. During repeated sprint exercise the development of neuromuscular fatigue is underlined by a combination of central and peripheral fatigue. However, there are a number of methodological considerations that complicate the quantification of the development of neuromuscular fatigue. The main goal of this review is to synthesize the results from recent investigations on the development of neuromuscular fatigue during repeated sprint exercise. Hence, we summarize the overall development of neuromuscular fatigue, explain how recovery time may alter the development of neuromuscular fatigue, outline the contributions of peripheral and central fatigue to neuromuscular fatigue, and provide some methodological considerations for quantifying neuromuscular fatigue during repeated sprint exercise.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,109
Tête enseignante GPT0,329
Écart entre enseignants0,219 · 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.

Devis d'étudeSans objet
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

Citations57
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and MetabolismMême sujetMuscle activation and electromyography studiesTravaux en français237 207