MétaCan
Menu
Retour à la cohorte
Enregistrement W2806403994 · doi:10.1111/sms.13238

Influence of averaging method on muscle deoxygenation interpretation during repeated‐sprint exercise

2018· article· en· W2806403994 sur OpenAlexaff
Ramón F. Rodriguez, Nathan Townsend, Robert J. Aughey, François Billaut

Notice bibliographique

RevueScandinavian Journal of Medicine and Science in Sports · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular and exercise physiology
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésSprintDeoxygenationMedicinePhysical therapyPhysical medicine and rehabilitationInterpretation (philosophy)ChemistryComputer scienceBiochemistry

Résumé

récupéré en direct d'OpenAlex

Near‐infrared spectroscopy (NIRS) is a common tool used to study oxygen availability and utilization during repeated‐sprint exercise. However, there are inconsistent methods of smoothing and determining peaks and nadirs from the NIRS signal, which make interpretation and comparisons between studies difficult. To examine the effects of averaging method on deoxyhaemoglobin concentration ([HHb]) trends, nine males performed ten 10‐s sprints, with 30 seconds of recovery, and six analysis methods were used for determining peaks and nadirs in the [HHb] signal. First, means were calculated over predetermined windows in the last 5 and 2 seconds of each sprint and recovery period. Second, moving 5‐seconds and 2‐seconds averages were also applied, and peaks/nadirs were determined for each 40‐seconds sprint/recovery cycle. Third, a Butterworth filter was used to smooth the signal, and the resulting signal output was used to determine peaks and nadirs from predetermined time points and a rolling approach. Correlation and residual analysis showed that the Butterworth filter attenuated the “noise” in the signal, while maintaining the integrity of the raw data (r = .9892; mean standardized residual −9.71 × 103 ± 3.80). Means derived from predetermined windows, irrespective of length and data smoothing, underestimated the magnitude of peak and nadir [HHb] compared to a rolling mean approach. Consequently, sprint‐induced metabolic changes (inferred from Δ[HHb]) were underestimated. Based on these results, we suggest using a digital filter to smooth NIRS data, rather than an arithmetic mean, and a rolling approach to determine peaks and nadirs for accurate interpretation of muscle oxygenation trends.

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)0,006
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,011
Tête enseignante GPT0,306
Écart entre enseignants0,296 · 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'étudeObservationnel
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

Citations48
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScandinavian Journal of Medicine and Science in SportsMême sujetCardiovascular and exercise physiologyTravaux en français237 207