Repeated anaerobic tests predict performance among a group of advanced CrossFit-trained athletes
Notice bibliographique
Résumé
High-intensity functional training (HIFT) (i.e., CrossFit (CF) training) uses a combination of movements and self-selected time periods of work and rest. However, little is known about the physiological responses to an acute bout of HIFT exercise or about the physical parameters that distinguish performance. The purpose of this study was to examine the physiological responses in advanced CF athletes to consecutive Wingate trials with short, active recovery periods. Twenty-nine advanced-level CF-trained athletes volunteered for this study. The participants were required to complete 4 consecutive Wingate anaerobic tests (WAnTs) and a 15-min CF-style workout. Across the 4 WAnT trials, significant (p < 0.001) changes were observed in oxygen consumption, respiratory exchange ratio, and heart rate. Significant (p ≤ 0.001) differences among WAnT trials were observed in all anaerobic performance measures. Compared with all other trials, greater peak power (p < 0.04), relative peak power (p < 0.02), average power (p < 0.001), relative average power (p < 0.001), and total work (p < 0.001), together with a lower fatigue index (p < 0.01), were observed during WAnT 1. Overall, the 4 consecutive WAnT trials resulted in a significant (F = 177.0, p < 0.001) increase in blood lactate response. Stepwise regression revealed that the ability to predict total repetitions completed during the 15-min trial to complete as many repetitions as possible improved as the participants progressed from the first to the third WAnT trial. Our data suggest that, combined with the ability to better maintain performance across high-intensity exercise bouts, the ability to quickly recover between bouts is the most important factor in CF performance.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».