Regional and muscle-specific adaptations in knee extensor hypertrophy using flywheel versus conventional weight-stack resistance exercise
Notice bibliographique
Résumé
This study compared the effects of the most frequently employed protocols of flywheel (FW) versus weight-stack (WS) resistance exercise (RE) on regional and muscle-specific adaptations of the knee extensors. Sixteen men (n = 8) and women (n = 8) performed 8 weeks (2–3 days/week) of knee extension RE employing FW technology on 1 leg (4 × 7 repetitions), while the contralateral leg performed regular WS training (4 × 8–12 repetitions). Maximal strength (1-repetition maximum (1RM) in WS) and peak FW power were determined before and after training for both legs. Partial muscle volume of vastus lateralis (VL), vastus medialis (VM), vastus intermedius (VI), and rectus femoris (RF) were measured using magnetic resonance imaging. Additionally, quadriceps cross-sectional area was assessed at a proximal and a distal site. There were no differences (P > 0.05) between FW versus WS in muscle hypertrophy of the quadriceps femoris (8% vs. 9%), VL (10% vs. 11%), VM (6% vs. 8%), VI (5% vs. 5%), or RF (17% vs. 17%). Muscle hypertrophy tended (P = 0.09) to be greater at the distal compared with the proximal site, but there was no interaction with exercise method. Increases in 1RM and FW peak power were similar across legs, yet the increase in 1RM was greater in men (31%) than in women (20%). These findings suggest that FW and WS training induces comparable muscle-specific hypertrophy of the knee extensors. Given that these robust muscular adaptations were brought about with markedly fewer repetitions in the FW compared with WS, it seems FW training can be recommended as a particularly time-efficient exercise paradigm.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».