MétaCan
Menu
Retour à la cohorte
Enregistrement W2910484159 · doi:10.1139/apnm-2018-0801

Effect of neuromuscular electrical stimulation frequency on postprandial glycemia, current-related discomfort, and muscle soreness. A crossover study

2019· article· en· W2910484159 sur OpenAlexvenueno aff
Benjamín Guzmán-González, Pablo Martín Llanos, Joaquín Calatayud, Nicola A. Maffiuletti, Carlos Cruz‐Montecinos

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Rate Variability and Autonomic Control
Établissements canadiensnon disponible
Organismes subventionnairesUniversidad de Chile
Mots-clésMedicineCrossover studyGlycemicPostprandialElectrical muscle stimulationStimulationPhysical therapyDelayed onset muscle sorenessMealPhysical medicine and rehabilitationAnesthesiaInternal medicineInsulinMuscle damagePlacebo

Résumé

récupéré en direct d'OpenAlex

Consensus is lacking regarding optimal neuromuscular electrical stimulation (NMES) parameters for postprandial glycemic control. Therefore, the aim of this study was to determine the NMES frequency inducing the greatest hypoglycemic effect in healthy individuals. The secondary aim was to compare current-related discomfort and muscle soreness between different frequencies. We conducted an experimental clinical study with a randomized crossover design. Sixteen healthy and sedentary participants received NMES for 20 min at 5, 10, or 50 Hz (pulse duration: 400 μs, on-off ratio: 4:12 s) following a standardized meal. Glycemia, discomfort, and muscle soreness during and after NMES were compared between conditions. Five-hertz NMES generated a significant hypoglycemic effect, contrary to 10 Hz and 50 Hz. Ten-hertz and 50-Hz NMES resulted respectively in lower current-related discomfort and greater muscle soreness compared with the other frequencies. Women reported higher discomfort than men. These findings contribute towards the possibility of more efficient long-term NMES treatments in terms of glycemic response and patient tolerance.

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 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 enseignants0,945
Score d'incertitude au seuil0,593

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,260
Écart entre enseignants0,254 · 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.

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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and MetabolismMême sujetHeart Rate Variability and Autonomic ControlTravaux en français237 207