MétaCan
Menu
← Retour à la cohorte
Enregistrement W2915744688 · doi:10.1096/fasebj.30.1_supplement.763.7

Individual differences in compensatory vasodilation impact exercise performance

2016· article· en· W2915744688 sur OpenAlexafffund
Robert F. Bentley, Jeremy J. Walsh, Alyssa M. Fenuta, P Drouin, Michael E. Tschakovsky

Notice bibliographique

RevueThe FASEB Journal · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular and exercise physiology
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésVasodilationMedicineCardiologyPhysical medicine and rehabilitationInternal medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION It is often stated that oxygen delivery (O 2 D) demand matching is tightly coupled during submaximal exercise. Traditional research approaches have ignored the potential for unique individual response heterogeneity in this model. Previously when we challenged exercising muscle O 2 D by having participants perform progressive exercise to peak with exercising forearm perfusion pressure reduced, we found individuals inherently differed in their vasodilatory response to an O 2 D challenge, with some having compensatory vasodilation while others did not. PURPOSE To test the hypothesis that both compensatory and non‐compensatory vasodilation phenotypes are evident in the face of a sudden compromise to exercising muscle O 2 D. Furthermore, that non‐compensators suffer greater impacts on exercise performance as a result. METHODS 19 healthy male participants (21.8 ± 2.0 yrs) each completed 3 rhythmic isometric forearm exercise protocols separated by 24 hours. Day 1: Participants completed progressive exercise to peak. The intensity associated with 70% peak forearm vascular conductance (FVC: ml/min/100mmHg) was identified. Day 2: Participants performed steady state exercise at the 70% peak FVC intensity. This ensured that the vasodilatory reserve available to respond to a sudden challenge to O 2 D was the same across participants. A perfusion pressure‐induced challenge to O 2 D, which decreases local pressure by ~30 mmHg, was then introduced during the exercise. Day 3: Peak vasodilatory capacity was assessed, as well as perfusion and vasodilatory kinetics during exercise with a perfusion pressure challenge. Forearm blood flow (FBF: ml/min), mean arterial blood pressure (MAP: mmHg); and O 2 D (ml/O 2 /min) were measured throughout. RESULTS Day 2: 11 participants responded with compensatory vasodilation when steady state O 2 D was challenged (FVC RELAX : 660 ± 134 vs. 530 ± 124 ml/min/100mmHg, P<0.001) while 8 participants yielded no compensatory response (FVC RELAX : 667 ± 167 vs. 663 ± 165 ml/min/100mmHg, P=0.8). Steady state FBF, O 2 D, and oxygen consumption (VO 2 ) were all compromised in the non‐compensators (P<0.05), while MAP remained similar between vasodilator response groups (P>0.08). As a result of such compromises, exercise tolerance in a perfusion pressure challenged position was reduced to a greater extent in the non‐compensators compared to an unchallenged position (−92 ± 73 vs. −11 ± 37 N, P=0.01). Day 1: There was no difference in exercise performance (230 ± 26 vs. 245 ± 27 N, P=0.2) nor the intensity associated with 70% peak FVC (168 ± 33 vs. 158 ± 23 N, P=0.4) between non‐compensators and compensators. Day 3: Peak vasodilatory capacity was not different between compensatory and non‐compensatory vasodilators (956 ± 236 vs. 920 ± 364 ml/min/100mmHg, P=0.8). There was no difference in the FBF and FVC kinetic responses to an absolute intensity with a perfusion pressure challenge (all P>0.05). CONCLUSIONS Vasodilatory response phenotypes exist which determine inter‐individual differences in O 2 D and impact exercise performance. A non‐compensation response is not explained by differences in vasodilatory capacity, peak exercise capacity or work rate at which 70% peak vasodilation response occurred. Support or Funding Information NSERC

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0040,000

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 Opus0,026
Tête enseignante GPT0,261
Écart entre enseignants0,235 · 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

Citations0
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe FASEB Journal→Même sujetCardiovascular and exercise physiology→Travaux en français237 207→