Peer Review #3 of "High tempo music prolongs high intensity exercise (v0.2)"
Notice bibliographique
Résumé
Music has been shown to reduce rating of perceived exertion, increase exercise enjoyment and enhance exercise performance, mainly in low-moderate intensity exercises.However, the effects of music are less conclusive with high-intensity activities.The purpose of this with-participant design study was to compare the effects of high tempo music (130 bpm) to a no-music condition during repeated high intensity cycling bouts (80% of peak power output (PPO)) on the following measures: time to exercise end-point, rating of perceived exertion (RPE), heart rate (HR), breathing frequency, ventilatory kinetics and blood lactate (BL).Under the music condition, participants exercised 10.7% longer (p = 0.035; Effect size (ES)= 0.28) (increase of one minute) and had higher HR (4%; p= 0.043; ES= 0.25), breathing frequency (11.6%; p< 0.001; ES= 0.57), and RER (7% at TTF; p= 0.021; ES=1 .1)during exercise, as measured at the exercise end-point.Trivial differences were observed between conditions in RPE and other ventilatory kinetics during exercise.Interestingly, five minutes post-exercise termination, HR recovery was 13.0% faster following the music condition (p< 0.05) despite that music was not played during this period.These results strengthen the notion that music can alter the association between central motor drive, central cardiovascular command and perceived exertion, and contribute to prolonged exercise durations at higher intensities along with a quicken HR recovery.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,290 | 0,150 |
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 source (Gemma direct ou Codex distillé), 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 ».