Ambient temperature influences metabolic substrate oxidation curves during running and cycling in healthy men
Notice bibliographique
Résumé
Abstract Fat oxidation in cold environments and carbohydrate (CHO) use in hot environments are increased during exercise at steady‐state submaximal workloads. However, the influence of cold and heat on fat and CHO oxidation curves remain unknown. We therefore examined the influence of a cold and warm ambient temperature on fat and CHO oxidation across a wide range of exercise intensities during treadmill and cycle ergometer exercise. Nine, young, healthy, male subjects completed four trials, during which they performed an incremental peak oxygen consumption (⩒O 2peak ) test on a cycle ergometer or treadmill in a 4.6°C or 34.1°C environment. Substrate oxidation, maximal fat oxidation rate (MFO), and exercise intensity where MFO occurs (Fat max ) were assessed via indirect calorimetry. MFO was significantly greater in the cold vs. warm during the treadmill exercise (0.66 ± 0.31 vs. 0.43 ± 0.23 g min −1 ; p = 0.02) but not during cycling (0.45 ± 0.24 vs. 0.29 ± 0.11 g min −1 ; p = 0.076). MFO was also greater during treadmill vs. cycling exercise, irrespective of ambient temperature (0.57 g min −1 vs. 0.37 g min −1 ; p = 0.04). Fat max was greater in the cold vs. warm for both treadmill (57 ± 20 vs. 37 ± 17%⩒O 2peak ; p = 0.025) and cycling (62 ± 28 vs. 36 ± 13%⩒O 2peak ; p = 0.003). Multiple, linear, mixed‐effects regressions revealed a strong influence of ambient temperature on substrate oxidation. We demonstrated that exercising in a cold environment increases MFO and Fat max , predominantly during treadmill exercise. These results validate the implication of ambient temperature on energy metabolism over a wide range of exercise intensities.
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 | 0,002 | 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 ».