Cycling performed on an innovative ergometer at different intensities–durations in men: neuromuscular fatigue and recovery kinetics
Notice bibliographique
Résumé
The majority of studies have routinely measured neuromuscular (NM) fatigue with a delay (∼1–3 min) after cycling exercises. This is problematic since NM fatigue can massively recover within the first 1–2 min after exercise. This study investigated the etiology of knee extensors (KE) NM fatigue and recovery kinetics in response to cycling exercises by assessing NM function as early as 10 s following cycling and up to 8 min of recovery. Ten young males performed different cycling exercises on different days: a Wingate (WING), a 10-min task at severe-intensity (SEV), and a 90-min task at moderate-intensity (MOD). Electrically evoked and isometric maximal voluntary contractions (IMVC) of KE were assessed before, after, and during recovery. SEV induced the highest decrease in IMVC. Peak twitch (Pt) was more reduced in WING and SEV than in MOD (p < 0.001), whereas voluntary activation decreased more after MOD than WING (p = 0.043). Regarding Pt and the ratio between low- and high-frequency doublet (i.e., low-frequency fatigue), recovery was faster for WING, whereas IMVC and high-frequency doublet recovered slower during MOD (p < 0.05). Our results confirm that peripheral fatigue is greater after WING and SEV, while central fatigue is greater following MOD. Peripheral fatigue can substantially recover within minutes after a supramaximal exercise while NM function recovered slower after prolonged, moderate-intensity exercise. This study provides an accurate estimation of NM fatigue and recovery kinetics because of dynamic exercise with large muscle mass by significantly shortening the delay for postexercise measurements.
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 ».