MétaCan
Menu
← Retour à la cohorte
Enregistrement W2955171329 · doi:10.1249/01.mss.0000562396.22833.1d

The Impact of Mental Fatigue on Force and Motor Unit Firing Variability in Young Adults

2019· article· en· W2955171329 sur OpenAlexaff
Katie Kowalski, Anita Christie

Notice bibliographique

RevueMedicine & Science in Sports & Exercise · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésMental fatigueIsometric exercisePsychomotor vigilance taskPhysical medicine and rehabilitationPsychomotor learningPsychologyAudiologyVigilance (psychology)Physical therapyMedicineCognitionPsychiatryClinical psychologySleep deprivationCognitive psychology

Résumé

récupéré en direct d'OpenAlex

Mental fatigue leads to declines in performance of tasks such as cycling time trial performance and skill-based outcomes such as soccer shot accuracy. The neuromuscular mechanisms leading to these declines are not well understood. Although force variability has been shown to increase under dual-task conditions, it is not known if these results extend to conditions of mental fatigue. PURPOSE: The purpose of this study was to assess the impact of mental fatigue on variability in motor output in healthy, young individuals. Specifically, we sought to determine if a task that induces mental fatigue has effects on force and motor unit firing variability. METHODS: Nineteen participants (10 female, 9 male) performed 10-s isometric contractions at 20 and 50% maximum voluntary contraction (MVC) before, during, and after completing 20 min of the psychomotor vigilance task (PVT). The PVT is a sustained attention task that induces mental fatigue, as indicated by increases in reaction time (RT) to visual stimuli. Force and indwelling motor unit (MU) firings were measured prior to and immediately following performance of the PVT (single task), and within the first and final minutes of PVT performance (dual task). Subjective ratings of fatigue were also obtained using a 10-point Likert scale before and after the PVT. RESULTS: Reaction time increased by 14% from the beginning of the PVT (276.14 ± 31.54 ms) to the end (314.15 ± 37.74 ms, p<0.001). Subjects also subjectively reported greater levels of fatigue following the PVT (4.95 ± 1.84) compared to before (3.00 ± 1.20, p<0.001), indicating successful induction of mental fatigue. For the coefficient of variation (CV) of force there was no significant main effect of time (p=0.14) or contraction intensity (p=0.33), and no significant interaction (p=0.51). For the CV of the MU interspike interval there was a main effect of contraction intensity with a greater CV of the interspike interval during the 50% MVC (19.51 ± 3.84%) than the 20% MVC (14.87 ± 3.59%, p<0.001) contractions. However, there was no significant main effect of time (p=0.83) and no significant interaction (p=0.23). CONCLUSION: Inducing mental fatigue did not lead to changes in the variability of force production or motor unit firing during isometric contractions at 20 and 50% MVC as a single-task or during a concurrent cognitive task.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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)0,0020,000

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 Opus0,010
Tête enseignante GPT0,259
Écart entre enseignants0,249 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicine & Science in Sports & Exercise→Même sujetMuscle activation and electromyography studies→Travaux en français237 207→