Impact of data averaging strategies on VO<sub>2max</sub> assessment: Mathematical modeling and reliability
Notice bibliographique
Résumé
Background No consensus exists on how to average data to optimize O2max assessment. Although the O2max value is reduced with larger averaging blocks, no mathematical procedure is available to account for the effect of the length of the averaging block on O2max. Aims To determine the effect that the number of breaths or seconds included in the averaging block has on the O2max value and its reproducibility and to develop correction equations to standardize O2max values obtained with different averaging strategies. Methods Eighty‐four subjects performed duplicate incremental tests to exhaustion (IE) in the cycle ergometer and/or treadmill using two metabolic carts (Vyntus and Vmax N29). Rolling breath averages and fixed time averages were calculated from breath‐by‐breath data from 6 to 60 breaths or seconds. Results O2max decayed from 6 to 60 breath averages by 10% in low fit ( O2max < 40 mL kg−1 min−1) and 6.7% in trained subjects. The O2max averaged from a similar number of breaths or seconds was highly concordant (CCC > 0.97). There was a linear‐log relationship between the number of breaths or seconds in the averaging block and O2max (R2 > 0.99, P < 0.001), and specific equations were developed to standardize O2max values to a fixed number of breaths or seconds. Reproducibility was higher in trained than low‐fit subjects and not influenced by the averaging strategy, exercise mode, maximal respiratory rate, or IE protocol. Conclusions The O2max decreases following a linear‐log function with the number of breaths or seconds included in the averaging block and can be corrected with specific equations as those developed here.
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 | 0,040 | 0,153 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».