Assessing differential responders and mean changes in muscle size, strength, and the crossover effect to 2 distinct resistance training protocols
Notice bibliographique
Résumé
The objective of this study was to determine differences in 2 distinct resistance training protocols and if true variability can be detected after accounting for random error. Individuals (n = 151) were randomly assigned to 1 of 3 groups: (i) a traditional exercise group performing 4 sets to failure; (ii) a group performing a 1-repetition maximum (1RM) test; and (iii) a time-matched nonexercise control group. Both exercise groups performed 18 sessions of elbow flexion exercise over 6 weeks. While both training groups increased 1RM strength similarly (∼2.4 kg), true variability was only present in the traditional exercise group (true variability = 1.80 kg). Only the 1RM group increased untrained arm 1RM strength (1.5 kg), while only the traditional group increased ultrasound measured muscle thickness (∼0.23 cm). Despite these mean increases, no true variability was present for untrained arm strength or muscle hypertrophy in either training group. In conclusion, these findings demonstrate the importance of taking into consideration the magnitude of random error when classifying differential responders, as many studies may be classifying high and low responders as those who have the greatest amount of random error present. Additionally, our mean results demonstrate that strength is largely driven by task specificity, and the crossover effect of strength may be load dependent. Novelty Many studies examining differential responders to exercise do not account for random error. True variability was present in 1RM strength gains, but the variability in muscle hypertrophy and isokinetic strength changes could not be distinguished from random error. The crossover effect of strength may differ based on the protocol employed.
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 ».