Exercise and Executive Function during Follicular and Luteal Menstrual Cycle Phases
Notice bibliographique
Résumé
PURPOSE: A single bout of aerobic or resistance exercise improves executive function. We sought to determine whether menstrual cycle variations in ovarian hormone concentrations differentially influence the expression and/or magnitude of a postexercise executive benefit. METHODS: Eumenorrheic female participants completed 20-min single bouts of aerobic exercise (via cycle ergometer) at a moderate intensity (i.e., 80% of estimated lactate threshold) during the early follicular and midluteal phases of their menstrual cycle. Pre- and postexercise executive function was examined via antisaccades-an executive task requiring a saccade mirror-symmetrical to a visual stimulus. Antisaccades are an ideal tool for examining postexercise executive changes because the task is mediated via the same frontoparietal networks as modified following single-bout and chronic exercise. RESULTS: Antisaccade reaction times decreased from the pre- to postexercise assessments by an average of 22 ms (P = 0.003), and this benefit was independent of changes in directional errors or end point accuracy (P's > 0.26). In other words, participants did not decrease their postexercise reaction times at the cost of increased planning times or execution errors. Most notably, the postexercise antisaccade benefit did not vary in magnitude across follicular or luteal phases (P = 0.33) and a two one-sided test statistic (i.e., equivalence testing) provided support for the null hypothesis (P = 0.008). CONCLUSIONS: A postexercise executive benefit is independent of hormonal variations in the menstrual cycle. Further, our results evince that the phase of a female participant's menstrual cycle should not be a limiting factor in determining their inclusion in exercise neuroscience research.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| 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 ».