Neuromuscular Fatigue of Cycling Exercise in Hypoxia
Notice bibliographique
Résumé
INTRODUCTION: The understanding of fatigue in hypoxia is limited due to: lack of control in arterial saturation, different exercise intensities and hypoxia levels, lag time between exercise cessation and fatigue evaluation. We aimed at evaluating fatigue during cycling and immediately after exhaustion (EXH) in normoxia, moderate and severe hypoxia at relative and absolute intensities. METHODS: Thirteen subjects completed three sessions in normoxia, moderate, and severe hypoxia with intensity based on percentage of normoxic maximal power output (NOR, MODABS, SEVABS) plus two sessions where intensity was based on the corresponding environmental condition (MODREL, SEVREL). Arterial saturation was clamped at 85% and 70% in moderate and severe hypoxia, respectively. Before, during cycling, and at EXH, maximum voluntary contraction (MVC), peripheral fatigue (high-frequency doublet [Db100], twitch [Pt]), and central fatigue (cortical voluntary activation [VATMS]) were evaluated without delay using an innovative ergometer. RESULTS: Time to EXH declined not only with hypoxia level at absolute but also relative intensities compared to NOR. At isotime, MVC, Pt, and Db100 were similarly depreciated in NOR, MODREL, and SEVREL. At EXH, there was a similar reduction among conditions in MVC (-26% to -31%), Db100 (-25% to -35%) and VATMS (-9% to -13%). However, Pt was less decreased in SEVREL compared with NOR (-33% ± 17% vs -46% ± 16%). CONCLUSIONS: The shorter time to EXH in relative hypoxia and yet lower peripheral fatigue and similar central fatigue compared with normoxia suggests that hypoxia per se may affect brain areas not directly implicated in quadriceps motor function.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».