Heart rate variability and recovery following maximal exercise in endurance athletes and physically active individuals
Notice bibliographique
Résumé
The purpose of this study was to determine potential adverse cardiac effects of chronic endurance training by comparing sympathovagal modulation via heart rate variability (HRV) and heart rate recovery (HRR) in middle-aged endurance athletes (EA) and physically active individuals (PA) following maximal exercise. Thirty-six (age, 53 ± 5 years) EA and 19 (age, 56 ± 5 years) PA were recruited to complete a 2-week exercise diary and graded exercise to exhaustion. Time domain and power spectral HRV analyses were completed on recorded R-R intervals. EA had a greater HRR slope following exercise (95% confidence interval, 0.0134–0.0138 vs. 0.0101–0.0104 beats/s; p < 0.001). While EA had greater HRR at 1–5 min after exercise (all p < 0.01), PA and EA did not differ when expressed as a percentage of baseline heart rate (130 ± 19 vs. 139 ± 19; p = 0.2). Root mean square of successive differences in R-R intervals (rest and immediately after exercise) were elevated in EA (p < 0.05). Low-frequency (LF) and high-frequency (HF) spectral components were nonsignificantly elevated after exercise (p = 0.045–0.147) in EA while LF/HF was not different (p = 0.529–0.986). This data suggests greater HRR in EA may arise in part due to a lower resting HR. While nonsignificant elevations in HF and LF in EA produces a LF/HF similar to PA, absolute spectral component modulation differed. These observations require further exploration. Novelty Acute effects of exercise on HRV in EA compared with a relevant control group, PA, are unknown. EA had greater HRR and nonsignificant elevations in LF and HF compared with PA, yet LF/HF was not different. Future work should explore the implications of this observation.
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) | 0,001 | 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 ».