Session Rating of Perceived Exertion Is a Superior Method to Monitor Internal Training Loads of Functional Fitness Training Sessions Performed at Different Intensities When Compared to Training Impulse
Notice bibliographique
Résumé
Despite its increase in popularity, little is known about how to best quantify internal training loads from functional fitness training (FFT) sessions. The purpose of this study was to assess which method (training impulse – TRIMP or session-rating of perceived exertion – sRPE) is more accurate to monitor training loads in FFT. Eight trained males (age 28.1±6.0 years) performed an ALL-OUT FFT session and an intensity-controlled session (RPE of 6 out of 10). Internal load was determined via Edward’s TRIMP (eTRIMP), Bannister’s TRIMP (bTRIMP) and sRPE. Heart rate was measured continuously during the session, while blood lactate and rate of perceived exertion were measured at baseline, and immediately and 30 minutes after the sessions. ALL-OUT blood lactate and RPE were significantly higher immediately and 30 minutes after the session compared to the RPE6 condition. ALL-OUT training load was significantly different between conditions using bTRIMP (61.1 ± 10.6 vs 55.7 ± 12.4 au), and sRPE (91.7 ± 30.4 vs 42.6 ± 14.9 au), with sRPE being more sensitive to such differences (p = 0.045, ES = 0.76, and p = 0.002, ES = 1.82, respectively). No differences in the training loads of the different sessions were found using eTRIMP (93.1 ± 9.5 vs 84.9 ± 13.7 au, p = 0.085). Only sRPE showed a significant correlation with lactate 30-min post session (p = 0.015; ρ = 0.596, large). Conclusion: sRPE was more accurate than both TRIMP methods to represent the overall training load of the FFT sessions. While the use of sRPE is advised, further research is necessary to establish its ability to reflect changes in fitness, fatigue, and performance during a period of training.
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 ».