MétaCan
Menu
Retour à la cohorte
Enregistrement W3131543630 · doi:10.1152/japplphysiol.00982.2020

Blood flow restriction training and the high-performance athlete: science to application

2021· review· en· W3131543630 sur OpenAlexaff
Christopher Pignanelli, Danny Christiansen, Jamie F. Burr

Notice bibliographique

RevueJournal of Applied Physiology · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueCardiovascular and exercise physiology
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésBlood flow restrictionAthletesEndurance trainingStrength trainingBlood flowExercise physiologyMuscle fatiguePhysical medicine and rehabilitationSkeletal muscleStressorMedicinePhysical therapyPsychologyCardiologyResistance trainingInternal medicineElectromyographyNeuroscience

Résumé

récupéré en direct d'OpenAlex

The manipulation of blood flow in conjunction with skeletal muscle contraction has greatly informed the physiological understanding of muscle fatigue, blood pressure reflexes, and metabolism in humans. Recent interest in using intentional blood flow restriction (BFR) has focused on elucidating how exercise during periods of reduced blood flow affects typical training adaptations. A large initial appeal for BFR training was driven by studies demonstrating rapid increases in muscle size, strength, and endurance capacity, even when notably low intensities and resistances, which would typically be incapable of stimulating change in healthy populations, were used. The incorporation of BFR exercise into the training of strength- and endurance-trained athletes has recently been shown to provide additive training effects that augment skeletal muscle and cardiovascular adaptations. Recent observations suggest BFR exercise alters acute physiological stressors such as local muscle oxygen availability and vascular shear stress, which may lead to adaptations that are not easily attained with conventional training. This review explores these concepts and summarizes both the evidence base and knowledge gaps regarding the application of BFR training for athletes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,992
Score d'incertitude au seuil0,597

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,289
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations93
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PhysiologyMême sujetCardiovascular and exercise physiologyTravaux en français237 207