A brief experimental examination of post-exercise hypotension and the impact of calculation method
Notice bibliographique
Résumé
PURPOSE: There is great variability in the reported values of post-exercise hypotension (PEH), with inconsistent calculation methods employed across primary research. This study aimed to explore the influence of the mathematical calculation method on PEH variability, with the hypothesis that the method of identifying the lowest single reduction point (LSRP) would yield false-positive results. METHODS: Young, normotensive (108 ± 7/69 ± 5 mmHg), apparently healthy, male (n = 20) were included in this study. Participants completed three random-order experimental sessions, with blood pressure and heart rate measured before (10 min) and after (30 min) an acute bout of either isometric handgrip exercise, aerobic cycling, or a nonexercise control. Three PEH calculation methods were analyzed: LSRP, 30-min average across the full post-exercise recovery, and 15-min binned averages with two recovery windows (0-15 min, 15-30 min). RESULTS: The only calculation method to consistently identify PEH was the LSRP method, which identified PEH for SBP, DBP, and mean arterial pressure, across handgrip exercise, aerobic cycling, and even nonexercise control (P < 0.001). All other calculation methods inconsistently identified PEH across experimental sessions, supporting the hypothesis that LSRP inaccurately overreports PEH. CONCLUSION: Mathematical calculation method appears to be one source of variability contributing to the inconsistency in reported PEH among young, healthy males. This brief experimental examination reveals that the LSRP method should be avoided as it inaccurately overreports PEH. Alternatively, binned averages of smaller time windows across the recovery period may be a potentially advantageous approach and require further examination to determine to ideal level of granularity.
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) | 0,000 | 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 ».