Neuromuscular, biomechanical, and energetic adjustments following repeated bouts of downhill running
Notice bibliographique
Résumé
PURPOSE: This study used downhill running as a model to investigate the repeated bout effect (RBE) on neuromuscular performance, running biomechanics, and metabolic cost of running. METHODS: Ten healthy recreational male runners performed two 30-min bouts of downhill running (DR1 and DR2) at a -20% slope and 2.8 m/s 3 weeks apart. Neuromuscular fatigue, level running biomechanics during slow and fast running, and running economy parameters were recorded immediately before and after the downhill bouts, and at 24 h, 48 h, 72 h, 96 h, and 168 h thereafter (i.e., follow-up days). RESULTS: An RBE was confirmed by attenuated muscle soreness and serum creatine kinase rise after DR2 compared to DR1. An RBE was also observed in maximum voluntary contraction (MVC) force loss and voluntary activation where DR2 resulted in attenuated MVC force loss and voluntary activation immediately after the run and during follow-up days. The downhill running protocol significantly influenced level running biomechanics; an RBE was observed in which center of mass excursion and, therefore, lower-extremity compliance were greater during follow-up days after DR1 compared to DR2. The observed changes in level running biomechanics did not influence the energy cost of running. CONCLUSION: This study demonstrated evidence of adaptation in neural drive as well as biomechanical changes with the RBE after DR. The higher neural drive resulted in attenuated MVC force loss after the second bout. It can be concluded that the RBE after downhill running manifests as changes to global and central fatigue parameters and running biomechanics without substantially altering the energy cost of running.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».