Non-local muscle fatigue effects on muscle strength, power, and endurance in healthy individuals: A systematic review and meta-analysis
Notice bibliographique
Résumé
Objective: To examine whether non-local muscle fatigue occurs following performance of a fatiguing bout of exercise of a different muscle(s).Design: Systematic review and meta-analysis.Search and Inclusion: A systematic literature search using a Boolean search strategy was conducted with PubMed, SPORTDiscus, Web of Science, and Google Scholar in April 2020 and was supplemented with additional ‘snowballing’ searches up to September 2020. To be included in our analysis, studies had to include at least one intentional performance measure (i.e., strength, endurance, or power), which if reduced could be considered evidence of muscle fatigue, and also had to include the implementation of a fatiguing protocol to a location (i.e., limb or limbs) that differed to those for which performance was measured. We excluded studies that measured only mechanistic variables such as electromyographic, or spinal/supraspinal excitability. After search and screening, 52 studies were eligible for inclusion including 57 groups of participants (median sample = 11) and a total of 303 participants.Results: The main multilevel meta-analysis model including all effects sizes (278 across 50 clusters [median = 4, range = 1 to 18 effects per cluster) revealed a trivial point estimate with high precision for the interval estimate (-0.02 [95%CIs = -0.14 to 0.09]), yet with substantial heterogeneity (Q(277) = 642.3, p < 0.01), I2 = 67.4%). Subgroup and meta-regression analyses showed that NLMF effects were not moderated by study design (between vs. within-participant), homologous vs. heterologous effects, upper or lower body effects, participant training status, sex, age, the time of post-fatigue protocol measurement, or the severity of the fatigue protocol. However, there did appear to be an effect of type of outcome measure where both strength (0.11 [95%CIs = 0.01 to 0.21]) and power outcomes had trivial effects (-0.01 [95%CIs = -0.24 to 0.22]), whereas endurance outcomes showed moderate albeit imprecise effects (-0.54 [95%CIs = -0.95 to -0.14]).Conclusions: Overall, the findings do not support the existence of a general NLMF effect; however, when examining specific types of performance outcomes there may be an effect specifically upon endurance-based outcomes (i.e., time to task failure). However, there are relatively fewer studies that have examined endurance effects or mechanisms explaining this possible effect, in addition to fewer studies including women or younger and older participants, and considering causal effects of prior training history through the use of longitudinal intervention study designs. Thus, it seems pertinent that future research on NLMF effects should be redirected towards these still relatively unexplored areas.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,038 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».