Sensitivity of forearm critical power to acute manipulation of perfusion pressure
Notice bibliographique
Résumé
PURPOSE We tested the hypothesis that manipulating perfusion pressure (PP) impacts forearm critical power (fCP). METHODS 9 healthy young (23 ± 2.6 yrs) males completed 10 min fCP tests in each of arm above (A) and below (B) heart level (forearm PP A < B by ~30 mmHg). fCP (average of force impulse in last 30 s of test), forearm blood flow (FBF; echo and Doppler ultrasound), arterial pressure (MAP; finger photoplethysmography), O 2 consumption (VO 2 ; venous blood samples, Fick eqn) were measured during exercise. RESULTS mean ± SD. Responders (all with compromised fCP in A vs. B; 21 ± 7 vs. 30 ± 6 kg·s, p=0.01) and non‐responders (no compromise to fCP in A vs. B; 29 ± 17 vs. 27 ± 16 kg·s, P=0.14) were identified. Responders exhibited O 2 D compromise in A vs. B (164 ± 60 vs. 178 ± 65 ml O 2 /min, p=0.04), and all had lower VO 2 in A vs. B but this was not statistically significant (VO 2 88 ± 30 ml/min vs. 104 ± 40 ml/min, p=0.12). Non‐responders had no compromise to O 2 D in A vs. B (153 ± 26 vs. 164 ± 28 ml O 2 /min, p=0.53), nor any compromise to VO 2 (99 ± 21 ml/min vs. 106 ± 28 ml/min, p=0.58). No clear pattern regarding pressor or vasodilatory compensation to protect O 2 D was found (Responders A vs. B, ΔFVC p=0.01, ΔMAP p=0.12; Non‐responders A vs. B ΔFVC p=0.22, ΔMAP p=0.37). CONCLUSIONS Reductions in perfusion pressure can reduce forearm critical power in individuals who cannot defend O 2 D. These data highlight the importance of O 2 D to fCP. NSERC
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 | 0,001 | 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 ».