Auto‐regulatory progressive training compared to linear programming on muscular strength, endurance, and body composition in recreationally active males
Notice bibliographique
Résumé
ABSTRACT We compared eight weeks of auto‐regulatory progressive resistance exercise (APRE) to linear programming resistance exercise (LPRE) on changes in muscular strength and endurance, anaerobic power, and body composition in recreationally active males. Twenty‐four recreationally active males (age: 24 ± 3 y; body mass: 78.3 ± 10.3 kg) were randomly assigned to one of two groups: APRE (n = 12) and LPRE (n = 12). Both groups performed supervised training 3x/week for eight weeks Upper and lower body muscular strength and endurance, anaerobic power, and body composition were assessed at baseline, week 4, and 48 h after the final training session. Repeated measures ANOVA and hedge's g effect sizes (ES) were used to interpret the data. After training, there was a significant increase in absolute leg press (APRE: ES = 2.23; LPRE: ES = 1.35) and chest press strength (APRE: ES = 2.19; LPRE: ES = 0.98), upper (APRE: ES = 2.50; LPRE: ES = 1.074), and lower body peak power (APRE: ES = 0.78; LPRE: ES = 0.39), and upper (APRE: ES = 2.50; LPRE: ES = 1.60) and lower mean power (APRE: ES = 0.99; LPRE: ES = 0.54) over time in both groups compared to baseline. Following APRE, absolute leg press strength was significantly greater compared to LPRE (p = 0.04; ES = 2.41, ES = 1.36), while absolute chest press strength gains were similar between groups (p = 0.08; ES = 2.21, ES = 0.98). Skeletal muscle mass significantly increased similarly in both groups over time (APRE: ES = 0.46; LPRE: ES = 0.21), while there was no change over time or between groups for body fat %. APRE and LPRE were both effective at improving anaerobic power and skeletal muscle mass; however, APRE was more effective at improving lower body muscular strength in recreationally active males.
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 | 0,000 | 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) | 0,002 | 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 ».